一、盐城市近10年肾综合征出血热流行趋势分析（论文文献综述）
马涛,周沁易,徐庆,汪君君,邢光红,王恒学,郑颖,洪镭,张守刚[1]（2021）在《南京市肾综合征出血热长期趋势和2015—2020年流行特征及预警阈值》文中认为目的了解南京市肾综合征出血热（HFRS）的长期趋势和流行特征,探究防控重点地区,预测2021年发病情况并制定预警阈值,指导科学制定防控策略和措施。方法采用描述流行病学方法,分析1979—2020年南京市HFRS报告发病长期趋势和2015—2020年流行特征,利用全局空间自相关分析和回顾性时空重排扫描,探讨南京市HFRS空间异质性和时空聚集性特征,利用移动中位数法和泊松（Poisson）分布,预测2021年各月报告病例数和预警阈值。结果南京市HFRS报告发病率从1982年的7.18/10万（436例）,在90年代下降至2.00/10万以内（1993年除外）,2000年以来均在0.60/10万以内。2015—2020年共报告HFRS病例222例,年度病例数中位数为34（21～53）例,报告发病率中位数为2.55/10万（1.47/10万～7.06/10万）;12月至次年6月占83.3%,其中3月至6月占52.7%;男性占64.9%;年龄中位数为51（15～82）岁;45岁及以上占68.9%,其中60岁及以上病例占33.8%;农民占60.8%,家务及待业占13.1%;南京南部的高淳区、溧水区和江宁区分别报告105例、37例、35例,占全市的79.7%;全局空间自相关分析Moran’s I均为正值（0.150～0.590）,均P<0.001;2016年和2020年聚集地区为高淳区,其余年份聚集地区为高淳区和溧水区,聚集日期都分布在上半年（均P<0.001）;高淳区北部和东部的5个街道以及溧水区南部的和凤镇报告病例数占两区的76.1%。预测2021年报告HFRS病例数为34例（95%CI=22～47）,1月至12月每月预测值在1～4例,预警阈值在4～9例。结论 1979年以来,南京市有效控制HFRS疫情,预测2021年疫情仍平稳并确定了预警阈值,农民和中老年为重点人群,但高淳区和溧水区部分地区发病水平仍较高,建议开展专题研究并继续加强综合防控措施。
邵瑛琦,刘欢,李晨希,孟祥伟,李乐,王星,吴群红[2]（2021）在《应用SARIMA和ETS模型对湖南省肾综合征出血热发病趋势的预测》文中研究表明目的探讨比较SARIMA模型和ETS模型在湖南省肾综合征出血热的发病预测的应用,为肾综合征出血热的防控提供依据。方法利用2005-2014年肾综合征出血热月度发病数据建立SARIMA模型和ETS模型,并通过模型预测2015年1～12月的肾综合征出血热发病数,用均方根误差（root mean square error, RMSE）和绝对百分比误差（absolutc percentage error, MAPE）作为评价指标。结果 SARIMA（1,0,0）（3,0,0）12模型是肾综合征出血热发病趋势的最优拟合预测模型,SARIMA模型的MAPE为13.18%,低于ETS模型31.14%,SARIMA模型的RMSE为16.27%也低于ETS模型的25.88%。结论 SARIMA（1,0,0）（3,0,0）12模型模拟拟合效果较好,预测结果可为今后肾综合征出血热的预防和控制提供理论支持。
叶国华[3]（2021）在《基于长短期记忆网络模型对辽宁省肾综合征出血热月发病数的时间序列研究》文中提出目的:阐明2004年1月至2017年12月辽宁省肾综合征出血热（Hemorrhagic Fever with Renal Syndrome,HFRS）的流行特征和变化规律;筛选和肾综合征出血热发病相关的气象因素并分析两者的滞后效应;比较长短期记忆神经网络模型（Long Short-Term Memory,LSTM）和自回归求和移动平均模型（Auto-Regression Integrated Moving Average,ARIMA）在拟合及预测肾综合征出血热发病数据上的准确性。方法:收集2004年1月至2017年12月间辽宁省HFRS月发病数资料和全省月平均气温、月平均气压、月平均相对湿度、月平均最高气温、月平均水汽压等气象数据资料;分析辽宁省HFRS的流行趋势和变化规律以及描述气象因素的特征;利用预白化交叉相关方法筛选与HFRS发病数据存在相关性的气象因素并分析两者之间的滞后效应;利用HFRS发病数数据,分别建立ARIMA乘积季节模型和LSTM神经网络模型,并比较两者拟合和预测的精度;本研究使用R软件和EXCEL对资料进行统计分析。结果:1.辽宁省2004年至2017年间共报告HFRS病例22489例,每年各月均有发病报告,月平均报告病例数约为134例,总体来看,呈现稳中下降的趋势。2004年至2007年间,疫情明显回落,之后每年报告的病例数基本保持稳定。