2016～2020年中國(guó)猩紅熱發(fā)病的空間聚集性分析

張佳豪，楊若男，賀舒凝，袁萍

四川大學(xué)華西公共衛(wèi)生學(xué)院//華西第四醫(yī)院流行病與衛(wèi)生統(tǒng)計(jì)學(xué)系，四川成都 610041

猩紅熱是一種由化膿性鏈球菌引起的急性呼吸道傳染病，感染后癥狀一般較為輕微，但若治療不及時(shí)可能導(dǎo)致致命性感染［1］，且治療不徹底會(huì)導(dǎo)致嚴(yán)重后遺癥，如風(fēng)濕性心臟病、腎臟疾病和關(guān)節(jié)損傷等［2］。從上世紀(jì)開(kāi)始，隨著醫(yī)學(xué)技術(shù)的發(fā)展、醫(yī)療衛(wèi)生資源的改善和生活水平的提高，猩紅熱的高發(fā)病率得到顯著控制［3］。然而，近年來(lái)猩紅熱卷土重來(lái)，在韓國(guó)、中國(guó)大陸、中國(guó)香港以及英國(guó)，猩紅熱的發(fā)病率都呈現(xiàn)上升趨勢(shì)［2,4］，已經(jīng)成為了不容忽視的全球性公共衛(wèi)生問(wèn)題之一。2020年中國(guó)國(guó)家衛(wèi)生健康委員會(huì)發(fā)布《2020中國(guó)衛(wèi)生健康統(tǒng)計(jì)年鑒》顯示，2019年我國(guó)猩紅熱發(fā)病率為5.85/10萬(wàn)，在我國(guó)甲乙類(lèi)法定報(bào)告?zhèn)魅静≈芯佑诘诹?，已高于我?guó)艾滋病的發(fā)病率［5］，防控形勢(shì)仍十分嚴(yán)峻。

了解疾病的空間分布是公共衛(wèi)生的基礎(chǔ)，是研究如何預(yù)防疾病，特別是傳染性疾病必不可少的過(guò)程之一。根據(jù)Tobler地理學(xué)第一定律，空間數(shù)據(jù)并非獨(dú)立，可能存在不同程度的聚集性，即空間自相關(guān)性［6］。三維趨勢(shì)分析和空間自相關(guān)分析等統(tǒng)計(jì)分析方法已廣泛應(yīng)用于我國(guó)傳染病的空間動(dòng)態(tài)分布的研究中，如肺結(jié)核［7］、艾滋?。?］和乙肝［9］等，其研究結(jié)果對(duì)相關(guān)傳染性疾病的防控具有指導(dǎo)意義，其分析方法也為了解疾病的空間流行狀況提供了方法學(xué)借鑒。但目前關(guān)于我國(guó)猩紅熱的空間分布狀況的系統(tǒng)研究較匱乏，以往的研究多局限于省市兩級(jí)［10-13］，饒志成等［14］對(duì)2004～2017年我國(guó)猩紅熱的空間聚集情況有所探索，發(fā)現(xiàn)我國(guó)猩紅熱發(fā)病存在一定的空間正相關(guān)性，但該研究結(jié)果用以反映當(dāng)前我國(guó)猩紅熱的流行狀況以及指導(dǎo)猩紅熱的防控作用比較有限，尤其自2019年新型冠狀病毒肺炎疫情全球大流行后，我國(guó)猩紅熱的發(fā)病情況和空間分布狀況可能發(fā)生了變化［15］，亟待進(jìn)一步研究。

因此，本研究利用當(dāng)前能獲取的國(guó)家層面最新的數(shù)據(jù)，采用空間流行病學(xué)的分析方法，對(duì)我國(guó)2016～2020年的猩紅熱發(fā)病情況和空間聚集狀況進(jìn)行探索分析，為指導(dǎo)合理制定未來(lái)新冠疫情持續(xù)影響下我國(guó)猩紅熱的預(yù)防策略與措施提供科學(xué)依據(jù)。

1 資料和方法

1.1 資料來(lái)源

2016～2018年各省份（直轄市、自治區(qū)）的猩紅熱發(fā)病資料來(lái)自于國(guó)家人口健康科學(xué)數(shù)據(jù)共享平臺(tái)-公共衛(wèi)生科學(xué)數(shù)據(jù)中心（https://www.phsciencedata.cn/Share/）；2019～2020年各省份（直轄市、自治區(qū)）的猩紅熱發(fā)病資料來(lái)自于《中國(guó)衛(wèi)生健康統(tǒng)計(jì)年鑒》（http://www.nhc.gov.cn/）；從國(guó)家基礎(chǔ)地理信息中心網(wǎng)站（http://www.ngcc.cn/ngcc/）上下載中國(guó)矢量化省界電子地圖。

