空间扫描统计量在手足口病空间聚集性研究中的应用

北京市顺义区疾病预防控制中心(101300) 张文增 李长青 冀国强 史继新 马玉欣 张松建

手足口病(Hand-foot-and-mouth disease，HMFD)是由多种肠道病毒(EV)引起的常见传染病，多发生于5岁以下儿童，大多数患者症状轻微，以发热和手、足、口腔等部位的皮疹或疱疹为主要特征，少数患儿可引起心肌炎、肺水肿、无菌性脑膜脑炎等并发症。个别重症患儿如果病情发展快，会导致死亡。自1974年Schmidt等首次报道以来〔1〕，全世界很多国家和地区先后报道了EV71的感染和流行情况。2008年5月2日，我国将手足口病纳入丙类法定报告传染病管理。北京市顺义区自2006年初开始有手足口病例报告，其后发病率呈逐年上升趋势。疫情资料表明，手足口病具有一定的时间和空间的聚集倾向或趋势。本文采用Tango等提出的Flexible空间扫描统计量对顺义区手足口病的空间聚集性进行研究，探讨手足口病发病的空间聚集性特征，为进一步探索影响手足口病发病的因素及制定有效的防控措施和卫生决策提供理论依据。

资料与方法

1．资料来源

2009年1月至2010年12月北京市顺义区手足口病疫情资料来源于“中国疾病预防控制信息系统”，参照网络直报工作要求对资料进行初步清理，并以“发病日期”计算手足口病发病时间以及病例的发病年龄，现住详细地址以及报告地区编码进行空间聚集性分析。人口资料来源于“中国疾病预防控制基本信息系统”的数据(统计局人口数);顺义区Map Info基础地理信息系统数据，包括区界及乡镇级以上界线等来自北京市疾病预防控制中心传地所。

2．方法

本研究采用Flexible空间扫描统计量分析软件FleXScan V3〔2〕进行病例的空间聚集性探测。Flexible空间扫描统计量是2005年Tango等在Kulldorff圆形扫描统计量基础上提出的〔3〕，主要是为了探测圆形扫描窗口探测不到的不规则形状聚集区域。对每一个扫描窗口，均根据Poisson分布计算出理论发病数，然后依据实际发病数和理论发病数构造检验统计量对数似然比(log likelihood ratio，LLR)，用LLR来评价扫描窗口内发病数的异常程度。通常LLR值越大，则该窗口发病数异常程度越高。通常将LLR最大的窗口定为发病数异常程度最高的窗口，然后对该窗口的统计学意义进行评价，即计算P值。Flexible空间扫描统计量计算的具体过程如下〔4〕。

将空间扫描统计量S定义为所有可能的扫描窗口Z中最大的似然比:

其中L(z)是扫描窗口Z的似然函数值，L0是基于无效假设得到的似然函数值。nz为扫描窗口Z中的实际发病数，μ(Z)为根据无效假设得到的扫描窗口Z中预期发病数，N是整个地区的总发病数，μ(G)为根据无效假设得到的整个地区的预期发病数，且有μ(G)=N。则Poisson模型的似然比为:

由于扫描统计量的概率分布极为复杂，本研究采用Kulldorff等提出的蒙特卡罗法(Monte Carlo method)计算检验统计量的P值，其迭代次数选择999。此外，除了对LLR最大的窗口进行评价外，扫描统计量还可对LLR较大的其他窗口进行统计学意义的评价，从而尽可能找出所有发病数异常的区域。

Flexible空间扫描统计量方法中扫描窗口采用预先设定最大相邻区域数K的方法，从而避免不合理的区域出现。参考以往文献可知，聚集最多覆盖地理区域个数不宜超过总地理区域个数的10% ～15%〔3，5〕，顺义区辖区共25个乡镇和街道，因此本研究在分析时使用cluster最多覆盖地理区域数K=3。由于顺义区手足口病发病情况在不同时间和不同地区差异较大，因此本研究对手足口病报告发病例数分乡镇分月份进行统计，利用人口数和报告发病数计算理论发病人数，以期获得更为全面和准确的聚集性探测结果。将数据导入FleXScanV3软件进行运算，并用Map Info软件将探测结果进行可视化呈现。

结 果

1．一般情况

2009年1月至2010年12月顺义区共报告手足口病3 376例，其中25例属于疑似病例，2例为地址不详病例，将其删除，余下3 349例病例纳入分析，其中临床诊断病例3 244例，实验室诊断病例105例。将报告病例数按月份做图可知，顺义区手足口病发病高峰主要在4～9月份，以夏秋季发病最高，呈明显的季节性(图1)。

2．空间聚集性分析结果(表1)

图1 2009年1月～2010年12月顺义区手足口病按月份分布情况

根据P值计算NOR(null occurrence rate)，计算公式:NOR=1/P天。NOR是指按假设不存在聚集性情况下，出现虚假聚集信号的时间间隔。例如 P=0.001，表示每1000天可能出现这样一个虚假聚集信号。

表1 2009年1月～2010年12月顺义区乡镇级手足口病例数据空间聚集性分析结果

由结果可知，不同月份顺义区手足口病空间聚集程度和空间聚集区域明显不同。手足口病高发月份空间聚集程度较低发月份强，空间聚集主要集中在4～9月份，这与手足口病的季节性发病特点一致。在手足口病发病率较低的月份，手足口病病例在地区间成散在的分布，无明显空间聚集性发生。随着发病率的上升，手足口病发生空间聚集cluster的个数逐渐上升，聚集区域也逐渐增多。

