2013~2020年重庆市流感时空流行病学特征分析

Spatiotemporal Epidemiological Characteristics of Influenza in Chongqing, China, 2013~2020

摘要: 流感是由流感病毒引起的急性呼吸道疾病，是一种十分严重的公共卫生突发事件。基于2013~2020年重庆市报告的流感病例数据，本文利用空间自相关和扫描统计来分析重庆市流感的时空特征。结果表明，重庆市流感年平均发病率为47.16/10万，2019年发病率最高；季节性高峰出现在每年的10月至2月。根据流感年度LISA聚类图，局部空间自相关分析发现热点集中在城口区，2014~2020年未发现热点；冷点地区集中在重庆中西部。空间扫描发现流感高发区有8个最可能聚集点和5个次要聚集点，主要集中在重庆东南部、中部和北部。纯时间分析显示，时间聚集在2019年11月至2020年1月。时空分析结果显示两个流感高发群，最有可能的19个区聚集在重庆中部。本研究通过发现流感的高发地区和高发时期，有助于制定重庆市流感防控规划，为完善流行病防控策略和措施提供科学依据。

Abstract: Influenza is an acute respiratory infection caused by influenza virus, which is a serious public health problem. Based on the reported cases of influenza in Chongqing from 2013 to 2020, spatial autocorrelation analysis and scanning statistics were used to analyze the spatial and temporal characteristics of influenza in Chongqing. During the period, the average annual incidence of influenza cases in Chongqing was 47.16/100,000, with the highest incidence in 2019, with the highest annual incidence in 2019. Seasonal peaks occur from October to February. According to the annual LISA cluster diagram of influenza, the local spatial autocorrelation analysis found that hot spots were concentrated in Chengkou, and no hot spots were found from 2014 to 2020. The cold spots are concentrated in the Midwest. The spatial scan identified 8 most likely aggregation points and 5 secondary aggregation points in the high incidence areas of influenza, mainly concentrated in the southeast, central and northern of Chongqing. Purely temporal analysis showed that the time aggregation frame was from November 2019 to January 2020. The spatial and temporal analysis revealed two high incidence clusters of influenza. The most likely cluster of 19 districts was located in the central part of Chongqing. This study found the areas and periods with high incidence of influenza, which is helpful for the development of influenza prevention and control planning in Chongqing and the scientific basis for the formulation of prevention and control strategies and measures.

1. 引言

流感是一种急性呼吸道传染病，极易引起暴发和流行，该疾病在中国被列为C类法定传染病 [1]。其具有起病急、传染性强、传播迅速的特点，可通过不同程度的传播引起大流行，流感的易传播性给疾病防治人员的预防和控制工作带来了巨大挑战。2019年12月，在中国各省市发现了多例一种新型冠状病毒感染的肺炎患者，病毒飞速地席卷全国，让全国各地人民都心惊胆战。因为新型冠状病毒引起的症状与流感相似，且具有病毒性质不明，传播迅速，病死率高的特点，从而也提高了人们对流感的关注度。

重庆是中国西部的大城市，人口密度大，流动人口多。2009年以来，在全球流感大流行的影响下，重庆流感疫情引发的社会问题频繁发生，流感发生的时间和区域分布集中点不明确。时空聚集分析是一种探索疾病时空分布特征的研究方法，有利于疾病风险的定量计算，在公共卫生领域得到了广泛应用 [2] [3] [4] [5] [6]。目前，许多研究者利用空间自相关和时空扫描技术分析各种疾病的时空分布特征和扩散规律，并将聚集结果可视化。该方法已广泛应用于传染病 [7] [8] [9] [10] [11]、肿瘤 [12] [13]、心血管疾病 [14] [15] 以及手足口病 [16] [17]、结核病 [18] [19]、腮腺炎 [20] [21] 等传染病的研究领域，有助于探索各种疾病的时空聚集性，并根据不同风险水平的地区和时期采取完善的防控措施。由于重庆流感时空聚类分析的相关研究尚处于空白阶段，本文利用2013~2020年重庆流感数据可以对流感流行的时空聚集性进行分析，从而确定流感高发的时间和区域，识别关键控制区。有助于公共卫生人员制定符合重庆市实际流感防控的策略和政策，并为防控策略提供科学依据。

2. 研究对象与数据来源

本次研究的地区是重庆市，对象是重庆市人群，本研究已获得伦理道德委员会伦理审查批准。重庆是中国西南地区最大的直辖市，位于东经28.100N~32.130N，东经105.110E~110.110E之间。全市辖38个区，总面积82.4万平方公里，人口3090多万。重庆是一个多山的城市，属亚热带湿润季风气候，夏季炎热多雨，冬季温暖潮湿。重庆由9个主城区组成，分别是渝中、江北、南岸、九龙坡、沙坪坝、大渡口、北碚、渝北和巴南。它是重庆和都市圈的政治、经济、文化中心，经济发展水平很高。

