重慶市2008-2012年手足口病空間聚集性及影響因素研究

唐小靜，曾 慶，趙 寒，易 娟，李 勤，肖達勇，夏 宇，楊榮剛，方明金

手足口病是一種全球性傳染病, 5歲以下兒童高發，其感染病原體以EV71、COXA16等腸道病毒居多。臨床上可見發燒，手、足、口腔等部位的斑丘疹或水泡，嚴重者可致死[1]。據衛生部通報數據顯示[2]，自手足口病2008年5月納入丙類法定傳染病管理以來，截止2012年底，我國共報告700多萬手足口病例，其報告發病數、死亡數一直位列丙類傳染病前一，年均發病率達107.94/10萬。重慶市手足口病發病率較全國雖低，但已從2008年的16.51/10萬上升到2012年的96.09/萬，且呈逐年上漲趨勢。近幾年，空間統計分析已廣泛應用于傳染病監測中，其中又以空間自相關和空間回歸分析最為經典[3]。目前，尚未見重慶市手足口病的空間分析方面的報告，而疾病資料表明，自2008年以來重慶市手足口病發病有明顯的地區差異，因此從宏觀尺度上認識重慶市手足口病的空間分布特點、探索其影響因素具有重要意義。本文利用軟件OpenGeoDa建立重慶市2008-2012年手足口病發病資料數據庫，對重慶市手足口病的空間分布規律及影響因素進行分析，為衛生資源優化配置政策的制定和手足口病防控管理提供依據。

1 資料與方法

1.1資料來源 疾病數據來源于重慶市疾病預防控制中心的《疾病監測信息報告管理系統》中的個案病例，重慶市2008-2012年按發病日期統計的手足口數據，包括原始卡和訂正卡，刪除重卡，剔除已刪除卡(因重報、錄入錯誤、誤報、排除診斷及其他原因造成)，刪除地址不詳及疑似病例。利用Excel將疾病資料分別按地區、年份進行分類整理。地區劃分以病人現住地址進行統計。文中涉及的人口、經濟(人均工業化生產總值、城鎮化率、城市職工人均可支配收入、農村居民人均可支配收入、城市最低生活保障率)、衛生資源(每千人口中的衛生技術人員及衛生機構數據)指標數據分別來源于2008-2012年《重慶市統計年鑒》(源自于統計年報)。重慶市自2011年起行政區劃調整，萬盛區和綦江縣合并為綦江區，大足縣和雙橋區合并為大足區，新行政區劃共38個區(縣)，將2008-2010年疾病、人口、經濟、衛生資源數據按照新的行政區劃進行整理。數據來源真實可靠，具有權威性。

1.2OpenGeoDa軟件包 美國國科會贊助推廣的免費GIS 軟件，旨在為非地理信息系統專業的學者提供一個友好的可視化操作界面，以shape文件作為存放空間信息的標準格式，可與其它GIS軟件如ArcGis很好的銜接。其功能從簡單的圖形處理到探索性數據分析，包括全局和局域空間自相關分析，空間回歸分析包括空間滯后模型和空間誤差模型。OpenGeoDa能在各種操作系統下運行，操作簡單，對于非地理信息系統專業的研究者是一個不錯的選擇。

1.3基本原理

1.3.1空間經驗貝葉斯平滑 研究表明[4]，將發病率經空間經驗貝葉斯平滑將其標準化。本文在OpenGeoDa中按空間權重以每年發病數為事件變量，以相應人口數為基礎變量，進行空間經驗貝葉斯平滑(Spatial Empirical Bayes Smooth)。

1.3.2全局空間自相關分析 描述研究區域內某一屬性值的整體空間分布狀況，以視其有無空間聚集性。本文選用指標Moran’s I對全局空間自相關性進行定性和定量分析，并對其進行顯著性檢驗。Moran’s I[5]定義為：

(1)

本文以α=0.05為檢驗水準，若P<0.05時，提示存在全局自相關。全局Moran’s I系數在(-1,1)間取值，又分3種情況：(1)當I∈(0，1)時，提示存在正向空間自相關；(2)當I∈(-1,0)時，提示存在負向空間自相關，|I|越接近于1，呈現出越強的空間聚集性；(3)當I=0時，提示空間自相關不存在，觀測值在空間上呈隨機分布狀態[6]。

