资源描述：
《鄱阳湖生态经济区九江区域血吸虫病疫情动态及预测的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
分类号：密级：ＵＤＣ：学号：４１６５２４１１３０１４南昌大学专业学位硕±研究生学位论文郵阳湖生态经济区九江区域血吸虫病疫情动态及预测的研究ＳｔｕｄｏｎｔｈｅＥｉｄｅｍｉｃＳｉｔｕａｔｉｏｎａｎｄＰｒｅ出ｃｔｉｏｎｆｏｒＳｃｈｉｓｔｏｓｏｍｉａｓｉｓｙｐｕｆ－ｉｎｉｉａｎＲｅｉｏｎｏＰｏａｎＬａｋｅＥｃｏｅｃｏｎｏｍｉｃＺｏｎｅ？Ｊｊｇｇｙｇ王玲培养单位（院、系）；南昌大学公共卫生学院指导教师姓名、职称：汪蠢教授专业学位种类；医学硕±■’专业领域名称：公共卫生论文答辩日期；２０１６年５月答辩委员会主席：评阅人：＿＿＿＿＿＿２０１６年５月 一、学位论文独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研巧工作及取得的研巧成果。据我所知，除了文中特别加臥标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得盧昌么堂或其他教育机构的学位或证书而使用过的材料一。与我同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。（学位论文作者签名手写）；签字日期：年（月日＾二、学位论文版权使用授权书本学位论文作者完全了解南昌大学有关保留、使用学位论文的规定，同意被学校有权保留并向国家有关部口或机构送交论文的复巧件和电子版，允许论文查阅和借瞬。本人授权南昌大学可＾心将学位论文的全部或部分內容编入有关数据库文进行检索，可１＾；１采用影印、缩印或扫描等复制手段保存、汇编本学位论社。同时授权北京万方数据股份有限公司和中国学术期刊（光盘版）电子杂志论将本学位论文收录到《中国学位论文全文数据库》和《中国优秀博硕±学位程．＂文规全文数据库》中全文发表，并逼巧网络向社会公众提供信息服务，同意按＂章定享受相关权益。学签位论文作者签名（手写）：至始导师签名（手写论字曰期：年石月７曰签字曰期＝八年月／曰文题目０ｉ确Ａ化反诚成＾廠轉或若度（很部皆Ｉ帮午啤呀坤聋＿＿名主＾梭Ｉ学号一夺修玄占／界论文级别１４壬三硕古此／叫院、／系／所么餐降／Ｉ专业Ｉ麻《足爹ＬＥ备注ｍａｉｌ：回＾开□保密（向校学位办申请获批准为＂保密＂，年月后公开）Ｉ 摘要摘要目的：（1）对鄱阳湖生态经济区九江区域血吸虫病疫情状况及变化趋势进行分析，为下一步制定血吸虫病防治目标和调整防治策略提供参考依据。（2）探索应用灰色模型预测该区域血吸虫病疫情的可行性，为建立鄱阳湖生态经济区血吸虫病预警体系提供方法学依据。方法：（1）收集2003-2015年九江区域血吸虫病防治工作年报资料，采用趋势卡方检验等统计学方法分析人、畜病情和钉螺情况数据资料。（2）以2005-2014年血吸虫病疫情数据为基础，利用灰色系统GM(1,1)模型建立原始模型，运用等维灰数递补动态预测模型对2015-2020年血吸虫病疫情发展趋势进行预测，引进环境干涉因子修正预测结果，并将2015年的血吸虫病疫情指标的实际数据与预测值进行对比分析，评价模型的预测效果。结果：（1）2003-2015年，鄱阳湖生态经济区九江区域传播阻断县由2个增至4个，传播控制县由5个增至9个，未达到传播控制的县数减少到0。人群血检和粪检阳性率明显下降，人群血吸虫感染率大幅度下降（均降至0.01%以下），急性感染病例数由49例快速下降为0，2003-2010年晚期血吸虫病新发例数逐渐增加，2011年以后下降，晚期血吸虫病新发率呈波动下降趋势。耕牛阳性率由2003年的3.74%下降至2015年的0.07%，下降了98.13%。钉螺面积在2005-2015年2期间维持在24000~24800hm之间，并有缓慢增加趋势，灭螺面积增加了59.54%。（2）对人群血吸虫感染率、耕牛阳性率及钉螺面积建立了预测模型，拟合效果较好。中长期预测结果显示，2016-2020年人群血吸虫感染率预测值分别为0.0078%、0.0021%、0.0003%、0.0003%、0.0002%，耕牛阳性率预测值分别为0.1466%、0.0580%、0.0208%、0.0214%、0.0249%，钉螺面积预测值分别为24850.6922222hm、24915.83hm、24974.10hm、25030.61hm、25124.46hm。人群血吸虫感染率及耕牛阳性率未来几年总体呈下降趋势，钉螺面积有缓慢增长趋势。结论：鄱阳湖生态经济区九江区域血吸虫病疫情整体呈下降趋势，但钉螺面积有II 摘要回升可能；灰色预测模型对该地区血吸虫病疫情预测效果较好，可用于血吸虫病疫情的中长期预测分析。关键词：血吸虫病；疫情；灰色理论；环境干涉因子；预测III AbstractABSTRACTObjective:(1)ToanalyzetheepidemicstatusandtrendsofschistosomiasisprevalenceinJiujiangregionofPoyangLakeEco-economicZone.Andtoprovidereferenceforformulatinggoalsandadjustingstrategiesofschistosomiasiscontrolprograminfuture.(2)Toverifythefeasibilityofforecastingtheschistosomiasisprevalencebyusinggreymodel,soastoprovidemethodologicalbasisforbuildingschistosomiasisearlywarningsystem.Method:(1)Theannualdataofschistosomiasispreventionandcontrolfrom2003to2015werecollectedtoanalyzetheschistosomiasispatients’condition,thestateoflivestockandthedataofoncomelaniabyusingtrendChi-squaretests.(2)Onthebasisofschistosomiasisepidemicdatafrom2005to2014,weusethegreysystemGM(1,1)toestablishoriginalmodel,topredicttheresultdynamicallyusing“SameDimension-ProgressivelyIncreasedGreyDynamicPrediction”,andtomodifythepredictionresultsbyconsideringthe“EnvironmentInterferenceFactors”.Inordertoevaluatethepredictioneffect,wecomparetheactualdataandpredictedvaluesofschistosomiasisepidemicsin2015.Results:(1)From2003to2015,thenumberofcountieswhichhavereachedthecriteriaoftransmissioninterruptionofschistosomiasisincreasedfrom2to4,andthenumberofcountieswhichhavereachedthecriteriaofinfectioncontrolledincreasedfrom5to9,thenumberofcountieswherethetransmissionwasnotcontrolledreducedtozero.Thepositiverateofserologicaltestandfecalexaminationinresidentsdecreasedsignificantly,thehumaninfectionratesofschistosomiasisdroppeddramatically(below0.01%).Acuteinfectionreducedfrom49casestozero,advancedcasesincreasedfrom2003to2010,andreducedafter2011.Theincidenceofadvancedschistosomiasistendedtodecreasewithfluctuation.ThepositiverateofcattlewasIV Abstractdecreasedfrom3.74%in2003to0.07%in2015.Theoncomelaniaareamaintained2between24000~24800hm,andenhancedslowlyfrom2005to2015.Areawithoncomelaniacontrolactivitiesincreasedby59.54%.(2)Thepredictionmodelsaboutthehumaninfectionratesofschistosomiasis,positiverateofcattleandoncomelaniaareawerefitted,themodelfitnesseffectswerefairlygood.Themid-timeandlong-termpredictionresultsfrom2016to2020showedthatthehumaninfectionrateswere0.0078%,0.0021%,0.0003%,0.0003%,0.0002%,respectively;thepositiveratesofcattlewere0.1466%,0.0580%,0.0208%,0.0214%,220.0249%,respectively;andtheoncomelaniaareawere24850.69hm,24915.83hm,22224974.10hm,25030.61hm,25124.46hm,respectively.Insummary,thehumaninfectionratesandthepositiveratesofcattleshoweddecliningtrend,therewasaslowincreasingtrendforoncomelaniaarea.Conclusion:TheschistosomiasisprevalenceinJiujiangregionofPoyangLakeEco-economicZoneshowedadecliningtrendoverall,buttheoncomelaniaareamayriseinafewyears.Thegreymodelhadagoodfitandaccuracytopredicttheschistosomiasisprevalence.Keywords:Schistosomiasis;Prevalence;Greytheory;Environmentalinterferencefactor;PredictionV 