2008—2013年温州市肺结核疫情时空流行病学分析

单志力 徐刚 周祖木 李君 钱明红 毛玲琼 朱小梅 张淑兰



·论著·

2008—2013年温州市肺结核疫情时空流行病学分析

单志力 徐刚 周祖木 李君 钱明红 毛玲琼 朱小梅 张淑兰

目的 分析2008—2013年温州市肺结核疫情的时空分布特征,发现高发聚集区域,探讨聚集原因。方法 根据“中国疾病预防控制信息系统”子系统“结核病管理信息系统”2008—2013年温州市肺结核“患者病案管理”模块的患者基本信息，以乡镇级为单位，用全局空间自相关和SaTScan 9.3软件对患者登记率进行时间、空间聚集性分析，通过ArcGIS 10.1软件呈现肺结核时空聚集区域。结果 2008—2013年温州市肺结核登记率从2008年78.23/10万(共登记7136例)降至2013年57.74/10万(共登记5267例)；全局空间自相关和时空扫描分析发现，温州市肺结核疫情存在明显聚集现象，其中城市核心区55个乡镇(街道)为肺结核疫情主要聚集区域，单纯空间扫描分析聚集半径为30.2 km，实际病例数为21 284例，RR=1.46，LLR=636.96，P<0.01；时空扫描分析聚集时间为2008—2010年，实际病例数为11 580例，RR=1.41，LLR=454.50，P<0.01；西部部分农村区域为次要聚集区域，分布于5个较小区域，LLR值在283.96至11.57不等，P值均<0.01。结论 时空扫描分析方法可以很好地应用于肺结核疫情高发重点区域分析，结合地理信息系统，能够更加直观、全面地展示疫情聚集区域。

结核; 时空分析; 空间聚集; 地理信息系统

结核病是长期严重危害我国乃至全球的公共卫生问题，近年来虽然花费大量人力和物力进行控制，但发病率仍居高不下[1-3]。作为一种传染性疾病，其发生、发展及流行等因素除了具有明显的空间属性和地域属性外，同时还具有相互作用和扩散现象[4]。本研究利用ArcGIS系统中的空间统计分析模块和SaTScan软件，分析2008—2013年温州市肺结核疫情的空间聚集区域及其变化，为结核病防治提供依据。

材料和方法

一、数据来源

信息数据来自2008—2013 年“中国疾病预防控制信息系统”子系统“结核病管理信息系统”温州地区报告登记的数据[5]；人口数据来源于温州市统计局公布的第六次人口普查资料[6-7]。根据“肺结核现有患者例数合计(包括涂阳、涂阴、未查痰、结核性胸膜炎患者例数)”和“常住总人口”两个变量计算各市(县)及乡镇(街道)肺结核登记率。

二、地理信息数据

地理信息数据来自温州勘察测绘研究院地理信息数据库，以数据属性表中行政地区关联肺结核的数据，建立空间分析属性数据库。

三、空间自相关

本研究首先利用ArcGIS 10.1软件空间统计分析模块计算全局空间自相关Moran’sI指标，并进行Z值统计学检验，以探测整个研究区域内的空间聚集模式，研究检验水准α=0.05；Z值大于1.96或小于-1.96时，α<0.05[8]。

四、SaTScan统计

利用SaTScan 9.3进行统计扫描分析，通过计算不同圆心、不同半径下动态窗口区域内与动态窗口区域外空间单元属性的似然比(LLR)进行统计学推断，探测聚集中心与聚集半径。LLR值越大且差异有统计学意义，则表示该动态窗口下所含区域为聚集区域的概率越大[9]。其中，一级空间聚集区域的LLR值最大，二级空间聚集区域较一级空间聚集区域的LLR值较小，说明其成为空间聚集区域的概率较一级聚集区域低，以此类推[10-11]。时间、空间扫描分析选用离散变量的泊松分布模型，以肺结核现有患者例数合计为病例数据(分子)，以常住人口数为人口数据(分母)，以各乡镇中心坐标为地理坐标数据进行分析，研究检验水准α=0.05。

