2013—2024年长春市肾综合征出血热流行特征及趋势分析

摘要/Abstract

摘要：

目的通过分析长春市肾综合征出血热（hemorrhagic fever with renal syndrome，HFRS）流行病学特征及长期发病趋势，了解疾病发展规律，为下一步调整防控提供科学依据。方法通过中国疾病预防控制信息系统收集2013—2024年长春市HFRS病例资料，以描述流行病学研究方法分析流行特征。采用Joinpoint回归模型对2013—2024年长春市HFRS发病率变化趋势进行分析。结果 2013—2024年长春市累计报告HFRS病例705例，死亡1例，年平均报告发病率0.71/10万，发病呈季节性双峰分布特征。男性发病数多于女性，男女性别比4.04 ∶ 1，以25~<60岁（占77.16%）的农民和家务及待业人员（占77.45%）发病为主。各县（市、区）均有病例报告，主要集中在榆树市、农安县、德惠市、九台区和南关区，占发病总数的60.03%。Joinpoint回归分析结果显示，2013—2024年长春市HFRS报告发病率呈下降趋势，2020年为年发病率趋势变化转折点，2013—2020年呈小幅波动下降趋势（β₁=-0.253，P<0.01），2020—2024年呈平稳下降趋势（β₂=-0.038，P<0.01），差异均有统计学意义。男性女性年发病均呈下降趋势，且变化速度不一致，男性高于女性。以45~<50岁为年龄组年平均报告发病率趋势变化转折点，0~<20岁至45~<50岁年龄组发病呈上升趋势（β₁=0.024，P<0.01），45~<50岁至≥60岁年龄组发病呈下降趋势（β₂=-0.047，P<0.05），差异均有统计学意义。结论 2013—2024年长春市HFRS发病呈下降趋势，呈春秋两季双峰分布，外县发病高于城区，且有向城区发展的趋势，中老年为主要发病人群。今后相关部门应加强肾综合征出血热监测预警工作，有针对性调整防控措施，保持发病呈低发平稳态势。

关键词: 肾综合征出血热, 流行特征, 趋势分析, 发病率, Joinpoint回归模型

Abstract:

Objective To analyze the epidemic characteristics and long-term trends of hemorrhagic fever with renal syndrome（HFRS） in Changchun，understand its development patterns and provide a scientific basis for adjusting future prevention and control strategies. Methods Data on individual HFRS cases in Changchun City from 2013 to 2024 were collected from the China Disease Prevention and Control Information System，and analyze the epidemiological characteristics using descriptive epidemiological methods. Joinpoint regression model was used to analyze the incidence trend of HFRS in Changchun from 2013 to 2024. Results From 2013 to 2024，a total of 705 HFRS cases and the one fatal case were reported in Changchun，and the average annual incidence rate was 0.71/100 000，the incidence showed a seasonal bimodal distribution. The number of male cases was more than that of female ones，with a male to female ration of 4.04 ∶ 1. The cases mainly occurred in farmers and the unemployed（77.45%） aged 25-<60 years（77.16%）. The cases were reported in all counties（city，district），mainly concentrated in Yushu City，Nongan County，Dehui City，Jiutai District and Nanguan District，accounting for 60.03% of the total number of cases. The Joinpoint regression analysis revealed a declining trend in HFRS cases incidence rate reported in Changchun from 2013 to 2024，2020 was the turning point among the trend change of the average annual incidence rate，2013-2020 showed a slight fluctuation downward trend（β₁=-0.253，P<0.01），and 2020-2024 showed a stable downward trend（β₂=-0.038，P<0.01），with statistically significant differences. The annual incidence of diseases in both males and females showed a downward trend，and the rate of change was not consistent，with males being higher than females. Taking 45-<50 years old as the turning point among the trend change of average annual reported incidence rate，the incidence of 0-<20 years old to 45-<50 years old group showed an upward trend（β₁=0.024，P<0.01），and the incidence of 45-<50 years old to ≥60 years old group showed a downward trend（β₂=-0.047，P<0.05），with statistically significant differences. Conclusion The incidence of HFRS in Changchun City showed a downward trend and a bimodal distribution in spring and autumn from 2013 to 2024. The incidence of HFRS in counties was more than that in urban areas，and geographical trend for the disease includes a notable shift from counties to urban areas. Middle aged and elderly people are the main affected population. In the future，relevant departments should strengthen the monitoring and early warning work of HFRS，adjusted prevention and control measures in a targeted manner，and maintained the incidence of HFRS at a low and stable level.

