По данным Всемирной организации здравоохранения (ВОЗ), ежегодно в мире сезонным гриппом заболевает около 1 миллиарда человек. Из них от 3 до 5 миллионов переносят болезнь в тяжелой форме, а для 290–650 тысяч человек инфекция заканчивается летальным исходом от респираторных осложнений. Но что именно провоцирует развитие эпидемий гриппа? Известно, что погодные условия влияют как на свойства вируса гриппа и эффективность местного иммунитета носоглотки, так и на поведение людей — заставляют нас реже проветривать помещения, собираться вместе в закрытых пространствах. Вопрос о том, почему в определенные периоды кривая заболеваемости резко ползет вверх, давно вышел за рамки банального «наступили холода». Среди метеорологических факторов главными триггерами эпидемий гриппа считаются температура и влажность воздуха.
Чтобы детально изучить влияние погодных условий на заболеваемость гриппом, мы провели метаанализ — масштабное исследование, объединившее результаты более 60 независимых научных работ со всего мира. Такой метод позволяет обобщить разрозненные данные и увидеть скрытые закономерности, которые могут оставаться незаметными в одном отдельном эксперименте.
В биологии связь между факторами редко бывает прямой (линейной), когда каждый градус мороза одинаково повышает заболеваемость. Обычно она имеет U-образную или J-образную форму: существует комфортная зона (точка минимального риска), от которой заболеваемость резко ползет вверх как при наступлении холодов, так и при сильной жаре. Чтобы математически описать такую нелинейную зависимость, ученые используют контрасты — то есть сравнивают показатели заболеваемости в двух конкретных точках температурной шкалы. Например, берут «контраст» между холодной погодой и идеальной, комфортной температурой. От того, насколько жестко или мягко исследователи выбирают эти две крайние точки для сравнения в разных работах, и зависит итоговая величина эффекта.
Резкое снижение температуры связано с повышением кумулятивной заболеваемости гриппом примерно в четыре раза по сравнению с точкой минимального риска (относительный риск RR = 4.04, 95% CI 2.53–6.44, p = 8.4×10⁻⁶). Эти данные были получены на основе 18 научных работ и 74 числовых оценок. Большинство оценок указывает на повышение заболеваемости при низкой температуре, но предсказательный интервал включает отсутствие ассоциации. Однако точная величина эффекта существенно меняется в зависимости от выбора контрастов и модели. Кроме того, согласованность между результатами из разных стран оказалась крайне низкой (I² = 88.1%), а так называемый предсказательный интервал (0.56–28.99) включает единицу. Полученные данные не позволяют уверенно предсказать величину или направление связи в новом регионе.
Для низкой влажности воздуха получен сопоставимый по величине результат — низкая влажность ассоциирована с повышенными показателями заболеваемости гриппом (относительный риск RR = 4.76, 95% CI 2.15–10.57, p = 0.0017) по 10 работам и 29 оценкам. Согласованность результатов из разных стран очень низкая (I² = 84.9%), а предсказательный интервал (0.37–60.74) растянут на два порядка. В пуле работ, посвященных влажности воздуха, педиатрические исследования дают до 71% веса в оценке конечного результата, а исключение педиатрических работ меняет оценку — что подчёркивает зависимость величины оценки от состава исследований и не устанавливает причинный эффект сухого воздуха.
В этом обзоре низкая температура и влажность воздуха были связаны с более высокими показателями заболеваемости гриппом в среднем по включённым исследованиям. Это не означает, что риск для каждого человека возрастает в четыре раза: результаты относятся к региональным данным, а не к индивидуальной вероятности заболеть. Кроме того, исследования различались по условиям погоды, периодам наблюдения и методам анализа; предсказательные интервалы широки и включают отсутствие связи.
Для практики эти результаты могут служить основанием учитывать погодные условия при анализе эпидемиологической ситуации, но сами по себе они не позволяют предсказать число дополнительных случаев в конкретном регионе или установить причинную связь. Для оценки абсолютного числа случаев нужны местные данные о заболеваемости и сопоставимые периоды наблюдения. Погодные факторы также не заменяют вакцинацию и другие меры профилактики гриппа (WHO Clinical practice guidelines for influenza (2024)).
