细菌性痢疾(菌痢)是由志贺菌引起的一种急 性肠道传染病，传播途径主要为粪-口传播，人群普遍易感，病后免疫力持续时间较短，不同型别菌株之间无交叉免疫，短时间内也可能再次发生感染。全球每年志贺菌感染人次估计为1.65亿，约110 万病例死亡^[1]。在我国菌痢的报告发病率高居乙类传染病前5位^[2]，是常见的肠道传染病，严重影响甘肃省居民健康和生活质量。疾病空间聚集性是指某些区域疾病发生的危险性显著高于其他区域^[3]，描述性流行病学研究无法准确地获得疾病的空间分布特征，而地理信息系统(geographical information system，GIS)以地理空间数据库为平台，将空间数据管理和空间信息分析相结合，采用相应的研究方法对疾病的空间分布特征进行统计分析，从而发现疾病的空间分布规律，揭示疾病的空间聚集性。目前国内研究主要针对菌痢的流行病学特点和病原学监测方面^{[4, 5]}，对于菌痢在空间层面的研究较少。笔者就2013年甘肃省菌痢发病情况，结合空间扫描方法，探讨甘肃省菌痢的空间分布特征和聚集性热点区域，为菌痢的数据分析和疫情防控提供借鉴和参考。

  2013年甘肃省菌痢的病例信息来自“中国疾病控制信息系统”，剔除地址不详、未经临床或实验室确诊的病例。以发病日期为标准日期，分别计算甘肃省87个县(区)对应的发病数和发病率。人口数据来源于国家统计局。甘肃省1 ∶ 25万矢量化县界地图由中国疾病预防控制中心提供。

  将2013年甘肃省菌痢发病数据导入衔接电子地图的数据库中，建立甘肃省菌痢发病信息的地理信息数据库。采用ArcGIS 10.2软件进行地图绘制，Geoda 1.60软件进行空间自相关分析，SatScan 9.1.1.0软件进行空间扫描数据分析。

  采用全局Moran’s I指数和局部Moran’s I指数^[6]作为空间自相关分析指标，数据分析使用Geoda 1.60软件。(1)全局空间自相关分析指标选用Moran’s I指数，它反映的是空间邻接或空间邻近单元属性值的相似程度，计算公式：

  本次研究利用 SatScan 9.1.1.0软件进行空间扫描统计分析，采用移动窗口法，应用一系列扫描圆探测研究区域疾病的空间聚集性，空间扫描统计在研究区域内生成无数个大小位置不同的扫描圆，利用圆内外病例的实际数和期望数计算对数似然比(log likelihood ratio，LRR)，选取LLR值最大的窗口为高发病聚集窗口，确定此窗口所包括的地区，并计算该地区的相对危险度(RR)，LLR的P值可以通过Monte Carlo 随机化法得到，迭代次数选择999，P<0.05，扫描窗口发病数异常程度差异有统计学意义，则该区域可能具有聚集特征。

  甘肃省2013年菌痢报告发病数8191例，无死亡病例，报告发病率为31.81/10万。各县(区)报告发病率较高的为碌曲县(165.48/10万)、华池县(142.8/10万)、合水县(117.06/10万)、成县(96.50/10万)和阿克塞哈萨克族自治县(85.29/10万)，见图 1。采用Jenks自然分割算法确定制图分组方法，该方法能将相似值归为一组，且使组间相对差异最大。报告发病率按颜色深浅分成5个等级。2013年甘肃省菌痢报告发病率较高的地区主要分布于庆阳、甘南地区，低发病率主要分布于甘肃中部地区白银、定西、金昌、天水等部分地区。

图 1 2013年甘肃省细菌性痢疾发病率(/10万)地区分布 Fig.1 Area specific incidence of bacillary dysentery in Gansu,2013 (1/100 000)

图选项

  甘肃省2013年菌痢发病率的全局自相关系数Moran’s I值为0.4555 (Z=6.51，P=0.001)，表明2013年甘肃省菌痢发病分布不是随机的，存在有统计学意义的正向空间自相关，呈显著的聚集性分布。

  甘肃省有21个县(区)菌痢发病的局部空间自相关检验结果的差异有统计学意义(P<0.05)，见表 1。可视化具有统计学意义的空间关联模式地区分布见图 2，图中显示红色区域表示高-高空间关联模式，主要分布于庆阳市和甘南州，包括庆城县、环县、合水县、宁县、华池县、合作市、夏河县、碌曲县、玛曲县共9个县(市)，是菌痢高发区域被高发病率区域包围，呈现高值聚集状态(P<0.05)，为2013年甘肃省细菌性痢疾发病“热点”区域；深蓝色区域为低-低空间关联模式，主要分布于金昌市、张掖市和武威市，包括永昌县、会宁县、甘州区、高台县、山丹县、 民勤县、天祝县、临泽县、 民乐县、 肃南县、嘉峪关市11个县(市、区)，是菌痢低发区域被低发病率区域包围，呈现低值聚集状态(P<0.05)，为2013年甘肃省细菌性痢疾发病“冷点”区域。浅蓝色代表低-高关联模式的县(区)，敦煌市(P<0.05)，为低发病率被高发病率包围的地区。

