基于掃描統計的甲型 H1N1流感聚集性分析

基于掃描統計的甲型H1N1流感聚集性分析

姚欣，夏天琦，翁敏

(武漢大學資源與環境科學學院，湖北武漢430079)

摘要：掃描統計已被廣泛應用于地域性疾病的聚集性檢測，且可檢測這種聚集的差異顯著性。文中使用掃描統計的方法，通過對2009~2012年全國各省的甲型H1N1流感數據進行時空掃描以及逐年的空間掃描，生成高發病率地區和低發病率地區聚類，并通過疊置分析反映各個地區歸入聚類的頻次。利用專題地圖和統計表分析甲型流感在2009~2012年中的爆發情況和趨勢，并對結果進行客觀的分析。

關鍵詞：掃描統計；甲型H1N1流感；發病率；聚集性；疊置分析

中圖分類號：P208

收稿日期：2014-06-12

基金項目：國家自然科學基金資助項目(41001307；41371369)家自然科學基金資助項目(41001307；41371369)

作者簡介：姚欣(1993-)，男，本科生.

AnalysisoftheclusteringofinfluenzaA(H1N1)basedonscanstatistics

YAOXin，XIATian-qi，WENGMin

(SchoolofResourceandEnvironmentalSciences，WuhanUniversity，Wuhan430079，China)

Abstract：Scan statistics have been broadly applied to the detection of the regional disease clustering as well as its significance of difference.Based on the method of scan statistics，this paper makes a study on the clustering of high and low disease incidence about influenza A (H1N1) by analyzing the cases on a national scale from 2009 to 2012 in the space-time scan model and the spatial scan model.An overlap analysis is also conducted to represent the frequency of each province classified to those aggregations.It is aimed at making retrospection about the trends and outbreaks of influenza A (H1N1) from 2009 to 2012 in the form of thematic maps，statistical diagrams as well as detailed analyses.

Keywords：scanstatistics；influenzaA(H1N1)；diseaseincidence；clustering；overlapanalysis

甲型H1N1流感是一種由新型的甲型H1N1流感病毒引起的急性呼吸道傳染病，2009年3月18日墨西哥發現首例甲型H1N1流感，隨后疫情在全球范圍內大規模流行。據公共衛生科學數據中心統計，僅2009年我國甲型H1N1流感發病人數達到147 337人。

疾病的時空聚集性是指疾病的發生在時間、空間或時—空表現出的聚集傾向或趨勢[1]。統計分析是通過某種統計方法對數據表示、分類、分析和處理，揭示數據所反映的自然規律，進而獲得解決問題的方法[2]。掃描統計能夠判斷疾病的分布是否存在聚集性，還可以確定疾病聚集的時間、位置和范圍。本文使用掃描統計的方法，使用SaTScan軟件對我國2009~2012年甲型H1N1流感進行時間和空間分布特征及聚集性分析，并利用ArcGIS對分析結果進行可視化表達。

1數據來源

2009~2012年全國甲型H1N1傳染病統計數據(包括35個監測站點2009~2012年H1N1發病數、死亡數、發病率、死亡率數據)，來自公共衛生科學數據中心;2009~2012年各省人口數據來自國家統計局;地理信息數據來自國家基礎地理信息中心。

2基本原理

掃描統計量方法是探測事件在時間和空間上發生的聚集，并檢驗這種聚集是不是由于隨機變異造成的[3]。空間掃描采用二維的掃描方法，利用一個變化的空間窗口在研究區域內進行移動，從而探測出集聚存在的空間區域[4]。其具體掃描方式為：在二維地理空間平面上設定一個掃描窗口，選定研究區域某一點為掃描窗口的中心，掃描的半徑從0開始以一定的距離逐次遞增，直至達到最大掃描上限。使用這種方法對所有的研究點進行掃描，生成一系列的掃描圓。對于時空掃描，采用三維的掃描方法，掃描窗口是一個柱形，在時間維度和空間維度上都可以變化，分別對應于柱形半徑和高度的變化，掃描過程和空間掃描類似。

對每一個掃描窗口，根據窗口內外的發病情況計算檢驗統計量對數似然比(LLR)，LLR最大的窗口便是最有可能聚集的窗口。

本文使用掃描統計模型為泊松模型(PoissonModel)。就圓形掃描窗口而言，泊松模型對每一位置和大小的空間掃描窗口，無效假設為疾病空間分布是完全隨機的；備擇假設為掃描窗口內的發病率相對窗口外增加，對數似然比函數為

式中：c為窗口內的發病數；C為總發病數；E[c]為基于無效假設由協變量校正過的窗口內預期發病數；I () 為指示函數，當窗口內實際發病數高于預期發病數時，I () = 1，否則 I () = 0。

各聚集發生的相對風險(relativerisk，RR)為

式中各字母意義同前所述。通過RR值，可確切評估各聚集性的風險大小[5]。

隨后，需要對集聚的區域進行置信度分析，即使用蒙特卡羅假設檢驗方法計算p值(p-Value)。將由此方法產生的N個隨機分布數據集以及計算得到的相應的最大LLR，與病例數據集的LLR合并且遞減排序，若病例數據集的LLR排在第R位，則

次序越靠前，R越小，則P值越小，說明聚集為隨機的概率越小。

3結果與分析

3.1　掃描統計分析

本研究使用SatScan軟件進行時空掃描統計，對結果數據進行可視化處理，獲得甲型H1N1流感發病風險和聚集區分布專題地圖(見圖1)，圖中各省市的相對風險使用分級統計圖法來表示，顏色越深表示相對風險越高；此外，還得到3個高發病率聚集區和一個低發病率聚集區，分別用實心圓和空心圓來表示。其中北京市也為高發病率聚集區，由于聚集只限于北京市范圍，聚集半徑為0，因而未能在圖中表示出來。

