手足口病(hand-foot-mouth disease)是由多种肠道病毒感染引起的儿童常见病，自2009年以来，手足口病已连续多年位居我国丙类传染病发病数与死亡数首位，是严重威胁儿童生命健康的重要公共卫生问题^[1-2]。手足口病的流行特征存在明显的季节性趋势，但在不同地区可由于气象特征的不同导致单峰或双峰流行模式的出现，说明气象因素对手足口病的发病流行存在较大影响^[3-6]。目前关于手足口病与气象因素的研究大多仅集中在通过相关分析或回归模型寻找危险因素，本研究通过收集2010-2014年全国31个省市手足口病发病资料及当地同期气象资料，分析气象因素对手足口病发病的影响，应用哈佛疾病风险指数模型(Harvard disease risk index model)，建立基于气象因素的手足口病发病风险预测模型，针对模型预测等级提出相应的公共卫生防御对策，探索基于气象因素状态变化的手足口病疫情辅助预警系统。

1 资料与方法 1.1 研究资料

收集2010-2014年全国31个省市手足口病月发病率，资料来源于公共卫生科学数据中心^[7]；31个省市月平均气温、月平均湿度、月降水量、月日照时间等资料来源于中国国家统计局统计年鉴^[8]；31个省市的大气压资料来源于中国气象局国家气象信息中心^[9]。

1.2 方法

1.2.1 建立数据集

将某省市月发病率及其对应的气象因素数据作为一个向量输入EPIdata数据库，共计得到1 860个向量的数据集。将该数据集随机分为建模数据集(1 500个向量)和验证数据集(360向量)。

1.2.2 筛选危险因素

单因素分析采用Spearman相关，分析手足口病发病率及各气象因素之间的相关关系，对与发病率之间存在相关关系的气象因素绘制散点图，根据散点图的分布特征对各指标进行强度分级。利用多因素Logistic回归分析筛选影响手足口病发病的气象危险因素，并获取该危险因素的OR值。

1.2.3 建立基于气象因素的手足口病发病风险预测模型

采用哈佛疾病风险指数模型^[10-11]，建立基于气象因素的手足口病发病风险预测模型。该方法的基本步骤如下：

第一步，将Logistic回归分析筛选出来危险因素的OR值换算为相应的危险分数(表 1)。

第二步，根据各地区当月的气象信息，计算对应的危险分数，累加后得到该地区当月气象因素的危险分值。某气象因素的全国平均危险分值由气象危险因素的危险分数乘以该因素的发生率得到，全国平均气象因素的危险分值由各因素平均危险分值累加计算得到。

第三步，各地区手足口病发病风险指数由以下模型公式计算可得：

RI为某地区手足口病发病风险等级指数，RS_n为该地区某气象因素的危险分数，P_n为该危险因素的发生率。

第四步，绘制手足口病发病风险评估图，对模型进行可视化处理。表 2为手足口病风险等级指数的划分。

第五步，进行模型的验证。根据风险预测模型对验证数据集进行预测，将等级指数大于等于1.5定义为手足口病高发预测等级，等级指数小于1.5为正常。与实际的手足口病发病情况进行比较，并绘制ROC曲线图，利用ROC曲线下面积评价模型优劣。

2 结果 2.1 Spearman相关分析

手足口病的月发病率与对应的当地同期5个气象因素的Spearman相关分析结果显示：月平均气温(℃)、月平均湿度(%)及月降水量(mm)与手足口病发病率呈正相关，月日照时间(h)、月平均大气压(hPa)与手足口病发病率呈负相关，相关关系均具有统计学意义(表 3)。

2.2 发病率及气象因素的分级

2.2.1 气象因素的分级

月平均气温的分级(图 1A)：根据2010-2014年全国31个省市每月手足口病发病率与当地同期平均气温的散点图分布特征，确定12 ℃和22 ℃为气温分级的临界值。

月平均湿度的分级(图 1B)：根据2010-2014年全国31个省市每月手足口病发病率与当地同期平均湿度的散点图分布特征，确定70%为湿度分级的临界值。

月日照时间的分级(图 1C)：根据2010-2014年全国31个省市每月手足口病发病率与当地同期日照时间的散点图分布特征，确定200 h为日照时间分级的临界值。

月降水量的分级(图 1D)：根据2010-2014年全国31个省市每月手足口病发病率与当地同期降水量的散点图，以月降水量大于100 mm作为临界值，定义月降水量大于100 mm为多雨月份，小于100 mm为少雨月份。