1.2 研究方法

1.2.1 資料的預(yù)處理 采用Excel對(duì)2016～2020年猩紅熱發(fā)病資料進(jìn)行整理。將31個(gè)省份（直轄市、自治區(qū)）的猩紅熱發(fā)病率資料在GeoDa軟件中與中國(guó)矢量化省界地圖連接，連接字段為行政區(qū)域代碼，建立2016～2020年全國(guó)猩紅熱發(fā)病情況的地理信息數(shù)據(jù)庫(kù)。

1.2.2 描述性分析 將各省份（直轄市、自治區(qū)）2016～2020年的平均猩紅熱發(fā)病率情況繪制為三維空間趨勢(shì)面，從三維空間上描述我國(guó)猩紅熱的省級(jí)地區(qū)分布的變化趨勢(shì)。

1.2.3 空間自相關(guān)分析 全局空間自相關(guān)：莫蘭指數(shù)（Moran's I）是空間自相關(guān)分析最常用的分析指標(biāo)之一［16］。全國(guó)范圍內(nèi)，全局Moran's I反應(yīng)各省份的猩紅熱報(bào)告發(fā)病率是否存在空間聚集性及空間聚集性的大?。?7］。Moran's I指數(shù)的變化范圍可從-1到1。當(dāng)某項(xiàng)屬性在空間分布上呈正相關(guān)性時(shí)，Moran's I＞0，且其取值越接近1，空間聚集程度越明顯。當(dāng)某項(xiàng)屬性在空間分布上呈負(fù)相關(guān)性時(shí)，Moran's I＜0，且其取值越接近-1，此項(xiàng)屬性的空間異質(zhì)性越明顯。當(dāng)Moran's I=0時(shí)，代表此屬性空間分布呈現(xiàn)隨機(jī)性，不存在空間自相關(guān)［18］。Moran's I的計(jì)算公式如下：

局部空間自相關(guān)：局部空間自相關(guān)用于研究某一空間單位某一屬性與臨近單位是否存在異質(zhì)性以及異質(zhì)性的大小，并通過(guò)局部Moran's I對(duì)其進(jìn)行分析，局部Moran's I的計(jì)算公式為：

經(jīng)局部自相關(guān)分析可獲得四類(lèi)聚集模式：高-高（HH）聚集模式、高-低（H-L）聚集模式、低-低（L-L）聚集模式和低-高（L-H）聚集模式。若某空間單位呈現(xiàn)H-H聚集模式或L-L聚集模式則判定為空間正相關(guān)聚集區(qū)域，若呈現(xiàn)H-L聚集模式或L-H聚集模式則判定為空間負(fù)相關(guān)聚集區(qū)域［19］。

1.3 統(tǒng)計(jì)學(xué)分析

采用SAS9.4軟件進(jìn)行猩紅熱發(fā)病率趨勢(shì)檢驗(yàn)；采用ArcGIS10.8軟件進(jìn)行猩紅熱發(fā)病率的三維空間趨勢(shì)面分析，通過(guò)ArcGIS軟件，構(gòu)建XYZ三維空間坐標(biāo)軸，設(shè)置2016～2020年全國(guó)31個(gè)省份的猩紅熱年均發(fā)病率為因變量（Z軸），各省份地理位置上的經(jīng)緯度為自變量（X軸、Y軸），三維空間趨勢(shì)圖由ArcGIS的趨勢(shì)探索功能實(shí)現(xiàn)；并通過(guò)GeoDa9.5軟件進(jìn)行空間權(quán)重矩陣生成，生成方式為鄰接空間權(quán)重Queen鄰接，即以存在公共邊為相鄰，之后以創(chuàng)建的地理信息數(shù)據(jù)庫(kù)進(jìn)行全局和局部空間自相關(guān)分析，采用置換檢驗(yàn)（Permutation Test）對(duì)空間自相關(guān)分析的結(jié)果進(jìn)行統(tǒng)計(jì)推斷，以P＜0.05為差異有統(tǒng)計(jì)學(xué)意義，置換檢驗(yàn)重復(fù)次數(shù)設(shè)置為999次。

2 結(jié)果

2.1 猩紅熱報(bào)告發(fā)病率及變化趨勢(shì)

2016～2020年全國(guó)31個(gè)省份（直轄市、自治區(qū)）累積報(bào)告猩紅熱病例310816例，年平均發(fā)病率為4.48/10萬(wàn)。猩紅熱報(bào)告發(fā)病率從2016年的4.32/10萬(wàn)下降到2020年的1.18/10萬(wàn)（Z=103.47，P＜0.001）。年平均遞減率為27.31%，（圖1）。

圖1 2016～2020年我國(guó)猩紅熱發(fā)病趨勢(shì)分析Fig.1 Analysis on the trend of scarlet fever incidence in China from 2016 to 2020.

