李婷 何金戈 楊長虹 李運葵 王丹霞 陳闖 吳建林

?

·論著·

基于空間聚集性與時空掃描的肺結(jié)核流行特征分析

李婷 何金戈 楊長虹 李運葵 王丹霞 陳闖 吳建林

目的 探討2011—2015年四川省肺結(jié)核發(fā)病的時空分布特征。方法 基于中國疾病預(yù)防控制信息系統(tǒng)傳染病報告信息管理系統(tǒng)中四川省184個縣、市、區(qū)2011—2015年肺結(jié)核疫情數(shù)據(jù)和人口數(shù)據(jù)，建立地理信息數(shù)據(jù)庫，導(dǎo)入OpenGeoda 1.2.0和SaTScan 9.4.1軟件，進行全局、局部空間自相關(guān)分析和時空掃描聚類分析，確定肺結(jié)核發(fā)病時空熱點區(qū)域，通過ArcGIS 10.2軟件進行可視化。結(jié)果 2011—2015各年度四川省肺結(jié)核報告發(fā)病率分別為77.62/10萬(63 040例)、76.45/10萬(62 325例)、74.51/10萬(60 781例)、68.65/10萬(56 485例)和67.13/10萬(54 645例)，呈明顯的聚集性分布，各年度全局空間自相關(guān)系數(shù)(Moran指數(shù)I值)分別為0.46、0.50、0.52、0.56和0.63，均具有統(tǒng)計學(xué)意義(P值均=0.001)。局部空間自相關(guān)分析結(jié)果表明，2011—2015年分別有18、15、15、15、14個地區(qū)處于“高-高”(HH)區(qū)域，連續(xù)5年處于HH區(qū)域的有8個，全部位于甘孜州。時空掃描分析表明，2011—2015年四川省肺結(jié)核疫情存在八級聚集區(qū)域，共涉及81個地區(qū)，對數(shù)似然比(log-likelihood ratio,LLR)為24.65～3012.78，P值均<0.01。其中，一級聚類區(qū)域位于2013—2014年甘孜州的16個縣和阿壩州的7個縣，LLR值為3012.78，RR值為3.18，P<0.01。結(jié)論 四川省肺結(jié)核疫情存在明顯的時空聚集特征，在川西高原少數(shù)民族地區(qū)、涼山州彝族地區(qū)、秦巴山區(qū)尤為顯著，應(yīng)實施針對性強的區(qū)域結(jié)核病防治策略和政策支持。

結(jié)核，肺； 時空聚類分析； 傳染病控制

目前，結(jié)核病仍是各國關(guān)注的嚴(yán)重公共衛(wèi)生問題，是全球范圍內(nèi)對人類最具威脅性和挑戰(zhàn)性的傳染性疾病之一。據(jù)估算2015年全球有1040萬新發(fā)結(jié)核病患者，中國有91.8萬例，結(jié)核病負(fù)擔(dān)僅次于印度和印度尼西亞[1]。四川省是結(jié)核病疫情最嚴(yán)重省份之一[2]，筆者對四川省2011—2015年肺結(jié)核疫情展開分析，以縣域為空間分析尺度，采用空間自相關(guān)分析及時空掃描分析，旨在發(fā)現(xiàn)四川省肺結(jié)核發(fā)病的空間聚集性及時空熱點，為進一步探索影響發(fā)病的因素及有針對性地制定防控策略和合理配置衛(wèi)生資源等提供科學(xué)的理論依據(jù)。

資料和方法

一、資料來源

從中國疾病預(yù)防控制信息系統(tǒng)傳染病報告信息管理系統(tǒng)中獲取四川省184個縣、市、區(qū)(包括綿陽市科學(xué)城)2011—2015年年統(tǒng)計表中肺結(jié)核報告發(fā)病例數(shù)和報告發(fā)病率(包括涂陽、涂陰、菌陰、僅培陽和未痰檢)，按照發(fā)病日期進行統(tǒng)計。每年報告發(fā)病例數(shù)均為年末統(tǒng)一訂正的數(shù)據(jù)，確保數(shù)據(jù)的準(zhǔn)確性。數(shù)據(jù)查詢?nèi)掌跒?016年5月25日。人口基數(shù)來源于中國疾病預(yù)防控制信息系統(tǒng)基本信息系統(tǒng)中的2011—2015年四川省常住人口數(shù)。