另外，手足口病发生聚集的区域主要在人口密集，外来人口聚集的乡镇，有的地区甚至连续几个月为聚集性区域。这基本符合手足口病城乡结合部相邻的街道或外来人口多的地区发病较高的特点。例如，2010年5～7月份，高丽营、天竺、后沙裕地区一直为手足口病病例聚集地区，其中高丽营镇4～8月份，后沙峪镇5～10月份均连续5个月为手足口病病例聚集地区。此类地区人群生活、居住的环境卫生条件较差，托幼机构管理水平低，人口稠密，居民手足口病等传染病防控知识缺乏，这些都为手足口病的传播和流行提供了条件。

3．Map Info图示

采用Map Info软件可以直观地显示Flexible空间扫描统计量分析结果，图中阴影所示的区域即为研究所确定的可能的手足口病发病的空间聚集区域(以2010年3、4月份分析结果为例，见图2～3)。

图2 2010年3月顺义区手足口病空间聚集性分析结果

图3 2010年4月顺义区手足口病空间聚集性分析结果

讨 论

目前，传染病空间聚集性的研究是全球公共卫生领域的热点问题之一。Kulldorf等于1997年提出圆形扫描统计量分析〔6〕，该方法采用大小和位置动态变化的圆形扫描窗口进行聚集性探测。该方法探测到的聚集性地理区域形状主要是圆形或者近似圆形。假如某传染病沿河流或交通路线传播，则聚集性的形态是狭长的条状，这种情况下，采用圆形扫描窗口就不能很好地对聚集性进行探测。2005年Tango等在Kulldorff圆形扫描统计量基础上提出Flexible空间扫描统计量方法，主要是为了在空间维度上探测圆形扫描窗口探测不到的不规则形状的聚集区域，通过对疾病未知的空间聚集性进行探索以达到早期预警的目的。与Kulldorff等提出的圆形扫描统计量不同，Flexible空间扫描统计量预先不设定扫描窗口的形状，而是以动态变化的不规则型空间扫描窗口对在地理边界上有连接的不同区域集进行扫描，同时该方法将扫描区域限制在每个起始区域周边的一个较小的邻域内〔7〕。有资料显示，在模拟数据的聚集性探测中，对圆形或近似圆形的聚集区域，Kulldorff圆形扫描方法有稍高的检验效能;而在非圆形的聚集区域时，Flexible扫描统计量的检验效能优于Kulldorff圆形扫描统计量，并且探测出的聚集区域更符合实际的情况〔7－8〕。

目前，扫描统计量方法已广泛应用于许多医学研究领域，用于疾病空间聚集性的探测以及早期预警。同时该方法还可以实现对聚集性的定位〔9－13〕。因该方法采用的概率模型对不同区域间非均匀的人口密度进行了校正以消除其潜在的影响，且采用大小可变的扫描窗口等特点又使其检验效能较其他分析方法显著提高，成为当前疾病时间聚集性或空间聚集性分析研究中的热点。而且，扫描统计量方法在分析之前对聚集性的大小、位置、规模没有进行任何设定，避免了选择偏倚的出现;作为探索性分析，可以最大限度地进行数据信息的挖掘，发现空间聚集性的存在。

据本研究的结果应进一步分析聚集区域与非聚集区域手足口病的发病特点及各项防控措施具体落实情况，并结合相应区域的经济、人文、文化等因素，为顺义区手足口病发病影响因素研究及有效防控措施的制定提供线索和理论依据。

1．Schmidt NJ．An apparently new enterovirus isolated from patients with disease of the central nervous system．Infect Dis，1974，129(3):304-309．

2．Takahashi K，Yokoyama T，Tango T．FleXScan:Software for the flexible spatial scan statistic．National Institute of Public Health，Japan;2004．

3．Tango T，Takahashi K．A flexibly shaped spatial scan statistic for detecting clusters．Int JHealth Geogr，2005，4:11．

4．周剑南，冯子健，谭柯，等．Flexible空间扫描统计量在传染病聚集性探测的应用研究．中华疾病控制杂志，2010，14(6):475-478．

5．Kulldorff M，Huang L，Pickle L，et al．An elliptic spatial scan statistic．Stat Med，2006，25(22):3929-3943．

6．Kulldorff M．A spatial scan statistic．Communications in Statistics，1997，26:1481-1496．

7．Takahashi K，Kulldorff M，Tango T，et al．A flexibly shaped space-time scan statistic for disease outbreak detection and monitoring．Int JHealth Geogr，2008，7:14．

8．Takahashi K，Tango T．A comparison of SaTScan and FleXScan for outbreak detection and monitoring．Advances in Disease Surveillance，2008，5:67．

9．Sankoh OA，Ye Y，Sauerborn R，et al．Clustering of childhood mortality in rural Burkina Faso．International Journal of Epidemiology，2001，30:485-492．

10．Perez AM，Ward MP，Torres P，et al．Use of spatial scan statistics and monitoring data to identify clustering of bovine tuberculosis in Argentina．Preventive Veterinary Medicine，2002，56:63-74．

11．Odoi A，Martin SW，Michel P，et al．Investigation of clusters of giardiasis using GISand spatial scan statistic．Int J Health Georg，2004，3(1):11．

12．殷菲，冯子健，李晓松，等．基于前瞻性时空重排扫描统计量的传染病早期预警系统．卫生研究，2007，36(4):455-458．

13．刘云霞，李士雪，王忠东，等．基于时空重排扫描统计量的结核病聚集性研究．公共卫生与管理学，2009(12):122-124．