目的  基于分布滞后非线性模型（DLNM）系统评估潍坊地区日均气温对水痘发病的非线性影响及其滞后效应。

方法  收集2014年1月至2023年12月潍坊地区水痘病例监测数据和同期气象数据，运用DLNM模型分析日均气温与潍坊地区水痘发病的暴露-反应关系。

结果  研究期间潍坊市共报告水痘病例7 871例。日均气温与水痘日病例数呈负相关（r_s=-0.235，P＜0.001）。以日均温度的中位数15.69 ℃为参考值，低温情况下RR值较高。低温影响出现于滞后早期（滞后0~9 d），而高温影响则呈双阶段特征，在滞后早期（0~7  d）表现为较弱的危险因素，但在滞后后期（如14 d）则可能转变为保护因素。亚组分析发现水痘发病呈显著的季节异质性和年龄差异，3~6岁组冬季发病风险为夏季的1.9倍，表现出明显的季节性波动模式。敏感性分析表明模型结果稳健。

结论  气温与潍坊市水痘就诊量之间呈非线性关系，低温对水痘发病影响显著且存在滞后效应；高温影响较为温和且呈现出双阶段特征。提示在冬春低温季节需重视预防水痘发病，特别是在学校和托幼机构等人群密集场所应加强防控措施。

水痘是由水痘-带状疱疹病毒（varicella-zoster virus，VZV）引发的呼吸道传染病，传染性强，在密集人群中可迅速形成传播链，尤其对儿童群体构成严重威胁[1-2]。感染后常见皮疹、发热、瘙痒等不适症状，不仅影响患者身体健康，还可能引发肺炎、脑炎等并发症，甚至导致死亡[3]。近年来，温度异常波动频发，气象因素对传染病传播的影响日益受到关注。温度作为关键环境变量，可能通过多种机制影响水痘传播动力学。一方面，低温环境可能延长病毒在外界的存活时间，同时促使人群室内聚集，增加接触传播机会；另一方面，温度变化可能影响宿主免疫状态，改变人群易感性。然而，温度对水痘发病的影响并非简单的线性关系，而是存在复杂的非线性特征和滞后效应，传统流行病学方法难以准确捕捉这种动态关系。分布滞后非线性模型（distributed lag non-linear model，DLNM）为解析温度与健康效应的复杂关系提供了方法学突破[4-5]，该模型能同时刻画暴露-反应关系的非线性特征和滞后效应的分布模式。据此，本研究基于潍坊市2014—2023年水痘监测数据和气象资料，运用DLNM方法系统探讨日均气温对水痘发病的影响及其滞后模式。

1 资料与方法

1.1 资料来源

2014年1月至2023年12月潍坊市水痘患者资料（包括年龄、性别、就诊年份与月份、就诊类型等）来源于潍坊市疾病预防控制中心免疫规划信息系统数据库，范围包含全市所有区县（潍城区、寒亭区、坊子区、奎文区、青州市、诸城市、寿光市、安丘市、高密市、昌邑市、临朐县、昌乐县）；同期该地气象资料通过美国国家海洋和大气管理局（NOAA）下设的国家环境信息中心（NCEI）开放数据库获取，包括日均气温、日均相对湿度、日累积降水。本研究所用数据来自常规临床诊疗过程中已产生的历史数据，且均已对患者个人信息进行了去标识化处理，研究过程未对患者进行任何额外的、超出常规诊疗的干预，未采集新的生物样本，未设置研究性对照组，未影响患者的既定诊疗方案，经申请豁免伦理审查和知情同意。

1.2 统计学分析

采用R 4.2.2软件进行统计分析，采用DLNM软件包构建DLNM模型。采用Spearman相关分析探讨水痘日病例数与气象因素的相关性。采用DLNM控制时间的长期趋势、短期波动、星期效应、相对湿度等混杂因素影响后，探索气温与水痘日病例数之间的关系。其基本模型为：

Log[E(Y_t)=α+cb(日均气温,Lag=14)+ns(时间趋势,7 per year)+ns(日相对湿度,3)+ns(日累积降水,3)+DOW

其中，α为模型截距，cb为交叉基函数，ns为自然样条函数，DOW为星期哑变量（0表示工作日，1表示周末）；模型假设水痘日病例数服从泊松分布，并采用对数连接函数。

Y_t是报告在t日水痘的病例数(t=1,2,3, 4,...,3 652)。模型中纳入的日均气温变量通过Lag=14的交叉基矩阵进行表达，该设置旨在捕捉当天至滞后14 d期间气温对水痘发病的非线性效应及其滞后分布模式，从而系统量化气温影响的延迟特征。参考既往研究[6]，模型中气温、相对湿度及累积降水均设置为3个自由度，时间趋势变量则以每年7个自由度进行控制。以日均气温的中位数（15.69 °C）作为参照温度，计算相对危险度（relative risk，RR）。为评估模型稳定性，行敏感性分析，分别调整时间趋势的自由度（每年6、7和8）以控制长期与季节趋势，同时调整相对湿度和累积降水的自由度（4和6）。

