趙 浩 汪 鑫

(1南昌大學醫(yī)學院公共衛(wèi)生學院 江西南昌 330006;2九江學院基礎醫(yī)學院 江西九江 332000)

血吸蟲病是由Theodor bilharz于1851年在埃及首次發(fā)現(xiàn)的一種寄生蟲病，并由血吸蟲的感染而引起的一種疾病［1］。血吸蟲病在世界范圍內(nèi)已經(jīng)感染了數(shù)百萬人，在南非流行特別嚴重，在中東和東南亞依然是一個公共衛(wèi)生問題，大約超過76個國家近6億人口還在受到血吸蟲病感染的危險［1］。據(jù)衛(wèi)生部傳染病疫情統(tǒng)計報告，2012年我國新發(fā)生的血吸蟲病患者4 802例，比2011年度的4 483例增長了6.61%［2］。在對血吸蟲疫情進行預測及防治策略的選擇時，越來越多使用了疾病預測模型。流行病學家和應用數(shù)學家相繼建立了多個預測模型對血吸蟲病疫情進行預測。本文對血吸蟲病疫情預測模型的研究進展進行了綜述。

1 地理信息系統(tǒng)模型

地理信息系統(tǒng) (geographical information system，GIS)是一門集計算機科學、地理學、測繪學、空間科學、信息學等為一體的新興學科［3］，已用于疾病的監(jiān)測、預測及衛(wèi)生管理決策。Cross等［4］在1984年采用判別分析，通過收集氣象資料和衛(wèi)星遙感資料，預測了菲律賓血吸蟲病流行區(qū)域，并根據(jù)地理信息資料和預測的疾病的發(fā)生概率繪制了疾病風險圖，認為其預測結果可信并可推廣應用［1］。Malone等［5］在埃及尼羅河成功應用GIS系統(tǒng)建立一個血吸蟲病傳播指數(shù)模型，并隨后被應用到埃塞俄比亞、巴西、尼爾利亞［6，8］。2000年，世界衛(wèi)生組織、聯(lián)合國糧食及農(nóng)業(yè)組織、路易斯安娜州立大學及丹麥血吸蟲實驗室倡導，在意大利Bellagio建立了由洛克菲勒基金資助的第一個全球合作的空間分析研究組織，旨在使衛(wèi)生工作者和研究血吸蟲病與空間預測模型的地學家有效地合作，從空間分析的角度建立血吸蟲病及其他螺傳疾病的空間模型。該模型整合應用GIS的方法、全球氣候模型數(shù)據(jù)、來自地球觀測衛(wèi)星的遙感數(shù)據(jù)、疾病流行數(shù)據(jù)、宿主釘螺的分布及孳生數(shù)據(jù)、影響螺傳疾病發(fā)展和繁殖的關鍵環(huán)境因素的數(shù)字地圖［9］。周曉農(nóng)等［10，13］等采用空間分析和疊置分析種群遺傳學資料，應用溫度和潛在蒸發(fā)指數(shù) (地面水平衡系統(tǒng))為基礎的改良Malone公式計算血吸蟲病傳播指數(shù)，并結合校正植被指數(shù) (NDVI)、AVHRR(advanced very high resolution radiometer)第4頻道的溫度分布圖及高程分布圖進行空間分析和地圖重疊分析，發(fā)現(xiàn)血吸蟲傳播指數(shù)大于900的分布基本上與中國南部地區(qū)的血吸蟲病流行區(qū)相吻合，重疊分布圖顯示了高危地區(qū)與長江流域的血吸蟲病高發(fā)地區(qū)基本一致，佐證了中國大陸釘螺種群結構的理論，認為利用氣象資料和衛(wèi)星遙感資料來預測、預報血吸蟲病流行范圍和強度具有應用前景［1］，在1999年又利用江蘇省境內(nèi)及邊緣地區(qū)的氣象觀察點資料，以AVHRR遙感資料得出不同季節(jié)的流行強度預測圖，應用Logistic回歸分析各個觀察點的傳播指數(shù)與現(xiàn)場血吸蟲病發(fā)病率的關系，觀察預測的正確率，預測總正確率為88.89%，2004年建立了全國血吸蟲病氣象GIS數(shù)據(jù)庫，并構建了血吸蟲病氣候－傳播模型，認為血吸蟲病潛在流行區(qū)將隨氣候變暖出現(xiàn)北移，而北移敏感區(qū)是今后我國的監(jiān)測工作重點。張治英等［14］應用地理信息系統(tǒng)結合空間掃描法檢測江寧縣江灘釘螺分布的空間聚集性，并同時采用變異函數(shù)定量分析釘螺空間分布特征，認為江灘釘螺分布的空間聚集性及自相關性，存在適合于釘螺孳生分布的因素。趙飛等［15］基于縣級GIS構建空間數(shù)據(jù)庫，同時收集現(xiàn)有病人數(shù)、流行縣人口數(shù)等資料，運用SaTScan(satellite scan statistics)軟件探測血吸蟲病聚集區(qū)域，共探測出5個聚集區(qū)域，包括39個縣 (區(qū))，認為湖區(qū)5省沿江地區(qū)仍是血吸蟲空間聚集的主要區(qū)域，尤以湖北、湖南交界地帶空間聚集性最高、范圍最大。

