目的（1）筛选临床早期、快速鉴别SFTSV感染和SFTS样疾病的特异性指标,为做好SFTS早发现、早诊断、早治疗提供科学依据。（2）分析2010-2016年江苏省SFTS实验室确诊病例的流行病学三间分布特征、时空聚集性和时空演变规律,为江苏省SFTS防治和卫生资源配置提供依据。（3）构建江苏省SFTS自然疫源地生态位模型,定量分析环境因子对SFTS自然疫源地分布的影响,精准掌握江苏省SFTS自然疫源地分布状况,绘制SFTS风险地图。方法（1）以2010-2016年江苏省SFTS监测哨点医院报告的SFTS疑似病例为研究对象,回顾性调查其基本情况（年龄、性别和职业等）、临床表现、血常规检查结果以及流行病学暴露史等,并根据SFTSV核酸的RT-PCR检测结果将其分为SFTS确诊病例和排除病例,通过单因素分析和多因素Logistic回归分析（向后剔除法）,筛选出可以早期快速鉴别SFTSV感染和SFTS样疾病的特异性指标。（2）2010-2016年江苏省SFTS实验室确诊病例数据来自“中国疾病预防控制信息系统”的子系统—“国家法定传染病监测系统”,人口数据来自于江苏省统计局网站（http://tj.jiangsu.gov.cn/）公布的人口年度公报。江苏省县（区）级边界地图由江苏省基本地理信息中心提供。病例数据包括年龄、性别、职业、住址、发病日期、确诊日期以及上报单位等。对江苏省SFTS病例的流行病学三间分布（人群分布、时间分布和地区分布）进行描述性分析;基于离散泊松模型的回顾性时空扫描分析方法,应用SatScan9.0.1软件探测2010-2016年江苏省的时空聚集区域,利用P值以及对数似然比判定研究区域内有无聚集性及其确切位置和风险大小,通过ArcMap 10.2软件对结果进行可视化展示。（3）从2010-2016年江苏省报告的实验室确诊的SFTS病例传染病报告卡的“现住址”中提取病例感染地点,剔除可能为人传人的续发病例以及感染地址不详的病例,根据每个SFTS病例的现住址进行地理定位获得感染地点的经纬度坐标。从世界气象数据库、中分辨率成像光谱仪MODIS卫星数据库和航天飞机雷达地形测绘计划的数字高程模型数据库等在线数据库中提取32个环境因子,根据相关性分析结果和既往研究结果,筛选出17个环境因子。基于最大熵模型算法应用MaxEnt v3.3.1建模工具包建立江苏省SFTS自然疫源地生态位模型,分析影响SFTS自然疫源地分布的环境因子及其贡献率,预测江苏省内潜在的SFTS风险发病地区。应用Jackknife测试不同环境因子对预测最终模型的贡献,通过ROC曲线和遗漏率验证模型的预测效果。结果（1）2010年10月至2016年12月期间本研究共收集江苏省SFTS疑似病例247例,其中确诊病例99例,SFTS排除病例148例。对38个变量进行单因素分析发现,年龄≥50岁、农民、白细胞减少、中性粒细胞减少、淋巴细胞减少、全身酸痛、恶心、腹泻、淋巴结肿大、居住在丘陵或山区、发病前是一个月居住地有蜱、发病前一个月内见过蜱、动物身上有蜱附着、发病前两周内被蜱叮咬过、种地、割草、放牧和旅游18个变量有统计学意义（P<0.05）。多因素Logistic回归分析共有4个因素进入Logistic回归方程,分别为发病前两周内被蜱叮咬（OR=5.274,95%CI 1.831¹5.187）、年龄≥50岁（OR=4.004,95%CI 1.226¹3.077）、腹泻（OR=3.042,95%CI 1.143⁸.096）和白细胞减少（OR=1.977,95%CI 1.836⁵.207）。Logistic回归方程为:P=1/(1+e^-Z),Z=-2.418+（1.663×发病前两周内被蜱叮咬）+（1.387×年龄≥50岁）+（1.113×腹泻）+（0.682×白细胞减少）。该方程判断SFTSV感染的总准确性为78.4%,灵敏度为83.3%,特异度为72.1%。