三峡水电站位于重庆市到湖北宜昌市之间的长江干流上，蓄水形成的三峡库区范围涉及重庆市、湖北省宜昌市和恩施土家族苗族自治州，细菌性痢疾（菌痢）作为发病率较高的乙类传染病，是三峡地区重点监测和防控的传染病之一。地理信息系统（geographic information system，GIS）和空间统计方法在菌痢聚集性研究领域的应用表明，菌痢病例分布存在明显空间异质性^[1-2]。由于菌痢监测中存在患者症状轻型化、非典型化和被动监测系统不完善等问题^[3-4]，需主动探测菌痢的高发聚集区，以掌握菌痢的时空分布规律，使得防控工作更有针对性。本研究引入空间统计方法对三峡地区的菌痢进行时空特征分析，对指导当地菌痢防控工作具有重要现实意义。

本研究中的三峡地区指三峡库区所涉及的省、市，包括重庆市全境、湖北省宜昌市和恩施土家族苗族自治州，共计59个县（区）。

按“发病日期”、“现住址”和“已审核” 3个条件，搜集和整理2014年1月1日至2016年12月31日“传染病报告信息管理系统”中三峡地区的菌痢病例数据，剔除不详县市的病例后，分别计算各年度三峡地区59个县（区）的报告发病数和报告发病率，同期菌痢暴发疫情资料从“突发公共卫生事件报告管理系统”获得。人口数据来源于相应年度的《重庆统计年鉴》和《湖北统计年鉴》，三峡地区1：300万比例尺的电子地图由中国疾病预防控制中心（CDC）提供。

空间自相关分析是研究空间某位置观察值与其相邻位置观察值间是否相关及相关程度的一种空间统计方法^[5]，可用空间自相关系数来度量。全局Moran's I是基于Pearson相关系数的广义空间积差相关系数^[6]，应用较广，取值范围为[-1, 1]，其计算结果可得出3种结论，即正相关（距离越近，相似程度越高，如高高相邻或低低相邻），负相关（相邻区域观测值彼此不同，如低高相邻）和零相关（即随机分布，不表现相关性）^[7]。本研究采用Queen contiguity法创建空间权重矩阵。

局部自相关系数（local indicators of spatial autocorrelation，LISA）可以发现数据之间的空间异质性^[8]，它通过计算每个空间单元与其邻近单元就某一属性的相关程度，检验研究区域内每个空间单元相对于整体范围而言其空间自相关是否足够显著，从而指出研究属性在空间的高高、高低（低高）和低低的分布。本研究利用Geoda软件进行局部空间自相关分析，空间关联模式分为4种：High-High、Low-Low、Low-High和High-Low，其中，High-High和Low-Low表示该县（区）的发病率与周围县（区）的发病率相似，即空间正相关；Low-High和High-Low表示该县（区）的发病率与周围县（区）的发病率相异，即空间负相关。

利用近3年的菌痢发病数据，基于离散型泊松分布模型，应用SaTScan 9.4软件进行以县（区）为空间单位、月为时间单位的时空扫描。该法是在地理坐标基础上建立时空二维圆柱体窗口，圆柱的底圆代表地域范围、高度代表时间长短，圆柱体的位置和高度都在动态变化中^[9-10]；将扫描窗口内外发病数差异的对数似然比（log likelihood ratio，LLR）^[11]作为衡量扫描窗口内菌痢发病异常程度的指标，经蒙特卡洛法^[9]对LLR值进行检验得到P值，当P < 0.05时，认为该扫描窗口内的统计指标与窗口外相比，其相对危险度（relative risk，RR）有统计学意义。参数设置为：无地理区域重叠，30%的潜在风险人口，蒙特卡洛迭代次数为999。扫描所得具有最大LLR值的区域称为一类聚集区，其余的有统计学意义的聚集区域称为二类聚集区。