月平均大气压的分级(图 1E)：根据2010-2014年全国31个省市每月手足口病发病率与当地同期大气压的散点图，将大气压分为标准大气压地区和高海拔低气压地区。

2.2.2 发病率的分级

2010-2014年全国手足口病月平均发病率中有4个月份超过15/10万，选取发病率最高的4~7月的均值(21.15/10万)为界限，定义手足口病月发病率大于21.15/10万为高发，小于21.15/10万则为低发(表 4)。本研究中共确定了315个手足口病高发月份，1 545个低发月份。

2.3 多因素Logistic回归分析

以2010-2014年全国31个省市每月手足口病发病率是否高发作为因变量，以对应的当地同期各气象因素作为自变量，进行多因素Logistic回归分析。结果显示：月平均气温、月平均大气压、月降水量及月平均湿度为影响手足口病高发的危险因素(表 5)。

2.4 基于气象因素的手足口病发病风险指数评估表

根据多因素Logistic回归分析得到的结果，将各气象因素的OR值换算为危险分数，乘以各危险因素的发生率，得到每个危险因素各状态的平均危险分值(表 6)。所有危险因素的平均危险分值累加即为全国平均危险分值(26.26分)。

各地区可根据气象预测结果，进行该地区手足口病发病风险预测，使用当地气象因素的累计危险分值除以全国平均危险分值即为手足口病发病风险指数。本研究定义风险指数大于1.5可认为在该地区可能出现手足口病高发疫情，需在当地加强手足口病的健康干预措施，以应对可能发生的疫情。

2.5 基于气象因素的手足口病发病风险指数评估图

为便于手足口病防控工作的实际应用，本研究根据风险预测模型绘制了基于气象因素的手足口病发病风险指数评估图(图 2)。

2.6 基于气象因素的手足口病发病风险预测模型的验证

本研究通过验证数据集，对基于气象因素的手足口病发病风险预测模型进行验证，风险指数大于等于1.5认为可能出现高发疫情，小于1.5则为正常，对比预测结果与实际结果，并绘制ROC曲线图(图 3)。结果显示：ROC曲线下面积为0.810，可认为该模型具有较好的判别能力，可辅助手足口病疫情预报工作。

3 讨论

本研究通过对2010-2014年全国31个省市手足口病发病资料及当地同期气象资料分析，得出月平均气温、月平均大气压、月降水量及月平均湿度等气象因素对手足口病的发生存在影响，与前期的研究报告结果基本一致^[12-14]。气象因素在传染病发生、发展过程中起到重要的作用，气象因素的变化不仅可影响易感人群免疫力，还会影响病原体在环境中的繁殖和传播过程。建立基于气象因素的手足口病发病风险预测模型，将有助于完善手足口病疫情预警系统。

手足口病的流行特征呈现明显的季节性趋势，而不是典型的线性趋势^[15]，对手足口病发病危险因素的筛选并不适合采用常规的线性回归模型。本研究通过对发病率和气象因素的分级处理，运用Logistic回归分析筛选手足口病发病的危险因素，并获取危险因素的OR值，更准确地反映了气象因素对手足口病发病的影响。本研究并未直接采用Logistic回归分析建立预测模型，而是选用了可对结果进行等级划分的哈佛疾病风险指数模型，根据气象部门发布的信息，预测1周内手足口病的发病风险等级，更有助于模型在实际防控工作中的应用。

基层卫生部门的工作人员可根据当地短期气象预报结果，快速评估当地手足口病的发病风险指数，迅速做出公共卫生分级防御对策。如重庆市某区县气象预报显示：下周当地平均气温可能为23~24 ℃，可能出现中到大雨，空气湿度大于80%。当地卫生部门工作人员可根据手足口病发病风险指数评估图，判断当地手足口病发病风险指数大于2，可能出现手足口病疫情，提示政府部门应高度重视，疾控部门应加强疫情监测，及时在当地开展手足口病健康教育宣传，强化公众防御手足口病的意识及能力。本研究根据月平均气象条件与手足口病月发病率建立预测模型，在实际应用中利用实时气象数据进行预测，便于及时为公共卫生部门提供疫情预警参考，与本模型可能也会存在一些误差，今后若能获取手足口病日发病率等更为精确的数据，利用本研究建模思路可建立更为精准的预测模型。

本研究运用哈佛疾病风险指数模型建立的手足口病发病风险预测模型，可提前根据气象部门发布的信息，预测手足口病近期的流行强度，实现了利用气象因素对手足口病发病的分级预测，并提出相应的公共卫生防御对策，为我国手足口病健康教育及健康促进工作提供了依据，以辅助完善手足口病疫情预警系统。