武长礼 叶丰 王云鹏 武庆昌

武长礼 ¹ 叶 丰 ² 王云鹏 ³ 武庆昌 ^{4 *}

摘 要 本文分析了1992—2021年中国梅毒发病趋势并进行了预测。通过采用全球疾病负担（Global Burden of Disease，GBD）数据库中的梅毒发病数据，分析其发病趋势、年龄、时期和队列效应以及预测未来10年梅毒发病率。结果显示，我国1992—2021年梅毒发病人数呈小幅上升，总体上升0.93%，男性年龄标准化发病率呈下降趋势。随着年龄增长，在15～54岁年龄段全人群、男性和女性的梅毒发病风险均呈现增加趋势；在2007—2021年和1932—1976年队列，随时间推移全人群和男性的梅毒发病风险均增加；女性在2002—2006年和1937—1971年队列发病风险随时间推移增加。贝叶斯年龄-时期-队列模型预测显示整体人群和男性年龄标准化发病率总体上均呈下降趋势，女性则呈上升趋势。结果表明，不同性别的发病风险存在一定差异，应尽早制定更有针对性的防治措施，提高公众的防范意识和能力，保障人民群众的身体健康。

关键词 梅毒；联结点回归；年龄-时期-队列模型；预测

Trend Analyzation and Prediction of Syphilis Incidence in Chinese Population from 1992 to 2021

WU Chang-Li ¹ YE Feng ² WANG Yun-Peng ³ WU Qing-Chang ^{4 *}

Abstract Using the syphilis incidence data from the global burden of disease (GBD) database, this study analyzed the incidence trends, age, period, and cohort effects, and predicted the syphilis incidence rates for the next 10 years. The results showed that from 1992 to 2021, the number of syphilis cases in China increased slightly, with an overall rise of 0.93%. The age-standardized incidence rate for males showed a downward trend. With advancing age, the risk of syphilis incidence increased in the 15-54 age group for the entire population, males, and females. In the cohorts of 2007-2021 and 1932-1976, the risk of syphilis incidence increased over time for the entire population and males; for females, the risk increased in the cohorts of 2002-2006 and 1937-1971. Bayesian age-period-cohort model predictions indicated that the age-standardized incidence rates for the overall population and males will generally decrease, while for females, it will increase. The results suggest that there are certain differences in the risk of incidence between different genders. Therefore, it is necessary to develop more targeted prevention and control measures as soon as possible, enhance the public’s awareness and ability to prevent the disease, and safeguard the health of the people.

Keywords syphilis; joinpoint regression; age-period-cohort model; prediction

基金项目：武汉海关科研项目（2023WK013）

第一作者：武长礼（1986—），男，汉族，湖北孝感人，硕士，主治医师，主要从事法定口岸传染病监测与防控研究工作，E-mail: changliw2018@163.com

通信作者：武庆昌（1996—），男，汉族，湖北孝昌人，博士，主要从事运动免疫与疾病预防研究，E-mail: 15979087470@163.com

1. 湖北国际旅行卫生保健中心（武汉海关口岸门诊部） 武汉 430070

2. 江西省上饶市广丰区皮肤性病防治所 上饶 334600

3. 武汉市洪山区和平街社区卫生服务中心 武汉 430081

4. 苏州大学 苏州 215021

1. Hubei International Travel Health Care Center (Outpatient Department of Wuhan Customs Port), Wuhan 430070

2. Guangfeng Institute for Skin Disease and STD Control, Shangrao 334600

3. Heping Community Health Service Center, Hongshan District,Wuhan 430081

4. Soochow University, Suzhou 215021

梅毒是一种由梅毒螺旋体引起的慢性传染病，是全球常见的性传播疾病之一。20世纪80年代以来，随着国际贸易发展和人员跨境流动增加，我国通过成立皮肤性病防治机构、培养专业医疗技术人员并对高风险人群进行健康教育和行为干预等措施^[1]，使得梅毒防控取得了较好成效。