目录目录第1章引言··················································································1第2章资料与方法·········································································42.1资料的来源··········································································42.2疫情监测方法·······································································42.2.1人群病情监测·······························································42.2.2家畜病情监测·······························································42.2.3螺情监测·····································································42.2.4流行情况判定标准·························································52.3中长期灰色预测方法······························································62.3.1灰色预测的基本原理······················································62.3.2灰色模型GM(1,1)的建立················································72.3.3GM(1,1)模型精度检验·····················································82.3.4不同维数GM(1.1)模型的优选··········································82.3.5等维递补灰数动态预测···················································92.3.6环境干涉因子修正预测值················································92.3.7模型的预测内容及评价···················································92.4分析指标计算公式································································102.5统计分析方法······································································10第3章结果·················································································113.1流行区基本概况及达标情况····················································113.2人群血吸虫病流行与查治情况·················································133.2.1人群血吸虫感染率变化及防治情况···································133.2.2急性感染及晚期血吸虫病病例·········································143.3耕牛血吸虫病流行与查治情况·················································153.4螺情调查及控制情况·····························································163.4.1钉螺调查情况的动态分布···············································16VI 目录3.4.2钉螺面积变化及灭螺情况···············································163.5中长期灰色预测模型的建立及预测···········································183.5.1GM(1,1)模型的建立及精度检验········································183.5.2等维递补灰数动态预测结果············································193.5.3预测结果验证······························································20第4章讨论·················································································214.1鄱阳湖生态经济区九江区域血吸虫病疫情变化分析······················224.2灰色预测模型预测血吸虫病流行趋势的效果分析·························23第5章结论·················································································25致谢··························································································26参考文献·······················································································27攻读学位期间的研究成果··································································31综述··························································································32VII 中英文缩略词表中英文缩略词表缩略词英文中文GMGreyModel灰色模型WHOWorldHealthOrganization世界卫生组织NTDNeglectedTropicalDiseases被忽视的热带病GISGeographicInformationSystem地理信息系统GPSGlobalPositioningSystem全球定位系统IHAIndirectHemagglutinationTest间接血凝试验SPSSStatisticalProductandServiceSolutions统计产品与服务解决方案SaTScanSatelliteScanStatistics空间计分析软件AutoregressiveIntegratedMovingARIMA求和自回归移动平均模型AverageModelRSRemoteSensing遥感ANNArtificialNeuralNetwork人工神经网络VIII 第1章引言第1章引言血吸虫，也称为裂体吸虫，其成虫寄生在终末宿主的静脉血管内。寄生于人体的血吸虫种类较多，主要有日本血吸虫、曼氏血吸虫、埃及血吸虫、间插[1]血吸虫和湄公血吸虫五种。血吸虫病（Schistosomiasis）是由于人、畜感染了血吸虫所引起的严重危害人类身心健康、阻碍疫区社会经济发展的重大传染病[2]。世界卫生组织（WorldHealthOrganization,WHO）将其列为全球控制目标的十大被忽视的热带病（NeglectedTropicalDiseases,NTD）之一，是仅次于疟疾的[3]第二重点的热带寄生虫病，是21世纪亟待解决的重要公共卫生问题。目前全[4]世界共有76个发展中国家和地区流行血吸虫病，分布于非洲、拉丁美洲和亚洲，尤其是撒哈拉沙漠以南的非洲地区感染最为严重，每年超过20万人死于血[5]吸虫病。大约1000万非洲妇女在妊娠期感染血吸虫病，无临床症状的儿童感染者会出现贫血、生长迟缓，最终将有腹部疼痛、厌食和体重减轻等症状。血吸虫病主要分为两种类型，一种是肠血吸虫病，主要由曼氏血吸虫和日本血吸虫引起，晚期病人出现门静脉高压症、巨脾与腹水；另一种是泌尿生殖系血吸虫病，是由埃及血吸虫引起，可导致血尿、肾衰竭、膀胱癌，同时可以导致生[6]殖器病变，被认为是艾滋病病毒感染的一个危险因素。[7]我国血吸虫病流行已达2100多年，建国以前，长江南北血吸虫病流行猖獗，对我国人民的生命健康危害极大，曾使很多村庄人亡户绝，田园荒芜，毛泽东同志《送瘟神》这首诗中的其中一句“千村薜荔人遗矢，万户萧疏鬼唱歌”，正是描写农村血吸虫病流行的一片悲惨凄凉景象。新中国成立以后，我国对血吸虫病进行了全面普查，采取了积极有效的预防控制措施，血吸虫病的防治工[8][9]作取得了举世瞩目的成就。但近年来，我国部分地区疫情出现了反弹现象，血吸虫病的传播受气候、社会经济和环境等不稳定因素的影响，流行因素复杂，血吸虫病的防治工作仍面临严峻的形势。根据地形地貌、血吸虫病的流行特点及中间宿主钉螺的生态学特征，疫区可分为水网型、湖泊型、山丘型三种类型。其中湖泊型疫区主要分布于长江中下游的江西、湖北、湖南、江苏和安徽五省，疫情最为严重。截至2014年底，2全国推算血吸虫病人115614例，共有钉螺面积364324.42hm，其中江西省血吸2虫病人共25989例，占全国的22.48%，钉螺面积78720.94hm，占21.61%，是1 第1章引言[10]血吸虫病流行较为严重的省份之一。亚洲最大的淡水湿地鄱阳湖位于长江南岸、江西省北部，犹如一只庞大的宝葫芦，系结在万里长江的玉带上。它拥有调洪蓄水、调节气候、降解污染等多种生态功能，是中国重要的生态功能保护区，也是世界自然基金会划定的全[11]球重要生态区，具有吞吐通江湖泊和季节性湖泊的特点，是四大淡水湖中唯一没有富营养化的湖泊。但鄱阳湖冬陆夏水，湖区广袤的湖滩草洲是钉螺孳生繁殖的天堂，为血吸虫病的流行创造了极好的自然环境条件，沿湖12个县是我[12]国血吸虫病流行最严重的疫区之一。1919-1949年，血吸虫的感染威胁到334[13]个村庄15027个家庭，70328人死于血吸虫病。解放后，历经60余年的积极防治，鄱阳湖区血吸虫病疫情虽已大幅度下降，但目前湖区仍有钉螺面积7.782万hm，占江西省有螺面积的95.69%。全省95%以上的血吸虫病患者集中于这一地区，现有血吸虫病患者10万余例，受疾病威胁人口达200余万，病牛9千[14]多头，约占耕牛存栏数的4.5%。由于湖区水位随季节性变化，拥有易于孽生[15]钉螺的广阔洲滩，地理环境和流行因素复杂，人、畜同为传染源，血吸虫病疫情难以得到长期、稳定的控制，这成为江西省血吸虫病防治工作的重点和难[16]点。血吸虫病有着复杂的传播链，其传播受到自然环境、社会和经济环境的影响。在血吸虫病的防治工作中，如何准确、及时地预测血吸虫病疫情成为卫生管理者的难题。预测技术理论是在20世纪40年代，由德国学者费来泰姆首先提出将预测模型应用到血吸虫病疫情上，国外学者为之进行了大量研究。[17]ClementsAC采用贝叶斯统计模型对东非曼氏血吸虫病感染强度进行了预测，结果显示感染强度较高的地区邻近维多利亚湖泊、基奥加湖、爱德华湖北部以[18]及乌干达尼罗河流域；BrookerS结合卫星传感器数据运用Logistic回归开发坦[19]桑尼亚血吸虫病分布的预测地图；EkpoUF应用地理信息系统（GeographicInformationSystem,GIS）结合地表温度、降雨以及地质等环境因素对尼日利亚[20]奥贡州的血吸虫病分布进行了预测；Abdel-RahmanMS运用地理信息系统风险模型对埃及谢赫省血吸虫病疫情及钉螺的分布进行了风险预测；Beck-Woerner[21]C运用贝叶斯数字风险定律对科特迪瓦西部血吸虫病疫情进行了预测，这些研究成果为世界范围内血吸虫病疫情防控策略的制定提供了参考依据。但值得注意的是，国外的血吸虫病疫情以及环境条件与中国的差异较大，因此不能照搬其研究成果。2 第1章引言我国于20世纪80年代将预测理论应用于传染病学预测中。目前，国内血吸虫病疫情预测方法主要集中在时间序列模型和灰色模型。时间序列分析模型是动态分析和预测疾病发展规律的有力工具，可以研究预测对象的历史数据随时间发展的演变规律，并建立数学模型进行外推。优点是不需要收集影响预测[22][23]变量的相关因素，可以通过既往资料快速预测。赛晓勇利用时间序列模型对洞庭湖退田还湖区的血吸虫病发病率进行了预测，结果显示退田还湖后血吸[24]虫病粪检阳性率预测值有升高趋势；YangGJ利用时间序列法对江苏省血吸虫病疫情进行预测，结果发现江苏省70个县中39个县未来几年疫情可能较严重。[25]陈艳艳应用时间序列模型预测湖北省血吸虫病流行趋势，预测结果显示湖北省居民血吸虫病感染率未来5年仍将持续降低，但下降幅度不大。灰色模型由于对样本容量和概率分布没有严格的要求，有助于减少时间序列的随机性，是一种易于推广和应用的预测工具，已经越来越广泛地应用于疾病的预警。GM(1,1)模型是灰色动态模型中最常运用的预测模型，主要用于拟合和预测复杂系统某[26]一主导因素的特征值，以揭示主导因素变化规律和将来发展趋势。近年来，很多学者在GM(1,1)灰色模型预测血吸虫病疫情方面进行了一系列尝试，结果均[27-28]显示该模型拟合效果较好。但是，时间序列法未考虑血吸虫病传播过程中[29]多因素影响的复杂性，预测结果误差较大；而GM(1,1)灰色模型亦未考虑自然[26]因素和社会因素，一般不适于长期预测。以灰色系统GM(1,1)模型为基础建立的等维灰数递补动态预测模型，是一种新陈代谢模型，适用于中长期预测。在预测过程中，不断地更新系统中的数据，[30]提高了灰平面的白色度，从而提高预测精度。并引入环境干涉因子对预测结[31]果进行修正，考虑了外环境变化对疫情趋势的影响。本研究在对鄱阳湖生态经济区九江区域2003-2015年血吸虫病流行状况进行分析的基础上，应用等维灰数递补动态预测模型进行建模并预测，同时引进“环境干涉因子”（社会因素、自然因素）修正预测结果。