重庆市2008-2012年手足口病空间聚集性及影响因素研究

唐小静，曾 庆，赵 寒，易 娟，李 勤，肖达勇，夏 宇，杨荣刚，方明金

手足口病是一种全球性传染病, 5岁以下儿童高发，其感染病原体以EV71、COXA16等肠道病毒居多。临床上可见发烧，手、足、口腔等部位的斑丘疹或水泡，严重者可致死[1]。据卫生部通报数据显示[2]，自手足口病2008年5月纳入丙类法定传染病管理以来，截止2012年底，我国共报告700多万手足口病例，其报告发病数、死亡数一直位列丙类传染病前一，年均发病率达107.94/10万。重庆市手足口病发病率较全国虽低，但已从2008年的16.51/10万上升到2012年的96.09/万，且呈逐年上涨趋势。近几年，空间统计分析已广泛应用于传染病监测中，其中又以空间自相关和空间回归分析最为经典[3]。目前，尚未见重庆市手足口病的空间分析方面的报告，而疾病资料表明，自2008年以来重庆市手足口病发病有明显的地区差异，因此从宏观尺度上认识重庆市手足口病的空间分布特点、探索其影响因素具有重要意义。本文利用软件OpenGeoDa建立重庆市2008-2012年手足口病发病资料数据库，对重庆市手足口病的空间分布规律及影响因素进行分析，为卫生资源优化配置政策的制定和手足口病防控管理提供依据。

1 资料与方法

1.1资料来源 疾病数据来源于重庆市疾病预防控制中心的《疾病监测信息报告管理系统》中的个案病例，重庆市2008-2012年按发病日期统计的手足口数据，包括原始卡和订正卡，删除重卡，剔除已删除卡(因重报、录入错误、误报、排除诊断及其他原因造成)，删除地址不详及疑似病例。利用Excel将疾病资料分别按地区、年份进行分类整理。地区划分以病人现住地址进行统计。文中涉及的人口、经济(人均工业化生产总值、城镇化率、城市职工人均可支配收入、农村居民人均可支配收入、城市最低生活保障率)、卫生资源(每千人口中的卫生技术人员及卫生机构数据)指标数据分别来源于2008-2012年《重庆市统计年鉴》(源自于统计年报)。重庆市自2011年起行政区划调整，万盛区和綦江县合并为綦江区，大足县和双桥区合并为大足区，新行政区划共38个区(县)，将2008-2010年疾病、人口、经济、卫生资源数据按照新的行政区划进行整理。数据来源真实可靠，具有权威性。

1.2OpenGeoDa软件包 美国国科会赞助推广的免费GIS 软件，旨在为非地理信息系统专业的学者提供一个友好的可视化操作界面，以shape文件作为存放空间信息的标准格式，可与其它GIS软件如ArcGis很好的衔接。其功能从简单的图形处理到探索性数据分析，包括全局和局域空间自相关分析，空间回归分析包括空间滞后模型和空间误差模型。OpenGeoDa能在各种操作系统下运行，操作简单，对于非地理信息系统专业的研究者是一个不错的选择。

1.3基本原理

1.3.1空间经验贝叶斯平滑 研究表明[4]，将发病率经空间经验贝叶斯平滑将其标准化。本文在OpenGeoDa中按空间权重以每年发病数为事件变量，以相应人口数为基础变量，进行空间经验贝叶斯平滑(Spatial Empirical Bayes Smooth)。

1.3.2全局空间自相关分析 描述研究区域内某一属性值的整体空间分布状况，以视其有无空间聚集性。本文选用指标Moran’s I对全局空间自相关性进行定性和定量分析，并对其进行显著性检验。Moran’s I[5]定义为：

(1)

本文以α=0.05为检验水准，若P<0.05时，提示存在全局自相关。全局Moran’s I系数在(-1,1)间取值，又分3种情况：(1)当I∈(0，1)时，提示存在正向空间自相关；(2)当I∈(-1,0)时，提示存在负向空间自相关，|I|越接近于1，呈现出越强的空间聚集性；(3)当I=0时，提示空间自相关不存在，观测值在空间上呈随机分布状态[6]。

