论文部分内容阅读
背景疟疾(malaria)是由疟原虫寄生于人体引起的一种传染病,通过被感染的蚊子叮咬传播。疟原虫在人体肝脏发育,然后感染红细胞增殖成裂殖子,使红细胞胀大破裂,大量代谢产物进入血流导致机体发病。临床表现以周期性寒战、高热,头痛、呕吐,继之大汗后缓解为主要特点。通常发生在蚊子叮咬后的10~15天。感染人体的疟原虫包括:间日疟原虫(Plasmodium vivax)、恶性疟原虫(Plasmodiumfalciparum)、三日疟原虫(Plasmodium malariae)及卵形疟原虫(Plasmodium ovale),分别引起间日疟、恶性疟、三日疟和卵形疟。根据世界卫生组织报告,到2010年,全球大约33亿人口(约占世界人口的50%)受疟疾威胁,每年约有2.16亿人感染疟疾,约65.5万人因疟疾死亡,大部分来自贫穷的国家。历史上,安徽省一直是我国疟疾流行重灾区之一,20世纪60~70年代,疟疾年发病人数曾超过千万,1980年安徽省疟疾发病数达到112万人,占全国疟疾报告病例数的33.9%。在党和政府的高度重视下,制定了疟疾防治工作的一系列政策和规划,在人力、物力、财力等方面给予大力支持。经过近20年的努力,到上世纪90年代末期,安徽省大部分县市达到了基本消除疟疾的标准(年发病率低于万分之一)。安徽省年发病率从1990年52/10万降低到1999年1.3/10万。但在2000年以后我国疟疾疫情曾一度出现回升,主要集中在安徽、河南和江苏省。2006年安徽省全年疟疾报告病例近3.5万人,占全国疟疾报告病例数的54.5%,成为安徽省重点防控的传染病。安徽省疟疾的复燃引起了卫生防病部门和学术界的高度重视,采取了大量的防控措施,2006年以后疟疾疫情得到了有效的控制,逐年发病率大幅度的降低。但是,什么原因导致安徽省疟疾在2000年后复燃还不是很明确。相关研究认为气候因素的变化会严重影响疟疾传播媒介的数量和叮咬频率,以及疟原虫在蚊体内寄生的外潜伏期。然而,全球变暖和世界范围内的疟疾发病增加之间的关系仍然存在很大的争议。此外,过去的研究大多集中在恶性疟传播,间日疟与其有着不同的传播媒介和传播特征,但其与气候变化特点的研究相对较少。安徽省是间日疟流行的地区,中华按蚊是主要传播媒介,主要孳生场所集中在稻田及其灌溉系统,还有住宅附近的池塘、洼地、水坑等。控制间日疟的传播优选控制传染源为主,采取休止期根治的方式可以有效地降低疟疾的传播。因此,明确疟疾病例的时间和空间分布特征,才能采取有针对性的防治策略和措施。另一方面,从安徽省疟疾空间的分析结果上看,发病率存在着明显的空间异质性,对于这种空间分布的差异性原因的分析,是对该地区疟疾防控中亟待解决的科学问题之一。目的探讨2000年后安徽省疟疾发病率上升的主要原因;阐明近20安徽省年来疟疾的流行趋势及变化特征,识别疟疾传播的热点区域,综合分析气象、地理、环境等因素对该地区疟疾疫情的影响,建立该地区疟疾传播风险预测模型,为建立疟疾早期预测预警系统降低疟疾发病率提供科学依据,为疟疾疫情的防控和合理配置卫生资源提供理论指导。从方法学建立基于空间分析(GIS、GS、GPS)技术和数理统计学方法相结合的疟疾传播风险预测模型,评估疟疾传播风险的空间区域差异和时间变化趋势,为相关媒介疾病的研究提供方法学支持。方法收集1990~2009年安徽省各县市疟疾的月发病率监测数据和气象数据;将各县市年均发病率与相应的行政边界图层进行空间关联,绘制安徽省各县市疟疾年发病率空间分布图;采用Spearman correlation分析方法来确定不同研究区域(淮北、江淮、江南)疟疾月平均发病率和气候因素之间的关系和“滞后”效应;构建多项式分布滞后模型(Polynomial Distributed Lag Model, PDL)来定量分析环境因素对疟疾发病率贡献的大小,拟合和预测疟疾的发病率;用AIC准则(Akaikeinformation criterion)选定PDL模型参数,计算模型的校正决定系数(AdjustedR-squared)和拟合值的残差(Residual),并对模型拟合值的残差序列进行了白噪声(White Noise)检验(Ljung-Box Q统计量),评估模型的拟合优度(goodness-of-fit of the models);应用均方根误差(the root mean square error,RMSE)评价模型的预测效果,针对预测值的残差序列进行白噪声检验(应用Ljung-Box