检索结果-内蒙古大学图书馆

中国公共卫生 2022年第3期38卷 371-375页

作者：孟银平王树坤大理大学公共卫生学院云南大理671000 云南省疾病预防控制中心急性传染病防制所

伤寒与副伤寒继续是具有全球性传播潜力、发病率较高的主要传染病之一,仍然是低中经济收入国家的一个紧迫疾病负担和主要公共卫生问题。地方性流行区域显著特征是发病率较高、防控效果局限、水源食物污染和密切接触引起的病例较多;发达... 详细信息

伤寒与副伤寒继续是具有全球性传播潜力、发病率较高的主要传染病之一,仍然是低中经济收入国家的一个紧迫疾病负担和主要公共卫生问题。地方性流行区域显著特征是发病率较高、防控效果局限、水源食物污染和密切接触引起的病例较多;发达国家地区的显著特点是发病率很低和旅游相关病例构成比较大,发病率可持续减少还有困难;及时准确地对该病进行危险因素探测、驱动因素调查、传播链确定是防止暴发流行与减少危害的重要科技问题。本文综述伤寒与副伤寒危险因素、早期探测、有效监测的理论技术,重视该病暴发流行危险因素、驱动因素、传播链的多时空节点触发与多学科渠道监测及其病因学分化融合的结果结论,为构建敏感特异、分期度量伤寒与副伤寒有效监测的创新技术体系提供科学依据。

关键词：伤寒与副伤寒暴发危险因素驱动因素有效监测

来源：评论

学校读者我要写书评

暂无评论

SARIMA-GRNN组合模型在伤寒与副伤寒逐月发病数预测中的应用

引用

中华疾病控制杂志 2021年第11期25卷 1341-1346页

作者：李文豪曾昱兴李笑颜彭远舟张艳炜陈青山程锦泉暨南大学基础医学与公共卫生学院流行病学教研室广州510630 中山大学公共卫生学院流行病与卫生统计学教研室深圳518000 深圳市疾病预防与控制中心免疫规划所深圳518000

目的建立季节性差分自回归移动平均(seasonal autoregressive integrated moving average,SARIMA)-广义回归神经网络(generalized regression neural network,GRNN)组合模型,为伤寒与副伤寒发病数的预测提供方法学上的新思路。方法利用2011年1月-2019年12月中国伤寒与副伤寒逐月发病数资料,分别构建SARIMA模型和SARIMA-GRNN组合模型,比较两种模型的拟合和预测效果。结果最优的SARIMA模型为SARIMA(2,1,1)(0,1,1)_(12),SARIMA-GRNN组合模型的最优光滑因子(spread)为0.21。评价SARIMA-GRNN组合模型拟合效果的参数均方根误差(root mean squared error,RMSE)、平均绝对误差(mean absolute error,MAE)和平均绝对百分比误差(mean absolute percentage error,MAPE)为90.08、71.44和7.07%,分别小于SARIMA模型的99.44、79.15和7.86%;评价预测效果的RMSE、MAE和MAPE为100.86、75.94和9.57%,均小于SARIMA模型的125.44、97.33和10.89%。结论SARIMA-GRNN组合模型比传统SARIMA模型更能拟合中国伤寒与副伤寒逐月的发病数,而且预测精度更高,可应用于伤寒与副伤寒逐月发病数的预测。

关键词：伤寒与副伤寒季节性差分自回归移动平均模型广义回归神经网络组合模型

来源：评论

学校读者我要写书评

暂无评论

全球伤寒与副伤寒流行情况、危险因素和预防策略

引用

中国公共卫生 2019年第2期35卷 250-256页

作者：艾敏王树坤大理大学公共卫生学院云南大理671000 玉溪市疾病预防控制中心传染病控制科

伤寒与副伤寒继续成为全球性主要发病与死亡原因之一,是发展中国家一个严重公共卫生问题。该病流行趋势、疾病型、病原型、危险因素的阶段性与区域性变化规律尚不清楚;地方病区显著特点是发病率高、防控效果局限、水源性与食源性和密切... 详细信息