Key words: Hemorrhagic fever with renal syndrome, Epidemiological characteristics, Trend analysis, Incidence rate, Joinpoint regression model

中图分类号:

R181.8⁺1

任治兴, 吴卉, 周玉祥, 阴媛. 2013—2024年长春市肾综合征出血热流行特征及趋势分析. [J]职业与健康, 2026, 42(4): 522-526.

REN Zhixing, WU Hui, ZHOU Yuxiang, YIN Yuan. Epidemiological characteristics and trend analysis of hemorrhagic fever with renal syndrome in Changchun City from 2013 to 2024. [J]OCCUPATION AND HEALTH, 2026, 42(4): 522-526.

图/表 4

参考文献 20

[1]	梁小洁, 严延生, 张智芳, 等. 肾综合征出血热[J]. 中国人兽共患病学报, 2020, 36(10):858-863. DOI
[2]	吴静. 长春市肾综合征出血热地理流行病学及病原基因序列分析[D]. 长春: 吉林大学, 2015.
[3]	曾四清. Joinpoint回归模型及其在传染病流行趋势分析中的应用[J]. 中国卫生统计, 2019, 36(5):787-791.
[4]	车雷, 周博, 王晓丽, 等. 沈阳市2004—2020年肾综合征出血热流行病学特征分析[J]. 现代预防医学, 2021, 48(19):3471-3474,3643.
[5]	王艳旭, 赵继民, 刘翠玉, 等. 黑龙江省佳木斯市2004—2021年肾综合征出血热流行特征及发病趋势预测[J]. 中国媒介生物学及控制杂志, 2023, 34(4):536-541.
[6]	王俊锋, 吴昊, 李美娜, 等. 2018—2023年吉林省肾综合征出血热流行特征及宿主动物监测分析[J]. 热带病与寄生虫学, 2024, 22(3):133-139.
[7]	王晓萍, 王瑶, 杨天龙, 等. 吉林省肾综合征出血热发病预测研究[J]. 中国地方病防治, 2022, 37(5):373-376.
[8]	牛艳, 王霄晔, 王瑶, 等. 吉林省肾综合征出血热流行特征及发病预测研究[J]. 中国地方病防治, 2021, 36(3):203-206.
[9]	颜伟, 王金锋, 刘哲, 等. 2008—2023年滨州市肾综合征出血热流行特征与发病趋势预测[J]. 热带医学杂志, 2025, 25(3):416-419,433.
[10]	韩啸宇, 谭小华, 罗傲, 等. 广东省肾综合征出血热流行特征及时空聚集性分析[J]. 中华疾病控制杂志, 2024, 28(6):629-635,663.
[11]	华华, 胡泉博, 陈淑红, 等. 2017—2022年黑龙江肾综合征出血热流行特征及空间聚集性分析[J]. 实用预防医学, 2024, 31(6):667-671.
[12]	戴艳妮, 李青, 储修杰, 等. 2019—2023年安徽省肾综合征出血热流行特征及宿主动物监测分析[J]. 热带病与寄生虫学, 2024, 22(3):152-156,171.
[13]	路淋. 2005—2020年辽宁省丹东市肾综合征出血热流行特征分析[J]. 预防医学论坛, 2022, 28(7):552-554.
[14]	马涛, 周沁易, 徐庆, 等. 南京市肾综合征出血热长期趋势和2015—2020年流行特征及预警阈值[J]. 中国人兽共患病学报, 2021, 37(10):916-922,928. DOI
[15]	汪娟, 冯玉亮, 周兴余, 等. 2018—2022年四川省流行病出血热流行特征分析[J]. 预防医学情报杂志, 2024, 40(8):923-931.
[16]	苏永健, 梁金良, 张家玮, 等. 2005—2021年中国流行性出血热流行趋势分析[J]. 中华卫生杀虫药械, 2023, 29(6):531-538.
[17]	邓明菊, 边绍勇, 宋阳, 等. 2009—2018年凉山州盐源县流行性出血热流行病学分析[J]. 职业与健康, 2020, 36(23):3252-3254,3259.
[18]	尚翠, 张全福, 殷强玲, 等. 汉坦病毒病流行影响因素分析[J]. 中华流行病学杂志, 2020, 41(6):968-974.
[19]	李涛, 侯海龙, 李明珠, 等. 宁夏回族自治区固原市原州区2020—2023年肾综合征出血热宿主动物监测分析[J]. 中国媒介生物学及控制杂志, 2024, 35(6):664-670.
[20]	刘天, 童叶青, 刘漫, 等. 2004—2017年全国肾综合征出血热变化趋势分析[J]. 中国人兽共患病学报, 2022, 38(6):515-522,547. DOI

