DOI: https://doi.org/10.1186/s12889-025-22305-2
PMID: https://pubmed.ncbi.nlm.nih.gov/40197270
تاريخ النشر: 2025-04-07
المؤلف: Xinxiao Li وآخرون
الموضوع الرئيسي: دراسات وبائية حول COVID-19
نظرة عامة
تستكشف هذه الدراسة تأثير جائحة COVID-19 على إشعارات حالات التهاب الكبد B (HB) في هنان، باستخدام طريقة السلاسل الزمنية الهيكلية بايزيان (BSTS) لتحليل بيانات حدوث HB الشهرية من يناير 2013 إلى سبتمبر 2022. تشير النتائج إلى انخفاض كبير في إشعارات HB خلال الجائحة، مع انخفاضات بنسبة 38% من يناير إلى مارس 2020 و12% من يناير 2020 إلى سبتمبر 2022. كما لوحظت الأنماط الموسمية لحدوث HB، مع أدنى مؤشرات موسمية في سبتمبر (0.91) وفبراير (0.93)، وأعلى المؤشرات في مارس (1.19).
أظهر نموذج BSTS أداءً تنبؤيًا متفوقًا مقارنةً بنموذج ARIMA، مع نسبة خطأ مطلقة متوسطة أقل (10.03% مقابل 14.4%). تشير توقعات النموذج لحالات HB من أكتوبر 2022 إلى ديسمبر 2023 إلى استقرار، حيث تقدر إجمالي 81,650 حالة (95% CI: 47,372 إلى 115,391). تستنتج الدراسة أن جائحة COVID-19 أدت إلى انخفاض ملحوظ في حدوث HB في هنان، يتميز بالاتجاهات الموسمية والدورية، وتؤكد على فائدة نموذج BSTS في إبلاغ استراتيجيات الوقاية والسيطرة على HB.
مقدمة
تتناول مقدمة ورقة البحث التحدي الكبير الذي تمثله التهاب الكبد B (HB) للصحة العامة، وهو مرض معدٍ تسببه فيروس التهاب الكبد B (HBV) الذي يؤثر بشكل أساسي على الكبد. تشمل أعراض HB فقدان الشهية، والغثيان، وعدم الراحة في البطن، والتعب، مع تسبب العدوى المزمنة في مضاعفات خطيرة مثل سرطان الكبد وسرطان الكبد. مع إصابة حوالي 300 مليون فرد بالعدوى المزمنة على مستوى العالم وأكثر من 800,000 وفاة سنوية تُعزى إلى أمراض الكبد المرتبطة بـ HB، يتم التأكيد على الحاجة الملحة لاستراتيجيات فعالة للوقاية والعلاج. تشمل التدابير الوقائية الرئيسية التطعيم، والاستخدام العقلاني للأدوية، والسيطرة على طرق الانتقال.
تسلط المقدمة أيضًا الضوء على تأثير جائحة COVID-19 على أنظمة الرعاية الصحية، التي أعاقت الجهود الرامية إلى القضاء على HBV وعقدت مبادرات الفحص والعلاج. تهدف الدراسة إلى التحقيق في آثار COVID-19 على اتجاهات حدوث HB في هنان باستخدام نموذج السلاسل الزمنية الهيكلية بايزيان (BSTS)، مقارنةً بأدائه التنبؤي مع نموذج المتوسط المتحرك المتكامل الذاتي الانحدار (ARIMA). تهدف النتائج إلى إبلاغ سياسات الوقاية والسيطرة على HB وتحسين تخصيص الموارد الصحية.
طرق
تحدد قسم “المواد والطرق” تصميم التجربة والإجراءات المستخدمة في الدراسة. يوضح المواد المحددة المستخدمة، بما في ذلك أي مواد كيميائية، ومعدات، وعينات بيولوجية، مما يضمن إمكانية تكرار التجارب. تشمل المنهجية البروتوكولات لجمع البيانات، بما في ذلك أي تحليلات إحصائية تم إجراؤها لتفسير النتائج.
بالإضافة إلى ذلك، قد يصف القسم الظروف التجريبية، مثل درجة الحرارة، والمدة، وأي ضوابط تم تنفيذها للتحقق من النتائج. تعتبر وضوح وصرامة الطرق أمرًا حاسمًا لتقييم موثوقية النتائج وتأثيراتها في السياق الأوسع للبحث.
