空間掃描統計量在手足口病空間聚集性研究中的應用

北京市順義區(qū)疾病預防控制中心(101300) 張文增 李長青 冀國強 史繼新 馬玉欣 張松建

手足口病(Hand-foot-and-mouth disease，HMFD)是由多種腸道病毒(EV)引起的常見傳染病，多發(fā)生于5歲以下兒童，大多數患者癥狀輕微，以發(fā)熱和手、足、口腔等部位的皮疹或皰疹為主要特征，少數患兒可引起心肌炎、肺水腫、無菌性腦膜腦炎等并發(fā)癥。個別重癥患兒如果病情發(fā)展快，會導致死亡。自1974年Schmidt等首次報道以來〔1〕，全世界很多國家和地區(qū)先后報道了EV71的感染和流行情況。2008年5月2日，我國將手足口病納入丙類法定報告?zhèn)魅静」芾怼１本┦许樍x區(qū)自2006年初開始有手足口病例報告，其后發(fā)病率呈逐年上升趨勢。疫情資料表明，手足口病具有一定的時間和空間的聚集傾向或趨勢。本文采用Tango等提出的Flexible空間掃描統計量對順義區(qū)手足口病的空間聚集性進行研究，探討手足口病發(fā)病的空間聚集性特征，為進一步探索影響手足口病發(fā)病的因素及制定有效的防控措施和衛(wèi)生決策提供理論依據。

資料與方法

1．資料來源

2009年1月至2010年12月北京市順義區(qū)手足口病疫情資料來源于“中國疾病預防控制信息系統”，參照網絡直報工作要求對資料進行初步清理，并以“發(fā)病日期”計算手足口病發(fā)病時間以及病例的發(fā)病年齡，現住詳細地址以及報告地區(qū)編碼進行空間聚集性分析。人口資料來源于“中國疾病預防控制基本信息系統”的數據(統計局人口數);順義區(qū)Map Info基礎地理信息系統數據，包括區(qū)界及鄉(xiāng)鎮(zhèn)級以上界線等來自北京市疾病預防控制中心傳地所。

2．方法

本研究采用Flexible空間掃描統計量分析軟件FleXScan V3〔2〕進行病例的空間聚集性探測。Flexible空間掃描統計量是2005年Tango等在Kulldorff圓形掃描統計量基礎上提出的〔3〕，主要是為了探測圓形掃描窗口探測不到的不規(guī)則形狀聚集區(qū)域。對每一個掃描窗口，均根據Poisson分布計算出理論發(fā)病數，然后依據實際發(fā)病數和理論發(fā)病數構造檢驗統計量對數似然比(log likelihood ratio，LLR)，用LLR來評價掃描窗口內發(fā)病數的異常程度。通常LLR值越大，則該窗口發(fā)病數異常程度越高。通常將LLR最大的窗口定為發(fā)病數異常程度最高的窗口，然后對該窗口的統計學意義進行評價，即計算P值。Flexible空間掃描統計量計算的具體過程如下〔4〕。

將空間掃描統計量S定義為所有可能的掃描窗口Z中最大的似然比:

其中L(z)是掃描窗口Z的似然函數值，L0是基于無效假設得到的似然函數值。nz為掃描窗口Z中的實際發(fā)病數，μ(Z)為根據無效假設得到的掃描窗口Z中預期發(fā)病數，N是整個地區(qū)的總發(fā)病數，μ(G)為根據無效假設得到的整個地區(qū)的預期發(fā)病數，且有μ(G)=N。則Poisson模型的似然比為:

由于掃描統計量的概率分布極為復雜，本研究采用Kulldorff等提出的蒙特卡羅法(Monte Carlo method)計算檢驗統計量的P值，其迭代次數選擇999。此外，除了對LLR最大的窗口進行評價外，掃描統計量還可對LLR較大的其他窗口進行統計學意義的評價，從而盡可能找出所有發(fā)病數異常的區(qū)域。

Flexible空間掃描統計量方法中掃描窗口采用預先設定最大相鄰區(qū)域數K的方法，從而避免不合理的區(qū)域出現。參考以往文獻可知，聚集最多覆蓋地理區(qū)域個數不宜超過總地理區(qū)域個數的10% ～15%〔3，5〕，順義區(qū)轄區(qū)共25個鄉(xiāng)鎮(zhèn)和街道，因此本研究在分析時使用cluster最多覆蓋地理區(qū)域數K=3。由于順義區(qū)手足口病發(fā)病情況在不同時間和不同地區(qū)差異較大，因此本研究對手足口病報告發(fā)病例數分鄉(xiāng)鎮(zhèn)分月份進行統計，利用人口數和報告發(fā)病數計算理論發(fā)病人數，以期獲得更為全面和準確的聚集性探測結果。將數據導入FleXScanV3軟件進行運算，并用Map Info軟件將探測結果進行可視化呈現。

結 果

1．一般情況

2009年1月至2010年12月順義區(qū)共報告手足口病3 376例，其中25例屬于疑似病例，2例為地址不詳病例，將其刪除，余下3 349例病例納入分析，其中臨床診斷病例3 244例，實驗室診斷病例105例。將報告病例數按月份做圖可知，順義區(qū)手足口病發(fā)病高峰主要在4～9月份，以夏秋季發(fā)病最高，呈明顯的季節(jié)性(圖1)。

2．空間聚集性分析結果(表1)

