1、伤害流行特征分析J.现代预防医学,2018,45(15):2702-2705,2718.16易光辉,徐阳,谭大华,等.2019-2020 学年四川省儿童伤害监测 结 果分 析 J.职 业卫 生 与 病 伤,2021,36(4):241-244.17刘璟,孙丁.成都市 2019 年儿童伤害监测结果分析J.现代临床医学,2021,47(4):247-249.18耳玉亮,陆治名,汪媛,等.中国 2018 年伤害监测系统05 岁儿童伤害病例特征分析 J.中国学校卫生,2020,41(7):971-975.19沈艳辉,李文灏,周双,等.北京市海淀区 6 所中小学校伤害流行现状及其影响因素J.首都公共卫生
2、,2021,15(2):86-89.20曾成力,刘丹丹,李燕菁,等.广东省妇幼保健院 2015-2020 年儿童意外伤害住院患者流行病学特征分析J.中国当代医药,2022,29(25):152-155.21杜文聪,杨婕,施展,等.江苏省儿童伤害病例特征分析J.预防医学,2019,31(8):837-840.22梁大艳,徐浩锋,孟瑞琳,等.广东省 2012 年中小学生医院伤害监测结果分析J.中国学校卫生,2015,36(5):725-728.23江国虹,沈成凤,张颖,等.2006-2014 年天津市动物伤害的流行 趋 势 及 分 布 特 征 J.疾 病 监 测,2016,31(10):875-8
3、78.24吴春眉,邓晓,安媛,等.2006-2008 年全国伤害监测儿童病 例 分 布 特 征 分 析 J.中 华 流 行 病 学 杂 志,2010,31(8):885-889.25朱丽萍.江西省儿童伤害流行病学调查分析J.中国预防医学杂志,2007,8(5):521-526.26杨婕,杜文聪,周金意,等.2006-2014 年江苏省哨点医院伤害监测儿童就诊病例特征分析J.南京医科大学学报(自然科学版),2017,37(12):1707-1710.27嘎玛仓决,白国霞,平措卓玛,等.2006-2015 年间西藏自治区伤害监测报告病例分析J.现代预防医学,2016,43(22):4183-418
4、7.28张晓宇,侯斌.2015 年西安市伤害监测流行病学特征分析J.现代预防医学,2017,44(6):983-986.29张娟,葛小伍,党晓红,等.2013 年江苏省青少年非故意伤害危险行为现况J.中国校医,2016,30(6):442-444.(收稿日期:2022-12-29)(本文编辑:车宜平)中图分类号:R511.7文献标识码:A文章编号:1673-7830(2023)03-0180-04【疾病监测】2017-2022 年北京市西城区流感样病例特征分析魏孝侃孟欣初艳慧【摘要】目的分析 2017-2022 年北京市西城区流感样病例特征,为制定流感防控策略提供依据。方法本研究为回顾性研究,
5、研究对象为 2017-2022 年北京市西城区 38 家医疗机构通过北京市医院传染病监测预警系统上报的流感样病例,分析不同季度、不同等级医院流感样病例流行特征,采用时间序列拟合度模型分析流感样病例随时间变化的短期趋势。结果2017-2022 年报告的 51 039 581 例门/急诊病例中监测到 860 926 例流感样病例,流行高峰在 12 月至次年 1 月。2020-2022 年组流感样病例百分比低于 2017-2019 年组,差异有统计学意义(2=17 986.580,P0.001);2017-2019 年组的各季度流感样病例百分比高于 2020-2022 年组;2017-2019 年组
6、的一级医院、三级医院流感样病例百分比高于 2020-2022 年组,二级医院流感样病例百分比低于 2020-2022 年组;通过预测分析 2023 年流感样病例数以及流感样病例百分比,预测值在 2023 年 1-3 月以及 10-12 月出现季节性高峰。结论2020-2022 年新型冠状病毒感染疫情流行期间,流感样病例的流行特征发生显著变化,随着新型冠状病毒感染疫情相关政策的优化与调整,未来依然建议加强流感疫苗的接种,提高疫苗接种率,降低流感样病例的传播风险。【关键词】流感样病例;流行病学特征;时间序列模型;新型冠状病毒感染作者单位:100120,北京市西城区疾病预防控制中心Character
7、istics of influenza-like cases in Xicheng district of Beijing,2017-2022WEI Xiao-kan,MENG Xin,CHU Yan-hui(Xicheng District Center for Disease Prevention and Control,Beijing 100120,China)【Abstract】ObjectiveTo analyze the characteristics of influenza-like cases in Xicheng district of Beijing from 2017
8、to 2022 and to provide evidence for formulating strategies of influenza prevention and control.Methods This study was a retrospective study.The data of influenza-like cases was analyzed,which was reported by 38 medical institutions in Xicheng 081首都公共卫生2023 年 6 月第 17 卷第 3 期Capital Journal of Public H
