宋小莉+宋春燕

[摘要] 目的 探讨山东省17地市丙类传染病发病率与平均气温、平均日照、平均降水的关系。 方法 收集2010～2013年山东省17地市丙类传染病月报告发病人数及各地市总人口数、平均气温、平均日照、平均降水数据，建立Excel数据库，构建面板数据模型，应用Eviews 6.0软件分析丙类传染病发病率与平均气温、平均日照、平均降水的关系。 結果 山东省17地市丙类传染病发病率变化具有时空差异性，以5～8月发病率最高；固定效应F检验值提示不接受混合模型（F=37.0621，P < 0.01），即各地市的数据不可以合并。Hausman检验提示可以接受随机效应模型（P > 0.05）。该模型显示，17地市气温、日照、降水的截距项为0.0826、0.0038、0.0007，平均气温、平均日照对丙类传染病发病率的影响具有正相关性（P < 0.01）；各地市之间的截距项亦存在差异性（-0.7744～2.3470），气候对发病率的影响存在地区差异性。 结论 山东省17地市丙类传染病发病率存在时空差异性，采用面板数据模型研究发病率与气候的相关性较为合理，平均气温、平均日照对丙类传染病发病率具有正向相关性影响，且气温对丙类传染病的发病率更为重要。

[关键词] 丙类传染病；气温；日照；降水；面板数据模型；时空差异性

[中图分类号] R183 [文献标识码] A [文章编号] 1673-7210（2016）11（a）-0065-04

传染病是指由病原微生物和寄生虫感染人体后产生的有传染性的疾病。《中华人民共和国传染病防治法》规定管理的传染病分甲类、乙类、丙类三类。丙类传染病包括流行性感冒、流行性腮腺炎、风疹、急性出血性结膜炎、细菌性和阿米巴性痢疾、手足口病等。丙类传染病发病较甲、乙类传染病常见，其发病与人民生活健康关系密切，因此，研究丙类传染病的发病规律对于传染病的预防具有重要意义。

传染病的发生变化具有一定的时空性，既有地域差异性又有时间差异性。气候是传染病传播的重要影响因素之一，古代中医即有“天人合一”的整体观思想，认为气候与传染性疾病具有一定的相关性。现代众多学者研究也显示出传染病的大范围流行往往受到气候环境的制约，传染病疫情的短期波动则受天气变化的显著影响[1]。气象学家们预测到2100年，全球平均气温将上升2℃。气候变化将可能干扰地区的天气形式和生态平衡，从而造成对人体健康的多方面影响。本研究探讨山东省17地市2010年1月～2013年12月各月份丙类传染病的发病率与气候（降水、气温、日照）的相关性，为山东省各地区传染病的预防提供支持。

1 资料与方法

1.1 一般资料

2010年1月～2013月12月丙类传染病疫情资料来源于山东省法定传染病疫情监测报表和网络直报系统。各地市总人数、气温、日照、降水数据来自于山东省统计年鉴。丙类传染病发病率为丙类传染病发病总人数与当年该地市总人数的比值（1/万）。

1.2 方法

根据数据分布特点和研究目的，应用Excel对气象原始数据（平均气温、平均降水、平均日照）、同期丙类传染病发病率建立数据库，应用Eviews 6.0软件采用面板数据模型，对数据进行分析。面板数据模型的一般形式为[2-3]：

CIDit=ai+b1ATit+b2ASit+b3ARit+uit （1）

式中，i代表山东省17地市，t代表不同时期；变量CID、AT、AS、AR分别为丙类传染病发病率、平均气温、平均日照、平均降水量；bi（i=1、2、3）表示待估计参数；uit为随机误差项；ai为截距项。

根据对截距项的不同解释可将面板数据模型分为混合模型（pooled model）、固定效应模型（fixed effects model）和随机效应模型（random effects model）。

2 结果

2.1 山东省17地市2010～2013年丙类传染病各月度发病率时空研究

由图1（封四）可见，山东省17地市丙类传染病发病率变化具有规律性，多数地区各年份以5～8月发病率最高，1～3月及11～12月发病率较低，发病率时间变化趋势有一定相似性，但不同地区变化幅度不同，存在较大差异。发病率较高的城市有东营、威海等地市，发病率在同一时间段存在区域的差异性。总的来看山东省17地市2010～2013年各月度发病率具有时空差异性。