图 2 2013年甘肃省细菌性痢疾发病率的关联类型 Fig.2 Association type of bacillary dysentery i ncidence in Gansu,2013

图选项

  应用SaTScan软件进行空间扫描统计分析，共扫描出4个有统计学意义的发病率聚集区(图 3、表 2)。第1个聚集区是兰州市及周边地区，半径为32.87 km的区域，覆盖了5个县(区)，该聚集区内菌痢发病风险是其他区域的 2.38倍；第2个聚集区是庆阳市，半径为97.97 km的区域，覆盖了9个县(区)，该聚集区内菌痢发病风险是其他区域的 2.40倍；第3个聚集区是肃北县和瓜州县，半径为137.84 km的区域，该聚集区内菌痢发病风险是其他区域的2.12倍；第4个聚集区是张家川县和清水县，半径为25.14 km的区域，该聚集区内菌痢发病风险是其他区域的 1.48倍。

图 3 2013年甘肃省细菌性痢疾聚集区域空间扫描统计结果 Fig.3 Spatial scanning analysis of bacillary dysentery clustering areas in Gansu,2013

图选项

空间自相关分析是研究空间中某位置的观察值与其相邻位置观察值是否相关以及相关程度的一种空间数据分析方法^[7]。全局自相关统计量仅为整个研究空间的空间自相关情况提供了一个总体描述，可在总体的范围内发现观察值间的相关关系，而局部自相关用于表示每个空间位置的观察值是否与其邻近位置观察值具有相关性，存在全局空间自相关时，探讨分析是否存在空间异质性，当不存在全局空间自相 关时，可利用局部自相关寻找被掩盖的局部自相关区域。近年来中国菌痢发病呈下降趋势，但时空分析显示西北地区较其他区域整体下降速度缓慢^[8]，甘肃省地处中国西部，2013年报告发病率高于全国平均水平(13.93/10万)，居第4位。对甘肃省菌痢发病率进行地区分布制图，显示高发区域位于东部的庆阳和南部甘南地区，为探讨菌痢空间聚集性，采用全局空间自相关分析显示，菌痢的空间分布不服从随机分布，存在空间相关关系。局部空间自相关进一步分析显示，高-高空间关联模式主要集中于甘肃省东部庆阳市的5个县和南部甘南州的4个县。这些区域菌痢发病高的可能原因是地理环境和环境卫生的影响，庆阳市与陕西省接壤，流动人口多，卫生设施不完善，甘南州为藏族游牧民族居住地，交通不便，卫生习惯差，易接触细菌性痢疾病原体污染的食物和水源，导致菌痢发病增多，病例呈现聚集性，因此这些区域是菌痢防控的重点。空间扫描统计可在无任何先验假设下，完整的对聚集区的位置、空间覆盖半径进行准确定位，了解该范围疾病发病风险的大小。本次研究结合ArcGIS，对空间扫描统计的结果进行了可视化，主要聚集区为兰州市及周边的5个县(区)，菌痢发病风险是其他区域的 2.38倍；庆阳市的9个县，发病风险为2.40倍，与局部空间自相关分析结果相似。综上所述，甘肃省东部地区特别是庆阳市应重点关注菌痢的聚集性病例，警惕暴发疫情，做好应急准备。

GIS功能强大，可处理海量数据，与空间统计学结合，在分析疾病地理分布模式和社会、自然环境条件关系中起着核心作用，作为疾病预防和干预决策支持系统的核心，其潜力是不可替代的^[9]。本研究使用ArcGIS 10.2软件，采用空间自相关分析和空间扫描统计方法对2013年甘肃省菌痢的监测数据进行了空间分布特征的分析，弥补了单纯流行病学发病率地区比较无法探知聚集性的不足，揭示了菌痢在空间上的流行趋势以及分布特点，对于疫情的预测分析从空间角度得到补充，为今后卫生行政部门合理的分配卫生人力资源、经费投入、制定菌痢的区域防控策略提供了参考依据。但细菌性痢疾的发病与社会经济水平，卫生习惯、气候、季节性以及菌株的毒力因子、耐药性、抗生素的使用等多种因素有关^{[10, 11, 12]}，下一步的研究应将空间位置、时态特征和可能影响因素结合分析，为进一步探索菌痢的预测预警、制定防治规划、评价干预措施等提供线索和科学依据。