廣州市登革熱流行風(fēng)險與地表景觀種類的預(yù)測

廣州市登革熱流行風(fēng)險與地表景觀種類的預(yù)測

登吉熱（df）是一種病毒性寄生蟲感染疾病。其主要傳播者伊蚊長期孳生于我國大部分地區(qū),特別是東南沿海一帶。DF病毒感染者會呈現(xiàn)不同的疾病形式:首先是無癥狀的登革熱,更為嚴(yán)重的會出現(xiàn)登革出血熱(denguehaemorrhagicfever,DHF)以及登革休克綜合征(dengueshocksyndrome,DSS),其中DHF的死亡率高達(dá)30%~40%。登革熱與環(huán)境有著緊密的聯(lián)系,因?yàn)樘囟ǖ牡乩憝h(huán)境會為伊蚊的孳生提供有利的條件,而特定的土地利用類型也反映了當(dāng)?shù)鼐用衽c伊蚊孳生地的交互狀態(tài)。因此,為了優(yōu)化DF宏觀預(yù)防措施的決策依據(jù),本文采用時間-空間分析方法,研究2002年廣州市DF的暴發(fā)狀況,并用地理學(xué)統(tǒng)計方法,對DF環(huán)境風(fēng)險因子予以標(biāo)識。1材料和方法1.1廣州市的人口分布研究區(qū)為廣州市2002年12個地區(qū),人口數(shù)據(jù)通過2003年統(tǒng)計年鑒查閱獲取。廣州市的人口分布是不均勻的,人口集中于中部以及西南部。廣州市土地資源數(shù)量有限,但土地類型多樣,適宜性廣,主要地類為城鎮(zhèn)建設(shè)用地,農(nóng)業(yè)耕地以及林業(yè)用地,中部為丘陵盆地,南部是沿海沖積平原。1.2df病例新發(fā)現(xiàn)醫(yī)療數(shù)據(jù)由廣東省疾病預(yù)防控制中心提供,包括逐月逐區(qū)的DF病患人數(shù)。2002年全年,廣州市DF病患總?cè)藬?shù)達(dá)1069人,疫情從5月到11月共持續(xù)了7個月,除了從化市外,病例在其他各區(qū)均有發(fā)現(xiàn)。各地區(qū)的中心位置通過地理信息系統(tǒng)(ArcGISTM9.2)的手段獲取。1.3檢測數(shù)據(jù)處理采用MODIS-VI(250M)作為本次研究的數(shù)據(jù)獲取源,提取該圖像6(近紅外波段),8(中紅外波段),5(可見光紅波段)三層做彩色合成并進(jìn)行監(jiān)督分類(ERDASTM9.1)。根據(jù)手中數(shù)據(jù)所反映的登革熱疫情狀況,選取時間跨度為2002年5月至11月,共7個月的圖像進(jìn)行分析處理。分類中標(biāo)明的景觀類別包括:開放水域、山地草坪、沼澤、濕地、林地、灌木、果園、菜田、農(nóng)田、城鎮(zhèn)用地、開發(fā)用地以及未標(biāo)識的用地。將分類好的圖像以廣州各區(qū)為單位統(tǒng)計各種地類在該地區(qū)中所占面積比例。由于2002年廣州市含12個次級行政區(qū),故一共取得了84組數(shù)據(jù)。1.4統(tǒng)計分析1.4.1聚集圈的定位和測量通過使用SaTScanTM軟件,對2002年廣州市的DF暴發(fā)進(jìn)行時空分析研究。掃描(Scan)分析在近年來已經(jīng)越來越廣泛的用于流行性疾病的研究中。該分析既能夠定位聚集圈,又能測試聚集狀況的統(tǒng)計學(xué)顯著性。本研究采用的回顧式時空分析是基于泊松模型(PoissonModel)的。簡單來說,掃描分析的過程為,逐步地將不同半徑的聚集圈設(shè)于每個可用地之上,然后比較案例數(shù)量在該地區(qū)的比率以及在聚集圈內(nèi)的比率。該項技術(shù)也有一個不足,就是它假設(shè)了聚集狀況都是圓形分布的。