EN中文

地球信息科学学报 >

2021 , Vol. 23 >Issue 3: 431 - 442

DOI: https://doi.org/10.12082/dqxxkx.2021.200024

地理空间分析综合应用

气象因素影响下中国手足口病时空演化特征研究

  • 谢玲 , 1, 2 ,
  • 王宏卫 , 1, * ,
  • 刘素红 , 1, 3, * ,
  • 高一薄 1 ,
  • 玛丽亚木·玛木提 1 ,
  • 伊素燕 1 ,
  • 马晨 1
展开
  • 1.新疆大学资源与环境科学学院,乌鲁木齐 830046
  • 2.广西师范大学环境与资源学院,桂林 541004
  • 3.北京师范大学地理学部,北京 100875
*王宏卫（1967- ）,男,新疆乌鲁木齐人,博士,教授,主要从事干旱区绿洲聚落发展与人文影响研究。E-mail: ;
刘素红（1967- ）,女,北京人,博士,教授,博士生导师,主要从事植被遥感和遥感图像解译等研究。E-mail:

谢 玲（1990- ）,新疆库尔勒人,博士生,讲师,主要从事环境健康研究。E-mail:

收稿日期: 2020-01-08

  要求修回日期: 2020-03-02

  网络出版日期: 2021-05-25

基金资助

国家自然科学基金项目(4186010245)

版权

版权所有，未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
收起

Study on Spatiotemporal Evolution of Hand, Foot and Mouth Disease（HFMD）in China under the Influence of Meteorological Factors

  • XIE Ling , 1, 2 ,
  • WANG Hongwei , 1, * ,
  • LIU Suhong , 1, 3, * ,
  • GAO Yibo 1 ,
  • Mariam Mamuti 1 ,
  • YI Suyan 1 ,
  • MA Chen 1
Expand
  • 1. College of resources and environmental sciences, Xinjiang University, Urumqi 830046, China
  • 2. College of environment and resources, Guangxi Normal University, Guilin 541004, China
  • 3. Department of geography, Beijing Normal University, Beijing 100875, China
*WANG Hongwei, E-mail: ;
LIU Suhong, E-mail:

Received date: 2020-01-08

  Request revised date: 2020-03-02

  Online published: 2021-05-25

Supported by

National Natural Science Foundation of China(4186010245)

Copyright

Copyright reserved © 2021
Fold

摘要

近年来,手足口病在我国感染者的数量仍然呈现逐渐增加的趋势,对公共健康造成很大的威胁,也对疾病防控提出严峻的挑战。为探讨气象因素（气温、降水）对我国手足口病（Hand Foot and Mouth Disease, HFMD）发病的时空影响特征及规律,本文以我国手足口病疫情平发年2017年为例,利用分地区、分月份疫情数据,采用地理探测器、空间自相关等分析方法分析各地气象（气温、降水）因素对手足口病发病影响及其时空分异。结果表明：① 在时间上,2017年我国各地中心城市手足口病发病有明显的季节差异,年内有单峰发病模式和双峰（高低峰、双高峰）发病模式,且2017年2、4、12月各地中心城市手足口病发病率有显著的空间相关;② 在空间上,2017年我国各省、市手足口病发病在空间上表现为东南各省市发病率高,西北各省市发病率低的特点,并随降水量由东南向西北呈现递减趋势;③ 2017年省、自治区、直辖市和地级市手足口病爆发热点时段（4—8月）时空演化分析,先由东南各省向西北各省蔓延,后又表现为由西向东退缩;④ 2017年我国各地中心城市手足口病月发病率分别与年均降水量、年均温,呈二次函数关系（R2=0.6623）和指数函数关系（R2=0.6469）;⑤ 气温和降水对手足口病交互作用结果表现为双因子非线性增强,气温和降水的交互作用对手足口病传播的影响更为显著。气象因素对我国手足口病发病存在影响,我国手足口病发病在时间和空间上均存在显著差异,分析结果在宏观尺度上可为我国手足口病防控提供参考。

关键词： 手足口病; 降水; 气温; 地理探测器; 空间相关分析; 时空演化; 中国

本文引用格式

谢玲 , 王宏卫 , 刘素红 , 高一薄 , 玛丽亚木·玛木提 , 伊素燕 , 马晨 . 气象因素影响下中国手足口病时空演化特征研究[J]. 地球信息科学学报, 2021 , 23(3) : 431 -442 . DOI: 10.12082/dqxxkx.2021.200024

Abstract

The rising number of people infected by Hand-Foot-Mouth Disease (HFMD) in China poses a great threat to public health and a critical challenge to disease prevention and control in recent years. This paper used regional monthly statistics of HFMD in 2017 when HFMD was common in China. The GeoDetector, spatial autocorrelation, and other analysis methods were adopted to analyze the influence of meteorological factors (i.e., temperature, precipitation) on the prevalence of HFMD and its spatial and temporal differentiation. The results show that: (1) Temporally, the prevalence of HFMD had significant seasonal differences in major cities of China in 2017, with a single prevalence peak or double prevalence peaks (i.e., high-low peak, double high peak). Moreover, the prevalence of HFMD in those cities had a significant spatial correlation in February, April, and December; (2) Spatially, the HFMD in China was characterized by high prevalence level in southeast provinces or cities and low prevalence level in northwest provinces or cities, showing a decreasing trend from southeast to northwest along precipitation gradient; (3) According to the spatial and temporal distribution of HFMD outbreak period (from April to August) at provincial and city level in 2017, HFMD spread from southeast to northwest, and then retreated from west to east; (4) The prevalence of HFMD in major cities in China was correlated with the average annual precipitation and average annual temperature, which were fitted by a quadratic function (R2=0.6623) and an exponential function (R2=0.6469), respectively; and (5) The interaction effect between temperature and precipitation on HFMD resulted in a double-factor nonlinear enhancement and was more significant than a single factor during the spread of HFMD. The prevalence of HFMD in China is influenced by meteorological factors and is significantly different at spatial and temporal scales. Our results can provide reference for the prevention and control of HFMD at national level.