二、研究方法

1.構(gòu)建地理信息數(shù)據(jù)庫：以縣、市、區(qū)為單位，建立包括地理編碼、經(jīng)度和緯度等信息的地理信息數(shù)據(jù)庫。以數(shù)據(jù)屬性表中地理編碼關(guān)聯(lián)肺結(jié)核疫情數(shù)據(jù)及人口數(shù)據(jù)，建立四川省肺結(jié)核發(fā)病信息的地理信息數(shù)據(jù)庫。

2.空間自相關(guān)分析：空間自相關(guān)分析是以全局指數(shù)探測整個研究區(qū)域內(nèi)的空間聚集模式，以局部指標(biāo)評估每一空間單元與臨近單元同一屬性的相關(guān)程度，檢驗每個空間單元相對于整體其空間自相關(guān)是否足夠顯著，從而判斷研究單元在空間“高-高”(HH)、“高-低”(HL)、“低-高”(LH)和“低-低”(LL)的分布[3]。

全局型空間自相關(guān)系數(shù)(全局Moran指數(shù)I值)反映的是空間鄰接或空間鄰近區(qū)域單元屬性值的相似程度。全局Moran指數(shù)I值取值范圍介于-1～1，I值越接近于1，表示空間單元之間關(guān)系越密切，性質(zhì)越相似，整體呈現(xiàn)聚集性分布(高值聚集或低值聚集)；I越接近于-1，表示整體呈現(xiàn)離散型分布，樣本之間差異越大或分布越不集中；I值為0，表示整體隨機性分布[4]。本研究首先采用全局空間自相關(guān)Moran指數(shù)I值來探測整個研究區(qū)域內(nèi)的空間聚集模式，并進行統(tǒng)計學(xué)檢驗，檢驗水準(zhǔn)為α=0.05。

局部型自相關(guān)分析用于反映一個區(qū)域與鄰近區(qū)域的相關(guān)程度。Moran散點圖用來研究局部的空間不穩(wěn)定性。Moran散點圖分4個象限，分別對應(yīng)于區(qū)域單元或與其鄰近單元之間4種類型的局部空間聯(lián)系形式，能夠進一步區(qū)分區(qū)域單元和鄰近單元之間屬于HH、LL、HL、LH中的具體空間聯(lián)系形式，在Z檢驗的基礎(chǔ)上(P≤0.05)繪制局部空間關(guān)聯(lián)指標(biāo)(local indication of spatial autocorrelation，LISA)積聚圖[4-5]。

3.時空掃描分析：SaTScan時空掃描軟件是以空間動態(tài)窗口掃描統(tǒng)計為基礎(chǔ)，對每一個掃描窗口，根據(jù)實際發(fā)病數(shù)和人口數(shù)計算出理論發(fā)病數(shù)，然后利用掃描窗口內(nèi)和掃描窗口外的實際發(fā)病數(shù)和理論發(fā)病數(shù)構(gòu)造檢驗統(tǒng)計量對數(shù)似然比(log-likelihood ratio,LLR)來評價窗口內(nèi)的發(fā)病數(shù)是否異常，并通過蒙特卡羅法模擬進行統(tǒng)計學(xué)檢驗，計算概率值。LLR值越大且差異具有統(tǒng)計學(xué)意義，則表示該動態(tài)窗口下所含區(qū)域為聚集區(qū)域的概率越大[6]。其中，一級空間聚集區(qū)域的LLR值最大，二級空間聚集區(qū)域較一級空間聚集區(qū)域的LLR值小，說明其成為空間聚集區(qū)域的概率較一級聚集區(qū)域低，以此類推[4]。本研究將聚類范圍最大值限定為30%的總?cè)丝谔幱陲L(fēng)險人群中、總研究期限的50%為時間尺度，根據(jù)資料特點(研究數(shù)據(jù)包含人口資料)，選用SaTScan軟件中的Possion模型進行統(tǒng)計分析。以肺結(jié)核報告發(fā)病數(shù)為病例數(shù)據(jù)(分子)，以常住人口數(shù)為人口數(shù)據(jù)(分母)，以各縣、市、區(qū)質(zhì)心坐標(biāo)為空間分析數(shù)據(jù)進行分析。檢驗水準(zhǔn)為α=0.05。

