目的对蜱传疾病患者流行病学资料、临床特征进行分析,以期为蜱传疾病诊治能力提升提供帮助。方法收集北京地坛医院2013年1月至2023年6月收治的蜱传疾病患者资料,对流行病学和临床特征进行分析。结果共纳入32例蜱传疾病患者临床资料,包...目的对蜱传疾病患者流行病学资料、临床特征进行分析,以期为蜱传疾病诊治能力提升提供帮助。方法收集北京地坛医院2013年1月至2023年6月收治的蜱传疾病患者资料,对流行病学和临床特征进行分析。结果共纳入32例蜱传疾病患者临床资料,包括发热伴血小板减少综合征(severe fever with thrombocytopenia syndrome,SFTS)17例,莱姆病5例,立克次体病10例。发病时间集中在每年的5—10月。北京本土病例14例(43.8%),平谷区占比最高(4例,28.6%),外省输入性病例16例(50.0%),境外旅居患病人员2例(6.3%)。病例年龄21~80岁,平均(50.16±14.61)岁。病例数最多的职业为农民(14例,43.8%)。游走性红斑为莱姆病典型皮损特点,发热多见于SFTS及立克次体病患者,以中度发热为主。WBC及NEUT降低多见于SFTS。SFTS及立克次体病均有EOS降低。PLT减少为SFTS典型特征。立克次体病及SFTS患者表现出明显的肝脏损伤,ALT、AST明显升高。SFTS患者存在明显心肌损伤,CK、CK-MB均有升高。CRP升高主要见于立克次体病。PCT升高最常见于立克次体病,其次为SFTS。结论北京地区蜱传疾病存在逐年上升趋势,多有延误诊断,需提升此类疾病的诊断能力,根据流行病学史和蜱传疾病临床特征进行早期识别,及早行病原学检测,从而提高早期诊断率,实现早诊早治。展开更多
目的介绍模拟指标与观测指标之间的距离(distance between indices of simulation and observation,DISO)在传染病预测模型效果评价中的应用,为传染病预测模型评价提供参考。方法以2005—2021年湖北省细菌性痢疾逐月发病率数据为例,分...目的介绍模拟指标与观测指标之间的距离(distance between indices of simulation and observation,DISO)在传染病预测模型效果评价中的应用,为传染病预测模型评价提供参考。方法以2005—2021年湖北省细菌性痢疾逐月发病率数据为例,分别建立季节自回归移动平均模型(seasonal autoregressive integrated moving average model,SARIMA)、指数平滑空间状态模型(exponential smoothing state space model,ETS)、TBATS模型(三角函数季节性、Box-Cox变换、ARMA误差、趋势和季节性成分组合模型)和自回归神经网络模型(neural network autoregression,NNETAR)以及上述模型的组合模型共5种模型,预测2022年1—12月湖北省细菌性痢疾发病率。选择平均绝对误差百分比(mean absolute percentage error,MAPE)、平均绝对误差(meanabsoluteerror,MAE)、均方误差根(rootmeansquareerror,RMSE)、平均误差率(mean error rate,MER)以及R2共5个评价指标计算拟合DISO值、预测DISO值和综合DISO值,利用DISO选择最优模型。结果SARIMA、ETS、TBATS、NNETAR和组合模型拟合的MAPE、MAE、RMSE、MER和R2的模型精度顺位分别为5、5、5、5、4;2、2、3、2、4;4、4、2、4、2;3、2、3、2、2;1、1、1、1、1。模型预测精度顺位存在较大差异。SARIMA、ETS、TBATS、NNETAR和组合模型拟合DISO值依次为1.00、0.68、0.74、0.62和0.00,预测DISO值依次为1.00、0.00、0.01、0.17和0.01,综合DISO值依次为1.41、0.68、0.74、0.65和0.01。拟合精度最高模型为组合模型,预测精度最高模型为ETS,拟合及预测综合精度最高的为组合模型。结论DISO可以用于传染病预测模型效果评价,值得推广应用。展开更多
文摘目的对蜱传疾病患者流行病学资料、临床特征进行分析,以期为蜱传疾病诊治能力提升提供帮助。方法收集北京地坛医院2013年1月至2023年6月收治的蜱传疾病患者资料,对流行病学和临床特征进行分析。结果共纳入32例蜱传疾病患者临床资料,包括发热伴血小板减少综合征(severe fever with thrombocytopenia syndrome,SFTS)17例,莱姆病5例,立克次体病10例。发病时间集中在每年的5—10月。北京本土病例14例(43.8%),平谷区占比最高(4例,28.6%),外省输入性病例16例(50.0%),境外旅居患病人员2例(6.3%)。病例年龄21~80岁,平均(50.16±14.61)岁。病例数最多的职业为农民(14例,43.8%)。游走性红斑为莱姆病典型皮损特点,发热多见于SFTS及立克次体病患者,以中度发热为主。WBC及NEUT降低多见于SFTS。SFTS及立克次体病均有EOS降低。PLT减少为SFTS典型特征。立克次体病及SFTS患者表现出明显的肝脏损伤,ALT、AST明显升高。SFTS患者存在明显心肌损伤,CK、CK-MB均有升高。CRP升高主要见于立克次体病。PCT升高最常见于立克次体病,其次为SFTS。结论北京地区蜱传疾病存在逐年上升趋势,多有延误诊断,需提升此类疾病的诊断能力,根据流行病学史和蜱传疾病临床特征进行早期识别,及早行病原学检测,从而提高早期诊断率,实现早诊早治。
文摘目的介绍模拟指标与观测指标之间的距离(distance between indices of simulation and observation,DISO)在传染病预测模型效果评价中的应用,为传染病预测模型评价提供参考。方法以2005—2021年湖北省细菌性痢疾逐月发病率数据为例,分别建立季节自回归移动平均模型(seasonal autoregressive integrated moving average model,SARIMA)、指数平滑空间状态模型(exponential smoothing state space model,ETS)、TBATS模型(三角函数季节性、Box-Cox变换、ARMA误差、趋势和季节性成分组合模型)和自回归神经网络模型(neural network autoregression,NNETAR)以及上述模型的组合模型共5种模型,预测2022年1—12月湖北省细菌性痢疾发病率。选择平均绝对误差百分比(mean absolute percentage error,MAPE)、平均绝对误差(meanabsoluteerror,MAE)、均方误差根(rootmeansquareerror,RMSE)、平均误差率(mean error rate,MER)以及R2共5个评价指标计算拟合DISO值、预测DISO值和综合DISO值,利用DISO选择最优模型。结果SARIMA、ETS、TBATS、NNETAR和组合模型拟合的MAPE、MAE、RMSE、MER和R2的模型精度顺位分别为5、5、5、5、4;2、2、3、2、4;4、4、2、4、2;3、2、3、2、2;1、1、1、1、1。模型预测精度顺位存在较大差异。SARIMA、ETS、TBATS、NNETAR和组合模型拟合DISO值依次为1.00、0.68、0.74、0.62和0.00,预测DISO值依次为1.00、0.00、0.01、0.17和0.01,综合DISO值依次为1.41、0.68、0.74、0.65和0.01。拟合精度最高模型为组合模型,预测精度最高模型为ETS,拟合及预测综合精度最高的为组合模型。结论DISO可以用于传染病预测模型效果评价,值得推广应用。
