2024, Vol. 35扩展功能
文章信息
- 叶独秋, 庞博文, 蒋露芳, 陶骏捷, 张驰, 李萌, 吕锡宏
- YE Du-qiu, PANG Bo-wen, JIANG Lu-fang, TAO Jun-jie, ZHANG Chi, LI Meng, LYU Xi-hong
- 上海市松江区2017－2022年白纹伊蚊分布特征及时空聚集性分析
- Distribution characteristics and spatiotemporal aggregation of Aedes albopictus in Songjiang District, Shanghai, China, 2017-2022
- 中国媒介生物学及控制杂志, 2024, 35(2): 171-176
- Chin J Vector Biol & Control, 2024, 35(2): 171-176
- 10.11853/j.issn.1003.8280.2024.02.008
-
文章历史
- 收稿日期: 2023-10-26
2 上海市松江区疾病预防控制中心传染病防治科, 上海 201620
2 Department of Infectious Disease Prevention and Control, Songjiang District Center for Disease Control and Prevention of Shanghai, Shanghai 201620, China
白纹伊蚊（Aedes albopictus）是一种重要的病毒传播媒介，能够传播包括登革病毒、基孔肯雅病毒、寨卡病毒等在内的7种甲病毒，8种布尼亚病毒和3种黄病毒，给全球健康带来严重威胁[1-2]。白纹伊蚊最早起源于东南亚森林地带，如今已分布在除南极洲外全球70多个国家和地区，在我国北至辽宁省，南至海南省，西至西藏自治区均有分布，白纹伊蚊也是过去20年间扩散速度最快的100个物种之一[3-4]。目前，以白纹伊蚊为媒介的众多蚊媒传染病仍缺乏有效的预防疫苗和治疗药物，因此对白纹伊蚊的监测控制仍是主要的防控措施。近些年来，大部分相关研究主要聚焦在白纹伊蚊的监测结果报告或登革热时空聚集分析[5-7]，而对媒介白纹伊蚊本身时空聚集分析的相关研究相对少见。本文利用2017－2022年6－10月上海市松江区17个街道（镇）的白纹伊蚊密度监测数据，使用空间自相关及时空扫描分析等方法，对白纹伊蚊的时空聚集性分布进行探索分析，为以白纹伊蚊为媒介的蚊媒传染病预测预警、风险研判和精准防控提供参考依据。
1 村料与方法 1.1 资料来源白纹伊蚊密度数据来源于2017－2022年6－10月上海市松江区17个街道（镇）的白纹伊蚊诱蚊诱卵器法监测数据。各街道（镇）的经纬度坐标来源于百度地图拾取坐标系统（http://api.map.baidu.com/lbsapi/getpoint/index.html）。上海市松江区矢量化地图来源于上海市地理信息公共服务平台（http://shanghai.tianditu.gov.cn/map/views/standardMap.html）。
1.2 方法 1.2.1 监测方法和监测指标本研究主要采用诱蚊诱卵器法对白纹伊蚊幼蚊密度进行监测，每年6－10月每月在每个监测点均放置50个统一规格的诱蚊诱卵器，诱蚊诱卵器内放置20 ml脱氯水和1张滤纸，每25~30 m距离布放1个诱蚊诱卵器，主要布放在外环境的树木、花草、灌木丛等公共绿化带，每月月初、月中、月末各监测1次，连续布放4 d，于第4天回收诱蚊诱卵器，记录回收的有效诱卵器数、诱捕到成蚊或蚊卵或伊蚊幼蚊的阳性诱卵器数[8]。依据标准《病媒生物密度监测方法 蚊虫》[9]使用诱蚊诱卵指数（mosq-ovitrap index，MOI）作为监测指标。
|
本研究空间自相关分析主要包括全局空间自相关分析、局部空间自相关分析以及空间热点聚集分析。全局空间自相关分析是通过计算莫兰指数（Moran’s I）来衡量发病率或指标在空间整体的聚集情况以及聚集性的大小[10]。Moran’s I的值介于[-1，1]之间，当Moran’s I为正时，提示空间存在正相关；当Moran’s I为负时，提示空间存在负相关；当Moran’s I为0时，则认为空间不具备聚集性。Moran’s I绝对值越接近于1，则证明空间内的聚集效应越显著。Moran’s I主要通过Z值和P值进行统计学检验，当∣Z∣ > 1.96，P < 0.05为差异有统计学意义，认为具有空间聚集性[11]。局部空间自相关分析是通过计算局部空间自相关统计量（Anselin local Moran’s I）以及检验统计量Z将空间内各区域与相邻区域的聚集情况和聚集模式分为高-高、低-低、高-低、低-高4种空间聚集类型[12]。空间热点聚集分析则是通过计算Getis-Ord Gi*来判断局部是否存在高值聚集的热点或者低值聚集的冷点[13]，P < 0.05为差异有统计学意义。