本研究成果为科学简便地进行血吸虫病疫情预测分析提供科学方法，并为鄱阳湖生态经济区血吸虫病综合防控提供决策依据，对于有效控制本地区血吸虫病流行和促进经济区的可持续发展具有重要的指导意义。3 第2章资料与方法第2章资料与方法2.1资料的来源收集鄱阳湖生态经济区九江区域13个县（市、区）（九江县、彭泽县、德安县、星子县、永修县、湖口县、都昌县、武宁县、浔阳区、庐山区、开发区、瑞昌市、共青城市）2003-2015年血吸虫病人畜查病、化疗数据及螺情监测报表资料。2.2疫情监测方法[32]按照《全国血吸虫病监测方案》的要求进行实施，开展人群病情、家畜病情、螺情等调查工作。2.2.1人群病情监测每年10-11月份，县级疾病预防控制机构对监测点6岁以上的常住居民进行血清免疫学检测，采用间接血凝试验（IndirectHemagglutinationTest,IHA）进行筛查，阳性者（抗体滴度≥1:10）采用改良加藤法（Kato-Katz法）（一粪三片，每份粪样做3张涂片，任何1张涂片上查到血吸虫虫卵即可判为阳性）或尼龙[33]袋集卵孵化法（2011年起）同时进行病原学检查，病原学检测阳性者确诊为血吸虫病病人，同时对当年发生的急性血吸虫感染病人及新发现的晚期血吸虫病病例进行登记。2.2.2家畜病情监测开展人群查病的同时，县级疾病预防控制机构在当地畜牧部门的协助下，以在有螺地带敞放的家畜（主要是耕牛）为监测对象，采用塑料杯顶管孵化法（一粪三检，每份粪便分在三个孵化杯内进行孵化，任何一个杯内发现血吸虫[34]毛蚴即判定为阳性）对随机抽查的家畜进行病原学检查。2.2.3螺情监测调查时间为每年春季，调查范围包括现有钉螺环境（含易感环境和其他有螺环境）、钉螺可疑孳生环境，调查时检获框内全部钉螺，采用压碎镜检法解剖4 第2章资料与方法观察，鉴别钉螺的死活和有无血吸虫尾蚴。对所有查出钉螺的环境采用全球定位系统（GlobalPositioningSystem,GPS）进行定位、面积测量，并收集、汇总有关数据。易感环境：即近2年查获感染性钉螺、发生急性感染病例和人畜常到的生产生活区等环境，采用系统抽样方法（等距离设框调查法）查螺，江、湖、洲滩环境框，线距20m；其他环境框，线距10m设框普查。其他有螺环境：采用环境抽样法查螺，是指根据植被、低洼地等环境生态特点及钉螺栖息习性随机设框调查；可疑环境：即与有螺水系相连或与现有钉螺环境毗邻、引进有螺区植物、水生物的环境以及洪水淹没区等环境，采用环境抽样方法查螺，如果捡获活钉螺，则以系统抽样的方式进行螺情调查。2.2.4流行情况判定标准（1）疫情控制应同时符合下列各项：①居民血吸虫感染率低于5%；②家畜血吸虫感染率低于5%；③不出现急性血吸虫病暴发。（2）传播控制应同时符合下列各项：①居民血吸虫感染率低于1%；②家畜血吸虫感染率低于1%；③不出现当地感染的急性血吸虫病病人；④连续2年以上查不到感染性钉螺。（3）传播阻断应同时符合下列各项：①连续5年未发现当地感染的血吸虫病病人；②连续5年未发现当地感染的血吸虫病病畜；③连续5年以上查不到感染性钉螺；④以县为单位，建立和健全敏感、有效的血吸虫病监测体系。5 第2章资料与方法（4）消除达到传播阻断要求后，连续5年未发现当地感染的血吸虫病病人、病畜和感染性钉螺。2.3中长期灰色预测方法2.3.1灰色预测的基本原理灰色系统理论是1982年中国著名学者邓聚龙教授创立的用于控制和预测的[35]创新性理论，是一种研究少数据、贫信息、不确定性问题的新方法。经过30多年的发展，现已基本建立起一门新兴学科的结构体系。该理论是以“部分信息己知、部分信息未知”的系统作为研究对象，通过对“部分”已知信息的生成，获取有意义的信息，从而实现对系统运行和发展规律的正确描述和有效利[36]用。灰色系统基本理论认为，虽然客观事物表面复杂，数据杂乱无章，但是作为一个系统来说它是有整体功能的，因而系统内部必然存在其规律性，关键在于怎样选择合适的方法加以挖掘和运用。灰色预测模型是通过少量的、不完全的信息，建立数学模型，对数据进行[37]各种处理，减少其随机性并作出预测的一种预测方法。GM(1,1)是目前使用最为普遍的灰色预测模型，对数据及其分布限制要求小，近年来在疾病预测方面得到较多运用。其基本原理是，当一时间序列的趋势并不明显，但将其元素进行“累加”所生成的时间序列则是一趋势明显的数列，按该数列的增长趋势可建立预测模型并考虑灰色因子的影响进行预测，然后采用“累减”的方法进行[38]逆运算，恢复原时间序列，得到预测结果。但随着系统的发展，旧数据所反映的系统演化的作用将逐步减弱，未来的一些干扰因素将会对系统产生影响。[39]同时，随着时间推移，预测值的灰区间越大。等维递补灰数动态预测模型是动态的GM(1,1)模型，在补充新信息的同时，及时去掉旧信息，提高了灰平面的白色度，这样模型由于及时地引入了新的已知白色信息或灰色信息，就更能比较准确及时地反映系统的变化。与一般的灰色模型相比，等维递补灰数模型在[40]中长期预测方面具有显著的优越性和合理性。本预测模型应用于血吸虫病疫情主要是以疫情指标作为原始时间序列，经一次累加弱化原始序列的随机性，增加其平稳程度。根据累加后生成的序列，将预测精度最高的预测序列的维数作为动态预测的维数建立等维递补灰数模6 第2章资料与方法型，并预测未来6年（2015～2020）的结果。2.3.2灰色模型GM(1,1)的建立设由n+1个原始数据组成的时间序列为Xt（t=0,1,2,...n），模型的建立步骤[41]如下：（1）计算累加生成序列原始序列通常是一个不平稳的随机数列，为了弱化其随机程度，增加数据的平稳性，需要按式(2.1)对该原始数据序列进行一次累加生成处理，得到新的数Y据序列ttY=tt∑X(t=0,1,2,..,n)(2.1)i=0（2）移动平均数生成对累加生成数列Y按式(2.2)作移动平均数生成Ztt1Z=t(Ytt+Y−1)(t=0,1,2，..，n)(2.2)2（3）建立GM(1,1)模型灰色微分方程模型^Yt估计值Yt的一阶线性微分方程为：^dYt^+=αµYt(2.3)dt按微分方程的求解方法得到：^µµ−αtYXet=−+=0(t0,1,2..,n)(2.4)αα式中X为初始时刻（t=0）的原始数据，α为发展系数，µ为灰色作用量。0按照最小二乘法估计参数向量，按矩阵运算法得到其表达式为：nnnn2∑∑∑∑ZtXt−ZtXZtt(2.5)tt=11=tt=11=µ=Dnnn∑∑∑XtZt−nZXtt(2.6)tt=11=t=1α=D2nn2其中DnZ=∑∑tt−Z(2.7)tt=11=^（4）计算Xt的估计值Xt7 第2章资料与方法^^^(2.8)XYYtttt=−=−1(1,2,..,)n2.3.3GM(1,1)模型精度检验为了确保模型的拟合精度和预测能力，需对模型进行检验，检验的方法通常有三种，关联度检验，是对模型曲线形状与实际曲线形状几何相似程度进行检验，属于几何检验范围；残差大小检验，对模拟值和实际值的残差进行逐点检验，属于算术检验；后验差检验，对残差分布的统计特性进行检验，衡量灰[42]色模型的精度，属于统计检验。本文采用后验差检验，检验步骤如下：（1）计算残差δ及δ的样本总体的标准偏差S1^δ=X−=Xt(t1,2,..,)n(2.9)()ttn∑(δδ()t-)(2.10)t=1S=1n（2）计算原始序列X样本总体的标准偏差St2n2∑(X-Xt)(2.11)t=1S=2n（3）计算方差比C值和小误差概率PS1C=，P=pδδ-<0.6745S(2.12){()t2}S2若对给定的C>0，当C0，当PP>时，称模型为小残差合格模型。C越小，P越大，预测精度越00高。根据C、P值的计算结果，按表2.1的标准进行模型预测精度的等级判定。表2.1灰色预测模型的精度等级判定标准精度等级均方差比值C小误差概率P一级（优秀）<0.35>0.95二级（合格）<0.5>0.80三级（勉强合格）<0.65>0.70四级（不合格）≥0.65≤0.702.3.4不同维数GM(1.1)模型的优选GM(1,1)模型的维数是指建立模型所用原始数据的个数，即样本容量。一般8 第2章资料与方法情况下，所选取的数据序列个数不同，得到的预测模型和预测结果就会不同，其预测精度也会产生影响。通常GM(1,1)模型只需要4个以上的数据序列就可以进行建模预测，但是对于样本量充足的指标不一定维数越多所建立模型的预测精度就越高，而是要根据预测指标的历史变动趋势选取预测精度最好的维数进[43]行建模预测。2.3.5等维递补灰数动态预测根据所建立的GM(1,1)预测模型，预测第一个值，然后把这个值补充到已知数列中，同时去掉最老的一个数据，使数列等维，再根据这个新数列重新构建GM(1,1)模型并预测下一个值。利用预测灰数新陈代谢，逐一预测，依次递补，直到完成预测目标。2.3.6环境干涉因子修正预测值把经济、政策、水文、气象以及灾害等因素突变对血吸虫病的影响，称为[31]环境突变因素作用。它对系统行为的发展具有后效性，对系统影响力的大小称为环境干涉因子F。引入环境干涉因子对模型预测值进行修正。设有非负时间序列：（）00（）（）0（）0X=X()12，X()，..,Xn()(2.13)（）0（）0对X数据作级比生成，得增长比率U，（0）（）0X(n+1)U=(2.14)（）0Xn()A（）0为Xˆ（）0数据序列增长比率，取（）00（）Fn(+++111)=U(n)-A(n)(2.15)F>0表示抑制性政策，说明增长比率高于平均数；F=0表示环境突变因素作用取平均数；F<0表示扶植性政策，说明增长比率低于平均数。经过F修正的预测模型为：Xˆ（）00(n+1)=Xˆ（）(n+×±11)Fn(+1)(2.16)修正后预测值原预测值2.3.7模型的预测内容及评价应用GM(1,1)模型对2005-2014年鄱阳湖生态经济区九江区域人群血吸虫感染率、耕牛阳性率及钉螺面积三项疫情指标进行建模，动态预测2015-2020年九江区域血吸虫病疫情的变化趋势，并与2015年的实际数据进行对比分析，选用9 第2章资料与方法[44]相对误差评价模型的预测效果，当相对误差小于0.40时，模型预测合格。2.4分析指标计算公式血检阳性数①血检阳性率(%)=×100血检人数粪检阳性数②粪检阳性率(%)=×100粪检人数血检阳性数粪检阳性数③人群血吸虫感染率(%=)××100血检人数粪检人数检查时新发病例数④晚期血吸虫病新发率(1)=×10000万同期观察人口数查出有螺村数⑤有螺村查出率（）%=×100流行村数查出钉螺面积⑥钉螺查出率（）%=×100查螺面积2.5统计分析方法利用SPSS19.0软件对疫情数据进行相关指标的统计描述、比较和趋势分析，应用灰色系统建模软件7.0版实现灰色预测模型的建模、拟合及预测等过程，模型的精度检验采用EXCEL2007，规定检验水准α=0.05。10 第3章结果第3章结果3.1流行区基本概况及达标情况2003-2015年，鄱阳湖生态经济区九江区域有13个血吸虫病流行县（市、区），流行乡、村数分别由145、790个减少至139、753个。2015年流行县总人口数421.12万人，流行村总人口数156.89万人，较2003年均有所增加。见表3.1。2003年有2个县达到传播阻断标准，2005年至2015年血吸虫病传播阻断县数一直保持在4个。2003-2015年血吸虫病传播控制县数由5个增加至9个，未达到传播控制的县数则从6个减少到0个。传播阻断乡由44个增加到56个，传播控制乡数由58个增至83个，未达到传播控制的乡数在2003-2006年期间小幅度增多后减少至0个，见表3.2。2015年血吸虫病流行区县分布情况如图3.1。表3.12003-2015年鄱阳湖生态经济区九江区域血吸虫病流行概况流行县人口数流行村人口数年份流行县数流行乡数流行村数（万人）（万人）200313145790371.27151.33200413145763378.53152.62200513143765383.98148.63200613143765386.94149.47200713137762390.78150.17200813137763390.06152.35200913137769391.79153.56201013138754395.74152.96201113138756407.67155.92201213138756409.31155.82201313138754414.06156.32201413135742381.75153.43201513139753421.12156.8911 第3章结果表3.22003-2015年鄱阳湖生态经济区九江区域血吸虫病达标情况流行县流行乡年份未达到未达到传播阻断传播控制传播阻断传播控制控制标准控制标准200325644584320043464447542005436533456200643653345620074365132542008436533549200943653354920104365540432011436555627201245455592420134635573102014472527310201549056830图3.12015年九江市县(市、区)血吸虫病流行状况12 第3章结果3.2人群血吸虫病流行与查治情况3.2.1人群血吸虫感染率变化及防治情况研究结果显示，2003-2015年鄱阳湖生态经济区九江区域不同年份的人群血2检阳性率的差异有统计学意义（χ=141878.354，P<0.001），且总体趋势是下降2的（趋势卡方检验χ=128261.849，P<0.001），人群血检阳性率由2003年的15.09%下降到2015年的2.12%，下降了85.95%；进而对血检阳性人群进行粪检，分析结果显示不同年份粪检阳性率之间差异有统计学意义2（χ=9787.854，P<0.001），整体亦有明显下降趋势（趋势卡方检验2χ=6931.023，P<0.001）。