Q统计量);利用时间移动窗口扫描(Temporal scan statistical method)、空间自相关(Spatial autocorrelation)和空间聚类分析(Spatial cluster analysis)研究疟疾发病的时间和空间分布特点,确定发病的热点区域;应用2005~2010年安徽省疟疾患者的详细家庭住址信息,查询患者的家庭住址坐标,应用ArcGIS9.2软件定位到安徽省地形图上;应用地理信息系统(GIS)技术将研究区域划分为25平方公里(5km×5km)大小的栅格地图,利用时间序列面板数据模型(Panel data regression model)方法分析环境变量与疟疾发病率之间的关系,评估疟疾传播风险空间区域差异的环境影响因素。结果1.安徽省1990~2009年间共报告疟疾病例198875例,时空分析结果显示疟疾发病率变化存在空间异质性。1990~1999年期间,淮北、江淮、江南三个地区的发病率均呈现显著的下降趋势,从2000年以后,仅淮北地区发病率呈明显上升趋势,2006年达到发病高峰90.54/100000。江淮和江南均保持较低的发病水平,2000~2009年间平均发病率分别为3.47/100000±1.29和1.09/100000±0.54。疟疾的发病具有明显的季节性,发病高峰主要集中在6~11月之间。从空间变化趋势分析显示安徽省上世纪90年代疟疾发病遍布全省且逐年降低,2000年后发病率开始增高,“热点区域”由南向北变迁,并且“北移”现象明显,年平均发病率的空间动态变化差异较大。自1990年到2009年的20年期间,安徽省各县市年平均发病率从最低0.45/100000到最高88.65/100000,中位数10.45/100000。2.空间自相关分析结果显示安徽省疟疾存在显著的空间聚集性。选择最大空间窗口半径为安徽省20%的总人口标准应用空间聚类分析,结果表明安徽省北部和东部分别存在一个高聚类区。一级聚类区位于安徽省淮河北部,包括濉溪县、宿州市、灵璧县、萧县、淮北市、固镇县、蒙城县、涡阳县、利辛县共9个县区,聚类中心点坐标(33.678555N,116.699142E),聚类半径76.98km;二级聚类区位于安徽省中东部明光市、五河县、凤阳县共3个县区,聚类中心点坐标(32.807571N,118.111466E),聚类半径52.28km。3.针对安徽省疟疾2000年后“反弹”的现象,应用时间序列的多项式分布滞后模型进行分析,多因素分析结果显示:安徽省所有三个地区(淮北、江淮、江南)疟疾的发病仅与1~2个月前的降雨量存在着密切的相关,回归系数分别为1.18、1.51、1.23。而与最高、最低温度、平均温度、相对湿度和MEI均没有统计学上的关联。建立的疟疾风险预测模型具有良好的拟合和预测效果。安徽省三个地区(淮北、江淮和江南)预测值的残差均为白噪声序列,均方根误差值(theroot mean square error, RMSE)分别为1.63、1.86、1.75。4.安徽省疟疾空间区域差异的影响因素研究显示:单因素面板数据模型分析表明月均相对湿度(RH)、归一化植被指数(NDVI)、月累计降雨量(Accumulativerainfall)、月平均温度(Average temperature)在1~3个月滞后条件下与月疟疾发病率存在显著正相关,同时海拔和旱地面积也与疟疾发病率存在显著关联。多因素面板数据模型分析结果表明月均相对湿度滞后1个月(IRR=1.29, P<0.01),NDVI在滞后2个月(IRR=1.05, P<0.01),降雨量在滞后1个月(IRR=1.11,P<0.01),平均温度在滞后1个月(IRR=3.53, P<0.01)与疟疾的空间区域分布密切相关。土地利用分析结果显示旱地面积增加会导致疟疾发病的增高(IRR=1.23,P<0.01)。结论本研究揭示了安徽省疟疾发病率在2000年以后的“反弹”与当地疟疾发病高峰前1~2个月的降雨量变化密切相关,构建了疟疾传播风险的预测模型;安徽省1990~2009年间疟疾传播的热点地区由南向北变迁,找出了近年来疟疾传播的季节性特点和空间热点区域;导致安徽省疟疾空间分布异质性的主要影响因素为温度、湿度、降雨量、植被和旱地面积的区域分布差异,定量地评价了气候环境因素对疟疾传播的影响。研究提示降雨的变化主要影响疟疾在时间上的分布差异,而空间分布的异质性则较多受到温度、湿度、植被等因素的影响;研究结论为该地区今后进一步做好疟疾的防控工作,最终消灭疟疾传播提供了科学参考价值。