王雅琦 鄧春宏 萬智巍

【提 要】 目的 探測(cè)惡性腫瘤空間集聚特征可以為癌癥早期篩查和預(yù)防提供依據(jù)。方法 利用樣方分析、NNI、Ripley′s K、Moran′s Index、Getis-Ord冷熱點(diǎn)等工具手段，分析南昌縣近3年的惡性腫瘤患者空間格局和發(fā)病率冷熱點(diǎn)變化特征。結(jié)果 南昌縣2016-2018年三年平均的惡性腫瘤發(fā)病率全縣均值為159.77/10萬；鄉(xiāng)鎮(zhèn)尺度上發(fā)病率最高為580.74/10萬、最低為25.51/10萬。樣方分析VMR值為1.435，具有顯著的集聚性特征。NNI分析結(jié)果顯示值為0.075(P<0.001)，具有顯著的集聚性特征?？臻g自相關(guān)分析結(jié)果顯示Moran′s Index為0.120，高于隨機(jī)狀態(tài)值，說明惡性腫瘤空間分布具有顯著的空間自相關(guān)性質(zhì)。Ripley′s K和L(d)函數(shù)的分析結(jié)果顯示2016-2018年及各年份的惡性腫瘤空間分布的L(d)值都高于期望值，并且在超過Monte Carlo模擬生成的置信區(qū)間范圍，2016-2018年總體的集聚區(qū)第一峰值的空間半徑為9.486km，集聚強(qiáng)度為3.125，集聚區(qū)面積為282.550km2。Getis-Ord冷熱點(diǎn)格局分析結(jié)果顯示近三年來南昌縣惡性腫瘤存在一個(gè)熱點(diǎn)區(qū)域和一個(gè)冷點(diǎn)區(qū)域，即由塘南鎮(zhèn)和涇口鄉(xiāng)組成的熱點(diǎn)區(qū)、由東新鄉(xiāng)和富山鄉(xiāng)組成的冷點(diǎn)區(qū)。結(jié)論 從空間上來看熱點(diǎn)或次級(jí)熱點(diǎn)區(qū)主要分布于南昌縣的中部區(qū)域，冷點(diǎn)和次級(jí)冷點(diǎn)區(qū)則主要分布于南昌縣的北部和西部區(qū)域，這一發(fā)現(xiàn)也為下一步的癌癥早篩重點(diǎn)區(qū)域指明了方向。

根據(jù)最新的統(tǒng)計(jì)數(shù)據(jù)顯示，惡性腫瘤死亡占居民全部死因的23.91%；惡性腫瘤的發(fā)病率及死亡率均呈逐年上升態(tài)勢(shì)，每年惡性腫瘤所致的醫(yī)療花費(fèi)超過數(shù)千億，防控形勢(shì)嚴(yán)峻[1]。新形勢(shì)下，我國的疾病流行狀況發(fā)生了巨大變化，惡性腫瘤也表現(xiàn)出不同的流行狀態(tài)[2-3]，且惡性腫瘤患者在空間上的分布具有不同程度的集聚性特征[4-6]。通過探測(cè)惡性腫瘤空間集聚特征，掌握主要惡性腫瘤的流行狀況，可以為惡性腫瘤的早期篩查和防治提供科學(xué)依據(jù)[7-8]。隨著地理信息系統(tǒng)(GIS)、全球定位系統(tǒng)(GPS)以及網(wǎng)絡(luò)在線地圖(如Google Map和Baidu Map)的迅速發(fā)展[9]，基于真實(shí)坐標(biāo)信息進(jìn)行疾病空間分析成為可能。因此本研究嘗試?yán)幂^為完整的縣域惡性腫瘤患者數(shù)據(jù)，結(jié)合樣方分析、NNI、Ripley′s K、Moran′s Index、Getis-Ord冷熱點(diǎn)等分析手段[10-11]，探測(cè)縣域尺度下惡性腫瘤空間分布規(guī)律和冷熱點(diǎn)分布格局。

數(shù)據(jù)與方法

1.資料空間化

本次研究惡性腫瘤病例數(shù)據(jù)來自江西省腫瘤醫(yī)院(江西省癌癥中心)2016-2018年南昌縣范圍內(nèi)的全部惡性腫瘤患者數(shù)據(jù)，包括相應(yīng)的年齡、性別、家庭住址、惡性腫瘤診斷等屬性信息。另外研究中涉及的研究區(qū)行政區(qū)劃和社會(huì)、經(jīng)濟(jì)、人口等基礎(chǔ)地理信息來自該縣統(tǒng)計(jì)年鑒。所有患者家庭住址信息依據(jù)ArcGIS Geocoding工具和百度地圖API進(jìn)行地址解析，并將其轉(zhuǎn)化為經(jīng)緯度數(shù)據(jù)。