1.2.3 时空扫描分析时空扫描分析的原理是通过构建一个圆柱形的扫描窗口，对空间进行扫描，并根据实际感染数和实际人口数构建起对数似然比（log-likelihood rate，LLR），再通过蒙特卡罗模拟进行统计学检验，在检验水准内，LLR值越大，聚集性越强[14-15]。本研究以Poisson分布模型为基础，将阳性诱蚊诱卵器数类比为病例数，区域内所有放置的诱蚊诱卵器类比为人口数，扫描时间为2017－2022年每年的6－10月，间隔为月，最大空间聚集范围设为总诱蚊诱卵器数的50%，研究时长的50%设为最大扫描时段，蒙特卡罗检验次数为999。检验结果中当LLR具有统计学意义（P < 0.05）时，LLR值最大者为一类聚集区，其余为二类聚集区[16]。
1.3 统计学分析采用描述性流行病学方法对上海市松江区2017－2022年白纹伊蚊MOI连续性变量进行描述分析。利用Excel 2019、IBM SPSS Statistics 20软件进行数据整理和不同生境MOI的秩和检验；使用ArcGIS 10.8软件进行空间自相关分析、密度地图可视化与时空扫描结果可视化，使用SaTScan 10.1.2软件进行时空扫描分析，P < 0.05为差异有统计学意义。
2 结果 2.1 时空分布特征上海市松江区2017－2022年白纹伊蚊年均MOI值分别为4.42、11.41、4.97、4.38、5.21和5.65。其中2018年年均MOI最高，2020－2022年总体呈现上升趋势。MOI每年均呈现先升后降的周期变化趋势，在每年的7－8月达到峰值，其中2018年8月最高，达18.47。从空间分布来看，2017－2022年监测白纹伊蚊的年均MOI值排名前3的街道（镇）依次为方松街道（10.80）、泗泾镇（9.46）和车墩镇（8.66）。见图 1。
|
| 注：MOI为诱蚊诱卵指数。 图 1 2017－2022年上海市松江区白纹伊蚊空间分布 Figure 1 Spatial distribution of Aedes albopictus in Songjiang District, Shanghai, 2017-2022 |
| |
除其他外环境外，居民区是MOI最高的生境类型，不同年份MOI差异有统计学意义（H=83.837，P < 0.001）。见表 1。
|
2017－2022年白纹伊蚊MOI全局自相关分析结果显示，2022年松江区白纹伊蚊MOI的Moran’s I值为0.139（P=0.047），存在整体空间聚集特征；2017－2021年松江区白纹伊蚊MOI不存在整体空间聚集特征。见表 2。
|
2017－2022年白纹伊蚊MOI局部空间自相关分析结果显示，2018年广富林和岳阳街道为局部高-高聚集区，中山街道为局部低-高聚集区；2021年广富林和岳阳街道为局部高-高聚集区，洞泾镇为局部低-高聚集区；2022年岳阳和中山街道为局部高-高聚集区，永丰街道为局部低-高聚集区；其余年份未检测出局部空间聚集模式。见图 2。
|
| 图 2 2018、2021和2022年上海市松江区白纹伊蚊诱蚊诱卵指数局部自相关 Figure 2 Local autocorrelation of the oviposition positive index of Aedes albopictus in Songjiang District, Shanghai, 2018 and 2021-2022 |
| |
对松江区2017－2022年白纹伊蚊MOI进行空间热点聚集分析。结果显示，2018年存在聚集热点，热点为中山街道和车墩镇；2022年存在聚集热点，热点为中山街道、岳阳街道和车墩镇；其余年份未检测出空间热点或冷点。见图 3。
|
| 图 3 2018和2022年上海市松江区白纹伊蚊诱蚊诱卵指数空间热点聚集分析 Figure 3 Hot spots of aggregation of the oviposition positive index of Aedes albopictus in Songjiang District, Shanghai, 2018 and 2022 |
| |
时空扫描分析共检测出1个一类聚集区，该聚集区主要包含了方松、岳阳、永丰及中山街道和车墩镇5个街道（镇）；聚集时间为2018年6－10月（相对危险度为2.66，LLR=68.61，P < 0.001），聚集区的圆心坐标为（31°1'N，121°141'E），半径为7.51 km。见图 4。
|
| 图 4 2017－2022年上海市松江区白纹伊蚊诱蚊诱卵指数时空扫描分析 Figure 4 Spatiotemporal scan results of the oviposition positive index of Aedes albopictus in Songjiang District, Shanghai, 2017-2022 |
| |
白纹伊蚊是我国登革热等蚊媒传染病的主要传播媒介，幼蚊主要孳生在人工或自然生成的小型积水容器内，目前我国白纹伊蚊密度监测仍以幼蚊监测为主，常见的监测方法为布雷图指数法和诱蚊诱卵器法。松江区从2014年起开始建立白纹伊蚊监测网络，同时使用这2种方法进行监测，2016年起诱蚊诱卵器法监测已覆盖到松江区全部街道（镇）[8]。2017－2022年松江区白纹伊蚊MOI监测数据显示，白纹伊蚊密度呈现明显的周期性变化趋势，在每年7－8月达到峰值，这与之前的研究类似[17]，主要是由于上海市在7－9月气温较高的同时气候比较湿润，非常利于白纹伊蚊的孳生，其中2018年白纹伊蚊MOI显著高于其他年份，与闵行区一项研究一致[18]，其原因可能与当时的气象因素（气温、降雨量、降雨分布等）综合影响有关。另外，MOI较高的区域由松江区的周边向主城区开始聚集，主要分布的生境类型也是居民区，与既往研究一致[8, 18]，可能与这部分区域内人口（血源）和（或）孳生容器、积水多密切相关。