В исследованиях низкая температура и влажность ассоциировались с повышенными региональными показателями заболеваемости гриппом, однако сроки и величина связи различались. Рассчитанный нами кумулятивный относительный риск — это популяционная, а не индивидуальная характеристика: она описывает средний риск для целого региона и ничего не говорит о судьбе конкретного человека — одни и те же изменения погодных условий для человека, проводящего день в помещении, и для человека, работающего на улице, означают разные вещи. Разброс результатов между работами очень велик, поэтому экстраполировать полученные нами коэффициенты на любой город или страну нельзя: в одних контекстах оценка близка к трём, в других — к десяти и выше.
Чтобы объединить данные разных исследований, мы применили многоуровневую модель случайных эффектов (REML) со случайным интерсептом исследования. Основной инференс выполнен методом CR2 с кластером на уровне работы и степенями свободы Саттертуэйта. Для основного пула использованы 18 работ (74 оценки) по холоду и 10 работ (29 оценок) по низкой влажности.
Качество исходных данных было проверено по международному стандарту Sterne et al. 2016, адаптированному для временных рядов. Ни одна публикация не получила оценку низкого риска предвзятости: 28 работ были отнесены к серьёзному риску, 20 — к умеренному, а для 14 информации оказалось недостаточно. Оценка достоверности этих данных по международной системе GRADE (GRADE Working Group) показала, что доказательства имеют очень низкую определённость и не позволяют считать направление или величину эффекта установленными, однако из-за разнородности существующих на сегодняшний день результатов научных исследований назвать точную величину эффекта пока невозможно.
Проведенный обзор имеет ряд важных ограничений, главным из которых является дизайн включенных в него работ — все они экологические и не позволяют изучать причинно-следственные связи. Ни одно исследование не способно полностью устранить скрытые побочные факторы, такие как школьные каникулы, изменение поведения людей в мороз, интенсивность тестирования в клиниках или свойства конкретного сезонного штамма вируса. Ситуацию усложняет высокая разнородность данных, при которой математические интервалы прогноза включают единицу, причем ни один из проверенных факторов — от климатической зоны Кёппена и плотности населения до охвата вакцинацией и контроля загрязнения воздуха — так и не смог объяснить этот гигантский разброс данных.
Аудит референсных значений показал, что в 31 из 103 оценок основного набора в качестве референса использовалась точка на тёплой стороне кривой, а не минимум риска; этот дефект проверен анализом чувствительности. В пуле изучения влияния снижения влажности воздуха обнаружена воронкообразная асимметрия (тест Эггера, study-level p = 0.0071; Спирмен p = 0.0008). После ограничения экстремальных значений сигналы ослабевают, но это не устанавливает причину асимметрии и не доказывает отсутствия публикационного смещения.
Наконец, выводы обзора сложно назвать универсальными из-за специфики собранной статистики. Педиатрические исследования дали лишь 29% от общего числа оценок, но забрали на себя до 71% математического веса в пуле изучения влияния снижения влажности воздуха. Почти половина включенных работ (27 из 62) оценивалась только по кратким абстрактам, и ни одна из них в итоге не смогла дать пригодных для анализа числовых данных. Полученные данные нельзя экстраполировать на регионы с тропическим или субтропическим климатом, так как не изучалась связь резкого потепления (жары) на заболеваемость гриппом.
Будущие исследования должны в первую очередь исправить те методологические слабые места, из-за которых международная система GRADE снизила уровень определенности текущих доказательств. Науке необходимы масштабные многоцентровые работы, где идеальная безопасная точка (температура и влажность минимального риска) будет задана изначально, а не заменена случайным средним значением или произвольным процентом. Также важно стандартизировать временное окно наблюдения (лаг), чтобы выводы разных научных групп можно было легко сопоставлять без лишних догадок. Огромным шагом вперед станет создание национальных систем эпидемиологического надзора с ежедневным лабораторным подтверждением диагнозов, чьи базы данных можно будет корректно объединять с помощью кластерных методов статистики, опираясь на заранее зарегистрированные международные протоколы вроде PROSPERO на платформе CRD York.