本研究收集的2013~2020年流感病例数据全部来自重庆市疾病预防控制中心检测网络系统，包括流感发生的时间和区域分布。38个区人口统计数据来自《重庆统计年鉴》。

3. 研究方法

3.1. 全局空间自相关分析

Global Moran’s I的取值范围为[−1, 1]。当被研究元素的属性值出现空间聚类时，Moran’s I指数为正，表明空间正相关；如果高值排除其他高值并趋向于接近低值，则Moran’s I指数为负，表明空间相关性为负。0表示空间无关。Z评分用于检验Global Moran’s I指数的假设。零假设是每个因素是随机分布的，备择假设是每个因素之间存在空间自相关。在α = 0.05检验水准下，如果|Z| < 1.96，P > 0.05，则不能拒绝零假设，各元素之间为随机分布，不存在空间自相关；如果|Z| > 1.96，P < 0.05，则可能拒绝原假设而接受备择假设，空间要素之间存在自相关。当I > 0和Z > 1.96时，各元素之间存在空间正相关关系，呈现聚集分布，属性的高低值聚集在不同区域。I值越接近1，正相关程度越强。当I < 0，Z < −1.96时，各元素之间存在空间负相关，呈离散分布。属性的高、低值表现为相见分布。I值越接近−1，负相关越强。

3.2. 局部空间自相关分析

热点分析是探究局部区域之间是否存在高值聚集或低值聚集的分析方法。高值集中出现的区域是事件发生的热点区域，低值集中出现的区域是事件发生的冷点区域。Local Moran’s I用于分析局部空间单元之间某研究属性的相关程度，检验各空间单元相对于整体研究地区其空间自相关性是否显著。如果P < 0.05，将得到4个阳性结果：高值聚集(HH)、低值聚集(LL)、高值被低值包围(HL)和低值被高值包围(LH)。HH和LL表示该区域的空间属性与相邻区域的空间属性相似，表现出正的空间相关性；HL和LH表明该区域的空间属性与相邻区域不相似，呈现空间的负相关。

3.3. 扫描时空扫描的统计分析

扫描统计(Scan statistics)是一种空间统计方法，由Joseph Naus在1965年首次提出，其目的是检测一个事件在时空和时空上是否存在异常增加。随后，Kulldorff进一步改进了扫描统计理论，在1995年提出了空间扫描统计方法。扫描统计分析可以检测到事件在时空范围内的异常变化，并进行统计检验，检测该事件在研究区域内是否有聚集的可能性，探索可能发生聚集的具体区域，预测聚集区域的风险。在医学领域，扫描统计可以用来分析疾病或事件在时间、空间或时空分布上是否有聚集的倾向或趋势。在重庆地图上建立了代表时间和空间的二维圆柱形窗口。圆柱体的高度代表时间，圆柱体底部的半径代表区域位置的范围。通过不断变化的时间和区域，比较圆柱形窗口内外的疾病发病率，计算对数似然比(Log likelihood ratio, LLR)，其中LLR最大的圆柱窗口为流感高发聚集区域。

使用Microsoft Excel 2010对数据进行统计；利用ArcGIS 10.2软件绘制2013~2020年重庆市流感发病分区分布图。采用GeoDa 1.8.12软件进行空间自相关分析，包括全局空间自相关和局部空间自相关，以探讨2013~2020年重庆市流感发病率的空间分布。利用SaTScan 9.6软件对重庆市2013~2020年流感发病数据进行泊松分布模型分析，包括简单空间、时间扫描和时空扫描。对2013~2020年全周期的扫描结果和历年数据扫描结果分别进行分析。其中最大窗口半径为总种口的25%，时间尺度为研究周期的50%，蒙特卡罗模拟次数为999，检验水平α = 0.05。

4. 结果分析

根据2013~2020年重庆市流感年发病情况，本文共报告流感病例116,285例，死亡38例，年均发病率为47.16/10万。在8年的研究期间，流感发病率整体呈上升趋势，从2013年的每10万人6.47例增加到2019年的每10万人210.78例，再到2020年的每10万人67.78例。重庆市流感病例月分布具有明显的季节性高发特征，主要集中在10月至次年3月。高发区位置也随时间发生变化，但主要集中在南部、中部和西部地区。其中荣昌县(382.58/10万)、秀山区(180.01/10万)、黔江区(134.01/万)、梁平县(128.55/万)和大渡口区(70.42/万)年均发病率最高，且多位于重庆市非主城区。其中，2019~2020年流感发病率特别高。以上结果如图1、图2和表1所示。