伤寒与副伤寒继续成为全球性主要发病与死亡原因之一,是发展中国家一个严重公共卫生问题。该病流行趋势、疾病型、病原型、危险因素的阶段性与区域性变化规律尚不清楚;地方病区显著特点是发病率高、防控效果局限、水源性与食源性和密切接触传播病例均多;发达国家等低发病率区域旅游相关病例构成比较大,可持续减少发病也有困难。本文检索分析1950—2015年全球主要伤寒与副伤寒文献,认识伤寒与副伤寒流行与发病、疾病型与病原型、卫生设施与危险因素的变化特征、趋势与规律,依据风险度评价决定因素与相关指标提出差异化防控策略,为进行疫情数据化预警、确定疫情变化时空节点和可持续控制与消除伤寒与副伤寒提供科学依据。

关键词：伤寒与副伤寒流行危险因素预防

来源：评论

学校读者我要写书评

暂无评论

玉溪市红塔区伤寒与副伤寒流行特征和气象因素之间的相关性研究

玉溪市红塔区伤寒与副伤寒流行特征和气象因素之间的相关性研究

引用

作者：倪世友大理大学

学位级别：硕士

背景伤寒与副伤寒（Typhoid and Paratyphoid fever,TPF）是由肠沙门氏菌肠亚种伤寒血清型（Salmonella enterica *** serotype typhi）和肠沙门氏菌肠亚种副伤寒甲或乙或丙血清型（Salmonella enterica *** serotype paratyphi A,B,C）引起的急性肠道传染病,该病仍然是全球重要公共卫生问题之一。我国TPF被列为法定报告的乙类传染病之一,1990年以前,TPF发病率在10-50/10万之间,到2009年已下降至1.28/10万,但部分地区发病仍居高不下,且时有暴发。气象因素是影响传染病爆发和流行的因素之一。例如传染源的粪便污水受雨水和气温等气象因素影响,导致饮用水、食物污染,从而增加人群感染病原体的风险。目的描述1999-2015年云南省玉溪市红塔区TPF地方病区域流行特征和分析气象因素对红塔区TPF流行规律的影响,为TPF监测控制和危险因素评价提供科学依据。材料与方法 1999-2015年红塔区TPF的病例数据来源于中国疾病预防和控制信息系统。人口资料来源于红塔区统计局和红塔区统计年鉴。月气象资料从中国气象科学数据共享服务系统获得,主要气象指标包括月平均降雨量、月平均气温、月平均相对湿度、月平均气压、月平均降雨日数、月平均日照时数。采用描述性流行病学方法对本研究区域1999-2015年TPF病例数据进行统计分析,使用卡方检验、圆形分布深入分析病例的时间、区域和人群分布等流行特征;采用Pearson相关分析研究TPF月发病率和相应月份各气象要素关系,求出相关系数r值和P值,P≤0.05为差异有统计学意义;经单因素分析初选后,采用主成分回归分析确定影响发病的主要气象因素。以上资料的统计分析使用Excel2010和SPSS17.0软件完成。结果 1999-2015年红塔区报告8398例TPF病例,每年度、月份均报告TPF病例,年度发病率范围在6.26/10万355.11/10万之间,流行有周期性,1999、2015年分别报告23、44例,2015年回归2000年以前的发病水平。1999-2015年期间每年3-5、6-10、11-2月分别为发病上升期（月均增长率63.3%）、高峰期（月均减少率2%）和下降期（月均减少率25.7%）,每年度病例数都呈现3-10月季节性升高和11月至次年2月季节性降低;经圆形分布分析显示,红塔区TPF发病呈现出明显的季节性,发病高峰日为8月7日,峰期为5月5日11月10日;2000-2002、2004-2005、2005-2007、2007-2008、2008-2010出现五个流行高峰,峰期范围是12～24月,周期范围是11～40月;2001、2004、2006、2007、2009年五个高峰年度6-10月份病例数范围分别为86～217、67～215、125～216、97～131、63～95例;1999、2000、2002、2003、2005、2008、2010、2015年八个流行低峰年度6-10月病例数范围分别为1～3、1～17、32～60、30～43、46～55、43～78、22～61、2～11例。州城（中心城区所在地）报告TPF病例最多,共报告5403例,其它乡镇共报告病例2995例,州城发病率高于其它乡镇（χ2=3628.386,P<0.05）,男女病例比例为1.09:1,男性发病率高于女性发病率（χ2=25.850,P<0.05）,发病率居前三名的年龄组为20～29、30～39、10～19岁,主要发病的职业人群依次为农民、学生、工人、干部职员。单因素分析得月平均发病率与月平均降雨日数（r=0.864,P<0.01）、月平均降雨量（r=0.833,P<0.01）、月平均气温（r=0.806,P<0.01）和月平均相对湿度（r=0.706,P<0.05）呈正相关,与日照时数（r=-0.642,P<0.05）呈负相关,与月平均气压无线性关系（r=-0.186,P>0.05）;主成分分析显示第一主成分（C1）反映当月平均降雨量、气温、降雨日数等信息,第二主成分（C2）反映相对湿度等信息;经主成分回归分析显示,降雨量、降雨日数、气温是影响TPF发病的主要气象因素。结论 1999-2015年红塔区报告TPF病例数多、发病率高、流行时间长,发病率逐年下降,流行呈现季节性升高与降低、周期性流行、长期趋势特点;TPF发病与气象因素有相关性,月平均发病率与月平均降雨日数、降雨量、气温和相对湿度呈正相关,其中,降雨量、降雨日数和气温对该病发病有较大影响;传染源积累、重污染源形成、暴露人群增加驱动着流行特征与气象变量关系;相应规律、机制、评估、政策有助全球类似TPF地方病与非地