从本研究空间自相关分析和时空扫描分析的结果来看，2017－2021年MOI未具备全局聚集性，2022年具备空间聚集性，表明随着时间推移，经济发展和人员流动，松江区白纹伊蚊分布逐渐呈现向中心聚集的趋势。局部自相关分析和热点分析显示，岳阳街道在存在局部聚集性的时间里均为高-高聚集区，而中山街道在2018年为低-高聚集区，在2022年为高-高聚集区，可能由于2018年中山街道周边区域MOI较高，使中山街道相对成为一个低点，但实际年平均MOI为12.19，也处在较高的水平，这与2018年中山街道为聚集热点，2022年为高-高聚集区的分析结果相一致。空间热点聚集分析结果表明，中山街道、车墩镇以及岳阳街道一直都是白纹伊蚊分布的热点区域，时空扫描分析结果也显示方松、岳阳、永丰和中山街道以及车墩镇是白纹伊蚊聚集的主要地区，主要因为这些区域人口密度大，血源丰富，绿化面积大，且水网纵横，十分利于白纹伊蚊的聚集孳生[19]，提示这些区域应是后续开展白纹伊蚊相关虫媒疾病精准化防控需要重点关注的区域，需要加强这些区域内的环境卫生整治、蚊虫孳生控制及健康人群宣教等工作，并优化资源配置，制定更加精准高效的防控策略。
本研究也存在一定的局限性。仅从监测数据对白纹伊蚊的时空聚集性进行分析，未考虑各区域具体的人工干预措施以及气象因素等对于白纹伊蚊时空聚集的影响[20]；研究结果容易受到监测数据准确性的影响。
本研究运用空间自相关及时空扫描分析等方法对白纹伊蚊的时空聚集性分布进行探索，初步得到了松江区白纹伊蚊密度聚集区域，对今后辖区白纹伊蚊的精准防控有一定的积极促进作用，也为后续其他相关研究提供参考。
利益冲突 无
| [1] |
Benedict MQ, Levine RS, Hawley WA, et al. Spread of the tiger: Global risk of invasion by the mosquito Aedes albopictus[J]. Vector-Borne Zoonotic Dis, 2007, 7(1): 76-85. DOI:10.1089/vbz.2006.0562 |
| [2] |
李晋涛. 登革热防治研究进展[J]. 第三军医大学学报, 2019, 41(19): 1902-1907. Li JT. Advances in prevention and control for dengue fever[J]. J Third Mil Med Univ, 2019, 41(19): 1902-1907. DOI:10.16016/j.1000-5404.201909095 |
| [3] |
杨舒然, 刘起勇. 白纹伊蚊的全球分布及扩散趋势[J]. 中国媒介生物学及控制杂志, 2013, 24(1): 1-4. Yang SR, Liu QY. Trend in global distribution and spread of Aedes albopictus[J]. Chin J Vector Biol Control, 2013, 24(1): 1-4. |
| [4] |
吴凡. 中国白纹伊蚊的分布和影响因素及登革热的风险评估研究[D]. 北京: 中国疾病预防控制中心, 2009. Wu F. A study on the potential distribution of Aedes albopictus and risk forecasting for future epidemics of dengue in China[D]. Beijing: Chinese Center for Disease Control and Prevention, 2009. (in Chinese) |
| [5] |
尹小雄, 刘永华, 杨召兰, 等. 2022年云南省瑞丽市登革热流行特征及媒介伊蚊监测分析[J]. 中国国境卫生检疫杂志, 2023, 46(4): 372-376. Yin XX, Liu YH, Yang ZL, et al. Epidemiological characteristics of dengue fever and monitoring of Aedes mosquitoes in Ruili City of Yunnan Province in 2022[J]. Chin J Front Health Quar, 2023, 46(4): 372-376. DOI:10.16408/j.1004-9770.2023.04.016 |
| [6] |
艾丽云, 陈恩富, 孙继民, 等. 2004-2016年浙江省登革热疫情时空聚集性分析[J]. 疾病监测, 2019, 34(1): 27-31. Ai LY, Chen EF, Sun JM, et al. Analysis on spatial and temporal clustering of dengue fever epidemic in Zhejiang, 2004-2016[J]. Dis Surveill, 2019, 34(1): 27-31. DOI:10.3784/j.issn.1003-9961.2019.01.008 |