1.4.2模型評價實(shí)驗(yàn)借鑒并改進(jìn)Leblond等在研究西尼羅河病中所采用的統(tǒng)計學(xué)方法進(jìn)行與DF相關(guān)的環(huán)境風(fēng)險因子標(biāo)識。預(yù)處理階段,將84組環(huán)境數(shù)據(jù)按有無DF病例劃分為案例(Cases)與控制(Controls)兩類。為了突出在案例中出現(xiàn)的頻度較高的地表因子的重要性,研究中試驗(yàn)性的引入了權(quán)重的計算,權(quán)重是根據(jù)空間-時間分析中所定義的聚集圈來確定的。進(jìn)行權(quán)重計算之后,將數(shù)據(jù)導(dǎo)入SPSS軟件中。首先采用Mann-WhitneyU分析對比案例與控制中各地類比例。之后使用Pearson相關(guān)性矩陣來檢查各環(huán)境變量之間的相互依賴狀況。使用逐步回歸分析選出具有統(tǒng)計學(xué)意義的因子,與Mann-WhitneyU分析顯著的因子進(jìn)行因子組合。研究使用廣義線性模型(GLM)對不同因子組合進(jìn)行評價工作,每個參數(shù)的統(tǒng)計學(xué)意義通過計算可能性比率得到,用于驗(yàn)證之前因子選擇的工作,被選中的模型應(yīng)具有P<0.05的特征。通過Log-Log連接功能的引入,可以得到模型適合度的評價指數(shù)(akaikeinformationcriteria,AIC)。結(jié)果中AIC在兩位數(shù)以內(nèi)的因子組合將被定義為最合適用于分析模型的因子組合。最終模型的確立是通過建立二態(tài)邏輯回歸分析模型,分析模型預(yù)測效果而得到的。2結(jié)果2.1相對風(fēng)險分析回顧式的時空分析得出了一個最有可能的聚集圈,其空間窗口為6.2km、時間窗口為3個月。有兩個聚集圈被標(biāo)識,它們的相對風(fēng)險(relativerisk,RR)分別為11.53以及5.10。RR為觀測地區(qū)實(shí)際病例數(shù)與對應(yīng)的Scan分析中預(yù)期的病例數(shù)的比值,數(shù)值越大,反映了該案例區(qū)出現(xiàn)疫情異常的可能性越大。它們的時空特性以及地理位置如表1、圖1所示。2.2df發(fā)病地區(qū)-時間分析廣州市是城市發(fā)展程度比較高的地區(qū),故城市建設(shè)用地占有較大的成分。將所有84個子地圖按有無DF病例分為45個案例以及39個控制)。案例區(qū)與控制區(qū)不僅具有空間屬性,還有與之對應(yīng)的時間屬性,因此引入權(quán)重,權(quán)重是通過空間-時間分析中所得到的聚集狀況確定的,對比分析DF發(fā)病區(qū)(案例區(qū),數(shù)量=45×權(quán)重)不同地類的成分(圖2)與無DF病例地區(qū)(控制區(qū),數(shù)量=39)的地類情況(圖3),得出:城鎮(zhèn)建設(shè)用地、干草場、林地的比例均發(fā)生了較大的變化,分別變化了22.41%、12.79%、8.09%。而變化率依次為果園(-84.53%)、城鎮(zhèn)建設(shè)用地(-34.66%)、開放水域(2.31%)、濕草場(13.66%)、灌木(59.08%)、林地(74.43%)、開發(fā)用地(105.64%)、菜田(109.93%)、干草場(150.80%)以及農(nóng)田(559.26%)。2.3注重實(shí)證檢驗(yàn),增加因子組合將引入權(quán)重之后的案例區(qū)與控制區(qū)的地類成分?jǐn)?shù)據(jù)進(jìn)行雙變量Mann-Whitney分析,結(jié)果表明:果園看起來會對DF案例的出現(xiàn)承擔(dān)較大的風(fēng)險(P<0.005),這里分為重要級,而農(nóng)田、開發(fā)用地、干草場也較為顯著(P<0.01),故分為次要級,而城鎮(zhèn)建設(shè)用地以及林地也與DF發(fā)生較為相關(guān),這里分為影響級(P<0.05)。