摘要
目的：建立符合新疆地区结核病流行特征的预测模型，利用多元模型和动力学模型探讨空气污染物对结核病发病的影响，为结核病的防控提供相应的建议。 方法：（1）利用2004年1月—2018年6月肺结核发病数分别拟合SARIMA模型、Holt-W inters加法模型、Holt-Winters乘法模型、GM (1, 1)模型和线性组合预测模型。采用绝对百分比误差 （APE）、平均绝对百分比误差 （MAPE） 和均方根误差 （RMSE）比较模型拟合预测效果，根据APE、MAPE和RMSE最小原则选择最优预测模型。（2）基于乌鲁木齐市2014年1月至2018年12月肺结核病发病数据及同期空气污染物数据（PM2.5、PM10、CO、O3、NO2和SO2），分别构建ARIMA、ARIMAX和RNN模型，来探讨空气污染物对乌鲁木齐结核病发病数的影响。使用了一个新的综合评价指标 DISO来选择最优模型并对 2019年乌鲁木齐肺结核发病数预测。（3）通过 Spearman 秩相关方法分析各空气污染物与结核病发病的相关关系,剔除与结核病发病无关的空气污染物。其次，建立空气污染物动力学模型，采用最小二乘法和Bootstrap 对空气污染物浓度数据进行拟合。再次，利用 MCMC 算法对结核病数据进行拟合，找出结核病模型的最适参数，并计算结核病模型基本再生数。最后，对空气污染物及模型参数进行敏感性分析。 结果：（1） SARIMA模型为最优模型（A PE=10.94%, MAPE=7.96%, RMSE=419）。线性组合预测模型为次优模型，Holt-Wint ers加法模型、Holt-Winters乘法模型、GM (1, 1) 模型的预测效果相对较差。（2）除O3外，其余空气污染物与肺结核发病显著相关，ARIMAX(1,1,2)×(0,1,1)12+PM2.5(lag=12)模型为最优模型（DISO=1.45,MAPE=0.75%），预测结果与实际肺结核发病数吻合良好，周期波动与往年一致，2019 年肺结核发病数明显下降。（3） 二氧化氮与结核病发病成负相关关系（r=-0.44），结核动力学模型的基本再生数R0=2.6975, 9 5%置信区间为：（2.1843,3.3952）。提高敏感菌株和耐药菌株结核感染者的恢复率r1、r2可降低结核的发病数。 结论：（1）SARIMA 模型优于线性组合预测模型、 H olt-Winters 加法模型、Holt-Winters乘法模型和GM (1, 1) 模型，更适用于新疆结核病发病数的预测。（2） 除O3外，其余空气污染物均对结核病发病有滞后影响，与一元时间序列模型相比，多元时间序列模型预测精度有所提高。（3） 二氧化氮可以影响空气中结核分枝杆菌的浓度，进而影响结核病的传播。结核病动力学模型的基本再生数R0gt;1，表示结核病仍会持续在人群中传播，提高结核感染个体的恢复率是降低结核病例数的关键。
NETL