全球疾病负担（Global Burden of Disease，GBD）数据库是一个致力于量化全球健康水平和疾病负担趋势的科研项目，由美国华盛顿健康指标与评估研究所主导。GBD数据库从1993年起公开发布，每隔2—3年更新一次，最新的GBD 2021于2024年5月发布。该数据库分析使用涉及204个国家和地区、100983个数据源，对371种疾病和伤害多指标多维度进行量化，通过复杂的数据分析和统计建模确保结果的稳定性和可靠性，并确定最终估计值和95%不确定区间（Uncertainty Intervals，UI）。本研究利用GBD 2021分析1992—2021年中国0～64岁人群梅毒的发病趋势及效应变化，并预测未来10年我国梅毒发病趋势，为制定更有针对性的梅毒预防措施提供理论参考和支持。

1 资料与方法

1.1 资料来源

本研究从GBD 2021数据库中获取1992—2021年中国男女发病人数及各年龄段标准化发病率的相关数据。由于GBD 2021数据库中65岁及以上年龄组为开放组，因此选取0～64岁这个群体进行分析。

1.2 统计学方法

1.2.1 联结点回归模型

联结点回归模型是一种线性回归模型，用来评估1992—2021年中国梅毒发病率随时间发展的变化趋势。该模型将全时间段划分为不同的时间段，对不同时间段中的发病率的自然对数进行回归拟合，计算整个时间段和各时期变化趋势，分别用年度百分比变化（Annual Percent Change，APC）和平均年度百分比变化（Average Annual Percent Change，AAPC）来描述。设定p＜0.05 ，APC 和 AAPC 具有统计学意义^[2-3]。

1.2.2 年龄-时期-效应模型

年龄-时期-效应（Age-Period-Cohort，APC）模型是分析疾病变化趋势的一种统计学方法，用于探究年龄、时期和队列效应的潜在作用。年龄效应指的是随着个体年龄增长，由于生物学和社会学角色变化，其健康状况或行为模式可能发生导致疾病发生率或死亡率的变化；时期效应是指特定时间段内由于历史事件或环境变化等外部因素的改变影响发病率或死亡率的变化；队列效应反应了不同的出生队列之间的差异影响疾病的发生。

APC模型是基于泊松分布开发的，一般用公式表达^[4-5]。其中，M是相应年龄组的发病率或死亡率；α、β和γ分别表示模型的年龄、时期和队列系数；μ表示截距或调整后的平均发病率或死亡率；ε表示模型的系统误差。

传统统计方法无法消除年龄、时期和出生队列3个变量存在的明显共线性，内生因子法解决了这种“不可唯一识别”的问题。使用内生因子法方法对年龄、时期和队列效应系数α进行估计，当α＞0时，表示随着相应变量的增加，目标结果如疾病发病率或死亡率呈上升趋势；反之，则呈现下降趋势^[6-8]。为了量化特定变量（如某个年龄、时期或出生队列）的条件下疾病发病率或死亡率与平均水平的相对发病或者死亡风险，将效应系数α通过指数变换转化为相对危险度（Relative Risk，RR）^[9]。按照每5年为一个组，将0～64岁分为13个年龄组（0～4岁、5～9岁……55～59岁、60～64岁，分别用age_0，age_5……age_55，age_60表示），每组的平均发病率的值代表整个组发病率；将1992—2021年按照每5年为一个时间段分为6个组（1992—1996年、1997—2001年……2012—2016年、2017—2021年，分别用period_1994，period_1999……period_2014，period_2019表示）。根据年龄、时期和出生队列三者之间的关系，产生18个出生队列（1932—1936年、1937—1941年……2012—2016年、2017—2021年分别用cohort_1934，cohort_1939……cohort_2014，cohort_2019表示）。通过赤池信息准则（Akaike Information Criterion，AIC）和贝叶斯信息准则（Bayesian Information Criterion，BIC）来评估模型复杂度和拟合度。