平均来看,每年9月份报告发病数最少,3月份和11月份报告发病数最多,发病高峰出现在每年的冬春季。2.利用预白化交叉相关方法,剔除缺失值过多和无相关性的气象因素后,筛选出来气象因素中月平均水汽压的滞后1个月、月平均相对湿度的滞后1个月和月平均最高温度与HFRS发病有相关性,相关性具有统计学意义。3.利用穷举法,选取其中AIC值最小（-29.31）的季节乘积ARIMA（2,1,0）×（0,1,1）12拟合预测模型,残差被诊断为白噪声序列,用所得的ARIMA模型进行预测,得到拟合精度（MAE 17.909,MAPE 18.168%,RMSE 26.601）和预测精度（MAE 40.787,MAPE 52.958%,RMSE 47.928）。4.LSTM神经网络模型在拟合（MAE 14.502,MAPE 16.965%,RMSE 21.242）和预测（MAE 15.929,MAPE 23.659%,RMSE 19.035）HFRS发病数的准确度上,均优于ARIMA模型。结论:1.2004-2017年,辽宁省HFRS疫情总体呈稳定下降趋势,2007年之后每年报告的病例数基本保持稳定;HFRS发病具有显着的季节性,发病高峰出现在每年的冬春季。2.气象因素中月平均水汽压的滞后1个月、月平均相对湿度的滞后1个月与HFRS发病呈负相关,月平均最高气温与HFRS发病呈正相关,且相关性具有统计学意义。3.LSTM神经网络模型在拟合和预测HFRS发病数的准确度上,均优于ARIMA模型。
王蔚茹,肖冻,赵梦娇,耿兴义[4]（2020）在《济南市近15年流行性出血热发病热点及流行特征分析》文中研究指明目的明确济南市流行性出血热发病热点地区,掌握流行特征。方法利用济南市2005-2019年流行性出血热疫情资料,采用Arc Gis 10.2进行街道/乡镇层级的热点扫描,并进行可视化展现;采用描述流行病学方法分析流行特征。结果 2005-2019年济南市累计报告流行性出血热病例705例,年均发病率为0.71/10万;死亡16人,病死率2.27%。病例以40岁～到70岁～年龄组为主,占病例总数的66.95%;职业以农民为主（75.89%）;热点乡镇、街道主要分布在商河县的禽类养殖区,章丘区、长清区和市中区的部分山区,以及槐荫区和历下区的部分旧村和CBD建设区。结论济南市流行性出血热处于低流行状态,病死率较高;季节性明显;40岁以上农民是主要发病人群;热点以乡镇为主,也有随拆建向部分城区扩散的趋势,在高发地区及周边应采取持久的综合防制措施。
南晓伟,李伟,于红敏,司晓艳,高雨龙,崔春霞[5]（2020）在《2015—2019年内蒙古自治区肾综合征出血热流行特征分析》文中提出目的了解2015—2019年内蒙古自治区肾综合征出血热（HFRS）分布特征,判断疾病发展态势,为防治该疾病提供建议和对策。方法用Excel 2013对2015—2019年国家传染病报告信息管理系统中的内蒙古自治区HFRS疫情资料进行统计学分析。结果内蒙古自治区累计报告HFRS病例682例,死亡病例4例,病死率为0.59%（4/682）。高发地区集中在呼伦贝尔市,有477例;10—12月为发病高峰期,共有299例,占43.84%;发病年龄以35～65岁人群为主,占发病总人数的72.58%（495/682）;职业以农民为主。内蒙古自治区2015年、2016年和2017年HFRS发病率呈下降趋势,2018年和2019年呈上升态势,存在暴发隐患。结论内蒙古自治区除呼伦贝尔市保持HFRS高发态势之外,兴安盟发病数逐年上升,须加强人间及鼠间监测。作为国家级监测点之一的巴彦淖尔市近4年无病例报道,应加强监测,并分析其原因。各地区要坚持开展综合性防治措施,以实现对HFRS的有效控制。
朱伶俐[6]（2020）在《肾综合征出血热流行的空间分异及风险预测研究》文中指出肾综合征出血热（Hemorrhagic Fever with Renal Syndrome,HFRS）是严重威胁中国居民健康安全的一类自然疫源性传染病。探究中国典型HFRS疫区的疫情流行特征及其影响要素,并预测其传播风险区,可为当地相关部门制定防控措施、部署防控资源、降低疫情传播风险提供重要的指导建议。本论文以对比研究为切入点,在研究区上选取了中国三个典型HFRS疫区即山东省、陕西省和湖南省,采用空间自相关、热点分析等空间统计方法分析HFRS疫情时空分布特征,并利用地理界限分析方法获取山东省、陕西省和湖南省HFRS疫情地理区划,在此基础上,分析各地理区划的气象要素、景观要素、社会经济要素特征,并利用地理探测器探究山东省、陕西省和湖南省HFRS疫情主要影响要素,最后利用广义相加模型预测各省HFRS疫情的潜在风险区。主要结果和结论如下:（1）山东省、陕西省和湖南省HFRS疫情均呈现不同程度的波动且均具有明显的季节性特征;与此同时,三省HFRS疫情均呈现显着的空间聚集性,其中,山东省HFRS疫情主要聚集在鲁中山地丘陵高发病区和胶东平原丘陵高发病区,陕西省HFRS疫情则主要聚集在关中平原高发病区,而湖南省HFRS疫情主要聚集在湘中丘陵高发病区、湘南山地丘陵高发病区。