2006—2020年乌鲁木齐市0~<35岁人群水痘发病趋势分析

职业与健康 ›› 2026, Vol. 42 ›› Issue (5): 653-657.

2006—2020年乌鲁木齐市0~<35岁人群水痘发病趋势分析

古丽加衣娜·艾肯¹, 依木冉·凯赛尔², 陈薇³, 周燚然¹, 张宇航¹, 卢耀勤¹^,³()

1.新疆医科大学，新疆乌鲁木齐 830054
2.新疆医科大学第一附属医院，新疆乌鲁木齐 830054
3.乌鲁木齐市疾病预防控制中心（市卫生监督所），新疆乌鲁木齐 830026

收稿日期:2025-05-28 修回日期:2025-07-09 出版日期:2026-03-01 发布日期:2026-03-10
通信作者: 卢耀勤，E-mail：lyq_superior@163.com
作者简介:古丽加衣娜·艾肯，女，在读硕士研究生，研究方向为流行病与卫生统计学。
基金资助:
生物安全战略防御一体化建设创新团队(2022TSYCTD0015)

Analysis of the incidence trend of chickenpox in the people aged 0-<35 years in Urumqi City from 2006 to 2020

Gulijiayina Aiken¹, Yimuran Kaisaier², CHEN Wei³, ZHOU Yiran¹, ZHANG Yuhang¹, LU Yaoqin¹^,³()

1. Xinjiang Medical University，Urumqi，Xinjiang 830054，China
2. The First Affiliated Hospital of Xinjiang Medical University，Urumqi，Xinjiang 830054，China
3. Urumqi Center for Disease Control and Prevention（Urumqi Institute of Health Supervision），Urumqi，Xinjiang 830026，China

Received:2025-05-28 Revised:2025-07-09 Online:2026-03-01 Published:2026-03-10
Contact: LU Yaoqin，E-mail：lyq_superior@163.com
About author:LU Yaoqin，E-mail：lyq_superior@163.com

摘要/Abstract

摘要：

目的分析乌鲁木齐市0~<35岁人群水痘发病情况及趋势，评估年龄、时期和队列对其长期趋势的影响。方法利用2006—2020年乌鲁木齐市传染病监测数据，使用Joinpoint回归（joinpoint regression model，JRM）拟合水痘发病率变化趋势并通过年龄-时期-队列模型（age-period-cohort，APC）评估年龄、时期、队列效应。结果 2006—2020年乌鲁木齐市0~<35岁人群水痘报告39 483例，年均报告发病率为180.73/10万，男性发病率高于女性。病例主要集中在0~<15岁人群，5~<10岁人群发病率最高。2006—2020年无明显变化趋势，不同性别人群水痘发病率变化趋势差异均无统计学意义（均P>0.05）。年龄别发病率10~<15、15~<20、25~<30和30~<35岁均呈上升趋势（均P<0.05）。5~<10岁为高发年龄组，15~<20岁男性发病率更高，女性20~<35岁发病率高。时期效应以2011—2015年为参考组，从2006—2010年期间的0.786（95%CI：0.667~0.927）升至2016—2020年间的1.530（95%CI：1.315~1.781）。队列效应总体呈先上升后下降趋势，达到2004—2008年出生队列组的2.305（95%CI：1.794~2.963）之后开始下降。结论 2006—2020年乌鲁木齐市水痘发病率呈M型波动趋势，0~<15岁为高发人群，其中5~<10岁为高危人群，15~<20岁发病率显著上升。<20岁男性发病率高于女性。出生队列发病率呈先上升后下降趋势，时间靠后的队列发病风险较小。因此，水痘防控应聚焦高危年龄群体，强化疫苗接种；兼顾性别差异，实施差异化策略；持续关注出生队列变化，及时调整防控措施。

关键词: 水痘, Joinpoint回归模型, APC模型

Abstract:

Objective To analyze the incidence and trend of varicella in the population aged 0-<35 in Urumqi City，and evaluate the impact of age，period，and cohort on its long-term trend. Methods The surveillance data of infectious diseases in Urumqi City from 2006 to 2020 were used to fit the change trend of varicella incidence rate using the joinpoint regression model（JRM），and the age-period-cohort model（APC） was used to assess the age，period，and cohort effect. Results From 2006 to 2020，39 483 cases of varicella were reported among people aged 0-<35 years in Urumqi City，and the average annual reported incidence was 180.73/100 000，and the incidence in men was higher than that in women. The cases were mainly concentrated in people aged 0-<15 years，and the incidence was highest in people aged 5-<10 years. There was no significant change from 2006 to 2020，and the change trend of varicella incidence rate in different gender groups was not statistically significant（all P>0.05）. The age-specific incidence rate showed an upward trend at 10-<15，15-<20，25-<30 and 30-<35 years old（all P<0.05）. The high incidence age group was 5-<10 years old. The incidence rate was higher for men 15-<20 years old，and the incidence rate was higher for women 20-<35 years old. The period effect was taken as the reference group from 2011 to 2015，rising from 0.786（95%CI：0.667-0.927） from 2006 to 2010 to 1.530（95%CI：1.315-1.781） from 2016 and 2020. The overall cohort effect increased first and then decreased，reaching 2.305（95%CI：1.794-2.963） in the birth cohort group from 2004 to 2008 before starting to decline. Conclusion From 2006 to 2020，the incidence of chickenpox in Urumqi City shows a M-type fluctuation trend. The people aged 0-<15 years are the high incidence group，of which the people aged 5-<10 years are the high-risk group，and the incidence rate of varicella aged 15-<20 years increases significantly. The incidence of men <20 years old is higher than that of women. The incidence of birth cohort showed an upward trend first and then a downward trend，and the cohort with a later time had a lower incidence risk. Therefore，varicella prevention and control should focus on high-risk age groups，strengthen vaccination，take into account gender differences and implement differentiated strategies；continuously pay attention to the changes of birth cohort，and timely adjust the prevention and control measures.

Key words: Chickenpox, Joinpoint regression model, Age-period-cohort model

中图分类号:

R181.81

古丽加衣娜·艾肯, 依木冉·凯赛尔, 陈薇, 周燚然, 张宇航, 卢耀勤. 2006—2020年乌鲁木齐市0~<35岁人群水痘发病趋势分析. [J]职业与健康, 2026, 42(5): 653-657.

Gulijiayina Aiken, Yimuran Kaisaier, CHEN Wei, ZHOU Yiran, ZHANG Yuhang, LU Yaoqin. Analysis of the incidence trend of chickenpox in the people aged 0-<35 years in Urumqi City from 2006 to 2020. [J]OCCUPATION AND HEALTH, 2026, 42(5): 653-657.

图/表 8

参考文献 25

[1]	刘丹丹, 宋健. 2018—2022年内蒙古自治区水痘流行特征分析[J]. 中国初级卫生保健, 2024, 38(6):60-62.
[2]	DOOLING K, MARIN M, GERSHON A A. Clinical manifestations of varicella:Disease is largely forgotten,but it's not gone[J]. J Infect Dis, 2022, 226(4):S380-S384.
[3]	随海田, 李锦成, 王淼, 等. 2005—2015年中国水痘流行病学特征[J]. 中国疫苗和免疫, 2019, 25(2):155-159.
[4]	曾四清, 李艳, 刘珺, 等. 两组序列数据趋势变化特征对比分析的joinpoint回归模型方法及应用[J]. 中国卫生统计, 2021, 38(2):307-311.
[5]	白金姝, 秦丽岩, 史光忠, 等. 1990—2019年中国利什曼病发病趋势及年龄-时期-队列模型分析[J]. 热带病与寄生虫学, 2024, 22(2):76-82.
[6]	ROSENBERG P S, CHECK D P, ANDERSON W F. A web tool for age-period-cohort analysis of cancer incidence and mortality rates[J]. Cancer Epidemiol Biomarkers Prev, 2014, 23(11):2296-2302. DOI URL
[7]	BAI R, DONG W, PENG Q, et al. Trends in depression incidence in China,1990-2019[J]. J Affect Disord, 2022,296:291-297.
[8]	王苗苗, 胡跃华, 尤美莹, 等. 2006—2021年我国水痘突发公共卫生事件流行病学特征[J]. 中华流行病学杂志, 2023, 44(12):1893-1898.
[9]	马杰, 虎明明, 刘素红, 等. 2013—2022年银川市水痘流行病学特征分析[J]. 宁夏医学杂志, 2024, 46(1):28-30.
[10]	LIU B, LI X, YUAN L, et al. Analysis on the epidemiological characteristics of varicella and breakthrough case from 2014 to 2022 in qingyang city[J]. Hum Vaccin Immunother, 2023, 19(2):2224075. DOI URL
[11]	马元俊, 周晓凤, 王成科, 等. 绵阳市涪城区不同时间段水痘疫情流行特征对比分析[J]. 医学动物防制, 2024, 40(10):950-954.
[12]	ÁVILA-AGÜERO M L, BELTRÁN S, CASTILLO J B D, et al. Varicella epidemiology in latin america and the caribbean[J]. Expert Rev Vaccines, 2018, 17(2):175-183.
[13]	孙振兴, 胡桂林, 曹蕾, 等. 2015—2022年重庆市渝中区水痘流行病学特征分析[J]. 齐齐哈尔医学院学报, 2024, 45(13):1264-1267.
[14]	李杰. 乌鲁木齐天山区儿童计划免疫接种率及影响因素分析[D]. 兰州: 兰州大学, 2019.
[15]	张晓颖. 2008—2022年天津市宝坻区水痘流行特征分析[J]. 应用预防医学, 2024, 30(1):56-58.
[16]	陈杰. 2016—2022年天津市河西区水痘流行特征分析[J]. 中国初级卫生保健, 2024, 38(5):62-64.
[17]	张继峰, 刘新民, 王华丽, 等. 2020—2022年东营市水痘流行特征分析[J]. 中国初级卫生保健, 2024, 38(4):63-66.
[18]	马涛, 丁松宁, 陈聪, 等. 丙类管理和疫苗接种策略下南京市水痘流行特征[J]. 中华疾病控制杂志, 2024, 28(4):393-401.
[19]	胡跃华, 罗旭飞, 吕萌, 等. 中国健康人群水痘-带状疱疹病毒抗体水平的Meta分析[J]. 中华流行病学杂志, 2021, 42(9):1650-1661.
[20]	WANG M, LI X, YOU M, et al. Epidemiological characteristics of varicella outbreaks-China,2006-2022[J]. China CDC Wkly, 2023, 5(52):1161-1166.
[21]	李杰, 孙璐, 靳妍, 等. 2021年乌鲁木齐市1起高水痘疫苗覆盖率中学水痘暴发调查[J]. 中国疫苗和免疫, 2022, 28(3):341-345.
[22]	LU J Y, ZHANG Z B, HE Q, et al. Association between climatic factors and varicella incidence in guangzhou,southern china,2006-2018[J]. Sci Total Environ, 2020,728:138777.
[23]	殷大鹏, 卢莉, 刘燕敏. 水痘疫苗预防接种专家共识[J]. 首都公共卫生, 2023, 17(5):257-266.
[24]	艾孜买提·沙力, 高枫, 阿布都热依木, 等. 2010—2014年乌鲁木齐市水痘流行病学特征[J]. 职业与健康, 2016, 32(15):2072-2074.
[25]	陆晓娟, 蒋雪峰, 郭林杰, 等. 平湖市2010—2020年水痘发病流行特征及疫苗免疫效果分析[J]. 现代实用医学, 2024, 36(1):45-48.

