單志力 徐剛 周祖木 李君 錢明紅 毛玲瓊 朱小梅 張淑蘭

?

·論著·

2008—2013年溫州市肺結(jié)核疫情時空流行病學(xué)分析

單志力 徐剛 周祖木 李君 錢明紅 毛玲瓊 朱小梅 張淑蘭

目的 分析2008—2013年溫州市肺結(jié)核疫情的時空分布特征,發(fā)現(xiàn)高發(fā)聚集區(qū)域,探討聚集原因。方法 根據(jù)“中國疾病預(yù)防控制信息系統(tǒng)”子系統(tǒng)“結(jié)核病管理信息系統(tǒng)”2008—2013年溫州市肺結(jié)核“患者病案管理”模塊的患者基本信息，以鄉(xiāng)鎮(zhèn)級為單位，用全局空間自相關(guān)和SaTScan 9.3軟件對患者登記率進(jìn)行時間、空間聚集性分析，通過ArcGIS 10.1軟件呈現(xiàn)肺結(jié)核時空聚集區(qū)域。結(jié)果 2008—2013年溫州市肺結(jié)核登記率從2008年78.23/10萬(共登記7136例)降至2013年57.74/10萬(共登記5267例)；全局空間自相關(guān)和時空掃描分析發(fā)現(xiàn)，溫州市肺結(jié)核疫情存在明顯聚集現(xiàn)象，其中城市核心區(qū)55個鄉(xiāng)鎮(zhèn)(街道)為肺結(jié)核疫情主要聚集區(qū)域，單純空間掃描分析聚集半徑為30.2 km，實際病例數(shù)為21 284例，RR=1.46，LLR=636.96，P<0.01；時空掃描分析聚集時間為2008—2010年，實際病例數(shù)為11 580例，RR=1.41，LLR=454.50，P<0.01；西部部分農(nóng)村區(qū)域為次要聚集區(qū)域，分布于5個較小區(qū)域，LLR值在283.96至11.57不等，P值均<0.01。結(jié)論 時空掃描分析方法可以很好地應(yīng)用于肺結(jié)核疫情高發(fā)重點區(qū)域分析，結(jié)合地理信息系統(tǒng)，能夠更加直觀、全面地展示疫情聚集區(qū)域。

結(jié)核; 時空分析; 空間聚集; 地理信息系統(tǒng)

結(jié)核病是長期嚴(yán)重危害我國乃至全球的公共衛(wèi)生問題，近年來雖然花費大量人力和物力進(jìn)行控制，但發(fā)病率仍居高不下[1-3]。作為一種傳染性疾病，其發(fā)生、發(fā)展及流行等因素除了具有明顯的空間屬性和地域?qū)傩酝?，同時還具有相互作用和擴散現(xiàn)象[4]。本研究利用ArcGIS系統(tǒng)中的空間統(tǒng)計分析模塊和SaTScan軟件，分析2008—2013年溫州市肺結(jié)核疫情的空間聚集區(qū)域及其變化，為結(jié)核病防治提供依據(jù)。

材料和方法

一、數(shù)據(jù)來源

信息數(shù)據(jù)來自2008—2013 年“中國疾病預(yù)防控制信息系統(tǒng)”子系統(tǒng)“結(jié)核病管理信息系統(tǒng)”溫州地區(qū)報告登記的數(shù)據(jù)[5]；人口數(shù)據(jù)來源于溫州市統(tǒng)計局公布的第六次人口普查資料[6-7]。根據(jù)“肺結(jié)核現(xiàn)有患者例數(shù)合計(包括涂陽、涂陰、未查痰、結(jié)核性胸膜炎患者例數(shù))”和“常住總?cè)丝凇眱蓚€變量計算各市(縣)及鄉(xiāng)鎮(zhèn)(街道)肺結(jié)核登記率。

二、地理信息數(shù)據(jù)

地理信息數(shù)據(jù)來自溫州勘察測繪研究院地理信息數(shù)據(jù)庫，以數(shù)據(jù)屬性表中行政地區(qū)關(guān)聯(lián)肺結(jié)核的數(shù)據(jù)，建立空間分析屬性數(shù)據(jù)庫。

三、空間自相關(guān)

本研究首先利用ArcGIS 10.1軟件空間統(tǒng)計分析模塊計算全局空間自相關(guān)Moran’sI指標(biāo)，并進(jìn)行Z值統(tǒng)計學(xué)檢驗，以探測整個研究區(qū)域內(nèi)的空間聚集模式，研究檢驗水準(zhǔn)α=0.05；Z值大于1.96或小于-1.96時，α<0.05[8]。