地理信息系統(tǒng)經(jīng)歷了20多年的發(fā)展，與遙感技術以及全球定位系統(tǒng)相結合，在血吸蟲病領域得到了廣泛的應用。隨著現(xiàn)代科學技術的發(fā)展，疾病控制的監(jiān)測預警模式，已由過去的手工、單一、靜態(tài)、定性為主的監(jiān)測方法發(fā)展為多時相、多因素、時空結合、定性、定量相結合的綜合監(jiān)測分析方式。由于RS(remote sensing)和 GPS(global positioning system)技術能為GIS系統(tǒng)提供更為豐富、及時、精確的空間資料，因而，基于該技術的疾病預測系統(tǒng)必將成為疾病控制監(jiān)測預警發(fā)展的主要方向。

2 貝葉斯時空模型

近幾十年來，隨著疾病制圖的統(tǒng)計方法的快速發(fā)展，貝葉斯模型在流行病學研究領域中的應用日益廣泛，該模型能分析影響疾病發(fā)生的地理危險因素和小區(qū)域范圍疾病潛在的或無法解釋的協(xié) 變 量 效 應 的 殘 差［16，17］。Yang 等［18］收 集 了1990—1998年江蘇省47個縣的血吸蟲病的橫斷面資料，通過遙感衛(wèi)星獲得歸一化植被指數(shù) (NDVI)和地表溫度 (LST)等氣象資料，應用貝葉斯時空模型進行分析，最佳模型顯示空間效應服從條件自回歸過程，1990—1992年間江蘇省血吸蟲病空間自相關性明顯下降，但隨后逐漸上升，可能與大規(guī)模吡喹酮化療控制了血吸蟲發(fā)病率有關，結果還表明NDVI與日本血吸蟲感染呈負相關，另外LST與血吸蟲的流行呈正相關。王顯紅［19］和楊坤等［20］收集血吸蟲病的查病數(shù)據(jù)和遙感提取的環(huán)境因子，在考慮血吸蟲病檢查方法靈敏度和特異度的不確定性和血吸蟲時空格局的基礎上，構建不同的血吸蟲貝葉斯模型，篩選最佳模型，分析10年間血吸蟲病的時空格局變化，并評估退田還湖工程對血吸蟲病疫情的影響。

貝葉斯時空模型在同時分析疾病在時間和空間的分布格局和流行趨勢有較大的優(yōu)勢，并對疾病的發(fā)病率和死亡率進行估計和制圖，提示疾病相關危險因素供進一步流行病學研究。應用貝葉斯時空模型分析疾病數(shù)據(jù)時需注意以下幾個問題:相關參數(shù)先驗分布的假定，空間和時間效應的擬合形式，模型的比較與實現(xiàn)［21］。由于貝葉斯時空模型對復雜數(shù)據(jù)中時空信息分析的優(yōu)勢，及疾病認識先驗經(jīng)驗信息的利用，將在疾病時空分布規(guī)律，預測及決策方面發(fā)揮越來越重要的作用。另外，許多研究表明，貝葉斯時空模型在分析小區(qū)域疾病資料時具有明顯的優(yōu)勢，但對小區(qū)域的范圍界定并無明顯結論，在貝葉斯模型應用尺度上還待進一步研究［21］。

