2024年5月14日发(作者：)

现代预防医学２０１５年第４２卷第１１期Ｍｏｄｅｒｎ　Ｐｒｅｖｅｎｔｉｖｅ　Ｍｅｄｉｃｉｎｅ，２０１５，Ｖｏ１．４２，ＮＯ．１１　・１９２１・　

・

流行病与统计方法・　

郑州市二七区手足口病周发病例数　

ＳＡＲＩＭＡ模型预测分析　

冯慧芬・，朱光　，段广才　，张卫东　，曹学斌　

１．郑州大学第五附属医院感染科，河南郑州４５００５２；２．郑州大学公共卫生学院流行病学教研室，河南郑州４５０００１；　

３．郑州市二七区疾病控制中心，河南郑州４５００５２　

摘要：目的构建手足口病周发病例数的季节性自回归移动平均模型，并将其应用于预测该地区手足口病疫情趋势，　

为该地区制定防治策略提供依据。方法采用时间序列分析方法，以郑州市二七区２００８—２０１３年每周手足口病的发病　

资料进行分析、建立模型，以此模型预测２０１４年该地区手足口病的发病情况，并与实际观察值相比较。结果郑州　

市二七区手足口病周发病例ＳＡＲＩＭＡ（１，１，０）（０，１，０）５２模型的拟合度　２）为０．８０７；精度（Ｒｏｏｔ　Ｍｅａｎ　Ｓｑｕａｒｅ　Ｅｒｒｏｒ，　

ＲＭＳＥ）为１１．５７３。结论应用时间序列分析方法建立的ＳＡＲＩＭＡ模型能较好的拟合手足Ｉ＝Ｉ病的流行，并进行预测。　

关键词：手足口病；时间序列分析；ＳＡＲＩＭＡ模型　

中图分类号：Ｒ１９５　文献标志码：Ａ　文章编号：１００３—８５０７（２０１５）１１－１９２１—０６　

Ａ　ＳＡＲＩＭＡ　ｍｏｄｅｌ　ｆｏｒ　ｆｏｒｅｃａｓｔｉｎｇ　ａｎｄ　ａｎａｌｙｓｉｓ　ｏｆ　ｗｅｅｋｌｙ　ｃａｓｅｓ　ｏｎ　

ｈａｎｄ－ｆｏｏｔ－ｍｏｕｔｈ　ｄｉｓｅａｓｅ　ｉｎ　Ｅｒｑｉ　Ｄｉｓｔｒｉｃｔ，Ｚｈｅｎｇｚｈｏｕ　Ｃｉｔｙ　

ＦＥＮＧ　Ｈｕｉ－ｆｅｎ，ＺＨＵ　Ｇｕａｎｇ，ＤＵＡＮ　Ｇｕａｎｇ－ｅａｉ，ＺＨＡＮＧ　Ｗｅｉ－ｄｏｎｇ，ＣＡＯ　Ｘｕｅ－ｂｉｎ　

Ｄｅｐａｒｔｍｅｎｔ　ｏｆＩｎｆｅｃｔｉｏｕｓ　Ｄｉｓｅａｓｅｓ，Ｔｈｅ　Ａｆｉｆｌｉａｔｅｄ　Ｈａｓｐｉｔａｌ　ｏｆＺｈｅｎｇｚｈｏｕ　Ｕｎｉｖｅｒｓｉｔｙ，Ｚｈｅｎｇｚｈｏｕ，Ｈｅｎａｎ　４５００５２，Ｃｈｉｎａ　

Ａｂｓｔｒａｃｔ：Ｏｂｊｅｃｉｔｖｅ　Ｔｏ　ｅｓｔａｂｌｉｓｈ　ａ　ｓｅａｓｏｎａｌ　ａｕｔｏｒｅｇｒｅｓｓｉｖｅ　ｍｏｖｉｎｇ　ａｖｅｒａｇｅ（ＳＡＲＩＭＡ）ｍｏｄｅｌ，ａｎｄ　ｔｏ　ｆｏｒｅｃａｓｔ　ｔｈｅ　ｅｐｉｄｅｍｉｃ　ｔｒｅｎｄｓ　

ｏｆ　ｈａｎｄ－ｆｏｏｔ－ｍｏｕｔｈ　ｄｉｓｅａｓｅ（ＨＦＭＤ）ｉｎ　ｔｈｉｓ　ｒｅｇｉｏｎ　ｂｙ　ｔｈｅ　ｍｏｄｅｌ，ＳＯ　ａｓ　ｔｏ　ｐｒｏｖｉｄｅ　ｅｖｉｄｅｎｃｅｓ　ｆｏｒ　ｍａｋｉｎｇ　ｐｒｅｖｅｎｔｉｏｎ　ａｎｄ　ｃｏｎｔｒｏｌ　