本研究将极端低温定义为数据分布的第2.5百分位数（-10 °C），极端高温定义为第97.5百分位数（30 °C）。此外，为探讨气温对水痘发病的影响是否存在季节和年龄差异，本研究进行了季节和年龄亚组分析。根据气象季节特征将3至5月划分为春季、6至8月为夏季、9至11月为秋季、12至次年2月为冬季，分别建立DLNM模型。参考水痘流行病学特征，将病例分为学龄前儿童组（3~6岁）和其他年龄组（≥7岁）。亚组分析均采用与主分析相同的模型结构和参数设置，确保结果可比性。本研究检验水准为双侧检验，α=0.05；P＜0.05为差异具有统计学意义。

2 结果

2.1 一般情况

潍坊市2014年1月至2023年12月共报告水痘患者7 871例，平均每天2.16例，其中各年份分别报告464例（5.90%）、571例（7.25%）、607例（7.71%）、848例（10.77%）、929例（11.80%）、1 266例（16.08%）、833例（10.58%）、1 104例（14.03%）、650例（8.26%）、599例（7.61%）。同期该市气温、相对湿度、累积降水平均值分别为14.65 °C、43.11%、17.40 mm，详见表1。

• 
  表格1 2014—2023年潍坊市水痘日病例数与气象因素情况

  Table1.Statistics on the daily number of varicella cases and meteorological factors in Weifang city from 2014 to 2023

  

2.2 气象因素与水痘相关性

Spearman相关分析结果显示，日均气温与水痘日病例数呈负相关（r_s=-0.235，P＜0.001），相对湿度与水痘日病例数呈负相关（r_s=-0.233，P＜0.001），累积降水与水痘日病例数呈正相关（r_s=0.192，P＜0.001）；日均气温、相对湿度、累积降水相关性均有统计学意义，见附件表1。

2.3 日均气温与水痘关系

对DLNM模型诊断结果显示模型残差满足独立性假设，如附件图1显示，模型的偏差残差随机分布在零线上下，无显著趋势；附件图2显示，所有滞后阶数的偏自相关系数均未超出显著性水平（蓝色虚线）。根据表2、附件图3所示，温度对水痘日病例数的影响呈非线性关系。以日均气温中位数15.69 °C为参考，可看出低温下RR值较高且RR＞1的情况持续时间较长，高温对水痘日病例数的影响弱于低温。低温情况下高影响出现于滞后早期（0~5 d），且RR在滞后早期急剧下降；而高温情况下，RR值在滞后期间变化较为平缓。

• 
  表格2 不同温度和滞后天数下的滞后效应

  Table2.Lag effect at different temperatures and lag days

  注：*P<0.05。

  

如图1所示，温度对水痘日病例数的影响呈显著的滞后效应。滞后0~9 d，累积相对危险度（cumulative relative risk，CRR）随温度升高而升高，在-10 °C达到高峰值后随温度升高呈下降趋势，在温度达到20 °C左右降至最低值（CRR ＜1），随后随温度升高而上升。随滞后时长的增加，滞后14 d 时CRR随温度升高呈降低趋势，即低温对水痘发病的影响剧烈且迅速，高温对水痘日病例数的影响在滞后后期会表现出保护效应。表明低温对水痘发病的影响主要在短期（0~9 d）内快速显现，而高温（＞30 °C）的影响在滞后0~9 d时是水痘发病的危险因素；但滞后时间更长时，高温因素则为水痘发病的保护因素。

• 
  图1 不同温度、滞后天数下的累积相对危险度

  Figure1.Cumulative relative risk at different temperatures and lag days

  

2.4 亚组分析

亚组分析显示，气温对水痘发病的影响存在季节异质性（P＜0.001）。在冬季（水痘高发季节），低温效应更为强烈和持久，-5 °C在滞后0~14 d时CRR及其95%CI为1.41（1.14，1.75），见附件表2，各季节气温影响模式差异显著，体现明显的季节性修饰作用。年龄方面如附件图4所示，3~6岁组水痘发病例数呈典型的季节性波动，日均病例数冬季达峰值（3.1例），秋季次之（2.9例），春季中等（2.7例），夏季较低（2.6例）； ≥7岁组各季节发病例数均接近0，两组间差异具有统计学意义（P＜0.001）。显示年龄与季节间存在显著的交互效应。