相關(guān)性分析表明,建設(shè)用地、干草場以及灌木是與林地高度相關(guān)的,相關(guān)性系數(shù)分別為-88.3%、-67.5%、-64.3%。因此,林地將在后續(xù)的統(tǒng)計分析中被剔除。對剔除后變量集合加入權(quán)重,進(jìn)行逐步回歸分析,篩選最具有統(tǒng)計學(xué)意義的因子為:開放水域、果園、干草場、灌木和濕草場。主成分分析后表明,每個因子都具有較大的方差貢獻(xiàn),故在此不對其進(jìn)行刪減工作。為了分析的全面性,依照因子的重要級別以及統(tǒng)計學(xué)意義,確定考慮的因子集合為{開放水域,果園,干草場,灌木,濕草場,農(nóng)田以及開發(fā)用地},后將其進(jìn)行不同的因子組合。為了避免對案例區(qū)具有統(tǒng)計學(xué)意義的因子引入過少,規(guī)定選擇的因子組合不少于4個元素,因此共得64組。GLM分析結(jié)果表明,64組模型的P值全部小于0.02,而且64組模型的AIC值均為兩位數(shù),集中于75至90之間,可見之前因子集的選擇工作是具有一定準(zhǔn)確性的。二態(tài)邏輯回歸分析模型表明,對案例區(qū)的預(yù)測度最高(91.1%)的模型包括:開發(fā)用地(X1)、農(nóng)田(X2)、開放水域(X3)、濕草場(X4)4個地類因子,該模型函數(shù)為:PCa=EXP(3.447×X1+1.434×X2+65.531×X3?376.835×X4+0.018)1?EXP(3.447×X1+1.434×X2+65.531×X3?376.835×X4+0.018)(1)ΡCa=EXΡ(3.447×X1+1.434×X2+65.531×X3-376.835×X4+0.018)1-EXΡ(3.447×X1+1.434×X2+65.531×X3-376.835×X4+0.018)(1)對控制區(qū)預(yù)測度最高(71.8%)的模型有兩組,分別包括果園(X1)、農(nóng)田(X2)、濕草場(X3)、開發(fā)用地(X4)(該模型同樣為綜合預(yù)測水平最高的模型,達(dá)到70.2%)以及開放水域(X′1)、果園(X′2)、農(nóng)田(X′3)、開發(fā)用地(X′4),其模型函數(shù)如下:POv=EXP(2.055×X1+109.9×X2?268.128×X3+34.186×X4?0.177)1?EXP(2.055×X1+109.9×X2?268.128×X3+34.186×X4?0.177)(2)ΡΟv=EXΡ(2.055×X1+109.9×X2-268.128×X3+34.186×X4-0.177)1-EXΡ(2.055×X1+109.9×X2-268.128×X3+34.186×X4-0.177)(2)PCo=EXP(88.027×X′1?303.197×X′2+32.964×X′3+1.957×X′4?0.109)1?EXP(88.027×X′1?303.197×X′2+32.964×X′3+1.957×X′4?0.109)(3)ΡCo=EXΡ(88.027×X′1-303.197×X′2+32.964×X′3+1.957×X′4-0.109)1-EXΡ(88.027×X′1-303.197×X′2+32.964×X′3+1.957×X′4-0.109)(3)對案例區(qū)預(yù)測度達(dá)到75%以上的模型共有17組,入選的因子按入選概率排序?yàn)殚_發(fā)用地、灌木、濕草場、開放水域、農(nóng)田、果園以及干草場,它們的入選概率分別為94.1%、82.3%、76.5%、75.5%、64.7%、41.2%、23.5%,其中干草場并沒有顯著的提高模型的預(yù)測度。