因此,建议各省重点关注各自HFRS疫情高发病区,尤其是在疫情高发期间。（2）山东省、陕西省和湖南省HFRS疫情流行与自然环境和社会经济条件密切相关。山东省HFRS疫情空间分异与降水量、地貌类型等自然环境要素以及建设用地等社会经济要素紧密相关,陕西省则主要受到地形地貌、黏土等自然环境要素以及建设用地面积占比、人口密度等社会经济要素的影响,而湖南省主要与降水量、地形地貌等自然环境要素以及土地利用、GDP等社会经济要素关系密切。此外,降水量、地貌类型与建设用地共同影响着山东省、陕西省和湖南省HFRS疫情的空间分异,但其作用和影响方式存在差异。建议当地有关部门制定防控措施、部署防控资源时需结合当地的气候和景观特征以及社会经济条件。（3）山东省HFRS疫情潜在风险区主要分布在气候条件适宜（温度在12.6～14.8℃之间,降水量大于600 mm）、植被条件适中（0.56<NDVI<0.65,NDVI>0.75）、海拔高度较小（DEM<50 m,DEM>340 m）的中部和东部地区;陕西省的潜在风险区则主要分布在平原地带（平原面积占比大于18%）、气候条件适宜（降水量在660～1100 mm之间）、植被条件适中（0.72<NDVI<0.81,NDVI>0.85）、城镇化水平较高（建设用地面积占比在10%～45%）、黏土含量较少（黏土百分比小于23%）的中部地区,而湖南省的潜在风险区主要分布在气候条件适宜（温度在15.1～18.0℃之间,降水量大于1500 mm）、植被条件适中（NDVI>0.77）、城镇化水平较高（建设用地面积占比在1%～18%之间,人口密度在300～7500人/KM2之间）的中部和东南部地区。本研究模拟和预测的HFRS疫情潜在风险区可为相关部门在未来需要重点防控的HFRS疫情高风险区划定与管理方面提供科学决策参考。
曹丽娜[7]（2020）在《中国不同气候带肾综合征出血热的影响因素及预测模型研究》文中提出研究背景肾综合征出血热（Haemorrhagic fever with renal syndrome,HFRS）又称流行性出血热,是一种由不同种类的汉坦病毒传播给人类引起的动物源性人兽共患病。病毒对人类的主要传播途径是通过吸入或者接触受病毒污染的啮齿动物排泄物（尿液、粪便或唾液）。中国是世界上肾综合征出血热病例最多的国家,70%左右的肾综合征出血热病例是由汉坦病毒（HTNV）和汉城病毒（SEOV）引起的,部分病例发展为中、重度病例并引发严重后遗症甚至死亡。全球HFRS病死率为1%-1 5%。自上世纪八十年代以来,我国肾综合征出血热的发病呈现较为明显的季节性分布变化,由秋冬季暴发为主的姬鼠型转变为春季和秋冬季为主的双峰型混合疫区,这种变迁与病毒的基因型、优势宿主动物的种类、自然地理环境、人类生产活动和行为方式有密切关系。然而,随着我国肾综合征出血热疫区范围的扩大和疫区类型的变迁,我们仍需要不断掌握HFRS的人群流行特征、时空分布特征和趋势。HFRS的发生受多方面因素的影响:环境因素、啮齿类动物、人类与动物宿主之间的相互作用和汉坦病毒的动力学因素等。其中,气象因素可通过生态系统影响啮齿动物的生存、繁殖、分布和种群变化,间接影响HFRS的流行。在全球变暖的背景之下,媒介生物和宿主生物的适生区域有可能随之扩大,且气候变暖可能会有利于动物繁殖和活动期延长。人类的活动也受天气条件和季节变化的影响,从而改变人类与媒介生物和动物宿主之间的接触机会。另外,城市化建设背后的大规模树木砍伐、土地征用、修路建桥等会直接影响到宿主动物的数量和分布,可能会造成局部媒介生物和宿主动物密度增大,引起疾病的暴发。当今社会经济发展伴随的流动人口不断增多、物流的发达和城市人口密度的增加,也会导致传染病暴发流行风险上升。气候变化与不同地理景观及生态系统相互作用,导致在各个气候带内温度等分布的异质性,对HFRS的影响也有所不同。尽管目前已经有大量的研究量化分析了气象因素与HFRS的关联,但是这些研究大都是基于某个城市/省份的部分地区,且少有气象因素对HFRS交互作用的研究。所以本研究在纳入社会因素、地理因素和生态因素的同时,系统探讨了我国各气候带气象因素对HFRS的影响,以及气象因素对HFRS的交互作用和边际效应。随着人们健康需求的日益提高,疾病预测作为疾病防控的重要手段也得到重视和发展。传染病的影响因素众多,相互之间关系复杂,模型预测的准确性是疾病预测极其重要的一个方面。随着信息技术的发展和大数据时代的到来,机器学习作为新兴的分析方法得到了迅速发展和广泛应用,如何利用大数据对传染病疫情进行预测预警已成为疾病防控领域的研究热点。