2.5 敏感性分析

通过改变模型中交叉基的最长滞后时间（分别设置为6 d、7 d和8 d）行敏感性分析，研究结果较为稳定，可认为总体效应基本一致，详见附件图5和附件表3。

3 讨论

本研究基于潍坊市2014年至2023年水痘发病数据及同期气象资料，采用DLNM模型系统分析了日均气温对水痘日发病例数的影响及其滞后效应。结果显示，气温与水痘发病之间存在显著的非线性关系，且表现出明显的滞后特征，与李轩等[7]研究结论相一致。低温对水痘发病的影响更为剧烈和持久，尤其在滞后0~9 d内效应显著，而高温的影响则相对温和，且在较长滞后时间（如14 d）下甚至表现出一定的保护效应。该发现为理解气温对水痘传播的动态影响提供了重要依据，也对区域性公共卫生策略的制定具有实践指导意义。

本研究发现低温是水痘发病的重要危险因素，与王虹宇等[8]研究结果相同。在滞后早期（0~5  d），低温条件下RR值显著升高，且随温度降低发病风险进一步增加，与多项关于呼吸道传染病与气温关系的研究一致[9-10]。低温环境可通过多种机制促进病毒传播，一方面，低温下人群室内活动增加，密切接触机会增多，增加了飞沫传播和接触传播的风险[11]；另一方面，低温可能导致人体呼吸道黏膜免疫功能下降，增加易感性[12]。此外，VZV病毒在低温干燥环境中存活时间较长，也可能间接促进传播[13]。

值得注意的是，高温对水痘发病的影响表现出与低温不同的模式。在滞后0~9 d内，高温仍为危险因素，但效应较弱，而在滞后14 d时，高温反而表现出保护效应（RR＜1）。这可能是因为在较高温度下，人群户外活动增加，室内聚集减少，从而降低了传播风险。同时，高温高湿环境可能不利于病毒在物体表面的存活，缩短其在外环境中的滞留时间[14]。这一结果提示，气温对传染病传播的影响具有明显的“双峰”或“多阶段”特征。亚组分析也进一步丰富了本研究结果，气温对水痘发病的影响存在显著的季节异质性，冬春季低温效应更为强烈和持久；3~6岁组是主要受影响人群，这与中国水痘流行病学特征中儿童为高发人群的报道一致[15]；且发病呈明显季节性波动。

本研究存在一定局限性。首先，数据来源仅限于潍坊市，结论外推需谨慎。其次，虽控制了主要气象因素和时间趋势，但未考虑日照时数、空气污染等其他潜在混杂变量对水痘传播的影响。此外，水痘发病数据基于被动监测系统，可能存在漏报或诊断不一致的情况，尤其是轻症或非典型病例。未来研究可结合多中心数据，纳入更多环境变量，并尝试建立预测模型以提升研究的实际应用价值。

综上所述，气温是影响水痘传播的重要环境因素，其效应具有明显的非线性与滞后特征。本研究为潍坊地区水痘防控提供了科学依据，也为类似气候条件下的其他地区提供了参考。未来应继续深化气象因素与传染病关系的研究，结合多学科方法，构建更加精准的预警与干预体系，从而有效降低水痘等传染病的疾病负担。

附件见《医学新知》官网附录（https://yxxz.whuznhmedj.com/futureApi/storage/appendix/202509094.pdf）

伦理声明：本研究所用数据来自常规临床诊疗过程中已产生的历史数据，且均已对患者个人信息进行了去标识化处理，研究过程未对患者进行任何额外的、超出常规诊疗的干预，未采集新的生物样本，未设置研究性对照组，未影响患者的既定诊疗方案，经申请豁免伦理审查和知情同意

作者贡献：文献查阅：赵文嘉、邴瑜；文章撰写与修改：李梓菡、彭鹏；文章审阅：殷大鹏、徐成东、胡跃华、栾桂杰、王园园；基金支持：胡跃华、王园园

数据获取：本研究中使用和（或）分析的数据可联系通信作者获取

利益冲突声明：无

致谢：不适用

1.董蒲梅,王淼,刘燕敏. 2016—2019年中国水痘流行病学特征 [J]. 中国疫苗和免疫, 2020, 26(4): 403-406. [Dong PM, Wang  M, Liu  YM. Epidemiological characteristics of varicella in China, 2016—2019[J]. Chinese Journal of Vaccines and Immunization, 2020, 26(4): 403-406.]

