基于地理加權回歸模型的山東省臨沂市結核病發病情況及其影響因素分析

董振 王萍萍 藺躍付 姜秀波

［摘要］ ?目的 ?探討山東省臨沂市各縣區結核病發病登記率現況及其與相關影響因素的空間局域關系。

方法收集2019年1—12月臨沂市12個縣區的結核病發病及相關影響因素資料；采用Geoda 4.02軟件分析空間自相關性；采用GWR 4.09軟件構建最小二乘法（OLS）和地理加權回歸（GWR）模型；采用ArcGIS 10.2軟件繪制GWR模型影響因素的空間分布地圖。

結果2019年臨沂市結核病發病總計3 261例，總發病率為32.39/10萬。不同縣區、不同性別及年齡組之間結核病發病率差異均有統計學意義（χ2=71.257～1 532.464，P<0.001）?？臻g自相關分析結果顯示為空間正相關（Moran I=0.234，P=0.021）。LISA聚類圖結果顯示，羅莊區和蘭陵縣為低-低聚集，莒南縣為高-高聚集。OLS和GWR結果顯示GWR模型各種診斷標準均優于OLS模型。GWR模型結果顯示人口密度（β=－0.019）、人均受教育年限（β=－14.509）、每萬人平均衛生技術人員數（β=－0.293）、空氣質量指數（β=－15.438）對結核病發病率影響具有統計學意義（P<0.05）。

結論山東省臨沂市2019年結核病發病率存在性別、年齡、地域差異。各縣區結核病發病率存在空間聚集性。社會、環境、經濟等因素對結核病發病率影響存在空間異質性。GWR模型較OLS模型對發病率影響因素的分析上具有獨特優勢性。

［關鍵詞］ ?結核；患病率；空間回歸；流行病學；最小二乘法；影響因素分析；地理學，醫學

［中圖分類號］ ?R195.4;R52

［文獻標志碼］ ?A

Incidence rate of tuberculosis and related influencing factors in Linyi City， Shandong Province， China： An analysis based on the geographical weighted regression model

DONG Zhen， WANG Pingping， LIN Yuefu， JIANG Xiubo

（School of Public Health， Qingdao University， Qingdao 266071， China）

;［ABSTRACT］?Objective?To investigate the current registration rate of tuberculosis in each county and district of Linyi City， Shandong Province， China and its spatial local relationship with related influencing factors.

Methods?Related data were collected for the incidence rate of tuberculosis and related influencing factors in 12 counties and districts of Linyi City from January to December 2019. Geoda 4.02 software was used to analyze spatial autocorrelation; GWR 4.09 software was used to construct an ordinary least squares regression （OLS） model and a geographic weighted regression （GWR） model; ArcGIS 10.2 software was used to plot the spatial distribution map of influencing factors based on the GWR model.

Results?In 2019， there were 3 261 cases of tuberculosis in Linyi City， with an overall incidence rate of 32.39/100 000. There was a significant difference in the incidence rate of tuberculosis between different counties， sexes， and age groups （χ2=71.257-1 532.464， P<0.001）. The results of spatial autocorrelation analysis showed a positive spatial correlation （Moran I=0.234， P=0.021）. The results of LISA clustering analysis showed low-low clustering in Luozhuang District and Lanling County and high-high clustering in Junan County. OLS and GWR model analyses showed that the GWR model had better diagnostic criteria than the OLS model. The GWR model showed that population density （β=-0.019）， per capita education years （β=-14.509）， the number of health technicians per ten thousand people （β=-0.293）， and air quality index （β=-15.438） had significant effects on the incidence rate of tuberculosis （P<0.05）.

Conclusion

There are sex， age， and regional differences in the incidence rate of tuberculosis in Linyi City， Shandong Province in 2019. Spatial aggregation is observed for the incidence rate of tuberculosis in each county， and spatial heterogeneity is observed for the influence of social， environmental， economic factors on the incidence rate of tuberculosis. Compared with the OLS model， the GWR model has unique advantages in analyzing the influencing factors for incidence rate.