4.統(tǒng)計學(xué)分析：應(yīng)用ArcGIS 10.2軟件構(gòu)建地理信息數(shù)據(jù)庫并繪制年均報告發(fā)病率的空間分布；OpenGeoda 1.2.0軟件定義空間權(quán)重矩陣并對各年度肺結(jié)核疫情開展空間自相關(guān)分析；SaTScan 9.4.1軟件進行時空聚集性分析并在ArcGIS 10.2中完成可視化。

結(jié) 果

一、疫情概況

2011—2015年，四川省肺結(jié)核報告發(fā)病數(shù)分別為63 040、62 325、60 781、56 486和54 645例，報告發(fā)病率從77.62/10萬下降至67.13/10萬，見表1。肺結(jié)核年均報告發(fā)病率(5年總發(fā)病例數(shù)/總常住人口數(shù))為72.86/10萬。年均報告發(fā)病率最高的為甘孜州雅江縣(901例，354.23/10萬)，最低的為綿陽市科學(xué)城(9例，4.26/10萬)，地區(qū)差異明顯，川西地區(qū)報告發(fā)病率較高，川中地區(qū)較低，見圖1。

表1 2011—2015年四川省肺結(jié)核報告發(fā)病率

二、空間自相關(guān)分析

1.全局空間自相關(guān)：2011—2015年四川省肺結(jié)核報告發(fā)病率分布的Moran散點圖見圖2～6(a)，各年度Moran指數(shù)I值分別為0.46、0.50、0.52、0.56和0.63，且均具有統(tǒng)計學(xué)意義(P<0.05)，表明各年度四川省肺結(jié)核報告發(fā)病率呈明顯的聚集性分布。

2.局部空間自相關(guān)：局部空間自相關(guān)分析結(jié)果顯示，2011—2015年分別有18、15、15、15、14個縣(區(qū))處于HH區(qū)域，見圖2～6(b)、表2。連續(xù)5年處于HH區(qū)域的有8個，全部位于甘孜藏族自治州，分別是道孚縣、甘孜縣、德格縣、白玉縣、理塘縣、石渠縣、雅江縣和新龍縣。阿壩州的壤塘縣和紅原縣，分別在2011—2014年，2012和2014年處于HH區(qū)域，但在2015年轉(zhuǎn)變成了LH區(qū)域。涼山州木里縣在2012—2015年均處于LL區(qū)域。

圖1 2011—2015年四川省各地區(qū)肺結(jié)核年均報告發(fā)病率

表2 2011—2015年四川省各地區(qū)肺結(jié)核報告發(fā)病率聚集分布情況

注 各年度均未發(fā)現(xiàn)“高-低”區(qū)域

圖a為全局空間自相關(guān)分析；圖b為局部空間自相關(guān)分析，圖例括號內(nèi)數(shù)值為該區(qū)域內(nèi)縣區(qū)個數(shù)圖2 2011年四川省各地區(qū)肺結(jié)核報告發(fā)病率空間自相關(guān)分析示意圖

圖a為全局空間自相關(guān)分析；圖b為局部空間自相關(guān)分析，圖例括號內(nèi)數(shù)值為該區(qū)域內(nèi)縣區(qū)個數(shù)圖3 2012年四川省各地區(qū)肺結(jié)核報告發(fā)病率空間自相關(guān)分析示意圖

圖a為全局空間自相關(guān)分析；圖b為局部空間自相關(guān)分析，圖例括號內(nèi)數(shù)值為該區(qū)域內(nèi)縣區(qū)個數(shù)圖4 2013年四川省各地區(qū)肺結(jié)核報告發(fā)病率空間自相關(guān)分析示意圖

