2017, Vol. 32扩展功能
文章信息
- 朱妮, 邱琳, 郁会莲, 张雪雷, 贠鹏飞
- ZHU Ni, QIU Lin, YU Hui-lian, ZHANG Xue-lei, YUN Peng-fei
- 2015年陕西省手足口病的空间聚集性及相关影响因素分析
- Spatial distribution of hand, foot and mouth disease and influence factors in Shaanxi province, 2015
- 疾病监测, 2017, 32(10/11): 818-823
- Disease Surveillance, 2017, 32(10/11): 818-823
- 10.3784/j.issn.1003-9961.2017.10/11.009
-
文章历史
- 收稿日期：2017-02-09
手足口病是一种由肠道病毒引起的传染病，5岁以下儿童为主要易感人群[1]，2008年5月我国将手足口病纳入法定传染病进行管理[2]。自2010年以来，陕西省手足口病的发病率一直居全省丙类传染病首位。因此被陕西省卫生部门列为各年度的重点防控传染病之一。陕西省目前对于手足口病的研究多集中在发病预警预测分析，而对于病例时间和空间上的聚集性研究较少。本文采用空间聚集性方法对2015年陕西省手足口病发病情况进行理论分析，探讨陕西省手足口病高发热点区域，为今后开展有针对性的疫情防控提供重要参考依据。
1 资料和方法 1.1 资料来源基于中国疾病预防控制系统中的传染病报告信息管理系统收集2015年1月1日至2015年12月31日的手足口病个案数据库。2015年陕西省各区(县)人口学信息基于中国疾病预防控制系统中的基本信息系统，陕西省市县矢量地图由中国CDC提供。宏观经济与卫生系统指标均来自《2015年陕西省统计年鉴》。
1.2 研究方法本研究将陕西省矢量化县界地图作为基础地图，在地理信息(geographic information system，GIS)数据库中导入2015年陕西省手足口病发病数据，建立陕西省手足口病发病信息的地理信息数据库。地图绘制、空间自相关分析和空间扫描数据分析分别采用ArcGIS 10.2、Geoda 1.6.7、SaTScan 9.4.2软件。采用线性回归模型分析陕西省各地、市手足口病发病率与宏观经济指标和卫生系统指标间的关联。
1.2.1 空间自相关分析本研究采用空间自相关分析中的全局空间自相关分析方法和局部空间自相关分析方法对数据进行分析[3]。全局自相关分析主要通过描述空间内观察对象的整体分布情况，从而判断是否存在空间聚集性。本研究选取指标Moran′s I指数对全局空间自相关性进行定量和定性分析[4]，同时对其是否存在统计学意义进行显著性检验。相关计算公式：
|
式中，n为陕西省区(县)的个数；xi是第i个县(区)手足口病发病率；xj是第j个县(区)手足口病发病率；x是陕西省区(县)手足口病的平均发病率；wij是第i、j区域的空间权重矩阵，主要反映不同区域在空间上的关系。本研究中计算的Moran′s I指数的取值在[-1, 1]范围内，I的绝对值越接近1，表示正向空间自相关性越强，其是否具有统计学意义采用Z检验。当I>0且具有统计学意义时说明空间分布呈正自相关，聚集分布；当I < 0且具有统计学意义，说明空间分布呈负自相关，分散分布。当I=0且不具有统计学意义时，说明相邻区域不存在空间自相关，且认为病例空间分布为随机分布。局部自相关则通过反映某个空间单元与周围邻居单元的相关性及其关联程度，从而以识别热点区域[5]。本研究局部自相关分析指标选取局部Moran′s I指数(Ii)进行分析，相关计算公式：
|
同样以标准化统计量Z检验其统计学意义，当|Z|>1.96，P < 0.05时，拒绝无效假设，认为Ii≠0存在局部空间自相关。可将其空间关联模式分为4种类型：低-低关联模式(低值聚集区)、高-高关联模式(高值聚集区)、高-低关联模式、低-高关联模式，前两种为空间正相关模式，后两种为空间负相关模式。
1.2.2 空间扫描统计空间聚集分析使用SaTScan 9.4.2，选用离散变量的泊松分布模型来探测空间范围内手足口病发病率的异常增加。具体来说，该方法能够探测研究区域内手足口病发病是否存在聚集性及其确切位置、风险大小，同时对聚集性是否具有统计学意义进行检验[6]。具体通过在研究区域内建立一系列活动性圆形窗口(移动窗口法)对疾病发病率进行分析。窗口的圆心在地图中沿格网线或地理单位质心变动，扫描半径按人口辖区范围划分，具体从0至总人口的一定比例设定值之间变动(该比例≤总人口的50%)。每次变动计算窗口内外区域间的发病率差异，采用对数似然比(log likelihood ratio，LLR)进行检验。寻找所有位置和大小窗口中的最大对数似然比值，此处为最有可能存在聚集性的区域。最终选取LLR值最大的窗口为高发病聚集窗口，确定该窗口所包括的地区，并计算该地区的相对危险度(RR)。随后，根据蒙特卡罗随机法得出LLR的P值，当P < 0.05时，扫描窗口发病数异常，认为该地区存在聚集性发病[7]。最后通过ArcGIS 10.2软件呈现时空扫描可能的聚集区域。