Key words： Hand-foot-mouth Disease; precipitation; air remperature; GeoDetector; spatial correlation analysis; spatio-temporal evolution; China

1 引言

手足口病是一种常见的由肠道型病毒（EV71或者CoxA16）所引起的传染病,该病多发于5岁左右的儿童,临床表现为患者的手部、足部及口腔出现皮疹、疱疹、溃疡以及全身发热等,少部分患者可能会因此引发无菌性脑膜炎、肺水肿、呼吸道感染和心肌炎等疾病,重症患者可能会导致死亡[1]。自1957年首次暴发以来,该传染病主要在亚太地区传播,包括中国大陆[2]、香港[3]、台湾[4]、日本[5]、韩国[6]、泰国[7]、越南[8]、马来西亚[9]和新加坡[10]等地。我国卫生部也于2008年将手足口病纳入丙类传染病管理,并发布了相关预防控制指南,以加强该疾病的防控[11]。但是,近年来,手足口病在我国感染者的数量仍然呈现逐渐增加的趋势, 2008年国家疾病监测信息管理系统共监测到手足口病488 955例,直至2017年手足口病年内发病人数已增长至 1 929 550例,其发病人数及发病率的迅猛增长,已经引起了公共卫生领域的广泛关注。
最早关于手足口病的研究是关注于其病原学、流行病学特征、发病机理、血清研究及临床特点研究[12,13]。研究人员均从个体水平研究了手足口病的发病内在成因,发展至今,在流行病学相关研究已非常成熟。但上述研究,忽略了手足口病病毒存活的外在地理环境背景,即该病毒的生境研究,2010年国内首次出现关于手足口病与气象因素关系的研究[14],后有大量研究表明气象因素可改变传染病的流行强度、流行范围和传播种类[15]。手足口病作为一种肠道病毒导致的传染病,适宜的温度和湿度必然会导致肠道病毒在外环境中大量繁殖并提高病毒的存活能力,这也将直接导致HFMD的发病风险增高,Zhang等[16]、Xu等[17]的研究也表明气象因素与手足口病发病有一定关系,并且是非线性关系。后续关于手足口病与自然环境,如气象因素（气温[18]、降水[19]、相对湿度[20]、气压[21]、风速[22]等）、社会经济环境,如人口密度[20]和人均GDP[21]、交通[18]、幼儿园数量[18]等因素相关影响研究也越来越多。
目前,从宏观尺度上,我国手足口病发病的气象因素分析及发病类型和空间关联的研究不多,大多以省级、市级、县级展开,均不能从国家级区域尺度为我国手足口病防控提供科学建议。吴北平[1]、丘文洋等[11]、张湘雪等[22]、别芹芹等[23]从地理学视角,应用GIS[23]、贝叶斯网络模型[1,11]、泊松分布滞后非线性模型[18,19]、经验正交函数[20]、广义线性模型（GLD）[21]、地理探测器[22]等对手足口病的时空分布特征和影响因素及手足口病与影响因素的时间滞后性进行了相关的研究,并取得了显著的成果,但他们或是以某一省为研究对象,建立模型估算手足口病发病风险,或以GIS为工具,可视化手足口病疫情的时空分布与动态变化特征。从整体上看,公共卫生仍有诸多领域亟需开展空间分析。
本文以我国手足口疫情平发年2017年为例,可视化2017年我国各地级行政区（地级市、自治州、地区、盟）和2017年各省、自治区、直辖市手足口病发病率,进一步探究各省、自治区、直辖市的中心城市（以下称“各地中心城市”）其手足口病发病率与月均温、月均降水量之间的函数关系;分别从年内时空尺度上,对各中心城市发病的季节（时间）差异进行分模式分析,和各中心城市年内总发病率的空间相关进行分析,并利用地理探测器这一空间异质性分析的软件和方法,探讨各中心城市气象因素和手足口病发病率之间的相互作用。最后,从省-地级市多级尺度上,对热点时段手足口病在我国的爆发特征分析。分析结果在宏观层面上,不仅可以直观认识我国手足口病时空演化特征,而且量化了中心城市手足口病发病与气象因素之间的关系,实现了个体尺度到空间尺度的研究,也为宏观尺度我国手足口病的防治提供科学依据。