ｓｔｒａｔｅｇｉｅｓ．Ｍｅｔｈｏｄｓ　Ｂｙ　ｔｌｌｅ　ｍｅｔｈｏｄ　ｏｆ　ｔｉｍｅ　ｓｅｒｉｅｓ　ｎａａｌｙｓｉｓ．ｗｅ　ｃｏｎｄｕｃｔｅｄ　ｈｔｅ　ａｎａｌｙｓｉｓ　ａｎｄ　ｅｓｔａｂｌｉｓｈｅｄ　ｔｌｌｅ　ｍｏｄｅｌ　ｂａｓｅｄ　ｏｎ　ｈｔｅ　ｄａｔａ　ｏｆ　

ｗｅｅｋｌｙ　ｃａｓｅｓ　ｏｎ　ＨＦＭＤ　ｉｎ　Ｅｒｑｉ　Ｄｉｓｔｉｒｃｔ　ｏｆ　Ｚｈｅｎｇｚｈｏｕ　Ｃｉｔｙ，２００８－２０１３．Ｗｅ　ｆｏｒｅｃａｓｔｅｄ　ｈｔｅ　ｐｒｅｖａｌｅｎｃｅ　ｓｔａｔｕｓ　ｏｆ　ＨＦＭＤ　ｏｆ　ｔｈｉｓ　ｒｅｇｉｏｎ　

ｉｎ　２０１４　ｂｙ　ｔｈｅ　ｍｏｄｅｌ，ｔｈｅｎ　ｗｅ　ｃｏｍｐａｒｅｄ　ｔｏ　ａｃｔｕａｌ　ｏｂｓｅｒｖａｔｉｏｎｓ．Ｒｅｓｕｌｔｓ　Ｔｈｅ　ｇｏｏｄｎｅｓｓ　ｏｆ　ｉｆｔ　２）ａｎｄ　ｈｔｅ　ｒｏｏｔ　ｍｅａｎ　ｓｑｕａｒｅ　ｅｒｒｏｒ　

（ＲＭＳＥ）ｏｆ　ｔｈｅ　ＳＡＲＩＭＡ　ｍｏｄｅｌ　ｗｉｔｈ（１，１，０）（０，１，０）　ｗｅｒｅ　０．８０７，１１．５７３　ｒｅｓｐｅｃｔｉｖｅｌｙ，ａｎｄ　ｔｈｅ　ｍｏｄｅｌ　ｗａｓ　ｅｓｔａｂｌｉｓｈｅｄ　ｔｏ　ｆｏｒｅｃａｓｔ　

ｔｈｅ　ｗｅｅｋｌｙ　ｃａｓｅｓ　ｏｆ　ＨＦＭＤ　ｉｎ　Ｅｒｑｉ　Ｄｉｓｔｒｉｃｔ，Ｚｈｅｎｇｚｈｏｕ　Ｃｉｔｙ．Ｃｏｎｃｌｕｓｉｏｎ　Ｔｈｅ　ＳＡＲＩＭＡ　ｍｏｄｅｌ　ｅｓｔａｂｌｉｓｈｅｄ　ｂｙ　ｔｈｅ　ｍｅｔｈｏｄ　ｏｆ　ｔｉｍｅ　

ｓｅｒｉｅｓ　ａｎａｌｙｓｉｓ　ｃａｎ　ｂｅｔｔｅｒ　ｉｆｔ　ｈｔｅ　ｐｒｅｖａｌｅｎｃｅ　ｏｆ　ＨＦＭＤ，ａｎｄ　ｃａｎ　ｂｅ　ｕｓｅｄ　ｆｏｒ　ｆｏｒｅｃａｓｔｉｎｇ．　

Ｋｅｙｗｏｒｄｓ：Ｈａｎｄ－Ｆｏｏｔ－Ｍｏｕｔｈ　ｄｉｓｅａｓｅ；Ｔｉｍｅ　ｓｅｒｉｅｓ　ａｎａｌｙｓｉｓ；Ｓｅａｓｏｎａｌ　ａｕｔｏｒｅｇｒｅｓｓｉｖｅ　ｉｎｔｅｇｒａｔｅｄ　ｍｏｖｉｎｇ　ａｖｅｒａｇｅ　ｍｏｄｅｌｓ　

