气象因素驱动下安徽省实验室确诊流感病例的流行病学趋势：基于多城市时间序列分析的气候健康研究

本研究针对气象因素(MFs)对实验室确诊流感(LCI)病例的影响机制不明问题，采用两阶段时间序列分析，通过分布式滞后非线性模型(DLNM)和元分析技术，揭示了温度、相对湿度和风速对43,872例LCI病例的非线性滞后效应。研究发现温度与流感风险呈显著负相关(p=0.0001)，且人口密度边际调节该关联(p=0.0506)，为建立气候敏感的流感预警系统提供了科学依据。

　　

流感一直是全球公共卫生的重大威胁，每年导致约10亿人感染和数十万死亡。尽管疫苗接种等防控措施不断推进，但气候变化背景下气象因素(Meteorological Factors, MFs)对流感传播的影响机制仍不明确。既往研究存在三大瓶颈：一是多采用流感样病例(ILI)数据，诊断特异性不足；二是缺乏对滞后效应和人口异质性的系统评估；三是中国亚热带地区的气候-流感关联证据有限。这些问题严重制约了精准防控策略的制定。

为破解这些科学难题，由Harry Asena Musonye和Yi-Sheng He领衔的研究团队在《BMC Public Health》发表了开创性研究。该研究创新性地采用实验室确诊流感(Laboratory-Confirmed Influenza, LCI)数据，通过多城市时间序列分析，首次系统揭示了安徽省气象因素与流感传播的复杂关系。

研究团队运用三大关键技术：1)从中国流感监测信息系统(CISIS)获取2015-2023年安徽省16个地级市43,872例LCI病例数据；2)采用两阶段分析方法，先通过分布式滞后非线性模型(DLNM)构建城市特异性暴露-滞后-反应关系，再通过随机效应元分析整合全省估计；3)进行年龄、性别分层分析和元回归，评估人口密度等效应修饰因素。

主要研究结果呈现四大发现：

描述性统计特征
研究显示安徽省日均温度16.34±9.34°C，相对湿度75.58±14.09%，平均每日报告4.37例LCI病例。5-14岁年龄组占比最高(43.8%)，H1N1为优势毒株(34.2%)。时间序列分析揭示明显的冬季流行高峰和夏季小高峰。

DLNM三维暴露-滞后反应
温度呈现复杂非线性关联：10-20°C时风险比(RR)>1，极端温度(<0°C或>25°C)时RR<1。风速<1.5m/s时短期滞后(0-5天)RR升高，反映空气停滞促进传播。相对湿度在10-30%时短期滞后RR峰值显著。

总体效应估计
单日滞后分析显示温度与LCI呈微弱负相关(RR=0.9778,95%CI:0.9468-1.0098)，而累积滞后呈正相关(RR=1.0263)。相对湿度单日滞后RR=1.0056，累积滞后转为负相关(RR=0.9974)。风速效应均不显著。

分层分析突破
温度在所有年龄段均显示显著负相关(p=0.0001)，0-4岁和≥60岁最敏感。男性(RR=0.9753)比女性(RR=0.9806)更易受温度影响。≥60岁人群湿度关联显著(p=0.0024)。元回归显示人口密度边际调节温度效应(p=0.0506)。

这项研究具有三重重要意义：方法学上，首次将两阶段DLNM-元分析应用于中国亚热带地区流感研究；理论上，证实了MFs效应的非线性、滞后性和人口异质性；实践上，为不同人群提供差异化的气候适应建议。特别是发现5-14岁学龄儿童和老年群体的气候敏感性，提示需要针对性地加强这些人群在气象波动期间的防护措施。

研究也存在若干局限：生态学设计限制因果推断、未控制疫苗接种等混杂因素、城市级气象数据可能造成暴露错分等。未来研究可结合个体暴露监测和病毒学特征，深入解析气候-宿主-病原体互作机制。这些发现为建立气候智能型流感防控体系提供了关键科学依据，对应对气候变化下的新发传染病威胁具有重要启示。