四、SaTScan統(tǒng)計

利用SaTScan 9.3進(jìn)行統(tǒng)計掃描分析，通過計算不同圓心、不同半徑下動態(tài)窗口區(qū)域內(nèi)與動態(tài)窗口區(qū)域外空間單元屬性的似然比(LLR)進(jìn)行統(tǒng)計學(xué)推斷，探測聚集中心與聚集半徑。LLR值越大且差異有統(tǒng)計學(xué)意義，則表示該動態(tài)窗口下所含區(qū)域為聚集區(qū)域的概率越大[9]。其中，一級空間聚集區(qū)域的LLR值最大，二級空間聚集區(qū)域較一級空間聚集區(qū)域的LLR值較小，說明其成為空間聚集區(qū)域的概率較一級聚集區(qū)域低，以此類推[10-11]。時間、空間掃描分析選用離散變量的泊松分布模型，以肺結(jié)核現(xiàn)有患者例數(shù)合計為病例數(shù)據(jù)(分子)，以常住人口數(shù)為人口數(shù)據(jù)(分母)，以各鄉(xiāng)鎮(zhèn)中心坐標(biāo)為地理坐標(biāo)數(shù)據(jù)進(jìn)行分析，研究檢驗水準(zhǔn)α=0.05。

五、地圖繪制

根據(jù)整理的結(jié)核病登記數(shù)據(jù)及掃描統(tǒng)計分析的結(jié)果，利用ArcGIS 10.1軟件關(guān)聯(lián)數(shù)據(jù)，繪制地圖。

結(jié) 果

一、基本情況

2008—2013年全市肺結(jié)核登記率總體呈現(xiàn)明顯下降趨勢，從2008年的78.23/10萬(7136例)降至2013年的57.74/10萬(5267例)；溫州市各縣(區(qū))肺結(jié)核登記率也基本呈下降趨勢。全市各鄉(xiāng)鎮(zhèn)(街道)級肺結(jié)核登記率差距較大，年均登記率從0到 281.18/10萬不等，中位數(shù)66.75/10萬；以西部農(nóng)村地區(qū)為高，詳見表1、圖1。

二、時空聚集性分析

1.全局空間自相關(guān)：2008—2013年溫州市肺結(jié)核登記率全局空間自相關(guān)分析結(jié)果顯示，各年度的Moran’sI值均>0,Z值均>1.96，P<0.05,提示2008—2013年溫州市肺結(jié)核登記率為非隨機分布，呈空間聚集性分布，見表2。

2.空間聚集性分析：設(shè)定最大空間聚集區(qū)域人口占溫州市總?cè)丝诘?0%，空間聚集性掃描分析結(jié)果顯示，2008—2013年溫州市各鄉(xiāng)鎮(zhèn)(街道)肺結(jié)核患病呈非均勻分布，掃描發(fā)現(xiàn)6個疫情聚集區(qū)域，涉及72個鄉(xiāng)鎮(zhèn)(街道)；一級聚集區(qū)域(即最可能存在聚集的區(qū)域)包括55個鄉(xiāng)鎮(zhèn)(街道)，主要集中在市區(qū)鹿城、甌海、龍灣三個區(qū)以及瑞安北部，樂清、永嘉南部；其他次級聚集區(qū)域以西部農(nóng)村為主，見表3。對同期溫州市非本地戶籍人口肺結(jié)核患病情況進(jìn)行空間聚集性掃描，發(fā)現(xiàn)覆蓋50個鄉(xiāng)鎮(zhèn)(街道)的一級聚集區(qū)域(表4)，與總?cè)丝诜谓Y(jié)核患病一級聚集區(qū)域高度重疊。

表1 溫州市各縣(區(qū))2008—2013年肺結(jié)核登記率(/10萬)

圖1 2008—2013年溫州市各鄉(xiāng)鎮(zhèn)(街道)肺結(jié)核年均登記率的地理分布表2 2008—2013年溫州市肺結(jié)核登記率 全局空間自相關(guān)結(jié)果

年份Moran’sI值Z值P值2008年0.154.45<0.052009年0.072.290.0222010年0.072.110.0352011年0.082.520.0122012年0.082.240.0252013年0.082.470.014

