2016～2020年中国猩红热发病的空间聚集性分析

张佳豪，杨若男，贺舒凝，袁萍

四川大学华西公共卫生学院//华西第四医院流行病与卫生统计学系，四川成都 610041

猩红热是一种由化脓性链球菌引起的急性呼吸道传染病，感染后症状一般较为轻微，但若治疗不及时可能导致致命性感染［1］，且治疗不彻底会导致严重后遗症，如风湿性心脏病、肾脏疾病和关节损伤等［2］。从上世纪开始，随着医学技术的发展、医疗卫生资源的改善和生活水平的提高，猩红热的高发病率得到显著控制［3］。然而，近年来猩红热卷土重来，在韩国、中国大陆、中国香港以及英国，猩红热的发病率都呈现上升趋势［2,4］，已经成为了不容忽视的全球性公共卫生问题之一。2020年中国国家卫生健康委员会发布《2020中国卫生健康统计年鉴》显示，2019年我国猩红热发病率为5.85/10万，在我国甲乙类法定报告传染病中居于第六位，已高于我国艾滋病的发病率［5］，防控形势仍十分严峻。

了解疾病的空间分布是公共卫生的基础，是研究如何预防疾病，特别是传染性疾病必不可少的过程之一。根据Tobler地理学第一定律，空间数据并非独立，可能存在不同程度的聚集性，即空间自相关性［6］。三维趋势分析和空间自相关分析等统计分析方法已广泛应用于我国传染病的空间动态分布的研究中，如肺结核［7］、艾滋病［8］和乙肝［9］等，其研究结果对相关传染性疾病的防控具有指导意义，其分析方法也为了解疾病的空间流行状况提供了方法学借鉴。但目前关于我国猩红热的空间分布状况的系统研究较匮乏，以往的研究多局限于省市两级［10-13］，饶志成等［14］对2004～2017年我国猩红热的空间聚集情况有所探索，发现我国猩红热发病存在一定的空间正相关性，但该研究结果用以反映当前我国猩红热的流行状况以及指导猩红热的防控作用比较有限，尤其自2019年新型冠状病毒肺炎疫情全球大流行后，我国猩红热的发病情况和空间分布状况可能发生了变化［15］，亟待进一步研究。

因此，本研究利用当前能获取的国家层面最新的数据，采用空间流行病学的分析方法，对我国2016～2020年的猩红热发病情况和空间聚集状况进行探索分析，为指导合理制定未来新冠疫情持续影响下我国猩红热的预防策略与措施提供科学依据。

1 资料和方法

1.1 资料来源

2016～2018年各省份（直辖市、自治区）的猩红热发病资料来自于国家人口健康科学数据共享平台-公共卫生科学数据中心（https://www.phsciencedata.cn/Share/）；2019～2020年各省份（直辖市、自治区）的猩红热发病资料来自于《中国卫生健康统计年鉴》（http://www.nhc.gov.cn/）；从国家基础地理信息中心网站（http://www.ngcc.cn/ngcc/）上下载中国矢量化省界电子地图。

1.2 研究方法

1.2.1 资料的预处理 采用Excel对2016～2020年猩红热发病资料进行整理。将31个省份（直辖市、自治区）的猩红热发病率资料在GeoDa软件中与中国矢量化省界地图连接，连接字段为行政区域代码，建立2016～2020年全国猩红热发病情况的地理信息数据库。

1.2.2 描述性分析 将各省份（直辖市、自治区）2016～2020年的平均猩红热发病率情况绘制为三维空间趋势面，从三维空间上描述我国猩红热的省级地区分布的变化趋势。

1.2.3 空间自相关分析 全局空间自相关：莫兰指数（Moran's I）是空间自相关分析最常用的分析指标之一［16］。全国范围内，全局Moran's I反应各省份的猩红热报告发病率是否存在空间聚集性及空间聚集性的大小［17］。Moran's I指数的变化范围可从-1到1。当某项属性在空间分布上呈正相关性时，Moran's I＞0，且其取值越接近1，空间聚集程度越明显。当某项属性在空间分布上呈负相关性时，Moran's I＜0，且其取值越接近-1，此项属性的空间异质性越明显。当Moran's I=0时，代表此属性空间分布呈现随机性，不存在空间自相关［18］。Moran's I的计算公式如下：