1.2.3 贝叶斯-年龄-时期-队列预测

使用R语言（4.3.2版）BAPC包进行疾病标准化年龄发病率预测，人口年龄段标准化发病率数据来源于美国国家癌症研究所发布的《世界标准化人口构成数据（WHO 2000—2025）》（https://seer.cancer.gov/stdpopulations/world.who.html）；1992—2021年人口学性别、年龄分段数据来源于联合国经济和社会事务部发布的《2024年世界人口展望》；2022—2032年人口预测数据来源于全球数据交换网《全球2017—2100年生育率、死亡率、移民和人口预测》（https://ghdx.healthdata.org/record/ihme-data/global-population-forecasts-2017-2100）。

2 结果与分析

2.1 1992—2021年中国梅毒发病人数及变化

1992—2021年中国梅毒累计发病人数为6807.84万人，其中男性5500.48万，女性1307.36万；2021年梅毒发病人数为204.72万，其中男性162.40万，女性43.32万，较1992年增长0.93%（男性增长-1.58%、女性增长14.48%），如图1A所示；男女性年龄标准化发病率变化趋势如图1B所示。

2.2 联结点回归模型分析

联结点回归模型显示：1992—2021年中国整体人群梅毒年龄标准化发病率在1995—2000年和2019—2021年为快速上升时期，APC分别为2.54%和3.59%，在2008—2019年期间为下降期（APC = -1.76%，p＜0.05）；1992—2021年中国男性人群梅毒年龄标准化发病率呈下降趋势（AAPC为-0.14%，p＜0.05）；男性年龄标准化发病率在1992—1995年、2011—2014年和2014—2018年为负增长阶段，APC分别为-0.21%、-3.27%和-1.10%（p均小于0.05）；在1995—2000年和2000—2011年期间，APC分别为2.10%和0.04%（p均小于0.05），呈正增长。女性年龄标准化发病率在1992—2003年和2019—2021年期间，APC分别为2.80%和11.74%（p均小于0.05），呈正增长；2003—2019年为负增长阶段（APC = -2.85%，p＜0.05），具体见表1。

2.3 APC模型分析

2.3.1 年龄效应

在控制时期和队列效应的前提下，整体人群和男性在年龄为0～14岁及55～64岁、女性在0～9岁及55～64岁时，随着年龄的增加梅毒发病风险呈下降趋势（α＜0，p＜0.05），在15～54岁之间的，随着年龄增加，梅毒发病风险呈上升趋势（α＞0，p＜0.05）。在整体人群、男性和女性15～54岁年龄段，梅毒发病风险均高于平均水平（RR均大于1），其余年龄段发病风险低于平均水平（RR均小于1）。三者分别在年龄为25～29岁、25～29岁及20～24岁RR值最高，最高值分别为5.48（95%UI：4.62～6.49）、6.30（95%UI：5.35～7.41）和4.15（95%UI：3.39～5.07），如图2A所示。

2.3.2 时期效应

在控制年龄和出生队列效应的前提下，在1992—2001年梅毒整体人群和男性发病风险随着时期的增加呈下降趋势（α＜0，p＜0.05），在2007—2021年随着时期的增加呈现上升趋势（α＞0，p＜0.05）；女性梅毒发病风险在1992—1996年随着时期增加呈现下降趋势（α＜0，p＜0.05），在2002—2006年随着时期增加呈现上升趋势（α＞0，p＜0.05）。整体人群、男性和女性分别在2002—2021年、2002—2021年以及1997—2016年梅毒发病风险高于平均水平（RR均大于1），其余时期低于平均值（RR均小于1）。三者分别在2017—2021年、2017—2021年和2002—2006年RR值最高，最高值分别为1.12（95%UI：1.05～1.20）、1.17（95%UI：1.10～1.24）和1.12（95%UI：1.05～1.19），如图2B所示。