1.2.3 线性回归模型在空间统计方法基础上，本研究采用线性回归模型分析各地市发病率与宏观因素之间的关联，从而为有效降低陕西省各地区手足口发病率提供参考。本研究的宏观因素主要来源于政府发布的各地市2015年年鉴数据(主要包括经济与卫生相关数据)。筛选的原则有：①线性回归单因素分析结果的P值；②纳入分析的变量是否存在共线性；③参考以前的研究结果哪些变量与手足口病之间的关联已经被证实。本研究最终纳入分析的变量为人均GDP(万元)、城乡收入比值、政府财政支出、各地市卫生机构数(/万人)和各地市医院床位数(/万人)。
2 结果 2.1 手足口病报告发病率空间分布陕西省2015年手足口病报告发病68 738例，死亡6例，报告发病率为182.08/10万。发病率较高的县(区)是周至县(548.19/10万)和定边县(540.86/10万)，发病率较低的县(区)是子长县(5.87/10万)和镇坪县(5.88/10万)。采用Jenks自然分割算法确定制图分组方法，该方法能将相似值归为一组，且使组间相对差异最大。报告发病率按颜色深浅分成5个等级。2015年陕西省手足口病报告高发病率主要分布于关中地区的西安市、渭南市和咸阳市部分县区，见图 1。
|
| 图 1 2015年陕西省手足口病报告发病率地区分布 Figure 1 Area specific incidence of HFMD in Shaanxi, 2015 |
| |
全局自相关结果显示，陕西省2015年手足口病的Moran′s I指数为0.346(Z=5.662，P=0.001)，说明陕西省2015年手足口病发病率存在空间自相关关系，且为正相关，分布具有聚集性。
2.3 手足口病发病率局部自相关陕西省2015年手足口病局部空间自相关Moran′s I指数为0.346，Z=5.738，差异有统计学意义(P=0.001)，表明手足口病发病分布存在着局部空间聚集现象。高-高聚集区16个县(区)，主要集中在西安地区和咸阳部分地区，是手足口病高发区域被高发病率区域包围，为2015年陕西省手足口病发病的“热点”区域；低-低聚集区15个县(区)，主要集中在延安和榆林地区，是手足口病低发区域被低发病率区域包围，呈现低值聚集状态，为2015年陕西省手足口病发病“冷点”区域；低-高聚集区4个县，为低发病率被高发病率包围的地区。见表 1、图 2。
| 县(市、区) | Moran′s I | 关联类型 | P值 |
| 新城区 | 0.461 | 1 | 0.01 |
| 莲湖区 | 1.212 | 1 | 0.01 |
| 灞桥区 | 1.811 | 1 | 0.01 |
| 未央区 | 2.916 | 1 | 0.01 |
| 雁塔区 | 1.308 | 1 | 0.01 |
| 临潼区 | 1.141 | 1 | 0.02 |
| 长安区 | 2.082 | 1 | 0.02 |
| 沣东新城 | 3.281 | 1 | 0.01 |
| 蓝田县 | 0.340 | 1 | 0.02 |
| 户县 | 1.284 | 1 | 0.01 |
| 高陵县 | 1.526 | 1 | 0.03 |
| 凤翔县 | 0.067 | 2 | 0.03 |
| 秦都区 | 0.185 | 1 | 0.01 |
| 渭城区 | 0.069 | 1 | 0.01 |
| 三原县 | -0.184 | 3 | 0.04 |
| 武功县 | 1.025 | 1 | 0.03 |
| 兴平市 | -0.424 | 3 | 0.03 |
| 临渭区 | 0.620 | 1 | 0.03 |
| 大荔县 | -0.252 | 3 | 0.05 |
| 宝塔区 | 0.712 | 2 | 0.01 |
| 延长县 | 0.764 | 2 | 0.01 |
| 延川县 | 0.998 | 2 | 0.01 |
| 子长县 | 0.993 | 2 | 0.01 |
| 安塞县 | 0.685 | 2 | 0.01 |
| 甘泉县 | 0.179 | 2 | 0.02 |
| 洋县 | 0.455 | 2 | 0.03 |
| 榆阳区 | 0.397 | 2 | 0.02 |
| 横山县 | 0.689 | 2 | 0.01 |
| 绥德县 | 0.819 | 2 | 0.01 |
| 米脂县 | 0.712 | 2 | 0.02 |
| 佳县 | 0.533 | 2 | 0.01 |
| 清涧县 | 0.953 | 2 | 0.01 |
| 子洲县 | 0.757 | 2 | 0.01 |
| 洛南县 | -0.865 | 3 | 0.02 |
| 杨陵区 | 2.753 | 1 | 0.01 |
| 注：关联类型：1.高-高；2.低-低；3.低-高 | |||
|
| 图 2 2015年陕西省手足口病报告发病率关联类型 Figure 2 Association type of HFMD incidence in Shaanxi, 2015 |
| |
