动物鼠疫预测模型及预警指标的建立_刘振才

菌或检出血清学阳性材料时，及时采取相应的控制措 施显得非常重要。
1 对象与方法
1． 1 材料来源 1． 1． 1 建 立 鼠 疫 数 据 库 系 统 收 集 19 个 疫 源 省 （ 区） 疫源地基本情况信息； 1950 ～ 2013 年人间鼠疫及
·2·
中国地方病防治杂志 2015 年 2 月第 30 卷第 1 期 Chin J Ctrl Endem Dis Vol． 30 No． 1 2015
1． 3 统计 软件采用 Excel 2003 及 Matlab 2008a 软 件。
2结果
2． 1 建立风险预测模型 2． 1． 1 黄鼠疫源地、布氏田鼠疫源地、长爪沙鼠疫源 地预测模型的建立 2． 1． 1． 1 影响因子筛选模型［1］ 以达乌尔黄鼠疫源 地为例，用 最 优 回 归 子 集 法 作 为 影 响 因 子 筛 选 模 型。 选择常规监测的 7 项指标，X1 鼠密度、X2 鼠体染蚤率、 X3 鼠体蚤指数、X4 洞干染蚤率、X5 洞干蚤指数、X6 巢穴 染蚤率、X7 巢 穴 蚤 指 数 建 立 回 归 方 程。将 流 行 疫 点 （ 检菌阳性） 的变量取值为 Y = 1，未流行点取值为 Y = 0，建立最优回归模型，进行统计检验及预报拟合。最 优回归子集法模型： y = b0 + b1 X1 + b2 X2 + b3 X3 + b4 X4 + b5 X5 + b6 X6 + b7 X7 （ 其中 b0 为常数项，b1 ～ b7 分 别为 X1 ～ X7 的回归系数估计） ，各疫源地筛选结果见 表 1。
2． 1． 1． 2 风险预测模型［1］ 以达乌尔黄鼠疫源地为 例，由最优回归方程按年份计算出因变量 Y 值，除 1 个因变量（ 指标） 外，含有 2 ～ 7 个因子的最优回归模 型计算得到的 Y 值均满足 P ＜ 0． 01，即鼠疫发生和不 发生时 y 值的差异有显著意义，以此作为依据，将风险 分为三级，预报值 y ＞ 2 /3 时，预报为流行； y ＜ 1 /3 时 为不流行； 1 /3≤y≥2 /3 时，预报为高风险。对回归模 型利用实际数据进行拟合，当 y ＞ 2 /3 时，预测鼠疫流 行的符合率均为 100% ； 回归模型的因子≥4 时，y ＜ 1 / 3 时，预测流行符合率均为 100% ； 1 /3≤y≥2 /3 时，预 测符合率为 50% 。指数平滑法的模型： ES（ t） = a × X（ t － 1） + （ 1 － a） × ES（ t － 1） 其中 ES（ t ） 表示时刻 t 的平滑值，X（ t） 表示时刻 t 的 实际观测值； a 为平滑常数，取值范围为［0，1］。 2． 1． 2 加权移动平滑法预测动物鼠疫流行强度模型 的建立 以喜马拉雅旱獭疫源地为例，利用加权移动 平滑法，根 据 旱 獭 检 出 菌 率 建 立 流 行 强 度 预 测 模 型。 在选取平滑期 n 时，采用偏差平方的均值（ MSE） 最小
Establishment of predictive model and warning in ，ZHOU Xiao － lei，ZHANG Bo － yu，LI Zhong － lai，JU Cheng，YAO Xiao － heng， XU Cheng，DUAN Tian － yi，ZHANG Gui － jun，CHEN Lei，CONG Xian － bin
由于我国鼠疫自然疫源地面积广，地理景观复杂， 宿主、媒介种类、数量及动物鼠疫流行规律各不相同。 因此有必要建立完整的预测预警体系，当某一类疫源 地出现宿主动物及媒介数量的异常变化，分离到鼠疫
基金项目： 卫生行业科研专项（ 201202021） 作者简介： 刘振才（ 男） ，大专，主任医师，从事鼠疫流行病研究工作。 通讯作者： 周晓磊，E － mail： zhouxiaolei83@ 163． com
* Chinese Center for Disease Control and Prevention and Base for Brucellosis Control and Prevention，Jilin Baicheng 137000，China Abstract： Objective To initially build predictive model of animal plague in each epidemic focus and establish warning index system according to the actual conditions of epidemic focus． Methods Best subset regression method was employed to conduct index selection and risk classification，exponential smoothing method was employed to conduct risk prediction in the focus of spermophilus dauricus，spermophilus alaschanicus，microtus brandti and meriones unguiculatus． Weighted move smoothing method was employed to detect positive rate of animal plague