EN中文

Journal of Geo-information Science >

2021 , Vol. 23 >Issue 3: 419 - 430

DOI: https://doi.org/10.12082/dqxxkx.2021.190778

Spatial-temporal Heterogeneity of Hand, Foot and Mouth Disease in China from 2008 to 2018

  • LI Jie , 1, 2 ,
  • ZHENG Buyun 2 ,
  • WANG Jinfeng , 3, *
Expand
  • 1. School of Geography and Remote Sensing, Guangzhou University, Guangzhou 510006, China
  • 2. College of Resources and Environmental Science, Ningxia University, Yinchuan 750021, China
  • 3. Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China
*WANG Jinfeng, E-mail:

Received date: 2019-12-16

  Request revised date: 2020-06-28

  Online published: 2021-05-25

Supported by

Ningxia Key Research and Development Program (Special Project for Foreign Cooperation) West Light Talent Program of the Chinese Academy of Sciences(2018QNXZ0003)

Ningxia Natural Science Foundation(2020A1228)

Innovation and Practice Training Rrogram for College Students of Chinese Academy of Sciences, 2019

Copyright

Copyright reserved © 2021
Fold

Abstract

Hand, Foot and Mouth Disease (HFMD) is a common infectious disease in infants and children and has an important impact on their health. In order to reveal the spatiotemporal heterogeneity of HFMD in China and provide a scientific basis for the prevention and control of HFMD, we select HFMD from 2008 (when HFMD was listed as category C infectious disease) to 2018 as the study period and apply spatial statistical methods including Moran's I, Getis-Ord Gi *, emerging hot spots analysis, and standard deviational ellipse to analyze the general and local spatiotemporal variation and trend of HFMD in China. Results show that: ① from 2008 to 2018, HFMD exhibits a spatial clustering pattern and the intensity of the clustering increases significantly over time; ② the hot spots of HFMD mainly concentrate in the southeast coast and gradually expand towards inland and northern coastal areas. The cold spots mainly concentrate in the northwest inland and the northeast; ③ the emerging hot spots in mainland China mainly occur in Yunnan, Chongqing, and Sichuan provinces, while the emerging cold spots mostly locate in the same regions with the persistent cold spots. Stable hot spots mainly locate in Hainan province in southern China; and ④ high incidence rate of HFMD mainly occurs in the southwest during 2008 and 2018 and gradually occur in the north during 2008-2009, 2013-2014, and 2017-2018. In general, HFMD remains primarily in the south of China. This pattern remains relatively stable throughout the years of observation, indicating that public intervention should be strengthen in the south of China. However, the underlying mechanism of the spatiotemporal distribution of HFMD in China still needs further investigation. Combination of multiple scientific disciplines such as geography, spatial statistics, virology, molecular biology, and public health provides multi-perspectives that can aid the research on the underlying mechanism of HFMD transmission.

Key words： China; Hand, Foot and Mouth Disease; spatial-temporal heterogeneity; spatial autocorrelation; Local Moran's I; Getis-Ord Gi*; emerging hot spot analysis; standard deviational ellipse

Cite this article

LI Jie , ZHENG Buyun , WANG Jinfeng . Spatial-temporal Heterogeneity of Hand, Foot and Mouth Disease in China from 2008 to 2018[J]. Journal of Geo-information Science, 2021 , 23(3) : 419 -430 . DOI: 10.12082/dqxxkx.2021.190778