根據掃描結果文件，高發病率聚集的時間均為2009年，也正是疫情爆發并迅速蔓延的一年，發病人數較多。位于東南部的聚集區以福建為中心，范圍涉及江西、浙江、上海、江蘇、湖南等省市；位于西部的聚集區以西藏為中心，范圍涉及四川、云南、青海、甘肅、重慶、貴州、新疆、寧夏、山西等省市；位于華北地區的聚集區即北京市。而低發病率聚集則集中于2011~2012年，此時疫情已經得到控制，發病人數大幅下降，其聚集范圍以河南為中心，涉及山西、山東、河北等省。可以看出，我國甲型H1N1流感發病的空間和時間分布非隨機化，存在高發聚集區和低發聚集區。

圖1　2009~2012年全國甲型H1N1流感發病風險和聚集區分布

表1　掃描統計結果

3.2　聚集區時空疊置分析

為更直觀地描述各省市在2009~2012年中甲型流感的發病情況，本研究對每一年的數據進行單獨的空間掃描統計，獲得各年的聚集區位置，并統計每一年聚集區域中所包括的省份(以聚類區域是否覆蓋其省會城市為判斷標準)。然后在ArcGIS中使用疊置分析方法統計每個省份落入聚集區域的頻次，并使用分級統計圖法來表示該頻次，得到高/低發病率聚集區的專題地圖，如圖2、圖3所示，圖中各地區的頻數以顏色來區分，顏色越深表示該區域落入聚集區域的頻次越高。

圖2　高發病率聚集區頻次分級統計圖

圖3　低發病率聚集區頻次分級統計圖

利用GIS的空間分析方法，使用專題地圖分級統計圖作為工具，能夠把甲型H1N1流感的時間分布變化規律在二維地圖上清晰的表現出來。在研究時間范圍內，我國甲型H1N1流感爆發頻率較低的地區主要集中在西南、華中、華北(北京除外)及東北地區，其中以華北地區(豫、魯、冀)爆發頻率最低，在四年內均處于低發病率聚集區；而西北以及南部、東部部分省市(京、浙、桂、瓊)爆發頻率較高。

4結束語

本研究考慮到數據獲取等各方面原因，研究的空間精度定為省級單元，而時間精度設為年。這樣的做法計算量較小，數據獲取較為容易，但所得到的數據只能反映分省情況，而不能反映各個省內部的發病率高低情況；此外，和國內大范圍內的掃描統計相同，本次研究中每個省(直轄市、自治區)的坐標取該地區行政中心的坐標，將整個區域看成是一個點，這對聚類的劃分會產生一定的影響。在聚類區域規模的設置方面，研究中選取了不同的最大聚類半徑參數，發現在最大聚類區域包含50%的全國患者時，其聚類面積過大，覆蓋的省份超過半數，聚類范圍內的差異無法分析；而最大聚類區域包含25%的全國患者時，其聚類面積大小適中，易于和非聚類區域進行對比分析。

空間掃描統計被廣泛地用于數據計數，以此來探測具有高發病率或低發病率的疾病的地理聚集性，并評估其統計學意義[6]。掃描統計量方法在分析之前對聚集性的大小位置規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，發現空間聚集性的存在[7]。而且通過空間掃描統計與GIS空間分析和可視化表達方法結合起來，可以很直觀的反映疾病在空間上的分布和變化特征，這對疾病的檢測與防治具有重要意義。

參考文獻：

[1]陳峰.疾病時空聚集性的統計方法研究[J].南通醫學院學報,1999,13(9):237-240.

[2]熊金華,曹亞妮,程越.基于統計分析方法的地理要素顯示重要性確定研究[J].測繪工程,2012,21(3):26-30.

[3]郭鵬飛,何紅燕,張韜,等.掃描統計量模型在地方病流行病學中的應用初探[J].現代預防醫學,2011,38(2):215-218.

[4]王占紅.基于掃描統計方法的上海犯罪時空熱點分析[D].上海:華東師范大學,2013.

[5]唐咸艷,周紅霞.掃描統計及其在流行病學中的應用[J].中國衛生統計,2011,28(3):332-337.

[6]JUNGI，KULLDORFFM，KLASSENA.Aspatialscanstatisticforordinaldata[J]，STATISTICSINMEDICINE,2007,26(7):1594-1067.

[7]張文增,李長青,冀國強,等.空間掃描統計量在手足口病空間聚集性研究中的應用[J].中國衛生統計，2012,29(4):507-509,513.峰.疾病時空聚集性的統計方法研究[J].南通醫學院學報,1999,13(9):237-240.

[2]熊金華,曹亞妮,程越.基于統計分析方法的地理要素顯示重要性確定研究[J].測繪工程,2012,21(3):26-30.

[3]郭鵬飛,何紅燕,張韜,等.掃描統計量模型在地方病流行病學中的應用初探[J].現代預防醫學,2011,38(2):215-218.

[4]王占紅.基于掃描統計方法的上海犯罪時空熱點分析[D].上海:華東師范大學,2013.

[5]唐咸艷,周紅霞.掃描統計及其在流行病學中的應用[J].中國衛生統計,2011,28(3):332-337.

[6]JUNGI，KULLDORFFM，KLASSENA.Aspatialscanstatisticforordinaldata[J]，STATISTICSINMEDICINE,2007,26(7):1594-1067.

[7]張文增,李長青,冀國強,等.空間掃描統計量在手足口病空間聚集性研究中的應用[J].中國衛生統計，2012,29(4):507-509,513.

[責任編輯：張德福]