對控制區(qū)擬合度達(dá)60%以上的模型共有13組,各因子的入選概率為果園(100.0%)、開放水域與濕草場(各75.0%)、農(nóng)田和灌木(各58.3%)、開發(fā)用地和干草場(各33.3%)。3時間聚集圈和權(quán)重本文的研究目的為,其一,研究疾病發(fā)生可能的時空聚類,從而探索登革熱與環(huán)境相關(guān)的假設(shè);其二,通過使用遙感圖像獲得的地表景觀信息,分析預(yù)測適宜媒介和寄主交流的環(huán)境元素。掃描分析作為一種流行病學(xué)研究的方法,已經(jīng)常用于對疾病的格局進(jìn)行空間-時間分析研究中。研究人員在使用掃描分析時都不約而同地指出了該項技術(shù)的關(guān)鍵所在——該如何定義研究中所應(yīng)用到的掃描窗口。理想情況下,掃描窗口應(yīng)該通過疾病的生物學(xué)特性來定義。對于廣州市,登革熱病毒的媒介是伊蚊。成年的伊蚊可以進(jìn)行長途的遷移(10~20km),離開自己的孳生地,然而在秋季則可達(dá)到45km。本研究設(shè)置空間窗口最大值恰能覆蓋廣州市50%患病人口,該窗口半徑值是小于20km的,而時間窗口的最大值則被設(shè)置為研究時間段的50%。最后,兩個空間聚集圈被標(biāo)識,其中最可能的中心位于東山區(qū),半徑6.2km,范圍覆蓋越秀區(qū)以及荔灣區(qū),該聚集圈的伊蚊媒介可能孳生于較為偏遠(yuǎn)的地區(qū),經(jīng)過長途的遷徙到達(dá)市區(qū),而市區(qū)建筑表面積水以及市政排水設(shè)施為伊蚊的重新孳生繁殖提供了有利的條件。另一聚集圈中心位于增城市,由于數(shù)據(jù)輸入的精度有限,掃描分析并沒有計算出該聚類的半徑。從地表景觀判斷,該區(qū)存在伊蚊孳生地條件的可能性較大,故媒介應(yīng)該只經(jīng)過了短期的遷移。時間縱度上,從最初的登革熱案例統(tǒng)計數(shù)據(jù)中得出,5~11月為登革熱的流行季節(jié),11月至次年4月為登革熱的非流行季節(jié),符合媒介伊蚊的發(fā)育周期。而本研究中為主次兩個空間聚集圈所確定的時間窗分別為8月至10月與9月,由此可以得到假設(shè):在廣州,每年的8、9、10月份為伊蚊吸血行為最為活躍的時間段。研究采用了非常有趣的描述性分析,對比有病例地區(qū)與無病例地區(qū)之間各種地類成分的差異。在研究中,權(quán)重的計算方法為,各地區(qū)的DF病患數(shù)與對應(yīng)的空間、時間聚集圈重要程度的乘積。根據(jù)地理學(xué)與流行病學(xué)的專家經(jīng)驗(yàn),筆者試探性的規(guī)定:空間,時間一級聚集圈的重要程度為4,次級聚集圈的重要程度為2,其余統(tǒng)一設(shè)為1。統(tǒng)計學(xué)方法的引入,為本次研究提供了科學(xué)的手段與方法。Scan分析中選用的泊松模型是根據(jù)現(xiàn)有研究數(shù)據(jù)的類型確定的。但必須明確的是,在泊松模型中,位于每個位置的案例數(shù)量均以泊松形態(tài)分布——即在零假設(shè)以及不存在共變量的條件下,預(yù)計的案例數(shù)量將與它的人口基數(shù)成一定比例。MonteCarlo假設(shè)分析證明了聚集圈的確定是顯著的。之后,為了分析DF地區(qū)地表景觀的成分,以及DF出現(xiàn)區(qū)與非DF出現(xiàn)區(qū)地類的對比,研究采用了二態(tài)模型。