辽宁省2013-2015年麻疹空间流行病学特征分析

安晓慧，韩悦，高志峰，姚文清

（1. 辽宁省疾病预防控制中心免疫规划所，沈阳 110005； 2. 辽宁省疾病预防控制中心科教科，沈阳 110005； 3. 辽宁省动物疫病预防控制中心业务办公室，沈阳 110164； 4. 辽宁省疾病预防控制中心，沈阳 110005）

辽宁省2013-2015年麻疹空间流行病学特征分析

安晓慧1，韩悦2，高志峰3，姚文清4

（1. 辽宁省疾病预防控制中心免疫规划所，沈阳 110005； 2. 辽宁省疾病预防控制中心科教科，沈阳 110005； 3. 辽宁省动物疫病预防控制中心业务办公室，沈阳 110164； 4. 辽宁省疾病预防控制中心，沈阳 110005）

目的分析辽宁省2013年至2015年麻疹疫情的空间分布规律，为识别麻疹重点防控区域提供参考。方法使用GeoDa 1.4.6软件，运用探索性空间分析方法分析辽宁省麻疹疫情空间分布特征。结果频数分布分析显示，2013年至2015年辽宁省105个县区麻疹疫情均呈显著的正偏态分布。全局趋势分析表明，2013年和2015年麻疹疫情呈平稳分布趋势；2014年呈东、北部高发趋势。全局Moran指数分别为0.294 5、0.391 9、0.147 7；2013年至2015年辽宁省县区级麻疹疫情均呈正空间自相关。全局G系数分别为0.015 9、0.012 0、0.013 5，空间分布模式均为“高-高”聚集。局部空间自相关分析识别出5个疫情核心区和25个热点县区，主要分布在沈阳及沈阳周边的阜新、铁岭、抚顺、本溪、辽阳，西南部的盘锦、葫芦岛。结论辽宁省2013年至2015年麻疹发病存在空间聚集性。空间流行病学方法为麻疹的流行病学研究提供新的思路。

麻疹； 全局空间自相关； 局部空间自相关； 探索性空间数据分析

辽宁省2000年以后麻疹发病率总体上波动在1/10万～2/10万之间，麻疹监测以来2012年病例数最低；2013年在全国麻疹疫情反弹的背景下麻疹发病水平也出现了上升趋势，2014年麻疹疫情出现强势反弹；经过流行高峰后2015年疫情进入平稳期。目前辽宁省麻疹疫情主要呈现高度散发和局部暴发并存的流行特征［1］。深入探讨麻疹流行的空间分布规律，对于做好麻疹的监测和预防具有重大意义。本研究分析辽宁省2013年至2015年麻疹疫情的空间分布规律，寻找麻疹流行的热点区域，为麻疹的预防和控制工作提供依据。

1 材料与方法

1.1 资料来源

辽宁省2013年至2015年麻疹疫情数据来源于中国疾病预防控制信息系统的疾病监测信息报告管理系统。地理信息数据来源于辽宁省1∶100万县（市区） 界电子地图。

1.2 研究方法

应用GeoDa 1.4.6软件分析辽宁省麻疹疫情的空间自相关。空间自相关是一种空间统计方法，指同一个变量在不同空间位置上的相关性［2］。空间自相关分为全局空间自相关和局部空间自相关。全局空间自相关常用全局Moran指数、Geary’s C系数和全局G系数等指标来描述整个研究区域上所有空间对象之间的平均关联程度［3-5］。采用Z检验对空间自相关关系进行显著性检验，以α=0.05为检验水准。Z值为正值表示存在正相关，即观测数据之间趋于空间聚集，负值表示存在负相关，即观测数据之间趋于分散，Z=0时，观测数据呈独立随机分布。局部空间自相关常用局部Moran指数、局部G系数和Moran散点图来识别不同空间位置上可能存在的不同空间关联模式或空间集聚模式［6］，从而指出研究指标在空间的高高、高低、低低的空间分布特征。本研究应用全局Moran指数和全局G系数来探测辽宁省县区级麻疹疫情空间数据的全局空间自相关程度，应用局部Moran指数和Moran散点图来探测麻疹疫情的局部自相关程度，应用局部G系数分析输出麻疹疫情分布的热点地图，探索热点地区。