2 数据来源及研究方法

2.1 研究区概况

中国位于亚欧大陆的东部,太平洋西侧,地形多样,地势西高东低,山地、高原和丘陵占陆地面积的67%,平原和盆地约占陆地总面积的33%,跨越三级阶梯。南北跨纬度广,因接受太阳辐射热量不等,自北而南有寒温带、中温带、暖温带、亚热带、热带等温度带以及特殊的青藏高寒区。纬度差异,距离海洋远近差异、地势高低差异、地形差异等使得我国的气温降水组合多种多样,形成多样化的气候类型,有热带季风气候、亚热带季风气候、温带季风气候、高山高原气候、温带大陆性气候等。我国手足口病近年来呈现爆发趋势,本文以2017年我国手足口病发病的平发年为例,各年发病人数及发病率数据见表1。图1展示了我国2017年各省、自治区、直辖市和地级市发病率分布。
表1 2009-2017年我国手足口病发病人数及发病率

Tab.1 The number of HFMD and the incidence of HFMD in China from 2009 to 2017

年份 2009 2010 2011 2012 2013 2014 2015 2016 2017
发病数/人 1 155 525 1 774 669 1 619 706 2 168 737 1 828 377 2 778 861 1 997 371 2 442 138 1 929 550
发病率/1/104 87.0111 132.9599 120.7916 160.9632 135.0312 205.0565 146.5996 178.1562 139.8388
图1 2017年我国省、自治区、直辖市和地级行政区手足口病发病率空间分布

注：该图基于自然资源部标准地图服务网站下载的审图号为GS(2019)1698号标准地图制作,底图无修改。由于数据获取困难,香港、澳门、台湾数据暂缺。

Fig. 1 Spatial distribution of the incidence of HFMD in provinces, autonomous regions, municipalities directly under the central government and prefecture-level administrative regionin 2017

2.2 数据来源

本文的数据主要有2类：① 手足口病发病数据。数据来源于公共卫生科学数据中心（http://www.phsciencedata.cn/）,包括2017年1-12月各省、自治区、直辖市手足口病发病人数及发病率数据;2017年1-12月各省、自治区、直辖市中心城市手足口病发病人数及发病率数据;2017年1-12月334个地级行政区（地级市、自治州、地区、盟）手足口病发病人数及发病率数据[24]。② 气象监测数据。主要来源于中国气象网（http://www.weather.com.cn/）中国地面气候资料日值数据集（V3.0）,包括2017年1月1日-2017年1月12日日平均气温、日均降水量等[25]。

2.3 研究方法

2.3.1 相关分析
Pearson是用来准确评价变量之间的关系密切程度的统计学方法,其相关系数的数学表达式如式（1）所示。
r = ∑ i = 1 n ( x i - x - ) ( y i - y - ) ∑ i = 1 n ( x i - x - ) 2 ∑ i = 1 n ( y i - y - ) 2
式种： x - 和 y - 分别是降水量和气温的月均值。相关系数r的取值范围为[-1, 1],r越接近1,则表明两变量之间的正相关程度越高。r越接近-1,则表明两变量之间的负相关程度越高,r越接近0表明2个变量之间不存在线性相关[26]。
2.3.2 地理探测器
地理探测器（GeoDetector, GD）是探测空间分异性,以及揭示其背后驱动力的一组统计学方法,其作为一种探测地理要素空间格局成因和机理的重要方法被逐渐应用于社会经济、生态环境和人类健康等相关领域研究中[27,28,29,30,31,32,33]。因子探测器是用来检测某种地理因素是否是形成某个指标值空间分布差异的原因,用q值度量[32],表达式为：
q = 1 - ∑ h = 1 L N h σ h 2 N σ 2 = 1 - SSW SST
SSW = ∑ h = 1 L N h σ h 2 , SST = N σ 2
式（2）中：q为各中心城市手足口病发病分异影响因素探测力指标;L为变量Y或因子X的分层（Strata）,即分类或分区;N为整个区域样本单元数,Nh为层h的单元数;σ2h和σ2分别是层h和全区的Y值的方差。式（3）中：SSW和SST分别为层内方差之和（Within Sum of Squares）和全区总方差（Total Sum of Squares）。q的值域为[0, 1],q=0时,表明各中心城市手足口病的发病是随机分布的,值越大,说明分区因素对手足口病发病的影响越大,其空间分异性也越明显。本文应用地理探测器研究气象要素（气温、降水）对各中心城市手足口病分布的影响及其差异性。
本文通过地理探测器的交互作用探测,识别不同风险因子之间的交互作用,即评估因子X1（月均降水量）和X2（月均温）共同作用时,是否会增加或减弱对因变量Y（各中心城市手足口病发病率）的解释力,抑或是评估因子对Y的影响是相互独立的。评估的方法是首先分别计算2种因子X1和X2对Y的q值[28],其交互关系见表2。
表2 不同因子交互作用的类型

Tab. 2 Types of interaction

类型 交互作用 图示
q(X1,X2)<Min(q(X1),q(X2)) 非线性减弱
Min(q(X1),q(X2))<q(X1,X2)<Max(q(X1)),q(X2)) 单因子非线性减弱
q(X1,X2)> Max(q(X1),q(X2)) 双因子增强
q(X1,X2)=q(X1)+q(X2) 独立
q(X1,X2)>q(X1)+q(X2) 非线性增强