（2）疾病三间分布显示:2010-2016年江苏省共报告了162例实验室确诊SFTS病例,SFTS发病数呈逐年上升趋势,发病率在0.06/100万至0.79/100万之间。男性病例数略多于女性病例数（性别比为1.46）。病例年龄范围为18岁至84岁,年龄分布主要集中于50岁以上中老年人群（74.70%）,农民占比最高（71.6%）;南京市和淮安市为SFTS高发地区;江苏省SFTS发病时间呈现明显的季节性（M值为69.63）,每年3¹1月份出现病例,且流行高峰期呈双峰型分布,第一高峰出现在5月份,第二高峰出现在7月份。SatScan时空聚集扫描分析显示:2010-2016年逐年时空聚集性分析共探测到13个时空聚集区,年际动态分布趋势显示:SFTS病例聚集县（区）数目逐年增多,聚集区范围由苏中地区逐渐向苏南地区扩散。整体的时空聚集性分析结果显示:2010-2016年期间江苏省SFTS共检测到3个时空聚集区,一类聚集区位于为江苏西南部的镇江、常州与南京接壤处,聚集时间跨度为2016年5月至2016年7月（RR=85.88,LLR=64.63,P<0.01）;二类聚集区-1位于淮安西南部的盱眙县,聚集时间跨度为2016年5月至2016年7月（RR=291.00,LLR=60.24,P<0.01）;二类聚集区-2位于南京北部及扬州南部,聚集时间跨度为2016年6月至2016年8月（RR=18.14,LLR=15.44,P<0.01）。（3）基于最大熵算法构建的生态位模型显示,15个环境因子对SFTS生态位模型有不同程度的影响,其中坡度（适宜范围:0.1°-4°）以及最热月份最高温（适宜范围:32.8℃-34.2℃）是影响SFTS分布的主要环境因子,贡献度分别为46.1%和23.2%,其次为昼夜温差月均值、最干月份湿度、年平均湿度,贡献率分别为7.5%、6.9%和5.2%;其他环境因子的贡献率较低,均在5%以下。环境因子响应曲线显示,坡度和最热月份最高温与SFTS自然疫源地存在概率之间呈非线性关系,均为倒“V”型。各环境因子的Jackknife图显示,坡度和最热月份最高温能够很好地拟合训练数据,表明它们包含了其他变量中未包含的有效信息。风险地图显示,江苏省西南部地区,包括南京以及扬州、镇江常州的西南部等地区是SFTS自然疫源地的高风险区域。该生态位模型不仅识别了已有病例报道的SFTS风险区域,还识别了10个尚未有SFTS病例报道的县（区）。生态位模型AUC值为0.926,表示模型在预测SFTS潜在风险区域方面表现良好。结论（1）发病前两周内被蜱叮咬、年龄≥50岁、腹泻、白细胞减少可以作为临床鉴别诊断SFTS与SFTS样疾病的特异性指标,因此在疾病诊断中,医护人员不应过分的依赖于病原学检测结果,应注意询问患者的基本信息、临床表现和流行病学暴露史,如果患者符合以上特异性指标则强烈提示SFTSV感染的可能。本次研究结果也进一步确证了SFTSV感染的危险因素,进而为明确病因研究制定SFTS综合防治措施提供理论依据。（2）2010-2016年江苏省SFTS发病数逐年上升,农民占比最高,男性略多于女性,中老年人群高发,发病时间具有明显的季节性,且流行高峰期呈5月和7月份的双峰型分布。江苏省SFTS发病存在时空聚集性,高发聚集区主要位江苏省中部和西南部,并且具有聚集县（区）数逐年增多,聚集区范围从中西部向西南部扩散的趋势。应继续加强重点地区监测、做好公众健康教育和媒介生物控制工作。（3）多种环境因子均可以影响到SFST自然疫源地的分布,其中坡度和最热月份最高温是影响SFTS自然疫源地分布的主要环境因子;研究绘制的江苏省SFTS自然疫源地风险地图,识别出位于西南丘陵地区的高风险区域以及10个未报告过SFTS病例的潜在县（区）,为其他虫媒传染病的风险评估提供可以借鉴的模式,也为江苏省SFTS疫情监测、重点防治提供依据。