基于地理加权回归模型的山东省临沂市结核病发病情况及其影响因素分析

董振 王萍萍 蔺跃付 姜秀波

［摘要］  目的  探討山东省临沂市各县区结核病发病登记率现况及其与相关影响因素的空间局域关系。

方法收集2019年1—12月临沂市12个县区的结核病发病及相关影响因素资料；采用Geoda 4.02软件分析空间自相关性；采用GWR 4.09软件构建最小二乘法（OLS）和地理加权回归（GWR）模型；采用ArcGIS 10.2软件绘制GWR模型影响因素的空间分布地图。

结果2019年临沂市结核病发病总计3 261例，总发病率为32.39/10万。不同县区、不同性别及年龄组之间结核病发病率差异均有统计学意义（χ2=71.257～1 532.464，P<0.001）。空间自相关分析结果显示为空间正相关（Moran I=0.234，P=0.021）。LISA聚类图结果显示，罗庄区和兰陵县为低-低聚集，莒南县为高-高聚集。OLS和GWR结果显示GWR模型各种诊断标准均优于OLS模型。GWR模型结果显示人口密度（β=－0.019）、人均受教育年限（β=－14.509）、每万人平均卫生技术人员数（β=－0.293）、空气质量指数（β=－15.438）对结核病发病率影响具有统计学意义（P<0.05）。

结论山东省临沂市2019年结核病发病率存在性别、年龄、地域差异。各县区结核病发病率存在空间聚集性。社会、环境、经济等因素对结核病发病率影响存在空间异质性。GWR模型较OLS模型对发病率影响因素的分析上具有独特优势性。

［关键词］  结核；患病率；空间回归；流行病学；最小二乘法；影响因素分析；地理学，医学

［中图分类号］  R195.4;R52

［文献标志码］  A

Incidence rate of tuberculosis and related influencing factors in Linyi City， Shandong Province， China： An analysis based on the geographical weighted regression model

DONG Zhen， WANG Pingping， LIN Yuefu， JIANG Xiubo

（School of Public Health， Qingdao University， Qingdao 266071， China）

;［ABSTRACT］ Objective To investigate the current registration rate of tuberculosis in each county and district of Linyi City， Shandong Province， China and its spatial local relationship with related influencing factors.

Methods Related data were collected for the incidence rate of tuberculosis and related influencing factors in 12 counties and districts of Linyi City from January to December 2019. Geoda 4.02 software was used to analyze spatial autocorrelation; GWR 4.09 software was used to construct an ordinary least squares regression （OLS） model and a geographic weighted regression （GWR） model; ArcGIS 10.2 software was used to plot the spatial distribution map of influencing factors based on the GWR model.

Results In 2019， there were 3 261 cases of tuberculosis in Linyi City， with an overall incidence rate of 32.39/100 000. There was a significant difference in the incidence rate of tuberculosis between different counties， sexes， and age groups （χ2=71.257-1 532.464， P<0.001）. The results of spatial autocorrelation analysis showed a positive spatial correlation （Moran I=0.234， P=0.021）. The results of LISA clustering analysis showed low-low clustering in Luozhuang District and Lanling County and high-high clustering in Junan County. OLS and GWR model analyses showed that the GWR model had better diagnostic criteria than the OLS model. The GWR model showed that population density （β=-0.019）， per capita education years （β=-14.509）， the number of health technicians per ten thousand people （β=-0.293）， and air quality index （β=-15.438） had significant effects on the incidence rate of tuberculosis （P<0.05）.

Conclusion

There are sex， age， and regional differences in the incidence rate of tuberculosis in Linyi City， Shandong Province in 2019. Spatial aggregation is observed for the incidence rate of tuberculosis in each county， and spatial heterogeneity is observed for the influence of social， environmental， economic factors on the incidence rate of tuberculosis. Compared with the OLS model， the GWR model has unique advantages in analyzing the influencing factors for incidence rate.

［KEY WORDS］ Tuberculosis; Prevalence; Spatial regression; Epidemiology; Least-squares analysis; Root cause analysis; Geography， medical

結核病是由结核分枝杆菌引起的慢性传染性疾病，以肺部结核最为常见［1］，是危害人类健康的重大疾病之一。作为一种典型的呼吸道传染病，结核病的发生符合因自身感染机制与特定的地理环境因素相互作用的特性［2］。随着地理信息技术的发展和完善，地理加权回归模型（geographically weighted regression，GWR）等空间聚集性分析技术也被广泛应用于结核病的流行病学研究中。多项地区性研究表明，结核病发病存在空间聚集性，并与人口、环境以及社会资源等因素有关［3-6］。