手足口病（Ｈａｎｄ—Ｆｏｏｔ—Ｍｏｕｔｈ　Ｄｉｓｅａｓｅ，ＨＦＭＤ）　

资料，采用时间序列分析方法分析建模，预测２０１４　

是儿童常见的急性传染性疾病，传染性强，传播途　

年该地区ＨＦＭＤ发病情况，并与实际观察值相比较，　

径复杂，在短期内即可造成大流行。季节性自回归　

探索合适的ＨＦＭＤ的统计预测模型，为该地区制定　

移动平均（Ｓｅａｓｏｎａｌ　Ａｕｔｏｒｅｇｒｅｓｓｉｖｅ　Ｉｎｔｅｇｒａｔｅｄ　Ｍｏｖｉｎｇ　ＨＦＭＤ的防治策略提供依据。　

Ａｖｅｒａｇｅ，ＳＡＲＩＭＡ）乘积模型特别适用于有明显季　

１资料与方法　

节性和周期性的时间序列的预测，其过程经济、简　

便、预测精度较高…，国内外已广泛运用其对登革　

１．１　资料来源ＨＦＭＤ疫情资料为２００８年５月　

一

热、乙脑、麻疹、疟疾、血吸虫病等传染性疾病进　

２０１４年６月现住址为河南省为郑州市二七区的　

行预测研究［　。ＨＦＭＤ的病原组成及流行病学特征　

ＨＦＭＤ患儿，资料由河南省郑州市二七区疾病控制　

存在一定的地区和时间差异，肠道病毒之间的交替　

中心提供。　

流行也为疾病的预防和控制增加了难度，我国目前　

１．２统计学分析方法将所有该地区ＨＦＭＤ资料分　

的防控形势严峻［８　ｌ。为构建ＨＦＭＤ的预测模型，利　

成２００８年５月一２０１３年１２月和２０１４年１月至６月　

用河南省郑州市二七区２００８—２０１３年ＨＦＭＤ的疫情　

两部分。第一部分作为估计区间，第二部分作为验　

证区间。采用ＳＰＳＳ１９．０，利用第一部分资料建立　

基金项目：国家自然科学基金面上项目时间序列分析在手足口病流　

ＳＡＲＩＭＡ（Ｐ，ｄ，ｑ）（Ｐ，Ｄ，Ｑ）　模型，　其中ＡＲ　

行预测中的应用研究（８１４７３０３ｏ）　

（ａｕｔｏｒｇｒｅｓｓｉｖｅ）是自回归，ＭＡ（ｍｏｖｉｎｇ　ａｖｅｒａｇｅ）为　

作者简介：冯慧芬（１９７２一），女，博士，副主任医师，研究方向：　

滑动平均，ｄ、Ｄ为时间序列成为平稳时所做的差分　

传染病流行病学　

次数和季节性差分次数，ｓ为季节周期，Ｐ、ｑ分别　

・

１９２２・　现代预防医学２０１５年第４２卷第１１期Ｍｏｄｅｍ　Ｐｒｅｖｅｎｔｉｖｅ　Ｍｅｄｉｃｉｎｅ，２０１５，Ｖｏ１

４２．ＮＯ．Ｉ１　

．

为对应的自回归和移动平均阶数，Ｐ、Ｑ为季节性自　

行估计，对模型的ＡＲ、ＭＡ以及白噪声方差等参数　

回归和移动平均阶数。建模步骤为：　（１）获取数据　估计，备选参数Ｐ＜０．０１，可进入模型；判断模型的　

并进行预处理对ＨＦＭＤ时间序列进行正态性及方差　

残差序列是否为白噪声，符合通过检验，不符合重　

齐性检验，如方差不齐，对其进行变量变换（主要　

新进行模型识别。　（４）预测根据建立的模型进行　

包括：对数、自然对数和平方根转换）达到方差齐；　

预测，根据预测结果与实际观察值相比较。　

然后，对各时间序列进行平稳性及随机性检验。用　

２结果　

差分的方法对非平稳序列进行平稳化预处理，直到　

２．１　ＨＦＭＤ患者时间序列平稳化识别与处理　由图　

通过平稳性检验。　（２）模型的识别与定阶根据预　

处理后序列的自相关函数（Ａｕｔｏｃｏｒｒｅｌａｔｉｏｎ　Ｆｕｎｃｔｉｏｎ，　

１可见，２００８年５月一２０１３年１２月ＨＦＭＤ时间序　

列存在明显的周期性，每５２周出现１次明显的发病　

ＡＣＦ）和偏自相关函数（Ｐａｒｔｉａｌ　Ａｕｔｏｃｏｒｒｅｌａｔｉｏｎ　

高峰，序列方差前后波动较大。对其进行平方根转　

Ｆｕｎｃｔｉｏｎ，ＰＡＣＦ）来进行模型识别。在此基础上，　

换、一阶差分和一阶季节差分。转换后的时间序列，　

采用ＡＣＦ与ＰＡＣＦ函数定阶法与准则函数定阶法　

无明显的上升和下降趋势，ＬＢ检验：统计量为　

（Ｂａｙｅｓｉａｎ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｃｒｉｔｉｅｒｉａ，ＢＩＣ）相结合的方法　

