張惠林 陳玉燕 肖瑤 李淑蓮

[摘要] 目的 探討2010～2016年我國(guó)（不含港澳臺(tái)）梅毒疫情的時(shí)空分布特征及社會(huì)影響因素。 方法 應(yīng)用地理信息軟件ArcGIS結(jié)合空間數(shù)據(jù)分析軟件GeoDa對(duì)2010～2016年我國(guó)（不含港澳臺(tái)）梅毒疫情的空間聚集狀況進(jìn)行分析，應(yīng)用空間數(shù)據(jù)處理軟件SaTScan對(duì)2010～2016年梅毒疫情進(jìn)行回顧性時(shí)空掃描分析，應(yīng)用Stata對(duì)梅毒疫情進(jìn)行面板數(shù)據(jù)回歸分析。 結(jié)果 全局空間自相關(guān)分析表明，2011～2015年我國(guó)（不含港澳臺(tái)）梅毒發(fā)病無(wú)空間聚集性（Moran′s I = 0.0444～0.1099，P > 0.05），但是，2010年（Moran′s I = 0.2524，P < 0.05）及2016年（Moran′s I = 0.1932，P < 0.05）我國(guó)（不含港澳臺(tái)）梅毒發(fā)病存在空間聚集性。局部自相關(guān)分析結(jié)果表明，2010年江蘇、上海和福建處于高-高區(qū)域，2013～2016年甘肅均處于低-高區(qū)域，2011～2012年我國(guó)（不含港澳臺(tái)）均未處于高-高區(qū)域。回顧性時(shí)空掃描分析發(fā)現(xiàn)1個(gè)一級(jí)聚類區(qū)域（上海、浙江，RR = 2.49）及6個(gè)二級(jí)聚類區(qū)域（廣西、新疆、重慶、遼寧、內(nèi)蒙及寧夏，RR = 1.44～3.50）。面板數(shù)據(jù)回歸分析結(jié)果表明，人均GDP和居民消費(fèi)水平是梅毒發(fā)病的影響因素（P < 0.05）。 結(jié)論 梅毒疫情具有明顯的時(shí)空聚集特征，并且受社會(huì)人口因素的影響，探討其時(shí)空聚集特征可為梅毒的防控策略和評(píng)價(jià)防控措施效果提供積極的參考。

[關(guān)鍵詞] 梅毒;空間聚集;時(shí)空分布;社會(huì)人口因素

[中圖分類號(hào)] R514? ? ? ? ? [文獻(xiàn)標(biāo)識(shí)碼] A? ? ? ? ? [文章編號(hào)] 1673-7210（2019）09（b）-0057-07

Spatial-temporal distribution of syphilis and its influencing factors in China （excluding Hong Kong， Macao and Taiwan） from 2010 to 2016

ZHANG Huilin1? ?CHEN Yuyan2? ?XIAO Yao3? ?LI Shulian4▲

1.Department of Clinical Laboratory， Zhongshan Hospital Affiliated to Xiamen University， Fujian Province， Xiamen? 361004， China; 2.Department of Clinical Laboratory， the Fifth Hospital of Xiamen City， Fujian Province， Xiamen? 361101， China; 3.Department of Science and Education， Xiamen Traditional Chinese Medicine Hospital， Fujian Province， Xiamen? ?361009， China; 4.President′s Office， Maternity and Child Care Hospital of Huli District in Xiamen City， Fujian Province， Xiamen? ?361006， China