3 數(shù)學模型法

數(shù)學模型可對疾病復雜的流行過程作更典型、更精練、更定量的描述，以便從理論上揭示疾病流行的特征，以及預測疾病的發(fā)生和發(fā)展［22］。國內(nèi)外的學者對血吸病疫情數(shù)學傳播模型已進行了廣泛和深入的研究，自Macdonal創(chuàng)建了第一個血吸蟲病數(shù)學模型后［23］，隨著計算機技術和相應軟件的發(fā)展及多學科知識的引入，流行病學家和應用數(shù)學家從最初的僅僅只是針對某個傳播環(huán)節(jié)指標的預測，逐漸發(fā)展到涉及血吸蟲整個傳播環(huán)節(jié)指標的預測，如Barbour雙宿主模型、Malone模型及 Ross模型等［24，27］。Chen 等［28］應用數(shù)學模型發(fā)現(xiàn)血吸蟲在牛與釘螺之間的傳播對血吸病的流行起著關鍵的作用。賽曉勇等［29，33］分別應用灰色系統(tǒng)模型成功預測血吸蟲病短期流行趨勢。同時還應用時間序列分析在洞庭湖區(qū)雙退試點預測退田還湖前后血吸蟲疫情，結果顯示ARIMA(autoregressive integrated moving average model)模型預測效果較好［34］。

運用數(shù)學模型模擬血吸蟲病傳播模式時，需要深入細致地分析各個環(huán)節(jié)及相互關系、影響因素，并能夠全面反映傳播的基本特征，清晰顯示主要特征和流行趨勢，避免混雜。因此，在建立模型時應可能減少假設前提和模型，模擬出簡單有效的血吸蟲病傳播數(shù)學模型。

綜上所述，血吸蟲病預測工作是現(xiàn)代公共衛(wèi)生發(fā)展的產(chǎn)物，預測模型的廣泛應用還有很多的困難需要解決。但是隨著科學技術的發(fā)展和研究人員對疾病的認識不斷加深，想信在不久的將來必為血吸蟲病的預測研究工作作出貢獻，以期最終達到消滅血吸蟲病，提高人民健康水平的目的。

［1］張志杰，彭文祥，姜慶五.空間分析在血吸蟲病研究中的應用進展 ［J］.熱帶病與寄生蟲學，2005，3(4):243.

［2］2012年度全國法定傳染病疫情概況.http://www.moh.gov.cn/mohjbyfkzj/s3578/201303/f02d91321f524a66a9df357a53bd0cf0.shtml.

［3］邊馥苓.GIS地理信息系統(tǒng)原理和方法 ［M］.北京:北京測繪出版社，1996.1.

［4］Cross ER，Perrine R，Sheffield C，et al.Predicting areas endemic for schistosomiasis using weather variables and a Landsat data base ［J］.Military Med，1984，149(4):542.

［5］Malone JB.Fasciolosis［M］.Dublin:CABI Publishing，1998.151.

［6］Bavia ME.Geographic information systems and the environmental risk of schistosomiasis in Bahia，Brazil［J］.Am J Trop Med Hyg，1999，60(4):566.

［7］Yilma JM and JB Malone.A geographic information system forecast model for strategic control of fasciolosis in Ethiopia ［J］.Vet Parasitol，1998，78(2):103.

［8］Ekpo UF，CF Mafiana，Geographical information system and predictive risk maps of urinary schistosomiasis in Ogun State，Nigeria ［J］.BMC Infect Dis，2008，56(8):74.

［9］Malone JB.A global network for the control of snail－borne disease using satellite surveillance and geographic information systems ［J］.Acta Trop，2001，79(1):7.

［10］周曉農(nóng)，TK Kristensen，洪青標，等.利用地理信息系統(tǒng)數(shù)據(jù)庫分析釘螺空間區(qū)域的分布［J］.中華預防醫(yī)學雜志，1999，33(6):343.

［11］周曉農(nóng)，胡曉抒，孫寧生，等.地理信息系統(tǒng)應用于血吸蟲病的監(jiān)測Ⅰ——應用預測模型的可能性 ［J］.中國血吸蟲病防治雜志，1998，10(6):321.

［12］周曉農(nóng).胡曉抒.孫寧生.等.地理信息系統(tǒng)應用于血吸蟲病的監(jiān)測Ⅱ——流行程度的預測 ［J］.中國血吸蟲病防治雜志.1999，11(2):66.