为了探索机器学习在肾综合征出血热预测的实用性,为HFRS的预测提供新思路,本研究以我国各气候带HFRS病例为研究对象,通过构建随机森林回归预测模型,并与传统的预测模型进行比较,对各气候带的拟合和预测效果评价。研究目的1.应用空间流行病学分析方法,分析2006-2016年全国HFRS病例的流行特征和时空分布动态变化。2.纳入气象因素、社会因素和地理环境等相关指标,对我国各气候带HFRS流行的影响因素进行探讨。3.构建针对不同气候带的HFRS预测模型,为精准预测HFRS的流行提供可行工具。研究方法收集整理我国2006-2016年的肾综合征出血热的疫情监测数据、2005-2016年全国气象监测站点的气象数据、2006-2016年全国植被覆盖和海拔栅格数据,与中国地级市行政区划数字地图建立空间关联,建立肾综合征出血热流行的地理信息数据库,综合应用空间流行病学分析方法对全国HFRS的时空分布进行研究,应用广义估计方程对不同气候带HFRS的影响因素进行分析,利用随机森林回归模型对HFRS的发病进行预测研究。研究所采用的软件包括ArcGIS 10.2、SaTScan 9.1、Stata 16.0、R 3.4.3。研究结果1.我国2006-2016年累计报告HFRS共121,494例,年平均发病率0.89/10万。全国HFRS发病率总体略有下降趋势,年平均发病率从2006年的1.16/10万降至2016年的0.64/10万,但2012-2013年出现较为明显的短期升高。2.人群分布特征为:HFRS病例以男性为主,男女病例报告性别比为3:1;从职业分布看,病例以农民为主;发病年龄主要集中在20-40、41-60岁之间,分别占发病病例数的33.08%和46.04%。死亡病例年龄集中在41-60岁之间,占死亡病例的53.83%。3.对2006-2016年期间全国HFRS累计病例报告数分省份进行HFRS病例发病至确诊时间间隔分析,结（?）国范围内HFRS病例发病至确诊的平均时间为7.6天。黑龙江省、吉林省、河北省（?）陕西省的HFRS病例发病至确诊时间间隔最短,平均为5天,辽宁省和山东省该时间间隔平均为6天,浙江省、江西省和湖北省为8天,广东省为10天,其他省份该平均（?）间间隔为9天。4.全国HFRS的病例分布具有空间相关性,即HPRS疾病分布具有空间聚集性特征。对2006年1月至2016年12月肾综合性出血热发病数的地市级水平进行逐月时空扫描,结果显示共有13个聚集区。尽管不同年份HFRS发病热点区域有所不同,但热点区域主要分布于东北三省、山东省、陕西省、浙江省、江西省和湖北省。5.HFRS发病具有明显的季节性特征,其季节性特征在我国不同地区存在着一定的差异。中温带地区秋季高峰明显,暖温带地区秋冬季和春季均有高峰,亚热带地区呈现冬季和春季高峰。就发病趋势而言,2006-2009年期间,中温带地区HFRS发病人数高于暖温带和亚热带,自2009年起,暖温带发病数上升明显且超过中温带,至2013年上升至最高峰后急剧下降呈稳定趋势。中温带地区发病数从2006年至2016年呈缓慢下降趋势。6.调整降水量、相对湿度、季节性和长期趋势的影响,得到中国不同气候带的月平均气温与HFRS发病的最大相关系数。中温带地区的气温在滞后1个月（r=-0.032）时对HFRS发病数影响最大,暖温带地区和亚热带地区气温的最佳滞后期分别为滞后2个月（r=-0.057）、3个月（r=0.018）。7.中温带地区的平均温度和降水量之间存在1个月滞后交互作用。在暖温带地区,平均温度和相对湿度之间存在2个月滞后的交互作用。8.中温带地区气温、相对湿度、海拔、人均耕地面积、GDP与HFRS发病之间的关联有统计学意义,其中气温、相对湿度、海拔、GDP是保护因素,人均耕地面积是危险因素。暖温带地区气温、相对湿度、海拔与HFRS发病有统计学意义,其中气温、海拔是保护因素,相对湿度是危险因素。亚热带地区对HFRS发病具有统计学意义的影响因素是降水、海拔和GDP,其中降水是危险因素,海拔、GDP是保护因素。9.分别利用植被覆盖指数与气象指标（温度、湿度和降水量）所构建的随机森林回归预测模型在各气候带内的预测效果近似;各气候带之间拟合效果表现为从北方到南方拟合效果越来越好,且随机森林模型的RMSE均小于广义估计方程。随机森林回归模型对于中温带地区发病率的估计偏高,对暖温带和亚热带地区的估计值比较接近于真实值。广义估计方程回归模型对中温带、暖温带和亚热带地区的HFRS发病率的预测值普遍低于真实值。结论1.2006-2016年期间我国肾综合征出血热的发病总体呈下降的趋势。病例以男性为主,发病高峰年龄段为20-60岁之间,患者职业以农民为主。空间分析显示,HFRS病例的空间分布具有显着的相关性且高发省份存在时空聚集区。2.北方高发省份的HFRS病例发病至确诊时间间隔较短,而南方省份的HFRS病例发病至确诊时间间隔普遍比北方省份长,该时间间隔与确诊病例的数量呈正相关。3.不同气候带的发病趋势变化存在明显差异。