采用Excel 2010软件进行数据整理和描述性分析，以“现住地址国标码”为链接字段，将2014－2016年三峡地区以县（区）为单位的发病数据与相应电子地图建立空间关联，构建三峡地区菌痢报告发病率GIS数据库，应用ArcGIS 10.3软件绘制发病率地图并实现分析结果的可视化。利用GeoDa 1.8.16.4软件进行全局和局部空间自相关分析，SaTScan 9.4软件进行时空扫描统计分析，P < 0.05为差异有统计学意义。

2014－2016年三峡地区报告菌痢病例共计25 013例，其中临床诊断病例21 048例（占84.15%），确诊病例3 965例（占15.85%）；3年间报告发病率依次为24.00/10万、22.14/10万和20.84/10万，年均报告发病率为22.32/10万，呈逐年降低趋势。菌痢全年均有发病，呈明显季节性分布，5－ 10月为发病高峰，见图 1。三峡地区各县（区）的报告发病率差异明显，发病率高的地区集中在重庆市西南部的渝中、沙坪坝等主城区以及东北部的城口县和宜昌市中部的西陵、伍家岗等城区，发病率低的地区集中在三峡地区的南部、中部和东北部大部分县（区），见图 2。

图 1 2014－2016年三峡地区细菌性痢疾报告病例季节分布 Figure 1 Time distribution of bacillary dysentery cases in three gorges area, 2014-2016

图选项

图 2 2014－2016年三峡地区细菌性痢疾发病率地区分布 Figure 2 Area specific incidence of bacillary dysentery in three gorges area, 2014-2016

图选项

2014－2016年三峡地区仅2014年11月发生一起菌痢暴发，疫情波及重庆市城口县庙坝镇2个小学共1 305人，累计报告菌痢病例70例，罹患率为5.36%（70/1 305），实验室确诊病例19例（检出宋内志贺菌），临床诊断病例51例（便常规均可见脓细胞、吞噬细胞），无并发症及死亡病例报告。

逐年对三峡地区所有县（区）的报告发病率进行全局空间自相关分析，所得的Moran's I指数逐年增大，介于0.194~0.482，且差异均具有统计学意义（P < 0.05），表现为中等程度的空间聚集性，见表 1。结果显示三峡地区菌痢发病在县（区）水平上呈空间正相关性，病例分布并非随机，呈显著的空间聚集性分布。

2014－2016年间依次探测到2、5和8个县（区）呈High-High关联模式，即发病“热点”地区；热点县（区）范围有扩大趋势，集中分布在重庆市主城区，由2014年的渝中区和江北区转变为2015年的渝中区、江北区、沙坪坝区、南岸区和巴南区，2016年又增加了九龙坡、北碚和渝北3个区。2014－2016年依次有6、6和8个县（区）呈Low-Low关联模式，即发病“冷点”地区；冷点县（区）范围变化不大，持续存在的有兴山县、利川市、巴东县、奉节县和巫山县。3年均探测到恩施市呈High-Low关联模式，璧山县2016年呈Low-High关联模式，见图 3。

图 3 2014－2016年三峡地区细菌性痢疾发病率局部自相关系数聚集县（区）分布 Figure 3 LISA indicated clustering of bacillary dysentery incidence in three gorges area, 2014-2016

图选项

利用各县（区）的菌痢月发病数进行逐年时空扫描分析，得到分年度的一类和二类聚集区，未扫描到低发区域，见表 2，图 4。一类聚集区位于重庆西南部，位置较稳定，均包含11个县（区），聚集时间为每年的5－10月，该区域的菌痢发病风险是相同人口半径、相同时间间隔的扫描窗口的5.73~5.81倍，同时各年度局部空间自相关的热点县（区）均被同年的一类聚集区所覆盖；二类聚集区主要位于重庆市东北部和宜昌市中部，3年间持续存在的二类聚集区为城口县、西陵区和伍家岗区，2014年梁平县和2016年的梁平县和开州区也均为二类聚集区。