in the focus of marmota himalayana and marmota baibacina． Ｒesults Ｒat density，flea － carrying rate，flea index and nest flea － carrying rate were calculated in the Citellus dauricus focus； flea － carrying rate，flea index，burrow track flea index，nest flea － carrying rate and nest flea index were calculated in the Spermophilus alaschanicus focus； rat density，body flea － carrying rate，nest flea － carrying rate and precipitation were calculated in the Mongolian gerbil focus． There is no significant relationship between the index and animal plague in other focus． Ｒisk classification can be divided into endemic，high risk，non － endemic． Predict bacteria positive rate was 11． 35% and 11． 62% in the Himalayan marmot focus from 2014 to 2015； bacteria positive rate was 0． 69% and 0． 65% in the microtus focus from 2014 to 2015． Prevalent area，epidemic strength，detection rate of bacteria，hemagglutination positive rate and titer，main host density and flea index were selected to classify the warning levels according to focus types． Conclusion Efficient monitoring indicators were selected from spermophilus，microtus brandti and meriones unguiculatus focus to predict the animal plague． Warning levels can be classified as four according to the situation of each focus． Key words： Animal plague； Prediction model； Ｒisk classification； Warning indicator
疫源地 /监测点类型 达乌尔黄鼠 长爪沙鼠陕西定边 长尾黄鼠 － 灰旱獭 长尾旱獭 阿拉善黄鼠 布氏田鼠 蒙古旱獭
相关系数 0． 4727 0． 5836 0． 1006 0． 1529 0． 5229 0． 3405 0． 2759
表 1 各疫源地筛选指标汇总
F 5． 603 6． 659 0． 5592 0． 5052 3． 726 2． 581 1． 197
P 0． 0023 0． 0016 0． 7301 0． 7677 0． 0185 0． 0515 0． 3450
筛选指标 鼠密度、鼠体染蚤率、鼠体蚤指数、巢穴蚤染蚤率 鼠密度、体蚤蚤指数、巢穴染蚤率、降水 动物鼠疫的发生与监测指标无明显关系 动物鼠疫的发生与监测指标无明显关系 鼠体染蚤率、鼠体蚤指数、洞干蚤指数、巢穴染蚤率、巢穴蚤指数 动物鼠疫的发生与监测指标无明显关系 动物鼠疫的发生与监测指标无明显关系
中国地方病防治杂志 2015 年 2 月第 30 卷第 1 期 Chin J Ctrl Endem Dis Vol． 30 No． 1 2015
·1·
·论 著·
动物鼠疫预测模型及预警指标的建立
刘振才1 ，周晓磊1 ，张博宇2 ，李仲来2 ，鞠成1 ，姚晓恒1 ，徐成1 ，段天一1 ，张贵军1 ，陈磊1 ，丛显斌1
动物鼠疫相关信息； 1981 ～ 2013 年鼠疫监测信息； 疫 源地基本情况数据库、人间鼠疫数据库、动物鼠疫数据 库及鼠疫监测数据库的建立。 1． 1． 2 建立气象、植被、土壤信息库 利用《中国气 象科学数据共享服务网》收集重点地区气象、植被、土 壤、降水等相关信息。 1． 2 方法 1． 2． 1 利用最优回归子集法，筛选黄鼠疫源地（ 达乌 尔黄鼠、阿拉善黄鼠） 、布氏田鼠疫源地、长爪沙鼠疫 源地的主要影响因子及风险分级； 根据所筛选的影响 因子，利用指数平滑法进行风险预测。 1． 2． 2 利用加权移动平滑法，根据检菌率，建立对喜 马拉雅旱獭疫源地、青海田鼠疫源地动物鼠疫流行强 度预测模型。 1． 2． 3 依据风险预测、《鼠疫自然疫源地及动物鼠疫 流行判定标准（ GB 16882 － 1997） 》、《鼠疫控制及其考 核原则与方法（ GB 15992 － 1995） 》、《国家鼠疫控制应 急预案》所提出的相关指标，建立动物鼠疫预警指标。