2.2 猩紅熱年均發(fā)病率三維空間趨勢(shì)面分析

2016～2020年我國(guó)猩紅熱年均報(bào)告發(fā)病率總體呈現(xiàn)東西方向“U”型分布，中間低兩邊高，由南向北逐漸升高，猩紅熱發(fā)病在東西、南北方向上存在比較大的地區(qū)差異（圖2）。

圖2 2016～2020年我國(guó)猩紅熱年均發(fā)病率三維空間趨勢(shì)分析Fig.2 Three-dimensional spatial trend of annual incidence of scarlet fever in China from 2016 to 2020.

2.3 猩紅熱發(fā)病的空間自相關(guān)分析

2.3.1 全局空間自相關(guān)分析 2016～2019 年全國(guó)各省份猩紅熱發(fā)病全局空間自相關(guān)Moran's I均大于期望值E（I）=-0.0345，空間分布均存在空間正相關(guān)性（Moran's I＞0，P＜0.05），其中Moran's I 最小的年份為2019年（0.3472），最大的年份為2016年（0.4008）。表明自2016～2019年間，我國(guó)猩紅熱發(fā)病存在較為明顯的地區(qū)聚集特征，2020年我國(guó)猩紅熱發(fā)病呈隨機(jī)分布，不存在明顯的空間相關(guān)性（Moran's I=0.0710，P=0.16，表1）。

表1 2016～2020年我國(guó)猩紅熱發(fā)病的全局空間自相關(guān)分析Tab.1 Global spatial autocorrelation analysis of scarlet fever incidence in China from 2016 to 2020

2.3.2 局部空間自相關(guān)分析 2016～2019年全國(guó)猩紅熱發(fā)病率存在局部熱點(diǎn)區(qū)域，且多集中在我國(guó)北部地區(qū)。其中H-H聚集區(qū)域在2016年為內(nèi)蒙古；2017和2018年無(wú)高-高聚集區(qū)域；2019年為河北；2020年為甘肅。L-L聚集區(qū)域在2016年為廣西、安徽、湖北、江西、湖南、云南、貴州、廣東；2017年為安徽、湖北、江西、湖南、云南、貴州、廣東、重慶；2018年為重慶、安徽、湖北、江西、湖南、云南、貴州、福建、廣西、廣東；2019年為重慶、湖北、江西、湖南、貴州、福建、廣西、廣東；2020年為湖北和湖南。L-H聚集區(qū)域在2016年為甘肅和河北；2017年以及2018年均為河北；2019年以及2020年無(wú)低-高聚集區(qū)域。2016～2020年均不存在H-L聚集區(qū)域（表2）。

表2 2016～2020年我國(guó)猩紅熱發(fā)病的局部空間自相關(guān)分析Tab.2 Local spatial autocorrelation analysis of scarlet fever in China from 2016 to 2020

3 討論

本研究發(fā)現(xiàn)，2016～2019年我國(guó)猩紅熱發(fā)病率呈現(xiàn)明顯的逐年上升趨勢(shì)，這與饒志成等［14］對(duì)2004～2017年我國(guó)猩紅熱的發(fā)病率分析結(jié)果相一致。有研究指出，如何應(yīng)對(duì)猩紅熱的死灰復(fù)燃，是未來(lái)我國(guó)防控呼吸道傳染病的重點(diǎn)［20］。猩紅熱發(fā)病率逐年上升的一個(gè)可能原因是引發(fā)猩紅熱感染的化膿性鏈球菌正在從單一克隆譜系擴(kuò)展到多克隆譜系，傳染力有所增強(qiáng)［21］。其次，自2011年我國(guó)實(shí)行“全面二孩”政策后，我國(guó)猩紅熱易感兒童的數(shù)量可能有所增加［22］。但到2020年其發(fā)病率呈現(xiàn)大幅度的下降，分析可能與2019新型冠狀病毒肺炎疫情全球大流行有關(guān)，猩紅熱為呼吸系統(tǒng)傳染病，而在新冠肺炎疫情期間，得益于勤洗手、佩戴口罩和勤通風(fēng)等預(yù)防呼吸道傳染病措施的實(shí)行，很大程度上對(duì)猩紅熱的傳播也起到了預(yù)防作用，這也符合猩紅熱作為呼吸系統(tǒng)傳染病的特點(diǎn)［23］。有研究發(fā)現(xiàn)，新冠肺炎疫情期間的公共衛(wèi)生防疫措施在預(yù)防疫情傳播的同時(shí)，也對(duì)兒童常見(jiàn)傳染病起到遏制作用，降低了傳染病報(bào)告率［24,25］。在后疫情時(shí)代，繼續(xù)做好呼吸道防護(hù)對(duì)于猩紅熱和新冠病毒肺炎的預(yù)防都十分重要。當(dāng)然，2020年猩紅熱發(fā)病率下降的原因也不排除可能是大量醫(yī)療衛(wèi)生資源投入到新冠肺炎的預(yù)防和治療中，對(duì)猩紅熱等傳統(tǒng)傳染病有所忽視，造成一定程度的漏報(bào)和延誤報(bào)告［26］，這還需要之后更多的數(shù)據(jù)進(jìn)行探索分析。