注：Min(q(X1),q(X2)); Max(q(X1),q(X2)); q(X1)+q(X2); q(X1∩X2)。

2.3.3 空间自相关
空间自相关是指在空间区域中某一位置的变量与邻近位置的同一变量具有相关性。在一定程度上,大部分空间数据具有空间自相关的性质。空间自相关分析方法已经成为研究传染病疫情和区域聚集性的一种有效手段。空间自相关分为全局自相关和局部自相关,常用的空间自相关的指标有Moran's I和Getis-Ord,局部Moran's I反映了局部空间自相关和聚类区域,全局Moran's I显示了整体集群级别和分布,本研究拟选Moran's I为指数进行分析。全局Moran's I指数是一个范围为-1到1的指数。当指数分布在-1附近时,总体空间分布呈现出不同的特征,表明高聚类区域与低聚类区域相邻。当指数接近0时,在研究区域内未观察到明显的空间聚类。当指数趋近于1时,总体空间分布呈现出相似性,表明相似属性值的空间单元趋于空间集聚[31]。Moran's I指数的表达式为：
I = n ∑ i = 1 n ∑ j = 1 n ω ij ( X i - X ̅ ) ( X j - X ̅ ) / ∑ i = 1 n ∑ j = 1 n ω ij ∑ i = 1 n ( X i - X ̅ ) 2
式中：n表示单元的个数,为全国各省自治区直辖市的总个数,每个省自治区直辖市发病率不同;Xi和Xj为i省、自治区、直辖市和j省、自治区、直辖市手足口病发病率; X ̅ 为所有研究单元手足口病发病率的均值;Wij为手足口病发病率的空间权重矩阵,表示i和j的空间相邻关系,在Geodata中生成空间权重矩阵。

3 结果及分析

3.1 相关分析结果

为排除不同省市的地级行政区基础卫生条件存在的差异,省级、自治区、直辖市尺度的气象站点数目的差异,用气象站点均值、插值方法并不能精确较大区域尺度气象要素值。因此,本文以各省自治区直辖市的中心城市为对象,以探究手足口病与不同地区中心城市水热或气象因素差异的相关性,对各省自治区直辖市的中心城市手足口病发病率与月均降水量、月均温之间进行线性相关分析,即自变量与应变量之间的Pearson相关系数,由Pearson相关性结果（表3）可知,各中心城市手足口病发病率分别与月均降水量、月均温之间呈正线性相关,且月均降水量与手足口病发病率的相关性略高于月均温与手足口病发病率的相关性。
表3 手足口病发病率与年均降水量、年均温相关系数表

Tab. 3 Correlation between incidence of HFMD and annual average precipitation & annual average temperature

发病率 月均降水量 月均温
发病率 Pearson相关性 1 0.588** 0.562**
月均降水量 Pearson相关性 0.588** 1 0.882**
月均温 Pearson相关性 0.560** 0.882** 1

注：P>0.01（双侧检验）,相关性显著,**表示在0.01水平上显著。

3.2 手足口病季节差异性

由Pearson相关系数可知,月均降水量与手足口病发病率相关性略高于月均温与手足口病发病率的相关性。因此,本文将各中心城市手足口病发病率和各月均降水量（将全国各省自治区直辖市的中心城市,按照2017年站点监测的月平均降水量分为3个等级：0~800 mm;800~1600 mm;大于1600 mm,进一步分析了各省自治区直辖市中心城市手足口病发病的季节差异性,如图2所示。
图2 2017年各地中心城市手足口病分月发病率

Fig. 2 The line chart of provincial capital cities the incidence of HFMD by month in 2017

由图2可知,我国各地中心城市2017年手足口病在时间上存在明显的季节性差异,其发病主要集中在4、5、6、7、8月,和9、10、11月,其中南北方各地中心城市存在较大的差异,可能与我国南北水热条件的时空差异显著相关。其中长江以北的各地中心城市手足口病的春夏季高发月集中在6、7、8月,长江以北的各地中心城市秋季高峰集中在9、10、11月,长江以南的各地中心城市手足口病年内首次高峰出现在5、6、7月,第二个高峰出现在8、9、10月,可能因气温回升较快,春夏季高峰与秋季高峰均略有异于北方各地中心城市。
从手足口病发病高峰模式来看,年均降水量1600 mm以上的中心城市,手足口病发病大多表现为双高峰模式,可能是因高温高湿环境,引起手足口病的肠道病毒在年内两季均表现出较为活跃状态。年均降水量800~1600 mm的城市,可能因城市间气温差异,表现为多种模式：出现双强高峰、双低峰、高低峰模式,成都、长沙、福州表现为双高峰,长沙2017年有6个月的手足口病发病率均高于2/104以上,属于该年均降水量下的疾病高发区,重庆、杭州、南昌、上海、武汉等城市均表现出双低峰,全年各月手足口病发病均低于 2/104,贵阳、昆明表现出不明显的高低峰模式。年均降水量在800 mm以下的城市济南、太原、西安、银川、乌鲁木齐年内均出现一个以上的高峰,季节差异较为明显,其余年均降水量在800 mm以下的城市年内手足口病发病季节差异不是非常明显,可能除气温以外还有其他因素的影响。
由各省自治区直辖市中心城市手足口病发病率与气象因素（气温、降水量之间）的Pearson相关性分别为0.588和0.562,为进一步探究手足口病是否与上述变量之间是否存在拟合较好的非线性函数关系,将上述2个变量和各中心城市发病率分别利用SPSS做散点图,经过多函数（对数、指数、增长、Logistic、复合）曲线拟合,对比发现年均降水量与手足口病发病率图3(a)呈二次函数（R2=0.6623）,年均温与手足口病发病率图3(b)呈指数函数（R2=0.6469）。
图3 2017年各省、自治区直辖市中心城市手足口病与年降水量、年均温拟合曲线（剔除南宁市）