2.2 面板数据的参数估计结果

对山东省17地市的数据资料，采用面板数据中的混合模型、固定效应模型、随机效应模型分析丙类传染病发病率和气温、日照、降水的关系。见表1。

三种模型均显示，气温、日照与丙类传染病发病率有相关性（P < 0.01），而降水量相关性不显著（P > 0.05）。17地市气温、日照、降水的截距项，混合模型显示分别为0.0761、0.0036、0.0011；固定效应模型显示分别为0.0833、0.0036、0.0006；随机效应模型显示分别为0.0826、0.0038、0.0007。固定效应F检验值提示不接受混合模型（P < 0.01），即各地市的数据不可以合并。Hausman检验提示可以接受随机效应模型（P > 0.05）。3种模型的标准误差估计也显示，随机效应模型要低于固定效应模型和混合模型，故本研究宜选择随机效应模型。随机效应模型显示气温、降水、日照与丙类传染病发病率回归系数均为正，说明三者与丙类传染病发病率具有正相关性，且气温对丙类传染病的发病率更为重要。

注：***P < 0.01；F检验统计量为37.0621；Hausman检验统计量为3.2035

2.3 地区差异性

由于各城市之间可能存在异质性，简单将各城市数据合并不妥，为有效地探讨个体异质性，分别采用固定效应模型和随机效应模型进行分析。见表2。

从表2可以看出，17地市之间的截距存在差异性，固定效应模型个体截距为-0.8180～2.4768；随机效应模型个体截距为-0.7744～2.3470。固定效应模型及随机效应模型中各地区截距存在差异，提示山东省17地市各地区间存在差异，且日照、威海发病率较高，临沂、济宁发病率较低。

3 讨论

古人通过对自然变化的周期性规律及其对疾病影响的长期观察和经验累积，形成了独具特色的“天人合一”的整体观思想。《黄帝内经》结合古代的天文、历法、气象、物候等自然科学知识，较系统地描述了时令气候与物候、病候的相关性及变化规律。《素问·遗篇》“刺法论第七十二”和“本病论第七十三”，指出了传染病的发生与气候异常变化有关[4]。现代研究显示，气候变化通过影响人类与动物免疫系统、病原体和环境之间复杂的动态关系，影响着传染病发生、传播与变化的各个环节[5]。Rezza[6]指出气候的任何变化都会直接或间接影响到自然生态系统、社会经济及人体健康，其中，气候变化对健康的影响，最重要的一个方面就是传染病暴发与传播。故探讨气候变化对传染性疾病的影响具有重要意义。考虑到传染病的发生和流行与媒介和宿主种群数量的变动密切相关，而地形、地貌等地理因素对动物宿主传染源有重要影响[7]，故传染病的发生及流行具有一定的时空差异性，研究传染病发生及流行需同时考虑时间及空间地域两方面因素。

从国内应用情况来看，传统的研究方法多利用流行病学资料与同期的气象因子进行单因素相关分析、多元回归分析[8]；主成分回归分析、逐步判别分析、灰色关联分析法、面板数据模型、和GIS等方法近年来逐渐得到应用[9-13]。其中面板数据模型在经济相关领域应用较多[14-15]，在流行病学研究中详细介绍的很少[16-17]。但实际上，流行病学调查中存在大量的面板数据，如对不同传染病发病情况的多次调查、不同地区多个时间点传染病的发病率的监测等，均可以看作是面板数据。面板数据模型能够从三维（个体、指标、时间）方向反映研究对象的变化规律和个体特征，较为充分地利用样本所包含的信息，并考虑到地区的差异性，有效地控制个体异质性，从而可以降低误差，提高估计的准确性，给出更为合理的结果。本研究应用面板数据模型对传染病的传播与气候因素之间的关系进行定量分析，以期为流行病学研究提供理论依据。本研究结果提示，各地市之间确实存在异质性，简单将各地市数据合并不妥，因此丙类传染病发病率与气温、日照、降水的相关性研究不适宜直接应用多元回归分析，采用面板数据模型更为适宜。

考虑到若以较大地域（全国各省份）为分析单元，传染病的相关因素分析得出的结果可能存在偏倚，故本次研究仅以山东省17地市为研究对象。山东省地处中国东部、黄河下游，东临海洋，西接大陆，拥有丘陵、平原等丰富地貌，属暖温带季风气候类型；全省以1月份最冷，最热月一般出现在7月，但东部、东南沿海，受海洋影响，最热月在8月，由东向西递增；全省日照时数年均2335～2768 h；年平均降水量一般在500～900 mm之间，降水季节分布很不均衡。可以看出，山东省17地市的气候环境及地理地貌存在较大差异性，是研究发病率与气候关系的典型性省份。