1 引言

手足口病（Hand, Foot and Mouth Disease, HFMD）是由EV71、CA16和柯萨奇病毒等多种人肠道病毒引起的传染病,5岁以下儿童是主要发病人群[1]。临床症状主要表现为手、足、口腔等部位出现斑丘疹、疱疹,一般病情较轻,几周后即可治愈,但是少数由EV71引起的手足口病会出现严重的症状,如脑膜炎、脑炎、脑脊髓炎、呼吸道感染以及心肌炎等,严重危害儿童的身体健康[2]。近年来,手足口病在我国聚集性爆发次数持续增加,死亡率也逐年提高[3]。根据疾病预防控制中心统计,2008-2015年中国国内共报告手足口病约1380万例,平均年发病率为14.7例/万人,报告重症病例约13万例,死亡3300多人。2008年,中国大陆地区暴发了亚太地区最严重的一次手足口病疫情[4],在此疫情的影响下,手足口病被列为我国法定报告管理的丙类传染病[5]。自2008年5月列为法定报告的丙类传染病以来,每年报告病例数在百万例以上,一直高居全国法定报告传染病首位。手足口病目前尚无特效抗病毒药物或特效治疗方法。我国于2016年研制出了世界首例针对EV71病毒的手足口病疫苗,但目前对其他病毒引起的手足口病的预防效果还十分有限[6]。由于手足口病的高患病率和发病率,在中国儿童的疾病负担中占相当大的比例,近年来引起了社会各界的广泛关注。
目前对我国手足口病时空分布特征的研究,主要通过空间统计方法,分析特定时间范围某一空间尺度下（如全国或省级尺度）手足口病的分布是否存在统计意义上的聚集或离散性质,如采用基于离散Poisson模型的回顾性时空扫描统计量对我国手足口病局部多发区域的时空聚集性研究[7],使用Kulldorff扫描统计量对重庆市手足口病案例[8]和对全国重症手足口病的时空聚集性研究[9],运用叠置分析的方法对我国手足口病时空变化特征的分析[10],以及根据全局莫兰指数[11,12]、Getis-Ord Gi*和标准差椭圆[13]等方法度量手足口病空间分布模式的研究。但从被列为丙类传染病以来,手足口病在全国范围、长时间序列的时空分布模式还需深入研究。而且,现有研究多集中与对时空分布模式的研究,尚没有对时空分布模式的趋势,如持续集中发病区、持续无发病区、间隔发病区等的研究,而这些信息对于手足口病特征的研究以及防控具有重要的意义。
基于此,本研究以我国2008-2018年全国手足口病案例和发病率为研究对象,首先采用全局空间自相关工具Global Moran's I和局部空间聚集分析工具Getis-Ord Gi*分析了我国手足口病逐年的全局和局部空间分布模式,然后采用了时空热点分析工具揭示了2008-2018年我国手足口病的新增（冷）热点、持续（冷）热点、振荡（冷）热点的空间分布,最后采用标准差椭圆方法分析了2008-2018年我国手足口病分布范围的变迁和重心的轨迹。本研究以较大的空间尺度和时间跨度,综合运用了多种时空分析工具,对我国手足口病的时空分布特征进行了研究,揭示了我国手足口病的分布总体呈南高北低、东高西低的特征,并且随着时间的推移发病范围逐渐集中并向我国南部地区推移的趋势,为我国手足口病的防控提供了科学依据。

2 数据来源和研究方法

2.1 基础数据

2008年5月1日,卫生部正式将手足口病列入丙类传染病（也称为监测管理传染病,包括丝虫病、包虫病、麻风病、流行性感冒、流行性腮腺炎、流行性和地方性斑疹伤寒、风疹、急性出血性结膜炎、手足口病、以及除霍乱、细菌性和阿米巴痢疾、伤寒和副伤寒以外的感染性腹泻病传染病等）。对丙类传染病需按照国务院卫生行政部门规定的监测管理方法进行管理,城镇和农村于24 h内通过传染病疫情监测信息系统进行报告。本文采用的数据来自于中国疾病预防控制中心发布的法定传染病报告[14]（http://www.chinacdc.cn/）,以2008年1月至2018年12月中国大陆发生的共20 536 500例手足口病病例和各省份手足口病发病率作为研究数据。该病诊断是依据临床症状、流行病学调查以及实验室检测结果,并按照卫生部《手足口病诊疗指南》[15]判定。发病率为当年手足口病新病例人数除以同时期该行政单元总人口数并乘以10万,计算每10万人发病率。人口学资料来源于《中国统计年鉴》（2009-2019）[16]。由于数据获取限制,本次研究不包括香港、台湾和澳门。
本文所用的地理基础数据来源于国家基础地理信息中心（http://www.ngcc.cn/ngcc/html/1/index.html）提供的2015年1:100万矢量数据[17],在ArcGIS 10.6软件中建立矢量化图层。以行政区划编码为匹配变量,将发病率与全国行政区矢量化图层进行匹配,建立空间分析数据库。