2003-2007年人群血吸虫感染率下降缓慢，且有所波动，而2008年之后开始大幅度下降，降至较低的水平，由2003年的0.75%下降到2015年的不到0.01%。2003-2015年期间，急性感染者的治疗人数快速减少，慢性、晚期血吸虫病病人的治疗人数逐渐增加后又有稳步下降趋势。且人群防治逐步得到加强，尤其是从2007开始，扩大化疗人数显著增多，从2003年的16154人增加至2015年的149795人，增加了89.22%，结果详见表3.3及图3.2。表3.32003-2015年鄱阳湖生态经济区九江区域人群血吸虫病查治情况血检IHA粪检Kato-Katz治疗病人数扩大感染率年份检查阳性阳性率检查阳性阳性率化疗（%）急性慢性晚期合计人数人数（%）人数人数（%）人次数20031611082431415.091782134074.95560.74794928316300286651615420041617642843117.5756120473302.73930.48144327647495281853369120053194364852615.19112651611144.20120.63824443182475437019533920063579194456212.450369842343.35050.41712951565668522629125720073852824169910.82303582622436.26080.6776938875892397761224302008438947350667.98875813111071.90430.15213347721477362521026142009436919283306.48405727612192.12830.13805279901848298431096652010549358337606.14548229215311.86040.11431334062171355781284572011595080309155.1951809467910.97720.05080313901912333021351792012579267293995.0752377551480.39200.01991295781799313781341522013576388303355.2629846692610.30830.01628302481751320071296432014638479205653.220946704290.06210.00200204891912224011507872015498816105952.124045331260.05740.0012010538158712125149795注：2008年以后监测方案有变化，部分人群没有参加血检，直接参加粪检。13 第3章结果0.80.7感染率（0.60.50.4%）0.30.20.10年份2003200420052006200720082009201020112012201320142015图3.22003-2015年鄱阳湖生态经济区九江区域人群血吸虫病感染情况3.2.2急性感染及晚期血吸虫病病例2003-2005年鄱阳湖生态经济区九江区域急性感染发病人数均在40例以上，病例数比例为70.83%（136/192）。2006年以后急性感染病例数呈现快速下降趋势，至2007年降至10例以下，且2011年、2014年和2015年无急性感染病例发生。但2013年湖口县舜德乡屏峰村发生8例急性血吸虫病患者的突发疫情，病人都有在河垅堰鄱阳湖滩的疫水接触史。2003-2010年，晚期血吸虫病患者逐渐增加，由2003年的1311例增加至2010年的2427例，增加了85.13%。而2011年以后，晚期血吸虫病患者有所减少。2003年晚期血吸虫病新发率为4.09/万，2015年新发率为0.96/万，下降了76.53%，晚期血吸虫病新发率2003-2010年期间波动较大，之后快速下降，详见表3.4。表3.42003-2015年鄱阳湖生态经济区九江区域急性和晚期血吸虫病感染情况急性血吸晚期血吸虫病年份查病总人数虫病例数病例数新发例数新发率（1/万）2003166449491311684.085320041638004313971177.142920053309254414911223.686620063618712914622075.72032007396671914852967.46212008443876318193076.8713200946234352160921.98992010605285124272914.80772011600870023431031.7142201258202912322931.5979201357772882243601.0386201463932401602450.7039201549958501621480.960814 第3章结果3.3耕牛血吸虫病流行与查治情况鄱阳湖生态经济区九江区域耕牛查病及防治的各项指标见表3.5及图3.3。耕牛存栏数逐年减少，由2003年的59762头减少至2015年的12068头，减少了47694头，减少率为79.81%。耕牛粪检阳性率由2003年的3.74%下降至2015年的0.07%，下降了98.13%。在2005-2006年和2009-2010年期间耕牛血吸虫病疫情出现反复，但总体仍呈现波动下降趋势。卡方检验结果显示，不同年份的2耕牛阳性率之间差异有统计学意义（χ=1932.972，P<0.001），且趋势卡方检2验结果显示耕牛阳性率有下降的变化趋势（χ=1448.374，P<0.001）。2003-2015年累计治疗和扩大化疗耕牛19.73万头。表3.52003-2015年鄱阳湖生态经济区九江区域耕牛血吸虫病查治情况流行村检查阳性阳性率治疗扩大年份存栏数牛头数头数（%）头数化疗头数200359762260639743.7371974118732004431863961613583.4279135012004200539938229439364.07979358220200638221104454354.164741212207200728432166533321.993625012204200824182152553001.966628011445200925188205813631.763836312287201025446198166983.522466412939201124901263202560.972625219510201223374228691880.8221176180532013169027378430.58281152201120141593611419300.26273923173201512068729550.06855155784.54阳性率（3.532.5%2）1.510.50年份2003200420052006200720082009201020112012201320142015图3.32003-2015年鄱阳湖生态经济区九江区域耕牛血吸虫病阳性率变化情况15 第3章结果3.4螺情调查及控制情况3.4.1钉螺调查情况的动态分布2015年查出有钉螺分布的村数为309个，较2004年增加了131个村，各年2份有螺分布村的查出率不同（χ=104.086，P<0.001），且呈波动性增加趋势（趋2势卡方检验χ=64.455，P<0.001）。钉螺面积查出率由2004年的46.00%减少至2015年的23.04%，减少了49.92%。期间，2004-2009年钉螺面积查出率有所上升，2009年达到最高为54.83%，之后钉螺面积查出率逐年下降，详见表3.6。表3.62003-2015年鄱阳湖生态经济区九江区域钉螺调查情况的分布流行查出有螺村查螺面积查出钉螺年份22村数有螺村数查出率（%）（hm）钉螺面积（hm）查出率（%）200476317823.329017790.868184.4446.0036200576524532.026112792.636210.3648.5464200676528837.647114002.166429.3945.9171200776227636.220413384.646355.9447.4868200876328036.697212875.396437.7550.0004200976926334.200312198.276688.8254.8342201075432142.572917128.507665.8644.7550201175630239.947121079.867438.8235.2888201275631041.005328078.977822.0027.8571201375430240.053127439.257517.5727.3971201474230641.239933800.987796.8323.0669201575330941.035934571.387964.3923.0375注：2003年螺情资料缺失。3.4.2钉螺面积变化及灭螺情况研究资料显示，2004至2005年钉螺面积有所回升，2005-2015期间，钉螺2面积维持在24000~24800hm之间，且有缓慢增加趋势。2004年的垸外湖沼型22钉螺面积为18925.74hm，其后十一年稳定在22997.25±174.5hm之间；同时2垸内湖沼型钉螺面积显著下降，至2014年已减为0hm。山丘型钉螺面积20052年以来维持在1474.79±67.89hm之间，面积变化不大。该区域针对有螺环境采取的措施是以药物灭螺为主，辅以环境改造。灭螺总面积呈波动增加趋势，由222004年的4486.65hm上升至2015年的7158.12hm，增加了59.54%，其中药物2灭螺力度逐渐增大，2015年药物灭螺面积达7088.37hm，占灭螺总面积的16 第3章结果299.03%。环境改造灭螺面积变化较大，2011年面积最多达1225.76hm。见表3.7和图3.4。表3.72003-2015年鄱阳湖生态经济区九江区域钉螺面积和灭螺情况22实有钉螺面积（hm）灭螺面积（hm）年份湖沼型环境改总面积山丘型总面积药物灭螺垸外垸内造200423119.6118925.743058.991134.884486.653939.91546.74200524498.3722930.0076.441491.933782.203765.1917.01200624627.1022983.7766.061577.274292.404292.400.00200724468.6322837.2849.071582.284913.514885.9727.54200824234.7122761.5810.611462.523887.853771.84116.01200924249.2622771.7523.881434.363979.783903.4076.38201024346.9222896.1423.881426.904234.224079.83154.39201124454.7823013.2532.451409.085945.004719.241225.76201224639.6223181.9232.451425.255399.475243.94155.53201324625.4623181.293.871440.305923.655904.1419.51201424613.7223202.880.001410.837022.007008.5213.48201524704.7323142.710.001562.027158.127088.3769.75注：2003年螺情资料缺失。260002550025000钉螺面积2450024000（23500公顷23000）22500220002150021000年份2003200420052006200720082009201020112012201320142015图3.42004-2015年鄱阳湖生态经济区九江区域钉螺面积变化情况17 第3章结果3.5中长期灰色预测模型的建立及预测3.5.1GM(1,1)模型的建立及精度检验根据2005-2014年鄱阳湖生态经济区九江区域人群血吸虫感染率、耕牛阳性率及钉螺面积三项疫情指标数据，按照方法部分的公式，结合灰色系统建模软件建立GM(1,1)模型并进行后验差检验，参照表2.1的精度等级判定标准，可认为所建立的三个模型拟合精度为一级。