［KEY WORDS］?Tuberculosis; Prevalence; Spatial regression; Epidemiology; Least-squares analysis; Root cause analysis; Geography， medical

結核病是由結核分枝桿菌引起的慢性傳染性疾病，以肺部結核最為常見［1］，是危害人類健康的重大疾病之一。作為一種典型的呼吸道傳染病，結核病的發生符合因自身感染機制與特定的地理環境因素相互作用的特性［2］。隨著地理信息技術的發展和完善，地理加權回歸模型（geographically weighted regression，GWR）等空間聚集性分析技術也被廣泛應用于結核病的流行病學研究中。多項地區性研究表明，結核病發病存在空間聚集性，并與人口、環境以及社會資源等因素有關［3-6］。

本研究擬采用2019年山東省臨沂市12個縣區結核病發病登記、人口、環境和社會經濟等統計數據，探討臨沂市結核病發病率現況及空間分布特征，并評價人口密度、人均受教育年限、人均可支配收入、每萬人平均衛生技術人員數、空氣質量指數等因素對臨沂市局部區域結核病發病率的影響，旨在為制定適宜的結核病防控策略提供科學依據［7］。

1 資料與方法

1.1 數據來源

2019年1—12月山東省臨沂市12個縣區的結核病病例資料來源于中國疾病預防控制信息系統及臨沂市結核病防治中心的病案登記資料，人口數據等來自政府公開資料，臨沂市矢量地圖及地圖數據來源于中國基礎地理信息數據庫。結核病發病率的影響因素選取人口密度（人/km2）、人均受教育年限（年）、人均可支配收入（元）、每萬人平均衛生技術人員數（人）、空氣質量指數等5項指標。

1.2 研究方法

1.2.1空間相關性分析 采用空間自相關系數來描述某現象在總體區域內的聚集特性。本研究采用Moran指數I描述區域結核病發病的全域空間自相關性，取值［－1，1］，小于0表示存在空間負相關，大于0存在正相關，絕對值越接近1則空間相關性越強［8］。通過制作局部指標（LISA）聚類地圖及顯著性地圖分析局部相關關系［9］。

1.2.2最小二乘法回歸模型及地理加權回歸模型

最小二乘法回歸模型（OLS）及GWR具體計算公式見參考文獻［10］，本研究以2019年度結核病登記發病率為因變量，相關影響因素為自變量構建OLS模型及GWR模型，GWR模型分析選取Gauss函數法確定空間權重函數，采用赤池信息準則（AIC）來確定最優帶寬［11］。

1.3統計學處理

使用SPSS 26.0 軟件進行數據處理和一般分析，使用GeoDa 4.02軟件進行空間相關性分析，使用GWR 4.09軟件建立OLS及GWR模型，使用ArcGIS 10.2軟件繪制GWR模型影響因素回歸系數空間分布地圖。

2 結 ?果

2.1 結核病發病基本情況

2019年山東省臨沂市總人口1 006.46萬，結核病新發登記病例總計3 261例，總發病率為32.39/10萬。

2.1.1地區分布情況 臨沂市12個縣區當中，沂南縣的發病率最高，為37.88/10萬；蘭山區最低，為22.18/10萬。各縣區結核病發病率比較，差異有統計學意義（χ2=71.257，P<0.05），見表1。

2.1.2性別分布情況 男性新發病例為2 362例，女性為899例，男性發病率為41.92/10萬，女性為16.70/10萬。不同性別發病率比較差異有統計學意義（χ2=591.801，P<0.05）。見表2。

2.1.3年齡分布情況 四個年齡組人群中，60歲以上的老年組結核病發病率最高，為68.20/10萬。四個年齡組間發病率比較差異具有統計學意義（χ2=1 532.464，P<0.05）。見表3。

