摘要
目的: 本研究旨在分析济南市哨点医院报告的0-14岁人群流感(Influenza)及流感样病例(Influenza-like illness,ILI)的流行特征，并探索济南市气象因素与大气污染物及二者间的交互作用对该年龄群体流感样病例发病风险的影响，为降低济南市流感发病风险和流感防控工作提供参考依据。 方法: 本研究通过“中国流感监测信息系统”收集了 2015-2019年济南市0-14岁人群流感及流感样病例每日报告人数及相关资料。同期气象数据(气温、湿度、风速、气压)来源于中国气象数据共享服务系统的济南站，大气污染物监测数据(PM2.5、PM10、SO2、NO2、CO和O3)来自济南市环境监测中心。研究使用Excel软件建立数据库，并采用R4.3.0软件及Arcmap10.8软件进行统计分析。首先，分析济南市0-14岁人群流感病例及流感样病例的流行特征，包括人群分布、时间分布、地区分布，并对同期气象因素及大气污染物的分布特征进行统计描述。其次，使用Spearman秩相关分析法初步探索气象因素和大气污染物与流感样病例之间的关系。此外，筛选出主要的环境因素及混杂因素，以纳入模型分析。然后，应用单因素分布滞后非线性模型(Distribution lag nonlinear model,DLNM)来分析气象因素和大气污染物与流感样病例间的暴露-滞后-反应关系、单日滞后效应和累积滞后效应。最后，通过定性和定量的方法评估气温和大气污染物间的交互作用。具体方法包括运用反应平面图进行定性分析，以及通过气温分层模型定量分析气象因素与大气污染物对流感样病例的交互作用。 结果: (1)2015-2019年，济南市哨点医院累计诊断并报告0-14岁现住址为济南市的流感病例13525例，0-14岁流感样病例133889例。 (2)研究发现，日平均相对湿度、日平均气温、日平均风速与ILI之间存在负相关关系，而日平均大气压与ILI呈现出正相关。在大气污染物方面，PM2.5、PM10、SO2、NO2和CO浓度与ILI呈正相关，而O3浓度与ILI呈负相关。 (3)DLNM分析结果揭示了气象因素与ILI发病风险之间的复杂关系。气温的暴露反应曲线呈近似“U”型，并伴有明显的滞后作用，极端低温、极端高温均增加了 ILI的发病风险。相对湿度与ILI发病风险存在相关性，暴露反应关系呈现近似“M”型，极端低湿、极端高湿条件下ILI发病风险的增加，滞后作用明显。风速和气压的分析结果显示，二者对ILI发病风险的影响均存在滞后效应;其中，风速过高或过低均使ILI发病风险的相对危险度(Relative Risk，RR)及累积相对危险度(Cumulative Relative Risk,CRR)低于1，而低气压增加了 ILI的发病风险，高气压则具有一定的保护作用。大气污染物方面，本研究发现PM2.5浓度为54μg/m3,滞后第7至10天时，相对危险度达到最高;浓度为81μg/m3,滞后第14天时累积相对危险度最高。PM10浓度为159μg/m3、滞后第14天时，RR值与CRR值均最高。SO2浓度为150μg/m3、滞后第14天时，RR值、CRR值均为最高。NO2浓度为70μg/m3,滞后第8天时RR值最高，滞后第14天时CRR值为最高。O3浓度为65μg/m3,滞后第4天时，RR值最高;所有具备统计学意义的CRR值均小于1。CO浓度为2.35mg/m3,滞后第14天时，RR、CRR值最高。 (4)定性分析揭示PM2.5、PM10、NO2、O3与气温间存在明显的交互作用。定量结果显示在低温条件下 PM2.5(CRR=1.823,95％CI:1.215-2.734)与 O3(CRR=1.686,95％CI:1.159-2.454)的交互作用强于中温和高温条件时。PM10与气温的交互作用表现出不同的模式，其在高温条件下的交互作用(CRR=78.323,95％CI:1.019-6018.295)比低温和中温层更为显著。对于NO2的分析中并未发现增加流感样病例发病风险的结果。 结论: 1、2015-2019年济南市0-14岁人群的流感病例报告数保持相对稳定，但流感样病例数量较大，表明流感监测工作应及一步加强，流感防控工作面临较重负担。 2、环境因素对0-14岁流感样病例的影响较大，存在明显的单日滞后效应与累积滞后效应。不同气象因素对流感样病例发病的影响存在差异，极端天气对流感样病例的影响显著。不同浓度、不同滞后时长下，大气污染物对流感样病例影响的效应不一致。除SO2外，污染物浓度达到极高水平时，流感样病例的发病风险反而降低。 3、气温与大气污染物间的交互作用对流感样病例发病存在影响，其中PM10、PM2.5、O3交互作用最为明显。
NETL