局部空间自相关：局部空间自相关用于研究某一空间单位某一属性与临近单位是否存在异质性以及异质性的大小，并通过局部Moran's I对其进行分析，局部Moran's I的计算公式为：

经局部自相关分析可获得四类聚集模式：高-高（HH）聚集模式、高-低（H-L）聚集模式、低-低（L-L）聚集模式和低-高（L-H）聚集模式。若某空间单位呈现H-H聚集模式或L-L聚集模式则判定为空间正相关聚集区域，若呈现H-L聚集模式或L-H聚集模式则判定为空间负相关聚集区域［19］。

1.3 统计学分析

采用SAS9.4软件进行猩红热发病率趋势检验；采用ArcGIS10.8软件进行猩红热发病率的三维空间趋势面分析，通过ArcGIS软件，构建XYZ三维空间坐标轴，设置2016～2020年全国31个省份的猩红热年均发病率为因变量（Z轴），各省份地理位置上的经纬度为自变量（X轴、Y轴），三维空间趋势图由ArcGIS的趋势探索功能实现；并通过GeoDa9.5软件进行空间权重矩阵生成，生成方式为邻接空间权重Queen邻接，即以存在公共边为相邻，之后以创建的地理信息数据库进行全局和局部空间自相关分析，采用置换检验（Permutation Test）对空间自相关分析的结果进行统计推断，以P＜0.05为差异有统计学意义，置换检验重复次数设置为999次。

2 结果

2.1 猩红热报告发病率及变化趋势

2016～2020年全国31个省份（直辖市、自治区）累积报告猩红热病例310816例，年平均发病率为4.48/10万。猩红热报告发病率从2016年的4.32/10万下降到2020年的1.18/10万（Z=103.47，P＜0.001）。年平均递减率为27.31%，（图1）。

图1 2016～2020年我国猩红热发病趋势分析Fig.1 Analysis on the trend of scarlet fever incidence in China from 2016 to 2020.

2.2 猩红热年均发病率三维空间趋势面分析

2016～2020年我国猩红热年均报告发病率总体呈现东西方向“U”型分布，中间低两边高，由南向北逐渐升高，猩红热发病在东西、南北方向上存在比较大的地区差异（图2）。

图2 2016～2020年我国猩红热年均发病率三维空间趋势分析Fig.2 Three-dimensional spatial trend of annual incidence of scarlet fever in China from 2016 to 2020.

2.3 猩红热发病的空间自相关分析

2.3.1 全局空间自相关分析 2016～2019 年全国各省份猩红热发病全局空间自相关Moran's I均大于期望值E（I）=-0.0345，空间分布均存在空间正相关性（Moran's I＞0，P＜0.05），其中Moran's I 最小的年份为2019年（0.3472），最大的年份为2016年（0.4008）。表明自2016～2019年间，我国猩红热发病存在较为明显的地区聚集特征，2020年我国猩红热发病呈随机分布，不存在明显的空间相关性（Moran's I=0.0710，P=0.16，表1）。

表1 2016～2020年我国猩红热发病的全局空间自相关分析Tab.1 Global spatial autocorrelation analysis of scarlet fever incidence in China from 2016 to 2020

2.3.2 局部空间自相关分析 2016～2019年全国猩红热发病率存在局部热点区域，且多集中在我国北部地区。其中H-H聚集区域在2016年为内蒙古；2017和2018年无高-高聚集区域；2019年为河北；2020年为甘肃。L-L聚集区域在2016年为广西、安徽、湖北、江西、湖南、云南、贵州、广东；2017年为安徽、湖北、江西、湖南、云南、贵州、广东、重庆；2018年为重庆、安徽、湖北、江西、湖南、云南、贵州、福建、广西、广东；2019年为重庆、湖北、江西、湖南、贵州、福建、广西、广东；2020年为湖北和湖南。L-H聚集区域在2016年为甘肃和河北；2017年以及2018年均为河北；2019年以及2020年无低-高聚集区域。2016～2020年均不存在H-L聚集区域（表2）。

表2 2016～2020年我国猩红热发病的局部空间自相关分析Tab.2 Local spatial autocorrelation analysis of scarlet fever in China from 2016 to 2020