Fig. 3 The curve of HFMD was fitted with annual precipitation and average annual temperature of capital cities in2017

3.3 多尺度热点时段手足口病爆发时空演化分析

本文以各中心城市年内手足口病爆发首次高峰4、5、6、7、8月为例,分别从省、市、自治区级尺度和地级行政区尺度,分析不同尺度下手足口病爆发热点时段发病的时空差异,并做2017年省、自治区、直辖市和地级行政区手足口病爆发热点时段手足口病发病时空分布图（图4）。
图4 2017年省、自治区、直辖市和地级行政区手足口病爆发热点时段发病时空分布

注：该图基于自然资源部标准地图服务网站下载的审图号为GS(2019)1698的标准地图制作,底图无修改。

Fig. 4 Spatial and temporal distribution of hot spots periodof HFMD outbreaks in in provinces, autonomous regions, municipalities directly under the central government and prefecture-level administrative region in 2017

由图4知,省级尺度手足口病爆发有时空差异性,综合来看6月和7月是全国范围内,手足口病首次发病高峰的峰谷,2017年6月除黑龙江、吉林、辽宁、青海、西藏五地,各地手足口病率均高于3.2024/104, 5-8月广东、广西、海南三地手足口病发病率均高于34.5853/104。4-8月全国手足口病发病空间分布表现为：先由东南各省向西北各省蔓延,后又表现为由西向东退缩。
2017年地级行政区尺度手足口发病率的时空分布,能够从更小的空间尺度展现出省内手足口病也存在时空差异性,但其总体趋势与省级尺度手足口病发病时空特征相同。我国东南部地级行政区手足口病高发月,其发病率可达10/104,最高可达18.5103/104。同时省内手足口病发病,因气温、降水或者其他因素的不同也存在差异性。
总体来看,我国各地（包括省、自治区、直辖市、地级行政区）手足口病发病存在时空差异,本文为进一步探讨气象因素与各地手足口病发病关系,因此有必要分层异质性和交互归因分析。

3.4 我国手足口病时空异质性及其影响因素解释力 分析

3.4.1 影响我国各地中心城市手足口病时空变化的 气象因素
本文将降水按照全国六级等降水量线（0~50,50~200,200~400,400~800,800~1600,>1600 mm）分为6个等级,将气温按等间距分为6类。地理探测分析表明,我国各地中心城市手足口病时空变化与气象因素（气温、降水）关系密切（p<0.05）。如表4所示,其中降水的q值为0.6051,相对于高于气温的q值（0.5519）,说明对各地中心城市而言,降水对手足口病发病率较气温解释力强,结合Pearson相关系数分析,结论与其分析结果一致。
表4 我国各地中心城市手足口病时空特征气象因素作用探测结果

Tab. 4 The detected result of the meteorological factors of the spatio-temporal characteristics of HFMD in provincial capital cities of China

降水 气温
q 0.6051 0.5519
p 0.0401 0.0448
3.4.2 各地中心城市发病风险分析
空间上,各地中心城市在每个环境风险因素影响下,手足口病发病风险存在较大的差异,其中降水因子影响下,海口、广州、南宁、南昌等市的发病风险较高,如图5（a）,上述四市在降水因素影响下手足口病的发病风险均高于30。在气温因子影响下,各地中心城市手足口病发病风险有异于降水因子影响下的手足口病风险值,如图5（b）,哈尔滨,长春两市手足口病发病风险仅1.7304,除南宁、广州、南昌、海口4个城市气温与降水对手足口病发病风险基本持平,其余各城市在气温因子影响下,手足口病发病风险明显低于降水因子影响下手足口病发病风险。结果表明,手足口病发病风险较高的城市主要集中在高温高湿的东南部。
图5 2017年全国各地中心城市手足口病降水、气温因子空间相对风险分布

注：该图基于自然资源部标准地图服务网站下载的审图号为GS(2019)1698的标准地图制作,底图无修改。由于数据获取困难,本研究不包括香港、澳门、台湾。

Fig. 5 Spatial relative risks of HFMD for provincial capital cities in China of 2017

3.4.3 各地中心城市气象因素与手足口病发病交互作用分析
交互探测器分析了2个因子对手足口病发病率的交互作用,即2个因子对手足口病发病率的共同作用大于、等于或小于二者各自对手足口病发病率的影响之和[33]。本文以降水和气温两气象因素,分析各地中心城市手足口病的流行病学特征,且利用GeoDetector量化了上述因子及其两两交互作用对手足口病发病率的解释力（表5）,气温和降水两气象因子对手足口病交互作用值为0.6320,高于单因子（降水、气温）作用下手足口病发病率0.6051和0.5519。结果表明,气温和降水对手足口病交互作用结果表现为：双因子非线性增强,气温和降水的交互作用对手足口病传播的影响更为显著。
表5 气象因子交互作用结果

Tab.5 Iteraction of meteorological factors

降水 气温
降水 0.6051 -
气温 0.6320 0.5519

3.5 空间自相关分析

全局自相关分析,要求所有单元必须相邻,基于2017年1-12月我国各省、自治区、直辖市手足口病发病率数据,运用Geoda软件进行全局Moran's I指数计算,并绘制散点图,结果图6所示。
图6 2017年1-12月各省、自治区、直辖市全局Moran's I及散点图

Fig. 6 Moran's I and scatter chart of provincial capital cities from January to December 2017