2.3.3 队列效应

在控制年龄和时期效应的前提下，整体人群和男性在1932—1976年梅毒发病风险随着出生队列的递增而增加（α＞0，p＜0.05），在1987—2021年随出生队列递增而减小（α＜0，p＜0.05）；女性发病风险则在1937—1971年随着出生队列递增而增加（α＞0，p＜0.05），在1992—2021年随出生队列递增而减小（α＜0，p＜0.05）。整体人群、男性和女性均在1932—1981年出生队列梅毒发病风险高于平均水平（RR均小于1），其余出生队列发病风险低于平均水平（RR均小于1）。整体人群、男性和女性分别在1937—1941年、1937—1941年、1932—1936年出生队列梅毒发病RR最高，分别为1.73（95%UI：1.40～2.15）、1.81（95%UI：1.50～2.19）和1.71（95%UI：0.94～3.12），如图2C所示。

2.4 2022—2031年我国梅毒发病率预测分析

将整体人群、男性和女性人群分别纳入BAPC模型预测2022—2031年年龄标准化发病率，结果显示：整体人群和男性人群年龄标准化发病率总体均呈下降趋势，在2022年年龄标准化发病率均为最高，分别为146.77/10万（95%UI：130.00/10万～163.52/10万）和230.64/10万（95%UI：205.11/10万～256.18/10万）；在2031年年龄标准化发病率均为最低，分别为138.28（88.36/10万～188.20/10万）和207.78（140.97/10万～274.59/10万）。女性人群在预测期内梅毒年龄标准化发病率呈上升趋势，在2022年年龄标准化发病率最高为59.00/10万（95%UI：51.21/10万～66.79/10万），在2031年年龄标准化发病率最高为76.88/10万（95%UI：25.34/10万 ～ 128.42/10万），如图3所示。

3 讨论

本研究结果显示：1992—2021年，我国梅毒男性发病人数占总发病人数的80.80%。在这段时间内，梅毒发病总人数及男性发病人数均有所下降，而女性发病人数则呈上升趋势。另外，通过联结点回归分析，可以发现男性年龄标准化发病率在1992—2021年呈现下降趋势（AAPC = -0.14%，p＜0.05）。这一变化趋势与未来我国不断加强梅毒防控工作密切相关。

从年龄效应的角度来看，在15岁以下人群中，梅毒的发病风险相对较低。这主要是因为该年龄段的梅毒感染主要是通过母婴传播途径发生的。先天性梅毒的情况在2010年以后有所改善，因为卫生部门制定并发布了关于梅毒及梅毒母婴传播的防控规划，并在全国范围内实施。这些措施有效提升了梅毒的防治能力，特别是在阻断母婴传播方面取得一定成效，从而使先天性梅毒的发病风险明显降低^[1]。随着年龄的增长，梅毒的发病风险上升，尤其是25～29岁的男性和20～24岁的女性中RR值达到峰值。该年龄段的人群处于性成熟期，但往往性安全知识不足，因此更容易发生不安全性行为。女性高发年龄较男性提前5年左右，这可能与男性女性生理成熟时间差异有关。有研究表明，在成年人群中，随着年龄增长女性的梅毒发病风险较男性低^[10]，这与本研究是一致的。在本研究年龄效应中，60～64岁年龄段的人群梅毒发病RR值低于1，梅毒的发病风险有所下降。然而老年人感染梅毒的问题仍需要引起关注。该年龄段人群整体免疫功能下降，且一旦感染梅毒，主动寻求医疗救治比例较低^[11]。

从时期效应的角度上看，1992—2001年梅毒在整体人群和男性中的发病风险随着时间的推移呈现下降趋势。然而，在2007—2021年这一风险又呈现上升趋势。对女性而言，梅毒的发病风险在1992—1996年随着时间的推移有所下降，但在2002—2006年则呈现上升期趋势。20世纪90年代，随着各国采取预防措施以降低艾滋病的传播风险，这也在一定程度上降低了梅毒的传播风险^[12]。2004年我国修订《中华人民共和国传染病防治法》^[13]，2007年制定了WS 273—2007《梅毒诊断标准》^[14]，梅毒检测水平不断提升，梅毒诊断效率和准确性显著提高。