2 结果

2.1 疫情概况

2013年至2015年辽宁省累计报告麻疹病例9 298例，全省平均发病率7.060 0/10万；2013年至2015年的报告发病例数依次为332例、8 788例、178例。2013年至2015年报告发病率依次为0.756 4/10万、20.018 2/10万、0.405 4/10万。

分别对2013年至2015年全省105个县区的麻疹疫情进行频数分布分析。结果显示，各年麻疹疫情均显示为显著的正偏态分布，见表1。2014年全省麻疹疫情均呈现高发态势，根据箱线图法，辽阳白塔区、沈阳康平县、本溪桓仁满族自治县、铁岭昌图县4个县区麻疹发病率超过63.33/10万（ 上四分位数与1.5倍四分位距的和） ，是麻疹防治的重点县区。

表1 2013年至2015年辽宁省麻疹发病率分布特征统计表 （/10万）Tab.1 Distribution characteristics of measles incidence in Liaoning，2013-2015 （/100 000）

2.2 空间特征分析

2.2.1 麻疹发病率的全局趋势：以地理位置的横坐标 （经度） 和纵坐标 （纬度） 分别为自变量x轴、y轴，以麻疹发病率为z轴做趋势分析，投影结果提示，2013年和2015年全省县区级麻疹疫情的分布均呈现较为平稳的趋势；2014年麻疹报告发病率在全省范围内，北部发病高于南部，且趋势比较明显，东部发病高于西部，趋势较南北方向小。说明从全局趋势来看，2014年我省麻疹疫情呈现出东、北部地区高发趋势。

2.2.2 全局空间自相关分析：全局Moran指数分析结果显示，2013年至2015年辽宁省麻疹疫情均呈现正的空间自相关，表明麻疹发病在辽宁省的县区级水平上不是随机分布的，表现出相近值之间的空间聚集。各年麻疹疫情的全局G系数均＞期望值，差异具有统计学意义 （均P＜ 0.05） ，说明麻疹疫情的空间自相关是高值聚集，呈现“高-高”聚集分布。见表2。

2.2.3 局部空间自相关分析：

2.2.3.1 局部Moran指数 分别计算每个县区的局部Moran指数Ii与Zi值，并绘制麻疹疫情的县区级LISA聚集地图，见图1。在全省105个县区中探测出17个高-高聚集县区 （Ii＞0且Zi＞0） 、并出现相邻几个县区相互融合的现象。2013年麻疹疫情高-高聚集的县区8个，主要分布在沈阳市；2014年疫情高-高聚集的县区7个，主要分布在沈阳、辽阳、铁岭；2015年疫情高-高聚集的县区7个，主要分布在沈阳、葫芦岛，疫情高-低聚集的县区1个 （Ii＜0且Zi＞0） ，分布在丹东；其余县区各年均为聚集类型不显著。

表2 2013年至2015年辽宁省麻疹疫情全局自相关Moran指数和G系数分析Tab.2 Global Moran’s I and General G of measles incidence in Liaoning，2013-2015

图1 2013年至2015年辽宁省县区级麻疹疫情LISA聚集地图Fig.1 LISA aggregation map of prefectural measles incidence in Liaoning，2013-2015

2.2.3.2 局部G系数 分别计算每个县区的局部Gi系数与Zi统计量，进一步探测各年麻疹疫情的局部空间聚集程度，并绘制全省麻疹疫情分布的热点地图，见图2。可以看出热点县区有相邻几个县区融合的现象；2013年全省县区级麻疹疫情呈现出1个大的核心区，集中在辽宁省中部和北部、主要是沈阳和阜新部分县区；2014年疫情呈现出3个核心区，集中在辽宁省中部、北部和东部，主要是沈阳、抚顺、本溪、阜新、辽阳、铁岭部分县区；2015年疫情核心区再次集中在辽宁省中部、主要是在沈阳市，其次西南部的盘锦和葫芦岛部分县区也呈现出小的疫情核心区。研究共发现25个热点县区，见表3。

A，year 2013；B，year 2014；C，year 2015.