1.3.3局域自相关分析 反映某个空间单元与周围邻居单元的相关性及其关联程度，以识别热点区域[7]。常用局域Moran’s I对其进行描述，其公式繁琐，因篇幅有限，本文不予介绍，请参阅文献[4]，实际意义的判定标准同全局Moran’s I。空间局域关联特征的可视化通过LISA聚集性地图实现。该地图上共有4种局部空间聚集模式，即：高-高聚集，低-低聚集，低-高聚集，高-低聚集。其中，高-高聚集，低-低聚集对应于全局关联指标中的空间正自相关，低-高，高-低则对应于全局关联指标中的空间负自相关[8]。

1.3.4空间回归模型 本文选用空间滞后模型(SLM)，对重庆市手足口病发病进行空间回归分析，模型形式如式(2)所示[9]：

Y=ρWy+Xβ+U

U～N(0,σ2+In)

(2)

式中，Y为结果变量，X为解释变量，ρ为空间自回归系数，β反映解释变量X变化对结果变量Y产生的影响，U为随机干扰项。

2 结 果

2.1基本情况 2008-2012年重庆市38个区(县)共报告手足口病病例82 204例，发病率介于16.51/10万～104.14/10万(标化：14.20/10万～102.33/10万)，年均发病率为64.96/10万(标化：63.07/10万)(见表1)。

表1 2008-2012年重庆市手足口病发病概况

2.2全局空间自相关分析结果 各年手足口病发病率空间经验贝叶斯平滑后，进行空间自相关分析，结果见表2。从中可以看出，2008年Moran′s I=0.133 2，Z<1.96，P>0.05，无统计学意义，说明2008年重庆市手足口病发病率没有空间聚集性，呈随机分布；2009-2012年Moran’s I>0，P<0.01，有统计学意义，说明2009-2012年重庆市手足口病发病率在整体上呈明显的空间正自相关，有空间聚集性。

2.3局域空间自相关分析结果 重庆市2008-2012年手足口病发病率的局部空间自相关表现为4种聚集模式：低-高、高-低聚集区较少，主要表现为高-高、低-低聚集，高高聚集区域集中在九龙坡区、江北区、沙坪坝区、渝北区、南岸区等主城区，低-低聚集则主要集中在酉阳县、彭水县、武隆县、丰都县、黔江区等渝东南地区(表3)。各区(县)LISA分布图见图1。

表2 重庆市2008-2012年手足口病全局空间自相关分析结果

表3 重庆市2008-2012年手足口病局部自相关分析结果

图2 重庆市2008-2012年手足口病发病率LISA分布图

2.4空间回归分析结果 重庆市38区(县)手足口病发病率数据呈偏态分布，经对数转换后呈近似正态分布，本文将以对数转换后的发病率进行普通线性回归(OLS)和空间回归分析。首先应用OLS对重庆市2008-2013年手足口病经对数转换后的发病率与同期的城市职工人均可支配收入(Disposable Income of Urban Residents per Capita)、农村居民人均纯收入(Net Income of Rural Residents per Capita)、城市最低生活保障率(Minimum Living Guarantee Rate of Urban Residents)、人均工业化生产总值(GDP per Capita)、城镇化率(Urban Rate)、每千人口中的卫生技术人员(Medical Technical Personnel per Thousand)、卫生机构数(Health Care Institutions)等指标进行拟合：R2=0.56,AIC=80.95,SC=94.05.残差的Moran’s I=0.278，P=0.002。结果表明：残差不独立，存在较强的空间自相关性，该资料不适合应用OLS进行拟合，因此本文选用引入了空间自相关性的空间滞后回归模型来定量分析各指标对转换后的发病率的影响。采用逐步法进行筛选，选择水平为0.2，结果城镇化率、人均工业化生产总值、卫生机构数、卫生技术人员/千人进入了多因素空间回归模型(见表4)。在多因素回归模型中，仅城镇化率(Z=3.158 0,P=0.001 6)、卫生技术人员/千人(Z=69.837,P=0.019 8)有统计学意义，AIC=69.837,SC=79.66,R2=0.66，模型拟合较好。