关键词：伤寒与副伤寒地方病区域流行特征气象变量相关分析

来源：评论

学校读者我要写书评

暂无评论

1999-2015年玉溪市红塔区伤寒与副伤寒时空分布特征及其预测模型的研究

1999-2015年玉溪市红塔区伤寒与副伤寒时空分布特征及其预测模型...

引用

作者：艾敏大理大学

学位级别：硕士

目的描述分析1999—2015年玉溪市红塔区及其乡镇伤寒与副伤寒(Typhoid and Paratyphoid Fever,简称TPF)病例的时间、区域和人群的分布特征;建立Gompertz模型,探索红塔区及其乡镇TPF病例时空变化节点与过程;建立红塔区及其乡镇灰色模型(G... 详细信息

目的描述分析1999—2015年玉溪市红塔区及其乡镇伤寒与副伤寒(Typhoid and Paratyphoid Fever,简称TPF)病例的时间、区域和人群的分布特征;建立Gompertz模型,探索红塔区及其乡镇TPF病例时空变化节点与过程;建立红塔区及其乡镇灰色模型(GM(1,1)模型)和差分自回归滑动模型(ARIMA模型),预测2016年1—12月TPF月病例数,检验模型拟合效果和预测精度;对比分析三种模型应用特征,为今后TPF流行强度监测、数据化预警、精准控制和模型的选择提供依据与借鉴。材料与方法1.研究对象:持续三天以上发热(体温≥37.5℃)、无明显上呼吸道或泌尿道感染以及外伤或其它诊断发热原因,符合确诊或临床诊断TPF病例诊断标准的病例。2.研究区域:红塔区位于云南省中部、玉溪市西北部,是云南省经济发达地区和玉溪市政治、经济、文化中心,辖区内有9镇2乡。3.资料来源:TPF数据来源于中国疾病预防控制信息系统(CISDCP)疾病监测网络报告1999—2015年中国红塔区TPF临床诊断和确诊病例;人口资料来源于2010年全国第六次人口普查公报。4.描述性流行病学方法:分别描述统计1999—2015年红塔区TPF病例在不同时间(年、月、周期性)、人群(职业、性别、年龄)和区域(城区、乡镇)的分布特征,采用Excel 2016绘制图表。5.统计学方法:采用SPSS 19.0对月病例数进行年度聚类分析,将1999—2015年17个年度聚为高发年和低发年两类。χ2检验用于比较组间差异,P<0.05差异有统计学意义,检验水准α=0.05。6.预测模型方法:绘制1999—2015年红塔区、州城和其他乡镇TPF病例总流行时段、总高发年、总低发年月病例数变化曲线,对符合Gompertz曲线变化的时段建立Gompertz模型,确定拐点坐标(病例时空变化节点);分别建立红塔区、州城、其他乡镇的GM(1,1)模型和ARIMA模型,预测2016年1月—12月TPF月病例数,检验模型拟合效果和预测精度。结果1.1999—2015年红塔区报告TPF病例8 398例,年发病率范围6.26/10万～355.11/10万,6—10月发病高峰病例数占总病例数57.76%。2001、2004、2006、2007、2009年为五个高发年,合计病例数5 361例,发病率范围170.80/10万～355.11/10万,形成三个流行周期,周期范围19～39月;其余十二个低发年合计病例数3037例,发病率范围6.26/10万～130.91/10万。总高发年6—10月平均发病率130.59/10万,2001年6—10月病例数占当年总病例数63.89%;总低发年6—10月平均发病率65.33/10万,2003年6—10月病例数占47.24%。病例职业分布以农民(29.88%)、学生(20.22%)和工人(13.73%)为主,年龄主要集中在15～39岁(65.25%),该年龄组年发病率范围112.67/10万～240.66/10万;男性、女性年均发病率分别为52.12/10万、47.65/10万(χ2=33.699,P<0.05);州城累计病例数和发病率分别为5404(64.35%)例和 155.44/10 万。2.1999—2015年州城报告TPF病例5 404例,年发病率范围5.38/10万～440.08/10万,6—10月发病高峰病例数占总病例数56.81%。2001、2004、2006、2007、2009年为五个高发年,合计病例数3 503例,发病率范围204.88/10万～440.08/10万,形成三个流行周期,周期范围19～39月;其余十二个低发年合计病例数1 902例,发病率范围5.38/10万～158.92/10万。总高发年6—10月平均发病率205.86/10万,2001年6—10月病例数占当年总病例数65.27%;总低发年6—10月平均发病率94.37/10万,2003年6—10月病例数占48.31%。3.1999—2015年其他乡镇报告TPF病例2 994例,年发病率范围4.13/10万～167.92/10万,6—10月发病高峰病例数占总病例数59.67%。2001、2004、2006、2007、2009年为五个高发年,合计病例数1 858例,发病率范围101.85/10万～167.92/10万,形成三个流行周期,周期范围18～38个月;其余十二个低发年合计病例数985例,发病率范围4.13/10万～58.50/10万。总高发年6—10月平均发病率122.57/10万,2001年6—10月病例数占当年总病例数61.48%;总低发年6—10月平均发病率38.61/10万,2003年6—10月病例数占60.53%。4.建立1999—2015年红塔区总