五、地图绘制

根据整理的结核病登记数据及扫描统计分析的结果，利用ArcGIS 10.1软件关联数据，绘制地图。

结 果

一、基本情况

2008—2013年全市肺结核登记率总体呈现明显下降趋势，从2008年的78.23/10万(7136例)降至2013年的57.74/10万(5267例)；温州市各县(区)肺结核登记率也基本呈下降趋势。全市各乡镇(街道)级肺结核登记率差距较大，年均登记率从0到 281.18/10万不等，中位数66.75/10万；以西部农村地区为高，详见表1、图1。

二、时空聚集性分析

1.全局空间自相关：2008—2013年温州市肺结核登记率全局空间自相关分析结果显示，各年度的Moran’sI值均>0,Z值均>1.96，P<0.05,提示2008—2013年温州市肺结核登记率为非随机分布，呈空间聚集性分布，见表2。

2.空间聚集性分析：设定最大空间聚集区域人口占温州市总人口的50%，空间聚集性扫描分析结果显示，2008—2013年温州市各乡镇(街道)肺结核患病呈非均匀分布，扫描发现6个疫情聚集区域，涉及72个乡镇(街道)；一级聚集区域(即最可能存在聚集的区域)包括55个乡镇(街道)，主要集中在市区鹿城、瓯海、龙湾三个区以及瑞安北部，乐清、永嘉南部；其他次级聚集区域以西部农村为主，见表3。对同期温州市非本地户籍人口肺结核患病情况进行空间聚集性扫描，发现覆盖50个乡镇(街道)的一级聚集区域(表4)，与总人口肺结核患病一级聚集区域高度重叠。

表1 温州市各县(区)2008—2013年肺结核登记率(/10万)

图1 2008—2013年温州市各乡镇(街道)肺结核年均登记率的地理分布表2 2008—2013年温州市肺结核登记率 全局空间自相关结果

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年温州市各街道(乡镇)肺结核空间聚集性扫描分析结果

表4 2008—2013年温州市各街道(乡镇)流动人口肺结核空间聚集性扫描分析结果

3.时间聚集性分析：时间聚集性扫描分析结果显示，2008—2013年温州市各乡镇肺结核疫情并非按时间随机分布。设定最大时间聚集区域为总体登记时间区域的50%，发现1个聚集区域，即2008年1月1日至2009年12月31日，实际登记13 502例，预计应登记报告新涂阳肺结核患者12 228例，RR=1.16，LLR=98.04，P<0.01，说明2008年1月 1日至2009年12月31日温州市肺结核患者登记率明显高于其他时间段，呈时间聚集性。

4.时空聚集性分析：通过设定最大空间聚集区域为占温州市常住人口50%的区域，最大时间聚集区域为总体登记时间区域的50%，时空聚集性扫描分析结果显示，2008—2013年温州市各乡镇(街道)肺结核疫情呈非均匀分布，扫描发现4个聚集区域，涉及61个乡镇(街道)；一级聚集区域聚集时间为2008年1月1日至2010年12月31日，包括53个乡镇(街道)，基本与空间聚集性分析一级区域相近，但次级聚集区域较少，见表5。

讨 论

随着地理信息科学的发展与应用，越来越多的学者通过制作更专业的结核病专题地图来描述结核病的疫情。如Dangisso 等[12]绘制了全球各国结核病的流行、耐药、控制强度等方面的专题地图；康万里等[13]应用克里格(Kriging)插值，分析第四次全国结核病流行病学抽样调查资料，建立相关数据库，绘制了我国结核病发生水平的区域差异地图，使我国结核病空间分布可视化，并发现河南、湖北、湖南、安徽、江西、四川、重庆、贵州、西藏是我国活动性肺结核患病率较高的地区。Zhao等[14]通过空间扫描分析2005—2011年中国新涂阳肺结核与结核病总登记率，发现中国北部与西部地区为结核病聚集区域。应倩和陈坤[15]应用G统计量，对2006年浙江省肺结核的空间异质性进行分析，绘制了“2006年浙江省肺结核发病率的局部z(Gi)分布图”，发现浙江省玉环县、乐清市、平阳县等地为肺结核高发病率聚集区。然而，大多数研究都基于省市级或县级水平研究结核病的分布情况，较少有学者能够从乡镇级水平进行研究分析。本研究将结核病疫情数据结合地理信息系统，绘制了温州市县级及乡镇级肺结核专题地图，可以直观了解2008—2013年温州市肺结核发病时间与空间分布，发现近6年温州市的肺结核疫情呈不断下降趋势，2008—2009年明显高于其他时间，部分县市下降明显；发病率区域分布不均匀，西部农村地区发病率高于中东部城市区域。