１６．６７２，Ｐ＝０．３３９，满足序列平稳性、随机性要求，　

进行模型定阶。使用平稳的Ｒｚ和ＢＩＣ函数确定模　

见图２。　

型，Ｒ　最大，ＢＩＣ最小的模型为相对最优模型。　

（３）模型的参数估计与检验利用条件最小二乘法进　

籁　

嚣　

口　

叫　

协　

窿　

Ｏ　

萋芟芟芟芟委妻重要鸯重量耋耋耋蒌委主三主蚕蓦曼藿蓍善善菩菩藿薹蔷　蓄菩墓　蕾萋菩菩誊菩善蓍　曼量星要曼耋蒌耋要　　莒　藿一菩善善善善藿善　

＝－

：　一Ｎ　

》　

；　Ｉｎ　是高高等卜ｂｎ　一Ｈ　－高瓮　

渗　》　

譬　＿Ｉ　

》》巨璧巨匿巨攀簪　

ｎ　ｎ　２霜爱雩Ｈ＝　一　－＿　

拳筘ｉ事　

等　Ｖ　

时间（年・周）　

图１　２００８—２０１３年郑州市二七区手足口病患者时间分布图　

２．２模型的识别和定阶

９３３，平稳的　值最大为０．８０７，模型的预测精度　

绘制原始及转换后ＨＦＭＤ　

４．

Ｒ０ｏｔ　Ｍｅａｎ　Ｓｑｕａｒｅ　Ｅｒｒｏｒ，ＲＭＳＥ）为１１．５７３，确定为　

时间序列ＡＣＦ图和ＰＡＣＦ图，初步确定为ＳＡＲＩＭＡ　

（

（ｐ，ｄ，ｑ）（Ｐ，Ｄ，Ｑ）　：模型。由图３可见，在滞后１周　

最优模型。　

３模型的参数估计与检验

和５２周处１步截尾，Ｐ值应为１或２，ｑ值为０或　

２－根据条件最小二乘法　

Ｐ）进入模型，参数估计　

１；ＰＡＣＦ图与ＡＣＦ图相比较，指数衰减震荡。通过　

估计，非季节性滞后ＡＲ１（

８９８，标准误差为０．０２４，ｔ＝３７．０５６，Ｐ＜　

拟合多个不同阶数ＳＡＲＩＭＡ（Ｐ，ｄ，ｑ）（Ｐ，Ｄ，Ｑ）　模型，　

值为０．

００１。经Ｌｊｕｎｇ—Ｂｏｘ检验，统计量为１３．４６５，Ｐ＝　

并且排除残差序列不符合白噪声序列的模型，　

０．

７０５，无统计学意义，说明模型的剩余项独立，残　

ＳＡＲＩＭＡ（１，１，０）（０，１，０）显模型的ＢＩＣ值最小为　

０．

・

１９２４・　现代预防医学２０１５年第４２卷第ｌ１期Ｍｏｄｅｒｎ　Ｐｒｅｖｅｎｔｉｖｅ　Ｍｅｄｉｃｉｎｅ，２０１５，Ｖｏ１．４２，ＮＯ．１１　

种理论较完善、分析效果较好、短期预测精度较高　

的工具，得到广泛应用，国内外已有人运用其对登　

革热、麻疹、乙脑、疟疾、血吸虫病等进行了预测　

研究口　，一些研究引入气象参数，可增加模型的预　

：　

测精度［１０，Ｉ１］。　

本研究以该地区近几年河南省郑州市二七区　

ＨＦＭＤ为基础，探索利用ＳＡＲＩＭＡ模型进行ＨＦＭＤ　

疫情预测的可行性。分析发现，２００８—２０１３年　

ＨＦＭＤ患者有明显的季节性，呈现出以５２周为１个　

周期。综合考虑了多方面因素对序列平稳性的影响，　

．

ｉ　

－　

’ｉ　

－　

ｉ：　

－

１．０－０．５　０．０　０．５　Ｌ０－Ｉ．０－０．５　０．０　０．５　１．０　

经过时间序列的平稳化、模型识别、参数估计和诊　