本研究拟采用2019年山东省临沂市12个县区结核病发病登记、人口、环境和社会经济等统计数据，探讨临沂市结核病发病率现况及空间分布特征，并评价人口密度、人均受教育年限、人均可支配收入、每万人平均卫生技术人员数、空气质量指数等因素对临沂市局部区域结核病发病率的影响，旨在为制定适宜的结核病防控策略提供科学依据［7］。

1 资料与方法

1.1 数据来源

2019年1—12月山东省临沂市12个县区的结核病病例资料来源于中国疾病预防控制信息系统及临沂市结核病防治中心的病案登记资料，人口数据等来自政府公开资料，临沂市矢量地图及地图数据来源于中国基础地理信息数据库。结核病发病率的影响因素选取人口密度（人/km2）、人均受教育年限（年）、人均可支配收入（元）、每万人平均卫生技术人员数（人）、空气质量指数等5项指标。

1.2 研究方法

1.2.1空间相关性分析 采用空间自相关系数来描述某现象在总体区域内的聚集特性。本研究采用Moran指数I描述区域结核病发病的全域空间自相关性，取值［－1，1］，小于0表示存在空间负相关，大于0存在正相关，绝对值越接近1则空间相关性越强［8］。通过制作局部指标（LISA）聚类地图及显著性地图分析局部相关关系［9］。

1.2.2最小二乘法回归模型及地理加权回归模型

最小二乘法回归模型（OLS）及GWR具体计算公式见参考文献［10］，本研究以2019年度结核病登记发病率为因变量，相关影响因素为自变量构建OLS模型及GWR模型，GWR模型分析选取Gauss函数法确定空间权重函数，采用赤池信息准则（AIC）来确定最优带宽［11］。

1.3统计学处理

使用SPSS 26.0 软件进行数据处理和一般分析，使用GeoDa 4.02软件进行空间相关性分析，使用GWR 4.09软件建立OLS及GWR模型，使用ArcGIS 10.2软件绘制GWR模型影响因素回归系数空间分布地图。

2 结  果

2.1 结核病发病基本情况

2019年山东省临沂市总人口1 006.46万，结核病新发登记病例总计3 261例，总发病率为32.39/10万。

2.1.1地区分布情况 临沂市12个县区当中，沂南县的发病率最高，为37.88/10万；兰山区最低，为22.18/10万。各县区结核病发病率比较，差异有统计学意义（χ2=71.257，P<0.05），见表1。

2.1.2性别分布情况 男性新发病例为2 362例，女性为899例，男性发病率为41.92/10万，女性为16.70/10万。不同性别发病率比较差异有统计学意义（χ2=591.801，P<0.05）。见表2。

2.1.3年龄分布情况 四个年龄组人群中，60岁以上的老年组结核病发病率最高，为68.20/10万。四个年龄组间发病率比较差异具有统计学意义（χ2=1 532.464，P<0.05）。见表3。

2.2 空间相关性分析

临沂市各县区结核病发病率分布如图1所示。空间相关性分析通过全域Moran散点图及蒙特卡洛模拟999次检验结果显示Moran I=0.234，差异有统计学意义（Z=2.289，P<0.05）。

通过LISA聚类地图分析局部相关性，结果显示罗庄区和兰陵县为低-低聚集，莒南县为高-高聚集（P均<0.05）。见图2。

2.3 结核病发病率的影响因素分析

2.3.1OLS模型结果 OLS模型结果显示人均受教育年限（β=0.562）、每万人平均卫生技术人员数（β=－0.154）、空气质量指数（β=－0.111）、人口密度（β=－0.011）对结核病发病率的影响均有统计学意义（P<0.05）。见表4。

2.3.2GWR模型结果 GWR模型结果显示，人口密度（β=－0.019）、每万人平均卫生技术人员数（β=－0.293）、人均受教育年限（β=－14.509）、空气质量指数（β=－15.438）对结核病发病率影响具有统计学意义（P<0.05），人均可支配收入期望值为0.001（P=0.065）。不同因素对结核病发病率的影响存在空间差异，即存在空间非稳定性。见表5。

2.3.3OLS与GWR模型诊断结果比较 比较两种模型的主要诊断指标发现，GWR模型的AIC以及残差平方和均小于OLS模型相应的指标。提示GWR模型的拟合结果显著优于OLS模型。见表6。

2.4 结核病发病率各影响因素回归系数分布地图

结核病发病率各影响因素GWR模型回归系数分布地图显示，临沂市西部县区如平邑县、费县等主要影响因素为人均可支配收入、人均受教育年限、每万人平均卫生技术人员数；东部县区如莒南县等主要影响因素为人口密度、空气质量指数。见图3。