表5 2008—2013年温州市各乡镇(街道)肺结核时空扫描分析结果

在传统的流行病学“三间”分析中，地区分析无法考虑相邻地区之间传染病的相互影响及传播。利用时空扫描分析方法探索传染病聚集性，由于事先未对聚集性的大小、位置、规模作任何假定，避免了选择偏倚，可以最大限度地进行数据信息的挖掘，发现聚集性的存在。通过分析2008—2013年温州市各乡镇(街道)肺结核登记患者，发现在空间、时间和时空上存在聚集的特定区域(时段)，表明全市肺结核登记患者均存在聚集现象。

2008—2013年温州市肺结核空间聚集性分析共发现6个存在聚集现象的区域，表明这些区域内各乡镇(街道)肺结核登记水平较为接近，即来自同一总体的概率更大。其中，一级聚集区域主要分布在鹿城、瓯海、龙湾等3个市区，以及瑞安北部，乐清、永嘉南部一大区域，虽然该区域的肺结核登记率并非列全市前列，但这些地区的肺结核患病却呈明显的聚集现象，与Liu等[16]报告的2005—2009年北京市的情况相似。出现空间聚集现象的原因有很多，除当地的肺结核疫情、结核病防治工作水平外，还可能与当地的气候、人口学特征、地理、经济、社会文化等诸多因素相关[17-21]。温州市鹿城、瓯海、龙湾等3个市区及瑞安北部，乐清、永嘉南部为温州市城市核心区，人口密度大，流动人口聚集，通过分析同期温州市流动人口聚集性，发现其一级聚集区域与常住人口聚集区域高度重叠，提示流动人口为该区域结核病聚集的重要因素。对于肺结核聚集的区域，卫生部门应加强监测，特别是加强对流动人口肺结核的控制措施与力度，落实优惠诊疗政策，加强感染控制等。

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

[2] Lönnroth 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] 全国第五次结核病流行病学抽样调查技术指导组，全国第五次结核病流行病学抽样调查办公室. 2010年全国第五次结核病流行病学抽样调查报告. 中国防痨杂志, 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，张淑兰，毛玲琼.温州市本地户籍老年人口肺结核流行病学分析.上海预防医学，2015,27(2)：57-58.

[6] 国家统计局温州调查队.温州统计年鉴2013(总第34期).北京：中国统计出版社，2014.

[7] 温州市人口普查办公室.温州市2010年人口普查资料.温州:温州市统计局，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] 赵飞，王黎霞，成诗明，等.中国2008—2010年结核病空间分布特征分析.中华流行病学杂志,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, Lindtjørn B.Spatio-temporal analysis of smear-positive tuberculosis in the Sidama Zone, southern Ethiopia.PLoS One,2015,10(6):e0126369.

[13] 康万里,端木宏谨,郑素华.空间插值技术在结核病分布中的应用//中华医学会结核病学分会.中华医学会结核病学分会2011年学术会议论文汇编. 北京：中华医学会结核病学分会,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] 应倩，陈坤.应用G统计量分析2006年浙江省肺结核的空间异质性.中华预防医学杂志,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 Ribeirão Preto, State of São Paulo,southeast Brazil, and their relationship with social vulnerability: a Bayesian analysis. Rev Soc Bras Med Trop, 2012,45(5):607-615.

[19] 孙果梅，路丽苹，彭文祥，等.2006--2009年上海市松江区结核病空间分布特征及影响因素.中华预防医学杂志,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] 丛明瑶，云妙英，阿德娜依·阿力肯.气候因子对肺结核发病率影响的分析.中华疾病控制杂志，2014,18(11):1051-1054.

(本文编辑：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

温州市科技计划项目(Y20140039)

325001 浙江省温州市疾病预防控制中心结核病防治科(单志力、李君、钱明红、毛玲琼、朱小梅、张淑兰)；温州市勘察测绘研究院地理信息中心(徐刚)；温州市疾病预防控制中心应急办(周祖木)

单志力，Email:zhili0245@163.com

2015-08-18)