[Abstract] Objective To explore spatial-temporal distribution characteristics of syphilis epidemic situation in China （excluding Hong Kong， Macao and Taiwan） from 2010 to 2016 and its social influencing factors. Methods Spatial aggregation of syphilis epidemic situation in China （excluding Hong Kong， Macao and Taiwan） from 2010 to 2016 was analyzed by using geographic information software ArcGIS and spatial data analysis software GeoDa. Spatial data processing software SaTScan was used to retrospectively analyze syphilis epidemic situation from 2010 to 2016. Stata was used to carry out panel data regression analysis of syphilis epidemic situation. Results Global spatial autocorrelation analysis showed that there was no spatial aggregation of syphilis incidence in China （excluding Hong Kong， Macao and Taiwan） from 2011 to 2015 （Moran′s I = 0.0444 to 0.1099， P > 0.05）， however， in 2010 （Moran′s I = 0.2524， P < 0.05） and 2016 （Moran′s I = 0.1932， P < 0.05）， syphilis incidence in China （excluding Hong Kong， Macao and Taiwan） was spatially aggregated. The results of local autocorrelation analysis showed that Jiangsu， Shanghai and Fujian were in the high-high region in 2010， Gansu was in the low-high region in 2013-2016， and all regions in China （excluding Hong Kong， Macao and Taiwan） were not in the high-high region in 2011-2012. Retrospective spatio-temporal scanning analysis revealed that there was one primary clustering region （Shanghai， Zhejiang， RR = 2.49） and six secondary clustering regions （Guangxi， Xinjiang， Chongqing， Liaoning， Inner Mongolia and Ningxia， RR = 1.44-3.50）. The results of panel data regression analysis showed that per capita GDP and consumption level were the influencing factors of the incidence of syphilis （P < 0.05）. Conclusion The epidemic situation of syphilis has obvious characteristics of spatial-temporal aggregation and is affected by social demographic factors. Discussing the characteristics of spatial-temporal aggregation of syphilis can provide a positive reference for syphilis control strategy and evaluation of the effect of prevention and control measures.

[Key words] Syphilis; Spatial aggregation; Spatial-temporal distribution; Social demographic factors

梅毒是由梅毒螺旋體引起的性傳播疾病，可嚴(yán)重?fù)p害人體多個(gè)系統(tǒng)及器官[1]。近年來(lái)中國(guó)梅毒發(fā)病呈持續(xù)上升趨勢(shì)，已成為嚴(yán)重的公共衛(wèi)生問(wèn)題[2-3]。本研究基于2010～2016年全國(guó)梅毒疫情監(jiān)測(cè)數(shù)據(jù)，應(yīng)用空間自相關(guān)分析和回顧性時(shí)空掃描分析探索我國(guó)31個(gè)省、自治區(qū)、直轄市（不含港澳臺(tái)地區(qū)）梅毒疫情的時(shí)空分布特征。既往研究表明，人口密度、性別比、居民消費(fèi)水平、離婚率和失業(yè)率等[4-6]社會(huì)人口因素與性傳播疾病之間存在一定聯(lián)系。本研究應(yīng)用面板數(shù)據(jù)回歸模型探索社會(huì)人口因素與梅毒發(fā)病率之間的關(guān)系，旨在為梅毒的防控策略和評(píng)價(jià)防控措施效果提供積極的參考。

1 資料與方法

1.1 資料來(lái)源

2010～2016年我國(guó)（不含港澳臺(tái)地區(qū)）梅毒疫情數(shù)據(jù)下載自公共衛(wèi)生科學(xué)數(shù)據(jù)中心官網(wǎng)，人口資料下載自國(guó)家統(tǒng)計(jì)局官網(wǎng)，地理信息及電子地圖下載自國(guó)家基礎(chǔ)地理信息中心官網(wǎng)。

1.2 方法

1.2.1 構(gòu)建地理信息數(shù)據(jù)庫(kù)? 建立包含我國(guó)（不含港澳臺(tái)地區(qū)）地理編碼、經(jīng)度和緯度信息的梅毒病例地理信息數(shù)據(jù)庫(kù)，建立包含各地區(qū)地理編碼、年份、人口數(shù)、性別比、人均GDP、失業(yè)率、離婚率、居民消費(fèi)水平及旅客周轉(zhuǎn)量等資料的人口信息數(shù)據(jù)庫(kù)。

