中国媒介生物学及控制杂志  2016, Vol. 27 Issue (2): 124-127

扩展功能

文章信息

关鹏, 吴伟, 黄德生, 聂孝楠, 郭海强
GUAN Peng, WU Wei, HUANG De-sheng, NIE Xiao-nan, GUO Hai-qiang
2004-2013年全国肾综合征出血热时空分布特点研究
Spatial-temporal characteristics of hemorrhagic fever with renal syndrome in mainland China, 2004 to 2013
中国媒介生物学及控制杂志, 2016, 27(2): 124-127
Chin J Vector Biol & Control, 2016, 27(2): 124-127
10.11853/j.issn.1003.8280.2016.02.008

文章历史

收稿日期: 2015-11-10
2004-2013年全国肾综合征出血热时空分布特点研究
关鹏1,吴伟1,黄德生2,聂孝楠2,郭海强3    
1 中国医科大学公共卫生学院流行病学教研室, 沈阳 110122;
2 中国医科大学公共基础学院数学教研室/生物医学工程系, 沈阳 110122;
3 中国卫生统计杂志编辑部, 辽宁沈阳 110122
摘要: 目的 分析2004-2013年中国大陆地区肾综合征出血热(HFRS)发病情况的时空分布特征。方法 收集2004-2013年中国大陆31个省(自治区、直辖市)人口信息和HFRS疫情监测数据,利用ArcGIS 9.3软件建立地理信息数据库,计算HFRS发病重心并利用Excel 2010软件绘制气泡图呈现重心轨迹。利用SaTScan 9.1.1软件基于Poisson模型时空扫描统计探索HFRS高发病热点地区和高发时段。结果 2004-2013年HFRS发病人数呈先下降后上升趋势,人口重心位于东北部;2004-2013年全国发病重心向西南移动,方向角θ为241.69°。与2004年比较,2013年重心迁移307.87 km,其中在经度上移动距离为119.52 km,在纬度上移动距离为282.61 km。一级聚类区域为2004-2008年的黑龙江、吉林和辽宁省,相对危险度为9.22;二级聚类区域包括4个,分别为2008-2012年的陕西省,2004-2005年的山东省、天津市和河北省,2004-2007年的浙江省和2011-2013年的江西省,相对危险度为1.32~6.33。结论 HFRS发病具有明显的时空分布特征,发病重心由东北地区向华北地区转移,但疫情已呈减弱趋势。
关键词: 肾综合征出血热     时空聚类     重心     气泡图    
Spatial-temporal characteristics of hemorrhagic fever with renal syndrome in mainland China, 2004 to 2013
GUAN Peng1,WU Wei1,HUANG De-sheng2 ,NIE Xiao-nan2,GUO Hai-qiang3     
1 Department of Epidemiology, China Medical University, Shenyang 110122, Liaoning Province, China;
2 Department of Mathematics, China Medical University;
3 Editorial Office of Chinese Journal of Health Statistics
Abstract: Objective To explore the spatial-temporal characteristics of hemorrhagic fever with renal syndrome (HFRS) in mainland China. Methods Demographic information and the annual number of incident HFRS cases in mainland China from 2004 to 2013 were collected. Retrospective time-space analysis (based on discrete poisson model) was conducted to detect the spatial and spatio-temporal clusters of HFRS cases in SaTScan (Version 9.1.1) after geographical information system database constructed via ArcGIS software (Version 9.3). Gravity centers of HFRS cases were calculated and depicted with bubble charts in Excel 2010. Results The number of HFRS cases decreased from 2004 to 2009 and increased with a gravity center northeast to that of population. The gravity center of HFRS cases in 2013 moved to southwest for 307.87 km compared to that of 2004 with the directional angle as 241.69 degree. The distance in longitude was 119.52 km and 282.61 km in latitude. The most likely cluster was in Heilongjiang, Jilin and Liaoning during 2004 to 2008 with the relative risk 9.22. The secondary cluster included four geographical areas, Shaanxi area (2008-2012), Shandong, Tianjin and Hebei area (2004-2005), Zhejiang province (2004-2007) and Jiangxi (2011-2013), the relative risks varied from 1.32 to 6.33. Conclusion There are significant spatio-temporal cluster pattern for the distribution of HFRS cases in mainland China, the epidemic status showed a weakening trend and the gravity center moved from northeastern part to northern China.
Key words: Hemorrhagic fever with renal syndrome     Spatio-temporal cluster     Gravity center     Bubble chart    

中国每年报告的肾综合征出血热(HFRS)发病人数约占世界报道的90%以上,其在中国的疫区分布呈现扩大且向城市蔓延的态势[1]。了解HFRS发病的格局变化情况有助于探索疫情影响因素及开展针对性的防控工作[2, 3, 4]。本研究基于地理信息系统分析法定报告传染病HFRS发病数据,结合发病重心与气泡图探索HFRS发病的时空分布情况和动态变化趋势。