在對于不同環(huán)境因子組合的評價過程中,對于非正態(tài)分布的數(shù)據(jù),選用了廣義線性模型對應(yīng)變量進(jìn)行逐步回歸。該模型已經(jīng)被認(rèn)為在處理這類數(shù)據(jù)時具有相對的優(yōu)越性。其后,針對二態(tài)分布的應(yīng)變量,又建立了Log-Log連接,以求在以百分?jǐn)?shù)為形態(tài)的自變量分析處理過程中的更好的統(tǒng)計學(xué)效果。同時,為了達(dá)到更高的模型統(tǒng)計學(xué)適用度(Goodnessoffitstatistics),研究在AIC的計算中引入了權(quán)重,結(jié)果表明,該項措施可使案例區(qū)因子模型AIC得到大幅降低。然而值得注意的是權(quán)重的引入會對模型產(chǎn)生兩個較為重要的影響:其一,如果加入權(quán)重,模型將只對案例區(qū)進(jìn)行分析,GLM模型在建立時將沒有應(yīng)變量為0的數(shù)據(jù)進(jìn)入,因此模型將不具有統(tǒng)計學(xué)意義(Sig.=1),所以研究首先在逐步回歸分析中確立了有統(tǒng)計學(xué)意義的因子,進(jìn)行組合之后再對其進(jìn)行引入權(quán)重的AIC的計算;其二,使得模型因子變量組的選擇偏向于標(biāo)示案例區(qū)的準(zhǔn)確度,從而影響了模型對于控制區(qū)判斷的描述,這也是為什么二態(tài)邏輯分析的結(jié)果中案例區(qū)的預(yù)測度相對于控制區(qū)來說普遍較高的原因。伊蚊產(chǎn)卵于特定的環(huán)境,幼蟲成長于臨時性的有鹽味的池塘中。最終,開放水域、濕草場、農(nóng)田、開發(fā)用地被標(biāo)識為最有可能引發(fā)登革熱的因子。不難分析,開放水域、以沼澤和濕地為主的濕草場、以水稻為主的農(nóng)田提供了伊蚊的孳生環(huán)境,而在開發(fā)工地中由于人口密集以及衛(wèi)生狀況較差,故具有較高的登革熱傳播的可能性。MODIS16日合成圖被用來進(jìn)行地表景觀的識別,其最大優(yōu)勢莫過于時效性,分月的醫(yī)療數(shù)據(jù)能與之相對應(yīng);然而其250M的分辨率卻使地表景觀的解釋變得過于困難,理想的基于本類研究的圖像分辨率應(yīng)該至少達(dá)到30M。雖然經(jīng)過精度評估,本次研究的分類準(zhǔn)則達(dá)到87%的精度,但這只是基于圖像的檢驗(yàn),更細(xì)致全面的評估應(yīng)該基于實(shí)地調(diào)查以及對歷史數(shù)據(jù)的分析。需要指出的是,之所以沒有對全年分月的地表景觀數(shù)據(jù)進(jìn)行統(tǒng)計學(xué)分析,是因?yàn)闊o法排除另一個重要外在因子集的影響:氣候條件(如溫度,相對濕度等)。這類因子在理論上會通過直接影響伊蚊的生物學(xué)特性從而間接的影響登革熱的傳播。因此會產(chǎn)生這樣一個問題,2002年4月的數(shù)據(jù)(各地區(qū)均無病例出現(xiàn))與5月有病例的數(shù)據(jù)相比,導(dǎo)致這段期間病例從無到有的主要因子是氣候因子還是地表景觀因子,筆者目前無法給出確切的答案。所以,為了最大化地表景觀因子的影響,研究僅分析伊蚊進(jìn)行疾病傳播活動時期的數(shù)據(jù)。在該時間跨度之內(nèi),氣候條件被認(rèn)為是允許疾病傳播的。雖然將遙感與地理信息技術(shù)應(yīng)用于流行病學(xué)研究已有一定的進(jìn)展,但進(jìn)一步擴(kuò)大其應(yīng)用還有許多困難。首先是由于缺乏部門間的相互協(xié)作,流行病學(xué)專家很難及時獲得最新的遙感及其他