1.3.3局域自相關分析 反映某個空間單元與周圍鄰居單元的相關性及其關聯程度，以識別熱點區域[7]。常用局域Moran’s I對其進行描述，其公式繁瑣，因篇幅有限，本文不予介紹，請參閱文獻[4]，實際意義的判定標準同全局Moran’s I。空間局域關聯特征的可視化通過LISA聚集性地圖實現。該地圖上共有4種局部空間聚集模式，即：高-高聚集，低-低聚集，低-高聚集，高-低聚集。其中，高-高聚集，低-低聚集對應于全局關聯指標中的空間正自相關，低-高，高-低則對應于全局關聯指標中的空間負自相關[8]。

1.3.4空間回歸模型 本文選用空間滯后模型(SLM)，對重慶市手足口病發病進行空間回歸分析，模型形式如式(2)所示[9]：

Y=ρWy+Xβ+U

U～N(0,σ2+In)

(2)

式中，Y為結果變量，X為解釋變量，ρ為空間自回歸系數，β反映解釋變量X變化對結果變量Y產生的影響，U為隨機干擾項。

2 結 果

2.1基本情況 2008-2012年重慶市38個區(縣)共報告手足口病病例82 204例，發病率介于16.51/10萬～104.14/10萬(標化：14.20/10萬～102.33/10萬)，年均發病率為64.96/10萬(標化：63.07/10萬)(見表1)。

表1 2008-2012年重慶市手足口病發病概況

2.2全局空間自相關分析結果 各年手足口病發病率空間經驗貝葉斯平滑后，進行空間自相關分析，結果見表2。從中可以看出，2008年Moran′s I=0.133 2，Z<1.96，P>0.05，無統計學意義，說明2008年重慶市手足口病發病率沒有空間聚集性，呈隨機分布；2009-2012年Moran’s I>0，P<0.01，有統計學意義，說明2009-2012年重慶市手足口病發病率在整體上呈明顯的空間正自相關，有空間聚集性。

2.3局域空間自相關分析結果 重慶市2008-2012年手足口病發病率的局部空間自相關表現為4種聚集模式：低-高、高-低聚集區較少，主要表現為高-高、低-低聚集，高高聚集區域集中在九龍坡區、江北區、沙坪壩區、渝北區、南岸區等主城區，低-低聚集則主要集中在酉陽縣、彭水縣、武隆縣、豐都縣、黔江區等渝東南地區(表3)。各區(縣)LISA分布圖見圖1。

表2 重慶市2008-2012年手足口病全局空間自相關分析結果

表3 重慶市2008-2012年手足口病局部自相關分析結果

圖2 重慶市2008-2012年手足口病發病率LISA分布圖

2.4空間回歸分析結果 重慶市38區(縣)手足口病發病率數據呈偏態分布，經對數轉換后呈近似正態分布，本文將以對數轉換后的發病率進行普通線性回歸(OLS)和空間回歸分析。首先應用OLS對重慶市2008-2013年手足口病經對數轉換后的發病率與同期的城市職工人均可支配收入(Disposable Income of Urban Residents per Capita)、農村居民人均純收入(Net Income of Rural Residents per Capita)、城市最低生活保障率(Minimum Living Guarantee Rate of Urban Residents)、人均工業化生產總值(GDP per Capita)、城鎮化率(Urban Rate)、每千人口中的衛生技術人員(Medical Technical Personnel per Thousand)、衛生機構數(Health Care Institutions)等指標進行擬合：R2=0.56,AIC=80.95,SC=94.05.殘差的Moran’s I=0.278，P=0.002。結果表明：殘差不獨立，存在較強的空間自相關性，該資料不適合應用OLS進行擬合，因此本文選用引入了空間自相關性的空間滯后回歸模型來定量分析各指標對轉換后的發病率的影響。采用逐步法進行篩選，選擇水平為0.2，結果城鎮化率、人均工業化生產總值、衛生機構數、衛生技術人員/千人進入了多因素空間回歸模型(見表4)。在多因素回歸模型中，僅城鎮化率(Z=3.158 0,P=0.001 6)、衛生技術人員/千人(Z=69.837,P=0.019 8)有統計學意義，AIC=69.837,SC=79.66,R2=0.66，模型擬合較好。

表4 重慶市手足口病SLM分析結果(單因素)

3 討 論

對重慶市手足口病發病率從縱向的時間維度層面按年份進行全局空間自相關分析，結果表明：除2008年外，2009-2012年重慶市手足口病發病呈空間正自相關，Moran′s I指數在0.3～0.7之間，表現出中等及以上強度的空間聚集性。