Figure 1. Incidence of influenza in Chongqing from 2013 to 2020

图1. 2013~2020年重庆市流行性感冒的发病率

Table 1. Epidemic situation of influenza in Chongqing from 2013 to 2020

表1. 2013~2020年重庆市流行性感冒疫情概况

Figure 2. Distribution of influenza incidence in Chongqing from 2013 to 2020

图2. 2013~2020年重庆市流感发病率分布

根据2013~2020年重庆市全球自相关分析结果(表2)，2013~2020年流感全局自相关分析结果显示，Moran指数仅在2014年和2019年为正值，但没有明显的空间显著性。此外，其他年份的空间分布是随机的。根据流感年度LISA聚类图，局部空间自相关分析(图3)发现1个高–高、15个低–低、7个低–高和5个高–低聚类。2013年的热点(高–高聚类)集中在城口区，2014~2020年未发现热点。冷点集中在南部和西部地区，分别是北碚区、璧山区、合川县、潼南县、巴南区、南川县和武隆县。由北碚区向周边地区扩展。

Table 2. Overall spatial autocorrelation analysis of Chongqing

表2. 重庆市全局空间自相关分析

空间聚类分析(表3)表明，2013~2020年重庆流感的空间分布并非随机的。空间扫描在流感高发区确定了8个最有可能的聚集点和5个次级聚集点，且都具有统计学意义。每个聚集点所包括的地区数目由1至21个不等。具体位置每年都会有所不同，主要集中在重庆东南部、中部和北部。以上结果如表3和图4所示。

Figure 3. Annual local spatial autocorrelation analysis of Chongqing from 2013 to 2020

图3. 2013~2020年重庆市年度局部空间自相关分析

Table 3. Annual spatial clusters of influenza in Chongqing from 2013 to 2020

表3. 2013~2020年重庆市流感年度空间聚集性病例分析

Figure 4. Yearly spatial clusters of influenza in Chongqing from 2013 to 2020

图4. 2013~2020年重庆市流感年度空间聚集性病例分析

纯时间分析显示，时间聚集主要在2019年11月至2020年1月(LLR = 105405.13, P < 0.001)。

时空分析发现2013~2020年重庆市48个区县存在2个流感高发集群。2019年11月~2020年1月，南川市、黔江区、丰都县、万州区等19个区县是最有可能的集聚区(LLR = 68875.90, P < 0.001)，主要集中在重庆中部地区。除巴南区、渝北区、江北区为主城区外，其余均为非主城区。2018年1月~2020年2月二级聚类分布在重庆西部的荣昌县(LLR = 51113.759455, P < 0.001)；时空扫描结果如表4和图5所示。

5. 讨论

本研究从时间和地区分布的角度对重庆市流感的流行病学进行描述，并从地理的角度研究了空间、时间和空间的聚集性，这将有利于卫生机构控制流感和合理开展公共卫生规划和资源分配。流感疫苗已在各地广泛推广，但由于流感疫苗属于二类疫苗，且存在自愿自费原则 [22]，以至于流感疫苗的接种率不高。此外，加上乡镇、农村等一些欠发达地区，经济和教育水平比较落后，人们对流感的重视程度不高，很容易忽略接种疫苗的重要性。

Figure 5. Spatial and temporal aggregation analysis of influenza in Chongqing from 2013 to 2020

图5. 2013~2020年重庆市流行性感冒时空聚集性分析

Table 4. Spatial and temporal aggregation analysis of influenza cases in Chongqing from 2013 to 2020

表4. 2013~2020年重庆市流行性感冒病例时空聚集性分析

在8年的研究期间，流感发病率逐渐上升到较高水平，然后在达到峰值后下降。2019年流感发病率明显高于往年，这与中国其他大部分省市流感发病率的趋势一致 [23] [24] [25]，表明流感是一个日益严重的公共卫生问题。这可能是因为如今各地经济和医疗水平和制度的逐步提高，疾病的敏感度和报答率都有所上升，能够及时的发现和治疗流感。然而，由于2019年年底新型冠状病毒的入侵，人们开始关注卫生和疾病预防，流感发病人数有所下降。本研究还发现流感具有明显的季节性分布，高发病率主要集中在春冬季，与其他省市的流行病学特征一致 [24] [26] [27] [28] [29]。可能是因为冬春季节气温较低，病毒存活率较高，存活时间会较长；此外，人体口腔黏膜或鼻腔黏膜长时间受到冷空气刺激，可能会使机体抵抗力下降，血液循环变差；再者，冬天天气寒冷，人们习惯紧闭门窗，导致空气不流通，从而增加流感病毒的感染机率。自2020年初以来，受COVID-19非药物防控措施的影响，流感发病率有所下降，2020年2月至9月无流感聚集性报告，这与国家监测结果 [30] 相似。重庆流感的季节性分布可能与重庆炎热潮湿的环境有关，为流感 [31] 的发生提供了适宜的条件。夏秋季发病人数相对较少，这也可能是受人口因素、自然气候、风俗习惯、经济因素等因素 [32] 的影响，使夏秋季对流感的敏感性降低。