模型及精度检验结果见表3.8，各模型的拟合情况见图3.5、图3.6及图3.7，模拟序列与原始序列吻合较好。表3.8鄱阳湖生态经济区九江区域血吸虫病疫情指标预测模型及精度检验均方差比值小误差概率疫情指标维数GM(1,1)模型CP人群感染率ˆ=1.2615−0.7420t九维Xet+10.27771（%）耕牛阳性率Xeˆ=6.7392−0.7422t六维t+10.26321（%）钉螺面积Xˆ=24142.04780.0032t2八维t+10.33091（hm）0.70.60.5原始序列感染率（模拟序列0.4%）0.30.20.10年份20052006200720082009201020112012201320142015图3.52006-2014年鄱阳湖生态经济区九江区域血吸虫人群感染率预测值和实际值比较18 第3章结果43.5耕牛阳性率（3原始序列2.5模拟序列2%）1.510.50年份20082009201020112012201320142015图3.62009-2014年鄱阳湖生态经济区九江区域血吸虫耕牛阳性率预测值和实际值比较2480024700钉螺面积（公顷）24600原始序列模拟序列2450024400243002420024100年份2006200720082009201020112012201320142015图3.72007-2014年鄱阳湖生态经济区九江区域钉螺面积预测值和实际值比较3.5.2等维递补灰数动态预测结果根据公式计算2005-2014年人群血吸虫感染率、耕牛阳性率及钉螺面积三项疫情指标的环境干涉因子F见表3.9，其中F均值为F绝对值之和的平均。采用等维递补灰数动态预测2015-2020年血吸虫病疫情趋势，预测过程中始终保持各方程的维数，取环境干涉因子F均值的正负值计算预测结果的波动范围。预测结果显示，2016-2020年人群血吸虫感染率预测值分别为0.0078%、0.0021%、0.0003%、0.0003%、0.0002%，耕牛阳性率预测值分别为0.1466%、0.0580%、20.0208%、0.0214%、0.0249%，钉螺面积预测值分别为24850.69hm、24915.832222hm、24974.10hm、25030.61hm、25124.46hm。预测结果提示，人群血吸虫19 第3章结果感染率及耕牛阳性率未来几年总体呈下降趋势，钉螺面积有缓慢增长趋势，详见表3.10。表3.9鄱阳湖生态经济区九江区域血吸虫病疫情指标环境干涉因子疫情环境干涉因子（F）(0)AF均值指标F(2)F(3)F(4)F(5)F(6)F(7)F(8)F(9)F(10)人群感染0.12931.1003-0.29970.38310.3041-0.0798-0.13250.2899-0.46250.52420.3535率（%）耕牛阳性0.2607-0.28140.22630.13681.2369-0.48400.0851-0.0512-0.30940.76010.3413率（%）钉螺面积0.0048-0.0069-0.01000.00010.00360.00400.0071-0.0010-0.00101.00050.00432（hm）表3.10鄱阳湖生态经济区九江区域血吸虫病疫情指标预测值和修正值2人群感染率（%）耕牛阳性率（%）钉螺面积（hm）年份九维修正值修正值六维修正值修正值八维修正值修正值预测值（+F）（-F）预测值（+F）（-F）预测值（+F）（-F）20150.00160.00220.00100.07850.10530.051724765.0224871.5124658.5320160.00780.01060.00500.14660.19660.096624850.6924957.5524743.8320170.00210.00280.00140.05800.07780.038224915.8325022.9724808.6920180.00030.00040.00020.02080.02790.013724974.1025081.4924866.7120190.00030.00040.00020.02140.02870.014125030.6125138.2424922.9820200.00020.00030.00010.02490.03340.016425124.4625232.5025016.423.5.3预测结果验证将2015年的血吸虫病疫情实际数据与预测值进行比较分析，2015年的人群血吸虫感染率、耕牛感染率、钉螺面积的实际值和预测值的相对误差分别为0.3333、0.1460、0.0024，小于预先给定的相对误差0.40，精确度分别为66.67%、85.40%、99.76%，且实际值均在修正值区间内，说明2015年的血吸虫病疫情预测结果较好，见表3.11。表3.112015年鄱阳湖生态经济区九江区域血吸虫病疫情指标预测结果分析疫情指标实际值预测值修正值范围相对误差精确度（%）人群感染率（%）0.00120.00160.0010～0.00220.333366.67耕牛阳性率（%）0.06850.07850.0517～0.10530.146085.402钉螺面积（hm）24704.7324765.0224658.53～24871.510.002499.7620 第4章讨论第4章讨论血吸虫病是由血吸虫成虫寄生于人体所引起的地方性疾病，在全球卫生条件比较差的国家和地区血吸虫仍是引起疾病的一个重要原因，亦是严重的公共卫生问题之一。目前全世界每30个人中就有1个是血吸虫病病人，感染血吸虫且出现症状的患者有1亿2000万人，其中有2000万人出现严重的临床症状，[45]10%的慢性血吸虫病感染者将出现器官损害。我国主要流行的是日本血吸虫病，建国之初，血吸虫病主要流行于长江流域的12个省380个县，全国共有血吸虫病病人1200余万，病牛120余万头，2钉螺面积达148亿m，对我国人民的身心健康产生极大的危害，严重制约社会[46]经济的发展。近半个多世纪以来，通过采取大面积的药物灭螺、人畜同步化疗、一建三改（建沼气池、改厕、改圈、改厨）、安全供水、粪便管理、健康教育、环境改造等综合预防控制措施，血吸虫病疫情在很大程度上得到了有效控[47]制，血吸虫病的防治工作取得了显著成效。截至2014年底，全国12个血吸虫病流行省（直辖市、自治区）中，浙江、福建、广东、广西、上海等省（直辖市、自治区）已达到传播阻断标准，湖北、江苏、四川、及云南4省已达到传播控制标准，而江西、湖南和安徽3省尚处于疫情控制阶段。全国血吸虫病人主要集中在湖区4省，即江西、湖北、湖南、安徽，占全国病人总数的93.95%。2[10]全国实有钉螺面积364324.42hm，其中湖沼型占96.62%。国务院于2009年12月12日正式批复《鄱阳湖生态经济区规划》，标志着[48]建设鄱阳湖生态经济区正式上升为国家战略。鄱阳湖是我国第一大淡水湖，为长江流域最大的通江湖泊，江湖关系独特，承纳赣江、抚河、信江、饶河、修河五大水系，经调蓄后，由湖口注入我国第一大河——长江，每年流入长江[49]的水量超过黄河、淮河、海河三河水量的总和。但同时鄱阳湖区辽阔的湖滩草洲、周期性淹水，是钉螺良好的孳生、繁殖场所，也是我国血吸虫病的高发[50][51]区。鄱阳湖区60%以上水面面积位于九江市境内，其中九江市下辖的湖口县、都昌县、庐山区、星子县、永修县和共青城市六个县区（简称滨湖县区）占沿湖12个血吸虫病流行县（市、区）的二分之一，因此鄱阳湖生态经济区九江区域的血吸虫病疫情现状、变化趋势及防治过程中所存在问题对于整个鄱阳湖区域具有一定的代表性。21 第4章讨论4.1鄱阳湖生态经济区九江区域血吸虫病疫情变化分析本研究资料的结果显示，鄱阳湖九江区域2003年有6个县（市、区）、43个乡未达到传播控制标准，至2015年全部县乡均达到传播控制标准，且新增2个县、12个乡达到传播阻断标准，这为全江西省实现《全国预防控制血吸虫病[52]中长期规划纲要（2004-2015年）》奠定了良好的基础。人、畜病情分析显示，人群血吸虫感染率整体呈下降趋势，但2003-2007年感染率下降缓慢，而2008年之后开始大幅度下降，降至0.01%以下水平。急性血吸虫病感染者呈现快速下降趋势，但2013年出现突发疫情一起。晚期血吸虫病治疗人数和晚期血吸虫病新发率均出现逐渐增加后又有稳步下降趋势，2003-2010年晚期血吸虫病新发率[53-56]升高的可能原因，一是我国实施晚血救助补助政策以来，各地加大了筛查工作力度，查出了一批老患者，新发现晚期血吸虫病人数仍维持在较高水平；二是以往查、治病过程中，少数病人漏查漏治，发展成晚期血吸虫病患者；三是晚期血吸虫病患者的发生一般须经过较长时间的病理进展过程。耕牛阳性率由2003年的3.74%下降至2015年的0.07%，下降了98.13%，已降至历史最低[57]水平。有研究显示，2007-2013年湖北省和湖南省的部分地区耕牛血吸虫阳性率由3.66%降至0.65%，下降了82.24%。这表明采取以机代牛和封洲禁牧措施[58]可明显降低耕牛阳性率，更好地控制了传染源，从而阻断血吸虫病的传播。螺情监测结果显示，鄱阳湖生态经济区九江区域实有钉螺总面积在2005年回升2以后，维持在24000~24800hm之间居高不下，且主要分布在环境复杂、易受水位影响、灭螺难度较大的湖沼垸外地区。分析其可能的原因，其一，三峡水利枢纽工程蓄水会延长鄱阳湖枯水期，加重鄱阳湖旱情，进而扩大湖滩草洲面积，而湖滩草洲是钉螺理想栖息地，其二，受环境保护、湿地保护、水资源保护等政策影响，鄱阳湖生态经济区核心保护区域禁止药物灭螺和环境工程改造，因[59]此钉螺面积维持在较高水平。综上所述，鄱阳湖生态经济区九江区域血吸虫病疫情近十几年来总体呈现下降趋势，并已达到疫情控制标准，其原因是多方面的。由于21世纪初，世界银行贷款中国血吸虫病控制项目的结束，加之一些地区发生洪涝灾害，血吸虫[60-61]病疫情出现反弹。2005年以来，江西省采取了“控制疫情、缩小疫区、最后根治”的战略部署，全面推进中央血防项目，有效落实以控制传染源为主的[62]血吸虫病综合防治策略，实施改水改厕、以机代牛、查灭钉螺、大力开展人畜查治病、对接触疫水的高危人群给予预防性服药及卫生宣传教育，特别是加22 第4章讨论强了对重疫区人群化疗，减少血吸虫病病情非常明显。在疫情下降的同时，鄱阳湖九江区域血吸虫病防治工作仍然面临挑战。2013年湖口县突发血吸虫病疫情，8例急性感染病例均有在河垅堰鄱阳湖滩下水捕鱼的接触疫水史，这提示疫区居民自我防范意识不足，且疫区居民大多数为农民，其文化水平偏低，不懂得防患于未然，而他们接触疫水几率高，是血吸虫病的高危人群，导致血吸虫病疫情呈“隐匿”状态，一旦放松监测力度，疫情容易[63-64]反复。另一方面，蓄水工程引起鄱阳湖的水位的变化，会直接影响到湖滩草洲的发育与分布，湖滩草洲浅水期延长，有螺面积随之扩大，人、畜上滩活动增多，人群接触疫水时间相应增加，从而使部分地区的人、畜感染率升高，[59]进而加剧急性血吸虫病的流行，导致防治效果难以巩固。4.2灰色预测模型预测血吸虫病流行趋势的效果分析对于传染病疫情趋势的预测一直是流行病学所关心的焦点问题之一。灰色[65,66]模型由于所需数据单一，适应性强，在医学领域得到了广泛应用。本研究采用的是以GM(1,1)模型为基础建立的等维灰数递补动态预测方法，在预测的过程中,不断地更新系统中的数据,提高了灰平面的白色度，从而提高了预测精度。[67]有研究表明，数列维数不同，所预测的结果也会不同。本文针对血吸虫病人群感染率、耕牛阳性率、钉螺面积三项疫情指标，将预测精度最高的预测序列维数作为动态预测的维数建立了预测模型，并对每个模型进行了后验差检验，结果显示模型精度均为优秀。从2005-2014年资料建立的模型预测结果可以看出，在今后几年内，人群血吸虫感染率及耕牛阳性率未[28,39]来呈缓慢下降趋势，钉螺面积有增长趋势，这与国内相关研究的结论相符合。本研究将2015年的预测结果进行了验证，结果显示人群血吸虫感染率、耕牛感染率、钉螺面积的实际值均在修正值区间内，实际值和预测值的相对误差均小于预先给定的相对误差0.40，说明2015年的血吸虫病疫情预测结果较好。但2015年血吸虫病人群感染率的预测精度仅为66.67%，预测结果的精度未完全达到90%以上，说明本研究所建立的模型在实践应用中还需要进一步修正和完[26]善。事实上，任何一种预测模型都会有一定的偏差。本研究在预测过程中引入环境干涉因子修正预测结果，考虑了自然环境、社会和经济环境对血吸虫病疫情趋势的影响，所得到的预测值是一个区间，而23 第4章讨论[31]不是单一的点值。