圖a為全局空間自相關(guān)分析；圖b為局部空間自相關(guān)分析，圖例括號內(nèi)數(shù)值為該區(qū)域內(nèi)縣區(qū)個數(shù)圖5 2014年四川省各地區(qū)肺結(jié)核報告發(fā)病率空間自相關(guān)分析示意圖

圖a為全局空間自相關(guān)分析；圖b為局部空間自相關(guān)分析，圖例括號內(nèi)數(shù)值為該區(qū)域內(nèi)縣區(qū)個數(shù)圖6 2015年四川省各地區(qū)肺結(jié)核報告發(fā)病率空間自相關(guān)分析示意圖

3.時空掃描分析：時空聚集性掃描分析結(jié)果顯示，2011—2015年四川省肺結(jié)核疫情存在八級聚集區(qū)域，共涉及81個縣、市、區(qū)。一級聚集區(qū)域(即最有可能聚集區(qū)域)位于2013—2014年的甘孜藏族自治州的石渠縣、德格縣、甘孜縣、色達縣、白玉縣、爐霍縣、新龍縣、巴塘縣、道孚縣、理塘縣、丹巴縣、雅江縣、鄉(xiāng)城縣、得榮縣、康定縣、稻城縣等16個縣和阿壩藏族羌族自治州的壤塘縣、阿壩縣、金川縣、馬爾康縣、紅原縣、若爾蓋縣、小金縣等7個縣。二級聚集區(qū)域位于2011—2012年的涼山彝族自治州的美姑縣、雷波縣、越西縣、昭覺縣、甘洛縣、喜德縣和金陽縣等7個縣和樂山市的峨邊彝族自治縣和馬邊彝族自治縣。三至八級聚集區(qū)域分別包括34、9、2、1、2、1個縣、市、區(qū)，見表3(因聚類分級信息較多，表中只列出了一、二、三級聚集區(qū)域信息)、圖7。

圖7 2011—2015年四川省各地區(qū)肺結(jié)核報告發(fā)病率時空聚集性分析圖

表3 2011—2015年四川省各地區(qū)肺結(jié)核報告發(fā)病率時空掃描分析結(jié)果

討 論

結(jié)核病是以空氣傳播為主要傳播途徑的慢性傳染病，患者之間在時間、空間上具有一定的相關(guān)性，即一定的時間或空間的聚集傾向或趨勢[7-8]。傳統(tǒng)的數(shù)量統(tǒng)計模型不能滿足傳染病時空分布變化的研究，而空間統(tǒng)計為在分析空間關(guān)系的基礎(chǔ)上進行數(shù)值的相關(guān)分析提供了新的思路，其核心就是認(rèn)識與地理位置相關(guān)數(shù)據(jù)間的空間依賴關(guān)系[9]。肺結(jié)核作為一種傳染病，與當(dāng)?shù)氐乩憝h(huán)境、經(jīng)濟狀況、人口特征等都存在一定的關(guān)聯(lián)，而這種空間相關(guān)特點成為空間統(tǒng)計學(xué)分析的前提[10]。對結(jié)核病在時間、空間或時空方面表現(xiàn)出來的聚集性進行研究，既可為疾病的病因?qū)W研究提供線索，還有助于進一步評價不同時期、不同區(qū)域結(jié)核病的防控效果，又可為制定有效的防控措施和衛(wèi)生決策提供科學(xué)依據(jù)[11]。

