目的 利用贝叶斯网络研究辽宁省葫芦岛市肾综合征出血热（HFRS）的影响因素并构建发病率预测模型。 方法 收集葫芦岛市2008年1－10月HFRS监测点的发病数据、宿主疫情数据及气象数据，采用禁忌搜索算法对贝叶斯网络进行结构学习，采用最大似然估计对贝叶斯网络进行参数学习。 结果 葫芦岛市HFRS发病与鼠密度、当月的平均风速和日照时数、滞后1个月的平均最高气温、相对湿度和归一化植被指数、滞后2个月的平均气温、平均最低气温、平均气压和降水量在0.01水平上相关，相关系数分别为0.691、0.689、0.345、-0.635、-0.631、-0.674、-0.714、-0.746、0.650和-0.643。利用气象和宿主资料对HFRS发病率进行预测时，贝叶斯网络模型的预测准确率为85.00%（17/20），精确率为83.33%（10/12），受试者工作特征曲线下面积为0.919。 结论 基于贝叶斯网络构建的发病率预测模型对葫芦岛市HFRS的预测准确率较高，对HFRS的防控有一定的参考价值。

目的 通过对汉坦病毒的监测分析，掌握葫芦岛市居民区鼠类中的汉坦病毒流行情况，为制定人间汉坦病毒的预防控制措施提供依据。方法 用鼠笼捕获小动物，采用间接免疫荧光法（IFA）检测小动物肺中的汉坦病毒抗原，用RT-PCR进行基因分型。结果 在2005－2006年选取葫芦岛地区9个不同地点的居民区和2个野外地点捕鼠，共捕获褐家鼠254只，小家鼠17只，黑线姬鼠5只，褐家鼠带病毒率为4.72%，小家鼠为5.88%。提取汉坦病毒抗原阳性鼠肺组织中的病毒RNA，从褐家鼠中共扩增出9株汉坦病毒，基因分型全部为汉城病毒，并且分离到1株病毒。而从小家鼠和黑线姬鼠中未扩增到病毒。结论 葫芦岛市居民区的鼠类以褐家鼠为主，其携带的病毒属于汉城型。

目的 研究葫芦岛市肾综合征出血热(HFRS)流行特征、长期变化趋势以及疫区分型，以制定有针对性的防制措施。方法 采用流行病学方法研究疫情；实验室采用间接免疫荧光法检测鼠肺汉坦病毒抗原，计算鼠带病毒率；采集HFRS恢复期患者血清，通过血凝抑制试验(HI)进行分型。结果 1998年以来HFRS发病一直较高，2006年开始大幅下降；有比较明显的春季发病高峰，2－6月发病数占总病例数的61.37％；高发人群为青壮年男性农民；鼠密度及鼠带病毒率一直较高；恢复期患者血清检测为家鼠型。结论 葫芦岛市HFRS疫情近年来下降幅度较大，主要与大范围疫苗接种有关；疫区型别为家鼠型，未向混合型疫区转变；应加强灭鼠、防鼠工作，加强既往接种人群长期预防效果观察和必要的强化免疫。

目的 调查葫芦岛市首例人附红细胞体（附红体）病病例，了解病程经过；对当地居民人、畜感染状况及影响因素进行调查分析。方法 血涂片、镜检人、畜附红体感染状况，血细胞分析仪检测人贫血状况，诱蚊灯法监测室内外蚊种及密度，用病例对照方法对感染影响因素进行调查分析。结果 人附红体感染率为30.67％，人群感染率性别、年龄间差异无统计学意义（χ2＝1.79，P＞0.05； χ2＝1.05，P＞0.05）；猪感染率为60.87％；蚊虫密度较高，优势蚊种为刺扰伊蚊和库蚊；人群中有贫血症状者主要为低年龄儿童；养猪者感染附红体的危险性是不养猪者的3.77倍，喂食猪并接生者的感染危险性是仅喂食者的3.97倍。结论 附红体病病例居住地人、畜感染率较高；发病人群以低年龄人群为主；猪是重要储存宿主，养猪为危险因素；蚊虫是重要的传播媒介。

【摘要】 目的 研究肾综合征出血热（HFRS）发病与气象因素和动物宿主的关系并建立合理的数学预报模型。方法首先选取逐月及逐年的气象指标，包括气压、气温、降雨量、相对湿度、日照时数和日照百分率作为代表因素；然后对HFRS与气象因素和动物宿主间的关系进行Pearson、Kendall及Spearman相关分析，最后利用气象因素和包括鼠密度及鼠带病毒率的动物宿主信息作为解释变量进行Bayes判别分析。结果 HFRS年发病疫情与鼠密度关系最为密切（r＝0.738，P＝0.000），而影响鼠密度最显著的气象因素是日照时数、日照百分率和降雨量。其中日照时数与鼠密度呈正相关（r＝0.494，P＝0.016），而降雨量与鼠密度近似呈负相关（r＝-0.350，P＝0.101）。利用气象及动物宿主资料预测当年的人间发病强度时，逐步判别分析及全变量判别分析均具有良好的效果。逐步判别分析的组内回代及弃一交叉验证准确率均为82.6% （19/23），而全变量判别分析的组内回代准确率为90.9%（20/22），弃一交叉验证准确率为81.8%（18/22）。当预测下一年的发病强度时，逐步判别分析的组内回代及弃一验证正确率均为86.4%（19/22），而全变量判别分析的组内回代分类正确率为100% （21/21），弃一交叉验证分类正确率仅为57.1%（12/21）。结论 气象因素影响动物繁殖及动物间疫情，进而影响人间的HFRS疫情，Bayes逐步判别分析在预测HFRS疫情方面具有一定实际应用价值。

目的 探讨支持向量机(SVM)在肾综合征出血热(HFRS)发病率预测上的优势及应用前景。方法 首先,利用辽宁省葫芦岛市1984-2006的气象资料(包括平均气压、平均气温、平均降雨量、相对湿度、日照时数、日照百分率)和动物疫情资料(包括鼠密度和鼠带病毒率)共8个指标作为解释变量,所有变量均进行归一化到[0,1]区间,将整个数据集分成训练集和检验集,从数据集中随机抽取1/3个体(舍入取整)组成检验集,其余样本作为训练集。其次,利用软件R2.60构造HFRS发病率预测的SVM模型,获得误差平方和。最后,与基于反馈(BP)和径向基函数(RBF)神经网络模型的预测结果进行比较。结果 对于训练集,SVM拟合的误差平方和的-x± s为(0.031±0.009),而BP和RBF神经网络拟合的误差平方和的x-± s分别为(0.074±0.030)和(0.082±0.018);对于检验集,SVM预测的误差平方和的x-± s为(0.067±0.021),而BP和RBF神经网络预测的误差平方和的x-± s分别为(0.073±0.022)和(0.089±0.036)。结论 SVM作为近年来在统计学理论的基础上发展起来的一种新的模式识别方法,在解决小样本、非线性及高维模式识别问题中具有较高的预测精度和较强的泛化能力。该模型对于发病率的预测是可靠的,可以作为HFRS疫情预测的参考方法。