表4 重庆市手足口病SLM分析结果(单因素)

3 讨 论

对重庆市手足口病发病率从纵向的时间维度层面按年份进行全局空间自相关分析，结果表明：除2008年外，2009-2012年重庆市手足口病发病呈空间正自相关，Moran′s I指数在0.3～0.7之间，表现出中等及以上强度的空间聚集性。

为了识别重庆市2008-2012年手足口病空间聚集的高发区域和低发区域，对其进行局域空间自相关分析，以LISA聚集性地图进行可视化，发现随着时间的推移，聚集模式由多变少，最后呈现高-高、低-低两大聚集区域，其中低-低聚集区域有从渝中东部向渝东南部转移的趋势，具体原因还待进一步研究。而高-高聚集区域先由2008年的少数主城到从2009年开始主要集中在九龙坡区、渝北区、沙坪坝区、北碚区、南岸区等大多数主城区，并且基本保持不变，说明这些地区的手足口病发病率一直处于较高水平，在以后的防控工作中应将其作为重点防控对象。从2008-2012年的LISA聚集性地图上可以看出，低-低聚集区域有逐年扩大的趋势，说明：虽然整体上手足口病发病率逐年上升，但相应的预防控制工作在低-低聚集区域逐见成效，同时提示防控机构应积极寻找控制疾病发病的有利措施。

空间回归分析结果表明：重庆市2008-2012年手足口病发病与每千人口中的卫生技术人员呈负空间相关，即每千人口中的卫生技术人员越少，发病率越高，提示相关部门应注意合理配置人力卫生资源；重庆市手足口病发病与城镇化率呈正空间自相关，即手足口发病随着城镇化率的增高而增高，且回归系数远大于每千人口中的卫生技术人员数的系数值，成为了影响重庆市手足口病发病的主要经济因素。究其原因可能有以下二个方面：近5年，重庆市城镇化率都达到了50%以上，处于快速发展阶段，而随之出现的公共卫生问题也日益突显，对于城镇地区，人口越来越密集，气候、水源等生态环境遭破坏，这有利于手足口病的传播，霍爱梅[10]的研究也证实了这一点；对于农村地区，大批农民工进城务工，越来越多的留守儿童无人看管或得不到很好的照顾，容易养成不良卫生习惯(如饭前便后不洗手，咬手指)，增加了感染手足口病病毒的机会,这与安庆玉等[11]的研究结果也相吻合。

本文利用空间自相关和空间回归方法探讨重庆市2008-2012年手足口的空间分布规律、寻找其发病的影响因素，有利于相关部门了解重庆市手足口病的发病态势，有针对性的对疾病高发区域采取防控措施，寻找疾病低发区域的有利因素。与普通线性回归相比，空间回归模型将空间自相关性考虑在内，从本研究中的SLM分析结果得知：其AIC、SC都小于OLS中相应的值，而R2比OLS中的R2大，说明SLM模型能更好的挖掘疾病数据中的信息。

本研究与其他省市手足口病空间分析研究相比，有相同之处：手足口病发病的高-高聚集区域主要分布在人口密度大、流动性强的主城区[12]。亦有独特之处：不仅将经济因素纳入空间回归分析，还考虑了卫生机构数等卫生资源因素的影响。对于重庆，其他省市未研究过的城镇化率、每千人口的卫生技术人员影响着重庆市手足口病发病。

本研究也存在一些不足之处：①影响手足口病发病的其他可能因素如气象、个人免疫状况、卫生政策等指标未能收集到，不排除对结果造成一定的偏倚。②本研究以截面数据为研究对象，未能将时间序列特征纳入分析，忽略了随时间变化的个体效应，而综合了时间和空间效应的空间面板数据分析将是今后传染病监测研究的一个重要方向。