2.2 空間相關性分析

臨沂市各縣區結核病發病率分布如圖1所示?？臻g相關性分析通過全域Moran散點圖及蒙特卡洛模擬999次檢驗結果顯示Moran I=0.234，差異有統計學意義（Z=2.289，P<0.05）。

通過LISA聚類地圖分析局部相關性，結果顯示羅莊區和蘭陵縣為低-低聚集，莒南縣為高-高聚集（P均<0.05）。見圖2。

2.3 結核病發病率的影響因素分析

2.3.1OLS模型結果 OLS模型結果顯示人均受教育年限（β=0.562）、每萬人平均衛生技術人員數（β=－0.154）、空氣質量指數（β=－0.111）、人口密度（β=－0.011）對結核病發病率的影響均有統計學意義（P<0.05）。見表4。

2.3.2GWR模型結果 GWR模型結果顯示，人口密度（β=－0.019）、每萬人平均衛生技術人員數（β=－0.293）、人均受教育年限（β=－14.509）、空氣質量指數（β=－15.438）對結核病發病率影響具有統計學意義（P<0.05），人均可支配收入期望值為0.001（P=0.065）。不同因素對結核病發病率的影響存在空間差異，即存在空間非穩定性。見表5。

2.3.3OLS與GWR模型診斷結果比較 比較兩種模型的主要診斷指標發現，GWR模型的AIC以及殘差平方和均小于OLS模型相應的指標。提示GWR模型的擬合結果顯著優于OLS模型。見表6。

2.4 結核病發病率各影響因素回歸系數分布地圖

結核病發病率各影響因素GWR模型回歸系數分布地圖顯示，臨沂市西部縣區如平邑縣、費縣等主要影響因素為人均可支配收入、人均受教育年限、每萬人平均衛生技術人員數；東部縣區如莒南縣等主要影響因素為人口密度、空氣質量指數。見圖3。

3 討 ?論

本研究匯集2019年山東省臨沂市12個縣區結

核病發病登記及社會環境經濟等數據，采用地理加權回歸等空間分析技術，探討了臨沂市各縣區結核病發病現況及相關影響因素。結果顯示2019年臨沂市結核病總發病率32.39/10萬，基于2020年中國人口普查數據［12］計算出全國人口年齡標化發病率33.77/10萬，遠低于當年全國55.55/10萬［13］以及全球130/10萬的結核病發病率水平［14］，略高于當年山東省29.85/10萬水平［13］。臨沂市男性居民結核病的發病率遠高于女性，這可能與男性的壓力較大，外出機會相對較多有關，其他如吸煙以及酗酒等高風險因素也會導致男性居民結核病的高發病率［15］。年齡方面60歲及以上的老年組發病遠高于?其他年齡組。研究結果與全國和山東省年齡發病的相關數據結果一致［13］。原因可能與老年人免疫功能差，醫療服務依從性低等因素有關［16-17］。

本研究空間全局自相關分析結果顯示，臨沂市結核病發病表現為空間正相關，LISA聚集圖結果顯示，羅莊區和蘭陵縣為低-低聚集、莒南縣為高-高聚集區域，證明了由于肺結核以呼吸道傳播為主，空間相鄰區域的疫情必然受到相互影響［18］，與各類傳染病空間分析結果相一致［19］。