既往研究中，趙飛等[7]通過空間掃描分析2008—2010年中國以省級為單位的結(jié)核病總登記率，發(fā)現(xiàn)四川省2008和2009年處于一級聚集區(qū)域，而2010年處于非聚集區(qū)域。說明四川省結(jié)核病總體負(fù)擔(dān)在下降。筆者在以縣域為單位的全局空間尺度的空間相關(guān)性分析結(jié)果顯示，2011—2015年的四川省報告發(fā)病率呈明顯的聚集性分布，提示四川省內(nèi)結(jié)核病負(fù)擔(dān)存在較大的不均衡性。在局部自相關(guān)分析中，空間聚集區(qū)分布是逐年減少的，分別有18、15、15、15、14個縣處于HH區(qū)域(即發(fā)病率較高)，周圍地區(qū)發(fā)病率也高的地區(qū)，但空間位置較為恒定，主要位于川西高原的甘孜、阿壩、涼山等少數(shù)民族聚集地區(qū)，其中連續(xù)5年處于HH區(qū)域的有8個縣，全部位于甘孜藏族自治州。由此，一方面提示結(jié)核病疾病負(fù)擔(dān)在川西高原區(qū)域較為集中和嚴(yán)重，是結(jié)核病高風(fēng)險傳播聚集區(qū)，應(yīng)采取措施加強結(jié)核病的控制工作，特別是做好肺結(jié)核的發(fā)現(xiàn)和治療管理工作；另一方面，也表明在“十二五”期間，全省結(jié)核病防治工作是卓有成效的，結(jié)核病發(fā)病高值聚集區(qū)逐步減少，肺結(jié)核報告發(fā)病數(shù)量總體呈現(xiàn)穩(wěn)步逐年下降趨勢。在首先重點關(guān)注HH區(qū)域結(jié)核病防治的同時，也要重視和鞏固LH和LL區(qū)域的結(jié)核病防治工作。木里縣在2012—2015年均處于LH區(qū)域，提示應(yīng)受到重點關(guān)注，防止向HH區(qū)域轉(zhuǎn)變，同時要考慮是否存在傳染病漏報。還值得注意的是，阿壩州的壤塘縣和紅原縣，分別在2011—2014年，2012和2014年處于HH區(qū)域，但在2015年轉(zhuǎn)變成了LH區(qū)域，可能與這兩個縣均在2014年底實施了結(jié)核病防治新型服務(wù)體系，將肺結(jié)核診療工作由疾控中心移交至了定點醫(yī)院，移交初期肺結(jié)核患者發(fā)現(xiàn)和疫情報告等工作滑坡有關(guān)。另外要注意處于LL區(qū)域的成都平原地區(qū)，與川西高原地區(qū)有著密切的人員文化及經(jīng)濟交流，應(yīng)高度防范。

通過對肺結(jié)核發(fā)病率的全局和局部空間自相關(guān)分析，基本摸清了其分布規(guī)律，但均忽略了時間在其中的作用，看不到肺結(jié)核發(fā)病隨時間變化的趨勢，而時空掃描統(tǒng)計考慮了時間維度，是單純空間掃描統(tǒng)計分析的有益補充[12]。本研究時空掃描分析的結(jié)果顯示，2011—2015年全省肺結(jié)核疫情存在八級聚集區(qū)域，共涉及81個縣。其中一、二級聚集區(qū)均為甘孜、阿壩、涼山州的34個少數(shù)民族縣，其地域遼闊、人口密度小、經(jīng)濟社會發(fā)展相對滯后、防治機構(gòu)力量薄弱等特點，為結(jié)核病患者發(fā)現(xiàn)工作帶來了一定的挑戰(zhàn)。三級聚集區(qū)為2011—2012年以巴中市通江縣為中心的川東北秦巴山區(qū)34個縣、市、區(qū)?？赡芘c川東北地區(qū)社會經(jīng)濟發(fā)展水平較低，結(jié)核病疫情本身較高，結(jié)核病防治技術(shù)力量及防治機構(gòu)力量薄弱等有關(guān)[13]。結(jié)果也表明，四川省肺結(jié)核疫情呈現(xiàn)明顯的聚集性特征，高發(fā)區(qū)域具有一定的時空穩(wěn)定性。出現(xiàn)空間聚集現(xiàn)象的原因有很多，除當(dāng)?shù)氐姆谓Y(jié)核疫情、結(jié)核病防治工作水平外，還可能與當(dāng)?shù)氐臍夂?、人口學(xué)特征、地理、經(jīng)濟、社會文化等諸多因素相關(guān)[14-17]。這也提示今后在防控策略和技術(shù)措施上，對聚集區(qū)和非聚集區(qū)要有所區(qū)分和側(cè)重，應(yīng)該大力強化對川西高原少數(shù)民族地區(qū)、涼山州彝族地區(qū)、秦巴山區(qū)結(jié)核病防治的力度，結(jié)合高原山區(qū)的地理、人口、經(jīng)濟、文化等因素，科學(xué)合理配置結(jié)核病等公共衛(wèi)生資源，實施針對性強的區(qū)域結(jié)核病防治策略和政策支持，確保全省的結(jié)核病防治工作的均衡發(fā)展。