本文所拟合的模型用到的数据仅包括时间和三项预测指标，在预测过程中虽然考虑了外环境的变化，但未将气象、社会经济、水文等众多影响血吸虫感染的因素作为变量纳入到模型中去，在今后血吸虫病疫情预测研究中，应收集血吸虫病疫情监测资料中相关影响因素的变量，根据数据特征选择多种预测方法，尝试将影响血吸虫病的多种因素综合起来用于血吸虫病疫情[68-70]的预测研究，建立预测效果更好的模型，以便更加准确地掌握血吸虫病疫情的变化趋势，为鄱阳湖生态经济区血吸虫病防控措施的制定提供可靠依据。24 第5章结论第5章结论（1）鄱阳湖生态经济区九江区域血吸虫病疫情达到控制标准，人、畜疫情指标整体上呈下降趋势，均控制在较低水平，但钉螺面积有回升趋势。（2）等维递补灰数动态预测模型对血吸虫病疫情的预测效果较好，为鄱阳湖区及同类地区血吸虫病疫情流行或爆发的预警提供了方法学依据，同时在今后血吸虫病疫情预测工作中仍有需要改进和完善的地方。25 致谢致谢三年硕士研究生生活即将结束，因为有了很多人对我的指导和关爱，这段旅程是既充实而又美好的。我最大的荣幸就是能够师从汪鑫教授，衷心感谢导师在学业上对我谆谆教诲和精心培养，在生活上给予我家人般的关怀。您开阔的科研视野、严谨的学术作风、宽厚仁慈的胸怀、平易近人的待人态度和高度的敬业精神是值得我终身学习的。虽然我不是您最出色的学生，但您却是我心目中最出色的老师！在此，谨向我敬爱的导师致以最诚挚的敬意和由衷的感谢，谢谢您对我的帮助和栽培。衷心感谢南昌大学公共卫生学院全体老师们，正是你们教授的知识和技能，让我的课题得以顺利完成。衷心感谢江西省疾病预防控制中心给予我实践的机会，谢谢慢防所朱丽萍所长以及其他老师在实习期间对我的无私指导和热情帮助。特别感谢九江学院杨万水老师、范文燕老师、黄邵鑫博士、赵浩师兄在课题上对我的悉心指导以及论文修改过程中的帮助。感谢研究生期间所有帮助过我的同学，在你们的陪伴下，我的研究生生活分外充实！最后，我要深深地感谢我的家人，你们对我无私的关爱、理解、支持和鼓励是我不断前行的动力，并让我对明天充满期待。王玲2016年5月26 参考文献参考文献[1]项剑.鄱阳湖水位变化影响下的血吸虫病传播[J].价值工程,2014,33(27):315-316.[2]中华人民共和国卫生部疾病控制司.血吸虫病防治手册[M].上海科学技术出版社,2000.[3]Jenkins-Holick,D.S.,andKaul,T.L.Schistosomiasis[J].UrologicNursing,2013,33(4):163-170.[4]周晓农,姜庆五,郭家钢.我国血吸虫病传播阻断实现路径的探讨[J].中国血吸虫病防治杂志,2012,24(1):1-4.[5]龚震宇(摘译),杨小平(审校).全球血吸虫病流行概况[J].疾病监测,2011,26(6):504-504.[6]NdeffoMbahML,PoolmanEM,DrainPK,etal.HIVandSchistosomahaematobiumprevalencescorrelateinsub‐SaharanAfrica[J].TropicalMedicine&InternationalHealth,2013,18(10):1174-1179.[7]ZhouXN,WangLY,ChenMG,etal.ThepublichealthsignificanceandcontrolofschistosomiasisinChina—thenandnow[J].Actatropica,2005,96(2):97-105.[8]DömlingA,KhouryK.Praziquantelandschistosomiasis[J].ChemMedChem,2010,5(9):1420-1434.[9]McManusDP,GrayDJ,RossAG,etal.SchistosomiasisresearchinthedongtinglakeregionanditsimpactonlocalandnationaltreatmentandcontrolinChina[J].PLoSNeglTropDis,2011,5(8):e1053.[10]雷正龙,张利娟,徐志敏,等.2014年全国血吸虫病疫情通报[J].中国血吸虫病防治杂志,2015,27(006):563-569.[11]温珍梁,李琳.建设富裕和谐秀美江西——江西生态文明建设的实践与路径选择[J].资源节约与环保,2013(9):77-78.[12]王玲,杨万水,汪鑫,等.鄱阳湖生态经济区血吸虫病疫情预测的研究[J].现代预防医学,2015,42(007):1293-1296.[13]ChenH,LinD.TheprevalenceandcontrolofschistosomiasisinPoyangLakeregion,China[J].Parasitologyinternational,2004,53(2):115-125.[14]中华人民共和国卫生部.2009中国卫生统计年鉴[M].中国协和医科大学出版社,2000.[15]余心乐,涂菲,刘影.鄱阳湖区有螺洲滩分布特征研究[J].江西科学,2011,29(2):295-298.[16]汪鑫,范文燕,牛力,等.鄱阳湖生态经济区血吸虫病疫区居民血防认知和行为干预效果评价[J].现代预防医学,2014,41(4):658-660.[17]CLEMENTSACA,MOYEEDR,BROOKERS.BayesiangeostatisticalpredictionoftheintensityofinfectionwithSchistosomamansoniinEastAfrica[J].Parasitology,2006,133(06):711-719.27 参考文献[18]BrookerS,HaySI,IssaeW,etal.PredictingthedistributionofurinaryschistosomiasisinTanzaniausingsatellitesensordata[J].TropicalMedicine&InternationalHealth,2001,6(12):998-1007.[19]EkpoUF,MafianaCF,AdeofunCO,etal.GeographicalinformationsystemandpredictiveriskmapsofurinaryschistosomiasisinOgunState,Nigeria[J].BMCInfectiousDiseases,2008,8(1):1.[20]Abdel-RahmanMS,El-BahyMM,MaloneJB,etal.GeographicinformationsystemsasatoolforcontrolprogrammanagementforschistosomiasisinEgypt[J].Actatropica,2001,79(1):49-57.[21]Beck-WoernerC,RasoG,VounatsouP,etal.BayesianspatialriskpredictionofSchistosomamansoniinfectioninwesternCôted’Ivoireusingaremotely-senseddigitalelevationmodel[J].TheAmericanjournaloftropicalmedicineandhygiene,2007,76(5):956-963.[22]龙芳.岳阳县人患血吸虫病疫情时空分异规律研究[D].长沙:湖南师范大学,2011.[23]赛晓勇,闫永平,张治英,等.时间序列分析预测洞庭湖区退田还湖试点血吸虫病疫情变化趋势[J].中国寄生虫病防治杂志,2004,17(6):353-355.[24]YangGJ,GemperliA,VounatsouP,etal.Agrowingdegree-daysbasedtime-seriesanalysisforpredictionofSchistosomajaponicumtransmissioninJiangsuprovince,China[J].TheAmericanjournaloftropicalmedicineandhygiene,2006,75(3):549-555.[25]陈艳艳,蔡顺祥,肖瑛,等.应用时间序列模型预测湖北省血吸虫病流行趋势[J].中国血吸虫病防治杂志,2014,6:008.[26]张妹,张强,尹治成.灰色模型在血吸虫病感染率预测中的应用[J].现代预防医学,2007,34(7):1291-1293.[27]赛晓勇,闫永平,张治英,等.GM(1,1)模型在洞庭湖区濠口试点血吸虫病发病预测中的应用[J].疾病控制杂志,2005,9(1):29231.[28]张旭东,沈思魁,刘阳,等.应用灰色预测模型GM(1,1)对四川省血吸虫病人群感染率进行分析及预测[J].预防医学情报杂志,2012,28(3):181-183.[29]赛晓勇,张治英,徐德忠,等.不同时间序列分析法在洞庭湖区血吸虫病发病预测中的比较[J].中华流行病学杂志,2004,25(10):863-866.[30]郑健,孙文娟.基于等维灰数递补动态GM(1,1)模型的城市大气环境质量预测研究[J].内蒙古师范大学学报:自然科学版,2013,42(5):583-589.[31]段琼红,段纪俊,杨念念,等.2003~2011年武汉市大肠癌死亡趋势预测[J].中国公共卫生,2005,21(2):147-148.[32]中国疾病预防控制中心.全国血吸虫病监测方案(2011年修订版),中疾控发[2011]336号.[33]陈喆,辜小南,吕尚标,等.2005~2014年江西省血吸虫病国家监测点疫情分析[J].热带病与寄生虫学,13(4):193-196.[34]李岳生.血吸虫病实用防治技术[M].人民卫生出版社,2010.28 参考文献[35]钟都都,闫杰.基于灰色关联分析和Canny算子的图像边缘提取算法[J].计算机工程与应用,2006,42(28):68-71.[36]刘思峰.灰色系统理论及其应用[M].科学出版社,2008.[37]李涛,成诗明,陈伟,等.应用灰色模型对我国结核病死亡率进行趋势分析及预测[J].中国防痨协会80周年纪念暨2013年全国学术大会论文集,2013.[38]陕振沛,马德山.灰色预测GM(1,1)模型的研究与应用[J].甘肃联合大学学报:自然科学版,2010,24(5):24-27.[39]蔡碧,李建屏.血吸虫病灰色预测的研究[J].中国血吸虫病防治杂志,2000,12(2):80-85.[40]曾涛,刘芹,叶丽萍.基于等维灰数递补动态模型的广东省交通事故预测[J].仲恺农业工程学院学报,2014,27(1):49-53.[41]黎健,吴寰宇,李燕婷.应用EXCEL实现上海市乙肝发病灰色模型的预测研究[J].中国卫生资源,2011,14(2):109-110.[42]江成玉,李春辉,苏恒瑜.基于GM(1,1)模型的煤矿百万吨死亡率的预测研究[J].煤炭技术,2010,29(4):81-83.[43]石培基,胡科.等维灰数递补模型在人口预测中的应用[J].统计与决策,2008(6):12-14.[44]陈世平,杨慎华,刘明斌.南昌市2000—2011年梅毒发病率GM(1,1)模型预测[J].中国卫生统计,2013,30(4):551-553.[45]CurrentMedicalDiagnosis&Treatment2012[M].NewYork::McGraw-HillMedical,2010.[46]MinggangC,ZhengF.SchistosomiasiscontrolinChina[J].Parasitologyinternational,1999,48(1):11-19.[47]UtzingerJ,ZhouXN,ChenMG,etal.ConqueringschistosomiasisinChina:thelongmarch[J].ActaTrop,2005,96(2-3):69-96.[48]甘云清.鄱阳湖生态经济区建设分析[J].合作经济与科技,2012(13):18-20.[49]王俊,程海云.三峡水库蓄水期长江中下游水文情势变化及对策[J].中国水利,2010(19):15-17.[50]吕尚标,林丹丹.鄱阳湖区自然环境与血吸虫病传播[J].中国血吸虫病防治杂志,2014,26(5):561-564.[51]周照华,王瑾玲.鄱阳湖生态经济区九江区域环境现状及对策建议[J].九江学院学报:自然科学版,2011,26(1):16-18.[52]卫生部,财政部,农业部,等.全国预防控制血吸虫病中长期规划纲要(2004-2015年)[C][D].,2004.[53]丁雪,王芳.我国晚期血吸虫病救治绩效评价[J].中国血吸虫病防治杂志,2010,22(4):391-393.[54]王汝波,辜小南,陈柳燕,等.全国晚期血吸虫病治疗救助情况调查[J].中国热带医学,2010,10(8):934-936.