2018－2019年流感流行季节浙江省宁波市北仑区发病率研究

陈奕; 纪威; 劳旭影; 李巧方; 王海波; 张栋梁; 丁克琴; 易波

doi:10.3784/j.issn.1003-9961.2020.11.010

引用本文: 陈奕, 纪威, 劳旭影, 李巧方, 王海波, 张栋梁, 丁克琴, 易波. 基于区域健康大数据平台的2018－2019季节流感发病率研究[J]. 疾病监测. DOI: 10.3784/j.issn.1003-9961.2020.11.010 shu

Citation: Yi Chen, Wei Ji, Xuying Lao, Qiaofang Li, Haibo Wang, Dongliang Zhang, Keqing Ding and Bo Yi. Estimating the incidence of influenza in 2018-2019 season based on regional health big data platform[J]. Disease Surveillance. DOI: 10.3784/j.issn.1003-9961.2020.11.010 shu

2018－2019年流感流行季节浙江省宁波市北仑区发病率研究

陈奕 ^{1

,} ,
纪威 ¹ ,
劳旭影 ¹ ,
李巧方 ² ,
王海波 ¹ ,
张栋梁 ¹ ,
丁克琴 ¹ ,
易波 ^{1

,

,}

1.
宁波市疾病预防控制中心传染病防制所，浙江宁波315010
2.
宁波市北仑区疾病预防控制中心，浙江宁波315010

作者简介: 陈奕，女，浙江省宁波市人，副主任医师，主要从事急性传染病防制工作，Email：30279068@qq.com;

通信作者: 易波, yibonb@163.com

摘要: 目的基于区域健康大数据平台，估算2018 — 2019年浙江省宁波市北仑区流行性感冒（流感）流行季的真实发病数和发病率，评估流感真实发病水平。方法采用回顾性分析，基于宁波市区域健康医疗大数据平台和流感监测网络平台，通过大数据挖掘技术，获取全区所有急性上呼吸道感染就诊记录，结合流感核酸阳性率，估算北仑区2018 — 2019年流行季流感的真实发病数和发病率。结果经估算，宁波市北仑区2018年10月至2019年9月，流感发病人数约为27683～115123人，流感发病率约为4.14%～17.23%，显著高于法定报告发病数。其中0～4岁组发病率最高，为29.28%～76.81%；其次5～14岁组，发病率为17.31%～46.61%。流感估算发病数与法定报告发病数流行趋势高度一致，有统计学意义（r_s1=0.914，r_s2=0.923，P值均<0.001）。结论区域流感发病率显著高于法定报告发病率，15岁以下和60岁以上两个人群是重点防控人群，扩大和提高这两个年龄组流感疫苗的覆盖率十分必要。

关键词:

English

Estimating the incidence of the 2018–2019 influenza season in Beilun district of Ningbo city, Zhejiang

Yi Chen ^{1

,} ,
Wei Ji ¹ ,
Xuying Lao ¹ ,
Qiaofang Li ² ,
Haibo Wang ¹ ,
Dongliang Zhang ¹ ,
Keqin Ding ¹ ,
Bo Yi ^{1

,

,}

1.
Department of Communicable Disease Control and Prevention, Ningbo Prefectural Centre for Disease Control and Prevention, Ningbo 315010, Zhejiang, China
2.
Beilun District Centre for Disease Control and Prevention, Ningbo 315010, Zhejiang, China

Corresponding author: Bo Yi, yibonb@163.com

Received Date: 2020-03-24
Available Online: 2020-11-30
Fund Project: This study were supported by the fund for National Science and Technology Major Project (No. 2018ZX10201002-008-006); Ningbo Health Branding Subject Fund (PPXK2018-10); Zhejiang Medical Key Discipline (07-013)

Abstract: ObjectiveTo estimate the actual case number and incidence rate of influenza in 2018–2019 season in Beilun district of Ningbo and evaluate the actual local incidence level of influenza.MethodsRetrospective analysis was adopted. Based on Ningbo regional health medical big data platform and influenza surveillance network platform and through the big data mining technology, all the records of acute upper respiratory tract infections in the district were obtained, and combined with the influenza nucleic acid positive rate, the case number and incidence rate of influenza in 2018–2019 season in Beilun were estimated.ResultsFrom October 2018 to September 2019, the estimated case number of influenza ranged from 27 683 to 115 123 approximately, and the estimated incidence rate of influenza ranged from 4.14% to 17.23% approximately in Beilun, significantly higher than the reported data. The incidence rate was highest in age group 0–4 years, ranging from 29.28% to 76.81%, and the incidence rate in age group 5–14 years ranged from 17.31% to 46.61%. The estimated case number of influenza was highly consistent with the incidence trend of reported cases with statistical significance (r_s1=0.914, r_s2=0.923, P<0.001).ConclusionThe local incidence rate of influenza was significantly higher than the reported one. Age groups <15 years and >60 years are key populations in the prevention and control of influenza. It is necessary to expand and increase the coverage of influenza vaccination in these two age groups.