Кроме того, ученым следует заранее разделять пациентов по возрастным группам, избегая запутанных внутренних подгрупп в рамках одной статьи. Настоящий обзор наглядно показал, что именно детская статистика забирает на себя более половины веса в пуле изучения влияния снижения влажности воздуха, в то время как более узкие и специфические выборки строятся всего на семи исследованиях и просто не поддаются содержательной интерпретации. Наконец, для создания полной картины климатических триггеров необходим детальный количественный разбор противоположной стороны шкалы — влияния жары и высокой влажности. Эти данные уже содержатся в ряде изученных статей, и их будущий анализ критически важен, чтобы проверить симметрию погодных эффектов и сделать общие выводы применимыми для жителей теплых тропических регионов.
Реальные связи между погодой и распространением инфекций устроены колоссально сложно и нелинейно. Ни один из изученных модераторов (будь то плотность населения, климатическая зона или уровень вакцинации) математически так и не смог объяснить гигантский разброс данных между исследованиями. Это доказывает, что перед наукой стоит гораздо более сложная и многослойная задача, чем казалось изначально. Её невозможно решить старыми методами, поэтому будущие исследования требуют принципиально новых, более гибких и комплексных дизайнов, которые смогут одновременно учитывать и контролировать десятки скрытых биологических и социальных факторов.
Цель исследования: оценка кумулятивной относительной заболеваемости гриппом в общей популяции при резком снижении температуры и влажности воздуха по сравнению с точкой минимального риска. Дополнительно изучалась зависимость величины эффекта от внешних модераторов, включая климатические зоны Кёппена, плотность населения и методологические характеристики публикаций.
Критерии включения: первичные исследования общей популяции без ограничений по возрасту и полу, в которых экспозиция метеорологических факторов (температуры и влажности) измерена с суточным или недельным шагом и допускает математический расчет лагов, исследования с заявленной или восстановимой референсной точкой минимального риска с использованием нелинейных моделей (распределенных моделей с запаздыванием DLNM или обобщенных аддитивных моделей GAM с кросс-базисом), кумулятивного лага; фактический фильтр основного пула требует не менее 7 дней и не задаёт верхнюю границу, что отличается от исходного диапазона 0–14/0–21 день, а также с наличием в исходной модели контроля дня недели, праздников и долгосрочного (сезонного) тренда, исследования, изучающие в качестве релевантного исхода лабораторно или клинически подтвержденную заболеваемость гриппом.
Критерии невключения: закрытые, госпитальные и военные когорты, месячные, сезонные и годовые агрегаты метеоданных, из которых лаг структурно не выводим, чисто линейные per-unit модели без нелинейного референса, а также корреляции и простые регрессии без лаговой структуры. Невключению также подлежали работы без извлекаемой RR-оценки, исходы, неассоциированные с гриппом, включая агрегаты ОРВИ, общая причинная смертность без респираторных кодов, дизайны, не являющиеся временными рядами или case-crossover, модели с избыточно короткими лаговыми окнами, работы, освещающие только влияние повышения температуры или влажности воздуха, и дубликаты публикаций или пересекающиеся когорты.
Поиск первоисточников проводился в электронных базах PubMed и Europe PMC по состоянию на 16.10.2026. Стратегия поиска была дополнена методом референс-майнинга (анализ обратных цитирований). Поиск выполнялся без введения языковых фильтров и хронологических ограничений по году публикации.