نتائج
في هذا القسم، يتم تقديم نتائج تقييم دقة التنبؤ لنموذجي السلاسل الزمنية الهيكلية بايزيان (BSTS) وARIMA فيما يتعلق بحدوث التهاب الكبد B (HB) من أكتوبر 2021 إلى سبتمبر 2022. تم تحديد نموذج ARIMA الأمثل وهو ARIMA(1,0,0)(1,0,1)₁₂، بينما أظهر نموذج BSTS، المعزز من خلال دمج اتجاه خطي محلي، قدرات تنبؤية متفوقة. تم توليد توقعات BSTS من خلال المتوسط عبر 4300 سحب من سلسلة ماركوف مونت كارلو (MCMC)، محققًا الاستقرار بعد 492 تكرارًا. أظهر التحليل المقارن أن أخطاء التنبؤ لنموذج BSTS كانت باستمرار أقل من تلك الخاصة بنموذج ARIMA، مما يشير إلى دقة تنبؤية أعلى لنهج BSTS.
تضمنت مزيد من التحقق إعادة بناء كلا النموذجين باستخدام بيانات تاريخية من يناير 2013 إلى سبتمبر 2021، مع إجراء توقعات لاحقة لحدوث HB في هنان من أكتوبر 2022 إلى ديسمبر 2023. توقع نموذج BSTS إجمالي 81,650 حالة جديدة على مدار الأشهر الـ 15 القادمة (95% CI: 47,372 إلى 115,391)، مما يترجم إلى متوسط شهري قدره 5,443 حالة (95% CI: 3,158 إلى 7,693). على الرغم من أن الحدوث لا يزال كبيرًا، إلا أن الاتجاه يشير إلى انخفاض مع مرور الوقت.
مناقشة
تسلط قسم المناقشة في ورقة البحث الضوء على فعالية نموذج السلاسل الزمنية الهيكلية بايزيان (BSTS) في التنبؤ باتجاهات حدوث التهاب الكبد B (HB) في مقاطعة هنان، خاصة خلال جائحة COVID-19. استخدمت الدراسة بيانات من يناير 2013 إلى سبتمبر 2022، حيث أظهر نموذج BSTS دقة تنبؤية متفوقة (متوسط نسبة الخطأ المطلق، MAPE = 10.03%) مقارنةً بنموذج ARIMA المستخدم بشكل شائع. تم التحقق من قوة نموذج BSTS من خلال تحليلات الحساسية، مما يشير إلى قيمته العالية في تقييم الاتجاهات الوبائية ديناميكيًا والمساعدة في تخصيص الموارد الطبية.
كشف التحليل عن انخفاض كبير في إشعارات حالات HB خلال الجائحة، يُعزى إلى عوامل مختلفة مثل تدابير الإغلاق، وتقليل العلاج الطبي، وزيادة الوعي بالصحة العامة. لاحظت الدراسة أن حدوث HB أظهر أنماط دورية وموسمية، مع ذروات في مارس وقيعان في سبتمبر وفبراير. تؤكد النتائج على الحاجة إلى استمرار الاهتمام بإدارة HB في ظل أزمة COVID-19 المستمرة، حيث يمكن أن تعيق الاضطرابات في خدمات الوقاية والعلاج الجهود العالمية للقضاء على HB بحلول عام 2030. يدعو المؤلفون إلى دمج نموذج BSTS مع أطر تنبؤية أخرى لتعزيز قابليته للتطبيق ومعالجة القيود الملحوظة في الدراسة.
DOI: https://doi.org/10.1186/s12889-025-22305-2
PMID: https://pubmed.ncbi.nlm.nih.gov/40197270
Publication Date: 2025-04-07
Author(s): Xinxiao Li et al.
Primary Topic: COVID-19 epidemiological studies
Overview
This study investigates the impact of the COVID-19 pandemic on hepatitis B (HB) case notifications in Henan, utilizing the Bayesian structured time series (BSTS) method to analyze monthly HB incidence data from January 2013 to September 2022. The findings indicate a significant decline in HB notifications during the pandemic, with reductions of 38% from January to March 2020 and 12% from January 2020 to September 2022. The seasonal patterns of HB incidence were also noted, with the smallest seasonal indices in September (0.91) and February (0.93), and the largest in March (1.19).