2.2.3.3 Moran散点图 以全省各县区麻疹观测值向量（z）和它的空间滞后向量（wz）为横纵坐标，绘制2013年至2015年全省各县区麻疹疫情Moran散点图，见图3。可见多数县区各年麻疹疫情都较多分布在第1和第4象限，即位于高-高和低-低聚集区，表明该县区麻疹发病率与周边相近，呈正的空间自相关。

表3 2013年至2015年辽宁省麻疹疫情热点县区Tab.3 Hot prefecture list of measles incidence in Liaoning，2013-2015

图3 2013年至2015年辽宁省各县区麻疹疫情Moran散点图Fig.3 Moran scatterplot of prefectural measles incidence in Liaoning，2013-2015

3 讨论

传统流行病学对空间分布的描述仅简单地对不同地区疾病的发病率作比较，尚不能深入挖掘传染病数据中的信息［7］。空间流行病学的兴起有力地扩展了流行病学的研究范围，减少了传统生物统计分析产生的偏倚以及由此带来的信息损失［8］，对空间位置信息和其他属性信息进行统一管理的地理信息系统也随之快速发展起来［9］。近年来地理信息系统技术在传染性疾病、慢性非传染性疾病和地方病的监测和防控中应用越来越广泛［10-12］，空间流行病学将在公共卫生领域发挥更大作用［13］。

研究结果显示，2013年至2015年辽宁省105个县区麻疹发病率均呈正偏态分布，通过全局Moran指数分析得出辽宁省麻疹发病的空间分布不是随机的，呈正的空间自相关，即随着空间分布位置或距离的聚集，相关性也越显著，但并不能准确判断存在的聚集区域是高值聚集或是低值聚集。全局G系数分析结果显示，疫情的空间分布模式均为“高-高”聚集。进一步通过局部空间自相关分析结果显示，麻疹疫情核心区域（5个）和热点县区（25个）主要集中在沈阳及沈阳周边 （阜新、铁岭、抚顺、本溪、辽阳等），西南部的盘锦、葫芦岛等地，很多疫情核心区域发生在辽宁省与邻省交界或辽宁省边界的县区。上述发现的核心区域和热点县区既是麻疹疫情聚集高发的地区，也是麻疹疫情的传播来源地区，应作为麻疹防治的重点地区。

沈阳作为省会城市，经济发达、医疗资源丰富，又存在人口集中、流动人口较多等社会因素，容易造成麻疹高发。疫情核心区域中相邻县区的发病率存在一定的相关性，发病情况互相影响。麻疹是免疫规划工作的晴雨表，本研究结果揭示了麻疹发病的热点区域，可能这些地区的麻疹防治工作存在漏洞，有必要深入分析造成聚集的主要原因。

本研究也存在一些局限性： （1） 本研究方法没有纳入时间因素，因此无法准确判断发病情况随时间的变化趋势。 （2） 本研究主要以县级为单位对麻疹疫情空间分布进行分析，忽略了县级城区与农村地区的麻疹发病率差异，变量的分布特征依赖空间尺度的大小、形状和范围，改变空间尺度会影响分析结果和统计推断，致使分析结果出现偏差。 （3）本研究只利用了地理信息和发病人数，没有将性别、年龄、职业、传播途径、民族和其他社会、经济、文化等多因素纳入调查研究，对辽宁省麻疹发病聚集性原因很难详尽探讨，在今后研究中可以纳入更多影响因素，从而产生更大的实际应用意义。

［1］ 唐继海. 地里信息系统技术在疾病预防控制中的应用［J］. 安徽预防医学杂志，2011，17（ 2） ：113-116.

［2］ 关鹏，曹爽，黄德生，等. 2005-2011年中国大陆地区梅毒疫情时空分布［J］. 中国感染控制杂志，2014，13（ 5） ：257-262. DOI：10.3969/j.issn.1671-9638.2014.05.001.

［3］ 山珂，徐凌忠，盖若琰，等. 中国2002-2011年肺结核流行状况GIS空 间 分 析［J］. 中 国 公 共 卫 生，2014，30（ 4） ：388-391. DOI：10.11847/zgggws2014-30-04-02.

［4］ 孙美兰，宋玉华，唐继海，等. 巢湖市2009-2015年手足口病时空流行特征分析［J］. 中华疾病控制杂志，2017，21（ 8） ：809-812. DOI：10.16462/j.cnki.zhjbkz.2017.08.014.