2.樣方分析

樣方分析(quadrat analysis)是GIS空間分析中常用的一種定量方法，該方法的計(jì)算思路是基于正方形網(wǎng)格，計(jì)算逐個(gè)網(wǎng)格中的樣點(diǎn)數(shù)目，并基于樣點(diǎn)數(shù)目的方差均值比獲得樣點(diǎn)分布狀態(tài)的聚集或離散屬性，具體的計(jì)算過程為：

(1)

3.最近鄰指數(shù)

最近鄰指數(shù)(nearest neighbor index)利用最近鄰點(diǎn)對(duì)的平均距離和隨機(jī)狀態(tài)下的樣點(diǎn)平均距離的比值來判斷其集聚格局，具體計(jì)算方法為：

NNI=d(NN)/d(ran)

(2)

4.Ripley′s K函數(shù)

Ripley基于K函數(shù)計(jì)算不同空間尺度下點(diǎn)格局隨著距離的改變而出現(xiàn)不同的變異，因此這一方法可以求出任意距離尺度下的空間集聚格局特征。Ripley′s K(d)表示以d為測(cè)量范圍半徑內(nèi)的樣點(diǎn)個(gè)數(shù)和研究區(qū)內(nèi)點(diǎn)密度的比值，方法為：

(3)

5.空間自相關(guān)(Moran′s Index)

空間總體的分異狀況可以利用Moran′s Index來進(jìn)行識(shí)別。一般認(rèn)為I值在[-1，+1]范圍內(nèi)，越接近于-1表示疾病的空間分布具有高度的負(fù)相關(guān)；越接近于+1則表示高度正相關(guān)。相關(guān)公式為：

(4)

6.Getis-Ord冷熱點(diǎn)格局分析

(5)

(6)

結(jié)果與分析

1.空間集聚特征

基于病例的GIS空間化分析，可以得到鄉(xiāng)鎮(zhèn)尺度上發(fā)病率的空間分布格局。由圖1可知南昌縣惡性腫瘤發(fā)病率在空間分布上具有較為明顯的集聚性，2016-2018年平均的惡性腫瘤發(fā)病率全縣均值為159.77/10萬，但是在空間分布上差異顯著。其中，發(fā)病率最高的塘南鄉(xiāng)為580.74/10萬、發(fā)病率最低的東新鄉(xiāng)為25.51/10萬，塘南鎮(zhèn)發(fā)病率為東新鄉(xiāng)的22.76倍。2016年發(fā)病率較高的地區(qū)主要集中于塘南鎮(zhèn)、麻丘鎮(zhèn)和八一鄉(xiāng)；發(fā)病率較低的地區(qū)主要集中于東新鄉(xiāng)、南新鄉(xiāng)和蔣巷鎮(zhèn)。2017年發(fā)病率較高的地區(qū)主要集中于塘南鎮(zhèn)、麻丘鎮(zhèn)和塔城鄉(xiāng)；發(fā)病率較低的地區(qū)主要集中于東新鄉(xiāng)、蓮塘鎮(zhèn)和黃馬鄉(xiāng)。2018年發(fā)病率較高的地區(qū)主要集中于塘南鎮(zhèn)、塔城鄉(xiāng)和麻丘鎮(zhèn)；發(fā)病率較低的地區(qū)主要集中于東新鄉(xiāng)、岡上鎮(zhèn)和廣福鎮(zhèn)。

圖1 2016-2018年南昌縣惡性腫瘤發(fā)病率空間格局

對(duì)2016-2018年南昌縣全部5020個(gè)惡性腫瘤病例數(shù)據(jù)進(jìn)行樣方分析，基于ArcGIS 10.2和excel 2013的計(jì)算結(jié)果表明，研究區(qū)總體VMR=1.435>1，說明南昌縣惡性腫瘤在空間上具有集聚特征，其惡性腫瘤患者的空間分布明顯區(qū)別于隨機(jī)分布狀態(tài)。

最鄰近指數(shù)(NNI)的分析結(jié)果顯示，2016-2018年全部病例在空間特征上具有顯著的集聚性，其NNI=0.075<1，標(biāo)準(zhǔn)化的z-scores為-125.244，P<0.001。從時(shí)間變化趨勢(shì)來看，2016、2017和2018年的NNI分別為0.099、0.113和0.138，P值都小于0.001，集聚特征具有顯著性。