项目	AAPC（%）	95%CI	t值	P
性别
男	1.700	-2.100~5.500	0.900	>0.05
女	2.900	-0.800~6.700	1.700	>0.05
年龄（岁）
0~<5	-1.900	-5.800~2.200	-1.000	>0.05
5~<10	-1.800	-5.200~1.700	-1.100	>0.05
10~<15	8.500	4.500~12.600	4.700	<0.01
15~<20	14.400	9.300~19.800	6.300	<0.01
20~<25	5.800	-0.400~12.300	2.000	>0.05
25~<30	8.900	4.400~13.600	4.300	<0.01
30~<35	12.900	7.300~18.800	5.100	<0.01
合计	2.200	-1.500~6.100	1.300	>0.05

项目	AAPC（%）	95%CI	t值	P
性别
男	1.700	-2.100~5.500	0.900	>0.05
女	2.900	-0.800~6.700	1.700	>0.05
年龄（岁）
0~<5	-1.900	-5.800~2.200	-1.000	>0.05
5~<10	-1.800	-5.200~1.700	-1.100	>0.05
10~<15	8.500	4.500~12.600	4.700	<0.01
15~<20	14.400	9.300~19.800	6.300	<0.01
20~<25	5.800	-0.400~12.300	2.000	>0.05
25~<30	8.900	4.400~13.600	4.300	<0.01
30~<35	12.900	7.300~18.800	5.100	<0.01
合计	2.200	-1.500~6.100	1.300	>0.05

零假设	男性		女性		总人群
零假设	χ²值	P	χ²值	P	χ²值	P
净漂移=0	33.831	<0.01	48.464	<0.01	41.550	<0.01
总年龄偏差=0	85.380	<0.01	68.260	<0.01	76.148	<0.01
总时期偏差=0	3.484	>0.05	1.299	>0.05	2.220	>0.05
总队列偏差=0	84.871	<0.01	60.308	<0.01	72.401	<0.01
全时期RR=1	38.763	<0.01	51.900	<0.01	45.601	<0.01
全队列RR=1	92.943	<0.01	78.025	<0.01	84.688	<0.01
所有局部漂移=净漂移	84.870	<0.01	60.290	<0.01	72.396	<0.01

零假设	男性		女性		总人群
零假设	χ²值	P	χ²值	P	χ²值	P
净漂移=0	33.831	<0.01	48.464	<0.01	41.550	<0.01
总年龄偏差=0	85.380	<0.01	68.260	<0.01	76.148	<0.01
总时期偏差=0	3.484	>0.05	1.299	>0.05	2.220	>0.05
总队列偏差=0	84.871	<0.01	60.308	<0.01	72.401	<0.01
全时期RR=1	38.763	<0.01	51.900	<0.01	45.601	<0.01
全队列RR=1	92.943	<0.01	78.025	<0.01	84.688	<0.01
所有局部漂移=净漂移	84.870	<0.01	60.290	<0.01	72.396	<0.01