Статистический анализ: главной мерой эффекта служил относительный риск (RR). Для обеспечения линейности и стабилизации дисперсии расчеты проводились на логарифмической шкале как ln(cumRR) с вычислением стандартной ошибки (SE). Для объединения единичных оценок применялись модели случайных эффектов. Оценка параметров гетерогенности выполнялась методом максимального правдоподобия с ограничением REML (Veroniki et al. 2019), для основного инференса использовался CR2 с t-квантилем по df Саттертуэйта; одноуровневая REML + Knapp–Hartung приведена только для сравнения. Поскольку в одной публикации могут быть несколько зависимых оценок, основная модель использует случайный интерсепт исследования и CR2-инференс с кластером по работе. Внутристатейные ковариации недоступны; диагональная рабочая матрица V и робастная кластерная оценка дисперсии не устраняют это ограничение полностью. Все статистические вычисления реализованы в среде R с использованием специализированного пакета metafor (Viechtbauer 2010). Для систематизации оценок с различной параметризацией (уровень перцентиля, глубина контраста, метрика влажности и окно лага) были применены три априорных правила отбора: (1) Правило A: кумулятивные контрасты «экстремум против референса» с лаговым окном не менее 7 дней. Данное правило формировало основной пул данных; (2) Правило C: референс строго соответствует температуре/влажности минимальной смертности/заболеваемости или медиане. Использовалось в анализе чувствительности; (3) Правило E: все доступные контрасты типа «экстремум против референса». Использовалось в анализе чувствительности. Оценки, характеризующиеся физически неправдоподобными референсными точками (например, оптимум в диапазоне 33–39 °C для тропической зоны), маркировались специальным флагом и исключались в рамках дополнительного сценария анализа чувствительности.
Первичный поиск в электронных базах данных. В базе данных PubMed реализовано четыре поисковых запроса: широкий запрос по типам дизайна (574 записи), точный запрос с указанием нелинейности и референсных точек (425 записей), а также целевой поиск по влажности (396 записей, из которых 154 идентифицированы как новые). В базе данных Europe PMC выполнен один специализированный запрос в полевой форме, зафиксировавший 339 записей, включая 29 публикаций без идентификатора PMID.
Формирование пула из дополнительных источников. Проведен референс-майнинг по обратным цитированиям на основе четырех опорных работ, что добавило 242 уникальные записи. Также в анализ интегрирован унаследованный пул предыдущего проекта в количестве 471 записи, полностью прошедший повторный скрининг на соответствие критериям текущего протокола. Запланированный поиск через платформу OpenAlex выполнить не удалось по причине отсутствия API-ключа, что зафиксировано в блок-схеме потока отбора согласно стандарту PRISMA (Page et al. 2021).
Дедупликация. Всего на начальном этапе идентифицировано 2051 запись. После удаления 816 дубликатов осталось 1235 уникальных публикаций. Дополнительное включение 154 записей из целевого поиска по влажности сформировало итоговый массив из 1389 публикаций, направленных на первичную оценку.
Скрининг по названиям. На этапе анализа заголовков исключено 1016 записей: 903 из основного пула и ещё 113 из целевого поиска по влажности. Основными причинами невключения послужили отсутствие метеорологической экспозиции и несоответствие исхода критерию заболеваемости гриппом.
Скрининг по аннотациям. На этапе анализа аннотаций исключено 260 записей: 219 из основного пула и 41 из целевого поиска по влажности. Наиболее частыми причинами отсева стали использование чисто линейных моделей без нелинейного референса (код C1 — 61 работа), отсутствие гриппа в качестве исхода (код O1 — 39 работ), а также применение корреляционного анализа вместо лаговых моделей (код C2 — 37 работ).
Полнотекстовый скрининг и процедура валидации. На этапе анализа полных текстов исключена 51 публикация, включая шесть работ с дублированием данных и одну работу без возможности извлечения численной RR-оценки. Слепая независимая повторная оценка выполнена для 113 записей L3. Конкордантность (согласие) между оценками составила 78,7% (89 из 113 записей); 24 межэкспертных расхождения разрешены в ходе арбитража после повторного совместного изучения полных текстов. По результатам арбитража пять публикаций возвращены в финальный набор ввиду принятия решения о мягкой трактовке критерия исключения.