Key words:

1. [1]
  WHO. Influenza (Seasonal) fact sheet[EB/OL]. （2018−01−31）［2018−08−22］. https://www.who.int/en/news-room/fact-sheets/detail/influenza-(seasonal).
2. [2]
  Paget J, Spreeuwenberg P, Charu V, et al. Global mortality associated with seasonal influenza epidemics: New burden estimates and predictors from the GLaMOR project[J]. J Glob Health, 2019,9(2):020421. DOI:10.7189/jogh.09.020421.
3. [3]
  Malosh RE, Martin ET, Ortiz JR, et al. The risk of lower respiratory tract infection following influenza virus infection: A systematic and narrative review[J]. Vaccine, 2018,36(1):141–147. DOI:10.1016/j.vaccine.2017.11.018.
4. [4]
  Moghadami M. A narrative review of influenza: A seasonal and pandemic disease[J]. Iran J Med Sci, 2017,42(1):2–13.
5. [5]
  Nair H, Brooks WA, Katz M, et al. Global burden of respiratory infections due to seasonal influenza in young children: a systematic review and Meta-analysis[J]. Lancet, 201l,378(9807):1917–1930. DOI:10.1016/S0140−6736(11)61051−9.
6. [6]
  张春涛, 任曲. 中国流行性感冒流行病学及疾病负担浅析[J]. 中国病毒病杂志,2013,3(6):423–427. DOI:10.16505/j.2095−0136.2013.06.004.
  Zhang CT, Ren Q. Epidemiology and disease burden analysis of influenza in China[J]. Chin J Viral Dis, 2013,3(6):423–427. DOI:10.16505/j.2095−0136.2013.06.004.
7. [7]
  Yang XT, Liu DP, Wei KF, et al. Comparing the similarity and difference of three influenza surveillance systems in China[J]. Sci Rep, 2018,8(1):2840. DOI:10.1038/s41598−018−21059−9.
8. [8]
  邓爱萍, 何剑锋, 康敏, 等. 广东省2005-2007年流行性感冒流行特征分析[J]. 华南预防医学,2008,34(5):15–17. DOI:10.3969/j.issn.1671−5039.2008.05.004.
  Deng AP, He JF, Kang M, et al. Epidemlologic characteristics of influenza in Guangdong province, 2005–2007[J]. South China J Prev Med, 2008,34(5):15–17. DOI:10.3969/j.issn.1671−5039.2008.05.004.
9. [9]
  王大燕. 中国流感监测网络的发展与展望[J]. 中华流行病学杂志,2018,39(8):1036–1040. DOI:10.3760/cma.j.issn.0254−6450.2018.08.005.
  Wang DY. Development and prospect of influenza surveillance network in China[J]. Chin J Epidemiol, 2018,39(8):1036–1040. DOI:10.3760/cma.j.issn.0254−6450.2018.08.005.
10. [10]
  张良, 李宁, 陆蓓蓓, 等. 公共卫生大数据平台探索与实践[J]. 中国卫生信息管理杂志,2018,15(5):510–514. DOI:10.3969/j.issn.1672−5166.2018.05.06.
  Zhang L, Li N, Lu BB, et al. Exploration and practice of big data platform for public health[J]. Chin J Health Inform Manag, 2018,15(5):510–514. DOI:10.3969/j.issn.1672−5166.2018.05.06.
11. [11]
