文章信息
- 刘东鹏, 孟蕾, 苟发香, 魏孔福, 杨筱婷, 刘新凤.
- Liu Dongpeng, Meng Lei, Gou Faxiang, Wei Kongfu, Yang Xiaoting, Liu Xinfeng.
- 甘肃省2009-2013年流行性腮腺炎发病时空扫描分析
- Spatial temporal distribution of mumps in Gansu, 2009-2013
- 中华流行病学杂志, 2015, 36(11): 1258-1262
- Chinese Journal of Epidemiology, 2015, 36(11): 1258-1262
- http://dx.doi.org/10.3760/cma.j.issn.0254-6450.2015.11.015
-
文章历史
- 投稿日期: 2015-03-18
流行性腮腺炎是急性呼吸道传染病,由腮腺炎病毒引起,传染性强,也可侵犯其他器官,并引起并发症[1]。甘肃省2009-2013年流行性腮腺炎发病率为20.16/10万~61.9/10万,高于全国发病水平,防控形势严峻[2]。本研究运用空间统计学的分析方法,探索甘肃省2009-2013年流行性腮腺炎报告发病率的时空分布特征及其时间和空间变化趋势,为今后制定流行性腮腺炎防控策略提供依据。
资料与方法1.资料来源:甘肃省辖12个地级市,2个自治州,共86个县(区),地形狭长而不规则,贫困、边远地区较多。本研究以县(区)为水平对流行性腮腺炎的发病情况进行分析。发病数据及各年人口数据来源于"全国传染病报告信息管理系统",该系统通过把全国基层各级各类医疗卫生机构作为信息采集点,实现传染病的发现、网络直报、信息汇总,达到传染病疫情的实时监测功能。
2.研究方法:空间自相关采用开源软件Geoda 1.60[3](包括全局Moran's I系数和局部G统计量),使用SatScan 9.3软件进行时空聚集性分析[4]。研究中所有地图绘制均使用ArcGIS 10.2软件。使用全局Moran's I系数和局部Getis-Ord G统计量进行空间自相关分析。分析时,假设流行性腮腺炎在人群中的发病风险相同,服从Poisson空间随机过程。空间权重矩阵采用二进制空间邻接矩阵(binary spatial proximity/connectivity matrix),即根据是否空间邻接确定空间权重系数。以全局Moran's I系数判断事件发生是否有空间自相关性,根据标准化统计量Z (I)检验其统计学意义。当P值无统计学意义,表明事件的发生服从随机空间分布过程;若P值有统计学意义,且Z (I)值为正,表明事件的发生呈高值或者低值的聚集性分布过程;若P值有统计学意义,且Z (I)值为负,表明事件的发生呈高值和低值的离散型分布过程(dispersed spatial process)。局部Getis-Ord G统计量为局部空间自相关衡量指标,可度量高值或者低值的聚集程度,探测事件发生的热点(hot spots)、冷点(cold spots)区域,以标准化统计量Z (Gi)检验其统计学意义[5]。与局部Moran's I系数相比较,能更准确地探测出聚集区域[6]。当Gi>0,且P < 0.05时,表明研究区域内存在高值聚集区;当Gi < 0,且P < 0.05时,表明研究区域内存在低值聚集区。
3.统计学分析:时空扫描采用SaTScan软件[7]。分析时,设定最大空间扫描区域为全省总人口的50%,最大时间扫描段设定为总体研究时间的50%。对于每个可能存在的时空聚集区,构建统计量对数似然比(log likelihood ratio,LLR)评价聚集区存在的可能性,并利用蒙特卡洛模拟进行统计学意义评价,探索最大可能聚集区域。系统中流行性腮腺炎发病率的计算方法参照《传染病监测信息网络直报工作与技术指南》,如公式所示:
结果
1.流行性腮腺炎报告发病率的时间分布:2009-2013年甘肃省报告的流行性腮腺炎分月流行趋势基本一致,全年均有发病,季节分布呈现双峰特点,每年4-7月为高发季节,是第1个发病高峰,11月至翌年1月为第2个发病高峰,学校寒暑假期间发病较低(图 1)。
2.流行性腮腺炎报告发病率的空间分布:为使甘肃省2009-2013年流行性腮腺炎报告发病率的数据结果利于纵向比较,分段采用手动分组,各图分组方式一致。2009年流行性腮腺炎报告发病率最高与最低地区分别为敦煌市(253.85/10万)和文县(1.22/10万),2010年分别为华亭县(153.37/10万)和西和县(0.79/10万),2011年分别为金塔县(387.89/10万)和民乐县(1.37/10万),2012年分别为金塔县(415.97/10万)和漳县(5.15/10万),2013年分别为瓜州县(666.60/10万)和广河县(3.92/10万)。高发病率县(区)主要集中在河西地区,到2013年蔓延至甘肃中部地区,全省流行性腮腺炎报告发病率近年呈北高南低的态势(图 2)。