关键词：伤寒与副伤寒分布特征 Gompertz模型 GM(1,1)模型 ARIMA模型数据化预警

来源：评论

学校读者我要写书评

暂无评论

1999—2015年红塔区伤寒与副伤寒流行特征和气象变量的研究

引用

中国微生态学杂志 2017年第5期29卷 598-603页

作者：倪世友王榆淞王树坤张红强艾敏大理大学公共卫生学院云南大理671000 北京师范大学励耘学院北京海淀100875 玉溪市疾病预防控制中心云南玉溪653100

目的分析1999-2015年红塔区伤寒与副伤寒(typhoid and paratyphoid fever,TPF)地方病区域流行特征和气象变量的关系,为TPF监测控制和危险因素评价提供科学依据。方法采用描述流行病学方法和自主研发计算机软件建立中国疾病预防控制信息... 详细信息

目的分析1999-2015年红塔区伤寒与副伤寒(typhoid and paratyphoid fever,TPF)地方病区域流行特征和气象变量的关系,为TPF监测控制和危险因素评价提供科学依据。方法采用描述流行病学方法和自主研发计算机软件建立中国疾病预防控制信息系统红塔区TPF病例分布与流行特征数据库,用Pearson相关分析和多元线性逐步回归分析研究TPF发病和气象变量关系。结果 1999-2015年报告TPF病例数为8 398例,1999、2015年分别报告23、44例。1999-2015年期间每年3~5月、6~10月、11月~次年2月分别为发病上升期(月均增长率63.8%)、高峰期(月均降低率2.0%)和下降期(月均降低率25.7%),每年度病例数都呈现3月~10月季节性升高和11月~次年2月季节性降低;2000年8月至2010年12月每月病例数都大于8例,2000-2002、2004-2005、2005-2007、2007-2008、2008-2010年出现五个高强度流行峰,峰期范围是12~24个月,周期范围是11~40个月;2001、2004、2006、2007、2009年五个高峰年度6~10月病例数范围分别为86~217、67~215、125~216、97~131、63~95例;1999、2000、2002、2003、2005、2008、2010、2015年八个低峰年度6~10月病例数范围分别为1~3、1~17、32~60、30~43、46~55、43~78、22~61、2~11例。单因素分析TPF月平均发病率与月平均降雨量(r=0.825,P<0.01)、月平均气温(r=0.797,P<0.01)和月平均相对湿度(r=0.706,P<0.05)呈正相关;经多元逐步回归分析建立TPF月平均发病率(Y)与月平均降雨量(X)的拟合模型方程Y=4.563+0.051X。结论红塔区TPF发病呈现季节性升高与降低、周期性流行、长期趋势特点;发病率与降雨量、气温、相对湿度呈正相关;传染源积累、重污染源形成、暴露人群增加驱动着流行特征与气象变量关系;相应规律、机制、政策、评估有助TPF的监测控制。