| [7] |
杨慧欣, 赵晨皓, 雒静静, 等. 2011-2018年我国登革热疫情时间序列分析及空间自相关分析[J]. 中华疾病控制杂志, 2019, 23(10): 1250-1254. Yang HX, Zhao CH, Luo JJ, et al. Time series analysis and spatial autocorrelation analysis of dengue data in China from 2011 to 2018[J]. Chin J Dis Control Prev, 2019, 23(10): 1250-1254. DOI:10.16462/j.cnki.zhjbkz.2019.10.018 |
| [8] |
吕锡宏, 郭晓芹, 费胜军, 等. 上海市松江区2017-2018年登革热媒介伊蚊幼蚊监测分析[J]. 中国媒介生物学及控制杂志, 2020, 31(1): 78-82. Lyu XH, Guo XQ, Fei SJ, et al. Surveillance of the dengue vector Aedes larvae in Songjiang District, Shanghai, China, 2017-2018[J]. Chin J Vector Biol Control, 2020, 31(1): 78-82. DOI:10.11853/j.issn.1003.8280.2020.01.016 |
| [9] |
国家市场监督管理总局, 国家标准化管理委员会. GB/T 23797-2020病媒生物密度监测方法蚊虫[S]. 北京: 中国标准出版社, 2020. State Administration for Market Regulation, Standardization Administration of the people's Republic of China. GB/T 23797-2020 Surveillance methods for vector density-Mosquito[S]. Beijing: Standards Press of China, 2020. (in Chinese) |
| [10] |
张佳豪, 杨若男, 贺舒凝, 等. 2016-2020年中国猩红热发病的空间聚集性分析[J]. 南方医科大学学报, 2023, 43(4): 644-648. Zhang JH, Yang RN, He SN, et al. Spatial clustering analysis of scarlet fever incidence in China from 2016 to 2020[J]. J South Med Univ, 2023, 43(4): 644-648. DOI:10.12122/j.issn.1673-4254.2023.04.19 |
| [11] |
范静宜, 朱渭萍, 齐慧, 等. 2019-2021年上海市浦东新区流行性感冒病例时空特征分析[J]. 疾病监测, 2023, 38(6): 689-693. Fan JY, Zhu WP, Qi H, et al. Spatiotemporal characteristics of influenza cases in Pudong New Area, Shanghai, 2019-2021[J]. Dis Surveill, 2023, 38(6): 689-693. DOI:10.3784/jbjc.202207200329 |
| [12] |
刘牧文, 孙昼, 考庆君, 等. 2017-2019年浙江省杭州市登革热流行特征和时空聚集性分析[J]. 疾病监测, 2022, 37(4): 481-486. Liu MW, Sun Z, Kao QJ, et al. Spatiotemporal distribution of dengue fever in Hangzhou, Zhejiang, 2017-2019[J]. Dis Surveill, 2022, 37(4): 481-486. DOI:10.3784/jbjc.202106300379 |
| [13] |
姚宁, 王青, 周春碚. 重庆市2007-2015年流行性乙型脑炎发病和空间自相关分析[J]. 中国病毒病杂志, 2018, 8(2): 135-139. Yao N, Wang Q, Zhou CB. Characteristics of spatial-temporal distribution of Japanese encephalitis in Chongqing City of China from 2007 to 2015[J]. Chin J Viral Dis, 2018, 8(2): 135-139. DOI:10.16505/j.2095-0136.2018.0032 |
| [14] |
