高级检索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

猩红热流行中“W-S现象”论证及预测

蒋希宏 杨骥

蒋希宏, 杨骥. 猩红热流行中“W-S现象”论证及预测[J]. 中国公共卫生, 2019, 35(2): 109-111. doi: 10.11847/zgggws1119925
引用本文: 蒋希宏, 杨骥. 猩红热流行中“W-S现象”论证及预测[J]. 中国公共卫生, 2019, 35(2): 109-111. doi: 10.11847/zgggws1119925
Xi-hong JIANG, Ji YANG. Winter-spring phenomenon in scarlet fever epidemic: theoretic verification and prediction[J]. Chinese Journal of Public Health, 2019, 35(2): 109-111. doi: 10.11847/zgggws1119925
Citation: Xi-hong JIANG, Ji YANG. Winter-spring phenomenon in scarlet fever epidemic: theoretic verification and prediction[J]. Chinese Journal of Public Health, 2019, 35(2): 109-111. doi: 10.11847/zgggws1119925

猩红热流行中“W-S现象”论证及预测

doi: 10.11847/zgggws1119925
详细信息
    作者简介:

    蒋希宏(1981 – ),男,辽宁大连人,主管医师,本科,研究方向:传染病防控

    通信作者:

    杨骥,E-mail:360699079@qq.com

  • 中图分类号: R515.1

Winter-spring phenomenon in scarlet fever epidemic: theoretic verification and prediction

  • 摘要:   目的  利用猩红热流行存在的季节性规律,探索一种简单可靠的流行趋势和发病率预测模型。  方法  使用2010 — 2017年全国猩红热月发病率资料论证“W-S现象”并根据该理论建立预测模型。  结果  各省级行政区“W-S现象”的春季高峰预测结果符合率为97.53 %(158/162),春季高峰差值(Y)与冬季高峰差值(X)呈100 %正相关。相关系数r = 0.21~0.98。85.19 %(23/27)省份呈中等程度以上相关(r > 0.5),59.26 %(16/27)省份呈高度相关(r > 0.8);66.67 %(18/27)的回归模型有统计学意义(P < 0.05),r = 0.81~0.98;预测省级行政区的发病率公式为:Y = 0.045 + 1.014X。  结论  猩红热的流行中存在非常典型的“W-S现象”。
  • 图  1  162组春季高峰差值(Y)与冬季高峰差值(X)数据散点图

    表  1  162组春季高峰差值(Y)与冬季高峰差值(X)数据线性回归方差分析结果

    变异来源 SS df MS F P
    回归 44.12 1 44.12 184.89 < 0.001
    残差 38.18 160 0.24
    总变异 82.30 161
    下载: 导出CSV
  • [1] 李兰娟. 传染病学[M]. 8版. 北京: 人民卫生出版社, 2013: 203.
    [2] 曾光, 丁雁鹏, 程颖恺. 传染病流行中存在" Z-D现象”的论证[J]. 中华流行病学杂志, 1997, 10(18): 270 – 274.
    [3] 李丹, 周宝森. 传染病季节流行现象预测猩红热疫情[J]. 中国公共卫生, 2004, 20(6): 660 – 661. doi: 10.3321/j.issn:1001-0580.2004.06.013
    [4] 李雷雷, 周蕾, 隋霞, 等. 用季节流行现象预测全国猩红热疫情[J]. 防医学情报杂志, 2012, 28(6): 441 – 443.
    [5] 张学敏, 营亮, 李海朋. 基于R语言的ARIMA模型在猩红热分析预测中的应用[J]. 江苏预防医学杂志, 2017, 28(3): 294 – 295.
    [6] 张喜红, 刘雁灵, 杜中强, 等. 灰色预测模型GM(1,1)在猩红热发病率预测中的应用[J]. 数理医药学杂志, 2011, 24(3): 347 – 348. doi: 10.3969/j.issn.1004-4337.2011.03.038
    [7] 黎景雪, 王培承, 房刚. 可拓聚类模型在猩红热发病率预测中的应用[J]. 数理医药学杂志, 2011, 24(5): 606 – 608. doi: 10.3969/j.issn.1004-4337.2011.05.041
    [8] 崔策, 张燕, 宋静. 三种预警模型的猩红热预警效果比较[J]. 预防医学杂志, 2018(10): 1040 – 1043.
    [9] 孔繁亮, 邱书斌. RLSE方法及其在猩红热疫情预测中的应用[J]. 大学数学杂志, 1991, Z1: 36 – 38.
    [10] 张琪, 刘文东, 吴莹, 等. 江苏省气象因素对猩红热发病影响[J]. 中国公共卫生, 2018, 34(3): 385 – 389.
    [11] 李雷雷, 蒋希宏, 周浩, 等. 某市部分医院猩红热病例的诊断及临床用药现状调查[J]. 中国医药指南杂志, 2012, 10(26): 415 – 417.
    [12] You YH, Song YY, Yan XM, et al. Molecular epidemiological characteristics of Streptococcus pyogenes strains involved in an outbreak of scarlet fever in China, 2011[J]. Biomedical and Environmental Sciences, 2013(11): 877 – 885.
  • 加载中
图(1) / 表(1)
计量
  • 文章访问数:  1568
  • HTML全文浏览量:  458
  • PDF下载量:  90
  • 被引次数: 0
出版历程
  • 接收日期:  2018-05-31
  • 刊出日期:  2019-02-01

目录

    /

    返回文章
    返回