9、ealth,Jun.2023 Vol.17No.3district,Beijing from 2017 to 2022,through the Beijing Municipal Hospital Infectious Disease Surveillance and Early Warning System.Epidemic characteristics of influenza-like cases among different quarters and different grades of hospital were analyzed,and the short-term tren
10、d of influenza-like cases over time was analyzed by using the time series fitting degree model.ResultsFrom 2017 to 2022,a total of 860 926 influenza-like cases were detected out of 51 039 581 reported cases of outpatient/emergency department,with the epidemic peak from December to January of next ye
11、ar.The percentage of influenza-like cases in 2020-2022 group was lower than that in 2017-2019 group(2=17 986.580,P0.001);The percentage of seasonal influenza-like cases in the 2017-2019 group was higher than that in the 2020-2022 group;The percentage of influenza-like cases in primary and tertiary h
12、ospitals in the 2017-2019 group was higher than that in the 2020-2022 group,and the percentage of influenza-like cases in secondary hospitals was lower than that in the 2020-2022 group.By forecasting the number of influenza-like cases and the percentage of influenza-like cases in 2023,the predicted
13、seasonal peaks will occur in January-March and October-December 2023.ConclusionsThe epidemic characteristics of influenza-like cases have changed significantly during the pandemic of COVID-19 in 2019-2022.With the optimization and adjustment of policies related to the epidemic of COVID-19,it is stil
14、l recommended to strengthen the vaccination of influenza vaccine,improve the vaccination rate and reduce the transmission risk of influenza-like cases.【Key words】Influenza-like cases;Epidemiological characteristics;Time series model;COVID-19 infection流行性感冒(以下简称流感)主要通过接触以及飞沫传播的方式进行传染,在既往的研究中已经证实1,全人群
15、对流感均易感。北京市自 2007 年通过北京市医院传染病监测预警系统开展流感样病例监测2。北京市西城区地处首都核心区,辖区内医疗资源较为丰富,且医疗单位等级、所有制性质、医疗专业特长均较为完整,通过对北京西城区流感样病例流行特征进行分析,对全市流感样病例流行特征、预测预警具有积极意义3。2020 年以来,新型冠状病毒在北京市不断导致聚集性疫情,且 2022 年底造成大流行,由于人群行为习惯的改变以及疫情防控策略的实施,流感样病例流行特征呈现显著变化。本研究通过对北京市西城区 2017-2022 年流感样病例流行特征进行分析,以期对流感等呼吸道传染病防控提供科学依据。1资料与方法1.1一般资料本
16、研究为回顾性研究,研究对象为2017-2022 年北京市西城区各级医疗机构通过北京市医院传染病监测预警系统报告的 51 039 581 例门/急诊病例中监测到的 860 926 例流感样病例,数据来源于辖区内 38 家医疗机构,包括 3 家国家级流感监测哨点医院及 35 家市级监测医院。按照医院等级分析,包括 16 家一级医院、9 家二级医院和 13 家三级医院;按照医疗机构专科分布分析,包括综合性医院36 个和儿童专科医院 2 个。1.2监测内容流感样病例的监测范围主要包括内科门诊、内科急诊、发热门诊、儿科急诊、儿科门诊,每日对以上门诊的数据进行报送。流感样病例定义:发热(腋 下 体 温 38.0 )伴 有 咽 痛 或 者 咳 嗽 之一者4。1.3观察指标分别对 2017-2019 年组以及 2020-2022 年组的流感样病例百分比流行特征、各季度流感样病例百分比、不同等级医院流感样病例百分比进行比较。采用时间序列模型进行拟合分析,分析流感样病例随时间变化的短期趋势。1.4统计学方法文中数据均采用 SPSS 23.0 软件进行汇总分析。计数资料以例数(n)和百分比(%)表示,采用2