2.2 空间自相关分析

空间自相关分析是度量空间单元观测值聚集程度的方法,该方法能判断空间单元观测值是否与其相邻单元的观测值存在相关性[18]。按照研究对象的范围,空间自相关分析可以分为全局空间自相关性分析和局部空间自相关性分析[19]。本文全局自相关分析采用全局莫兰指数方法,局部自相关分析采用Getis-Ord Gi*方法。
2.2.1 全局莫兰指数
该指标用来描述整个研究区域上空间对象之间的关联程度,以表明空间对象之间是否存在显著的空间分布模式,全局莫兰指数公式如下[19]：
I = n ∑ i = 1 n ∑ j = 1 n w ij x i - x ̅ x j - x ̅ ∑ i = 1 n ∑ j = 1 n w ij ∑ i = 1 n x i - x 2 其中 , x ̅ = 1 n ∑ i = 1 n x i
式中：n表示研究省级行政区的数目;wij为第i, j区域的空间权重系数,它反映第i, j区域在空间上的关系,并定义为：若区域相邻,wij=1;否则,wij= 0; xi, xj是第i个研究区域的手足口病发病率; x ̅ 为发病率的平均值,一般根据标准化后的Moran's I值或n值进行检验。Moran's I系数取值范围为[-1, 1],具体涵义为：Moran's I < 0且p < 0.05,表示空间负相关,即相邻省份的手足口病不具有聚集性; Moran's I= 0或接近于0,代表相邻区域不存在空间自相关性,手足口病呈现随机分布;0 < Moran's I且p < 0.05,代表空间正相关,说明相邻省份的手足口病具有空间聚集性,且Moran's I值越高相邻省份空间相关性越显著。
2.2.2 Getis-Ord Gi*
热点分析方法可用于揭示局部区域的空间集聚特征,识别具有统计显著性的高值（热点）和低值（冷点）的空间聚类[20,21],Getis-Ord Gi*的计算公式如下[22]：
G i ( d ) = ∑ j = 1 n w ij ( d ) x j ∑ j = 1 n x j
式中：wij(d)是距离d范围内的权重矩阵,i ≠ j。 Gi(d)表示省份i的统计量在距离权重wij(d)的条件下,与相邻省份j的相关程度。Gi(d)标准化处理的公式为[23]：
Z ( G i ) = G i ( d ) - E G i VAR ( G i )
式中：E(Gi)和VAR(Gi)分别表示Gi的数学期望和理论方差。Z(Gi)为正值且显著,表明省份i周围区域发病率较高,则省份i属于热点区;Z(Gi)为负值且显著,说明省份i周围区域发病率较低,属于冷点区。

2.3 时空热点分析

时空热点分析可识别地理数据的趋势,以创建的时空立方体的时间及空间NetCDF作为输入,通过手足口病发病的位置的邻域距离和时间步长对每个立方体条柱使用Getis-Ord Gi*方法,利用Mann-Kendall趋势测试评估手足口病的热点和冷点趋势[24,25]。
时空立方体最早由Hagerstrand提出,该模型通过二维坐标轴表示手足口病发病的空间位置,用一维时间轴表示随时间步长的改变平均发病率变化的情况,将二维的空间和一维的时间结合成三维的时空立方体[26]。
Mann-Kendall趋势分析方法对独立的时空条柱序列进行测试,是一种非参数统计检验方法,对于样本量为n的时间序列,趋势检验统计量如下[27]：
S = ∑ i = 1 n - 1 ∑ j = i + 1 n sgn ( x j - x i )
sgn ( x j - x i ) = 1 x j > x i 0 x j = x i - 1 x j < x i
当统计量服从正态分布,方差如下：
Var ( S ) = n ( n - 1 ) ( 2 n + 5 ) 18
Z c = S - 1 Var ( S ) S > 0 0 , S = 0 S + 1 Var ( S ) S < 0
通过Mann-Kendall趋势分析,得到对应的z得分、p值。如果z得分大于1.65则表明时间序列处于上升趋势,即手足口病平均发病率逐年增加;若z得分低于-1.65则表示时间序列处于下降趋势;若z得分接近于零,则表明平均发病率随时间序列的变动不存在明显变化,另外依据p值的范围确定显著水平。根据z得分和p值对手足口病发病率的冷点和热点趋势的显著性进行归类,分为新增、连续、加强、持续、逐渐减少、分散、振荡、历史等16种冷热点模式[27]。