表3 2008—2013年溫州市各街道(鄉(xiāng)鎮(zhèn))肺結(jié)核空間聚集性掃描分析結(jié)果

表4 2008—2013年溫州市各街道(鄉(xiāng)鎮(zhèn))流動人口肺結(jié)核空間聚集性掃描分析結(jié)果

3.時間聚集性分析：時間聚集性掃描分析結(jié)果顯示，2008—2013年溫州市各鄉(xiāng)鎮(zhèn)肺結(jié)核疫情并非按時間隨機分布。設(shè)定最大時間聚集區(qū)域為總體登記時間區(qū)域的50%，發(fā)現(xiàn)1個聚集區(qū)域，即2008年1月1日至2009年12月31日，實際登記13 502例，預(yù)計應(yīng)登記報告新涂陽肺結(jié)核患者12 228例，RR=1.16，LLR=98.04，P<0.01，說明2008年1月 1日至2009年12月31日溫州市肺結(jié)核患者登記率明顯高于其他時間段，呈時間聚集性。

4.時空聚集性分析：通過設(shè)定最大空間聚集區(qū)域為占溫州市常住人口50%的區(qū)域，最大時間聚集區(qū)域為總體登記時間區(qū)域的50%，時空聚集性掃描分析結(jié)果顯示，2008—2013年溫州市各鄉(xiāng)鎮(zhèn)(街道)肺結(jié)核疫情呈非均勻分布，掃描發(fā)現(xiàn)4個聚集區(qū)域，涉及61個鄉(xiāng)鎮(zhèn)(街道)；一級聚集區(qū)域聚集時間為2008年1月1日至2010年12月31日，包括53個鄉(xiāng)鎮(zhèn)(街道)，基本與空間聚集性分析一級區(qū)域相近，但次級聚集區(qū)域較少，見表5。

討 論

隨著地理信息科學(xué)的發(fā)展與應(yīng)用，越來越多的學(xué)者通過制作更專業(yè)的結(jié)核病專題地圖來描述結(jié)核病的疫情。如Dangisso 等[12]繪制了全球各國結(jié)核病的流行、耐藥、控制強度等方面的專題地圖；康萬里等[13]應(yīng)用克里格(Kriging)插值，分析第四次全國結(jié)核病流行病學(xué)抽樣調(diào)查資料，建立相關(guān)數(shù)據(jù)庫，繪制了我國結(jié)核病發(fā)生水平的區(qū)域差異地圖，使我國結(jié)核病空間分布可視化，并發(fā)現(xiàn)河南、湖北、湖南、安徽、江西、四川、重慶、貴州、西藏是我國活動性肺結(jié)核患病率較高的地區(qū)。Zhao等[14]通過空間掃描分析2005—2011年中國新涂陽肺結(jié)核與結(jié)核病總登記率，發(fā)現(xiàn)中國北部與西部地區(qū)為結(jié)核病聚集區(qū)域。應(yīng)倩和陳坤[15]應(yīng)用G統(tǒng)計量，對2006年浙江省肺結(jié)核的空間異質(zhì)性進(jìn)行分析，繪制了“2006年浙江省肺結(jié)核發(fā)病率的局部z(Gi)分布圖”，發(fā)現(xiàn)浙江省玉環(huán)縣、樂清市、平陽縣等地為肺結(jié)核高發(fā)病率聚集區(qū)。然而，大多數(shù)研究都基于省市級或縣級水平研究結(jié)核病的分布情況，較少有學(xué)者能夠從鄉(xiāng)鎮(zhèn)級水平進(jìn)行研究分析。本研究將結(jié)核病疫情數(shù)據(jù)結(jié)合地理信息系統(tǒng)，繪制了溫州市縣級及鄉(xiāng)鎮(zhèn)級肺結(jié)核專題地圖，可以直觀了解2008—2013年溫州市肺結(jié)核發(fā)病時間與空間分布，發(fā)現(xiàn)近6年溫州市的肺結(jié)核疫情呈不斷下降趨勢，2008—2009年明顯高于其他時間，部分縣市下降明顯；發(fā)病率區(qū)域分布不均勻，西部農(nóng)村地區(qū)發(fā)病率高于中東部城市區(qū)域。

表5 2008—2013年溫州市各鄉(xiāng)鎮(zhèn)(街道)肺結(jié)核時空掃描分析結(jié)果

在傳統(tǒng)的流行病學(xué)“三間”分析中，地區(qū)分析無法考慮相鄰地區(qū)之間傳染病的相互影響及傳播。利用時空掃描分析方法探索傳染病聚集性，由于事先未對聚集性的大小、位置、規(guī)模作任何假定，避免了選擇偏倚，可以最大限度地進(jìn)行數(shù)據(jù)信息的挖掘，發(fā)現(xiàn)聚集性的存在。通過分析2008—2013年溫州市各鄉(xiāng)鎮(zhèn)(街道)肺結(jié)核登記患者，發(fā)現(xiàn)在空間、時間和時空上存在聚集的特定區(qū)域(時段)，表明全市肺結(jié)核登記患者均存在聚集現(xiàn)象。