3 讨  论

本研究汇集2019年山东省临沂市12个县区结

核病发病登记及社会环境经济等数据，采用地理加权回归等空间分析技术，探讨了临沂市各县区结核病发病现况及相关影响因素。结果显示2019年临沂市结核病总发病率32.39/10万，基于2020年中国人口普查数据［12］计算出全国人口年龄标化发病率33.77/10万，远低于当年全国55.55/10万［13］以及全球130/10万的结核病发病率水平［14］，略高于当年山东省29.85/10万水平［13］。临沂市男性居民结核病的发病率远高于女性，这可能与男性的压力较大，外出机会相对较多有关，其他如吸烟以及酗酒等高风险因素也会导致男性居民结核病的高发病率［15］。年龄方面60岁及以上的老年组发病远高于 其他年龄组。研究结果与全国和山东省年龄发病的相关数据结果一致［13］。原因可能与老年人免疫功能差，医疗服务依从性低等因素有关［16-17］。

本研究空间全局自相关分析结果显示，临沂市结核病发病表现为空间正相关，LISA聚集图结果显示，罗庄区和兰陵县为低-低聚集、莒南县为高-高聚集区域，证明了由于肺结核以呼吸道传播为主，空间相邻区域的疫情必然受到相互影响［18］，与各类传染病空间分析结果相一致［19］。

结核病作为一种由结核分枝杆菌引起的慢性传染病，引起最多的是肺部感染，其传播受到了社会经济、人口及环境因素等多方面的影响［20］。本研究显示，人均受教育年限、每万人平均卫生技术人员数、空气质量指数与结核病发病率呈负相关，与相关研究结果一致［21］。就区域而言，郯城县受教育因素的影响最大，兰陵县受到空气质量的影响最大，提示改善相关的影响因素可以有效地减少该地区该种疾病的发生。其中卫生资源对结核病的发病率影响比较大［22］，因此提高结核病人的医疗救治水平，能有效降低结核病发病率［23］。人口密度被认为是引起结核高发病率的主要原因之一［24］，本研究得出其回归系数（β=－0.019）绝对值较小，且系数估计值为负值，与其他研究結果相反，张文豪等［25］的研究证明城镇化率与结核病发病呈负相关，人口密度因素与城镇化率呈正相关［26］。2020年临沂市政府报告指出2019年临沂市城镇化率已达52.75%，其中最高的为兰山区80.35%，符合GWR模型中人口密度回归系数对发病率影响为负的空间分布特征。造成这种情况的原因可能与低城镇化率地区的医疗卫生条件较差、居民健康意识薄弱有关系。因此高城镇化率可能是造成人口密度因素的影响与预期相反的重要因素。

本研究GWR模型还显示，人均可支配收入的影响存在边缘统计学意义，提示临沂市结核病发病率与经济收入水平存在一定关联。结核病是导致我国居民特别是农村人口因病致贫的重要因素［27］，农村地区生活卫生等水平与城镇居民相比较低，治疗依从性差，因此农村经济水平的提升可以对全市结核病防控工作起到重要作用［28］。

本研究结核病数据来源于法定监测网络数据，与真实的发病率可能存在一定的差异，研究因素资料来源为政府网站及其公开统计数据，缺乏人口流动情况、膳食营养状况、城乡差异等其他结核发病影响因素数据，因此研究结果存在一定的局限性。

综上所述，山东省临沂市2019年结核病发病率存在性别、年龄、地域差别。各县区结核病发病率存在空间聚集性。社会、环境、经济等影响因素对不同地域的结核病发病率影响存在空间异质性。建议各县区根据本地影响因素的特点开展精准地方防控策略，进一步提高防控效果。

作者声明： 董振、姜秀波参与了研究设计；董振、王萍萍、蔺跃付、姜秀波参与了论文的写作和修改。所有作者均阅读并同意发表该论文，且均声明不存在利益冲突。

［参考文献］

［1］肖东楼，赵明刚，王宇，等. 中国结核病防治规划实施工作指南（2008年版）［M］.  北京：中国协和医科大学出版社， 2009：7.

［2］ 毕圣贤，胡锡健，张辉国. 2014—2018年中国大陆结核病疫情的时空分布特征及其影响因素［J］.  中华疾病控制杂志， 2021，25（7）：758-762，811.

［3］ 何秋平，郭亮永，朱荣健，等. 2010—2019年南宁市农村地区结核病空间分布特征分析［J］.  公共卫生与预防医学， 2022，33（1）：48-52.

［4］ 杨佳丽. 结核病空间分布特征及其影响因素的研究［D］.  北京：中国疾病预防控制中心， 2020：62.

［5］ 王若男，杨正贵，马宁，等. 2004—2019年宁夏地区肺结核时空分布差异的影响因素研究［J］.  中华疾病控制杂志， 2022，26（11）：1290-1295.