1.2.2 各年度梅毒疫情空間聚集分析? 空間自相關(guān)分析是檢測(cè)某個(gè)空間的觀測(cè)值與臨近空間的觀測(cè)值是否相關(guān)的分析方法。如果一個(gè)空間的觀測(cè)值較高，其臨近空間的觀測(cè)值也較高，則認(rèn)為兩者呈空間正相關(guān)，相反則認(rèn)為呈空間負(fù)相關(guān)。莫蘭指數(shù)（Moran′s I）是空間自相關(guān)分析中的重要指標(biāo)，可以指出區(qū)域?qū)傩灾档姆植嫉降资蔷奂㈦x散還是隨機(jī)分布模式。Moran′s I的取值范圍為-1～1，取值為-1時(shí)說(shuō)明呈完全負(fù)相關(guān)，取值為1時(shí)說(shuō)明呈完全正相關(guān)，取值為0則說(shuō)明完全不相關(guān)。Moran′s I分為全局型和局域型，分別反映全局空間自相關(guān)（GISA）和局域型空間自相關(guān)（LISA）。全局型Moran′s I用于判斷總體上是否存在空間聚集，局域型Moran′s I用于評(píng)估每個(gè)觀測(cè)區(qū)域周圍的局部空間聚集概率。本研究先以全局型Moran′s I探測(cè)梅毒發(fā)病在我國(guó)（不含港澳臺(tái)）是否存在總體上的空間聚集，再根據(jù)局域型Moran′s I值繪制Moran散點(diǎn)圖，并通過(guò)蒙特卡洛方法將Moran散點(diǎn)圖與LISA檢驗(yàn)結(jié)果結(jié)合，標(biāo)識(shí)出各地區(qū)的梅毒發(fā)病是否處于高-高、低-低、高-低或低-高聚集狀態(tài)，從而判斷各地區(qū)之間梅毒發(fā)病在空間上的分布關(guān)系。

1.2.3 回顧性時(shí)空掃描分析? 本研究應(yīng)用回顧性時(shí)空掃描方法，依據(jù)泊松分布判斷梅毒發(fā)病是否在空間和時(shí)間上存在統(tǒng)計(jì)顯著性，探索梅毒發(fā)病的空間聚集隨時(shí)間變化的趨勢(shì)。在SaTScan軟件中將圓作為掃描窗口，掃描窗口半徑大小設(shè)置為0～最大風(fēng)險(xiǎn)人口（總?cè)丝诘?0%）逐步上升[7]。針對(duì)每個(gè)圓，比較窗口內(nèi)和窗口外的發(fā)病率，將窗口內(nèi)統(tǒng)計(jì)上明顯高的圓定義為空間聚集。根據(jù)得到的對(duì)數(shù)似然比（LLR，即實(shí)際發(fā)病數(shù)與理論發(fā)病數(shù)之比）將聚集分為一類和二類，LLR值最大的地區(qū)為一級(jí)聚類區(qū);其他掃描探測(cè)出的地區(qū)為二級(jí)聚類區(qū)。最后計(jì)算各地區(qū)梅毒發(fā)病的相對(duì)危險(xiǎn)度（RR）。

1.2.4 面板數(shù)據(jù)回歸分析? 面板數(shù)據(jù)是指在一系列時(shí)間上的多個(gè)截面同時(shí)選取某個(gè)觀測(cè)值所組成的樣本數(shù)據(jù)，其本質(zhì)是時(shí)間序列上的截面數(shù)據(jù)。本研究同時(shí)建立固定效應(yīng)模型和隨機(jī)效應(yīng)模型進(jìn)行面板數(shù)據(jù)回歸分析，再根據(jù)Hausman檢驗(yàn)結(jié)果采用其中一種模型。本研究將2010～2016年各地區(qū)各年份梅毒發(fā)病率進(jìn)行對(duì)數(shù)轉(zhuǎn)換，探討其是否受到性別比、人均GDP、失業(yè)率、離婚率、居民消費(fèi)水平及旅客周轉(zhuǎn)量的影響。

1.3 統(tǒng)計(jì)學(xué)方法

應(yīng)用地理信息軟件ArcGIS 10.4.1建立我國(guó)各地區(qū)（不含港澳臺(tái)地區(qū)）地理信息及人口信息數(shù)據(jù)庫(kù)，結(jié)合空間數(shù)據(jù)分析軟件GeoDa 1.6.7對(duì)各年度梅毒疫情進(jìn)行空間自相關(guān)分析和時(shí)空掃描聚類分析。應(yīng)用空間數(shù)據(jù)處理軟件SaTScan 9.5對(duì)梅毒疫情進(jìn)行回顧性時(shí)空掃描分析。應(yīng)用Stata 15.1對(duì)梅毒發(fā)病率與社會(huì)人口因素之間的關(guān)系進(jìn)行面板數(shù)據(jù)回歸分析。

