研究背景气候变化可以导致气象敏感性疾病的时空特征发生变化,从而增加某些气象敏感性疾病的负担,因此被认为是威胁人类健康的重要因素之一。面对日益变化的气候环境,维持人类健康的一项关键举措是确定气象因素对气象敏感性疾病的影响以及未来的演变趋势。近年来,我国某些气象敏感性传染病的发病率一直居高不下,受到了广大研究者的密切关注。深入研究气象因素对气象敏感性传染病的影响并建立准确的预测预警模型可以为相关部门制定卫生政策提供重要的参考,从而提高人群应对气候变化的能力。为了便于管理感染性腹泻,我国根据疾病的流行情况和严重程度将除霍乱、痢疾、伤寒和副伤寒以外的腹泻定义为其他感染性腹泻,纳入丙类法定传染病管理。在丙类法定传染病中,其他感染性腹泻的发病率位居第二,对我国的医疗卫生系统造成了很大压力。既往研究多侧重描述其他感染性腹泻的三间分布特征,尚缺乏对其发病的长期时空趋势分析。已有多项研究表明其他感染性腹泻是一种气象敏感性传染病,与气候变化密切相关。既往研究表明气象敏感性传染病的发病存在时空聚集性,但目前大部分研究仅在时间角度上分析了气象因素对其他感染性腹泻发病的效应,缺少从时空角度上的分析,并且缺乏从公共卫生角度上评估气象因素对其他感染性腹泻发病的归因风险。此外,由于不同人群的免疫力、对气象因素的暴露水平和适应能力不同,其他感染性腹泻的发病率在不同人群间存在差异,但很少有研究探讨气象因素对不同性别、年龄和职业亚组人群其他感染性腹泻发病的效应。准确的预测模型能够预先了解传染病的流行情况,提前采取干预措施,从而降低传染病流行所致的不利影响。虽然目前已有一些基于气象因素的其他感染性腹泻预测研究,但研究地区多局限在某个县或市,预测时间也较短,常为几周或几个月,而且缺乏对多种预测模型的适用性评价。在其他感染性腹泻预警方面,国家传染病自动预警应答系统通过常规报告的病例数据来发布预警信号,故无法预警尚未发生的其他感染性腹泻流行或暴发,在实际工作中预警效果有限。研究目的（1）了解2004～2019年我国其他感染性腹泻的时空趋势特征;描述2014～2019年我国其他感染性腹泻发病的三间分布。（2）探讨气象因素致其他感染性腹泻发病的时空风险和归因风险,并识别脆弱人群。（3）在其他感染性腹泻高发城市建立基于气象因素的多种预测模型并评估其适用性,选择最佳预测模型来建立预警模型。研究方法2004～2019年中国大陆3 1个省级行政区的其他感染性腹泻逐年发病数据来源于公共卫生科学数据中心。2014～2019年中国大陆334个地级行政区和4个直辖市的逐日其他感染性腹泻病例数据来自国家法定传染病报告信息系统;气象资料来源于中国气象科学数据共享服务网;人口数据来源于各城市统计年鉴。为避免造成结果的不稳定性,筛选其他感染性腹泻发病数大于全国第五百分位数（P5）的3 16个城市作为研究地区。采用Joinpoint回归分析和热点分析探索我国2004～2019年其他感染性腹泻的时空趋势特征,同时描述2014～2019年其他感染性腹泻的三间分布。采用贝叶斯时空模型探讨全国尺度上气象因素致其他感染性腹泻发病的时空风险。同时描述我国2014～2019年其他感染性腹泻的发病风险趋势,并根据316个城市发病风险的后验分布概率将其划分为热点、冷点、非冷非热点三类城市。使用分布滞后非线性模型框架下的归因风险方法评估气象因素致其他感染性腹泻发病的归因风险,同时识别脆弱人群。在我国10个一级气象地理区划（除西藏地区外）中分别选取其他感染性腹泻病例数最多的城市来建立含多变量的季节性自回归移动平均模型、广义相加模型、随机森林、支持向量机和增强回归树（boosted regression tree,BRT）五种预测模型。使用平均绝对误差（mean absolute error,MAE）、均方根误差（root mean square error,RMSE）和决定系数（coefficient of determination,R2）来评估各模型的预测效果和适用性。基于适用性最强的模型进一步在病例数最多的城市建立预警模型,设定其他感染性腹泻历史周发病数的P75为预警阈值,当预测病例数超过阈值时发出预警信号。使用灵敏度、特异度、约登指数和ROC曲线下面积（area under the curve,AUC）来评价预警效果。研究结果（1）2004～2019年我国其他感染性腹泻发病率以每年7.7%的速度不断升高,除北京市以外,其他省级行政区的发病率均呈现出上升趋势;热点聚集区逐渐增多,且热点聚集区的置信度逐渐升高。2014～2019年全国338个城市共报告其他感染性腹泻病例5844066例,男女性别比为1.26:1;在各年龄段均有发生,病例主要集中在5岁以下人群（59.47%）;在职业人群中,儿童的发病数最多（58.66%）。在时间分布方面,其他感染性腹泻具有季节性发病规律,在夏秋季和冬季出现发病高峰;在空间分布方面,京津冀地区、重庆市、上海市及其周边城市的发病数较多。（2）贝叶斯时空模型分析结果显示,月平均气温每升高1℃,总人群其他感染性腹泻的发病风险增加0.7%,95%置信区间（confidence interval,CI）为0.5%～0.9%;月平均相对湿度每增加1%,总人群其他感染性腹泻的发病风险减少0.3%（95%CI:-0.6%～-0.1%）。平均气温的归因风险评估结果显示,男性、5岁以下人群和儿童分别在性别、年龄和职业亚组人群中有最高的归因风险。（3）五种预测模型的评价结果显示BRT模型的适用性最强,测试集的R2、RMSE和MAE在10个高发城市的平均值分别为0.75、41.79和31.73。进一步在发病数最多的北京市使用BRT模型来建立其他感染性腹泻的预警模型,将实际发病数的P75作为预警阈值时,预警模型在测试集上的灵敏度为92.31%,特异度为97.44%,约登指数为0.897,AUC为0.976,预警效果良好,并且调整预警阈值时预警效果稳定。研究结论（1）2004～2019年,其他感染性腹泻发病率在除北京市以外的其他省级行政区呈上升趋势,发病热点聚集区逐渐增多。在每年的夏秋季和冬季会出现其他感染性腹泻发病高峰。（2）平均气温升高会增加其他感染性腹泻的发病风险,男性、5岁以下人群和儿童是平均气温暴露的脆弱人群。相对湿度与其他感染性腹泻基本呈负相关关系。（3）BRT模型的预测精度较高,且具有良好的适用性,基于BRT模型建立的其他感染性腹泻预警模型效果良好。