2006-2009年期间,中温带地区HFRS发病人数高于暖温带和亚热带,自2009年起,暖温带发病数上升明显且超过中温带成为发病数最多的气候带。4.从我国北部地区到南方,三个气候带气温的最佳滞后期分别为1个月、2个月和3个月。最佳滞后时间的确定可以为HFRS发生的早期预警提供线索。5.中温带地区温度与降水对HFRS存在交互作用,气候寒冷、降水量增大可能增加中温带地区HFRS的发病风险。暖温带地区温度与相对湿度对HFRS的影响存在交互作用,高温高湿的环境可能增加暖温带地区HFRS的发病风险。6.中温带和亚热带GDP高的地区HFRS发病风险较低;中温带、暖温带和亚热带均发现海拔低的地区HFRS发病风险较高;中温带地区人均耕地面积大可能增高HFRS的发病风险。农村仍然是HFRS的高发地区。7.随机森林模型在各气候带HFRS预测准确性上均优于广义估计方程。植被覆盖指数可替代气象指标（温度、湿度和降水量）用于HFRS的预测。意义和创新1.本研究的设计、分析比较及模型构建皆基于中国不同气候带,设计系统、理念新颖。2.本研究发现,从我国北部地区到南方,中温带、暖温带、亚热带地区气温的最佳滞后期分别为1个月、2个月和3个月。中温带地区的气温和降水存在交互作用,暖温带地区气温和相对湿度存在交互作用,此结果目前未见报道。3.本研究分别利用植被覆盖指数和主要气象指标（气温、湿度和降水量）构建肾综合征出血热的预测模型,结果显示,利用植被覆盖指数所构建的预测模型与利用上述气象指标所构建的预测模型在各气候带内拟合效果近似;各气候带之间拟合效果表现为从北方到南方拟合效果越来越好的现象,此结果目前未见报道。
王宝强,刘玉川,张彦青,马文奇,来晓强,王继晖,陆步来,殷小娟[8]（2019）在《2018年定西市某县流行性出血热发病危险因素调查》文中提出目的了解2018年甘肃省定西市某县流行性出血热疫情,查明病原体和发病危险因素,为科学防控疫情提供数据支持。方法对2018年6—11月中国疾病监测信息报告管理系统中,某县上报的所有流行性出血热病例开展个案调查,按照1∶1个体匹配方法,从确诊病例家庭周围选择年龄（±5岁）、性别、职业和住址类似的人员作为对照,资料录入EXCEL建立数据库,以SPSS 19.0软件进行统计学分析。结果 2018年共报告病例43例,是2014—2017年均发病数的34.4倍;临床症状以乏力、发热、"三痛"、"三红"为主;病例全部来自农村,以清水乡、十里镇、禾驮乡和秦许乡发病数较多;鼠密度较往年有大幅上升,发病率与鼠密度有关;单因素Logistic回归分析显示,有无挖药材/捡药籽经历为最终的危险因素。结论 2018年甘肃省定西市某县流行性出血热发病率高于往年,以中老年为主,疫情分布在农村,有一定的时空聚集性;传染源主要为黑线姬鼠,挖药材/捡药籽是病人感染的主要原因。
秦圆方,王笑辰,李志锋,祁贤,田华,周明浩,胡建利,鲍倡俊[9]（2019）在《2014-2017年江苏省赣榆县肾综合征出血热鼠类宿主监测》文中研究表明目的对江苏省赣榆县肾综合征出血热（hemorrhagic fever with renal syndrome,HFRS）鼠类宿主带毒情况进行监测,为疾病预防控制提供依据。方法 2014-2017年采集HFRS鼠类宿主心、肺标本,采用ELISA检测鼠心血HFRS抗体、PCR检测鼠肺HFRS核酸,并进行年份、季节、地域与鼠种分类比较。结果共采集鼠标本1 272份,ELISA检测HFRS抗体阳性225份（19.79%）,秋季采集的标本抗体水平明显高于春季,黑线姬鼠与褐家鼠标本抗体水平高于小家鼠与句青,2014年标本抗体水平较高,之后鼠类宿主感染率明显下降,以上差异均有统计学意义（P值均<0.05）;居民区与野外鼠类抗体水平差异无统计学意义（P>0.05）。PCR检测HFRS核酸阳性9例（1.17%）,不同年份、季节、地域与鼠种阳性率差异均无统计学意义（P值均>0.05）。结论江苏省赣榆县肾综合征出血热季节流行差异明显,黑线姬鼠与褐家鼠是当地优势鼠种。2014年后鼠类宿主感染率明显下降。
蒋涛[10]（2019）在《葫芦岛市2008-2018年气温、宿主因素对肾综合征出血热疫情的影响及结构方程模型构建》文中认为目的:肾综合征出血热是我国的乙类法定报告传染病,是一种由汉坦病毒所引起的、以啮齿类动物为主要传染源的自然疫源性疾病。该病受气候影响较大,本研究旨在探讨辽宁省葫芦岛市气温、宿主因素与人间流行性出血热发病之间的关系,试图为肾综合征出血热的防控提供依据和方法储备。方法:利用中国疾病预防控制信息系统收集葫芦岛市2008-2018年月别肾综合征出血热的发病数据。鼠密度和鼠带毒率监测数据由该市疾病预防控制中心提供。气温资料来自于中国气象局气象信息服务中心。使用相关分析、结构方程模型方法探讨气温、宿主因素与人间流行性出血热发病之间的关系。相关分析显着性水平α=0.05。