图 4 2014－2016年三峡地区细菌性痢疾发病率时空扫描聚集区 Figure 4 Spatial-temporal clusters of bacillary dysentery incidence in three gorges area, 2014-2016

图选项

疾病空间聚集性是指某些区域疾病的发生风险显著高于其他区域^[12]，GIS与空间自相关和时空扫描两种方法联用，可对疾病空间分布特征进行统计分析，从而发现疾病分布规律。时空扫描纳入人口变量，即校正了各地非均匀的人口密度，并通过移动窗口法来探测时、空两维度上的病例聚集性^[13]，可弥补空间自相关未考虑时间的不足。近3年三峡地区菌痢报告发病率逐年下降，2016年较2014年下降了13.17%，降幅略低于全国同期（20.78%），高发地区主要位于经济发展水平较高的重庆市主城区和宜昌市主城区。菌痢发病高峰为每年的5－10月，与全国、京津唐等地区发病季节特征相同^[14-15]，也与时空扫描得出的病例聚集时间相一致。

全局Moran's I指数越接近+1，空间正相关性越强，3年间Moran's I指数逐年增大，说明病例分布的聚集性不断增强。局部空间自相关显示菌痢热点区域由2014年的2个重庆主城区扩大到2016年的8个城区；冷点区域范围有小幅变动，集中分布在三峡地区东北部。时空扫描的一类聚集区中9个区为重庆主城区，另外2县（区）位于主城周边。一类聚集区包含局部空间自相关的结果且范围较其大，2种方法均反映出三峡地区的菌痢病例以重庆主城区为聚集中心，与此前京津唐地区菌痢研究中一类聚集区为北京城区相似^[15]，其原因可能与城区内人口密度大、人员流动性强关系密切，也与城区比农村传染病报告更规范，乡镇级医院存在漏登记、漏报告有关^[16]。重庆市是西部地区中流动人口的聚集地，据重庆市统计信息网公布的《2015年重庆市1%人口抽样调查主要数据公报》和《重庆统计年鉴》的数据显示：2015年重庆市市内外出人口（563.93万）较2014年增加24.32万人，市域内流动人口数逐年增加；一类聚集区的外来务工人口多，城镇化率、人口密度和人均GDP均高于其他县（区）。

恩施市3年间均呈High-Low关联模式（高值被低值包围），而时空扫描显示其为无统计学意义聚集区，可将恩施市的菌痢聚集视为亚聚集状态^[14]，应加强菌痢防控，避免其转变为一类/二类聚集区；璧山县紧邻高发的主城区，故呈Low-High关联模式。城口县是重庆最边远的贫困县，3年间报告发病率持续高位，表明该县可能存在发病高危因素，应进一步调查明确原因。突发公共卫生事件报告属于被动监测，仅报告一起菌痢暴发疫情，与时空扫描发现城口县是二类时空聚集区的结果相吻合，而时空聚集性分析还可以发现更多的潜在流行地区，提示采用基于GIS的时空分析技术可以对菌痢流行风险做出定性和半定量的评估，具有较大的应用价值。

本研究存在局限性。空间分析采用的菌痢报告发病率，可能与实际发病率存在差异，报告发病率受当地各级医疗机构患者就诊、诊断、报告等因素影响，存在误诊误报病例，但其仍属于感染性腹泻范畴，与菌痢防控措施具有相似性，分析时空分布对发现菌痢潜在流行风险仍有意义。

综上所述，本研究揭示了三峡地区菌痢发病的时空分布特征，并直观地呈现其空间分布，初步确定了菌痢发病热点县（区），为制定菌痢防控策略提供依据。菌痢发病率存在的相关性可能与当地的社会经济因素、温度等气象条件有关^[17-18]，三峡地区菌痢时空分布模式的影响因素分析将是下一步的研究重点。

作者贡献:

张平  ORCID：0000-0001-5503-1005

张平：数据收集、整理和分析，论文撰写与修改

张静：课题设计、指导和论文修改