The BSTS model demonstrated superior predictive performance compared to the ARIMA model, with a lower average absolute percentage error (10.03% vs. 14.4%). The model’s predictions for HB cases from October 2022 to December 2023 suggest stability, estimating a total of 81,650 cases (95% CI: 47,372 to 115,391). The study concludes that the COVID-19 pandemic has led to a notable decrease in HB incidence in Henan, characterized by seasonal and cyclical trends, and emphasizes the BSTS model’s utility in informing strategies for HB prevention and control.
Introduction
The introduction of the research paper addresses the significant public health challenge posed by Hepatitis B (HB), an infectious disease caused by the hepatitis B virus (HBV) that primarily affects the liver. Symptoms of HB include loss of appetite, nausea, abdominal discomfort, and fatigue, with chronic infections leading to severe complications such as hepatocellular carcinoma and cirrhosis. With approximately 300 million individuals chronically infected globally and over 800,000 annual deaths attributed to HB-related liver diseases, the urgency for effective prevention and treatment strategies is underscored. Key preventive measures include vaccination, rational medication use, and controlling transmission routes.
The introduction also highlights the impact of the COVID-19 pandemic on healthcare systems, which has hindered efforts to eliminate HBV and complicated screening and treatment initiatives. The study aims to investigate the effects of COVID-19 on HB incidence trends in Henan using a Bayesian structured time series (BSTS) model, comparing its predictive performance with that of the autoregressive integrated moving average (ARIMA) model. The findings are intended to inform HB prevention and control policies and optimize health resource allocation.
Methods
The “Materials & Methods” section outlines the experimental design and procedures utilized in the study. It details the specific materials employed, including any reagents, equipment, and biological samples, ensuring reproducibility of the experiments. The methodology encompasses the protocols for data collection, including any statistical analyses performed to interpret the results.
Additionally, the section may describe the experimental conditions, such as temperature, duration, and any controls implemented to validate the findings. The clarity and rigor of the methods are crucial for assessing the reliability of the results and their implications in the broader context of the research.
Results
In this section, the results of the prediction accuracy evaluation for the Bayesian Structural Time Series (BSTS) and ARIMA models regarding the incidence of hepatitis B (HB) from October 2021 to September 2022 are presented. The optimal ARIMA model identified was ARIMA(1,0,0)(1,0,1)₁₂, while the BSTS model, enhanced by incorporating a local linear trend, demonstrated superior forecasting capabilities. The BSTS forecasts were generated by averaging across 4300 Markov Chain Monte Carlo (MCMC) draws, achieving stability after 492 iterations. A comparative analysis revealed that the prediction errors for the BSTS model were consistently lower than those of the ARIMA model, indicating higher prediction accuracy for the BSTS approach.
Further validation involved reconstructing both models using historical data from January 2013 to September 2021, with subsequent predictions made for the incidence of HB in Henan from October 2022 to December 2023. The BSTS model projected a total of 81,650 new cases over the next 15 months (95% CI: 47,372 to 115,391), translating to a monthly average of 5,443 cases (95% CI: 3,158 to 7,693). Although the incidence remains significant, the trend suggests a decline over time.
Discussion
The discussion section of the research paper highlights the effectiveness of the Bayesian Structural Time Series (BSTS) model in predicting hepatitis B (HB) incidence trends in Henan Province, particularly during the COVID-19 pandemic. The study utilized data from January 2013 to September 2022, with the BSTS model demonstrating superior predictive accuracy (Mean Absolute Percentage Error, MAPE = 10.03%) compared to the commonly used ARIMA model. The BSTS model’s robustness was further validated through sensitivity analyses, indicating its high application value in dynamically assessing epidemic trends and aiding in the allocation of medical resources.
The analysis revealed a significant decline in HB case notifications during the pandemic, attributed to various factors such as lockdown measures, reduced medical treatment, and increased public health awareness. The study noted that the incidence of HB exhibited cyclical and seasonal patterns, with peaks in March and troughs in September and February. The findings underscore the need for continued attention to HB management amidst the ongoing COVID-19 crisis, as disruptions in prevention and treatment services could hinder global efforts to eliminate HB by 2030. The authors advocate for the integration of the BSTS model with other predictive frameworks to enhance its applicability and address the limitations observed in the study.