В результате прохождения всех этапов селекции в систематический обзор включены 62 работы, из которых 33 публикации содержали числовые оценки, пригодные для последующей гармонизации и объединения.
В обзор вошли 62 наблюдательных исследования без ограничений по языку и периоду публикации, включающие 58 временных рядов с нелинейным моделированием (DLNM или GAM) и 4 работы дизайна case-crossover. География публикаций охватывала преимущественно Китай, а также еще 13 стран Азии, Европы, Америки и Австралии, варьируясь масштабом от локальных районов до глобальных выборок из 122 стран.
Резкое снижение температуры. 74 оценки из 18 работ. В многоуровневой REML-модели со случайным интерсептом исследования и CR2-инференсом сводный RR = 4.04 (95% CI 2.53–6.44, p = 8.4×10⁻⁶), обобщённый I² = 88.1% (Higgins et al. 2003), τ² = 0.822. Приближённый 95% предсказательный интервал по Higgins et al. 2009 составляет 0.56–28.99 и включает единицу. Более высокая межисследовательская вариабельность не позволяет переносить точечную оценку на конкретный новый регион. Возможные модераторы не дали устойчивого объяснения гетерогенности (см. Cochrane Handbook, гл. 10.4).
Снижение влажности воздуха. 29 оценок из 10 работ. В той же многоуровневой модели RR = 4.76 (95% CI 2.15–10.57, p = 0.0017), обобщённый I² = 84.9%, τ² = 1.139. Приближённый 95% предсказательный интервал равен 0.37–60.74 и включает RR = 1. Это средняя ассоциация по включённым оценкам; она не является индивидуальным риском и не доказывает причинный эффект.
Ни один из предварительно запланированных вариантов суб-анализа не позволил установить статистически значимые причины высокой гетерогенности данных. Стратификация результатов по типу расчетного контраста, разделяющая использование относительных перцентильных значений и фиксированных абсолютных точек на температурно-влажностной кривой, показала отсутствие значимых различий между подгруппами. В пуле изучения влияния резкого похолодания для перцентильных контрастов на основе 7 работ относительный риск составил RR = 3.78 при 95% CI 2.53–5.63, а для абсолютно-точечных контрастов на основе 11 работ составил 4.27 при 95% CI 3.17–5.75, при этом формальный тест на межгрупповые различия показал критерий QM = 0.25 при p = 0.62 и доле объясненной дисперсии R² = 0.0%. В пуле изучения влияния снижения влажности воздуха аналогичное разделение дало показатели 3.53 при 95% CI 1.59–7.83 и 5.26 при 95% CI 2.15–12.84 соответственно, со статистическими параметрами теста QM = 0.53, p = 0.47 и R² = 0.0%. Единственное формально значимое различие с критерием QM = 8.82, p = 0.0095 и R² = 88.7% было зафиксировано лишь при избыточно детальном разбиении данных, построенном всего на 7 работах, что является типичным статистическим артефактом малой выборки.
Оценка влияния климатических зон Кёппена, выполненная после верификации кодирования и применения кластерно-устойчивого инференса, показала отсутствие значимого эффекта со значениями коэффициента регрессии β = −0.31 при p = 0.28 в пуле изучения влияния резкого похолодания или снижения температуры и β = −0.31 при p = 0.41 в пуле изучения влияния снижения влажности воздуха, что переводит климатическую зону в статус проверенного, но не подтвердившегося предиктора. Одномодераторные модели мета-регрессии по контролю загрязнения воздуха поллютантами в пуле снижение температуры дали коэффициент β = +0.29 при p = 0.43, а по методу верификации исхода при сравнении лабораторно подтвержденного гриппа с гриппоподобными заболеваниями показали β = −0.09 при p = 0.78, и для обращений или госпитализаций β = +0.06 при p = 0.91, во всех случаях демонстрируя нулевую долю объясненной дисперсии R² = 0.0%. Ни один из 35 протестированных однофакторных параметров не сохранил статистическую значимость после применения процедуры множественных сравнений и поправки Бенджамини–Хохберга. Однако содержательно важно отметить, что контрасты на основе перцентилей систематически демонстрируют меньшую величину эффекта по сравнению с фиксированными абсолютно-точечными значениями, что при детальном разбиении в пуле изучения влияния резкого похолодания или снижения температуры выражается как 2.96 против 4.90. Данный факт остается существенной аналитической оговоркой при интерпретации итоговой объединенной оценки, даже если формальные критерии межгрупповых различий не достигают общепринятых порогов значимости.