3. 流行性腮腺炎报告发病率的空间聚集性分析:
(1)使用全局Moran's I系数进行全局自相关检验,2009-2013年(除2010年外)全局Moran's I系数均>0,Z值均>1.96,有统计学意义。2009、2011-2013年间,甘肃省流行性腮腺炎报告发病率呈聚集性分布,有高值或者低值聚集区的存在。2010年全局Moran's I系数虽然为负值,但对其进行的自相关检验结果Z (I)值显示无统计学意义,2010年甘肃省流行性腮腺炎发病率全局分布呈随机分布(表 1)。
(2)使用局部G统计量进行局部自相关检验,甘肃省2009-2013年流行性腮腺炎报告发病率有热区、冷区分布(图 3)。热点区(红色)主要分布于河西地区,覆盖县(区)数有上升趋势;冷点区(绿色)主要分布于天水、陇南及庆阳部分县(区),覆盖县(区)数有上升趋势。
4.流行性腮腺炎报告发病率的时空聚集性分析:甘肃省2009-2013年流行性腮腺炎报告发病率时空扫描分析结果见表 2,高发病率扫描有时空聚集性,共发现3个聚集区域(图 4)。最大可能聚集区覆盖25个县(区),主要分布于河西地区,分别为嘉峪关市、金川区、永昌县、玉门市、甘州区、高台县、山丹县、民勤县、永靖县、红古区、天祝县、景泰县、肃北县、瓜州县、敦煌市、阿克塞县、金塔县、肃州区、临泽县、民乐县、肃南县、古浪县、凉州区、永登县、皋兰县,聚集时间为2012-2013年,区域内实际报告发病数为12 174例,期望发病数4 740.73例(RR=3.05,LLR=4 670.995,P < 0.001)。低发病率扫描也有时空聚集性(图 4),共发现2个聚集区域。最大可能聚集区覆盖12个县(区),主要分布于陇东地区,分别为崆峒区、泾川县、崇信县、华亭县、西峰区、庆城县、环县、合水县、正宁县、宁县、镇原县、华池县,聚集时间为2009-2010年,区域内实际报告发病数为3 009例,期望发病数为7 523.85例(RR=0.36,LLR=1 980.686,P < 0.001)。
讨论时空扫描的分析方法可以弥补单纯流行病学发病率比较的不足,同时结合地理信息系统,更加直观、全面地展示传染病发病的聚集区域。本文结合疾病发生的空间、时间信息,分析了甘肃省2009-2013年流行性腮腺炎报告发病率的时空特征。全局自相关分析显示,流行性腮腺炎病报告发病率有空间正相关关系,存在空间聚集性。局部空间自相关分析显示,报告发病率热点区主要分布于河西地区;冷点区主要分布于天水、陇南及庆阳部分县(区)。热点或冷点覆盖县(区)数量呈上升趋势,或与近年来气候环境波动及人群免疫水平有关[8]。甘肃省2004-2006年流行性腮腺炎的发病率有升高趋势,这与已有研究结果相似[9]。2010年该病报告发病率虽然不存在聚集性分布,尚不能排除其在局部空间中出现高值或低值聚集区的存在。Satscan结果显示,就局部空间分布来说,2010年该病报告发病率在局部地区存在小部分高值和低值发病率的聚集。
除了空间分布有关之外,传染病的发生与时间也相关。对于传染性疾病来说,时空分析探索了疾病在时间、空间两个维度中的发生规律和趋势,较单纯的空间分析更为准确。时空聚集性分析结果显示,高发病率扫描最大可能聚集区位于2012-2013年,主要分布于河西地区;低发病率扫描最大可能聚集区位于2009-2010年,主要分布陇东地区,空间分布与局部空间自相关结果相似。流行性腮腺炎是一种广泛流行的呼吸道传染病,通过直接接触、飞沫、唾液的吸入为主要传播途径。甘肃省地处西部,地区间发展不平衡,热区和高发病率时空扫描聚集区多集中在河西地区,而冷区和低发病率时空扫描聚集区多集中在天水市及陇东地区,这与基层医疗机构报病意识淡薄是造成流行性腮腺炎疫情蔓延的重要原因的结论相似[10]。甘肃省2009-2013年流行性腮腺炎发病率空间及时空分布特征,尤其是聚集区的确定,对流行性腮腺炎监测及防控策略的制定提供了理论依据。
本文采用数据为流行性腮腺炎报告发病率,报告发病率与各地患者的就诊情况、医疗机构对传染病报告的重视程度和报告意识等因素有关,导致报告发病率与真实发病率可能不完全一致。另外,研究虽然确定了甘肃省流行性腮腺炎发病的时空聚集区,但未对引起疾病集聚性分布的原因进一步分析,如免疫接种情况、气象因素等[11],有待进一步研究。