結核病作為一種由結核分枝桿菌引起的慢性傳染病，引起最多的是肺部感染，其傳播受到了社會經濟、人口及環境因素等多方面的影響［20］。本研究顯示，人均受教育年限、每萬人平均衛生技術人員數、空氣質量指數與結核病發病率呈負相關，與相關研究結果一致［21］。就區域而言，郯城縣受教育因素的影響最大，蘭陵縣受到空氣質量的影響最大，提示改善相關的影響因素可以有效地減少該地區該種疾病的發生。其中衛生資源對結核病的發病率影響比較大［22］，因此提高結核病人的醫療救治水平，能有效降低結核病發病率［23］。人口密度被認為是引起結核高發病率的主要原因之一［24］，本研究得出其回歸系數（β=－0.019）絕對值較小，且系數估計值為負值，與其他研究結果相反，張文豪等［25］的研究證明城鎮化率與結核病發病呈負相關，人口密度因素與城鎮化率呈正相關［26］。2020年臨沂市政府報告指出2019年臨沂市城鎮化率已達52.75%，其中最高的為蘭山區80.35%，符合GWR模型中人口密度回歸系數對發病率影響為負的空間分布特征。造成這種情況的原因可能與低城鎮化率地區的醫療衛生條件較差、居民健康意識薄弱有關系。因此高城鎮化率可能是造成人口密度因素的影響與預期相反的重要因素。

本研究GWR模型還顯示，人均可支配收入的影響存在邊緣統計學意義，提示臨沂市結核病發病率與經濟收入水平存在一定關聯。結核病是導致我國居民特別是農村人口因病致貧的重要因素［27］，農村地區生活衛生等水平與城鎮居民相比較低，治療依從性差，因此農村經濟水平的提升可以對全市結核病防控工作起到重要作用［28］。

本研究結核病數據來源于法定監測網絡數據，與真實的發病率可能存在一定的差異，研究因素資料來源為政府網站及其公開統計數據，缺乏人口流動情況、膳食營養狀況、城鄉差異等其他結核發病影響因素數據，因此研究結果存在一定的局限性。

綜上所述，山東省臨沂市2019年結核病發病率存在性別、年齡、地域差別。各縣區結核病發病率存在空間聚集性。社會、環境、經濟等影響因素對不同地域的結核病發病率影響存在空間異質性。建議各縣區根據本地影響因素的特點開展精準地方防控策略，進一步提高防控效果。

作者聲明： 董振、姜秀波參與了研究設計；董振、王萍萍、藺躍付、姜秀波參與了論文的寫作和修改。所有作者均閱讀并同意發表該論文，且均聲明不存在利益沖突。

［參考文獻］

［1］肖東樓，趙明剛，王宇，等. 中國結核病防治規劃實施工作指南（2008年版）［M］. ?北京：中國協和醫科大學出版社， 2009：7.

［2］ 畢圣賢，胡錫健，張輝國. 2014—2018年中國大陸結核病疫情的時空分布特征及其影響因素［J］. ?中華疾病控制雜志， 2021，25（7）：758-762，811.

［3］ 何秋平，郭亮永，朱榮健，等. 2010—2019年南寧市農村地區結核病空間分布特征分析［J］. ?公共衛生與預防醫學， 2022，33（1）：48-52.

［4］ 楊佳麗. 結核病空間分布特征及其影響因素的研究［D］. ?北京：中國疾病預防控制中心， 2020：62.

［5］ 王若男，楊正貴，馬寧，等. 2004—2019年寧夏地區肺結核時空分布差異的影響因素研究［J］. ?中華疾病控制雜志， 2022，26（11）：1290-1295.

［6］ 張芳毓. 基于GWR模型的全國肺結核病影響因素分析［D］. ?大連：大連理工大學， 2018：34.

［7］ 趙明揚，周乾宇，王榮榮，等. 基于時空地理加權回歸模型的中國肺結核發病情況及影響因素研究［J］. ?中國全科醫學， 2023，26（5）：583-590.

［8］ REN L N， MATSUMOTO K. Effects of socioeconomic and natural factors on air pollution in China： A spatial panel data analysis［J］. ?Sci Total Environ， 2020，740：140155.

［9］ 賀嬌，孫金芳，楊欣，等. 我國沿海地區市售貝類腹瀉性貝類毒素污染及膳食暴露的空間分析［J］. ?中國食品衛生雜志， 2023，35（8）：1166-1173.

［10］ FOTHERINGHAM A S， CHARLTON M E， BRUNSDON C. Geographically weighted regression： A natural evolution of the expansion method for spatial data analysis［J］. ?Environ Plan A， 1998，30（11）：1905-1927.