日期（年）	模型选择		区段1			区段2
日期（年）	模型	MSE值	起止年龄（岁）	APC（%）/slope	P值	起止年龄（岁）	APC（%）/slope	P值
2013	线性模型	1.417	0~<40	0.072	0.002	40~<60	-0.095	0.130
2014	线性模型	2.929	0~<60	0.024	0.029
2015	线性模型	1.181	0~<60	0.039	<0.001
2016	线性模型	0.837	0~<50	0.037	0.001	50~<60	-0.145	0.142
2017	线性模型	1.680	0~<60	0.017	0.014
2018	对数模型	1.550	0~<30	12.993	0.076	30~<60	-1.556	0.440
2019	线性模型	0.604	0~<60	0.014	0.001
2020	对数模型	0.203	0~<45	3.848	0.040	45~<60	-4.587	0.300
2021	对数模型	0.420	0~<50	4.025	0.049	50~<60	-25.930	0.303
2022	线性模型	0.183	0~<60	0.002	0.011
2023	对数模型	0.330	0~<40	6.641	0.013	40~<60	-11.222	0.031
2024	线性模型	0.250	0~<60	0.000	0.575
平均	线性模型	0.108	0~<45	0.024	<0.001	45~<60	-0.047	0.015

日期（年）	模型选择		区段1			区段2
日期（年）	模型	MSE值	起止年龄（岁）	APC（%）/slope	P值	起止年龄（岁）	APC（%）/slope	P值
2013	线性模型	1.417	0~<40	0.072	0.002	40~<60	-0.095	0.130
2014	线性模型	2.929	0~<60	0.024	0.029
2015	线性模型	1.181	0~<60	0.039	<0.001
2016	线性模型	0.837	0~<50	0.037	0.001	50~<60	-0.145	0.142
2017	线性模型	1.680	0~<60	0.017	0.014
2018	对数模型	1.550	0~<30	12.993	0.076	30~<60	-1.556	0.440
2019	线性模型	0.604	0~<60	0.014	0.001
2020	对数模型	0.203	0~<45	3.848	0.040	45~<60	-4.587	0.300
2021	对数模型	0.420	0~<50	4.025	0.049	50~<60	-25.930	0.303
2022	线性模型	0.183	0~<60	0.002	0.011
2023	对数模型	0.330	0~<40	6.641	0.013	40~<60	-11.222	0.031
2024	线性模型	0.250	0~<60	0.000	0.575
平均	线性模型	0.108	0~<45	0.024	<0.001	45~<60	-0.047	0.015