关键词：伤寒与副伤寒地方病区域流行特征气象变量相关分析

来源：评论

学校读者我要写书评

暂无评论

1999—2015年玉溪市红塔区伤寒与副伤寒时间分布特征及Gompertz模型分析

引用

应用预防医学 2019年第5期25卷 407-412页

作者：艾敏闫梅英王树坤吴强张红强杨汝松左顺武大理大学公共卫生学院玉溪市疾病预防控制中心传染病控制科中国疾病预防控制中心传染病预防控制所基因工程室

目的了解1999—2015年玉溪市红塔区伤寒与副伤寒（typhoid and paratyphoid fever, TPF）疫情变化情况,为TPF监测、调查和控制提供科学依据。方法 TPF数据来源于1999—2015年玉溪市红塔区TPF临床诊断和实验室确诊病例,人口资料来源于红... 详细信息

目的了解1999—2015年玉溪市红塔区伤寒与副伤寒（typhoid and paratyphoid fever, TPF）疫情变化情况,为TPF监测、调查和控制提供科学依据。方法 TPF数据来源于1999—2015年玉溪市红塔区TPF临床诊断和实验室确诊病例,人口资料来源于红塔区统计年鉴。采用流行病学、统计学和数学模型方法,描述分析TPF病例年月分布特征与规律,建立相应Gompertz模型并计算其参数。结果 6—10月为发病高峰,报告病例数占总病例数57.76%（4 851/8 398）。2001、 2004、 2006、 2007、 2009年合计病例数5 361例,呈现5个高发年和3个流行周期,周期范围19～40个月;其余12个低发年合计病例数3 037例。总高发年6—10月平均发病率130.59/10万,高发年2001年6—10月病例数占当年总病例数63.89%（862/1 349）;总低发年6—10月平均发病率65.36/10万,低发年1999年6—10月病例数占当年总病例数43.48%（10/23）。Gompertz模型分析结果显示,总流行时段、总高发年、总低发年模型病例数饱和值K分别为146、 160、 27,拐点坐标（t;, y;）分别为（3.61, 72.94）、（3.60, 80.08）、（3.56, 13.55）;高发年2001、2007年K值分别为502、 125,（t;, y;）分别为（9.92, 251）、（5.05, 62.70）;低发年2003、 2005、 2010、 2011、2013年K值分别为42、 64、 111、 37、 24,（t;, y;）分别为（5.16, 20.93）、（5.16, 31.83）、（9.26, 55.87）、（5.13, 18.69）、（4.38, 12.10）。结论 1999—2015年红塔区TPF具有病例多、发病率高、季节性升降、周期性波动、长期趋势的流行特征;三个总模型t;有趋同性,高发年各参数值较大,低发年各参数值随年度发病率降低有减小趋势;TPF年、月流行特征和模型参数可联合用作分析评价TPF疫情变化时间与空间节点、数据化预警、风险评估、精准控制与防控效果。

关键词：伤寒与副伤寒病例分布流行特征 Gompertz模型数据化预警

来源：评论

学校读者我要写书评

暂无评论

伤寒与副伤寒的防治方法

引用

名医 2018年第3期 59-59页

作者：彭木堂仙桃职业学院

伤寒与副伤寒属于消化道传染疾病,已经被我国传染病组织列为乙类传染病。在一些发达国家伤寒与副伤寒已经被有效控制,但对发展中国家以及贫困国家来说伤寒与副伤寒依旧是严重公共卫生问题。本文在此主要针对伤寒与副伤寒防治提出几点措施。

关键词：伤寒与副伤寒特点防治方法

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：