［11］ HUANG B， WU B， BARRY M. Geographically and temporally weighted regression for modeling spatio-temporal variation in house prices［J］. ?Int J Geogr Inf Sci， 2010，24（3）：383-401.

［12］ 郭棟，佘競雄. 中國人口普查分縣資料—2020［M］. 北京：中國統計出版社， 2022：69.

［13］ 王前，李濤，杜昕，等. 2015—2019年全國肺結核報告發病情況分析［J］. ?中國防癆雜志， 2021，43（2）：107-112.

［14］ CHAKAYA J， KHAN M， NTOUMI F， et al. Global Tuberculosis Report 2020——Reflections on the Global TB burden， treatment and prevention efforts［J］. ?Int J Infect Dis， 2021，113（Suppl 1）：S7-S12.

［15］ LIU K， LI T， VONGPRADITH A， et al. Identification and prediction of tuberculosis in eastern China： Analyses from 10-year population-based notification data in Zhejiang Province， China［J］. ?Sci Rep， 2020，10（1）：7425.

［16］ ADU P A， SPIEGEL J M， YASSI A. Towards TB elimination： How are macro-level factors perceived and addressed in policy initiatives in a high burden country？［J］. ?Global Health， 2021，17（1）：11.

［17］ 王榮，楊晨，苗瑞芬，等. 南京市2011—2019年≥65歲老年肺結核病例特征分析［J］. ?華南預防醫學， 2021，47（11）：1470-1473.

［18］ KIANI B， RAOUF RAHMATI A， BERGQUIST R， et al. Spatio-temporal epidemiology of the tuberculosis incidence rate in Iran 2008 to 2018［J］. ?BMC Public Health， 2021，21（1）：1093.

［19］ SLOAN C， CHANDRASEKHAR R， MITCHEL E， et al. Spatial and temporal clustering of patients hospitalized with laboratory-confirmed influenza in the United States［J］. ?Epide-mics， 2020，31：100387.

［20］ WANG Q， GUO L， WANG J， et al. Spatial distribution of tuberculosis and its socioeconomic influencing factors in mainland China 2013—2016［J］. ?Trop Med Int Health， 2019，24（9）：1104-1113.

［21］ HAYWARD S， HARDING R M， MCSHANE H， et al. Factors influencing the higher incidence of tuberculosis among migrants and ethnic minorities in the UK［J］. ?F1000Res， 2018，7：461.

［22］ MOLLALO A， MAO L， RASHIDI P， et al. A GIS-based artificial neural network model for spatial distribution of tuberculosis across the continental United States［J］. ?Int J Environ Res Public Health， 2019，16（1）：157.

［23］ 王前，周林，劉二勇，等. 我國縣級結核病定點醫療機構結核病診斷能力現況調查研究［J］. ?中國防癆雜志， 2020，42（9）：926-930.

［24］ 呂利平. 全國肺結核發病率分布特征的統計分析［D］. ?蘭州：蘭州財經大學， 2019：39.

［25］ 張文豪，肖川，任濤，等. 2004—2013年綿陽市結核病發病的生態學趨勢研究［J］. ?四川大學學報（醫學版）， 2016，47（5）：759-762.

［26］ 毛其智，龍瀛，吳康. 中國人口密度時空演變與城鎮化空間格局初探：從2000年到2010年［J］. ?城市規劃， 2015，39（2）：38-43.

［27］ 杜志成，張王劍，郝元濤. 中國主要呼吸道傳染病分布模式及其社會經濟影響因素［J］. ?中華疾病控制雜志， 2016，20（1）：5-8.

［28］ 趙宏宇，曾誼，馬偉，等. 2012—2017年南京市肺結核流行特征分析［J］. ?現代預防醫學， 2020，47（13）：2322-2327.

（本文編輯 耿波 厲建強）