2014—2020年上海市松江区猩红热时空分布特征分析

doi:10.3969/j.issn.1006-3110.2023.01.005

摘要
图/表
参考文献
相关文章 (15)

全文: PDF (2697 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要目的分析2014—2020年上海市松江区猩红热空间自相关性和时空聚集性分布特征,探讨松江区猩红热高发地区和聚集时间,为猩红热防控工作提供科学依据。方法采用描述流行病学、空间自相关和时空扫描聚集性分析方法对2014—2020年上海市松江区猩红热疫情数据进行分析。结果 2014—2020年上海市松江区累计报告猩红热病例3 328例,年均报告发病率25.03/10万。猩红热发病季节性显著,4—6月和11月至次年1月两个发病高峰。病例集中在4 10岁,占总发病人数的89.12%,学生、幼托儿童为猩红热高发人群。全局空间自相关分析显示松江区猩红热发病呈空间正相关,且P<0.05;局部自相关分析显示猩红热分布主要呈现“高-高”“低-低”“低-高”模式;分析显示热点区域集中在松江区东北部的九亭镇,冷点区域主要集中在西南地区。逐年时空扫描结果显示2014—2020年均存在高风险聚集区域,聚集区域为中心城区和东北部,聚集时段多为4—6月或11月至次年1月,与发病高峰基本一致。结论 2014—2020年松江区猩红热发病存在显著季节性和空间聚集性,中心城区和东北部街道/镇是猩红热防控重点区域。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	高桂玲
	王超
	吕锡宏
	孙中兴
	姚霞菁

关键词 ：猩红热, 流行病学特征, 空间自相关, 时空扫描

Abstract：Objective To analyze the spatial autocorrelation and temporal-spatial clustering characteristics of scarlet fever in Songjiang District of Shanghai from 2014 to 2020, to explore the high incidence areas and aggregation time of scarlet fever in Songjiang District, and to provide a scientific basis for scarlet fever prevention and control. Methods Descriptive epidemiology, spatial autocorrelation analysis and temporal-spatial scanning clustering analysis were used to analyze the epidemic data of scarlet fever in Songjiang District of Shanghai from 2014 to 2020. Results Totally 3,328 cases of scarlet fever were reported cumulatively in Songjiang Districtof Shanghaifrom 2014 to 2020, with an average annual reported incidence rate of 25.03/100,000. The incidence of scarlet fever showed obvious seasonal distribution, with two peaks in April-June and November-January of the next year. The cases were concentrated in the group aged 4-10 years, accounting for 89.12% of the total number of cases. Students and kindergarten children were the high risk groups of scarlet fever. The global spatial autocorrelation analysis showed that the incidence of scarlet fever in Songjiang District was positivelyspatiallycorrelated, and P<0.05. Local autocorrelation analysis displayed that the distribution of scarlet fever mainly presented the patterns of high-high, low-low and low-high. Hotspot analysis revealed that the clustering areas were concentrated in Jiuting Town in the northeast of Songjiang District, but the cold spots were mainly concentrated in the southwest of Songjiang District. Spatio-temporal scanning results revealed that the high-risk aggregation areas from 2014 to 2020 were mainly the central urban area and the northeast area, and the aggregation period was mainly in April-June or November-December, which was basically consistent with the peak incidence. Conclusion The incidence of scarlet fever in Songjiang District in 2014-2020 showed significant seasonality and temporal-spatial aggregation. The central urban area and streets/towns in the northeast area are the key areas for scarlet fever prevention and control.

Key words： scarlet fever epidemiological characteristic spatial autocorrelation temporal-spatial scanning

收稿日期: 2022-01-19

R515.1

基金资助:上海市松江区公共卫生体系建设三年行动计划(20GWTX02);上海市松江区医学重点学科建设项目(ZK2019A10)

通讯作者: 姚霞菁, E-mail: yaoxiajing10@126.com。

作者简介: 高桂玲(1982-),女,河南南阳人,硕士研究生,主管医师,研究方向:疾病控制。

引用本文:

高桂玲, 王超, 吕锡宏, 孙中兴, 姚霞菁. 2014—2020年上海市松江区猩红热时空分布特征分析[J]. 实用预防医学, 2023, 30(1): 16-20. GAO Gui-ling, WANG Chao, LYU Xi-hong, SUN Zhong-xing, YAO Xia-jing. Temporal and spatial distribution characteristics of scarlet fever in Songjiang District of Shanghai, 2014-2020. , 2023, 30(1): 16-20.