2.4 标准差椭圆

标准差椭圆（Standard Deviational Ellipse, SDE）是空间统计方法中能够精确地揭示地理要素空间分布整体特征的有效方法[28,29]。标准差椭圆通过中心、长短轴、方向角、扁率等参数定量描述地理要素的空间分布状况。标准差椭圆的中心即地理要素的重心,反映手足口病发病率空间分布在二维空间上的相对位置。长轴的方向反映手足口病发病率在二维空间上分布的主趋势方向,短轴与长轴方向垂直,长短轴表现地理要素的分布范围。方向角为长轴与正北方向顺时针的夹角,表现地理要素分布方向。长、短轴的比值为扁率,可以体现手足口病发病率空间分布的形态,扁率越大,表明发病率数据分布越集聚,反之越分散[30]。标准差椭圆能从重心、方位角、展布范围、方向和扁率等多种角度揭示手足口病的空间分布特征及其时空演化过程。

3 结果及分析

3.1 手足口病的空间分布

由图1可知,2008-2014年,全国手足口病发病数呈现逐年振荡上升的趋势,在2014年达到最高值,之后呈现振荡下降的趋势。我国领先研发的EV71型手足口病疫苗于2016年上半年正式上市,该疫苗用于预防EV71感染所致的手足口病,是唯一可用于预防手足口病的疫苗。但由于上市时间短,且为自愿接种的疫苗,2017年后全国手足口病发病数的降低是否归因于疫苗的上市尚待进一步研究。总体来看,我国手足口病发病数仍然维持在高位,防控工作仍然不能松懈。
图1 2008-2018年中国大陆手足口病发病数

Fig. 1 Number of HFMD cases in mainland China from 2008 to 2018

从我国手足口病发病率的空间分布（图2）可以看出,2008年各省（市、区）均出现了不同程度的手足口病疫情,其中北京市和上海市的疫情最为严重。2009年全国手足口病疫情明显加重,内蒙古、河北、山东、北京、河南、江苏、浙江、上海、海南的手足口病病情较为严重,而新疆、西藏、青海、甘肃、四川、重庆、云南、贵州、江西的手足口病发病率较低。自2009年起,北京、江苏、浙江、上海、安徽、广西、广东、海南手足口病疫情持续保持高发水平,云南、四川、重庆、陕西、贵州、江西、福建的手足口病病情逐渐加重,而内蒙古、黑龙江、吉林的病情逐渐减轻,西藏地区手足口病病情持续保持低发水平,手足口病高发区的范围逐渐在全国范围扩散。
图2 2008-2018年中国大陆手足口病发病率空间分布

注：由于数据获取困难,本研究不包括台湾、香港和澳门;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）1825的标准地图制作,底图无修改。

Fig. 2 Spatial distribution of HFMD incidence rate in mainland China from 2008 to 2018

3.2 手足口病的空间聚集性

2008-2018年中国手足口病发病率的全局莫兰指数均为正值,介于0.10~0.40之间,经检验除2010年以外,其余年份z得分均高于界值1.96,具有统计学意义（p<0.05）,详见表1,这表明手足口病在全国范围内呈现空间正相关关系,且具有显著的空间聚集性,而并非随机分布。由表1可看出,2008-2009年手足口病的全局莫兰指数有较大幅度上升,随后一年指数从0.40下降至0.10,自2011年起莫兰指数整体呈逐年上升趋势,从0.12大幅度上升至0.28,在2013、2015、2017年有小幅度下降。与起始时间2008年全局Moran's I指数0.16相比,2008-2018年全局莫兰指数出现大幅度上升,表示手足口病在全国的空间聚集性由相对较弱转变为相对较强。
表1 2008-2018年中国大陆手足口病发病率全局莫兰指数