本研究繪制的三維空間趨勢(shì)圖顯示，2016～2020年我國(guó)猩紅熱發(fā)病地區(qū)分布差異較大，猩紅熱的發(fā)病率總體表現(xiàn)為東西方向呈“U”型分布，中間低兩邊高；北部地區(qū)高于南部地區(qū)，提示我國(guó)猩紅熱發(fā)病存在一定的空間聚集性，這與饒志成關(guān)于2004～2017年我國(guó)猩紅熱的趨勢(shì)分析結(jié)果保持一致［14］。在東西方向上東西部地區(qū)發(fā)病率仍高于中部，在南北方向上北部地區(qū)發(fā)病率更高，這與李雷雷等［27］對(duì)中國(guó)2005～2011年猩紅熱疫情地區(qū)分布分析結(jié)果相一致。

本研究的空間自相關(guān)結(jié)果顯示，2016～2019年我國(guó)猩紅熱發(fā)病繼續(xù)呈現(xiàn)空間正相關(guān)性，我國(guó)猩紅熱發(fā)病保持中度空間聚集性，與以往研究結(jié)果不同之處在于［14］，本研究發(fā)現(xiàn)2020年我國(guó)猩紅熱發(fā)病呈隨機(jī)分布，在省與省之間沒(méi)有空間地理上的關(guān)聯(lián)。H-H發(fā)病聚類(lèi)區(qū)主要發(fā)生在我國(guó)北部，如內(nèi)蒙古、河北和甘肅，L-L發(fā)病聚類(lèi)區(qū)主要在中國(guó)南部發(fā)現(xiàn)，如廣西、安徽、湖北、江西、湖南、云南、貴州、廣東、重慶、福建?？臻g自相關(guān)分析的結(jié)果，并非直接表明某地區(qū)疾病發(fā)病率的高低，而是此地區(qū)疾病發(fā)病率高（低）的同時(shí)，周?chē)噜彽貐^(qū)的疾病發(fā)病率也高（低）［17］，既周?chē)貐^(qū)的疾病發(fā)病率對(duì)局部空間自相關(guān)分析的結(jié)果，影響較大。同時(shí)，研究表明氣象因素會(huì)對(duì)猩紅熱的發(fā)病產(chǎn)生影響，日照時(shí)數(shù)、PM2.5、PM10、SO2、NO2、CO、O3、降水量、平均氣溫等對(duì)猩紅熱發(fā)病均有影響［28］而中國(guó)南北方不同的氣候差異可能導(dǎo)致各省份猩紅熱發(fā)病率的不同［29,30］，以上兩點(diǎn)可能是造成我國(guó)猩紅熱發(fā)病聚集區(qū)域有所變化的原因。從具體省份上看，猩紅熱發(fā)病的四類(lèi)聚集地區(qū)并不固定，每年均有所變化，但從地理位置的大方向上看，我國(guó)猩紅熱H-H聚集主要發(fā)生在北部地區(qū)，而L-L聚集主要發(fā)生在中國(guó)南部，研究結(jié)果與2004～2017年我國(guó)猩紅熱發(fā)病空間聚集情況基本保持一致，說(shuō)明我國(guó)猩紅熱發(fā)病的聚集區(qū)域近年來(lái)整體變化不大，北部地區(qū)仍舊是我國(guó)猩紅熱防控的重點(diǎn)地區(qū)。

本研究存在一定局限性：本研究只收集到國(guó)家層面以省級(jí)單位的猩紅熱發(fā)病資料，而同一個(gè)省份下不同地區(qū)的人文特征、自然環(huán)境差距同樣較大，空間尺度過(guò)大，可能難以全面反映出疾病的“自然地方性”特征，故后續(xù)研究可探索分析更小空間尺度地區(qū)的猩紅熱聚集情況。

綜上所述，2016～2020年我國(guó)猩紅熱發(fā)病率總體呈現(xiàn)下降趨勢(shì)，猩紅熱發(fā)病仍存在明顯的空間聚集性和地區(qū)差異，其中內(nèi)蒙古、河北和甘肅等北部地區(qū)仍然是猩紅熱防控的高發(fā)地區(qū)和H-H發(fā)病聚類(lèi)地區(qū)。應(yīng)該根據(jù)各地具體的猩紅熱發(fā)病情況，在現(xiàn)有的防控基礎(chǔ)上進(jìn)一步制定有針對(duì)性的區(qū)域性防控措施，遏制猩紅熱發(fā)病率的上升。