2 結(jié)果

2.1 基本情況

2010～2016年我國(guó)31個(gè)省、自治區(qū)、直轄市（不含港澳臺(tái)地區(qū)）報(bào)告梅毒總病例數(shù)為2 861 826例，年發(fā)病率為30.2221/10萬(wàn)。見表1。

表1? ?2010～2016年我國(guó)（不含港澳臺(tái)）梅毒發(fā)病概況

2.2 梅毒空間聚集區(qū)域分析

2.2.1 全局空間自相關(guān)分析? 2010～2016年我國(guó)（不含港澳臺(tái)）梅毒發(fā)病分布的Moran散點(diǎn)圖如圖1所示。2011～2015年我國(guó)（不含港澳臺(tái)）梅毒發(fā)病分布無(wú)空間聚集性（Moran′s I = 0.0444～0.1099，P > 0.05），2010年（Moran′s I = 0.2524，P < 0.05）和2016年（Moran′s I = 0.1932，P < 0.05）我國(guó)（不含港澳臺(tái)）梅毒發(fā)病分布存在空間聚集性。見表2。

表2? ?2010～2016年我國(guó)（不含港澳臺(tái)）梅毒全局空間

自相關(guān)分析結(jié)果

2.2.2 局域空間自相關(guān)分析? 2010年江蘇、上海和福建地區(qū)表現(xiàn)為高-高聚集模式，2013～2016年甘肅表現(xiàn)為低-高聚集模式，2011、2012年我國(guó)（不含港澳臺(tái)）均未表現(xiàn)為高-高聚集模式。見圖2。

2.3 回顧性時(shí)空掃描

2010～2016年各地區(qū)共掃描到1個(gè)一級(jí)聚類區(qū)域和6個(gè)二級(jí)聚類區(qū)域。一級(jí)聚類區(qū)域?yàn)?010～2012年的上海和浙江地區(qū)，二級(jí)聚類區(qū)域包括2010～2012年的廣西地區(qū)、2013～2015年的新疆地區(qū)、2014～2016年的重慶地區(qū)、2013～2015年的遼寧地區(qū)、2013～2015年的內(nèi)蒙古地區(qū)及2014～2016年的寧夏地區(qū)。見表3、圖3（封四）。

2.4 面板數(shù)據(jù)回歸分析

根據(jù)Hausman檢驗(yàn)（P = 0.043），本研究中的面板數(shù)據(jù)回歸分析采用固定效應(yīng)模型。人均GDP和居民消費(fèi)水平是梅毒發(fā)病的影響因素（P < 0.05），而性別比、失業(yè)率、離婚率及旅客周轉(zhuǎn)量等因素對(duì)梅毒發(fā)病無(wú)影響。見表4。

3 討論

關(guān)鵬等[7]的研究表明，2005～2010年我國(guó)（不含港澳臺(tái)）梅毒發(fā)病分布存在空間聚集性，2011年無(wú)空間聚集性。本研究結(jié)果也表明，2010年我國(guó)（不含港澳臺(tái)）梅毒發(fā)病分布存在空間聚集性，2011～2015年無(wú)空間聚集性，2016年存在空間聚集性。這種聚集性消失又再出現(xiàn)的可能原因有待進(jìn)一步研究，但也說(shuō)明當(dāng)前梅毒疫情的防控形勢(shì)變得更加嚴(yán)峻。本研究提示，上海、浙江、江蘇和福建的梅毒發(fā)病高度聚集，說(shuō)明這些地區(qū)梅毒的防控形勢(shì)不容樂(lè)觀。這種現(xiàn)象可能是由于這些地區(qū)經(jīng)濟(jì)發(fā)達(dá)、大量吸引外來(lái)人才、人口政策的調(diào)整以及對(duì)外開放和國(guó)際接軌的不斷提高、外來(lái)勞務(wù)人員（包括性工作者）不斷增加所導(dǎo)致[8-10]。