Ｒｅｓｉｄｕａｌ　

断检验、预测等严格的过程，建立了该地区ＨＦＭＤ　

图４模型的残差自相关及偏相关图　

的ｓＡＲＩＭＡ预测模型。以此模型对２０１４年ＨＦＭＤ　

或近期应对策略有重要意义。ＳＡＲＩＭＡ乘积季节模　

进行预测，ＨＦＭＤ预测模型能较好的拟合及预测　

ＨＦＭＤ的流行，提示在该地区运用季节ＳＡＲＩＭＡ模　

型特别适用于有明显季节性和周期性的情况，建模　

过程简便、经济、预测精度较高…，目前已作为一　

型对其预测是可行的，对ＨＦＭＤ的防治可能有帮助。　

１（　

８０　

暴　

嚣　

窭　

口　

瓮　

≮　

Ｏ　

！　＝　！　墓　！　！　！　葛　！　墓　芝　葛　！　！　

季　甓　毫　喜　甓　鏊　璧　耋　量　萋　要　妻　室　塞　妻　鐾　量冒　　善　量　甍　襄　黑　

时间（年・周）　

图５应用ＳＡＲＩＭＡ模型预测２０１４年ＨＦＭＤ发病人数与实际观察值　

在建立ＳＡＲＩＭＡ乘积模型时，虽然ＳＡＲＩＭＡ模　

［２］Ｗｏｎｇｋｏｏｎ　Ｓ，Ｊａｒｏｅｎｓｕｔｓａｉｎｅｅ　Ｍ，Ｊａｒｏｅｎｓｕｔｓａｉｎｅｅ　Ｋ．Ａｓｓｅｓｓｉｎｇ　ｔｈｅ　

块操作并不复杂，但要建立一个好的或较优的　

ｔｅｍｐｏｒａｌ　ｍｏｄｅｌｌｉｎｇ　ｆｏｒ　ｐｒｅｄｉｃｔｉｏｎ　ｏｆ　ｄｅｎｇｕｅ　ｉｎｆｅｃｔｉｏｎ　ｉｎ　ｎｏｒｔｈｅｒｎ　ａｎｄ　

ＳＡＲＩＭＡ模型却非易事，模型的识别和参数估计需　

ｎｏｒｔｈ—ｅａｓｔｅｒｎ，Ｔｈａｉｌａｎｄ［Ｊ３．Ｔｒｏｐ　Ｂｉｏｍｅｄ，２０１２，２９（３）：　

３３９—３４８．　

要反复进行检验。因此，一个理想的预测模型应是　

［３］Ｇｈａｒｂｉ　Ｍ，Ｑｕｅｎｅｌ　Ｐ，Ｇｕｓｔａｖｅ　Ｊ，ｅｔ　ａ１．Ｔｉｍｅ　ｓｅｉｒｅｓ　ａｎａｌｙｓｉｓ　ｏｆ　

反复检验比较的结果，并且，实际事件的发展本身　

ｄｅｎｇｕｅ　ｉｎｃｉｄｅｎｃｅ　ｉｎ　Ｇｕａｄｅｌｏｕｐｅ，Ｆｒｅｎｃｈ　Ｗｅｓｔ　Ｉｎｄｉｅｓ：ｆｏｒｅｃａｓｔｉｎｇ　

具有不平稳性，根据实际情况，不断积累经验，对　

ｍｏｄｅｌｓ　ｕｓｉｎｇ　ｃｌｉｍａｔｅ　ｖａｒｉａｂｌｅｓ　ａｓ　ｐｒｅｄｉｃｔｏｒｓ　ｌＪ　Ｊ。ＢＭＣ　Ｉｎｆｅｃｔ　Ｄｉｓ，　

２０１１，１１：１６６．　

该模型不断地进行修正与完善，以适应实际情况，　

［４］ＡｌｉＭ，ＫｉｍＤＲ，ＹｕｎｕｓＭ，ｅｔ　ａ１．Ｔｉｍｅ　ｓｅｉｒｅｓａｎａｌｙｓｉｓ　ｏｆｃｈｏｌｅｒａｉｎ　

保证预测结果的准确性。　

ｍａｔｌａｂ，Ｂａｎｇｌａｄｅｓｈ，ｄｕｒｉｎｇ　１９８８－２００１［Ｊ］．Ｊ　Ｈｅａｌ￣Ｐｏｐｕｌ　Ｎｕｔｒ，　

２０１３，３１（１）：１１－１９．　

参考文献　

［５］Ｍｉｄｅｋｉｓａ　Ａ，Ｓｅｎａｙ　Ｇ，Ｈｅｎｅｂｒｙ　ＧＭ，ｅｔ　ａ１．Ｒｅｍｏｔｅ　ｓｅｎｓｉｎｇ－ｂａｓｅｄ　

［１］Ｋｈａｓｈｅｉ　Ｍ，Ｂｉｊａｒｉ　Ｍ，Ｈｅｊａｚｉ　ＳＲ．Ｃｏｍｂｉｎｉｎｇ　ｓｅａｓｏｎａｌ　ＡＲＩＭＡ　