Точечные оценки различаются между сценариями; анализы чувствительности следует рассматривать с учётом наблюдательного характера данных и неопределённости. Изменение априорного правила отбора расчетных контрастов привело к флуктуации показателей. Для пула изучения влияния резкого похолодания или снижения температуры применение правила C, требующего строгого соответствия референса температуре минимального риска или медиане распределения на основе 11 работ, сместило оценку до RR = 4.19 при 95% CI 2.11–8.31. Использование правила E, включающего все доступные контрасты экстремума против референса для 28 работ, снизило показатель до 2.89 при 95% CI 2.13–3.93. Для пула изучения влияния снижения влажности воздуха аналогичные переключения правил отбора привели к оценкам 3.96 при 95% CI 2.58–6.09 и 2.07 при 95% CI 1.47–2.92 соответственно. Ранее рассчитанные одноуровневые фиксированные оценки сохранены как сравнительный анализ и напрямую не сопоставляются с основной многоуровневой моделью. Различие между прежней одноуровневой моделью с фиксированным эффектом и многоуровневой моделью отражает разные предположения и не устанавливает источник гетерогенности.
Полное исключение из анализируемого массива публикаций с серьезным риском систематической ошибки, под которое подпали 11 работ в пуле изучения влияния резкого похолодания или снижения температуры и 8 работ в пуле изучения влияния снижения влажности воздуха, не оказало значимого влияния на итоговые результаты, скорректированные показатели составили 4.83 (2.72–8.60) и 5.25 (1.97–13.95) соответственно. Вместе с тем две серии диагностических проверок выявили внутренние дефекты структуры эмпирических данных. Первая проверка касалась влияния экстремальных единичных оценок. Введение предварительно запланированного искусственного ограничения верхней границы риска на уровне RR не более 50 снизило общую оценку пула изучения влияния резкого похолодания или снижения температуры до 3.93 (2.51–6.14) при RR ≤50 и до 3.55 (2.32–5.44) при RR ≤20. В пуле изучения влияния снижения влажности воздуха оценки при RR ≤50 и RR ≤20 составили 3.30 (1.95–5.57) и 3.17 (1.90–5.29) соответственно. Вторая проверка была направлена на оценку качества выбора референсной точки. Исключение из анализа тех оценок, в которых в качестве референсной точки ошибочно использовалось значение на пике заболеваемости вместо математического минимума риска на J-образной кривой, составивших 31 расчетную оценку или 30% объема выборки правила A, оставило пул изучения влияния резкого похолодания или снижения температуры практически неизменным на уровне 3.81 при 95% CI 2.33–6.24. Однако в пуле изучения влияния снижения влажности воздуха данная процедура дала оценку 4.62 при 95% CI 1.87–11.40, что обусловлено удалением ключевого исследования, аккумулировавшего 66% суммарного веса пула.