利用SaTScan 9.4.2软件对手足口病规则形状高发病率聚集区域空间扫描发现4个差异有统计学意义的聚集区域，见图 3、表 2。第1个聚集区覆盖了周至县和杨陵区，半径为34.06 km的区域，该聚集区内手足口病发病风险是其他区域的2.92倍；第2个聚集区是渭南市，半径为25.56 km的区域，覆盖了蒲城县和白水县，该聚集区内手足口病发病风险是其他区域的1.80倍；第3个聚集区是西安市的莲湖区和碑林区，半径为5.10 km的区域，该聚集区内手足口病发病风险是其他区域的1.35倍；第4个聚集区是三原县、泾阳县和高陵县，半径为16.43 km的区域，该聚集区内手足口病发病风险是其他区域的1.13倍。
|
| 图 3 2015年陕西省手足口病聚集区域空间扫描统计结果 Figure 3 Spatial scanning analysis on HFMD clustering areas in Shaanxi, 2015 |
| |
| 编号 | 集聚区 | 最大距离(km) | 实际发病数 | 理论发病数 | LLR值 | RR值 | P值 |
| 1 | 周至县、杨陵区 | 34.06 | 3 992 | 1 419.99 | 1 604.062 | 2.92 | < 0.001 |
| 2 | 蒲城县、白水县 | 25.56 | 3 322 | 1 888.75 | 458.002 | 1.80 | < 0.001 |
| 3 | 莲湖区、碑林区 | 5.10 | 3 264 | 2 440.48 | 130.651 | 1.35 | < 0.001 |
| 4 | 三原县、泾阳县、高陵县 | 16.43 | 2 543 | 2 254.89 | 18.294 | 1.13 | < 0.001 |
2015年陕西省人均GDP为4.42万元、城乡收入比值0.35、政府财政支出306.98万元、卫生机构数10.64个/万人，医院床位数55.87张/万人。线性回归单因素结果显示城乡收入比值(β＝0.270，P＝0.001)越大各地市的手足口病发病率则越高，而卫生机构数越多(β＝-27.200，P＝0.023)则相应的手足口发病率越低。在多因素回归分析中，城乡收入比值越大(β＝0.264，P＝0.001)手足口病发病率越高，当地卫生机构数(β＝ -15.506，P＝0.018)与床位数越多(β＝-5.108，P＝0.029)则手足口病发病率越低。
| 项目 | 手足口病发病率 | |||||
| β值 | 95%CIa | P值a | β值 | 95%CIb | P值b | |
| 经济指标 | ||||||
| 人均GDP(万元) | 15.079 | -34.799~64.958 | 0.511 | 0.978 | -23.927~ 25.882 | 0.924 |
| 城乡收入比值 | 0.270 | 0.145~0.395 | 0.001 | 0.264 | 0.161~0.368 | 0.001 |
| 财政支出(万元) | 0.093 | -0.254~0.441 | 0.559 | -0.088 | -0.226~ 0.050 | 0.161 |
| 卫生系统指标 | ||||||
| 卫生机构数(/万人) | -27.200 | -49.614~-4.786 | 0.023 | -15.506 | -27.053~ 3.958 | 0.018 |
| 医院床位数(/万人) | -1.332 | -13.840~ 11.176 | 0.815 | -5.108 | -9.431~-0.784 | 0.029 |
| 注：a单因素分析；b多因素分析 | ||||||
空间聚集性是传染性疾病的重要特征，因此传染病发病热点区域科学合理的定位对其防控极为重要。空间流行病学通过空间分析模型，可清楚地了解疾病空间聚集性、探索聚集位置和确切范围[8]，目前已有许多研究针对各类传染病发病的空间相关性进行分析[9-11]。陕西省手足口病报告发病率自2010年以来一直居于全省丙类传染病首位，但发病的空间分析研究较少，相关研究多集中于流行病学特征分析。
本研究对陕西省2015年手足口病发病率进行地区分布制图，显示高发区位于关中地区的西安、渭南和咸阳部分县(区)。对数据进行全局空间自相关分析，显示手足口病空间分布存在相关性。进一步使用局部自相关分析发现，西安和咸阳部分县(区)(高值聚集区)是2015年手足口病流行的“热点”地区；“冷点”地区主要集中在延安和榆林地区，即低值聚集区。通过空间扫描对陕西省2015年手足口病发病进行分析，并结合ArcGIS对空间扫描统计结果进行可视化，共形成4个聚集区，主要包括西安、咸阳、渭南的部分县(区)，与空间自相关分析结果基本一致。本研究显示手足口病发病的高-高聚集区主要分布在人口密度大、流动性强的主城区，这与其他省市研究结果相似[12]。西安、咸阳为陕西省经济较发达地区，人口密度大、流动性强，同时作为国内外知名的旅游城市，人口流动问题更加突出，人群的密切接触极大地促进病毒的传播和扩散。而低聚集的陕北地区(榆林和延安)均人口密度较低。另外，关中地区和陕北地区的气候差异较大，也可能对手足口病的发生产生一定影响。