以上是传统流行病学中的描述性研究，可以简单地描述流感的时间变化，而时空聚集分析可以改进传统的流行病学分析。在本研究中可以看到空间自相关不强，全局空间自相关分析结果表明，2013~2020年重庆流感没有明显的空间聚集性。局部空间自相关分析结果表明，2013年高值聚集区分布在城口县，可能该地区属于非主城区，对流感的认识不够重视，该年的医疗卫生措施做的不到位，而后该地区认知水平有所提高，2014年后该地区未发现高值。2014~2020年未发现其他地区的热点。冷点集中在中西部地区，随着时间的推移又北碚区逐渐向周边地区扩展。空间聚类分析在流感高发区确定了8个最可能的聚集点和5个次级聚集点，聚集的位置逐年发生变化，主要集中在重庆的东南部、中部和北部地区。在经济发达的城市地区可能与人口密度大、流动性大、当地人对流感的重视程度高、诊断水平较高有关。在欠发达地区，可能是与经济水平和医疗保健水平低下有关。纯时间分析显示，时间聚集在2019年11月至2020年1月。时空聚集分析发现重庆有两个流感时空聚集区，分别发生在2018~2020年。第一类聚集区以丰都县为中心向周边地区延伸，涉及19个区，主要集中在非城区。第二类聚集区在荣昌县。在本研究的结果中，全局自相关的缺失并不意味着显著的集群不存在，时空扫描可以揭示潜在的地区聚集性。时空扫描统计分析与空间自相关分析在疾病聚集分析的有效性上是互补的。

6. 结论和建议

综上所述，2013~2018年，重庆市流感发病率呈上升趋势，2019年达到峰值，这可能与新冠肺炎与流感等呼吸道感染重叠流行导致检出率上升有关。随后的下降可能与一些非药物干预措施有关，如戴口罩和保持一定的社交距离。重庆市流感季节变化明显，主要集中在春冬季。此外，该研究还确定了流感的空间异质性和高危地区的位置，这些区域每年都可能不同。时空分析为流感防控的部署和资源配置提供参考，为制定防控工作方案提供良好依据。

本文是首次采用时空分析方法对重庆市流感流行情况进行分析，通过这种时空扫描分析，弥补了简单流行病学比较的不足，对流感高发区的确定更加客观科学，避免了主观因素的影响。研究结果对疾病控制和医院人力资源合理配置具有实际应用价值，并为进一步研究流感相关危险因素提供证据和线索。因此，根据研究结果，应针对流行地区，特别是高峰地区制定与卫生有关的政策，卫生防疫机构采取的应对措施包括：一是要有序推进流感疫苗接种，提高流感疫苗接种服务的能力和便利性，这可导致人们拥有更高和更持久的免疫力。其次，要加强流感防控的普及，通过互联网或广告牌普及流感防控知识，鼓励人们外出戴口罩，保持清洁，提高免疫力等。最后，卫生相关部门应高度重视流感防控工作，继续加强早期的流感时空监测和预警，完善流感监测体系，以更好地控制和预防流感。

然而，本研究仍有一定的局限性。首先，本研究的数据来自卫生保健机构向传染病报告信息管理系统报告的流感病例数量。报告的流感病例数据的质量与区域系统的监测敏感性和管理能力有关。由于管理和敏感性的差异，研究结果容易产生偏差，存在一定程度的误差。这一监测系统是一个被动的信息收集系统，可能低估了轻度流感病例。其次，本研究缺乏一些人口流行病学数据，无法分析流感的流行病学特征。最后，本研究没有考虑气候、人口、经济和社会等因素，具有一定的局限性。在未来的研究中，为了减少误差，将尽可能多的纳入更多的数据进行分析，提高信息收集的准确性。此外，将进一步纳入人口统计数据和多因素进行相关研究。

致谢

在此对重庆市疾病预防控制中心提供的疾病数据和资金资助表示感谢；对重庆医科大学老师的热心帮助和指导表示感谢。感谢各位指导老师给予本研究的所有支持，让本研究组对重庆市流感的现状有更加深入的了解。最后对本研究组所有成员的辛苦努力表示忠心的感谢。

NOTES

^*通讯作者。