  张惺惺, 吴双胜, 王全意, 等. 北京市2017-2018流行季流感感染率和发病率研究[J]. 国际病毒学杂志,2019,26(2):73–76. DOI:10.3760/cma.j.issn.1673−4092.2019.02.001.
  Zhang XX, Wu SS, Wang QY, et al. Estimated infection rates and incidence rates of seasonal influenza in Beijing during the 2017–2018 influenza season[J]. Int J Virol, 2019,26(2):73–76. DOI:10.3760/cma.j.issn.1673−4092.2019.02.001.
12. [12]
  Tokars JI, Olsen SJ, Reed C. Seasonal incidence of symptomatic influenza in the United States[J]. Clin Infect Dis, 2018,66(10):1511–1518. DOI:10.1093/cid/cix1060.
13. [13]
  Hughes MM, Carmack AE, McCaffrey K. Estimating the incidence of influenza at the state level - Utah, 2016–17 and 2017–18 influenza seasons[J]. MMWR Morb Mortal Wkly Rep, 2019,68(50):1158–1161. DOI:10.15585/mmwr.mm6850a2.
14. [14]
  Wu S, Van Asten L, Wang L, et al. Estimated incidence and number of outpatient visits for seasonal influenza in 2015–2016 in Beijing, China[J]. Epidemiol Infect, 2017,145(16):3334–3344. DOI:10.1017/S0950268817002369.
15. [15]
  Sullivan KM, Monto AS, Longini IM Jr. Estimates of the US health impact of influenza[J]. Am J Public Health, 1993,83(12):1712–1716. DOI:10.2105/AJPH.83.12.1712.
16. [16]
  黄钰凯, 张涛, 赵根明. 流感在老年人、慢性基础性疾病患者和医务人员的疾病负担与疫苗预防[J]. 中华疾病控制杂志,2017,21(4):418–421. DOI:10.16462/j.cnki.zhjbkz.2017.04.023.
  Huang YK, Zhang T, Zhao GM. The burden of disease and vaccine prevention of influenza in the elderly, patients with chronic diseases and health personnel[J]. Chin J Dis Control Prev, 2017,21(4):418–421. DOI:10.16462/j.cnki.zhjbkz.2017.04.023.
1. [1]
  方新艳 , 徐晓燕 , 施永跃 . 一起学校流行性感冒暴发调查. 疾病监测, 2006, 21(12): 689-691.
2. [2]
  姜宪尘 , 占炳东 , 尹志英 , 陈旭富 . 2009年浙江省衢州市流行性感冒监测结果分析. 疾病监测, 2010, 25(9): 710-712. DOI: 10.3784/j.issn.1003-9961.2010.09.012
3. [3]
  王亚丽 . 2010年河南省开封市流行性感冒监测结果分析. 疾病监测, 2011, 26(10): 788-789,796.
4. [4]
  董晓春 , 徐文体 , 李琳 , 张颖 , 张之伦 . 基于天津市汉沽街社区流行性感冒监测结果的疾病负担研究. 疾病监测, 2011, 26(10): 785-787.
5. [5]
  吴照春 , 吴家兵 , 侯赛 , 徐四清 , 李贤相 , 汪金生 , 高伟林 . 2010-2014年安庆市流行性感冒监测结果分析. 疾病监测, 2016, 31(7): 581-585. DOI: 10.3784/j.issn.1003-9961.2016.07.011
6. [6]
  丁克琴 , 谷少华 , 劳旭影 , 陈奕 , 焦素黎 , 董红军 , 易波 . 基于移动流行区间法的浙江省宁波市冬春季流行性感冒流行强度研究. 疾病监测, 2020, 35(2): 126-131. DOI: 10.3784/j.issn.1003-9961.2020.02.010
7. [7]
  郭青 , 张春曦 . 丙类传染病中流行性感冒的报告情况. 疾病监测, 2006, 21(3): 144-146. DOI: 10.3784/j.issn.1003-9961.2006.3.144
8. [8]
  王瑞平 , 吴毅凌 , 郭晓芹 , 王海银 , 张清慧 , 黄中敏 . 季节趋势模型预测法在流行性感冒监测中的应用. 疾病监测, 2010, 25(2): 127-130. DOI: 10.3784/j.issn.1003-9961.2010.02.013
9. [9]