本研究采用线性回归分析各地市经济、卫生等宏观指标与手足口病发病的关联。显示城乡收入比值(农村/城市人均可支配收入)越大的地市手足口病发病率越高，该值越大说明农村经济活动更活跃，可能造成城乡人口流动频繁，从而导致手足口病传播机会增多。同时，城乡人口流动性大，会导致农村留守儿童增多。有研究指出农村大量留守儿童由于得不到父母的监护和教育[13]，很容易养成不爱洗手、洗澡等不良卫生习惯，从而增加手足口病感染的机会。另外，本研究发现每万人卫生机构数和床位数越多，手足口病的发病率越低。推断可能原因是卫生机构数、床位数多的地区，政府投入的专业技术人员也越多，相应的手足口防控效果更好。该结果还提示卫生资源仍是降低手足口病发病的中坚力量，政府有关部门应重视卫生系统建设，督促各级各类卫生机构在手足口病防控中充分发挥监管、预防等作用，以降低陕西省手足口病发病，该结果与重庆市[12]的研究结果一致。
本研究通过空间统计分析相关方法，明确了陕西省2015年手足口病报告发病的空间分布特点和聚集区域，结果提示应将西安、咸阳、渭南等关中地区的部分县(区)作为手足口病的重点防控地区。本研究存在一定局限性。首先，手足口病发病具有较明显的季节性[14]，本研究未能从时间和空间两个维度进行深入分析；其次，未收集到卫生政策、气象、个人免疫等可能影响手足口病发病的因素，存在一定程度上的偏倚。但在线性回归模型中对各因素间的共线性问题进行了评价，因此结果还是极具参考价值的。后续研究将会收集有关手足口病的时空分布及其更多影响因素的相关数据，从而对手足口病防控策略、预测预警、制定防控规划和评价干预措施等方面提供科学依据。
作者贡献:
朱妮 ORCID: 0000-0003-3072-968X
朱妮：研究设计、数据分析及文章撰写
邱琳：研究整体设计，文章修改
郁会莲、张雪雷、贠鹏飞：研究设计及数据整理
| [1] |
Zheng Y, Zhou BY, Guan LY, et al. Epidemiological and etiological characteristics of hand, foot and mouth disease in Shaanxi province, 2009-2013[J]. Chinese Journal of Disease Control, 2015, 19(2): 135-137. (in Chinese) 郑媛, 周步宇, 关路媛, 等. 2009-2013年陕西省手足口病流行病学及病原学特征分析[J]. 中华疾病控制杂志, 2015, 19(2): 135-137. |
| [2] |
Hu YH, Xiao GX, Guo Y, et al. The epidemic features of the hand, foot and mouth disease during 2008-2011 in China[J]. Chinese Journal of Disease Control Prevent, 2014, 18(8): 693-697, 747. (in Chinese) 胡跃华, 肖革新, 郭莹, 等. 2008-2011年中国大陆手足口病流行特征分析[J]. 中华疾病控制杂志, 2014, 18(8): 693-697, 747. |
| [3] |
Xu Y. Spatial autocorrelation analysis of hand, foot and mouth disease by moran's I in Hangzhou city[D]. Hangzhou:Zhejiang University, 2014. (in Chinese) 徐珏. 应用Moran's I系数分析杭州市手足口病的空间自相关性[D]. 杭州: 浙江大学, 2014. |
| [4] |
Tsai PJ. Application of Moran's test with an empirical Bayesian rate to leading health care problems in Taiwan in a 7-year period (2002-2008)[J]. Glob J Health Sci, 2012, 4(5): 63-77. |
| [5] |
Bhunia GS, Kesari S, Chatterjee N, et al. Spatial and temporal variation and hotspot detection of kala-azar disease in Vaishali district (Bihar), India[J]. BMC Infect Dis, 2013, 13: 64. DOI:10.1186/1471-2334-13-64 |
| [6] |
Cheng Y, Liu XF, Liu DP, et al. Spatial distribution of hand, foot and mouth disease in Gansu, 2013[J]. Disease Surveillance, 2015, 30(9): 727-731. (in Chinese) 成瑶, 刘新凤, 刘东鹏, 等. 2013年甘肃省手足口病空间分布特征研究[J]. 疾病监测, 2015, 30(9): 727-731. DOI:10.3784/j.issn.1003-9961.2015.09.007 |