Tab. 1 Global Moran's I of HFDM incidence rate in mainland China from 2008 to 2018

年份 Moran's I z p
2008 0.16 2.48 0.013
2009 0.40 5.60 0.000
2010 0.10 1.78 0.075
2011 0.12 2.34 0.019
2012 0.21 3.25 0.001
2013 0.18 2.97 0.003
2014 0.21 3.41 0.001
2015 0.17 3.04 0.002
2016 0.28 4.26 0.000
2017 0.26 4.09 0.000
2018 0.28 4.09 0.000

3.3 全国手足口病局域空间分布格局

根据Getis-Ord Gi*的高低及显著性水平,结合ArcGIS中自然间断点分级法将发病区域分为5类：一级冷点区、二级冷点区、随机分布区、二级热点区和一级热点区,即冷点高聚集区、冷点低聚集区、无显著聚集区、热点低聚集区和热点高聚集区,分析2008-2018年中国手足口病空间格局热点演化情况（图3）。图3表明,2008-2018年中国手足口病发病率的热点区和冷点区表现出较明显的空间演变特征,冷点区由西部地区转移至北部地区,热点区在东部地区扩散并向中部地区辐射,此外广西、云南和贵州由冷点区转变成热点区,河北、天津、北京、内蒙古、吉林和辽宁由热点区变为冷点区。
图3 2008-2018年中国大陆手足口病发病率热点分布

注：由于数据获取困难,本研究不包括台湾、香港和澳门;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）1825的标准地图制作,底图无修改。

Fig. 3 Getis-Ord Gi* of HFMD incidence rate in mainland China from 2008 to 2018

具体来看,2008年热点低显著区主要出现在山东、江苏、上海和安徽,二级冷点区覆盖范围较大,分布在西藏、青海、四川、重庆地区。2009年手足口病的一级热点区在东北部地区呈现明显的聚集状态,山西由随机分布区转变为热点区,而新疆、甘肃、云南、贵州、广西变成冷点区。2012年冷热点区发生明显的空间变化,其中山东、北京、河北、天津、内蒙古、吉林和辽宁由热点高显著区转变成随机分布区,海南、广西、广东、湖南、贵州、江西、福建的热点显著性升高,冷点分布区域范围明显减小。2012-2015年,广西、广东、湖南保持热点高显著性,江西和福建的热点显著性明显降低,由一级热点区变成随机分布区。2015-2018年四川、云南、重庆、湖北、安徽、江西、浙江的热点显著性有所升高,吉林和辽宁的冷点显著性升高,在空间上由二级冷点区变成一级冷点区。

3.4 全国手足口病时空热点分析

以手足口病发病率数据的空间位置为x与y坐标轴,以发病时间为z坐标轴,构建距离间隔为 65 km2,时间步长间隔为一年的时空条柱,建立手足口病时空立方体,表示各区域随时间推移平均发病率的变化。通过将2008-2018年以来共29 607个点聚合到4392渔网格网位置,生成1252个时空条柱,对邻域距离为336.2 km的区域进行时空热点分析,其中具有热点或冷点趋势的时空条柱有1075个。根据Mann-Kendall趋势分析,计算z得分为2.4912, p值为0.0 127,可以判断随着时间变化,全国手足口病的平均发病率总体的变化趋势为递增。
根据新兴时空热点分析的结果（图4）可以看出2008-2018年全国范围内手足口病的冷点数（581个）多于热点数（494个）,发病热点区集中于大陆南部地区,发病冷点区集中于西部内陆及北部地区,冷点与热点区被无冷热点模式的区域间隔开。具体来看,2008-2018年以来,新增热点有11个,主要分布在云南北部地区,其次是四川东部与重庆西部接壤处,以及重庆中西部小范围区域。这些区域手足口病的发病率在2018年首次出现高值,而并未出现新增低发病率区。持续热点有12个,主要集中在海南省,少数位于广东西南地区以及浙江东部沿海区域,说明这些地区的手足口病病情从2008年以来一直维持在高发水平,而黑龙江东北部地区11年来都是手足口病低发区。
图4 2008-2018年中国大陆手足口病发病率新兴时空热点分析