2008—2013年溫州市肺結(jié)核空間聚集性分析共發(fā)現(xiàn)6個存在聚集現(xiàn)象的區(qū)域，表明這些區(qū)域內(nèi)各鄉(xiāng)鎮(zhèn)(街道)肺結(jié)核登記水平較為接近，即來自同一總體的概率更大。其中，一級聚集區(qū)域主要分布在鹿城、甌海、龍灣等3個市區(qū)，以及瑞安北部，樂清、永嘉南部一大區(qū)域，雖然該區(qū)域的肺結(jié)核登記率并非列全市前列，但這些地區(qū)的肺結(jié)核患病卻呈明顯的聚集現(xiàn)象，與Liu等[16]報告的2005—2009年北京市的情況相似。出現(xiàn)空間聚集現(xiàn)象的原因有很多，除當(dāng)?shù)氐姆谓Y(jié)核疫情、結(jié)核病防治工作水平外，還可能與當(dāng)?shù)氐臍夂?、人口學(xué)特征、地理、經(jīng)濟、社會文化等諸多因素相關(guān)[17-21]。溫州市鹿城、甌海、龍灣等3個市區(qū)及瑞安北部，樂清、永嘉南部為溫州市城市核心區(qū)，人口密度大，流動人口聚集，通過分析同期溫州市流動人口聚集性，發(fā)現(xiàn)其一級聚集區(qū)域與常住人口聚集區(qū)域高度重疊，提示流動人口為該區(qū)域結(jié)核病聚集的重要因素。對于肺結(jié)核聚集的區(qū)域，衛(wèi)生部門應(yīng)加強監(jiān)測，特別是加強對流動人口肺結(jié)核的控制措施與力度，落實優(yōu)惠診療政策，加強感染控制等。

[1] Glaziou P, Falzon D, Floyd K,et al. Global epidemiology of tuberculosis.Semin Respir Crit Care Med， 2013，34(1):3-16.

[2] L?nnroth K, Castro KG,Chakaya JM, et al.Tuberculosis control and elimination 2010-50: cure, care, and social development. Lancet， 2010，375(9728):1814-1829.

[3] 全國第五次結(jié)核病流行病學(xué)抽樣調(diào)查技術(shù)指導(dǎo)組，全國第五次結(jié)核病流行病學(xué)抽樣調(diào)查辦公室. 2010年全國第五次結(jié)核病流行病學(xué)抽樣調(diào)查報告. 中國防癆雜志, 2012,34(8): 485-508.

[4] Maciel EL, Pan W, Dietze R,et al.Spatial patterns of pulmonary tuberculosis incidence and their relationship to socio-economic status in Vitoria, Brazil.Int J Tuberc Lung Dis, 2010,14(11):1395-1402.

[5] 李君，張淑蘭，毛玲瓊.溫州市本地戶籍老年人口肺結(jié)核流行病學(xué)分析.上海預(yù)防醫(yī)學(xué)，2015,27(2)：57-58.

[6] 國家統(tǒng)計局溫州調(diào)查隊.溫州統(tǒng)計年鑒2013(總第34期).北京：中國統(tǒng)計出版社，2014.

[7] 溫州市人口普查辦公室.溫州市2010年人口普查資料.溫州:溫州市統(tǒng)計局，2011.

[8] Prasannakumar V, Vijith H, Charutha R, et al. Spatio-Temporal Clustering of Road Accidents: GIS Based Analysis and Assessment. Procedia-Social and Behavioral Sciences, 2011, 21(7): 317-325.

[9] Kulldorff M. SaTScan User Guide for version 9.3[EB/OL].[2014-02]. http://www.satscan.org/.

[10] 趙飛，王黎霞，成詩明，等.中國2008—2010年結(jié)核病空間分布特征分析.中華流行病學(xué)雜志,2013,34(2):168-172.

[11] Stelling JI, Yih WK, Galas M,et al. Automated use of WHONET and SaTScan to detect outbreaks of Shigella spp. Using antimicrobial resistance phenotypes.Epidemiol Infect,2010, 138(6):873-883.

[12] Dangisso MH, Datiko DG, Lindtj?rn B.Spatio-temporal analysis of smear-positive tuberculosis in the Sidama Zone, southern Ethiopia.PLoS One,2015,10(6):e0126369.

[13] 康萬里,端木宏謹(jǐn),鄭素華.空間插值技術(shù)在結(jié)核病分布中的應(yīng)用//中華醫(yī)學(xué)會結(jié)核病學(xué)分會.中華醫(yī)學(xué)會結(jié)核病學(xué)分會2011年學(xué)術(shù)會議論文匯編. 北京：中華醫(yī)學(xué)會結(jié)核病學(xué)分會,2011:255-258.