時(shí)間效應(yīng)和空間效應(yīng)均可能對(duì)事物的發(fā)展產(chǎn)生影響，因此僅以空間自相關(guān)分析判斷梅毒發(fā)病的聚集性會(huì)忽略時(shí)間因素的影響，缺乏時(shí)效性[11]。與傳統(tǒng)的流行病學(xué)描述比較，時(shí)空掃描分析方法應(yīng)用大小和位置處于動(dòng)態(tài)變化的窗口對(duì)觀測(cè)對(duì)象進(jìn)行掃描，對(duì)聚集性的大小、位置、時(shí)間及強(qiáng)度等參數(shù)事先無(wú)任何假設(shè)，避免了人為的選擇偏倚[12-13]。應(yīng)用空間自相關(guān)分析，同時(shí)結(jié)合時(shí)空掃描分析方法，可以同時(shí)實(shí)現(xiàn)靜態(tài)觀測(cè)和動(dòng)態(tài)觀測(cè)，進(jìn)一步提高客觀性及準(zhǔn)確性。時(shí)空掃描聚類分析結(jié)果顯示，除上海、浙江形成聚類外，2013年起遼寧、內(nèi)蒙古和中西部部分省份也開始形成梅毒的時(shí)空聚類，提示應(yīng)加強(qiáng)上述地區(qū)梅毒發(fā)病的監(jiān)測(cè)，積極對(duì)高危人群進(jìn)行宣傳教育及主動(dòng)干預(yù)，阻斷梅毒的傳播途徑[14-15]。

面板數(shù)據(jù)回歸分析表明，梅毒發(fā)病率受人均GDP和居民消費(fèi)水平的影響，即梅毒發(fā)病率與人均GDP及居民消費(fèi)水平呈正相關(guān)。時(shí)空掃描分析得出的梅毒高聚集地區(qū)如上海、浙江也是人均GDP及消費(fèi)水平較高的地區(qū)，兩種方法得到的結(jié)論較為一致。一項(xiàng)廣東地區(qū)的研究也顯示，家庭收入中位數(shù)較高的城鎮(zhèn)往往有較高的性病發(fā)病率[16]。

性病的早期發(fā)現(xiàn)、早期治療也是梅毒控制策略的重要組成部分。性工作者是感染和傳播性病的高危人群[17-18]，對(duì)這類高危人群重點(diǎn)開展健康教育、推進(jìn)避孕套使用等預(yù)防措施均有助于梅毒感染的預(yù)防。本研究聯(lián)合應(yīng)用時(shí)空掃描分析和面板數(shù)據(jù)回歸分析，可以更好地識(shí)別梅毒高危聚集區(qū)域及社會(huì)人口因素對(duì)梅毒發(fā)病的影響，為梅毒疫情的預(yù)防和控制提供了目標(biāo)地區(qū)，使梅毒預(yù)防及控制的公共衛(wèi)生實(shí)踐更加具有針對(duì)性。這不僅在梅毒流行病學(xué)中有用，在其他傳染病的研究中也是有益的。

本研究也存在不足之處。首先，一些潛在的影響變量，如年齡結(jié)構(gòu)、種族構(gòu)成及犯罪率等由于數(shù)據(jù)獲得的限制而被忽略，更詳盡的調(diào)查將使梅毒的預(yù)防和控制更有針對(duì)性。其次，性傳播疾病的漏報(bào)情況對(duì)研究結(jié)果的干擾也一直是研究者關(guān)心的問(wèn)題。另外，面板數(shù)據(jù)回歸分析未能充分考慮到空間效應(yīng)的影響，未來(lái)還應(yīng)綜合考慮時(shí)間效應(yīng)和空間效應(yīng)，采用空間面板數(shù)據(jù)回歸分析對(duì)影響梅毒發(fā)病的社會(huì)人口因素進(jìn)行研究[19]。最后，最小空間尺度的選擇對(duì)研究結(jié)果也存在一定影響，實(shí)際工作中需要根據(jù)研究目的和數(shù)據(jù)特征謹(jǐn)慎選擇合適的最小空間尺度，例如可以按照經(jīng)濟(jì)區(qū)域進(jìn)行劃分[20]，研究不同發(fā)展水平的經(jīng)濟(jì)區(qū)域之間梅毒疫情的分布特征。

[參考文獻(xiàn)]

[1]? Liu LL，Lin Y，Zhuang JC，et al. Analysis of serum metabolite profiles in syphilis patients by untargeted metabolomics [J]. J Eur Acad Dermato，2019，33：1378-1385.