［5］ 张松林，张昆. 全局空间自相关Moran指数和G系数对比研究［J］.中山大学学报（ 自然科学版） ，2007，46（ 4） ：93-97. DOI：10.3321/j.issn：0529-6579.2007.04.021.

［6］ 陆步来，王劲峰，曾光. 疾病空间聚集性研究方法［J］. 疾病监测，2010，25（ 5） ：394-409. DOI：10.3784/j.issn.1003-9961.2010.05.017.

［7］ 殷菲. 时-空扫描统计量在传染病早期预警中的应用研究［D］. 成都：四川大学公共卫生学院，2007.

［8］ 王永，沈毅. 空间自相关方法及其主要应用现状［J］.中国卫生统计，2008，25（ 4） ：443-445. DOI：10.3969/j.issn.1002-3674.2008.04.039.

［9］ 汤国安，杨昕. 地理信息系统空间分析实验教程［M］. 2版，北京：科学出版社，2012.

［10］ 门佩璇. 我国梅毒疫情地理信息系统方法的建立与初步应用［D］. 北京：北京协和医学院，2014.

［11］ 宋全伟，李克莉，张国民，等. 中国2005-2014年乙型病毒性肝炎空间流行病学特征分析［J］. 中国疫苗和免疫，2015，21（ 6） ：601-605.

［12］ 汪旸. 地理信息系统（ GIS） 在研究江苏省地方性氟中毒流行中的应用［D］. 南京：东南大学，2004.

［13］ 周晓农，杨国静，杨坤，等. 中国空间流行病学的发展历程与发展趋势［ J］. 中华流行病学杂志，2011，32（ 9） ：854-858. DOI：10.3760/cma.j.issn.0254-6450.2011.09.002.

Spatial Analysis on Measles in Liaoning Province，China，2013-2015

AN Xiaohui1，HAN Yue2，GAO Zhifeng3，YAO Wenqing4
（1. National Immunization Program，Liaoning Provincial Center for Disease Control and Prevention，Shenyang 110005，China；2. Department of Science Education，Liaoning Provincial Center for Disease Control and Prevention，Shenyang 110005，China； 3. Business Management Office，Liaoning Provincial Center for Animal Disease Control，Shenyang 110164，China； 4. Liaoning Provincial Center for Disease Control and Prevention，Shenyang 110005，China）

ObjectiveTo explore the spatial distribution of measles from 2013 through 2015 in Liaoning province，China and to provide references for measles control and prevention.MethodsThe GeoDa 1.4.6 program was used to conduct exploratory spatial data analysis to identify the spatial distribution characteristics and pattern of measles in Liaoning province.ResultsThe frequency analysis showed that the measles epidemic situation appeared to have significant positive skewing within 105 counties of Liaoning province in each year from 2013 through 2015. The global trend analysis indicated a balanced trend in 2013 and 2015，and that the high incidence measles areas were located in the eastern and northern provincial regions in 2014. The global Moran’sⅠwas 0.294 5，0.391 9，and 0.147 7，and general G values were 0.015 9，0.012 0，and 0.013 5，revealing a positive spatial autocorrelation and a high-high aggregation model for each year between 2013 and 2015. The local spatial autocorrelation analysis recognized 5 core areas and 25 hot-spot counties with a high incidence of the measles epidemic，mainly distributed in Shenyang，Fuxin，Tieling，Fushun，Benxi，Liaoyang，Panjin，and Huludao.ConclusionMeasles cases were clustered geographically in Liaoning province from 2013 through 2015. Spatial epidemiology methods may offer insights for the epidemiologic study of measles.

measles； global spatial autocorrelation； local spatial autocorrelation； exploratory spatial data analysis

R511.1

A

0258-4646 （2018） 01-0062-05

http://kns.cnki.net/kcms/detail/21.1227.R.20171220.1425.028.html

10.12007/j.issn.0258-4646.2018.01.014

安晓慧 （1983-） ，女，主治医师，硕士研究生.

姚文清，E-mail：wenqingyao@sina.com

2017-03-13

网络出版时间：2017-12-20 14:26

（编辑 武玉欣）