基于贝叶斯时空模型估算流感相关疾病负担

Background: Reliable quantification of disease burden associated with influenza is critical to formulating proper public health prevention and intervention strategies. Direct counting of influenza cases based on influenza surveillance network may not accurately estimate disease burden due to impacts of patients’ health seeking behavior, clinical practitioners’ judgement and laboratory capacity. Statistical modeling tackles the limitation of counting approach by estimating excess risks associated with influenza. However, the current time series models investigate the temporal variations of influenza-associated disease burden while research on spatial distribution is scarce..Methods: Bayesian spatiotemporal regression model will be used to assess influenza-associated excess deaths, intensive care unit (ICU) admissions, hospital admissions and outpatient visits from 2010 to 2015 for all districts in Shanghai, China. An influenza-associated disease burden pyramid will be developed and outpatient-hospitalization risk, hospitalization-ICU risk and ICU-death risk will be assessed..Expected results and significance: Our study will assess the spatiotemporal distributions of influenza-associated disease burden in Shanghai, which may guide the allocation of medical resources and formulation of influenza prevention and intervention strategies. A pyramid of influenza-associated disease burden is expected to be developed, which lays the foundation for timely estimation of influenza-associated disease burden. The Bayesian spatiotemporal model used in this project will provide new insights to assessment of influenza-associated disease burden for other regions.

背景 流感疾病负担的准确估算是合理制订流感防控措施的重要前提。流感监测网络报告病例是估算流感疾病负担较为简便的方法，但因患者就医习惯、临床医生判断、实验室检测负荷等因素影响，其并不能准确量化流感疾病负担。统计建模方法可以改进流感监测网络报告病例存在的高估或低估疾病负担的问题。但目前广泛应用的时间序列模型主要探讨流感疾病负担在时间维度上的变化，而其在空间维度的分布尚缺乏研究。.方法 本项目拟采用贝叶斯时空回归模型，估算2010至2015年上海市各区县与各型别流感病毒相关的超额死亡、重症住院、普通住院及门诊访问率，从而构建流感相关疾病负担金字塔，并进一步估算流感门诊-入院、入院-重症及重症-死亡风险。.结果与意义 本项目预期得到上海市各区县流感疾病负担时空分布，以指导医疗资源配置；构建的流感疾病负担金字塔将为疾病负担的实时估算奠定基础；采用的贝叶斯时空模型将为其他地区估算流感疾病负担提供参考。

背景 流感疾病负担的准确估算是合理制订流感防控措施的重要前提。流感监测网络报告病例是估算流感疾病负担较为简便的方法，但因患者就医习惯、临床医生判断、实验室检测负荷等因素影响，其并不能准确量化流感疾病负担。统计建模方法可以改进流感监测网络报告病例存在的高估或低估疾病负担的问题。但目前广泛应用的时间序列模型主要探讨流感疾病负担在时间维度上的变化，而其在空间维度的分布尚缺乏研究。..主要研究内容 本项目整合了多源异构流感相关的数据库，建立了贝叶斯时空回归模型，估算2010-2017年上海市16个区县各型别流感病毒相关的超额死亡、住院及门诊就诊率，绘制了上海市流感疾病负担时空分布图，评估了流感疾病负担的空间异质性。基于流感的疾病负担，估算了流感门诊-入院、入院-死亡风险，并构建了流感相关疾病负担金字塔。参与了国家流感疾病负担时空分布的研究，具体包括估计了2010-15年中国省级和国家级流感相关的超额呼吸道死亡率和2006-2015年中国省级和国家级超额流感样病例门诊就诊率。..重要结果和关键数据 本项目构建的贝叶斯时空回归模型在传统的时间序列模型基础上同时考虑了空间维度的分布。上海市流感相关的超额呼吸道死亡率为0.5每十万人，超额住院率为32.76每十万人，超额流感样病例门诊就诊率为8.2每千人。各流感亚型中，甲型A(H3N2)和乙型流感B造成的死亡负担高于甲型A(H1N1)，乙型流感B相关的超额住院率高于甲型A(H1N1)和A(H3N2)，A(H3N2)相关的门诊就诊率高于甲型A(H1N1)和乙型流感B。上海市流感相关疾病负担存在时空异质性，疾病负担最高的是普陀区。流感的门诊-入院风险为5% (95% CI: 1%, 9% )，住院-死亡风险为1% (95% CI: 0%, 2% )。..科学意义 围绕上海市国民经济与社会发展中亟需解决的流感防控这个公共卫生安全问题，本项目估计并绘制了上海市流感疾病负担空间分布图，揭示了流感负担的显著地理差异，为上海市各区县流感防控资源的合理配置提供了科学依据。流感疾病负担金字塔的构建和金字塔各层参数的量化，为流感疾病负担估计提供了一种准确而快速的方法。