2.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. [Sui HT, Li  JC, Wang  M, et al. Varicella epidemiology in China, 2005—2015[J]. Chinese Journal of Vaccines and Immunization, 2019, 25(2): 155-159.]

3.汪受传,贺丽丽,孙丽平. 中医儿科临床诊疗指南·水痘(修订)[J]. 中医儿科杂志, 2016, 12(1): 1-6. [Wang SC, He LL, Sun  LP. Guideline for clinical diagnosis and treatment of pediatrics of traditional Chinese medicine varicella (Amendment)[J]. Journal of Pediatrics of Traditional Chinese Medicine, 2016, 12(1): 1-6.]

4.谷少华,贺天锋,陆蓓蓓,等. 基于分布滞后非线性模型的归因风险评估方法及应用[J]. 中国卫生统计, 2016, 33(6): 959-962. [Gu  SH, He TF, Lu BB, et al. Measures and application for attributable risk from distributed lag non-linear model[J]. Chinese Journal of Health Statistics, 2016, 33(6): 959-962.]

5.杨军, 欧春泉, 丁研, 等. 分布滞后非线性模型[J]. 中国卫生统计, 2012, 29(5): 772-773, 777. [Yang J, Ou CQ, Ding Y, et al. Distributed lag non-linear model[J]. Chinese Journal of Health Statistics, 2012, 29(5): 772-773, 777.

6.王金玉,李盛,马汉平,等. 2008—2016年兰州市日均气温与水痘发病的关联性研究[J]. 中华预防医学杂志, 2018, 52(8): 842-848. [Wang JY, Li S, Ma HP, et al. Research on the relationship between the daily mean temperature and the daily cases of varicella during 2008—2016 in Lanzhou, China[J]. Chinese Journal of Preventive Medicine, 2018, 52(8): 842-848.]

7.李轩,卫宪钰,张文义,等. 水痘流行病学特征及影响因素研究进展[J]. 疾病监测, 2023, 38(7): 878-883. [Li X, Wei  XY, Zhang  WY, et al. Progress in research of epidemiological characteristics and environmental influencing factors of varicella[J]. Disease Surveillance, 2023, 38(7): 878-883.]

8.王虹宇,刘方. 国内水痘流行病学特征及疫苗保护效果研究进展[J]. 预防医学论坛, 2021, 27(10): 800-802. [Wang HY, Liu  F. Epidemiological characteristics and vaccine protection effect of varicella in China[J]. Preventive Medicine Tribune, 2021, 27(10): 800-802.]

9.Liu Q, Deng J, Yan W, et al. Burden and trends of infectious disease mortality attributed to air pollution, unsafe water, sanitation, and hygiene, and non-optimal temperature globally and in different socio-demographic index regions[J]. Glob Health Res Policy, 2024, 9(1): 23.

10.朱述瑶,岳玉川,黎芮彤,等. 中国儿童家长流感疫苗接种意愿及其影响因素的Meta分析[J]. 数理医药学杂志, 2025, 38(5): 378-389. [Zhu SY, Yue YC, Li RT, et al. Willingness to receive influenza vaccines and its influencing factors among parents of Chinese children: a Meta-analysis[J]. Journal of Mathematical Medicine, 2025, 38(5): 378-389.]

11.Jia H, Xu J, Ning L, et al. Ambient air pollution, temperature and hospital admissions due to respiratory diseases in a cold, industrial city[J]. J Glob Health, 2022, 12: 04085.

12.Huang D, Taha MS, Nocera AL, et al. Cold exposure impairs extracellular vesicle swarm-mediated nasal antiviral immunity[J]. J Allergy Clin Immunol, 2023, 151(2): 509-525. e8.

13.Grose C, Brunel PA. Varicella-zoster virus: isolation and propagation in human melanoma cells at 36 and 32 degrees C[J]. Infect Immun, 1978, 19(1): 199-203.

14.Mori I, Nishiyama Y. Herpes simplex virus and varicella-zoster virus: why do these human alphaherpesviruses behave so differently from one another[J]. Rev Med Virol, 2005, 15(6): 393-406.

15.王淼,曾祥,张一平,等. 中国2007—2021年水痘突发公共卫生事件流行病学特征[J]. 中国疫苗和免疫, 2023, 29(3): 274-279. [Wang M, Zeng X, Zhang YP, et al. Epidemiological characteristics of varicella public health emergency events in China, 2007—2021[J]. Chinese Journal of Vaccines and Immunization, 2023, 29(3): 274-279.]