结构方程模型利用拟合卡方值不显着、近似误差均方根<0.08、GFI>0.9、拟合优度指数>0.9、正态拟合指数>0.9评价模型拟合的优劣,根据结构方程模型系数计算各指标对发病的直接作用和间接作用。使用统计软件SPSS19.0进行相关分析,利用LISREL8.51构建结构方程模型。结果:在春季,月最高气温同滞后2个月的发病率最相关,相关系数为0.58（P<0.01）,发病率同滞后3个月居民区鼠密度最相关,相关系数为0.61（P<0.01）。在夏季,发病率同滞后2个月居民区鼠密度最相关,相关系数为0.65（P<0.01）。月最高气温同滞后3个月的发病率最相关,相关系数为0.39（P<0.05）,月最高气温同滞后1个月的居民区鼠密度最相关,相关系数为0.64（P<0.05）。在秋季,月最高气温同滞后2个月的发病率最相关,相关系数为0.58（P<0.01）,发病率同鼠密度、鼠带毒率均不相关。在冬季,月最低气温同滞后1个月的发病率最相关,相关系数为-0.40（P<0.05）,发病率同滞后1个月的居民区鼠密度最相关,相关系数为0.56（P<0.01）。两隐变量模型和三隐变量的结构方程模型均较好的刻画出温度、宿主因素与人间流行性出血热发病的关系。在7-12月两隐变量模型中,夏季最高气温对居民区鼠密度具有正向作用,而对居民区和野外鼠带毒率具有负向作用。在5-7月两隐变量模型中,气温、宿主两个潜变量均显着,说明春季的最高气温、宿主对5-7月人间发病具有正向作用。5-7月三隐变量模型也显示气温对于人间发病具有正向作用。在11月-次年1月三隐变量模型中,最高气温通过影响鼠密度与人间发病形成正相关。结论:气温和动物宿主能够影响辽宁省葫芦岛市的HFRS疫情传播,并表现出季节性。HFRS的预防和控制应更多地考虑气候变化和季节性宿主繁殖动态信息。温度与鼠密度呈现一定正相关。鼠间疫情（鼠密度、鼠带毒率）对人群HFRS发病率有正向影响。
二、盐城市近10年肾综合征出血热流行趋势分析（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、盐城市近10年肾综合征出血热流行趋势分析（论文提纲范文）
（1）南京市肾综合征出血热长期趋势和2015—2020年流行特征及预警阈值（论文提纲范文）
| 1 资料与方法 |
| 1.1 资料来源 |
| 1.2 方法 |
| 2 结 果 |
| 2.1 概况 |
| 2.2 长期趋势 |
| 2.3 季节分布和预警阈值 |
| 2.4 人群分布 |
| 2.5 地区分布 |
| 3 讨 论 |
（2）应用SARIMA和ETS模型对湖南省肾综合征出血热发病趋势的预测（论文提纲范文）
| 资料与方法 |
| 1.资料来源 |
| 2.方法 |
| (1)指数平滑模型(ETS) |
| (2)季节性自回归综合移动平均模型(SARIMA) |
| (3)效果评估指标 |
| 结 果 |
| 1.2005年至2015年HFRS报告发病数和时空分布情况 |
| 2.模型检验与处理 |
| 3.模型预测 |
| 4.评价拟合效果 |
| 讨 论 |
（3）基于长短期记忆网络模型对辽宁省肾综合征出血热月发病数的时间序列研究（论文提纲范文）
| 摘要 |
| Abstract |
| 英文缩略语 |
| 1 前言 |
| 2 材料与方法 |
| 2.1 资料来源 |
| 2.2 统计学方法 |
| 2.2.1 描述流行病学统计分析 |
| 2.2.2 气象因素和肾综合征出血热的相关性分析 |
| 2.2.3 ARIMA模型的拟合 |
| 2.2.3.1 序列预处理 |
| 2.2.3.2 模型识别及参数估计和检验 |
| 2.2.3.3 模型的诊断检验及模型预测 |
| 2.2.4 LSTM神经网络模型的拟合 |
| 2.2.5 模型之间精度比较 |
| 3 结果 |
| 3.1 肾综合征出血热的流行特征和气象因素描述 |
| 3.2 气象因素和肾综合征出血热的相关性研究 |
| 3.3 基于ARIMA模型对辽宁省HFRS发病数据拟合结果 |
| 3.4 基于LSTM模型对HFRS发病数据拟合结果 |
| 3.5 模型之间精度比较 |
| 4 讨论 |
| 5 结论 |
| 本论文创新性的自我评价 |
| 参考文献 |
| 综述 中国大陆地区肾综合征出血热的流行特征及时间序列研究概述 |
| 参考文献 |
| 社会实践 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
| 个人简历 |
（4）济南市近15年流行性出血热发病热点及流行特征分析（论文提纲范文）
| 1 资料和方法 |
| 1.1 数据来源 |
| 1.2 分析方法 |
| 2 结果 |
| 2.1 HFRS发病死亡概况 |
| 2.2 流行病学特征 |
| 2.2.1 人群分布 |
| 2.2.2 地区分布 |