注：由于数据获取困难,本研究不包括台湾、香港和澳门;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）1825的标准地图制作,底图无修改。

Fig. 4 Emerging hot spot analysis of HFMD incidence rate in mainland China from 2008 to 2018

2008-2018年全国并未出现加强的、持续的、逐渐减少的、分散的和历史的热点,而这些类型的冷点全部分布在无冷热点模式区域的北部,其中无冷热点模式的区域呈现连续条带状,分布于山东、河南、山西北部、陕西中部、四川东部,极少数分散分布在内蒙古,新疆,西藏,青海,和甘肃地区。加强的冷点有176个,绝大部分的加强冷点聚集分布在黑龙江、吉林、和辽宁,其次集中出现于山西北部以及内蒙古中部区域,并分散分布在内蒙古东部地区。这表明在过去的11年,至少有10年呈现显著冷点区,同时手足口病低发病率的显著性增加。持续的冷点主要出现在新疆,并集聚出现在青海东部、甘肃中部、宁夏中部和北部、陕西北部以及山西中部地区,分散位于西藏、青海中部和内蒙古。这些地区已经维持了长时间的低发病率,同时冷点聚集的强度没有随时间变化发生改变。逐渐减少的冷点集中分布在四川西北部、甘肃南部、和宁夏北部,极少数出现在新疆北部、青海北部及甘肃中部,表明手足口病在这些区域长时间保持在显著低发水平,且冷点的聚集性有所减弱。分散的冷点集中出现在甘肃东南部与陕西接壤处,陕西中部、山西南部、河北西部及北部、北京以及辽宁西部,少数分散出现在新疆、西藏、青海、内蒙古,辽宁和吉林,说明在过去11年,非显著性冷点在这些地区出现的概率并不稳定,且出现的年份也不固定。历史冷点有27个,出现在西藏南部和四川中部地区,说明这些区域在最近几年不是显著冷点,但之前一段时间存在过较长时间的冷点。
2008-2018年的手足口病热点主要以振荡的热点模式出现并且呈现聚集性分布,大范围地出现在南部沿海地区及邻近省份,表明尽管南部沿海城市处于高发病率区域,但也曾出现过一段时间的显著性冷点。振荡的冷点几乎全部位于京津冀地区,包括北京东南部以及河北西部地区,个别振荡的冷点分散分布在内蒙古以及山东与河北的边界区域,说明这些地区在过去的11年较长时间内呈现出显著冷点状态但也出现过热点。连续热点主要分布在我国南部海南省,表明海南省手足口病发病率一直较高。
由此可以看出我国手足口病的热点和冷点在时空上呈现的模式并不相同,热点主要以新增的、连续的、振荡的形式出现,而冷点则以连续的、加强的、持续的、逐渐减少的分散的、振荡的、和历史的模式呈现,热点及冷点各自的主导模式是振荡的热点及加强的冷点、持续的冷点和分散的冷点。这表明全国手足口病热点区域变化较频繁并且伴有新增加的地区,而冷点区域则相对稳定并以聚集和分散的形式呈现。

3.5 手足口病时空演化趋势

2008-2017年手足口病发病率方位角长期在16-23°范围内波动,表明发病区域主要呈现西南-东北格局（表2）。虽然2018年方位角增加到51.60°,但由于2018年标准差椭圆长短轴接近,扁率接近于1,因此并不能说明发病率有向东北、西南偏移的趋势,而只能说明发病范围减少,有向南方集中的趋势。短半轴主要在704~814 km范围内波动,2017-2018年从704.09 km扩张至833.38 km,2008-2017年手足口病标准差椭圆长半轴整体上呈现缩短趋势,由1175.68 km缩短至989.41 km,而在2010-2011年、2014-2015年和2017-2018年间有小幅度扩张。根据短半轴和长半轴的变化,可以发现全国手足口病在南北方向呈持续收缩趋势,在东西方向较为稳定。扁率在2010-2011年和2015-2017年有东西方向上小幅扩张,结合2008-2018年扁率总体缩小的趋势,表明发病区域逐渐集中并呈近似圆形的分布。长轴与短半轴的比值减小到1.19,说明2018年发病区域在南北方向收缩,东西方向扩张,且该年的东西扩张趋势明显强于南北收缩趋势,即手足口病在东西方向影响程度逐渐增强。
表2 2008-2018年中国大陆手足口病发病率标准差椭圆形状参数

