基于ARIMA模型的新冠疫情对广东结核病发现率影响的时间序列研究

《BMJ Open》：Impact of COVID-19 on the detection of tuberculosis in Guangdong, China based on the autoregressive integrated moving average model: a time-series study

本研究通过自回归积分滑动平均（ARIMA）模型量化新冠疫情对广东省结核病（TB）发现率的影响，发现疫情期间年均报告率较前下降27.97%，其中二级应急响应阶段差异峰值达-16.43%。研究为突发公共卫生事件下传染病防控策略优化提供了重要实证依据。

　　

Abstract

Objective 中国过去十年持续改善结核病（TB）控制工作，但新冠（COVID-19）疫情的突发阻碍了这一进程。广东作为人口大省与国际交流频繁地区，受疫情影响显著。本研究基于自回归积分滑动平均（ARIMA）模型探讨COVID-19对广东TB发现率的影响。

Design 时间序列研究。

Setting 中国广东。

Outcome measures 通过比较疫情期实际报告病例数与无疫情反事实场景下的预测值量化影响，选用ARIMA(0,1,2)(0,1,1)₁₂模型，并重点分析三级应急响应阶段的差异。

Results 疫情期间TB年均报告率为57.95/10万，较前下降27.97%。2020年实际报告病例较预测值降低6.62%，2021年差距缩至0.42%。二级应急响应期差异最大（-16.43%），三级响应期影响最小（2021年实际值反超预测值0.77%）。

Conclusions COVID-19导致TB发现率下降，可能与流动限制、资源分流及患者顾虑相关，需通过多方协作提升公共卫生应急下的TB控制韧性。

Introduction

结核病是全球主要传染病之一，2022年导致130万人死亡。中国占全球TB负担的7.1%，位居第三。联合国可持续发展目标提出2030年终结TB流行，而COVID-19疫情显著阻碍防控进程。研究表明多国TB发现率在疫情期间下降20%–30%，全球TB控制水平可能倒退约10年。广东作为人口密集、经济活跃的沿海省份，其TB防控受疫情影响尚未有系统评估。本研究通过ARIMA模型构建反事实预测，量化COVID-19对广东TB发现率的净效应。

Methods

Study site 广东常住人口1.27亿，2023年GDP达13.57万亿元，移民人口占比23.5%，频繁的人员流动加剧TB防控挑战。

Data source 2015–2021年TB月报告数据来自广东省卫生健康委员会，人口数据取自《广东统计年鉴》。

Statistical analysis 以月报告病例数和报告率（/10万）评估TB发现情况。通过ADF检验验证序列平稳性，结合ACF/PACF图确定ARIMA模型参数。最优模型ARIMA(0,1,2)(0,1,1)₁₂用于预测2020–2021年无疫情情景下的TB病例。计算累计绝对差异（实际值–预测值）与相对差异（绝对差异/预测值），并按三级应急响应期（一级：2020年2月；二级：2020年3–4月、2021年6月；三级：其余时段）分层分析。使用R语言（4.1.3版）完成统计分析。

Results

Epidemical trend of tuberculosis detection

2015–2021年广东累计报告TB病例632,956例，年均报告率74.02/10万。疫情前（2015–2019年）年均报告率80.45/10万，疫情期间（2020–2021年）降至57.95/10万，总体下降27.97%。2020年较2019年降幅达14.92%，2021年同比仅降0.34%。

Prediction and reality comparison

ARIMA模型显示TB报告呈现明显季节性规律，每年4月为高峰，2月为低谷。2020年实际报告病例73,275例，较预测值（78,470例）低6.62%，累计绝对差异峰值出现在8月（–5,427例）。2021年实际值与预测值（73,684例）差距缩至0.42%。分层分析表明，二级应急响应期相对差异最大（2020年：–16.43%；2021年：–12.29%），三级响应期影响最小（2021年实际值反超0.77%）。

Discussion

Decline compared with pre-pandemic period

广东TB报告率在疫情期间下降27.97%，与天津、宁夏等地区相近，但低于江苏、上海等地的报告降幅，可能源于经济与医疗资源差异。国际比较显示广东降幅低于尼日利亚、印度等国，提示区域经济水平对防控韧性具有缓冲作用。

Decline compared with prediction

ARIMA模型证实COVID-19导致2020年TB发现率下降6.62%，2021年随防控常态化差距显著缩小，反映疫情影响的阶段性特征。二级响应期限制措施严格且恰逢疫情扩散，叠加患者就医顾虑，导致差异峰值；三级响应期政策宽松、医疗资源回流，TB发现率逐步恢复。2021年初实际值反超预测值，可能与春节后集中就医及疫情平稳期患者主动就诊相关。

Policy implications

建议建立突发公卫事件下的TB应急响应机制，保障人力资源与筛查资源；加强TB与呼吸道传染病差异的公众教育；推动防控策略韧性研究。

Limitations

数据来源限于被动监测系统，存在漏报偏倚；未控制气候、政策等混杂因素；ARIMA模型未纳入非线性效应；结论外推需谨慎。

Conclusions

COVID-19通过限制流动、资源挤兑和患者顾虑显著抑制广东TB发现率，可能加剧诊断延迟与传播风险。需通过多部门协作提升公共卫生应急下的TB控制韧性。