Специфические сценарии стратификации по педиатрическим выборкам подтвердили искусственный характер распределения весов. Полное удаление педиатрических работ привело к росту относительного риска до 4.01 для холода и 5.80 для сухости в сценарии исключения педиатрических работ. Моделирование, включающее только изолированные сводные строки без вложенных возрастных категорий, дало многоуровневые оценки 4.10 и 4.82 соответственно. Это указывает на то, что педиатрические оценки в первичных работах систематически ниже остальных, но в пуле изучения влияния снижения влажности воздуха они определяют более половины математического веса, выступая следствием специфики сбора данных, а не изолированным свойством самого климатического эффекта. В отдельном одноуровневом диагностическом анализе leave-one-out в пакете metafor не вызвало резких сдвигов: диапазон RR в пуле изучения влияния резкого похолодания или снижения температуры составил 3.94–4.21 при медиане 4.08, а в пуле изучения влияния снижения влажности воздуха зафиксирован на уровне 3.28–4.35. На основании изложенного сводные оценки 4.04 и 4.76 следует интерпретировать как средние по неоднородному набору контрастов, а не как верхнюю границу или универсальный эффект. При ограничении RR ≤20 получены оценки 3.55 для холода и 3.17 для сухости.
Поскольку расчетные оценки внутри одной первичной публикации характеризуются выраженной взаимной зависимостью, применение классического теста Эггера по методологии Egger et al. 1997 на уровне индивидуальных точек является некорректным. По этой причине оценка воронкообразной асимметрии согласно руководству Cochrane Handbook Ch. 13.3 выполнялась преимущественно на агрегированном уровне исследований.
В пуле изучения влияния резкого похолодания или снижения температуры расчетный наклон регрессионной прямой на уровне исследований составил 2.22 при 95% CI −0.36–4.79 и p = 0.087, а ранговый тест корреляции Спирмена зафиксировал коэффициент ро = 0.40 при p = 0.10. Данные показатели свидетельствуют о том, что асимметрия воронкообразного графика находится на самой границе статистической значимости. Положительное направление наклона указывает на то, что большие стандартные ошибки ассоциированы с более высокими значениями логарифма относительного риска, то есть возможное смещение действует в сторону искусственного завышения итоговой объединенной точки. В пуле изучения влияния снижения влажности воздуха воронкообразная асимметрия оказалась статистически значимой, зафиксировав значения p = 0.0071 для регрессионного теста и ро = 0.88 при p = 0.0008 для рангового теста. Показатели значимости, полученные при альтернативном расчете на уровне отдельных оценок, составили p = 2.9×10⁻⁵ для температурного фактора и p = 0.0014 для фактора влажности. Данные значения признаются избыточно антиконсервативными, поскольку они полностью игнорируют внутриклассовую кластеризацию данных, и приводятся исключительно в качестве справочного материала.
Процедура коррекции методом усечения и заполнения Duval и Tweedie 2000 не добавила ни одной работы в study-level анализе. Отсутствие добавленных работ не доказывает отсутствия публикационного смещения; оценка trim-and-fill отличается по построению от первичной многоуровневой модели. После ограничения RR ≤50 и RR ≤20 study-level тесты асимметрии перестают быть статистически значимыми; это показывает чувствительность сигнала к экстремальным значениям, но не доказывает отсутствия публикационного смещения. При введении последовательных ограничений на уровне относительного риска не более 50 и не более 20 расчетные p-значения теста Эггера на уровне исследований сместились до 0.148 и 0.468 для пула изучения влияния резкого похолодания или снижения температуры, и до 0.124 и 0.121 для пула изучения влияния снижения влажности воздуха. По этим данным нельзя установить, вызвана ли асимметрия публикационным смещением, гетерогенностью или крайними значениями. В качестве общего аналитического ограничения необходимо отметить, что при высокой гетерогенности (обобщённый I² около 85–88%) любые изолированные тесты на асимметрию воронкообразного графика обладают крайне низкой специфичностью, так как масштабная межисследовательская изменчивость сама по себе генерирует геометрический перекос распределения. В силу этого финальное суждение о наличии публикационного смещения выносилось на основе комплексного сопоставления результатов формальных тестов, алгоритма усечения и заполнения, а также углубленного анализа графиков выбросов по методу Baujat et al. 2002.
Оценка достоверности данных была выполнена в соответствии с методологическими принципами рабочей группы GRADE. Исходный уровень определенности доказательств был зафиксирован как низкий, что обусловлено исключительно обсервационным экологическим дизайном всех включенных первичных публикаций.