Tab. 2 Variation of parameters of standard deviational ellipse of HFDM incidence rate in mainland China from 2008 to 2018

年份 方位角/° 短轴/km 长轴/km 扁率（长轴/短轴）
2008 18.75 804.69 1175.68 1.46
2009 21.90 756.97 1105.72 1.46
2010 22.83 787.54 1073.06 1.36
2011 16.24 718.34 1118.63 1.56
2013 21.15 717.37 1027.47 1.43
2015 20.40 812.71 1030.87 1.27
2017 21.91 704.09 977.91 1.39
2018 51.60 833.38 989.41 1.19
从2008-2018年标准差椭圆分布范围和轨迹变化（图5）可以看出,手足口病的扩散方向主要呈东北-西南走向。2008-2017年手足口病的发病范围逐渐向南部地区移动,由京津冀地区逐渐移动至长江三角洲、珠江三角洲地区,在2018年发病范围有明显向内陆移动的趋势,四川、云南、重庆地区的受到手足口病的影响逐渐增大。
图5 2008-2018年中国大陆手足口病发病率标准差椭圆

注：由于数据获取困难,本研究不包括台湾、香港和澳门;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）1825的标准地图制作,底图无修改。

Fig. 5 Standard deviational ellipse of the incidence rate of HFMD in mainland China from 2008 to 2018

从重心的移动轨迹来看（图6）,2008-2018年手足口病主要向西南方向移动,存在向北部移动的趋势。具体来看,发病率重心在2008-2009年显著向东北方向移动165.8 km,说明手足口病疫情在东北部地区较2008年有明显加重。2009-2010年极大幅度向西南方向移动376.7 km,表示南部地区的发病率显著增大。2010-2013年手足口病持续向南,而2014年小幅度向东北方向移动,2015年又继续向西南方向移动。2015-2018年除2016年重心向西移动,其余年份发病率重心均向东移动。在过去的11年里,手足口病重心主要分布在河南、湖北、湖南三省,并最终移动到湖北省。
图6 2008-2018年中国大陆手足口病发病率重心空间演变轨迹

Fig. 6 Trajectory of center of gravity of HFMD incidence rate in China from 2008 to 2018