由各月、各地手足口病发病率的Moran's I值及散点图结果表明,2017年2、4、12月各省、自治区、直辖市手足口病的Moran's I在0.3以上,表明这3个月全国各省、自治区、直辖市手足口病空间分布出现相似性,3、7、8月各省、自治区、直辖市手足口病的Moran's I均接近0,表明这3个月手足口病发病基本不存在明显的空间聚类,各省、自治区、直辖市发病差异较为明显。
同时,由图1可知,2017年全国各地级行政区的发病率空间分布,表现为东南各省市发病率高,西北各省市发病率低的特点,并且大致表现出手足口病发病率随我国等降水量线由东南向西北呈现递减的趋势。

4 讨论

本文以我国2017年手足口病平发年为例,对全国各省、自治区、直辖市、各地级行政区和各地中心城市手足口病发病进行分层异质性统计及交互归因分析,与前人研究结果较为一致[34,35,36],也有不同之处。以往的研究多基于小区域尺度（省级、市级）,对手足口病的气象因素影响,因研究粒度较细,也不乏手足口病发病与气象因素变化之间的时间滞后性研究[8]。本研究则从不同尺度、多视角探讨了气象因素对手足口病发病的影响,量化因子交互作用下手足口病发病,及其我国手足口病年内时空变化特征,与多数小尺度手足口病研究在样本空间的差异性,研究结果也在所选研究尺度上表现出差异性：手足口病发病率随我国等降水量线由东南向西北呈现递减的趋势,其主要的因素为温湿差异性;手足口病发病时间的差异性上,长江以南、以北的各地中心城市手足口病高峰期也存在一定的差异性,长江以北的各地中心城市手足口病年内2次发病高峰期,迟于长江以南各地中心城市手足口病发病高峰期约一月。本研究从省-地级行政区两级尺度上探讨了我国手足口病发病时空分布异质性,及降水、气温两气象要素与手足口病发病的关联度,所得结果均围绕所选指标展开研究,大区域尺度地形地貌的差异和其它地理环境的地域分异规律,也在一定程度上影响了手足口病的时空分布特点。综上所述,我国各地区手足口病的发生与气温、降水等气象因素有关。相关卫生部门可根据气象部门提供的气象资料,提前预测手足口病发生风险和流行强度,及时在高温、高湿季节到来之前,制定相应的防控措施。手足口病的流行是行为因素、生物因素、环境因素、气象因素及人群的干预等共同作用的结果,本研究只是单纯从气象因素出发,因此,在以后的研究中应综合各因素进行深入分析。研究从宏观角度,探讨了气象因素对手足口病的影响机制,为下一步采取科学的防控策略、联防联控工作机制建立等提供了参考依据。

5 结论

本文利用我国2017年省、自治区、直辖市,省、自治区、直辖市中心城市和全国地级市手足口病月发病数据和同期气象（气温、降水）数据,从时间和空间上探究不同尺度,气温和降水与手足口病发病之间可能存在的非线性关系,并从全国尺度上度对我国手足口病发病进行分层异质性统计及交互归因分析,得出以下结论：
（1）我国手足口病发病有明显时的时间差异,在时间上主要表现为季节的差异,因地区差异,年内有单峰发病模式和双峰（高低、双高）发病模式。
（2）我国手足口病月发病率分别与年均降水量、年均温显著相关,其中手足口病发病率与年降水量呈二次函数（R2=0.6623）,手足口病发病率与年均气温之间是指数函数（R2=0.6469）。手足口病发病与年均降水量的相关性略高于手足口病与年均温的相关性。
（3）2017年我国省、自治区、直辖市和地级市手足口病爆发热点时段（4-8月）时空演化分析,先由东南各省向西北各省蔓延,后又表现为由西向东退缩。
（4）对我国手足口病发病进行分层异质性统计及交互归因分析,结果表明手足口病发病风险较高的城市主要集中在高温高湿的东南部。气温和降水对手足口病交互作用结果表现为双因子非线性增强,气温和降水的交互作用对手足口病传播的影响更为显著。
（5）我国手足口病发病在空间上表现为东南各省市发病率高,西北各省市发病率低的特点,并随降水量由东南向西北呈现递减趋势,且2017年2、4、12月各省、自治区、直辖市手足口病发病率有显著的空间相关。
（6）气象因素虽然不是导致手足口病等肠道传染病发生的直接原因,但气象因素（包括温度、降水等）作为主要的环境因素对传染病的发生和传播有着显著的影响。
本文从多尺度、多层级视角,分热点时段对我国手足口病发病率与气温、降水两气象要素进行定量分析,分析了我国手足口病区域得空间分布规律,有助于深入认识我国手足口病得空间分布特征,并从宏观角度为不同地区相关政策部门对手足口病防控提供参考。在手足口病得防控上,一方面需要针对不同地区的降水、气温特点,有针对性的采取措施,如在手足口病高发季节减少人类与传播媒介的接触几率;另一方面,做好疾病的预防如注意个人卫生并及时做好公众场所的消毒杀菌,从源头切断引起该疾病的肠道类病毒的传染链。虽然本文所选取的两气象（气温、降水）要素是影响手足口病的主要因素,下一步将会着重对影响该病的其他因素（NDVI、地表水体、人口密度等）展开研究,使研究更加科学化。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
吴北平, 杨典, 王劲峰, 等. 利用贝叶斯时空模型分析山东省手足口病时空变化及影响因素[J]. 地球信息科学学报, 2016,18(12):1645-1652.