ｔｉｍｅ　ｓｅｒｉｅｓ　ｍｏｄｅｌｓ　ｆｏｒ　ｍａｌａｒｉａ　ｅ￣ｒｌｙ　ｗａｒｎｉｎｇ　ｉｎ　ｔｈｅ　ｈｉｇｈｌａｎｄｓ　ｏｆ　

ｍｏｄｅｌｓ　ｗｉｔｈ　ｃｏｍｐｕｔａｔｉｏｎａｌｉｎｔｅｌｌｉｇｅｎｃｅ　ｔｅｃｈｎｉｑｕｅｓ　ｆｏｒ　ｔｉｍｅ　ｓｅｒｉｅｓ　

Ｅｔｈｉｏｐｉａ［Ｊ］．ＭａｌａｒＪ，２０１２，１１（５）：１６５．　

ｆｏｒｅｃａｓｔｉｎｇ［Ｊ］．Ｓｏｆｔ　Ｃｏｍｐｕｔｉｎｇ，２０１２，１６（６）：１０９１—１１０５．　

（下转第１９３０页）　

・

１９３０・　现代预防医学２０１５年第４２卷第１１期Ｍｏｄｅｍ　Ｐｒｅｖｅｎｔｉｖｅ　Ｍｅｄｉｃｉｎｅ，２０１５，Ｖｏ１

４２，ＮＯ．１１　

．

童为主要报告发病人群，其比例不断上升，学生构　

发情况，建议贵州省加强百日咳疑似病例监测，加　

成比例不断下降。可见，婴儿及其他小年龄散居儿　强健康人群百日咳抗体水平监测，根据监测情况及　

童是目前贵州省百日咳预防和控制的重点人群，学　

时调整百日咳疫苗免疫策略，实施有针对性的预防　

龄儿童或学生百日咳发病降低可能与入学入托查验　

和控制措施，避免百日咳疫情暴发流行。　

接种证补种完成率的提高有关［５１。在２０１３年报告病　

例中，无百白破免疫史、免疫史不详及１剂次免疫　

参考文献　

史的占病例总数的７６．０％，完成推荐的４剂次百白　

［１］黄海涛，张颖，刘勇，等．天津市２００９年百日咳免疫状况监　

测及影响因素分析［Ｊ］．中国疫苗和免疫，２０１０，１６（６）：　

破疫苗免疫的占２４．０％，提示贵州省仍需加强适龄　

５３６—５４０．　

儿童百白破疫苗的常规免疫接种，及时完成百白破　

［２］陈敏，徐冰，谢广中．无细胞百日咳疫苗与百日咳预防［Ｊ］　＿

疫苗的基础免疫和加强免疫，加强百日咳疫苗查漏　

中国疫苗和免疫，２００８，１４（１）：６７—７２．　

补种，同时警惕因未及时接种疫苗、未获得有效免　

［３］汪海波，罗会明，温宁，等．我国２００６—２０１０年百日咳流行病　

学分析［Ｊ］．中国疫苗和免疫，２０１２，１８（３）：２０７—２１０．　

疫及特异性免疫力下降导致的易感人群累积。　

［４］陶沁，陈圣俊，王华刚，等．贵州省１９９７年局部地区百日咳暴　

近年，美洲、欧洲等一些国家发生百日咳再现　

发流行给人们的启示［Ｊ］．中华流行病学杂志，１９９８，１９　

或大规模暴发，２０１２年美国报告百日咳病例４８２７７　

（６）：５６．　

例，是自１９５５年报告百日咳６２７８６例之后报告病例　

［５］张大勇，穆秋碉，戴丽芳，等．贵州省２００３—２００９年实施入学　

入托查验接种证效果评价［Ｊ］．现代预防医学，２０１３，４０　

最多的年份　］。１９９２年，美国用无细胞百白破疫苗　

（５）：８６４—８６７．　