При анализе риска систематической ошибки уровень определенности был снижен на одну ступень. Согласно верификации по инструменту ROBINS-I, адаптированному для временных рядов, ни одно из проанализированных исследований не получило оценку низкого риска предвзятости. В пуле изучения влияния резкого похолодания или снижения температуры 7 из 18 работ были отнесены к категории серьезного риска, а 11 работ — к категории умеренного риска. В пуле изучения влияния снижения влажности воздуха данное соотношение составило 6 и 4 публикации соответственно. Поскольку ключевые остаточные побочные факторы, такие как интенсивность лабораторного тестирования, структура школьных каникул, особенности изменения поведения населения в морозные дни, а также доминирующий сезонный субтип и вирулентность вируса, действуют систематически во всем теле собранных доказательств, а не изолированно в отдельных статьях, снижение качества ограничено только одним уровнем. Данное решение подкрепляется и тем, что полное исключение публикаций с серьезным риском предвзятости не привело к значимому изменению сводной точки, сместив показатель относительного риска с 4.04 до 4.83.
По критерию согласованности результатов уровень определенности был снижен сразу на две ступени. Это обусловлено критическими показателями межисследовательской изменчивости, при которых индексы гетерогенности составили 88.1% и 84.9%, рассчитанные предсказательные интервалы перекрыли единичное значение относительного риска, а ни один из множества протестированных потенциальных модераторов математически не смог объяснить данный разброс.
В отношении опосредованности доказательств определенность была снижена на одну ступень. В значительном массиве расчетных оценок в качестве референсной точки использовался не истинный математический минимум риска на J-образной кривой, а медиана распределения или случайный перцентиль. Кроме того, протяженность лаговых окон в ряде работ оказалась шире заявленных протокольных рамок, в качестве исхода нередко применялись суррогатные прокси-маркеры, включая клиническую гриппоподобную болезнь, общие обращения или госпитализации, в пуле изучения влияния резкого похолодания или снижения температуры 26 единичных оценок были извлечены из одной мультистрановой публикации, а в пуле изучения влияния снижения влажности воздуха были объединены показатели абсолютной и относительной влажности.
По критерию неточности результатов произошло снижение определенности на одну ступень из-за избыточной ширины доверительного интервала объединенной оценки и недостижения кумулятивного размера выборки, необходимого для уверенного опровержения нулевого эффекта, что наиболее выраженно проявилось на фоне малого количества исследований фактора влажности.
Потенциальное публикационное смещение послужило основанием для снижения качества доказательств еще на одну ступень, поскольку тест Эггера на уровне исследований зафиксировал пограничные и значимые показатели p = 0.087 для температурного фактора и p = 0.0071 для фактора влажности при положительном наклоне регрессионной прямой, несмотря на то, что метод усечения и заполнения не добавил гипотетических работ, а сама воронкообразная асимметрия полностью нивелировалась после фильтрации крайних экстремальных выбросов.
Основания для повышения уровня определенности доказательств отсутствовали. Наличие формально большого масштаба выявленного относительного риска не может компенсировать одновременное присутствие признаков воронкообразной асимметрии и остаточного конфаундинга, а четкий градиент доза-ответ в рамках мета-аналитического обобщения установлен не был. Итоговый баланс штрафных баллов привел к снижению исходной оценки на 6 ступеней, что указывает на очень низкий финальный уровень определенности доказательств для обоих направлений экспозиции. При очень низкой определённости данных нельзя считать установленными ни направление, ни величину наблюдаемой ассоциации; сводные значения не являются универсальными для отдельных регионов.
Спасибо, что дочитали эту статью до конца!
Мы стремимся к абсолютной точности, поэтому если у вас возникли вопросы, замечания или вы заметили неточность в расчетах — обязательно напишите нам. Обратная связь помогает делать материалы лучше.
Если вам близок наш подход и вы ищете команду для создания биомедицинских метаанализов, мы всегда открыты к сотрудничеству — просто свяжитесь с нами.
Связаться с нами