黄澳迪, 唐林, 王晓琪, 等. 中国2011-2021年戊型病毒性肝炎发病趋势和时空聚集性[J]. 中国疫苗和免疫, 2022, 28(4): 417-421. Huang AD, Tang L, Wang XQ, et al. Hepatitis E incidence trends and spatial-temporal clustering in China, 2011-2021[J]. Chin J Vacc Immun, 2022, 28(4): 417-421. DOI:10.19914/j.CJVI.2022080 |
| [15] |
李婷, 何金戈, 杨长虹, 等. SaTScan与FleXScan软件空间扫描统计量法在肺结核疫情空间聚集性研究中的应用比较[J]. 中华流行病学杂志, 2020, 41(2): 207-212. Li T, He JG, Yang CH, et al. A comparative study on SaTScan and FleXScan software for spatial clustering analysis regarding the incidence of pulmonary tuberculosis[J]. Chin J Epidemiol, 2020, 41(2): 207-212. DOI:10.3760/cma.j.issn.0254-6450.2020.02.013 |
| [16] |
罗永军, 郭聪聪, 贯长辉. 2012-2021年台州市椒江区手足口病流行病学特征及时空聚集性分析[J]. 实用预防医学, 2023, 30(6): 700-703. Luo YJ, Guo CC, Guan CH. Epidemiological characteristics and spatiotemporal clustering of hand, foot and mouth disease in Jiaojiang District of Taizhou City, 2012-2021[J]. Pract Prev Med, 2023, 30(6): 700-703. DOI:10.3969/j.issn.1006-3110.2023.06.013 |
| [17] |
朱伟, 王现, 刘翔宇, 等. 上海市徐汇区白纹伊蚊诱卵器法监测分析[J]. 中华卫生杀虫药械, 2020, 26(2): 135-138. Zhu W, Wang X, Liu XY, et al. Monitoring of Aedes albopictus with mosq-ovitraps in Xuhui District of Shanghai[J]. Chin J Hyg Insect Equip, 2020, 26(2): 135-138. DOI:10.19821/j.1671-2781.2020.02.012 |
| [18] |
莫旦红, 朱敏慧, 刘丽军, 等. 2017-2020年上海市闵行区诱蚊诱卵器法监测社区白纹伊蚊的情况调查[J]. 中华卫生杀虫药械, 2023, 29(1): 21-24. Mo DH, Zhu MH, Liu LJ, et al. Community surveillance on Aedes albopictus with ovitraps from 2017 to 2020 in Minhang District of Shanghai[J]. Chin J Hyg Insect Equip, 2023, 29(1): 21-24. DOI:10.19821/j.1671-2781.2023.01.007 |
| [19] |
庞博文, 刘洪霞, 吕锡宏, 等. 2018-2020年上海市松江区诱蚊诱卵器法监测白纹伊蚊的结果[J]. 上海预防医学, 2022, 34(2): 101-104. Pang BW, Liu HX, Lyu XH, et al. Spatial and temporal distribution of Aedes albopictus monitored by mosq-ovitrap in Songjiang District of Shanghai in 2018-2020[J]. Shanghai J Prev Med, 2022, 34(2): 101-104. DOI:10.19428/j.cnki.sjpm.2022.21434 |
| [20] |
陈良娟, 胡越凯, 庞毓雯, 等. 基于气候因子的浙闽粤白纹伊蚊生境时空变迁研究[J]. 杭州师范大学学报(自然科学版), 2019, 18(6): 642-650. Chen LJ, Hu YK, Pang YW, et al. Temporal and spatial changes of Aedes albopictus habitats in Zhejiang, Fujian and Guangdong based on climatic factors[J]. J Hangzhou Norm Univ(Nat Sci Ed), 2019, 18(6): 642-650. DOI:10.3969/j.issn.1674-232X.2019.06.014 |