替换全细胞百白破的第４、５剂次；１９９７年起，完　

［６］Ｆｉｎａｌ　２０１２　Ｒｅｐｏｒｔｓ　ｏｆ　Ｎａｔｉｏｎａｌｌｙ　Ｎｏｔｉｉｆａｂｌｅ　Ｉｎｆｅｃｔｉｏｕｓ　Ｄｉｓｅａｓｅｓ　ｌＪ　Ｊ．　

成无细胞百白破疫苗对全细胞百白破疫苗的完全替　

Ｍｏｒｂｉｄｉｔｙ　ａｎｄ　Ｍｏａａｌｉ￣Ｗｅｅｋｌｙ　Ｒｅｐｏｒｔ，２０１３，６２（３３）：６６９－　

代［８］。之后，美国青少年百Ｅｔ咳发病率出现非比例　

６８２．　

性的明显增高。在２０１２年百日咳报告病例中，７～　

［７］Ｃｅｎｔｅｒｓ　ｆｏｒ　Ｄｉｓｅａｓｅ　Ｃｏｎｔｒｏｌ　ａｎｄ　Ｐｒｅｖｅｎｔｉｏｎ．　Ｆａｓｔ　ｆａｃｔｓ　

［ＥＢ／ＯＬ］．［２０１４—０２—１３］．ｈｔｔｐ：／／ｗｗｗ．ｃｄｃ．ｇｏｖ／ｐｅｒｔｕｓｓｉｓ／ｆａｓｔ－ｆａｃｔｓ．　

１０岁发病专率５８．５／１０万，仅次于＜１岁发病专率　

ｈｔｍｌ＃ｓｏｃｉａｌＭｅｄｉａＳｈａｒｅＣｏｎｔａｉｎｅｒ．２０１４—２—１３．　

１２６．７／１０万，７一ｌ０岁病例中大多数有５剂次无细胞　

［８］Ｃｌａｒｋ　ＴＡ．Ｃｈａｎｇｉｎｇ　ｐｅｒｔｕｓｓｉｓ　ｅｐｉｄｅｍｉｏｌｏｇｙ：ｅｖｅｒｙｔｈｉｎｇ　ｏｌｄ　ｉｓ　ｎｅｗ　

百白破疫苗的免疫史。国外多项研究表明，随接种　

ａｇａｉｎ【Ｊ］．ＪＩｎｆｅｃｔＤｉｓ，２０１４，２０９（７）：９７８－９８１．　

时间的推移，无细胞百白破疫苗使机体获得的百日　

［９］ＷＡＮＧ　Ｋ，Ｆｒｙ　ＮＫ，Ｃａｍｐｂｅｌｌ　Ｈ，ｅｔ　ａ１．Ｗｈｏｏｐｉｎｇ　ＣＯＵｇｈ　ｉｎ　ｓｃｈｏｏｌ　

ａｇｅ　ｃｈｉｌｄｒｅｎ　ｐｒｅｓｅｎｔｉｎｇ　ｗｉｔｈ　ｐｅｒｓｉｓｔｅｎｔ　ｃｏｕｇｈ　ｉｎ　ＵＫ　ｐｒｉｍａｒｙ　ｓａｌｅ　ａｆｔｅｒ　

咳免疫水平发生了降低，是百日咳易感性和发病率　

ｉｎｔｒｏｄｕｃｔｉｏｎ　ｏｆ　ｔｈｅ　ｐｒｅｓｃｈｏｏｌ　ｐｅｒｔｕｓｓｉｓ　ｂｏｏｓｔｅｒ　ｖａｃｃｉｎａｔｉｏｎ：　

增高的原因之一＿９，　们。中国部分省市开展了百日咳社　

ｐｒｏｓｐｅｃｔｉｖｅ　ｃｏｈｏｒｔ　ｓｔｕｄｙ［Ｊ］．ＢＭＪ，２０１４，３４８：ｇ３６６８．　

区监测研究、百日咳毒素ＩｇＧ的血清流行病学调查　

［１０］Ｌｉｋｏ　Ｊ，Ｒｏｂｉｓｏｎ　ＳＧ，Ｃｉｅｓｌａｋ　ＰＲ．Ｐｒｉｍｉｎｇ　ｗｉｔｈ　ｗｈｏｌｅ—ｃｅｌｌ　ｖｅｒｓｕｓ　

等，研究结果表明，目前全国报告的百日咳病例只　

ａｃｅｌｌｕｌａｒ　ｐｅｒｔｕｓｓｉｓ　ｖａｃｃｉｎｅ［Ｊ］．Ｎ　Ｅｎｇｌ　Ｊ　Ｍｅｄ，２０１３，３６８（６）：　

是冰山一角，大部分病例未被发现［１１，１２］。贵州省同　

５８１－５８２．　

全国其他省份一样，多年来对百日咳采取医院被动　

［Ｉ１］张颖，黄海涛，刘勇，等．天津市社区人群百日咳发病监测及　

传播特征研究［Ｊ］．中国疫苗和免疫，２０１ｌ，１７（３）：２０９—　

监测［１１］，未制定百日咳监测方案，未对疑似病例开　