3 讨论

本研究发现，2016～2019年我国猩红热发病率呈现明显的逐年上升趋势，这与饶志成等［14］对2004～2017年我国猩红热的发病率分析结果相一致。有研究指出，如何应对猩红热的死灰复燃，是未来我国防控呼吸道传染病的重点［20］。猩红热发病率逐年上升的一个可能原因是引发猩红热感染的化脓性链球菌正在从单一克隆谱系扩展到多克隆谱系，传染力有所增强［21］。其次，自2011年我国实行“全面二孩”政策后，我国猩红热易感儿童的数量可能有所增加［22］。但到2020年其发病率呈现大幅度的下降，分析可能与2019新型冠状病毒肺炎疫情全球大流行有关，猩红热为呼吸系统传染病，而在新冠肺炎疫情期间，得益于勤洗手、佩戴口罩和勤通风等预防呼吸道传染病措施的实行，很大程度上对猩红热的传播也起到了预防作用，这也符合猩红热作为呼吸系统传染病的特点［23］。有研究发现，新冠肺炎疫情期间的公共卫生防疫措施在预防疫情传播的同时，也对儿童常见传染病起到遏制作用，降低了传染病报告率［24,25］。在后疫情时代，继续做好呼吸道防护对于猩红热和新冠病毒肺炎的预防都十分重要。当然，2020年猩红热发病率下降的原因也不排除可能是大量医疗卫生资源投入到新冠肺炎的预防和治疗中，对猩红热等传统传染病有所忽视，造成一定程度的漏报和延误报告［26］，这还需要之后更多的数据进行探索分析。

本研究绘制的三维空间趋势图显示，2016～2020年我国猩红热发病地区分布差异较大，猩红热的发病率总体表现为东西方向呈“U”型分布，中间低两边高；北部地区高于南部地区，提示我国猩红热发病存在一定的空间聚集性，这与饶志成关于2004～2017年我国猩红热的趋势分析结果保持一致［14］。在东西方向上东西部地区发病率仍高于中部，在南北方向上北部地区发病率更高，这与李雷雷等［27］对中国2005～2011年猩红热疫情地区分布分析结果相一致。

本研究的空间自相关结果显示，2016～2019年我国猩红热发病继续呈现空间正相关性，我国猩红热发病保持中度空间聚集性，与以往研究结果不同之处在于［14］，本研究发现2020年我国猩红热发病呈随机分布，在省与省之间没有空间地理上的关联。H-H发病聚类区主要发生在我国北部，如内蒙古、河北和甘肃，L-L发病聚类区主要在中国南部发现，如广西、安徽、湖北、江西、湖南、云南、贵州、广东、重庆、福建。空间自相关分析的结果，并非直接表明某地区疾病发病率的高低，而是此地区疾病发病率高（低）的同时，周围相邻地区的疾病发病率也高（低）［17］，既周围地区的疾病发病率对局部空间自相关分析的结果，影响较大。同时，研究表明气象因素会对猩红热的发病产生影响，日照时数、PM2.5、PM10、SO2、NO2、CO、O3、降水量、平均气温等对猩红热发病均有影响［28］而中国南北方不同的气候差异可能导致各省份猩红热发病率的不同［29,30］，以上两点可能是造成我国猩红热发病聚集区域有所变化的原因。从具体省份上看，猩红热发病的四类聚集地区并不固定，每年均有所变化，但从地理位置的大方向上看，我国猩红热H-H聚集主要发生在北部地区，而L-L聚集主要发生在中国南部，研究结果与2004～2017年我国猩红热发病空间聚集情况基本保持一致，说明我国猩红热发病的聚集区域近年来整体变化不大，北部地区仍旧是我国猩红热防控的重点地区。

本研究存在一定局限性：本研究只收集到国家层面以省级单位的猩红热发病资料，而同一个省份下不同地区的人文特征、自然环境差距同样较大，空间尺度过大，可能难以全面反映出疾病的“自然地方性”特征，故后续研究可探索分析更小空间尺度地区的猩红热聚集情况。

综上所述，2016～2020年我国猩红热发病率总体呈现下降趋势，猩红热发病仍存在明显的空间聚集性和地区差异，其中内蒙古、河北和甘肃等北部地区仍然是猩红热防控的高发地区和H-H发病聚类地区。应该根据各地具体的猩红热发病情况，在现有的防控基础上进一步制定有针对性的区域性防控措施，遏制猩红热发病率的上升。