气温与医院感染关系的研究及时间序列分析建模

张欣，甘爱群

（1.江西省妇幼保健院医务科，南昌 330000；2.萍矿总医院院感科，萍乡 337000）

近年来，随着相关医院感染造成重大损害事件的报道频发，医院感染已成为危害患者及医护人员生命安全的重要公共卫生问题，如何采取有效的医院感染防控措施已成为减少患者伤害的重要方向。目前，部分人研究[1-2]人类健康与天气气候变化的关系，显示气象变化可能对一些疾病有显著影响。本研究就萍乡市三级甲等医院2015年至2019年医院感染数据与同期气温变化的关系进行初步分析，并利用时间序列分析预测医院感染发生情况，以期为医院感染防控提供科学依据。

1 资料与方法

1.1 资料选取 根据2001年度国家发布《医院感染诊断标准(试行)》，选择萍乡市某三级甲等医院2015年至2019年为期5年的医院感染病例资料共计727例。自萍乡气象台收集从2015年至2019年同步气温观测数据，包括日最高气温、日最低气温、日平均气温、温差（每日最高温度减去每日最低温度差值）及温较差（当日平均温度减去前一日平均温度差值）。

1.2 统计方法 采用描述性方法分析气温与感染人数的时间分布特征，用EXCEL录入以上气象因子数据。将气温指标（包括日最高气温、日最低气温、日平均气温、温差（每日最高温度减去每日最低温度差值）及温较差（当日平均温度减去前一日平均温度差值），与医院感染例数分别进行单因素相关分析，最终进行多元逐步线性回归分析。采用时间序列自回归移动平均结合模型(ARIMA)季节性处理的ARIMA(p,d,q)(P,D,Q)s模型。利用事物发展延续性原理，将医院感染2015年1月至2018年12月数据作为建模数据，用SPSS22.0进行时间序列分析，识别模型，对模型参数进行估计，最后利用2019年1月至2019年12月数据建模预测，绘制相应的预测效果图。

2 结果

2.1 如图1所示平均温度与医院感染例数分布基本类似，均呈现“驼峰样”变化，正相关关系，平均温度高，医院感染例数也增多。

图1 2015年至2019年平均温度与医院感染例数关系图

2.2将日最高气温、日最低气温、日平均气温、温差（每日最高温度减去每日最低温度差值）及温较差（当日平均温度减去前一日平均温度差值）气温指标与医院感染例数分别进行单因素相关分析。结果显示院感例数与温度较差呈正相关（r=0.141，P＜0.05），与最高温度呈正相关（r=0.101，P＜0.05）。与平均温度呈正相关（r=0.081，P＜0.05）。多因素回归较单因素回归更能有效控制混杂因素，从而更为准确地探讨自变量对因变量的影响，经多因素逐步线性回归结果显示，医院感染日例数与温度较差、最高温度、平均温度有关（P＜0.05）。

表1 气温暴露因素与医院感染日例数的单因素相关分析

表2 气温因素与医院感染日例数的多元逐步线性回归分析

2.3 时间序列分析 本研究数据显示存在一定周期季节性波动（图2），院感染人数呈现稳定变动趋势（相关系数=-1.21，t-3.153，P=0.003＜0.05），进一步绘制原始序列的ACF图及PACF图，即任意时间t（t=1,2,3…n)的序列值Xt与其自身的滞后值Xt-n之间的线性关系。

图2 2015年至2019年度医院感染原始序列图

时间序列分析是建立在平稳序列的条件上的，通过绘制CHD原始序列的序列图、自相关函数（Autocorrelation Function,ACF）图及偏自相关函数（Partial Autocorrelation Function,PACF）,可见在原始数列短的时滞上，自相关系数及偏自相关系数在0阶上下波动，呈现拖尾状态（图3、图4），经一阶差分、对数转换后得到一组平稳数据(图5)，且无明显的周期性（回归系数=0.493，t=0.042，P=0.966＞0.05），p、q初步确认为1。使用逐个尝试的方法对各个模型的拟合度进行比较，阶数一般不超过2阶[3]。

图3 原始序列的ACF图

图4 原始序列的PACF图

图5 经过一次差分，一次自然对数转化后序列图

采用Box-Ljung统计量进行残差白噪声检验，结合残差的ACF图及PACF图对初建模型进行估计（图6），结果差异无统计学意义（独立性检验box=10.511，P=0.786＞0.05），残差序列是随机的，各备选模型参数见表3，提示模型ARIMA（0,1,2,）（0,1,1）12是 较 理 想 的。表 达 式 为ln(CHDt)=0.603εt-1+0.397εt-2+0.994εt-1+0.994×0.603εt-2+0.994×0.397εt-3（ε是预测误差滞后值）。下一步进行预测，对模型预测效果均在95%可信区间内，与实际值较一致（图7），效果较好。

表3 备选ARIMA模型参数估计

图6 残差ACF/PACF结果

图7 2015年至2019年实际观测人数与拟合值的预测图

3 讨论

医院作为专业的医疗机构，各种高效广谱抗生素长期使用，新诊疗技术的广泛应用，各种创伤性侵入性检查和治疗手段的增加，在对患者实施治疗的同时，也成为细菌的聚集场所，使治疗效果和服务受到影响，医院感染率也有上升的趋势，由此引起的医疗纠纷也呈上升趋势[4]。部分医院感控三级组织建设或制度不健全、感控人员力量不足、院感实时监测系统及信息平台建设滞后、布局流程不合理、感控专职人员职责不清、保洁文化程度低培训效果不佳、感控重视和投入不足等都是目前存在的问题，这些都是制约医院感染管理事业发展和水平提升的短板因素[5]，如何更好的控制医院感染，成为每个医院感染管理者亟待解决的首要问题。对医院感染管理人员、医护人员科学防控院感提出了更高的要求。一般控制医院感染传播途径为注重手卫生、抗菌药物合理使用等[6-7]，随着抗药性耐药性菌株的出现，且手卫生依从性执行力不容乐观，探索其他替代性措施变得愈加重要。本研究调查发现，气温暴露因素（温度较差、最高温度、平均温度）可能与医院感染相关，在气温相差较大或温度较高时，应积极做好应对措施。

当今气候变化频繁、不断影响人类的生活、生产及健康[8]。《Air，Water and Situation》最早记录天气气候与健康的关系[9]，部分国内外调查研究中有分季节性研究、分单独气象因子研究[10]，阐述了不同季节不同感染病种感染病原体一般气象规律[11-12]。大量研究表明，温度是影响公众健康及死亡风险的重要环境因素[12-13]，如环境温度增加可使脑膜炎奈瑟菌发生免疫逃逸，引起颅内感染[14]，气温日较差与呼吸系统感染疾病相关[15]，温度与医院血液感染有密切关系[16]，通过本次研究调查结果，一定程度提示对温度进行预判断可减少院内感染的发生，应采取相应预防控制措施：首先应培训医护人员提高气候变化对健康影响的认知水平，严格护理，强调人人尽责，人人防控，提高站位，院感防控责任担当；其次是抓好防控重点，如夏季温度较高，有利于病原微生物生长，应注意通风控温；秋冬季温度较低，昼夜温差变化较大，对长期卧床等免疫力低下的人群，应注意保温，加强对患者的保护；科室做好相关监测工作，利用时间变化趋势，针对温度变化的不同感染病种数据进行定期总结，进行有针对性管理。后续也可对其他多种气象影响因素的综合效应进行深入研究，从而进一步提高医院感染防控能力，降低医院感染率。