参考文献：

[1]Tian HF, Zhang Y, Sun Q, et al. Prevalence of multiple enteroviruses associated with hand, foot, and mouth disease in Shijiazhuang City, Hebei province，China: outbreaks of coxsackieviruses a10 and b3[J]. PLoS ONE, 2014, 9(1): e84233. DOI: 10.1371/journal.pone.0084233

[2]Chinese Center for Disease Control and Prevention. Legal infectious diseases report in 2012[EB/OL].(2013-03-27)[2014-05-04].http://www.chinacdc.cn/tjsj/fdcrbbg/201303/t20130327-79057.htm,2013. (in Chinese)

中国疾病预防控制中心.2012年度全国法定传染病疫情概况[EB/OL].(2013-03-27)[2014-05-04].http://www.chinacdc.cn/tjsj/fdcrbbg/201303/t20130327_79057.htm

[3]Zhou HF. A study on the spread model and spatial distribution of HFMD based on GIS[D]. Ningbo:Faculty of Architectural,Civil Engineering And Environment,Ningbo University, 2010. (in Chinese)

周海峰.基于GIS的手足口病扩散模型与空间分布研究[D].浙江:宁波大学建筑工程与环境学院,2010.

[4]Tsai PJ. Application of Moran’s test with an empirical Bayesian rate to leading health care problems in Taiwan in a 7-year period (2002-2008)[J]. Glob J Health Sci, 2012, 4(5): 63-77. DOI: 10.5539/gjhs.v4n5p63

[5]Liu G, Bi R, Wang S, et al. The use of spatial autocorrelation analysis to identify PAHs pollution hotspots at an industrially contaminated site[J]. Environ Monit Assess, 2013, 185(11): 9549-9558. DOI: 10.1007/s10661-013-3272-6

[6]Zhao X, Huang X, Liu Y. Spatial autocorrelation analysis of Chinese inter-provincial industrial chemical oxygen demand discharge[J]. Int J Environ Res Public Health, 2012, 9(6): 2031-2044. DOI: 10.3390/ijerph9062031

[7]Bhunia GS, Kesari S, Chatterjee N, et al. Spatial and temporal variation and hotspot detection of kala-azar disease in Vaishali district (Bihar), India[J]. BMC Infect Dis, 2013, 13(2): 64-75. DOI: 10.1186/1471-2334-13-64

[8]He MZ, Liu J, Li YP, et al. Spatial characteristic of distribution of onOncomelaniahupensisin mountainous regions[J]. Chin J Epidemiol, 2011, 32(4): 361-365. (in Chinese)

何明祯,刘剑,李源培,等.高山地区钉螺分布的空间特征研究[J].中华流行病学杂志,2011,32(4): 361-365.

[9]Zeng H, Yang P. Spatial regression analysis of housing prices in Nanjing[J]. J Southwest Univ (Nat Sci), 2012, 34(05): 141-145. (in Chinese)

曾晖,杨平.南京市住宅价格的空间回归分析[J].西南大学学报:自然科学版,2012,34(05): 141-145.

[10]Huo AM. Studies on environment-related factors of regional Infectious diseases and transmission simulation of imported infectious diseases[D]. Beijing: The Chinese People’s Liberation Army Military Academy of Medical Sciences, 2012. (in Chinese)

霍爱梅.区域传染病环境影响因素与输入传播模拟研究[D].北京：中国人民解放军军事医学科学院,2012.

[11]An QY, Yao W, Wu J, et al. Meta analysis on the risk factors of hand-foot-mouth disease[J]. Chin J Health Statistics, 2013, 30(40): 576-578. (in Chinese)

安庆玉,姚伟,吴隽，等.手足口病危险因素的Meta分析[J].中国卫生统计,2013,30(4)：576-578.

[12]Qian HQ, Jia L, Li XT, et al. Spatial characteristics and distribution of hand-foot-mouth disease in Beijing, 2009-2012[J]. Int J Virol, 2013, 20(5): 202-206. (in Chinese)

钱海坤,贾蕾,李锡太,等.2009-2012年北京市手足口病空间分布特征研究[J].国际病毒学杂志,2013,20(5)：202-206.