| 2.2.3 时间分布 |
| 2.3 热点分析 |
| 3 讨论 |
（5）2015—2019年内蒙古自治区肾综合征出血热流行特征分析（论文提纲范文）
| 1 材料与方法 |
| 1.1 数据来源 |
| 1.2 分析方法 |
| 2 结果 |
| 2.1 全区概况 |
| 2.2 人群流行病学特征 |
| 2.2.1 地区分布 |
| 2.2.2 人群分布 |
| 2.3 季节分布 |
| 3 讨论 |
（6）肾综合征出血热流行的空间分异及风险预测研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 HFRS 流行病学特征研究 |
| 1.2.2 HFRS 疫情时空分布与地理区划研究现状 |
| 1.2.3 HFRS 疫情影响要素与风险预测研究现状 |
| 1.2.4 GIS、RS在HFRS疫情研究中的应用 |
| 1.2.5 已有研究中存在的不足 |
| 1.3 研究内容与研究意义 |
| 1.3.1 研究内容 |
| 1.3.2 研究意义 |
| 1.3.3 研究流程 |
| 1.4 论文结构 |
| 第二章 数据源与研究方法 |
| 2.1 研究区概况 |
| 2.1.1 研究区范围 |
| 2.1.2 研究区概况 |
| 2.2 数据来源与处理 |
| 2.2.1 HFRS疫情数据 |
| 2.2.2 自然环境要素数据 |
| 2.2.3 社会经济要素数据 |
| 2.3 研究方法 |
| 2.3.1 空间自相关 |
| 2.3.2 热点分析 |
| 2.3.3 地理界限分析 |
| 2.3.4 地理探测器 |
| 2.3.5 广义相加模型 |
| 2.4 小结 |
| 第三章 HFRS疫情时空分布特征与地理区划研究 |
| 3.1 疫情时空分布特征 |
| 3.1.1 时间分布特征 |
| 3.1.2 山东省疫情时空分布特征 |
| 3.1.3 陕西省疫情时空分布特征 |
| 3.1.4 湖南省疫情时空分布特征 |
| 3.2 疫情地理区划 |
| 3.2.1 山东省疫情地理区划 |
| 3.2.2 陕西省疫情地理区划 |
| 3.2.3 湖南省疫情地理区划 |
| 3.3 疫情流行特征对比分析 |
| 3.4 小结 |
| 第四章 HFRS疫情影响要素分析 |
| 4.1 疫情区划环境特征对比 |
| 4.1.1 山东省疫情区划环境特征 |
| 4.1.2 陕西省疫情区划环境特征 |
| 4.1.3 湖南省疫情区划环境特征 |
| 4.2 疫情主要影响要素 |
| 4.2.1 山东省疫情影响要素 |
| 4.2.2 陕西省疫情影响要素 |
| 4.2.3 湖南省疫情影响要素 |
| 4.3 疫情影响要素分析 |
| 4.4 疫情影响要素对比分析 |
| 4.5 小结 |
| 第五章 HFRS疫情风险分布探究 |
| 5.1 疫情风险预测模型构建 |
| 5.1.1 GAM模型 |
| 5.1.2 GAM拟合曲线 |
| 5.2 疫情风险区分布特征 |
| 5.3 小结 |
| 第六章 结论与展望 |
| 6.1 主要结论 |
| 6.2 研究特色与创新之处 |
| 6.3 不足与展望 |
| 参考文献 |
| 攻读学位期间承担的科研任务与主要成果 |
| 致谢 |
| 个人简历 |
（7）中国不同气候带肾综合征出血热的影响因素及预测模型研究（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 缩略词与符号说明 |
| 第一部分: 中国肾综合征出血热的流行特征研究 |
| 一、前言 |
| 二、材料与方法 |
| 三、结果 |
| 四、讨论 |
| 第二部分: 不同气候带肾综合征出血热的影响因素研究 |
| 一、前言 |
| 二、材料与方法 |
| 三、结果 |
| 四、讨论 |
| 第三部分: 基于随机森林回归模型对不同气候带肾综合征出血热的预测研究 |
| 一、前言 |
| 二、材料与方法 |
| 三、结果 |
| 四、讨论 |
| 结论 |
| 创新点与局限性 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
| 学位论文评阅及答辩情况表 |
（8）2018年定西市某县流行性出血热发病危险因素调查（论文提纲范文）
| 1 内容与方法 |
| 1.1 病例定义 |
| 1.2 病例搜索 |
| 1.3 样品采集和检验 |
| 1.4 调查设计 |
| 1.5 统计学分析 |
| 2 结果 |
| 2.1 基本情况 |
| 2.2 临床症状 |
| 2.3 流行病学特征 |
| 2.3.1 地区分布 |
| 2.3.2 时间分布 |
| 2.3.3 人群分布 |
| 2.4 鼠密度监测 |
| 2.4.1 不同乡(镇)鼠密度 |
| 2.5 病例对照研究 |
| 3 讨论 |