［13］Zhou XN，K Yang.Prediction of the impact of climate warming on transmission of schistosomiasis in China ［J］.Zhong Guo Ji Sheng Chong Xue Yu Ji Sheng Chong Bing Za Zhi，2004，22(5):262.

［14］張治英，徐德忠，彭華，等.江寧縣江灘釘螺空間分布特征分析 ［J］.中國公共衛(wèi)生，2004，20(3):262.

［15］趙飛，朱蓉，張利娟，等.SaTScan在湖沼型血吸蟲病聚集區(qū)域探測中的應用 ［J］.中國血吸蟲病防治雜志，2011，23(1):28.

［16］MacNab YC.Hierarchical bayesian spatial modelling of small area rates of non－rare disease［J］.Stat Med，2003，22(10):1761.

［17］Ashby D.Bayesian statistics in medicine:a 25 year review ［J］.Stat Med，2006，25(21):3589.

［18］Yang GJ，Vounatsou P，Zhou XN，et al.A Bayesian based approach for spatio temporal modeling of county level prevalence of Schistosoma japonicum infection in Jiangsu province，China［J］.Int J Parasitol，2005，35(2):155.

［19］Wang XH，Zhou XN.Bayesian spatio－temporal modeling of Schistosoma japonicum prevalence data in the absence of a diagnostic ＇gold＇standard ［J］.Plos Negl Trop Dis，2008，2(6):250.

［20］楊坤，周曉農(nóng)，王顯紅，等.湖區(qū)某縣日本血吸蟲病時空模型的構建與應用 ［J］.中國血吸蟲病防治雜志，2012，24(1):14.

［21］鄭楊，李曉松.貝葉斯時空模型在疾病時空數(shù)據(jù)分析中的應用 ［J］.中華預防醫(yī)學雜志，2010，44(12):1136.

［22］吳開琛.血吸蟲病數(shù)學模型和傳播動力學及應用 ［J］.中國熱帶醫(yī)學，2005，5(4):837.

［23］Macdonald G.The dynamics of helmingth infections，with special reference to schistosomes［J］.Tram R Sue Tmp Med Hyg，1965，59(5):489.

［24］修良昌，張強，尹治成，等.Barbour雙宿主模型簡介及應用 ［J］.寄生蟲病與感染性疾病，2008，6(l):12.

［25］Gray DJ，Williams GM，Li Y，et al.Transmission dynamies of Schistosoma Japonicum in the lakes and marshlands of China ［J］.plos One，2008，3(12):4058.

［26］Zhao A，Gong P，Bao SM.A readapted Malone schistosoma transmission index model［J］.Acta Trop，2009，109(2):98.

［27］李源培，周藝彪，姜慶五.血吸蟲病傳播數(shù)學模型的研究進展 ［J］.中國血吸蟲病防治雜志，2009，21(6):568.

［28］Chen Z，Zou L，Shen D，et al.Mathematical model lingand control of Schistosomiasis in Hubei province，China ［J］.ActaTrop，2010，115(1 －2):119.

［29］賽曉勇，閆永平，徐德忠，等.應用灰色動態(tài)模型預測血吸蟲病疫情 ［J］.中國地方病學雜志，2005，24(2):155.

［30］賽曉勇，邢秦菊，孟定茹，等.五種預測方法在退田還湖區(qū)血吸蟲病發(fā)病的擬合效果評價［J］.第四軍醫(yī)大學學報，2006，27(17):1603.

［31］賽曉勇，閆永平，張治英，等.GM(1，1)模型在洞庭湖區(qū)濠口試點血吸蟲病發(fā)病預測中的應用 ［J］.疾病控制雜志，2009，9(1):29.

［32］張姝，張強，尹治成.灰色模型在血吸蟲感染率預測中的應用 ［J］.現(xiàn)代預防醫(yī)學，2007，34(7):1291.

［33］張旭東，沈思魁，劉陽，等.應用灰色預測模型GM(1，1)對四川血吸蟲病人群感染率進行分析及預測 ［J］.預防醫(yī)學情報雜志，2012，28(3):181.

［34］賽曉勇，閆永平，張治英，等.時間序列分析預測洞庭湖區(qū)退田還湖試點血吸蟲病疫情變化趨勢 ［J］.中國寄生蟲病防治雜志，2004，17(6):353.