1 材料与方法 1.1 资料来源

各年HFRS发病率资料来源于2005-2014年的《中国卫生年鉴》,收集2004-2013年中国大陆地区31个省(自治区、直辖市)乙类法定报告传染病HFRS的病例数,同时从中华人民共和国卫生和计划生育委员会网站收集2008年4月至2015年3月中国大陆地区HFRS各月发病人数。人口资料来源于国家统计局,地理信息及电子地图由国家基础地理信息中心提供。

1.2 时空热点区域探测

利用ArcGIS 9.3软件在电子地图上将地理属性数据和传染病属性数据整合,形成空间与属性一体化的空间数据库。使用SaTScan 9.1.1软件,利用回顾性时空扫描方法寻找高发病地区聚类,首先假设HFRS发病在时间和空间上呈离散型Poisson分布,以50%的时间周期进行扫描,通过理论发病数与实际发病数构造统计量对数似然比(logarithmic likelihood ratio,LLR),被首先扫描探测到并具有最大LLR值的地区为一级聚类区域;其他扫描探测出的具有统计学意义的地区为二级聚类区域,计算各单元HFRS发病聚集性发生的相对危险度(relative risk,RR)。

1.3 HFRS发病重心的计算

通过空间统计工具Mean Center计算发病重心,公式为:

其中,w为年发病例数,同时以人口重心为背景参考。

1.4 HFRS发病重心空间移动方向和移动距离的确定

空间移动方向根据地理中心计算的方向角表示,方向角,实际计算中,取i=2004,j=2013。重心移动距离的计算是在假设地球是球体的条件下,设地球上某点的经度为A,纬度为B,则该点的空间坐标是x=cos(B×π=/180)×cos(A×π=/180),y=cos(B×π=/180)×sin(A×π=/180),z=sin(B×π=/180);设地球上两点的空间坐标分别为P1x1y1z1)和P2x2y2z2),则它们的夹角为C=arccos(x1×x2y1×y2z1×z2),C为弧度,则两地距离为|P1P2|=C×R,其中R为地球的平均半径6 371 km,误差不超过1%。重心在经度上移动的距离为 111.11×(xixj),在纬度上移动的距离为111.11×(yiyj[5]。实际计算中采用映射到同一纬度后利用空间两点间距离校正计算经度上的距离。

因发病重心是基于横、纵坐标绘制的散点图来呈现,无法考查发病率的连续变化情况。本研究利用Excel 2010软件绘制气泡图呈现重点的变化情况,气泡图用横、纵坐标和气泡的大小表示HFRS病例数。

2 结 果 2.1 病例分布

2004-2013年全国31个省(自治区、直辖市)的HFRS总病例数为136 286例,各地均有HFRS病例报告,全国每年病例数为8 725~25 041例,呈现先降低后又增加的趋势,其中2004年HFRS全国报告病例数为25 041例,逐年下降,2009年为8 745例,2011-2013年全国每年报告病例数为1.0万~1.3万人次。根据2008年4月至2015年3月中国大陆地区各月HFRS发病人数分析季节分布,由图 1可知,全国HFRS发病人数呈现出明显的双峰(秋冬峰为10月至次年1月;夏季峰为6-7月),同时具有散发性,全年各月均有病例出现。

图 1 中国大陆地区HFRS病例数分布(2008年4月至2015年3月) Figure 1 Chart of monthly incident HFRS cases in mainland China (Apr 2008 to Mar 2015)
2.2 时空热点区域分析

2013年总人口为13.17亿,HFRS总病例数为136 286例;每年平均病例数为1.0/10万。时空聚类分析发现,一级聚类区域位于2004-2008年的黑龙江、吉林和辽宁地区,人口总数为108 795 784人,病例数为38 566例,期望病例数为5 594.59例,每年发病率为7.1/10万,实际病例数与期望病例数之比为6.89,相对危险度为9.22;二级聚类区域包括4个:第1个位于2008-2012年的陕西地区,该地区人口数为37 435 181人,病例数为11 420例,期望病例数为1 942.26例,每年发病率为6.1/10万,实际病例数与期望病例数之比为5.88,相对危险度为6.33;第2个二级聚类地区位于2004-2005年的山东、天津、河北地区,该地区人口总数为177 396 191人,病例数为10 764例,期望病例数为3 538.48例,每年发病率为3.1/10万,实际病例数与期望病例数之比为3.04,相对危险度为3.22;第3个二级聚类区域位于2004-2007年的浙江地区,该地区总人口数为51 841 451人,病例数为3 049例,期望病例数为2 034.99例,每年发病率为1.6/10万,实际病例数与期望病例数之比为1.50,相对危险度为1.51;第4个二级聚类区域位于2011-2013年的江西省,该地区人口数为44 105 792人,病例数为1 845例,期望病例数为1 398.30例,每年发病率为1.4/10万,实际病例数与期望病例数之比为1.32,相对危险度为1.32,见图 2

图 2 2004-2013年中国大陆地区HFRS时空扫描聚类结果 Figure 2 Spatio-temporal clusters of HFRS incident cases in mainland China, 2004 to 2013
2.3 中国人口重心的变迁