（9）2014-2017年江苏省赣榆县肾综合征出血热鼠类宿主监测（论文提纲范文）
| 1 材料与方法 |
| 1.1 鼠标本采样 |
| 1.2 检测方法 |
| 1.2.1 ELISA法 |
| 1.2.2 PCR法 |
| 1.3统计分析 |
| 2 结果 |
| 2.1 ELISA检测结果 |
| 2.1.1 不同季节、年份间差异 |
| 2.1.2 不同地域间差异 |
| 2.1.3 鼠种之间差异 |
| 2.2 荧光定量PCR检测结果 |
| 3 讨论 |
（10）葫芦岛市2008-2018年气温、宿主因素对肾综合征出血热疫情的影响及结构方程模型构建（论文提纲范文）
| 摘要 |
| Abstract |
| 英文缩略语 |
| 1 前言 |
| 2 材料与方法 |
| 2.1 资料来源 |
| 2.2 研究方法 |
| 2.2.1 肾综合征出血热病例监测病例的诊断原则 |
| 2.2.2 鼠密度采样方法 |
| 2.2.3 鼠带毒率的计算方法 |
| 2.2.4 鼠带毒指数的计算方法 |
| 2.2.5 温度数据采集方法 |
| 2.3 模型构建原理方法 |
| 2.3.1 概念模型建立 |
| 2.3.2 结构方程模型评价指数 |
| 2.4 质量控制 |
| 2.5 统计分析 |
| 2.5.1 相关性分析 |
| 2.5.2 结构方程模型构建 |
| 3 结果 |
| 3.1 葫芦岛市HFRS发病情况概述 |
| 3.2 气温同鼠密度关系的分析结果 |
| 3.2.1 分季节Spearman相关分析 |
| 3.2.2 冬季低温同春季鼠密度的关系 |
| 3.2.3 夏季高温同秋季鼠密度的关系 |
| 3.3 宿主疫情同人间流行性出血热发病数分析结果 |
| 3.3.1 春季宿主疫情同1-6月人间流行性出血热发病数的关系 |
| 3.3.2 秋季宿主疫情同7-12月人间流行性出血热发病数的关系 |
| 3.4 两个隐变量结构方程模型构建结果 |
| 3.4.1 1-6月两个隐变量模型 |
| 3.4.2 7-12月两个隐变量模型 |
| 3.4.3 5-7月两个隐变量模型(月数据) |
| 3.4.4 秋季两个隐变量模型(月数据) |
| 3.5 三个隐变量结构方程模型模型构建结果 |
| 3.5.1 1-6月三个隐变量模型 |
| 3.5.2 7-12月三个隐变量模型 |
| 3.5.3 5-7月三个隐变量模型(月别) |
| 3.5.4 11-1月三个隐变量模型(月别) |
| 3.6 结果的综合比较 |
| 4 讨论 |
| 4.1 气温对于宿主和人间流行性出血热发病的影响 |
| 4.2 宿主疫情同人间疫情的关系 |
| 4.3 结构方程模型评价指标的评价 |
| 4.4 本研究的局限性 |
| 5 结论 |
| 本研究创新性的自我评价 |
| 参考文献 |
| 综述 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
| 个人简历 |
四、盐城市近10年肾综合征出血热流行趋势分析（论文参考文献）
- [1]南京市肾综合征出血热长期趋势和2015—2020年流行特征及预警阈值[J]. 马涛,周沁易,徐庆,汪君君,邢光红,王恒学,郑颖,洪镭,张守刚. 中国人兽共患病学报, 2021(10)
- [2]应用SARIMA和ETS模型对湖南省肾综合征出血热发病趋势的预测[J]. 邵瑛琦,刘欢,李晨希,孟祥伟,李乐,王星,吴群红. 中国卫生统计, 2021(02)
- [3]基于长短期记忆网络模型对辽宁省肾综合征出血热月发病数的时间序列研究[D]. 叶国华. 中国医科大学, 2021
- [4]济南市近15年流行性出血热发病热点及流行特征分析[J]. 王蔚茹,肖冻,赵梦娇,耿兴义. 现代预防医学, 2020(24)
- [5]2015—2019年内蒙古自治区肾综合征出血热流行特征分析[J]. 南晓伟,李伟,于红敏,司晓艳,高雨龙,崔春霞. 中华卫生杀虫药械, 2020(04)
- [6]肾综合征出血热流行的空间分异及风险预测研究[D]. 朱伶俐. 福建师范大学, 2020(12)
- [7]中国不同气候带肾综合征出血热的影响因素及预测模型研究[D]. 曹丽娜. 山东大学, 2020(09)
- [8]2018年定西市某县流行性出血热发病危险因素调查[J]. 王宝强,刘玉川,张彦青,马文奇,来晓强,王继晖,陆步来,殷小娟. 疾病预防控制通报, 2019(04)
- [9]2014-2017年江苏省赣榆县肾综合征出血热鼠类宿主监测[J]. 秦圆方,王笑辰,李志锋,祁贤,田华,周明浩,胡建利,鲍倡俊. 江苏预防医学, 2019(03)
- [10]葫芦岛市2008-2018年气温、宿主因素对肾综合征出血热疫情的影响及结构方程模型构建[D]. 蒋涛. 中国医科大学, 2019(01)