从出生队列效应的角度上看，20世纪30年代到80年代出生的人群，不区分性别，梅毒的发病风险都随着出生队列的递增而上升，然而在20世纪90年代前后出生的人群梅毒的发病风险呈下降趋势。这表明在相同的年龄条件下，越晚出生的人群罹患梅毒的风险越低。主要原因可能是随着我国对外开放，流动人口数量不断增加，梅毒的发病人数也呈逐年增长趋势。对此，我国及时采取了一系列措施降低梅毒传播，包括实施可行有效的传染病控制卫生战略^[15]；提高居民的文化素质，加大梅毒预防措施的宣传力度，居民健康防护意识不断增强^[16]；对梅毒高发人群进行科学的预防和干预等，在一定程度上减少了梅毒的传播^[17-18]。

BAPC模型预测分析结果显示：在2022—2031年我国整体人群和男性的梅毒年龄标准化发病率可能会持续下降，而女性梅毒发病率可能会持续升高。主要原因可能是：（1）科学的防治策略以及公众自我健康意识的增强使梅毒整体年龄标准化发病率持续下降。（2）疫情初期我国采取了一系列减少人群流动的措施，在一定程度上降低了梅毒传播风险；随着疫情防控常态化，人们的社会活动逐渐恢复^[19-21]，使得2021年的年龄标准化发病率呈现明显上升趋势。根据贝叶斯预测理论，中后期的观测数据会调整先验数据的分布，从而在一定程度上影响预测的结果。（3）由于男女在社会生活参与度、参与方式和社会角色的差异，以及女性本身生理结构的特殊性^[22]，在预测期内男性、女性的年龄标准化发病率趋势有所差别。

综上所述，1992—2021年我国梅毒的发病人数和年龄标准化发病率总体呈下降趋势，预计未来10年总体人群、男性年龄标准化发病率均将持续下降；女性年龄标准化发病可能上升。梅毒的发病率受到年龄、时期和出生队列效应的影响，因此，应针对不同的人群制定针对性的预防和控制策略，一方面要加强公众健康教育，提高公众对梅毒的认知水平；另一方面，提高检测和诊断水平，科学规范管理疾病，最大限度减少疾病的传播，保障公众健康。

参考文献

[1]陈祥生, 曹宁校, 王千秋, 等. 我国梅毒预防与控制: 10年规划及成效[J]. 中国艾滋病性病, 2022, 28(9): 1001-1004.

[2] Zhu B, Wang Y, Zhou W, et al. Trend dynamics of gout prevalence among the Chinese population, 1990-2019: A joinpoint and age-period-cohort analysis[J]. Frontiers in Public Health. 2022, 10: 1008598.

[3] Zhang Y, Liu J, Han X, et al. Long-term trends in the burden of inflammatory bowel disease in China over three decades: A joinpoint regression and age-period-cohort analysis based on GBD 2019[J]. Frontiers in Public Health, 2022, 10: 994619.

[4] Yu F, Chen H, Li Q, et al. Secular trend of mortality and incidence of rheumatoid arthritis in global, 1990-2019: an age period cohort analysis and joinpoint analysis[J]. BMC Pulmonary in Medicine, 2023, 23(1): 356.

[5] He H, Liang L, Han D, et al. Different Trends in the Incidence and Mortality Rates of Prostate Cancer Between China and the USA: A Joinpoint and Age-Period-Cohort Analysis[J]. Frontiers in Medicine (Lausanne), 2022, 9: 824464.

[6] Jha R P, Shri N, Patel P, et al. Trends in the diabetes incidence and mortality in India from 1990 to 2019: a joinpoint and age-period-cohort analysis[J]. Journal of Diabetes Metabolic Disorders, 2021, 20: 1725-1740.