在傳統(tǒng)的流行病學(xué)“三間”分析中，地區(qū)分析無法考慮相鄰地區(qū)之間傳染病的相互影響及傳播。利用時空掃描分析方法探索傳染病聚集性，由于事先未對聚集性的大小、位置、規(guī)模作任何假定，避免了選擇偏倚，可以最大限度地進行數(shù)據(jù)信息的挖掘，發(fā)現(xiàn)聚集性的存在[14]。目前，國內(nèi)對結(jié)核病空間分布的研究多以省為空間分析尺度，空間尺度較大，不夠精確；或是以鄉(xiāng)鎮(zhèn)為尺度對某市的疫情聚集性進行分析，區(qū)域較為局限。而本研究在相對較小尺度下(縣級水平)對四川省的情況進行分析，有較高的精確性。然而本研究也有一定的局限，研究數(shù)據(jù)均來源于“大疫情”系統(tǒng)的報告，由于部分患者未到結(jié)防機構(gòu)進行確診，再加上各地結(jié)核病診斷和傳染病報告水平參差不齊，所以本數(shù)據(jù)并不能完全代表當(dāng)?shù)氐慕Y(jié)核病自然發(fā)病水平。另外，由于未收集各地區(qū)社會經(jīng)濟、地理環(huán)境等信息，因此本研究只完成了肺結(jié)核病聚集性的統(tǒng)計學(xué)檢驗，未對產(chǎn)生聚集性的影響因素進行分析和描述，這也是今后需要進一步完善和探究的方向。

[1] World Health Organization．Global tuberculosis report 2016.Geneva:World Health Organization, 2016.

[2] 李婷,何金戈,張佩如,等.2012年四川省結(jié)核病流行病學(xué)調(diào)查結(jié)果分析. 預(yù)防醫(yī)學(xué)情報雜志,2013,29(11):937-941.

[3] Tsai PJ, Lin ML, Chu CM, et al. Spatial autocorrelation analy-sis of health care hotspots in Taiwan in 2006. BMC Public Health, 2009,9:464.

[4] 趙飛,王黎霞,成詩明,等.中國2008—2010年結(jié)核病空間分布特征分析.中華流行病學(xué)雜志,2013,34(2):168-172.

[5] 岳玉娟,任東升,劉起勇. 2005—2013年中國大陸登革熱疫情時空分布.疾病監(jiān)測,2015,30(7):555-560.

[6] Song C, Kulldorff M. Power evaluation of disease clustering tests.Int J Health Geogr,2003,2(1):9.

[7] Nunes C.Tuberculosis incidence in Portugal: spatiotemporal clustering.Int J Health Geogr, 2007, 6:30

[8] Jia ZW, Jia XW, Liu YX, et al. Spatial analysis of tuberculosis cases in migrants and permanent residents, Beijing, 2000—2006. Emerg Infect Dis, 2008, 14(9): 1413-1419.

[9] 王永.肺結(jié)核發(fā)病的時空聚集性研究.杭州:浙江大學(xué),2008.

[10] 唐益,龔德華,白麗瓊,等. 湖南省2003—2011年活動性肺結(jié)核患者登記的空間分析.中國防癆雜志,2012,34(12):764-767.

[11] 劉云霞,李士雪,王忠東,等.基于時空重排掃描統(tǒng)計量的結(jié)核病聚集性研究.山東大學(xué)學(xué)報(醫(yī)學(xué)版),2009,47(2):122-125.

[12] 山珂.肺結(jié)核發(fā)病空間聚集分布及影響因素研究.濟南：山東大學(xué), 2014.

[13] 李婷,張佩如，夏勇,等. 2009—2013年四川省在校學(xué)生結(jié)核病患者登記情況及特征分析.中國防癆雜志,2015,37(1):24-29.