本次研究数据丰富，采用2010年1月～2013年12月的气候因素及丙型传染病发病率月度数据，共计3264个数据进行分析，增加估计量的抽样精度，使研究结果可信性更强。数据研究结果显示，山东省17地市丙类传染病发病率变化具有时空差异性，以5～8月发病率最高，故应用山东省17地市的数据进行研究具有代表性及可行性。面板数据模型检验结果提示，随机效应模型最为合适，优于固定效应模型及混合模型。随机效应模型研究提示，气温、降水、日照与丙类传染病发病率具有正相关性，且气温对丙类传染病的发病率更为重要，研究结果与他人研究具有一致性[18]，推测气温越高，细菌、病毒容易繁殖，这或许是气温对丙型传染病发病率正向影响的可能原因。同时研究提示降水对传染病的发病率影响较低，而传染病的发生多与湿度相关，故单纯的降水不能反映出环境湿度，山东沿海城市较多，从而降低了湿度与降水的相关性，故下一步的探讨研究可考虑将空气平均湿度值作为研究因素。各地市之间的截距项存在差异性，提示山东省17地市各地区间存在差异，且日照、威海发病率较高，临沂、济宁发病率较低，但差异性的具体内容还需深入研究，疾病病种的差异性、单一病种是否具有地域的聚集效应等问题，需要建立相关发病率数据库、采用新的软件工具[19-20]进行下一步研究。另外丙类传染病发病率还受研究区域的社会环境和其他诸多因素的影响，目前研究较少，有待挖掘。

[参考文献]

[1] 刘卫红，胡晶，赵京霞，等.建立具有中医特色流感预警体系的探索[J].世界中医药，2015，10（10）：1472-1475.

[2] 白仲林.面板数据的计量经济分析 [M].南京：南开大学出版社，2008.

[3] 高铁梅.计量经济分析方法与建模[M].北京：清华大学出版社，2010.

[4] 王洪图，贺娟.黄帝内经素问白话解[M].北京：人民卫生出版社，2014.

[5] 林健燕，郭泽强.气候变化对传染病发生的影响[J].疾病监测与控制，2013，7（7）：414-416.

[6] Rezza G. Re-emergence of Chikungunya and other scourges：the role of globalization and climate change [J]. Ann Ist Super Sanita，2008，44（4）：315-318.

[7] 霍愛梅，赵达生，方立群，等.华北地区自然疫源性疾病的分布及其与气象条件的关系[J].中国病原生物学杂志，2011，6（1）：5-7，11.

[8] 安庆玉，吴隽，王晓立.气象因素变化与大连市肠道传染病发病时间分布关系的研究[J].中国预防医学杂志，2012， 13（4）：288-291.

[9] 丁克琴，鲍昌俊，胡建利，等.江苏省肺结核流行状况GIS空间分析[J].中国公共卫生，2011，27（9）：1097-1099.

[10] 张利萍，郑彦玲，张学良，等.灰色系统理论在现代医学中的应用概述[J].数理医药学杂志，2015，28（3）：430-434.

[11] 罗朝晨，杨劲松，谢一俊，等.福建省细菌性痢疾季节性分析及其与气温的相关研究[J].中华疾病控制杂志，2010，14（2）：172-174.

[12] 魏晓娟，张晓丽.临沂市重点传染病与气候的相关性研究及预测模型分析[J].社区医学杂志，2014，12（16）：24-27.

[13] 李国栋，张俊华，焦耿军，等.气候变化对传染病爆发流行的影响研究进展.生态学报，2013，33（21）：6762-6773.

[14] 李苗苗，肖洪钧，赵爽.金融发展、技术创新与经济增长的关系研究——基于中国的省市面板数据[J].中国管理科学，2015，23（1）：162-168.

[15] 张占仓，于英超.城镇化对国家粮食安全的影响——基于31个省份面板数据的实证分析[J].粮食科技与经济，2015（2）：12-15.

[16] 冯国双，于石成，胡跃华.面板数据模型在手足口病与气温关系研究中的应用[J].中国预防医学杂志，2013， 14（12）：910-913.

[17] 黄勇，邓特，于石成，等.空间面板数据模型在传染病监测数据分析中的应用[J].中华疾病控制杂志，2013，17（4）：277-281.

[18] 霍爱梅，赵达生，方立群，等.华北地区主要呼吸道传染病与气象条件的关系[J].中国医药导报，2011，8（32）：153-156.

[19] 宁桂军，尹遵栋，吴丹，等.中国2013年流行性乙型脑炎空间聚集性分析[J].中国疫苗和免疫，2015，21（4）：365-368，472.

[20] 朱琦，郝元涛，于石成.广东省2008～2010年手足口病流行特征分析及時空聚集性研究[J]. 现代预防医学，2011， 38（10）：1824-1831.

（收稿日期：2016-03-30 本文编辑：程 铭）