数据收集
获取日本2013–2022年SFTS报告病例的全国数据以及人口和环境数据。
从日本传染病周报收集SFTS病例数据，从生命统计获取人口和环境因素数据。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
日本发热伴血小板减少综合征发病率趋势：一项2013年至2022年的观察性研究
Trends in the incidence of severe fever with thrombocytopenia syndrome in Japan: an observational study from 2013 to 2022
实验完整度
低该研究为公共卫生监测数据分析，使用国家数据库的回顾性观察性研究，无实验干预或验证，主要通过统计模型分析趋势和相关性。
主要模型
日本47个都道府县的SFTS报告病例队列
重点核对
SFTS病例定义基于实验室检测（RT-PCR、荧光抗体、中和抗体） 年龄分组（<50, 50-64, ≥65岁） 双月季节分组（1-2月至11-12月） 地区划分（7个区域及47个都道府县） 环境因素数据年份（森林面积2019，耕地面积2021，农业人口2020）
摘要
我们旨在确定日本发热伴血小板减少综合征（SFTS）发病率的十年趋势。这项回顾性观察性研究使用了公开的国家数据库。使用Joinpoint回归分析按患者年龄、季节和地区分层，检查了SFTS发病率的趋势及年度百分比变化（APC）。使用Spearman秩相关研究了疾病发病率与环境因素之间的关联。2013年至2022年间，共有803例SFTS通知病例（男性397例，女性406例），其中79.5%年龄≥65岁。年发病率持续增加，APC为9.6%。发病高峰在5月至6月之间，80.8%的病例出现在5月至10月。发病率主要在日本西部较高，宫崎县的平均年发病率最高，为每10万人0.89例。在日本西部观察到SFTS发病率与环境因素之间的相关性，其中森林面积（相关系数0.80）和农业人口率（0.70）相关系数较高。日本的SFTS发病率持续增加，尤其是老年人群。森林面积较大和农业人口增加等环境因素可能与发病率相关。
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- 日本2013至2022年SFTS发病率的时间趋势、地理分布及其与环境因素（森林面积、气温等）的关联如何？
- 核心机制
- 日本西部森林面积较大和农业人口率较高与SFTS发病率相关，可能因增加蜱暴露机会；气温在西部地区未显示相关，全国范围内气温与发病率相关。
- 主要证据
- 基于803例国家报告病例，Joinpoint回归显示年发病率增加（APC 9.6%），老年人显著增加；相关性分析显示西部森林面积（r=0.80）和农业人口率（r=0.70）显著相关。
- 研究意义
- 研究强调需要提高公众对蜱虫预防的认识，尤其在老年人群中，以降低蜱传疾病发病率。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
数据分类
按年龄、季节、地区对SFTS病例进行分组，以便趋势分析。
将年龄分为<50、50-64、≥65岁；将全年分为六个双月季节；将47个都道府县分为七个地区。
趋势分析
估计SFTS发病率的每年变化趋势，并按性别、年龄、季节和地区分层。
应用Joinpoint回归模型计算年度百分比变化（APC），并根据年龄、性别、双月季节和都道府县分别计算。
环境关联分析
评估SFTS发病率与环境因素（如森林面积、气温等）的关联。
使用Spearman秩相关分析评估SFTS发病率与环境因素的相关性，分别针对全国和西部日本。
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
产品清单
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 数据分析 | Joinpoint回归程序 | National Cancer Institute | version |
| 统计分析 | EZR软件 | -- | -- |
| 绘图 | Microsoft Excel | Microsoft | -- |
关键环节
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 数据来源 | SFTS病例定义基于实验室检测（如RT-PCR），非临床诊断；数据来自日本传染病周报 阅读提示：Methods: Data source |
| 年龄分组 | 年龄分组为<50, 50-64, ≥65岁 阅读提示：Methods: Categorization |
| 季节分组 | 双月季节划分（第1-8周为1-2月等） 阅读提示：Methods: Categorization |
| 地区划分 | 日本7个地区划分及各都道府县 阅读提示：Methods: Categorization |
| 环境因素数据年份 | 森林面积（2019年）、耕地面积（2021年）、农业人口率（2020年）、气温和日照时数（2018-2022年平均） 阅读提示：Methods: Data source |