[14] Zhao F, Cheng S,He G, et al.Space-time clustering characteristics of tuberculosis in China, 2005-2011.PLoS One，2013，8(12):e83605.

[15] 應(yīng)倩，陳坤.應(yīng)用G統(tǒng)計量分析2006年浙江省肺結(jié)核的空間異質(zhì)性.中華預(yù)防醫(yī)學(xué)雜志,2012,46(6)：524-526.

[16] Liu Y, Li X, Wang W,et al. Investigation of space-time clusters and geospatial hot spots for the occurrence of tuberculosis in Beijing.Int J Tuberc Lung Dis,2012,16(4):486-491.

[17] Naranbat N, Nymadawa P, Schopfer K, et al.Seasonality of tuberculosis in an Eastern-Asian country with an extreme continental climate.Eur Respir J, 2009,34(4):921-925.

[18] Roza DL, Caccia-Bava Mdo C, Martinez EZ. Spatio-temporal patterns of tuberculosis incidence in Ribeir?o Preto, State of S?o Paulo,southeast Brazil, and their relationship with social vulnerability: a Bayesian analysis. Rev Soc Bras Med Trop, 2012,45(5):607-615.

[19] 孫果梅，路麗蘋，彭文祥，等.2006--2009年上海市松江區(qū)結(jié)核病空間分布特征及影響因素.中華預(yù)防醫(yī)學(xué)雜志,2012,46(10)：903-907.

[20] Li XX, Wang LX, Zhang H, et al.Spatial variations of pulmonary tuberculosis prevalence co-impacted by socio-economic and geographic factors in People’s Republic of China, 2010.BMC Public Health,2014,14:257.

[21] 叢明瑤，云妙英，阿德娜依·阿力肯.氣候因子對肺結(jié)核發(fā)病率影響的分析.中華疾病控制雜志，2014,18(11):1051-1054.

(本文編輯：王然 李敬文)

Epidemiological analysis on the spatiotemporal clustering of pulmonary tuberculosis in Wenzhou from 2008 to 2013

SHANZhi-li*,XUGang,ZHOUZu-mu,LIJun,QIANMing-hong,MAOLing-qiong,ZHUXiao-mei,ZHANGShu-lan.

*TuberculosisPreventionandControlDepartment,WenzhouCenterforDiseaseControlandPrevention,ZhejiangWenzhou325001,China

SHANZhi-li,Email:zhili0245@163.com

Objective To analyse the spatiotemporal distribution of pulmonary tuberculosis (PTB) cases in Wenzhou from 2008 to 2013, identify the clusters,clarify the related reasons. Methods The main patients informationin tuberculosis case management block was collected through “tuberculosis management information system” affiliated to the disease prevention and control information system of China.Global spatial autocorrelation and SaTScan 9.3 applications were used to detect and analyse the spatiotemporal clustering of PTB registered rate, at the town level, from 2008 to 2013. The spatiotemporal clustering areas were displayed by ArcGIS 10.1. Results The PTB incidence rate in Wenzhou decreased from 78.23 per 100 000 (7136 cases) in 2008 to 57.74 per 100 000 (5267 cases) in 2013.Global spatial autocorrelation with SaTScan showed that there were the obvious clusterings for PTB. 55 towns locating in the central urban district were the main clustering areas for PTB.The pure spatial scan clusterin gradius was 30.2 km.The true registered number of cases was 21 284,RR=1.46,LLR=636.96,P<0.01.The spatiotemporal scan aggregating time was from 2008 to 2010.The true registered number of cases was 11 580,LLR=454.50,RR=1.41,P<0.01.These condaryclustering areas were 5 small districts in the rural district in westernareas,LLRwas variable from 283.96 to 11.57,P<0.01. Conclusion The Spatiotemporal autocorrelation and SaTScan methods may serve as efficient tools to detect the clusterings and geospatial hot spots of PTB incidence,and can show PTB clustering areas directly and compreventively,if combined with Geographic Information System.

Tuberculosis; Geographic distribution; Spatial autocorrelation; Geographic Information System

10.3969/j.issn.1000-6621.2016.02.006

溫州市科技計劃項目(Y20140039)

325001 浙江省溫州市疾病預(yù)防控制中心結(jié)核病防治科(單志力、李君、錢明紅、毛玲瓊、朱小梅、張淑蘭)；溫州市勘察測繪研究院地理信息中心(徐剛)；溫州市疾病預(yù)防控制中心應(yīng)急辦(周祖木)

單志力，Email:zhili0245@163.com

2015-08-18)