[2]? 陶長(zhǎng)余，章士軍，陳郁.2005-2014年我國(guó)梅毒發(fā)病率趨勢(shì)分析及預(yù)測(cè)[J].職業(yè)與健康，2015，31（21）：3026-3027.

[3]? Zhu B，ZhuY，Liu JL，et al. Notifiable sexually transmitted infections in china：epidemiologic trends and spatial changing patterns [J]. Sustainability，2017，9（10）：1784.

[4]? Cao WT，Li R，Ying JY，et al. Spatiotemporal distribution and determinants of gonorrhea infections in mainland China：a panel data analysis [J]. Public Health，2018，162：82-90.

[5]? Xiao G，Xu C，Wang J，et al. Spatial-temporal pattern and risk factor analysis of bacillary dysentery in the Beijing-Tianjin-Tangshan urban region of China [J]. BMC Public Health，2014，14（1）：998.

[6]? Health N，Commission FP. Report on China′s migrant population development [D]. China Population Publishing House，2017.

[7]? 關(guān)鵬，曹爽，黃德生，等.2005-2011年中國(guó)大陸地區(qū)梅毒疫情時(shí)空分布[J].中國(guó)感染控制雜志，2014，13（5）：257-262.

[8]? 嚴(yán)華美，楊瑛，張星燦，等.上海市閔行區(qū)2005-2016年梅毒疫情分析[J].復(fù)旦學(xué)報(bào)，2017，44（5）：585-589.

[9]? 徐曉燕.常熟市2005-2015年梅毒疫情分析[J].江蘇預(yù)防醫(yī)學(xué)，2017，28（3）：300-301.

[10]? Wong NZ，Chen L，Joseph D，et al. Distribution of reported syphilis cases in South China：spatiotemporal analysis [J]. Sci Rep，2018，8（1）：9090.

[11]? 王培安，羅衛(wèi)華，白永平.基于空間自相關(guān)和時(shí)空掃描統(tǒng)計(jì)量的聚集比較分析[J].人文地理，2012，27（2）：119-127.

[12]? Goujon-Bellec S，Demoury C，Guyot-Goubin A，et al. Detection of clusters of a rare disease over a large territory performance of cluster detection methods [J]. Int J Health Geogr，2011，10：53.

[13]? 廖一蘭，王勁峰，楊維中，等.傳染病多維度聚集性探測(cè)方法[J].地理學(xué)報(bào)，2012，67（4）：435-443.

[14]? 楊振，王念，王宇.中國(guó)性病疫情的時(shí)空差異與經(jīng)濟(jì)驅(qū)動(dòng)機(jī)制——以淋病、梅毒為例[J].熱帶地理，2016，36（5）：761-766.

[15]? Chang BA，Pearson WS，Owusu-Edusei K. Correlates of county-level nonviral sexually transmitted infection hot spots in the US：application of hot spot analysis and spatial logistic regression [J]. Ann Epidemiol，2017，27（4）：231-237.

[16]? Tan NX，Messina JP，Yang LG，et al. A spatial analysis of county-level variation in syphilis and gonorrhea in Guangdong Province，China [J]. PLoS One，2011，6：e19648.

[17]? Chen X，Peeling RW，Yin Y，et al. The epidemic of sexually transmitted infections in China：implications for control and future perspectives [J]. BMC Med，2011，9：111.

[18]? Chen W，Zhou F，Hall BJ，et al. Spatial distribution and cluster analysis of risky sexual behaviors and STDs reported by Chinese adults in Guangzhou，China：a representative population-based study [J]. Sex Transm Infect，2016，92（4）：316-322.

[19]? 唐小靜，曾慶，趙寒，等.重慶市2008-2012年手足口病空間聚集性及影響因素研究[J].中國(guó)人獸共患病學(xué)報(bào)，2014，30（12）：1196-1200.

[20]? Fu R，Zhao JK，Wu Dan，et al. A spatiotemporal meta-analysis of HIV/syphilis epidemic among men who have sex with men living in mainland China [J]. BMC Infect Dis，2018，18（1）：652.

（收稿日期：2019-06-19? 本文編輯：李亞聰）