Page 47 - 南京医科大学自然版

第45卷第3期 陈 静，瞿怀荣，赵 巍，等. 新型冠状病毒肺炎疫情前后我国4种肝炎发病趋势的时间序列分析［J］.
2025年3月 南京医科大学学报（自然科学版），2025，45（3）：334-345 ·335 ·

of hepatitis of 2012-2019，2012-2020，2012-2021，2012-2022，2012-2023 showed an upward trend，the long⁃term trend variance
contribution rates showed an upward trend，with correlation coefficients of 0.979，0.981，0.890，and 0.938 with variance，respectively
（all P < 0.05），but the seasonal factor variance contribution rates showed a downward trend，with correlation coefficients of -0.978，
-0.986，-0.954，and -0.936 with variance，respectively（all P < 0.05）. Conclusion：The decomposition of the time series is helpful to
study the regularity of the long⁃term trend changes and periodic fluctuation of hepatitis. The long⁃term trend is obvious for the time
series diagram of hepatitis A or B，and the periodic fluctuation is obvious for the time series diagram of hepatitis C or E. The epidemic
prevention and control have reduced the monthly cases of four types of hepatitis，which has a significant impact on the long⁃term trend
of monthly cases but has not changed the cyclical characteristics of the low and peak periods of incidence. Faced with the challenge of
an increase in the cases of hepatitis after the epidemic，it is necessary to strengthen the monitoring of hepatitis，explore the regularity of
hepatitis incidence，and do a good job in prevention，control and treatment of hepatitis.
［Key words］ hepatitis；time series；long⁃term trend；seasonal factors；COVID⁃19
［J Nanjing Med Univ，2025，45（03）：334⁃345］

病毒性肝炎（简称肝炎）是由肝炎病毒引起的 病预防控制中心发布的法定传染病报告的统计资
以肝脏损害为主的传染病，根据不同的病毒类型， 料。丁型肝炎的月发病数较少，以 2023 年为例，月
可分为甲型肝炎（简称甲肝）、乙型肝炎（简称乙 发病数最高为 23 例，最低为 14 例，且由于缺少
肝）、丙型肝炎（简称丙肝）、丁型肝炎（简称丁肝）和 2015 年以前的统计数据，故未纳入本研究范围。
戊型肝炎（简称戊肝）。肝炎的长期慢性感染，可导 收集 2019—2020 年全国和各地区甲型、乙型、
致肝纤维化、肝硬化、肝衰竭，甚至发展为肝癌 ［1-2］ 。 丙型及戊型肝炎的发病率，数据来自国家卫生健康
我国是肝炎高发国家，近年来，我国在肝炎防治方 委员会（https：//www.nhc.gov.cn/）发布的中国卫生健
面取得了显著成就，但由于人口众多，肝炎感染者 康统计年鉴。
的基数大、病情长、医治负担重等原因，肝炎防治工 本研究重点分析疫情前后甲、乙、丙、戊型肝炎
作仍然任重道远。因此，肝炎的早发现、早治疗、早 发病趋势的变化规律。以2012年为起点，根据疫情
干预意义重大 ［3-4］ 。分析传染病流行的特征和规律， 防控时间，将肝炎月发病数的时间序列数据分为疫
是对疾病未来发生、发展趋势认知的重要手段，是 情前的 2012—2019 年，包含 3 年疫情期的 2012—
制定传染病防控策略的重要前提。 2020 年、2012—2021 年和 2012—2022 年，疫情后的
2020年3月11日，世界卫生组织宣布新型冠状 2012—2023年。
病毒肺炎（coronavirus disease⁃2019，COVID⁃19）为大 1.2 方法
流行病 ［5-6］ 。我国 COVID⁃19 疫情，开始于 2020 年 时间序列的季节性分解可以将序列数据中的
［7］
1 月，疫情防控结束于 2022 年 12 月 。我国针对 趋势、季节和残差等组成部分分解出来 ［10-11］ ，有助于
COVID⁃19的3年防控，时间较长，措施严密，有效地 更深入地理解时间序列数据的内在规律和特征。
防控了疾病的传播。疫情防控导致人们生活及行 本研究对肝炎月发病数的时间序列Y进行季节性加
为方式改变，进而对其他传染病的流行也会产生 法分解：Y=T+S+R，其中 T 为长期趋势分量，反映序
一定影响 ［8-9］ ，目前针对 COVID⁃19 疫情防控下传染 列的长期变化规律；S为季节因子分量，反映序列周
病流行趋势的研究尚少。疫情防控对肝炎的发病 期性波动的变化规律，季节因子<0表示季节水平低
趋势和流行模式的影响和启示值得探讨。本研究 于平均值，季节因子>0 表示高于平均值；R 为误差
对我国 4 种肝炎 2012—2023 年的时间序列变化，特 分量，反映序列剩余的残差部分的随机扰动变化。
别是 COVID⁃19 疫情前后的变化规律性，进行相关 协方差用于衡量两个变量之间总体误差或共
分析和比较。 同变动的趋势，定义为两个随机变量 X1、X2与其各
自数学期望 E（X1）、E（X2）之差的乘积的数学期望：
1 资料和方法
Cov（X1， X2）=E{［X1⁃E（X1）］［X2⁃E（X2）］}。
1.1 资料 时间序列的协方差 Cov（Y，Y），即 Y 的方差，反
收集 2012 年 1 月—2023 年 12 月全国甲型、乙 映了原始序列波动的离散程度，T、S 和 R 各分量关
型、丙型及戊型肝炎的月发病数，数据来自中国疾 于 Y 的协方差记为 Cov（T，Y）、Cov（S，Y）和 Cov（R，