[ Wu B P, Yang D, Wang J F, et al. Space-time variability and determinants of Hand, foot and mouth in Shandong province: A Bayesian Spatio-temporal Modeling approach[J]. Journal of Geo-information Science, 2016,18(12):1645-1652. ]

[2]
Zhao J, Jiang F, Zhong L, et al. Age patterns and transmission characteristics of Hand, Foot and Mouth Disease in China[J]. BMC Infectious Diseases, 2016,16(11):691-689.

[3]
Ma E, Lam T, Wong C, et al. Is Hand, Foot and Mouth Disease associated with meteorological parameters[J]. Epidemiol Infectious, 2010,138(9):1779-1788.

[4]
Chan T C, Hwang J S, Chen R H, et al. Spatio-temporal analysis on enterovirus cases through integrated surveillance in Taiwan[J]. BMC Public Health, 2014,14(1):11-20.

[5]
Onouzuka D, Hashizume M. The influence of temperature and humidity on the incidence of Hand, Foot and Mouth Disease in Japan[J]. Science of the Total Environment, 2011,410-411:119-125.

[6]
Munderloh U G, B. I. Kim, H. Ki, et al. Effect of climatic factors on hand, foot, and mouth disease in South Korea, 2010-2013[J]. Plos One, 2016,11(6):e0157500.

PMID

[7]
Samphutthanon R, Tripathi NK, Ninsawat S, et al. Spatio-temporal distribution and hotspots of hand, foot and mouth disease (HFMD) in northern Thailand[J]. International Journal Environmental Research Public Health, 2014,11(1):312-336.

[8]
Nguyen H X, Chu C, Tran Q D, et al. Temporal relationships between climate variables andHand, Foot and Mouth Disease: A multi-province study in the Mekong Delta Region, Vietnam[J]. International Journal of Biometeorology, 2019,3(21):1156-1169.

[9]
NikNadia N, Sam I C, Rampal S, et al. Cyclical patterns of hand, foot and mouth disease caused by enterovirus A7 in Malaysia[J]. PLoS Neglected Tropical Disease, 2016,10:e0004562.

[10]
Yien L H, Joacim R. Nawi Ng Short term effects of Weather on Hand, Foot and Mouth Disease[J]. PLoS One, 2011,6(2):e16796

DOI PMID

[11]
丘文洋, 李连发, 张杰昊, 等. 利用空间聚集的贝叶斯网络评估手足口病发病风险[J]. 地球信息科学学报, 2017,19(8):1036-1048.

[ Qiu W Y, Li L F, Zhang J H, et al. A Bayesian Network Method considering spatial cluster to evaluate health risk of Hand, Foot and Mouth Disease[J]. Journal of Geo-information Science, 2017,19(8):1036-1048. ]

[12]
Levins S, Measroch V, Pech W, et al. Hand-foot-and-mouth disease[J]. South African Medical Journal, 1962,36:502-504

[13]
Seddon J H, Duff M F. Hand, Foot and Mouth Disease: Coxsackie virus types A 5, A 10, and A 16 infections[J]. The New Zealand Medical Journal, 1971,74(475):368-373.

PMID

[14]
许一玲, 李栋. 淄博市张店区手足口病流行与气象因素的关系研究[J]. 热带医学杂志, 2010,10(10):1237-1239.

[ Xu Y L, Li D, et al. Relationship between climatic factors and HFMD in Zhangdian District of Zibo[J]. Journal of Tropical Medicine, 2010,10(10):1237-1239. ]

[15]
Xu Z C, Hu W Q, Jiao K D, et al. The effect of temperature on childhood Hand, Foot and Mouth Disease in Guangdong Province, China, 2010-2013: A multicity study[J]. BMC Infectious Diseases , 2019,19(1):969-979.

PMID

[16]
Zhang Q, Zhou M M, Yang Y W, et al. Short-term effects of extreme meteorological factors on childhood hand, foot, and mouth disease reinfection in Hefei, China: A distributed lag non-linear analysis[J]. Science of the Total Environment, 2019,653:839-848

[17]
Xu C D, Zhang X X, Xiao G X. Spatiotemporal decomposition and risk determinants of Hand, Foot and Mouth Disease in Henan, China[J]. Science of the Total Environment, 2019,657:509-516.

[18]
Phung D, Nguyen H X, Nguyen H L T, et al. Spatiotemporal variation of Hand, Foot and Mouth Disease in relation to socio-ecological factors: A multiple-province analysis in Vietnam[J]. Science of the Total Environment, 2018,610-611:983-991.

[19]
Fu T, Chen T, Dong Z B, et al. Development and comparison of forecast models of Hand, Foot and Mouth Disease with meteorological factors[J]. Scientific Reports, 2019,9(1):15691-15706.

DOI PMID

[20]
Liu H, Song G X, He N, et al. Spatial-temporal variation and risk factor analysis of hand, foot, and mouth disease in children under 5 years old in Guangxi, China[J]. BMC Public Health, 2019,19(1):1491-1503.

PMID

[21]
Liao J Z, Qin Z, Zuo Z, et al. Spatial-temporal mapping of hand foot and mouth disease and the long-term effects associated with climate and socio-economic variables in Sichuan Province, China from 2009 to 2013[J]. Science of the Total Environment, 2019,563-564:152-159.