链接本文:

https://www.syyfyx.com/CN/10.3969/j.issn.1006-3110.2023.01.005 或 https://www.syyfyx.com/CN/Y2023/V30/I1/16

[1] 李兰娟, 任红. 传染病学[M]. 第8版. 北京: 人民卫生出版社,2013: 203-206, 409.
[2] 秦颖, 冯录召, 余宏杰. 2015年春夏季全国猩红热疫情流行病学特征分析[J]. 疾病监测, 2015, 30(12):1002-1007.
[3] Lamgni T, Guy R, Chand M, et al. Resurgence of scarlet fever in England, 2014-16: a population-based surveillance study[J]. Lancet Infect Dis, 2018, 18(2):180-187.
[4] Luk EYY, Lo JYC, Li AZL, et al. Scarlet fever epidemic, Hong Kong, 2011[J]. Emerg Infect Dis, 2012, 18(10):1658-1661.
[5] Hsieh YC, Huang YC. Scarlet fever outbreak in Hong Kong, 2011[J]. J Microbiol Immunol Infect, 2011, 44 (6):409-411.
[6] 孔德川, 陈健, 王晔, 等. 2005—2015年上海市猩红热流行病学特征分析[J]. 疾病监测, 2017, 32(5):394-398.
[7] 陈诹, 刘丹, 朱渭萍, 等. 上海市浦东新区猩红热聚集性疫情分析[J]. 公共卫生与预防医学, 2019, 30(2):90-92.
[8] 骆璇, 姚春霞. 上海市松江区中小学生2012—2016学年传染病缺课分析[J]. 上海预防医学, 2019, 31(8):688-691.
[9] 马晓雪, 周建, 田娟, 等. 2015—2020年贵州省肺结核时空分布特征分析[J]. 现代预防医学, 2021, 48(18):3415-3420.
[10] 衣贵鹏, 庞振陆, 李望晨, 等. 2012—2019年山东省手足口病流行特征及空间聚集性分析[J]. 现代预防医学, 2021, 48(15):2710-2715.
[11] 宋健, 刘丹丹, 雷霞, 等. 2016—2018年内蒙古自治区手足口病时空聚集性分析[J]. 现代预防医学, 2019, 46(20):3649-3654.
[12] 姜庆五, 赵飞. 空间自相关分析方法在流行病学中的应用[J]. 中华流行病学杂志, 2011, 32 (6):539-546.
[13] 马涛, 洪镭, 杜雪飞, 等. 2014—2019年南京市猩红热流行特征和时空聚集性[J]. 中华疾病控制杂志, 2021, 25(3):346-351.
[14] Ord JK,Getis A. Testing for local spatial autocorrelation in the presence of global autocorrelation[J]. J Reg Sci, 2001, 41(3):411-432.
[15] Getis A,Ord JK. Perspectives on spatial data analysis[M]. Berlin: Springer, 2010:127-145.
[16] 李秀央, 陈坤. 扫描统计量的理论及其在空间流行病学中的应用[J]. 中华流行病学杂志, 2008, 29(8):828-831.
[17] 刘诗蒙. 2004—2019年吉林省猩红热发病趋势与空间聚集性研究[D]. 长春: 吉林大学, 2021.
[18] 马涛, 洪镭, 杜雪飞, 等. 2014—2019年南京市猩红热流行特征和时空聚集性[J]. 中华疾病控制杂志, 2021, 25(3):346-351.
[19] 高尚, 单朝霞, 于秋燕, 等. 2014—2019年济南市猩红热时空扫描聚集性分析[J]. 公共卫生与预防医学, 2020, 31(6):33-36.
[20] Liu YH, Chan TC, Yap LW, et al. Resurgence of scarlet fever in China: a 13-year population-based surveillance study[J]. Lancet Infect Dis, 2018, 18(8):903-912.
[21] 丁哲渊, 吴昊澄, 吴晨, 等. 浙江省新型冠状病毒肺炎疫情应急响应期间其他法定传染病监测分析[J]. 疾病监测, 2020, 35(8):746-752.
[22] 田秀红, 陈林利. 上海市闵行区2008—2018年猩红热流行病学特征分析[J]. 健康教育与健康促进, 2020, 15(2):194-196.
[23] 栾晶, 蒋敏, 成玉萍, 等. 2004—2014年上海市闵行区猩红热疫情流行趋势[J]. 职业与健康, 2017, 33(16):2243-2246.
[24] 高尚, 赵小冬, 刘建宝, 等. 济南市2014—2018年猩红热流行特征及时空聚集性分析[J]. 实用预防医学, 2020, 27(3):303-306.
[25] 张琪. 江苏省猩红热流行病学特征及气象因素对其流行影响研究[D]. 南京:南京医科大学, 2018.