［6］ 张芳毓. 基于GWR模型的全国肺结核病影响因素分析［D］.  大连：大连理工大学， 2018：34.

［7］ 赵明扬，周乾宇，王荣荣，等. 基于时空地理加权回归模型的中国肺结核发病情况及影响因素研究［J］.  中国全科医学， 2023，26（5）：583-590.

［8］ REN L N， MATSUMOTO K. Effects of socioeconomic and natural factors on air pollution in China： A spatial panel data analysis［J］.  Sci Total Environ， 2020，740：140155.

［9］ 贺娇，孙金芳，杨欣，等. 我国沿海地区市售贝类腹泻性贝类毒素污染及膳食暴露的空间分析［J］.  中国食品卫生杂志， 2023，35（8）：1166-1173.

［10］ FOTHERINGHAM A S， CHARLTON M E， BRUNSDON C. Geographically weighted regression： A natural evolution of the expansion method for spatial data analysis［J］.  Environ Plan A， 1998，30（11）：1905-1927.

［11］ HUANG B， WU B， BARRY M. Geographically and temporally weighted regression for modeling spatio-temporal variation in house prices［J］.  Int J Geogr Inf Sci， 2010，24（3）：383-401.

［12］ 郭栋，佘竞雄. 中国人口普查分县资料—2020［M］. 北京：中国统计出版社， 2022：69.

［13］ 王前，李涛，杜昕，等. 2015—2019年全国肺结核报告发病情况分析［J］.  中国防痨杂志， 2021，43（2）：107-112.

［14］ CHAKAYA J， KHAN M， NTOUMI F， et al. Global Tuberculosis Report 2020——Reflections on the Global TB burden， treatment and prevention efforts［J］.  Int J Infect Dis， 2021，113（Suppl 1）：S7-S12.

［15］ LIU K， LI T， VONGPRADITH A， et al. Identification and prediction of tuberculosis in eastern China： Analyses from 10-year population-based notification data in Zhejiang Province， China［J］.  Sci Rep， 2020，10（1）：7425.

［16］ ADU P A， SPIEGEL J M， YASSI A. Towards TB elimination： How are macro-level factors perceived and addressed in policy initiatives in a high burden country？［J］.  Global Health， 2021，17（1）：11.

［17］ 王荣，杨晨，苗瑞芬，等. 南京市2011—2019年≥65岁老年肺结核病例特征分析［J］.  华南预防医学， 2021，47（11）：1470-1473.

［18］ KIANI B， RAOUF RAHMATI A， BERGQUIST R， et al. Spatio-temporal epidemiology of the tuberculosis incidence rate in Iran 2008 to 2018［J］.  BMC Public Health， 2021，21（1）：1093.

［19］ SLOAN C， CHANDRASEKHAR R， MITCHEL E， et al. Spatial and temporal clustering of patients hospitalized with laboratory-confirmed influenza in the United States［J］.  Epide-mics， 2020，31：100387.

［20］ WANG Q， GUO L， WANG J， et al. Spatial distribution of tuberculosis and its socioeconomic influencing factors in mainland China 2013—2016［J］.  Trop Med Int Health， 2019，24（9）：1104-1113.

［21］ HAYWARD S， HARDING R M， MCSHANE H， et al. Factors influencing the higher incidence of tuberculosis among migrants and ethnic minorities in the UK［J］.  F1000Res， 2018，7：461.

［22］ MOLLALO A， MAO L， RASHIDI P， et al. A GIS-based artificial neural network model for spatial distribution of tuberculosis across the continental United States［J］.  Int J Environ Res Public Health， 2019，16（1）：157.

［23］ 王前，周林，劉二勇，等. 我国县级结核病定点医疗机构结核病诊断能力现况调查研究［J］.  中国防痨杂志， 2020，42（9）：926-930.

［24］ 吕利平. 全国肺结核发病率分布特征的统计分析［D］.  兰州：兰州财经大学， 2019：39.

［25］ 张文豪，肖川，任涛，等. 2004—2013年绵阳市结核病发病的生态学趋势研究［J］.  四川大学学报（医学版）， 2016，47（5）：759-762.

［26］ 毛其智，龙瀛，吴康. 中国人口密度时空演变与城镇化空间格局初探：从2000年到2010年［J］.  城市规划， 2015，39（2）：38-43.

［27］ 杜志成，张王剑，郝元涛. 中国主要呼吸道传染病分布模式及其社会经济影响因素［J］.  中华疾病控制杂志， 2016，20（1）：5-8.

［28］ 赵宏宇，曾谊，马伟，等. 2012—2017年南京市肺结核流行特征分析［J］.  现代预防医学， 2020，47（13）：2322-2327.

（本文编辑 耿波 厉建强）