[22]
别芹芹, 邱冬生, 胡辉, 等. 我国手足口病时空分布特征的GIS分析[J]. 地球信息科学学报, 2010,12(3):380-384.

[ Bie Q Q, Qiu D S, Hu H, et al. Spatial and temporal distribution characteristics of Hand-Foot-Mouth Disease in China[J]. Journal of Geo-information Science, 2010,12(3):380-384. ]

[23]
张湘雪, 王丽, 尹礼唱, 等. 京津唐地区HFMD时空变异分析与影响因子探测[J]. 地球信息科学学报, 2019,21(3):398-406.

[ Zhang X X, Wang L, Yin L C, et al. Spatiotemporal variation analysis and risk determinants of Hand, Foot and Mouth Disease in Beijing-Tianjin-Tangshan, China[J]. Journal of Geo-information Science, 2019,21(3):398-406. ]

[24]
公共卫生科学数据中心. 全国分地区手足口病全年统计数据[DB/OL]. http://www.phsciencedata.cn.

[ Public Health Science Data Center. The annual statistics of hand, foot and mouth disease in different regions of China [DB/OL]. http://www.phsciencedata.cn]

[25]
国家气象信息中心. 中国地面气候资料日值数据集[DB/OL]. http://data.cma.cn.

[ National Meteorological Information Center. Daily data sets of Chinese surface climatological data[DB/OL]. http://data.cma.cn]

[26]
徐慧, 汪权方, 李家永, 等. 1980年以来中国大宗作物空间格局变化分析[J]. 长江流域资源与环境, 2017,26(1):55-66.

[ Xu H, Wang Q F, Li J Y, et al. Variation of staple crops' spatial pattern in China since 1980a[J]. Resources and Environment in the Yangtze Basin, 2017,26(1):55-66. ]

[27]
马慧强, 廉倩文, 论宇超, 等. 基于BP 神经网络的旅游经济系统脆弱性省际空间分异[J]. 资源科学, 2019,41(12):2248-2261.

[ Ma H Q, Lian Q W, Lun Y C, et al. Spatial differentiation of tourism economic system vulnerability based on BP neural network in different provinces of China[J]. Resources Science, 2019,41(12):2248-2261. ]

[28]
牛丽楠, 邵全琴, 刘国波, 等. 六盘水市土壤侵蚀时空特征及影响因素分析[J]. 地球信息科学学报, 2019,21(11):755-1767.

[ Niu L N, Shao Q Q, Liu G B, et al. Analysis on spatiotemporal characteristics and effects of soil erosion in Liupanshui City[J]. Journal of Geo-information Science, 2019,21(11):1755-1767. ]

[29]
Wang J F, Li X H, Christakos G, et al. Geographical detectors-based health risk assessment and its application in the neural tube defects study of the Heshun Region, China[J]. International Journal of Geographical Information Science, 2010,24(1):107-127.

[30]
Wang J F, Xu C D. Geodetector: Principle and prospective[J]. Acta Geographica Sinica, 2017,72(1):116-134.

[31]
孙海泉, 肖革新, 郭莹, 等. 中国2008—2012年丙肝流行规律及空间聚集性分析[J]. 中国公共卫生, 2014,30(3):286-289.

[ Sun H Q, Xiao G X, Guo Y, et al. Spatial clustering and changing trend of hepatitis C prevalence during 2008-2012 in China[J]. Chinese Journal of Public Health, 2014,30(3):286-289. ]

[32]
Wang J F, Hu Y. Environmental health risk detection with GeoDetector[J]. Environmental Modelling & Software, 2012,33(1):14-15.

[33]
李媛媛, 徐成东, 肖革新. 京津唐地区细菌性痢疾社会经济影响时空分析[J]. 地球信息科学学报, 2016,18(12):1615-1623.

[ Li Y Y, Xu C D, Xiao G X. Spatial-temporal analysis of social-economic factors of bacillary dysentery in Beijing-Tianjin-Tang[J]. Journal of Geo-information Science, 2016,18(12):1615-1623. ]

[34]
魏建军, 曹磊, 陈飒, 等. 2014—2017年陕西汉中市气象因素对手足口病的发病影响[J]. 公共卫生与预防学, 2019,30(3):25-29.

[ Wei J J, Cao L, Chen S, et al. Influence of meteorological factors on the incidence of Hand, Foot and Mouth Disease in Hanzhong city 2014-2017[J]. Journal of Public Health and Preventive Medicine, 2019,30(3):25-29. ]

[35]
杜志成, 张王剑, 郝元涛. 中国大陆气象因素与手足口病发病相关关系的meta分析[J]. 中国卫生统计, 2016,33(5):803-805, 808.

[ Du Z C, Zhang W J, Hao Y T. Meta-analysis of the relationship between meteorological factors and the incidence of Hand, Foot and Mouth Disease in mainland China[J]. Chinese Journal of Health Statistics, 2016,33(5):803-805,808. ]

[36]
李洁, 朱麟, 姜宝法, 等. 济南市手足口病与极端降水事件的关系研究[J]. 环境与健康杂志, 2015,32(4):311-314.

[ Li H, Zhu L, Jiang B F, et al. Association between incidence of hand, foot and mouth disease and extreme precipitation events in Jinan[J]. Journal of Environment and Health, 2015,32(4):311-314. ]

Options
文章导航

/

〈 〉