２１１，２５７．　

展个案调查、标本采集及特异性实验室检测，使报　

［１２］ＺＨＡＮＧ　Ｑ，ＺＨＥＮＧ　ＨＺ，ＬＩＵ　ＭＺ，ｅｔ　ａ１．Ｔｈｅ　ｓｅｒｏｐｉｄｅｍｉｏｌｏｇｙ　ｏｆ　

告数据的准确性和完整性不高，报告病例主要为临　

ｉｍｍｕｎｏｇｌｏｂｕｌｉｎ　Ｇ　ａｎｔｉｂｏｄｉｅｓ　ａｇａｉｎｓｔ　ｐｅｒｔｕｓｓｉｓ　ｔｏｘｉｎ　ｉｎ　Ｃｈｉｎａ：ａ　

床诊断病例，监测质量亟待提高。２００８年后贵州省　

㈣ｓｅｃｔｉｏｎａｌ　ｓｔｕ４ｙ［Ｊ］．ＢＭＣＩｎｆｅｃｔＤ　，２０１２，１２：１３８．　

收稿日期：２０１４—０３—１５　

免疫规划以无细胞百白破疫苗逐步替换全细胞百白　

破疫苗，鉴于欧美国家百白破疫苗替换及百日咳暴　

（上接第１９２４页）　

［６］陈明惠，胡云，支洋英，等．应用ＡＲＩＭＡ模型预测成都市新都　

区麻疹的发病趋势［Ｊ］．现代预防医学，２０１２，３９（２）：２６７—　

２６９．　

ｅｎｔｅｍｖｉｒｕｓｅｓ　ｉｎ　ｃｈｉｌｄｒｅｎ　ｗｉｔｈ　ａｎｄ　ｗｉｔＩ１ｏｕｔ　ｈａｎｄ，ｆｏｔ，ａｎｄ　ｍｏｕｔｈ　

ｄｉｓｅａｓｅ　ｉｎ　Ｃｈｉｎａ［Ｊ］．ＢＭＣ　Ｉｎｆｅｃｔ　Ｄｉｓ，２０１３，１３（期缺失）：６０６．　

［１０］Ｇｏｔｏ　Ｋ，Ｋｕｍａｒｅｎｄｒａｎ　Ｂ，Ｍｅｔｔａｎａｎｄａ　Ｓ，ｅｔ　ａ１．Ａｎａｌｙｓｉｓ　ｏｆ　ｅｆｆｅｃｔｓ　

ｏｆ　ｍｅｔｅｏｒｏｌｏｇｉｃａｌ　ｆａｃｔｏｒｓ　ｏｎ　ｄｅｎｇｕｅ　ｉｎｃｉｄｅｎｃｅ　ｉｎ　Ｓｒｉ　Ｌａｎｋａ　ｕｓｉｎｇ　ｔｉｍｅ　

［７］孔令岩，李辉，吴景文，等．南昌市其他感染性腹泻ＡＲＩＭＡ模　

型的建立及应用［Ｊ］．现代预防医学，２０１３，４０（１７）：３１５３—　

３１５５．３１５８．　

ｓｅｒｉｅｓ　ｄａｔａ［Ｊ］．ＰＬｏＳ　Ｏｎｅ，２０１３，８（５）：ｅ６３７１７．　

［１１］ＨＵＡＮＧ　Ｙ，ＤＥＮＧ　Ｔ，ＹＵ　ＳＣ，ｅｔ　ａ１．Ｅｆｆｅｃｔ　ｏｆ　ｍｅｔｅｏｒｏｌｏｇｉｃａｌ　

ｖａｒｉａｂｌｅｓ　ｏｎ　ｔｈｅ　ｉｎｃｉｄｅｎｃｅ　ｏｆ　ｈａｎｄ，ｆｏｏｔ，ａｎｄ　ｍｏｕｔｈ　ｄｉｓｅａｓｅ　ｉｎ　

【８］Ｐａｒｋ　Ｋ，Ｌｅｅ　Ｂ，Ｂａｅｋ　Ｋ，ｅｔ　ａ１．Ｅｎｔｅｒｏｖｉｒｕｓｅｓ　ｉｓｏｌａｔｅｄ　ｆｒｏｍ　

ｈｅｒｐａｎｇｉｎａ　ａｎｄ　ｈａｎｄ—．ｆｏｏｔ—－ａｎｄ—．ｍｏｕｔｈ　ｄｉｓｅａｓｅ　ｉｎ　Ｋｏｒｅａｎ　ｃｈｉｌｄｒｅｎ　

ｃｈｉｌｄｒｅｎ：ａ　ｔｉｍｅ—ｓｅｒｉｅｓ　ａｎａｌｙｓｉｓ　ｉｎ　Ｇｕａｎｇｚｈｏｕ，Ｃｈｉｎａ　ｌＪ３．ＢＭＣ　

Ｉｆｅｃｔｎ　Ｄｉｓ，２０１３，１３：１３４．　

［Ｊ］．Ｖｉｒ０ｌ　Ｊ，２０１２，９（１）：２０５．　

［９］ＺＨＡＮＧ　ＸＡ，ＷＡＮＧ　ＨＹ，ＤＩＮＧ　ＳＪ，ｅｔ　ａ１．Ｐｒｅｖａｌｅｎｃｅ　ｏｆ　

收稿日期：２０１４—０７—０１