[7] Masters R K, Powers D A, Hummer R A, et al. Fitting age-period-cohort models using the intrinsic estimator: assumptions and misapplications[J]. Demography, 2016, 53: 1253-1259.

[8] Chen Q, Li T, Ding H, et al. Age-period-cohort analysis of epidemiological trends in pelvic fracture in China from 1992 to 2021 and forecasts for 2046[J]. Frontiers in Public Health, 2024, 12: 1428068.

[9] Gao Y, Liu X. Secular Trends in the Incidence and Mortality Due to Alzheimer’s Disease and Other Forms of Dementia in China From 1990 to 2019: An Age-Period-Cohort Study and Joinpoint Analysis[J]. Frontiers in Aging Neuroscience, 2021, 13: 709156. 

[10]张胜, 乔龙威, 曹君, 等. 年龄和性别因素对梅毒血清特异性抗体水平的影响[J]. 山西医科大学学报, 2023, 54(7): 996-1000.

[11]武长礼, 任宁, 刘艺, 等. 武汉口岸出入境人员2020—2023年梅毒监测及分析[J]. 中国口岸科学技术, 2024, 6(5): 77-81.

[12] Beale M A, Marks M, Cole M J, et al. Global phylogeny of Treponema pallidum lineages reveals recent expansion and spread of contemporary syphilis[J]. Nature Microbiology. 2021, 6(12): 1549-1560.

[13]张咏梅, 马勇. 我国梅毒预防现况[J]. 中国医疗前沿, 2011, 6(4): 27+31.

[14] WS 273—2007,梅毒诊断标准[S]. 北京: 中国标准出版社, 2007.

[15]高守芝, 张静航, 贺健梅, 等. 湖南省实施《中国预防与控制梅毒规划(2010—2020年)》效果评价[J]. 实用预防医学, 2021, 28(12): 1443-1446.

[16]徐增辉, 计国平, 洪涛, 等. 安徽省孕妇人群梅毒防治知识调查分析[J]. 中国艾滋病性病, 2018, 24(3): 279-282.

[17]白新汉. 男同性恋人群中梅毒新发感染的高危因素及干预对策分析[J]. 中国现代药物应用, 2020, 14(16): 96-98.

[18]王敏, 张幸, 王炜, 等. 2009—2019年衢州市柯城区暗娼艾滋病干预效果研究[J]. 中国公共卫生管理, 2022, 38(4): 513-517.

[19]王子予, 韩茜宇, 郝艳华, 等. 新冠肺炎疫情下慢性病患者就医延迟问题调查与分析[J]. 中国医院管理, 2022, 42(3): 43-47.

[20]戴灵, 刘印, 康孟利, 等. 新冠疫情对儿科门急诊的影响及对策研究[J]. 医院管理论坛, 2022, 39(2): 22-25.

[21]吴月琳, 朱文倩, 岳晓丽, 等. 新型冠状病毒肺炎流行对我国梅毒病例报告结果的影响[J]. 中华流行病学杂志, 2022, 43(12): 2015-2020.

[22]曲江文, 马博懿, 柳巍, 等. 中国国境口岸梅毒流行病学监测分析[J]. 中国艾滋病性病, 2008, (2): 145-147.

图1 1992—2021年中国梅毒发病人数及年龄标准化发病率变化趋势

Fig.1 Trends in syphilis case number and age-standardized incidence rates in China from 1992 to 2021

表1 1992—2021年中国梅毒发病率的变化趋势联结点回归分析结果

Table 1 Results of joinpoint regression analysis on the trend of syphilis incidence rates in China from 1992 to 2021

注: “*”代表p＜0.05

图2 1992—2021年中国0～64岁人群梅毒发病率年龄、时期和队列效应

Fig.2 Age, period and cohort effects on syphilis incidence among 0-64 years old in China from 1992 to 2021

图3 2022—2031年中国梅毒年龄标准化发病率预测

Fig.3 Forecast of age-standardized incidence rates of syphilis in China from 2022 to 2031