| [7] |
Jin YY, Wang W, Yan C, et al. Application of space-time scanning in tuberculosis studies, Xinjiang[J]. Modern Preventive Medicine, 2016, 43(7): 1156-1161. (in Chinese) 靳圆圆, 王微, 闫慈, 等. 扫描统计与空间自相关分析在新疆结核聚集性研究中的应用[J]. 现代预防医学, 2016, 43(7): 1156-1161. |
| [8] |
Wang T, Xue F, Chen Y, et al. The spatial epidemiology of tuberculosis in Linyi city, China, 2005-2010[J]. BMC Public Health, 2012, 12: 885. DOI:10.1186/1471-2458-12-885 |
| [9] |
Ning GJ, Yin ZD, Wu D, et al. Spatial clustering of Japanese encephalitis in China, 2013[J]. Chinese Journal of Vaccines and Immunization, 2015, 21(4): 365-368. (in Chinese) 宁桂军, 尹遵栋, 吴丹, 等. 中国2013年流行性乙型脑炎空间聚集性分析[J]. 中国疫苗和免疫, 2015, 21(4): 365-368. |
| [10] |
Yang GJ, Li Q, Yi J, et al. Analysis of spatial autocorrelation of HIV/AIDS in Chongqing from 2004 to 2012[J]. Journal of Shanghai Jiaotong University:Medical Science, 2015, 35(1): 112-116. (in Chinese) 杨国婧, 李勤, 易娟, 等. 重庆市2004-2012年艾滋病空间自相关分析[J]. 上海交通大学学报:医学版, 2015, 35(1): 112-116. |
| [11] |
Zheng YH, Liu XF, Ren XW, et al. Spatial distribution of hepatitis A in Gansu, 2013[J]. Disease Surveillance, 2015, 30(8): 624-628. (in Chinese) 郑芸鹤, 刘新凤, 任晓卫, 等. 2013年甘肃省甲型病毒性肝炎发病的空间聚集性分析[J]. 疾病监测, 2015, 30(8): 624-628. DOI:10.3784/j.issn.1003-9961.2015.08.005 |
| [12] |
Tang XJ, Zeng Q, Zhao H, et al. Spatial clustering and influential factors of hand, foot and mouth disease(HFMD) in chongqing, China, 2008-2012[J]. Chinese Journal of Zoonoses, 2014, 30(12): 1196-1200, 1205. (in Chinese) 唐小静, 曾庆, 赵寒, 等. 重庆市2008-2012年手足口病空间聚集性及影响因素研究[J]. 中国人兽共患病学报, 2014, 30(12): 1196-1200, 1205. DOI:10.3969/cjz.j.issn.1002-2694.2014.12.005 |
| [13] |
Yoshida T, Zhang PY, Fu XY, et al. Slaughtered aged cattle might be one dietary source exhibiting amyloid enhancing factor activity[J]. Amyloid, 2009, 16(1): 25-31. DOI:10.1080/13506120802676831 |
| [14] |
Liu F, Zhu N, Qiu L, et al. Application of R-based multiple seasonal ARIMA model, in predicting the incidence of hand, foot and mouth disease in Shaanxi province[J]. Chinese Journal of Epidemiology, 2016, 37(8): 1117-1120. (in Chinese) 刘峰, 朱妮, 邱琳, 等. ARIMA乘积季节模型在陕西省手足口病预测中的应用究[J]. 中华流行病学杂志, 2016, 37(8): 1117-1120. |