[14] 單志力,徐剛,周祖木,等.2008—2013年溫州市肺結(jié)核疫情時空流行病學(xué)分析.中國防癆雜志,2016,38(2):99-103.

[15] 孫果梅, 路麗蘋, 彭文祥, 等. 2006—2009年上海市松江區(qū)結(jié)核病空間分布特征及影響因素.中華預(yù)防醫(yī)學(xué)雜志,2012,46(10):903-907.

[16] Li XX, Wang LX, Zhang H, et al. Spatial variations of pulmonary tuberculosis prevalence co-impacted by socio-economic and geographic factors in People’s Republic of China, 2010. BMC Public Health, 2014, 14:257.

[17] 叢明瑤, 云妙英, 阿德娜依·阿力肯. 氣候因子對肺結(jié)核發(fā)病率影響的分析. 中華疾病控制雜志, 2014, 18(11): 1051-1054.

(本文編輯：李敬文)

A clustering study on pulmonary tuberculosis based on pure spatial clustering and spatiotemporal scanning

LITing*,HEJin-ge,YANGChang-hong,LIYun-kui,WANGDan-xia,CHENChuang,WUJian-lin.

*TuberculosisPreventionandControlDepartment,SichuanCenterforDiseaseControlandPrevention,Chengdu610041,China

Correspondingauthors:HEJin-ge,Email:hejinge@163.com;YANGChang-hong,Email:changhong_yang@hotmail.com

Objective To explore the spatial and temporal distribution of pulmonary tuberculosis (PTB) in Sichuan province. Methods Geographic information data were from the incidence data of PTB and demographic data reported in the China disease prevention of infectious disease reporting information management system in 184 counties of Sichuan province from 2011 to 2015. Global indication of spatial autocorrelation (GISA), local indication of spatial autocorrelation (LISA) and spatial-temporal clustering analysis were conducted with software OpenGeoda 1.2.0 and SaTScan 9.4.1 in order to determine high risk areas of PTB, and it could be visualized by software ArcGIS 10.2. Results From 2011 to 2015, the incidence rates of PTB in Sichuan were 77.62/100 000 (63 040 cases), 76.45/100 000 (62 325 cases), 74.51/100 000 (60 781 cases), 68.65/100 000 (56 485 cases) and 67.13/100 000 (54 645 cases), respectively. There was obvious clustering for the incidence rate in each year and the global spatial autocorrelation coefficient Moran’sIwas statistically significant (from 2011 to 2015, the values were 0.46, 0.50, 0.52, 0.56 and 0.63, respectively, allP=0.001). Local autocorrelation analysis showed that there were 18, 15, 15, 15 and 14 counties in the “high-high” (HH) region from 2011 to 2015, respectively. There were 8 counties all located in Ganzi in the HH region for 5 consecutive years. Spatial temporal clustering analysis showed that there were 8 clustering districts of the epidemic of PTB in Sichuan, covering a total of 81 counties, log-likelihood ratio (LLR) values ranged from 24.65 to 3012.78, allP<0.01. The most likely clustering was in 16 counties of Ganzi and 7 counties of Aba from 2013 to 2014 (LLR=3012.78,RR=3.18,P<0.01). Conclusion Obvious spatial temporal clustering of PTB distribution was found in Sichuan, especially in ethnic minority areas in the Western Sichuan Plateau, Liangshan Yi area and Qin Ba mountain area, where TB control strategies and policy support should be targeted.

Tuberculosis, pulmonary; Space-time clustering; Communicable disease control

10.3969/j.issn.1000-6621.2016.12.007

四川省科技廳應(yīng)用基礎(chǔ)研究項目(2011JY0066)

610041 成都，四川省疾病預(yù)防控制中心結(jié)核病預(yù)防控制所(李婷、何金戈、李運葵、王丹霞、陳闖)，公共衛(wèi)生信息所(楊長虹)，辦公室(吳建林)

何金戈，Email：hejinge@163.com；楊長虹，Email：changhong_yang@163.com

2016-09-18)