[55]邓维成,郭继雄,任光辉,等.湖南省晚期血吸虫病医疗救助工作调查[J].热带医学杂志,2009(9):1051-1052.29 参考文献[56]邓维成,杨镇.晚期血吸虫病门脉高压症的治疗进展[J].热带医学杂志,2011,11(9):1105-1106.[57]曹淳力,鲍子平,杨鹏成,等.湖沼型血吸虫病流行区实施以机代牛和封洲禁牧措施效果[J].中国血吸虫病防治杂志,2014,26(006):602-607.[58]柳伟,曹淳力,陈朝,等.“以机代牛”等传染源综合治理措施防治血吸虫病的效果评价[J].中国寄生虫学与寄生虫病杂志,2013,31(3):206-211.[59]万振凡,吴赘.三峡工程对鄱阳湖区血吸虫病防治负面影响的历史考察[J].江西师范大学学报:哲学社会科学版,2013,46(6):69-73.[60]林丹丹,胡飞,刘跃民,等.鄱阳湖区世界银行贷款后血吸虫病疫情分析及防治对策[J].中华流行病学杂志,2004,25(7):579-581.[61]陈红根,林丹丹,张绍基,等.洪涝灾害对鄱阳湖区血吸虫病传播的影响及其控制策略研究Ⅰ.洪灾当年与灾后1年疫情分析[J].中国血吸虫病防治杂志,2001,13(3):141-146.[62]陈红根,曾小军,熊继杰,等.鄱阳湖区以传染源控制为主的血吸虫病综合防治策略研究[J].中国血吸虫病防治杂志,2009,21(4):243-249.[63]刘宗传,贺宏斌,丁良,等.湖沼型地区血吸虫病流行影响因素调查[J].中国热带医学,2013,13(10):1198-1202.[64]林艺兰.潜江市血吸虫病疫情分析及趋势预测[D].华中科技大学,2010.[65]刘洁,曲波,何钦成.应用GM(1,1)模型对全国1999-2009年肾综合征出血热疫情分析及预测[J].中国媒介生物学及控制杂志,2011,22(3):248-250.[66]郭海强,丁海龙,曲波,等.1988-2010年全国疟疾发病率的灰色预测模型研究[J].热带医学杂志,2011,11(6):639-640.[67]安然,王锋刚.等维灰数递补动态预测在机场客运量预测中的应用[J].中国民航学院学报,2006,24(5):7-11.[68]NigatuT,AbrahaM.EpidemiologicalanalysisoftuberculosisinEthiopia:aten-yeartrendanalysis[J].EastAfricanjournalofpublichealth,2010,7(2):182-186.[69]华友.组合预测方法有效性理论及其应用[M].科学出版社,2008.[70]YanW,XuY,YangX,etal.Ahybridmodelforshort-termbacillarydysenterypredictioninYichangCity,China[J].JpnJInfectDis,2010,63(4):264-70.30 攻读学位期间的研究成果攻读学位期间的研究成果已发表论文：[1]王玲,杨万水,汪鑫,等.鄱阳湖生态经济区血吸虫病疫情预测的研究[J].现代预防医学,2015,42(7):1293-1296.[2]王玲,朱丽萍,汪鑫,等.江西省肿瘤登记地区肺癌发病和死亡分析[J].中国公共卫生.2016,32(5):1-4.[3]何峰宁,汪鑫,范文燕,王玲,等.2008-2014年九江市血吸虫病疫情及防控策略分析[J].中国血吸虫病防治杂志,2015,27(6):644-646.待发表论文：[1]FanWY,HuangSX,WangL,etal.MaspininhibitsinvasionandproliferationofMCF-7cellsbydownregulatingmiR-21andincreasingitstargetgenesexpression.(审稿中)[2]范文燕,王玲,汪鑫,何峰宁,等.环境干涉因子与鄱阳湖生态经济区血吸虫病疫情的邓氏灰色关联分析.(审稿中)参与的科研项目：[1]鄱阳湖生态经济区血吸虫病预警研究（国家自然科学基金项目，编号：71463030）[2]鄱阳湖生态经济区血吸虫病防控策略研究（国家人文社科项目，编号：10YJAZH075，已结题，排名第二）[3]豆类食品摄入及ESR2、EGFR基因多态性在非吸烟女性肺癌发生中交互作用的研究（国家自然科学基金项目，编号：81360447）[4]睡眠因素与MTNR1A、MTNR1B、SNAT基因多态性及其交互作用在乳腺癌发生中作用的研究（国家自然科学基金项目，编号：81460514）31 综述综述血吸虫病疫情常见预测方法的研究进展王玲（综述）汪鑫（审校）摘要：预测模型已经越来越广泛地应用于血吸虫病疫情的预测及预防措施的选择，并在应用中得到不断地修正和发展。本文简要介绍了用于血吸虫病疫情预测的几种主要模型的原理及研究进展，为预警工作提供参考。关键词：血吸虫病；预测模型血吸虫，又称为裂体吸虫，是属于扁形动物门、吸虫纲复殖目裂体属的吸[1]虫，因其成虫寄生于终末宿主的静脉血管内而得名住血吸虫，简称为血吸虫。血吸虫病(schistosomiasis）是由于人或牛、羊、猪等哺乳动物感染了血吸虫所引[2]起的严重危害人类身心健康和社会经济发展的人、畜共患寄生虫病。自20世[3]纪初以来，全球共有78个国家和地区流行血吸虫病，世界卫生组织将其列为全球控制目标的十大被忽视的热带病之一，是21世纪的一个重要的亟待解决的[4][5]公共卫生问题。我国血吸虫病流行已达2100多年，根据地形地貌、血吸虫病的流行特点及中间宿主钉螺的生态学特征，疫区可分为水网型、湖泊型、山丘型三种类型。其中湖泊型疫区主要分布于长江中下游的江西、湖北、湖南、江苏和安徽五省，疫情最为严重。截至2013年底，全国推算血吸虫病人1849432[6]例，共有钉螺面积365468.00hm。[7]预测是决策的基础，任何成功的决策都离不开科学的预测。预测模型越来越多地用于血吸虫病疫情的预警及防治决策的制定。本文综述了国内外常见的血吸虫病疫情预测模型的研究进展。1灰色系统理论1.1灰色模型原理[8]灰色系统理论是邓聚龙教授于20世纪80年代创立的，灰色预测模型是通过少量的、不完全的信息，建立数学模型，对数据进行各种处理，减少其随机32 综述[9]性并做出预测的一种预测方法。GM(1,1)是目前使用最为广泛的灰色预测模型，研究对象是“小样本”、“贫信息”，对数据及其分布限制要求小，近年来在疾病预测方面得到较多运用。其基本原理是当一时间序列的趋势并不明显，但将其元素进行“累加”所生成的时间序列则是一趋势明显的数列，按该数列的增长趋势可建立预测模型并考虑灰色因子的影响进行预测，然后采用“累减”的方法进行逆运[10]算，恢复原时间序列，得到预测结果。以灰色系统GM(1,1)模型为基础建立的等维灰数递补动态预测模型，是一种新陈代谢模型，适用于中长期预测。新陈代谢理论认为新信息相对于老信息更能体现事物发展变化规律，随着时间的推移，老信息的意义将不断降低，在补充新数据的同时及时去掉老的数据能更为科学有效的发现与掌握蕴藏在数据内部的规律与趋势，因此能够取得更好的预测效果。在预测过程中，不断地更新[11]系统中的数据，提高了灰平面的白色度，从而提高预测精度。灰色模型由于对样本容量和概率分布没有严格的要求，有助于减少时间序列的随机性，是一[12,13]种易于推广和应用的预测工具，已经越来越广泛地应用于疾病的预警。主要用于对复杂系统某一主导因素特征值的拟合和预测，以揭示主导因素变化规律和未来发展态势。1.2模型的应用近年来，很多学者在GM(1,1)灰色模型预测血吸虫病疫情方面做了一些工[14]作。张旭东等应用灰色预测模型GM(1,1)对四川省2003~2010年血吸虫病人群感染率进行灰色拟合和动态预测，得到了该省血吸虫病人群感染率的预测模型，并且模型拟合精度较好，应用此模型预测出了2011~2013年感染率分别为1.2590/万、0.7675/万和0.4678/万，该省血吸虫病人群感染率总体呈下降趋势，在血吸虫病低感染率和低感染度地区建立该模型进行疫情预测对制定防控策略具[15]有重要参考价值。张姝等利用灰色GM(1,1)模型对西昌市2000~2005年人群血吸虫病感染率建立了预测模型，并对今后三年数据进行了预测，结果显示模型拟合效果较好，同时为该地区合理分配卫生资源提供了决策依据。33 综述2时间序列分析法2.1时间序列模型原理时间序列，是指观察或记录到的一组按时间顺序排列的数据，其中每个数据都是以相同的时间间隔来获取。时间序列的实质是根据现在与过去的随机序[16]列样本取值，对未来某一个时刻的随机变量进行估计。其中，最常用的模型为求和自回归移动平均模型（AutoregressiveIntegratedMovingAverageModel，ARIMA），是由Box和Jenkins于1976年提出，不仅适用于一般时间序列模型[17]要求的平稳时间资料，还适用于经过d阶差分后可平稳化的非平稳时间序列。ARIMA模型的基本思想是：将预测对象随时间推移而形成的数据序列视为一个随机序列，时间序列是一组依赖于时间t的随机变量。这组随机变量所具有的依存关系或自相关性表征预测对象发展的延续性,而这种自相关性一旦被相应数[18]学模型描述出来，就可从时间序列的过去值和现在值预测未来值。ARIMA模型综合考虑了序列的趋势变化、周期变化及随机干扰，并借助模型参数进行量化表达，对时间序列的发展模式作先验假设,且可通过反复识别修改,获得满意模型，其过程借助软件，是一种实用性强、精确度高的短期预测方[19]法。此统计模型优点在于仅以过去观测值进行分析与预测，不需考虑其他外部数据，以时间t综合替代各种影响因素。其分析过程简便、短期预测精度较高。缺点在于若数据较复杂，则模型的参数挑选不易，且若数据在某些时间有特定事件发生（如SARS），模型无法考虑此特定时间的数据，需要对模型参数进行修正。对罕见病和小样本的预测精度较差，对于小规模暴发的早期预警的难度[20]较大。对于长期的历史数据，其预测的精度也较其他模型差。2.2模型的应用[21]陈艳艳等应用时间序列模型对湖北省血吸虫病流行趋势进行预测，对1987-2013年湖北省居民血吸虫病感染率进行拟合，并预测感染率的短期变化趋势。结果显示该模型预测精度较好，可用于对血吸虫病感染率进行短期预测分[22]析。赛晓勇等利用时间序列模型对洞庭湖退田还湖区的血吸虫病发病率进行了预测，结果显示退田还湖后血吸虫病粪检阳性率预测值有升高趋势，ARIMA[23]模型预测效果最好。YangGJ利用时间序列法对江苏省血吸虫病疫情进行预测，结果发现江苏省70个县中39个县未来几年疫情可能较严重。34 综述ARIMA模型在实际运用中，应尽可能多收集相关数据，确保数据的可靠性，使用最新数据对已建立的模型进行验证；同时可以不断加入新的实际值对模型重新进行拟合，使其更加符合实际情况，提高预测效果。时间序列预测法在资料收集方面要求不高、成本较低，符合目前我国血吸虫病监测数据的实际情况，为血吸虫病监测预警提供了一个有效的技术手段，有着广阔的应用前景。3地理信息系统3.1地理信息系统模型原理地理信息系统(GeographicalInformationSystem,GIS)是综合计算机技术、信息论和系统工程理论方法等为一体的新兴学科，用以研究地理空间数据信息的技术系统。近年来，地理信息系统技术在公共卫生方面，尤其是国内外各种新、[24]旧传染病发生的预测预警研究和卫生管理决策中起到了不可忽视的作用。地理信息系统与一般信息系统的最重要区别在于其具有空间特性，因此其在分析和处理问题时，可将空间数据与传染病监测数据通过数据库管理系统的信息标准化和数字化联系在一起共同管理、分析和应用，从而提供了一种基于地理对象[25]的可视化新思维方法。在流行病学研究中，GIS可建立合适的媒介生物性数学模型，目前主要应用于虫媒传染病、寄生虫病、地方病、结核病等具有空间属性的传染病预测预警研究中。对传播过程中涉及环境变量的传染病如血吸虫病[26,27]等的流行病学研究表明，地理信息系统通过提供传染病发生和传播过程中各种关键环境变量的信息，包括气候、水文、人群聚集点等空间地理情况，对传染病发生和传播的相关因素及地理信息系统预测模型进行了分析，在一定程度上为血吸虫病的高危地区以及相应的预防和控制提供了科学依据。3.2模型的应用[28]Malone等在埃及尼罗河成功应用GIS系统建立一个血吸虫病传播指数模[29][30]型，并随后被应用到埃塞俄比亚、巴西、尼尔利亚。赵飞等基于县级GIS构建空间数据库，同时收集现有病人数、流行县人口数等资料，运用SaTScan(SatelliteScanStatistics)软件探测血吸虫病聚集区域，共探测出5个聚集区域，包括39个县（区），认为湖区5省沿江地区仍是血吸虫空间聚集的主要区域，[31]尤以湖北、湖南交界地带空间聚集性最高、范围最大。ChenYY等利用基于35 综述GIS系统的空间分析方法分析2009-2013年湖北省血吸虫病空间分布和高危聚集区域。血吸虫病与自然生态环境密切相关。