  刘万里 , 马鑫 , 梁新海 , 刘红斌 , 张璇 , 毋跃文 , 李新兰 . 2009-2012年新疆维吾尔自治区流行性感冒监测分析. 疾病监测, 2013, 28(8): 660-663. DOI: 10.3784/j.issn.1003-9961.2013.8.016
10. [10]
  张惠力 , 姚杏娟 , 陈聪 , 徐辉 . 2009 - 2010年江苏省常州市流行性感冒监测分析. 疾病监测, 2011, 26(5): 348-350.
11. [11]
  何涛 , 曾同霞 , 王犇 , 张入学 . 2009-2015年白银市流行性感冒监测质量评估. 疾病监测, 2016, 31(11): 953-956. DOI: 10.3784/j.issn.1003-9961.2016.11.015
12. [12]
  向国锋 , 于德山 , 程俊文 , 李玉凤 . 2009-2015年甘肃省酒泉市流行性感冒病原学监测结果分析. 疾病监测, 2016, 31(10): 851-855. DOI: 10.3784/j.issn.1003-9961.2016.10.012
13. [13]
  常玥 , 翁坚 , 张宗祥 , 胡雅飞 , 李未 , 靳妍 . 2010-2013年浙江省台州市监测哨点医院流行性感冒流行特征分析. 疾病监测, 2014, 29(11): 888-892. DOI: 10.3784/j.issn.1003-9961.2014.11.012
14. [14]
  田燕 , 梁洁 , 陆志刚 , 向红莲 , 李英娇 , 袁奋 , 郑琴 . 2009-2014年新疆维吾尔自治区石河子市流行性感冒流行特征分析. 疾病监测, 2015, 30(4): 269-272. DOI: 10.3784/j.issn.1003-9961.2015.04.006
15. [15]
  刘小琦 , 韩建康 . 2006-2007年浙江省湖州市流行性感冒哨点监测结果分析. 疾病监测, 2009, 24(1): 13-13-14. DOI: 10.3784/j.issn.1003-9961.2009.01.005
16. [16]
  张奕 , 潘阳 , 杨鹏 , 李超 , 唐雅清 , 陈合 , 杨育松 , 郭舫茹 , 王全意 . 2014-2015年北京市流行性感冒流行季严重急性呼吸道感染病例的临床特征及发生不良结局的危险因素分析. 疾病监测, 2015, 30(12): 1028-1032. DOI: 10.3784/j.issn.1003-9961.2015.12.010
17. [17]
  刘天 , 翁熹君 , 张丽杰 , 姚梦雷 , 黄继贵 , 陈茂义 , 胡婕 . 湖北省荆州市流感监测哨点监测质量及流感病毒核酸检测阳性率影响因素分析. 疾病监测, 2019, 34(10): 891-894. DOI: 10.3784/j.issn.1003-9961.2019.10.007
18. [18]
  李旦 , 张丽杰 , 郑建东 , 秦颖 , 姜慧 , 李中杰 , 冯录召 , 彭质斌 . 2015-2016年中国住院严重急性呼吸道感染病例监测系统数据质量评估. 疾病监测, 2017, 32(12): 914-916. DOI: 10.3784/j.issn.1003-9961.2017.12.005
19. [19]
  冯石献 . 2010年河南省辉县市慢性病发病流行病学特征分析. 疾病监测, 2012, 27(8): 654-656. DOI: 10.3784/j.issn.1003-9961.2012.8.022
20. [20]
  董晓春 , 高璐 , 徐文体 . 基于社区居民的流感样病例发病率估计及其治疗流向分析. 疾病监测, 2015, 30(9): 754-757. DOI: 10.3784/j.issn.1003-9961.2015.09.013

图 1 2018－2019 流感流行年度宁波市北仑区流感发病周分布

Figure 1. Weekly distribution of influenza incidence in Beilun, 2018–2019 influenza season

下载: 全尺寸图片幻灯片

表 1 2018－2019流感流行年度急性上呼吸道感染就诊人次

Table 1. Number of patient visits due to acute upper respiratory infections in 2018–2019 influenza season

就诊次数	人数	构成比（%）
1	314546	66.06
2	88841	18.66
3	36478	7.66
4	18070	3.79
5	8938	1.88
>5	9300	1.95

下载: 导出CSV

表 2 2018－2019流感流行年度宁波市北仑区流感估算发病率

Table 2. Estimated incidence rate of influenza in Beilun, 2018–2019 influenza season

年龄组（岁）	下限		上限		报告发病数	报告发病率（%）
年龄组（岁）	病例数	发病率（%）	病例数	发病率（%）	报告发病数	报告发病率（%）
全人群	27683	4.14	115123	17.23	1341	0.20
0～	8568	29.28	22469	76.81	304	1.04
5～	7205	17.31	19393	46.61	432	1.04
15～	8780	1.72	49423	9.69	496	0.10
≥60	3132	3.58	23838	27.32	109	0.12