2004-2013年全国人口重心基本不变,重心在河南省南部,位于113°21′43″E,32°37′40″N,与2004年比较,2013年人口重心仅仅迁移了15 km,见图 3

图 3 空间坐标下2004-2013年中国大陆地区人口重心轨迹变化 Figure 3 Gravity center of population in mainland China in the spatial coordinates, 2004 to 2013
2.4 发病重心迁移轨迹

2004-2013年全国HFRS发病重心向西南方向移动,2004-2007年重心偏向东北地区,而2008年以后重心偏向华北地区,特别是山东省。移动方向角θ为241.69°。与2004年比较,2013年HFRS发病重心迁移307.87 km,在经度上移动距离为119.52 km,在纬度上移动距离为282.61 km。HFRS发病重心轨迹图和轨迹变化气泡图见图 45

图 4 空间坐标下2004-2013年中国大陆地区人口HFRS发病重心轨迹 Figure 4 Gravity center of incident HFRS cases in mainland China in the spatial coordinates, 2004 to 2013

图 5 2004-2013年中国大陆地区HFRS发病重心轨迹变化气泡结果 Figure 5 Bubble chart of gravity center for the incident HFRS cases in mainland China, 2004 to 2013
3 讨 论

本研究通过将重心轨迹和高发扫描统计结合[6],从全局和重点地区两个角度对HFRS时空发病规律进行了分析。“重心”作为一个物理学科中的概念,指的是物体内各点所受到的重力产生合力的作用点,在该点上各个力保持均衡状态。总体来看,人口重心与HFRS发病重心的演变轨迹明显不同。主要是二者移动的幅度不同,人口重心较为稳定,仅迁移了15 km,而HFRS发病重心迁移了307.87 km,虽然人口重心在经度和纬度上均有一定的波动性,纬度上的移动幅度小于经度上的移动幅度;而HFRS发病重心纬度上的移动幅度明显大于经度上的移动幅度。上述现象提示我国HFRS发病人群分布与常住人口分布格局的差异即南北地区大于东西地区,可能存在疫源地时空动态变迁。HFRS的流行与鼠类活动时间及范围关系极其密切,同时人类活动范围逐步扩大客观上为HFRS的流行提供了便利条件。发病重心的迁移在一定程度上反映致病因子、宿主动物、地形地貌、不同地区人群的社会文化背景及疫苗接种等因素动态变化并影响HFRS的发病。时空分布特点可预测和评估疾病的发展趋势,为制定干预措施提供依据。

研究结果发现HFRS发病人数的分布存在明显的时空分布特征,2004-2005年北方的东北、华北地区均高发并形成时空聚类,其中东北地区高发现象延续至2008年。浙江省在2004-2007年形成聚类。据本次调查最近的聚类分别为2008-2012年的陕西省和2011-2013年的江西省。HFRS发病在向西南方向蔓延,但时空聚类分析的结果说明,与北方高发地区相比,发病强度已明显减弱,疫情得以控制,可能与高危人群的疫苗接种结合灭鼠的综合防控措施有关。

此次分析的数据为HFRS发病人数,未使用粗率或者标准化率,可能会影响结果,但因人口基数较大,对结果影响较小。本研究将继续收集不同地区的HFRS发病数据,从而了解发病数据的精细程度对重心计算的影响[7, 8, 9]

参考文献
[1] 黄立勇. 中国肾综合征出血热流行特征及周期性研究[D]. 北京:中国疾病预防控制中心,2012.
[2] Wei L,Qian Q,Wang ZQ,et al. Using geographic information system-based ecologic niche models to forecast the risk of hantavirus infection in Shandong province,China[J]. Am J Trop Med Hyg,2011,84(3):497-503.
[3] Zuo SQ, Fang LQ, Zhan L, et al. Geo-spatial hotspots of hemorrhagic fever with renal syndrome and genetic characterization of Seoul variants in Beijing,China[J]. PLoS Negl Trop Dis,2011,5(1):e945.
[4] Fang LQ,Wang XJ,Liang S,et al. Spatiotemporal trends and climatic factors of hemorrhagic fever with renal syndrome epidemic in Shandong province,China[J]. PLoS Negl Trop Dis, 2010,4(8):e789.
[5] 殷俊华,曾绍琴,李光强. 湖南省疟疾发生的时空演化过程分析[J]. 实用预防医学,2012,19(5):675-678.
[6] 关鹏,曹爽,黄德生,等. 2005-2011年中国大陆地区梅毒疫情时空分布[J]. 中国感染控制杂志,2014,13(5):257-262.
[7] Soubeyrand S,Thébaud G,Chadoeuf J. Accounting for biological variability and sampling scale:a multi-scale approach to building epidemic models[J]. J Roy Soc Interf,2007,4(16):985-997.
[8] Lukens S,DePasse J,Rosenfeld R,et al. A large-scale immuno-epidemiological simulation of influenza A epidemics[J]. BMC Public Health,2014,14:1019.
[9] Guo DM,Li KC,Peters TR,et al. Multi-scale modeling for the transmission of influenza and the evaluation of interventions toward i[t J]. Sci Rep,2015,5:8980.