我国血吸虫病的分布与钉螺（特别是感染性钉螺）的分布相一致，有着严格的地方性。地表植被、光照、温度、水分和土壤等都会影响钉螺的生存繁衍，进而影响血吸虫病的地理分布。利用GIS预测模型和多层叠加分析可以为螺情及血吸虫病的监测提供有力的工具，其地[32]图展示功能可以让研究者对疫情发展情况一目了然。地理信息系统经历了20多年的发展，与遥感技术以及全球定位系统相结合，[33]在血吸虫病领域得到了广泛的应用。随着现代科学技术的发展，疾病控制的监测预警模式，已由过去的手工、单一、静态、定性为主的监测方法发展为多时相、多因素、时空结合、定性、定量相结合的综合监测分析方式。由于遥感(RemoteSensin,RS)和GPS技术能为GIS系统提供更为丰富、及时、精确的空间资料，因而，基于该技术的疾病预测系统必将成为疾病控制监测预警发展的主要方向。4贝叶斯模型4.1贝叶斯模型原理贝叶斯预测模型是运用贝叶斯统计进行的一种预测。贝叶斯统计不同于一般的统计方法，其不仅利用模型信息和数据信息，而且充分利用决策者的经验和判断等信息。近几十年来，随着疾病制图的统计方法的快速发展，贝叶斯模型在流行病学研究领域中的应用日益广泛，该模型能分析影响疾病发生的地理[34]危险因素和小区域范围疾病潜在的或无法解释的协变量效应的残差。4.2模型的应用[35]ClementsAC采用贝叶斯统计模型对东非曼氏血吸虫病感染强度进行了预测，结果显示感染强度较高的地区邻近维多利亚湖泊、基奥加湖、爱德华湖北[36]部以及乌干达尼罗河流域；杨坤等人利用湖南省汉寿县1996-2005年的查病数据和遥感提取的环境因子，在考虑血吸虫病检查方法灵敏度和特异度的不确定性和血吸虫病时空格局的基础上，构建不同的血吸虫病贝叶斯模型，筛选最佳模型，分析10年间血吸虫病的时空格局变化。结果显示血吸虫病贝叶斯时空交36 综述互模型为最佳模型，基于贝叶斯模型构建血吸虫病时空分析模型是切实可行的。贝叶斯时空模型在同时分析疾病在时间和空间的分布格局和流行趋势有较大的优势，并对疾病的发病率和死亡率进行估计和制图，提示疾病相关危险因[37]素供进一步流行病学研究。由于贝叶斯时空模型对复杂数据中时空信息分析的优势，及疾病认识先验经验信息的利用，该类模型在分析和预测血吸虫病分布中将发挥重要作用，可作为确定防治措施、提高防治效果的重要工具。5人工神经网络模型5.1人工神经网络原理人工神经网络（ArtificialNeuralNetwork,ANN）是基于模仿生物大脑结构[38]和功能构成的一种信息处理系统，是近年来发展起来的一门新兴学科，它综合了神经科学、计算机、信息科学、生物学、医学等众多学科为一体。近年来在传染病的分析与预测中应用越来越广泛。5.2模型的应用[36]徐俊芳基ANN模型对湖沼型流行区日本血吸虫病的传播特征进行研究，结果提示由于血吸虫病传播受到自然、社会、经济等多因素的影响，而且各种宿主与血吸虫间也存在着复杂的关系，人工神经网络应有于血吸虫病传播动力学的研究,能较好地完成复杂的非线性映射，具有较强的综合分析能力。因此，人工神经网络在血吸虫病流行病学中具有广阔的应用前景。6小结与展望血吸虫病有着复杂的传播链，其传播受到自然环境和社会经济环境的影响。在血吸虫病的防治工作中，如何准确、及时地预测血吸虫病疫情成为卫生管理者的难题，预测模型的广泛应用还有很多的困难需要解决。血吸虫病预测工作是现代公共卫生发展的产物，各种预测方法有其特点。科研工作者应根据资料特点选用合适的方法，或尝试将多种方法综合起来分析，能更系统、全面地反映动态现象的内部规律性和未来趋势。随着科学技术的发展、对模型研究的深入，会有更多的预测方法运用于血吸虫病预警。37 综述参考文献[1]Jenkins-HolickDS,KaulTL.Schistosomiasis[J].UrologicNursing,2013,33(4):163-170.[2]HodgesMH,MagalhãesRJS,PayeJ,etal.Combinedspatialpredictionofschistosomiasisandsoil-transmittedhelminthiasisinSierraLeone:atoolforintegrateddiseasecontrol[J].PLoSNeglTropDis,2012,6(6):e1694.[3]周晓农,姜庆五,郭家钢.我国血吸虫病传播阻断实现路径的探讨[J].中国血吸虫病防治杂志,2012,24(1):1-4.[4]ZhouL,YuL,WangY,etal.AhybridmodelforpredictingtheprevalenceofschistosomiasisinhumansofQianjiangCity,China[J].PloSone,2014,9(8):e104875.[5]ZhouXN,WangLY,ChenMG,etal.ThepublichealthsignificanceandcontrolofschistosomiasisinChina—thenandnow[J].Actatropica,2005,96(2):97-105.[6]雷正龙,郑浩,张利娟,等.2013年全国血吸虫病疫情通报[J].中国血吸虫病防治杂志,2014,26(6):591-596.[7]刘思峰,党耀国.预测方法与技术[M].北京:高等教育出版社,2005,73-327.[8]王丙刚,曲波,郭海强,等.传染病预测的数学模型研究[J].中国卫生统计,2007,24(5):536-540.[9]李涛,成诗明,陈伟,等.应用灰色模型对我国结核病死亡率进行趋势分析及预测[J].中国防痨协会80周年纪念暨2013年全国学术大会论文集,2013.[10]陕振沛,马德山.灰色预测GM(1,1)模型的研究与应用[J].甘肃联合大学学报:自然科学版,2010,24(5):24-27.[11]郑健,孙文娟.基于等维灰数递补动态GM(1,1)模型的城市大气环境质量预测研究[J].内蒙古师范大学学报:自然科学版,2013,42(5):583-589.[12]刘洁,曲波,何钦成.应用GM(1,1)模型对全国1999-2009年肾综合征出血热疫情分析及预测[J].中国媒介生物学及控制杂志,2011,22(3):248-250.[13]郭海强,丁海龙,曲波,等.1988-2010年全国疟疾发病率的灰色预测模型研究[J].热带医学杂志,2011,11(6):639-640.[14]张旭东,沈思魁,刘阳,等.应用灰色预测模型GM(1,1)对四川省血吸虫病人群感染率进行分析及预测[J].预防医学情报杂志,2012,28(3):181-183.[15]张妹,张强,尹治成.灰色模型在血吸虫病感染率预测中的应用[J].现代预防医学,2007,34(7):1291-1293.[16]王春平,王志锋,单杰,等.随机时间序列分析法在传染病预测中的应用[J].中国医院统计,2006,13(3):229-232.[17]LuzPM,MendesBVM,CodeçoCT,etal.TimeseriesanalysisofdengueincidenceinRiodeJaneiro,Brazil[J].TheAmericanjournaloftropicalmedicineandhygiene,2008,79(6):933-939.[18]SatoRC.DiseasemanagementwithARIMAmodelintimeseries[J].Einstein(SaoPaulo),2013,11(1):128-131.[19]龚磊,吴家兵,侯赛.ARIMA模型在安徽省流行性感冒发病预测中的应用[J].公共卫38 综述生与预防医学,2015,2:002.[20]LiuQ,LiuX,JiangB,etal.ForecastingincidenceofhemorrhagicfeverwithrenalsyndromeinChinausingARIMAmodel[J].BMCinfectiousdiseases,2011,11(1):218.[21]陈艳艳,蔡顺祥,肖瑛,等.应用时间序列模型预测湖北省血吸虫病流行趋势[J].中国血吸虫病防治杂志,2014,6:008.[22]赛晓勇,闫永平,张治英,等.时间序列分析预测洞庭湖区退田还湖试点血吸虫病疫情变化趋势[J].中国寄生虫病防治杂志,2004,17(6):353-355.[23]YangGJ,GemperliA,VounatsouP,etal.Agrowingdegree-daysbasedtime-seriesanalysisforpredictionofSchistosomajaponicumtransmissioninJiangsuprovince,China[J].TheAmericanjournaloftropicalmedicineandhygiene,2006,75(3):549-555.[24]MullnerRM,ChungK,CrokeKG,etal.Introduction:geographicinformationsystemsinpublichealthandmedicine[J].Journalofmedicalsystems,2004,28(3):215-221.[25]路超,田考聪.地理信息系统(GIS)在疾病预警控制中的应用[J][J].现代预防医学,2007,34(22):4265-4269.[26]SimoongaC,UtzingerJ,BrookerS,etal.Remotesensing,geographicalinformationsystemandspatialanalysisforschistosomiasisepidemiologyandecologyinAfrica[J].Parasitology,2009,136(13):1683-1693.[27]DaltonJP.Fasciolosis[M].CABInternational,1998.[28]EkpoUF,MafianaCF,AdeofunCO,etal.GeographicalinformationsystemandpredictiveriskmapsofurinaryschistosomiasisinOgunState,Nigeria[J].BMCInfectiousDiseases,2008,8(1):1.[29]赵飞,朱蓉,张利娟,等.SaTScan在湖沼型血吸虫病聚集区域探测中的应用[J].中国血吸虫病防治杂志,2011,23(1):28-31.[30]ChenYY,HuangXB,XiaoY,etal.SpatialAnalysisofSchistosomiasisinHubeiProvince,China:AGIS-BasedAnalysisofSchistosomiasisfrom2009to2013[J].PloSone,2015,10(4):e0118362.[31]SchurN,HürlimannE,GarbaA,etal.Geostatisticalmodel-basedestimatesofschistosomiasisprevalenceamongindividualsaged≤20yearsinWestAfrica[J].PLoSNeglTropDis,2011,5(6):e1194.[32]ZhuHR,LiuL,ZhouXN,etal.EcologicalModeltoPredictPotentialHabitatsofOncomelaniahupensis,theIntermediateHostofSchistosomajaponicumintheMountainousRegions,China[J].PLoSNeglTropDis,2015,9(8):e0004028.[33]AshbyD.Bayesianstatisticsinmedicine:a25yearreview[J].Statisticsinmedicine,2006,25(21):3589-3631.[34]CLEMENTSACA,MOYEEDR,BROOKERS.BayesiangeostatisticalpredictionoftheintensityofinfectionwithSchistosomamansoniinEastAfrica[J].Parasitology,2006,133(06):711-719.[35]杨坤,周晓农,王显红,等.湖区某县日本血吸虫病时空模型的构建与应用[J].中国血吸虫病防治杂志,2012,24(1):14-14.39 综述[36]郑杨,李晓松.贝叶斯时空模型在疾病时空数据分析中的应用[J].中华预防医学杂志,2010,44(12):1136-1139.[37]沈荣,张保文.人工神经网络初探[J].中国科技信息,2009(18):30-30.[38]徐俊芳.基于ANN模型的湖沼型流行区日本血吸虫病传播特征的研究[D].中国疾病预防控制中心,2012.40