為了識別重慶市2008-2012年手足口病空間聚集的高發區域和低發區域，對其進行局域空間自相關分析，以LISA聚集性地圖進行可視化，發現隨著時間的推移，聚集模式由多變少，最后呈現高-高、低-低兩大聚集區域，其中低-低聚集區域有從渝中東部向渝東南部轉移的趨勢，具體原因還待進一步研究。而高-高聚集區域先由2008年的少數主城到從2009年開始主要集中在九龍坡區、渝北區、沙坪壩區、北碚區、南岸區等大多數主城區，并且基本保持不變，說明這些地區的手足口病發病率一直處于較高水平，在以后的防控工作中應將其作為重點防控對象。從2008-2012年的LISA聚集性地圖上可以看出，低-低聚集區域有逐年擴大的趨勢，說明：雖然整體上手足口病發病率逐年上升，但相應的預防控制工作在低-低聚集區域逐見成效，同時提示防控機構應積極尋找控制疾病發病的有利措施。

空間回歸分析結果表明：重慶市2008-2012年手足口病發病與每千人口中的衛生技術人員呈負空間相關，即每千人口中的衛生技術人員越少，發病率越高，提示相關部門應注意合理配置人力衛生資源；重慶市手足口病發病與城鎮化率呈正空間自相關，即手足口發病隨著城鎮化率的增高而增高，且回歸系數遠大于每千人口中的衛生技術人員數的系數值，成為了影響重慶市手足口病發病的主要經濟因素。究其原因可能有以下二個方面：近5年，重慶市城鎮化率都達到了50%以上，處于快速發展階段，而隨之出現的公共衛生問題也日益突顯，對于城鎮地區，人口越來越密集，氣候、水源等生態環境遭破壞，這有利于手足口病的傳播，霍愛梅[10]的研究也證實了這一點；對于農村地區，大批農民工進城務工，越來越多的留守兒童無人看管或得不到很好的照顧，容易養成不良衛生習慣(如飯前便后不洗手，咬手指)，增加了感染手足口病病毒的機會,這與安慶玉等[11]的研究結果也相吻合。

本文利用空間自相關和空間回歸方法探討重慶市2008-2012年手足口的空間分布規律、尋找其發病的影響因素，有利于相關部門了解重慶市手足口病的發病態勢，有針對性的對疾病高發區域采取防控措施，尋找疾病低發區域的有利因素。與普通線性回歸相比，空間回歸模型將空間自相關性考慮在內，從本研究中的SLM分析結果得知：其AIC、SC都小于OLS中相應的值，而R2比OLS中的R2大，說明SLM模型能更好的挖掘疾病數據中的信息。

本研究與其他省市手足口病空間分析研究相比，有相同之處：手足口病發病的高-高聚集區域主要分布在人口密度大、流動性強的主城區[12]。亦有獨特之處：不僅將經濟因素納入空間回歸分析，還考慮了衛生機構數等衛生資源因素的影響。對于重慶，其他省市未研究過的城鎮化率、每千人口的衛生技術人員影響著重慶市手足口病發病。

本研究也存在一些不足之處：①影響手足口病發病的其他可能因素如氣象、個人免疫狀況、衛生政策等指標未能收集到，不排除對結果造成一定的偏倚。②本研究以截面數據為研究對象，未能將時間序列特征納入分析，忽略了隨時間變化的個體效應，而綜合了時間和空間效應的空間面板數據分析將是今后傳染病監測研究的一個重要方向。

參考文獻：

[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)

中國疾病預防控制中心.2012年度全國法定傳染病疫情概況[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的手足口病擴散模型與空間分布研究[D].浙江:寧波大學建筑工程與環境學院,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)

何明禎,劉劍,李源培,等.高山地區釘螺分布的空間特征研究[J].中華流行病學雜志,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)

曾暉,楊平.南京市住宅價格的空間回歸分析[J].西南大學學報:自然科學版,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)

霍愛梅.區域傳染病環境影響因素與輸入傳播模擬研究[D].北京：中國人民解放軍軍事醫學科學院,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)

安慶玉,姚偉,吳雋，等.手足口病危險因素的Meta分析[J].中國衛生統計,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)

錢海坤,賈蕾,李錫太,等.2009-2012年北京市手足口病空間分布特征研究[J].國際病毒學雜志,2013,20(5)：202-206.