[1] Peng WW. Infectious diseases[M]. 5th ed. Beijing:People's Medical Publishing House, 2001. (in Chinese) 彭文伟. 传染病学[M]. 5版. 北京:人民卫生出版社, 2001. |
[2] Fei FR, Feng LZ, Xu Z, et al. Epidemiology of mumps in China, 2008-2010[J]. Dis Surveill, 2011, 26(9):691-693. (in Chinese) 费方荣, 冯录召, 许真, 等. 2008-2010年中国流行性腮腺炎流行病学特征分析[J]. 疾病监测, 2011, 26(9):691-693. |
[3] Anselin L, Syabri I, Kho Y. GeoDa:an introduction to spatial data analysis[J]. Geograph Anal, 2006, 38(1):5-22. |
[4] Kulldorff M, Nagarwalla N. Spatial disease clusters:detection and inference[J]. Stat Med, 1995, 14(8):799-810. |
[5] Ord JK, Getis A. Local spatial autocorrelation statistics:distributional issues and an application[J]. Geograph Anal, 1995, 27(4):286-306. |
[6] Zhang SL, Zhang K. Contrast study on moran and getis-ord indexes of local spatial autocorrelation indices[J]. J Geod Geodynam, 2007, 27(3):31-34. (in Chinese) 张松林, 张昆. 空间自相关局部指标Moran指数和G系数研究[J]. 大地测量与地球动力学, 2007, 27(3):31-34. |
[7] Kulldorff M. Prospective time periodic geographical disease surveillance using a scan statistic[J]. J Royal Statist Soc:Ser A (Statist Soc), 2001, 164(1):61-72. |
[8] Luo YE. Epidemiological analysis of epidemic parotitis in Hubei province from 2009 to 2010[J]. Chin J Public Health Manage, 2012, 28(1):58-59. (in Chinese) 罗玉娥. 湖北省2009-2010年流行性腮腺炎疾情分析[J]. 中国公共卫生管理, 2012, 28(1):58-59. |
[9] Liu CJ, Li H. Epidemiological analysis of mumps from 2004-2006 in Gansu province[J]. Chin J Nat Med, 2008, 9(6):471-473. (in Chinese) 刘长江, 李慧. 甘肃省2004-2006年流行性腮腺炎流行病学特征分析[J]. 中国自然医学杂志, 2008, 9(6):471-473. |
[10] Zhang L. Analysis fo epidemiological characteristics and outbreak causes fo mumps[D]. Hefei:Anhui Medical University, 2013. (in Chinese) 张磊. 流行性腮腺炎的流行病学特征及暴发原因的分析[D]. 合肥:安徽医科大学, 2013. |
[11] Yang C, Guo SZ, Zhou H, et al. Study on cold area of meteorological factors to the impact ofurban main infectious diseases paleolimnologic[J]. Chin Prim Health Care, 2011, 25(4):79-82. (in Chinese) 杨超, 郭淑珍, 周浩, 等. 高寒地区气象因素对城市主要传染病消长的影响研究[J]. 中国初级卫生保健, 2011, 25(4):79-82. |