空間自相關(guān)(Moran′s Index)分析結(jié)果顯示，2016-2018年三年全部惡性腫瘤患者在空間分布上的指數(shù)為0.120，高于隨機(jī)分布狀態(tài)下的期望值，具有一定的空間聚集性。另一方面，2016、2017和2018年的Moran′s Index值分別為0.141、0.056和0.026，也都大于隨機(jī)狀態(tài)下的數(shù)值，因此可以判定其分布格局具有顯著的空間自相關(guān)性質(zhì)。

2.空間集聚尺度

Ripley′s K和L(d)函數(shù)的分析結(jié)果進(jìn)一步表明了南昌縣惡性腫瘤空間分布格局的集聚性特征，2016-2018年及各年份的惡性腫瘤空間分布的L(d)值都高于期望值，并且在超過Monte Carlo模擬生成的置信區(qū)間范圍，說明其集聚性通過了顯著性檢驗(yàn)，具有統(tǒng)計(jì)學(xué)意義。2016-2018年總體的集聚區(qū)第一峰值的空間半徑為9.486km，集聚強(qiáng)度為3.125，集聚區(qū)面積為282.550km2。2016-2018年逐年度的L(d)函數(shù)分析結(jié)果如表1所示。

表1 南昌縣惡性腫瘤患者空間聚集性L(d)函數(shù)特征

3.空間集聚格局

圖2 2016-2018年南昌縣惡性腫瘤發(fā)病率冷熱點(diǎn)區(qū)域分析

討論與結(jié)論

目前，惡性腫瘤已成為我國人民健康的頭號(hào)殺手，也給個(gè)人、家庭和社會(huì)造成沉重的負(fù)擔(dān)，嚴(yán)重影響健康中國目標(biāo)的實(shí)現(xiàn)，已成為一個(gè)當(dāng)前亟待解決的公共衛(wèi)生問題。近年來，隨著醫(yī)學(xué)的發(fā)展，越來越多的患者通過規(guī)范的診治提高了生存期，但晚期惡性腫瘤患者的5年生存率不到20%[14]。因此，研究惡性腫瘤的流行病學(xué)特征對(duì)惡性腫瘤的早診早治、早期篩查具有重要意義。

本研究綜合利用ArcGIS工具，結(jié)合Matlab、Crimestat、Excel和Geoda等軟件，系統(tǒng)分析了南昌縣惡性腫瘤空間分布格局，結(jié)果表明，2016-2018年平均的惡性腫瘤發(fā)病率全縣均值為159.77/10萬；鄉(xiāng)鎮(zhèn)尺度上發(fā)病率最高為580.74/10萬、最低為25.51/10萬?？臻g自相關(guān)分析結(jié)果顯示Moran′s Index為0.120，高于隨機(jī)狀態(tài)值，說明惡性腫瘤空間分布具有顯著的空間自相關(guān)性質(zhì)。Getis-Ord Gi*冷熱點(diǎn)格局分析結(jié)果顯示近三年來總體的惡性腫瘤存在一個(gè)熱點(diǎn)區(qū)域和一個(gè)冷點(diǎn)區(qū)域，即由塘南鎮(zhèn)和涇口鄉(xiāng)組成的熱點(diǎn)區(qū)、由東新鄉(xiāng)和富山鄉(xiāng)組成的冷點(diǎn)區(qū)。從空間上來看熱點(diǎn)或次級(jí)熱點(diǎn)區(qū)主要分布于南昌縣的中部區(qū)域，冷點(diǎn)和次級(jí)冷點(diǎn)區(qū)則主要分布于南昌縣的北部和西部區(qū)域，其中熱點(diǎn)和次級(jí)熱點(diǎn)共計(jì)7個(gè)鄉(xiāng)鎮(zhèn)、冷點(diǎn)和次級(jí)冷點(diǎn)共計(jì)7個(gè)鄉(xiāng)鎮(zhèn)，其余4個(gè)鄉(xiāng)鎮(zhèn)為一般區(qū)域。冷熱點(diǎn)區(qū)域的探測(cè)結(jié)果可以為今后的癌癥早期預(yù)防區(qū)域的劃分提供基礎(chǔ)依據(jù)，提高早期篩查的效率和具體方向。同時(shí)，本次研究中的空間集聚特征變化趨勢(shì)也可以為惡性腫瘤監(jiān)測(cè)和公共衛(wèi)生健康規(guī)劃提供合理策略和劃分依據(jù)。