圖1 2009年1月～2010年12月順義區(qū)手足口病按月份分布情況

根據P值計算NOR(null occurrence rate)，計算公式:NOR=1/P天。NOR是指按假設不存在聚集性情況下，出現虛假聚集信號的時間間隔。例如 P=0.001，表示每1000天可能出現這樣一個虛假聚集信號。

表1 2009年1月～2010年12月順義區(qū)鄉(xiāng)鎮(zhèn)級手足口病例數據空間聚集性分析結果

由結果可知，不同月份順義區(qū)手足口病空間聚集程度和空間聚集區(qū)域明顯不同。手足口病高發(fā)月份空間聚集程度較低發(fā)月份強，空間聚集主要集中在4～9月份，這與手足口病的季節(jié)性發(fā)病特點一致。在手足口病發(fā)病率較低的月份，手足口病病例在地區(qū)間成散在的分布，無明顯空間聚集性發(fā)生。隨著發(fā)病率的上升，手足口病發(fā)生空間聚集cluster的個數逐漸上升，聚集區(qū)域也逐漸增多。

另外，手足口病發(fā)生聚集的區(qū)域主要在人口密集，外來人口聚集的鄉(xiāng)鎮(zhèn)，有的地區(qū)甚至連續(xù)幾個月為聚集性區(qū)域。這基本符合手足口病城鄉(xiāng)結合部相鄰的街道或外來人口多的地區(qū)發(fā)病較高的特點。例如，2010年5～7月份，高麗營、天竺、后沙裕地區(qū)一直為手足口病病例聚集地區(qū)，其中高麗營鎮(zhèn)4～8月份，后沙峪鎮(zhèn)5～10月份均連續(xù)5個月為手足口病病例聚集地區(qū)。此類地區(qū)人群生活、居住的環(huán)境衛(wèi)生條件較差，托幼機構管理水平低，人口稠密，居民手足口病等傳染病防控知識缺乏，這些都為手足口病的傳播和流行提供了條件。

3．Map Info圖示

采用Map Info軟件可以直觀地顯示Flexible空間掃描統計量分析結果，圖中陰影所示的區(qū)域即為研究所確定的可能的手足口病發(fā)病的空間聚集區(qū)域(以2010年3、4月份分析結果為例，見圖2～3)。

圖2 2010年3月順義區(qū)手足口病空間聚集性分析結果

圖3 2010年4月順義區(qū)手足口病空間聚集性分析結果

討 論

目前，傳染病空間聚集性的研究是全球公共衛(wèi)生領域的熱點問題之一。Kulldorf等于1997年提出圓形掃描統計量分析〔6〕，該方法采用大小和位置動態(tài)變化的圓形掃描窗口進行聚集性探測。該方法探測到的聚集性地理區(qū)域形狀主要是圓形或者近似圓形。假如某傳染病沿河流或交通路線傳播，則聚集性的形態(tài)是狹長的條狀，這種情況下，采用圓形掃描窗口就不能很好地對聚集性進行探測。2005年Tango等在Kulldorff圓形掃描統計量基礎上提出Flexible空間掃描統計量方法，主要是為了在空間維度上探測圓形掃描窗口探測不到的不規(guī)則形狀的聚集區(qū)域，通過對疾病未知的空間聚集性進行探索以達到早期預警的目的。與Kulldorff等提出的圓形掃描統計量不同，Flexible空間掃描統計量預先不設定掃描窗口的形狀，而是以動態(tài)變化的不規(guī)則型空間掃描窗口對在地理邊界上有連接的不同區(qū)域集進行掃描，同時該方法將掃描區(qū)域限制在每個起始區(qū)域周邊的一個較小的鄰域內〔7〕。有資料顯示，在模擬數據的聚集性探測中，對圓形或近似圓形的聚集區(qū)域，Kulldorff圓形掃描方法有稍高的檢驗效能;而在非圓形的聚集區(qū)域時，Flexible掃描統計量的檢驗效能優(yōu)于Kulldorff圓形掃描統計量，并且探測出的聚集區(qū)域更符合實際的情況〔7－8〕。

目前，掃描統計量方法已廣泛應用于許多醫(yī)學研究領域，用于疾病空間聚集性的探測以及早期預警。同時該方法還可以實現對聚集性的定位〔9－13〕。因該方法采用的概率模型對不同區(qū)域間非均勻的人口密度進行了校正以消除其潛在的影響，且采用大小可變的掃描窗口等特點又使其檢驗效能較其他分析方法顯著提高，成為當前疾病時間聚集性或空間聚集性分析研究中的熱點。而且，掃描統計量方法在分析之前對聚集性的大小、位置、規(guī)模沒有進行任何設定，避免了選擇偏倚的出現;作為探索性分析，可以最大限度地進行數據信息的挖掘，發(fā)現空間聚集性的存在。

據本研究的結果應進一步分析聚集區(qū)域與非聚集區(qū)域手足口病的發(fā)病特點及各項防控措施具體落實情況，并結合相應區(qū)域的經濟、人文、文化等因素，為順義區(qū)手足口病發(fā)病影響因素研究及有效防控措施的制定提供線索和理論依據。

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．周劍南，馮子健，譚柯，等．Flexible空間掃描統計量在傳染病聚集性探測的應用研究．中華疾病控制雜志，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，馮子健，李曉松，等．基于前瞻性時空重排掃描統計量的傳染病早期預警系統．衛(wèi)生研究，2007，36(4):455-458．

13．劉云霞，李士雪，王忠東，等．基于時空重排掃描統計量的結核病聚集性研究．公共衛(wèi)生與管理學，2009(12):122-124．