4 讨论

自2008年我国手足口病被列为丙类传染病以来,其东、南部多,西、北部少的空间聚集模式随时间的推移没有根本的改变,且有空间范围逐渐缩小,并向南部集中的趋势。手足口病的发生是复杂的系统过程,受病毒、宿主（人类）,和自然、社会、生活环境的共同作用,虽然目前手足口病病毒的传播、作用机理还没有明确[4],但地理学从系统的角度发现并量化了手足口病的时空分布特征,可以为手足口病传播机理的研究提供支撑,指导医疗资源的分配和防控措施的精准实施。
本文得出的我国手足口病的时空分布特征与趋势和现有研究[3,11,31]结论一致。在此基础之上,本文运用了时空热点分析方法研究了我国手足口病冷点、热点的新兴趋势,从更深层次挖掘我国手足口病分布特征,发现了我国手足口病热点区以振荡的热点为主导的模式。2008-2018年手足口病的热点区总体来说集中在我国南部和东部,但局部时空变化不稳定,以振荡的热点模式为主导,热点区在2008-2018年整体上呈现高发病率的状态,且在近几年维持在高发病率的水平,少数年份维持低发病率。与此同时,少数热点区还呈现持续的热点和新增的热点这2种模式,表明2008-2018年这些省份持续保持高发病率水平或者在近几年内转变成显著高发区。间隔高发病率区域包括湖北、湖南、安徽、江西、江苏、浙江、上海、福建、广西和广东以及贵州、云南和重庆等南方大部分区域,持续高发病率聚集区位于海南,云南北部,而四川东部以及重庆西部地区是2018年新增的高发病率聚集区。无冷热点模式地区主要位于山东、河南、山西北部、陕西中部以及四川东部,表明在2008-2018年这些省份并未呈现出显著的高发病率或者低发病率情况。而手足口病的冷点区主要呈现出相对稳定的持续低发病率的变化模式,新疆、青海东部、甘肃中部、宁夏中部和北部、陕西北部以及山西中部是持续低发病率区,黑龙江、吉林、辽宁,山西北部以及内蒙古中部区域的低发病率情况有加强趋势,而北京、天津、河北由高发病率区转变成持续低发病率区。新兴冷、热点及其趋势的分析为手足口病的防控提供了科学支撑,对新增热点地区可以适当的加强卫生防疫措施,防止新暴发点的出现。
本文标准差椭圆分析的结果表明,我国手足口病发病率的扩散方向主要是东北-西南走向,2008-2018年手足口病的影响范围主要位于东部沿海城市及中部内陆城市,发病率重心总体朝西南方向移动,呈现出空间收缩密集化状态,东-西方向的增长强度逐渐上升,发病范围持续南移,与李鹏等的研究[13]得到了相一致的结论,不同的是,本文发现我国手足口病2017-2018年发病率重心与前期特征相反,转而向北移动。由于数据和时间的限制,目前数据尚不足以判定2018年开始的这种反向移动是否会在后续年份持续,但就现有11年的数据判断,该现象仅是南方高发区附近的局部振荡模式,预计在未来较长时间内我国手足口病的高发区仍然会集中在南方。
自2000年以来世界范围内手足口病主要在亚太地区多发,而本文通过对地处亚洲东部的中国手足口病的时空分布特征进行研究后发现,中国手足口病主要分布于东部和南部。在此基础之上,新兴时空热点分析也揭示了中国手足口病长时间序列局部空间尺度分布特征呈现较大的分异性。手足口病的发生和传播受多种自然和社会因素影响,如引起手足口病的病毒的分布、病毒发生变异的方式和时间、温度、湿度、风速、人口密度、流动人口规模、个人卫生习惯、居住环境、医疗卫生水平、医疗保险覆盖程度、收入、疫苗的接种率及有效程度等。虽然世界各国对手足口病的致病和传播机理进行着深入的研究,包括我国在2005年已经完成了EV71和CA16等手足口病主要病毒的进化分析和基因组全序列分析,但目前世界上对于这些病毒突变的确切时间及其原因仍在研究中[4]。当一个地区出现手足口病的暴发,通常是手足口病病毒发生了突然的变异,如2007年发生在我国安徽阜阳市的手足口病大暴发[4]。但包括手足口病的传染病的发生和传播受上述多种因素的共同影响,在目前仅有针对易引起手足口病重症病例的EV71病毒疫苗,且没有特效药的情况下,预防仍然是防止手足口病暴发和传播的最有效手段。保持良好的个人和社会卫生习惯,如饭前便后洗手、保持社交距离、保持居住环境卫生、确保居住环境没有裸露的粪便和污水、不共用个人物品如水杯、毛巾、经常晾晒被褥、发现症状及时就诊并佩戴口罩等仍然是预防包括手足口病在内的多种传染病的最佳和成本最低的行之有效的方式。地理学和空间统计学在攻克这一难题的过程中提供了全局性的和局部空间相关视角,可以辅助从手足口病实际发生的时空特征反推其病原突变的大致时间和可能的原因,并可以发现手足口病的高发区和潜在暴发区,为卫生防控提供参考。

5 结论与展望

本文主要基于空间自相关理论,利用空间统计方法,包括全局莫兰指数和Getis-Ord Gi*、新兴时空热点分析和标准差椭圆方法,研究了我国手足口病自2008-2018年的时空变化特征和趋势。
本文的主要结论如下：
（1）我国手足口病自2008年大幅增加,于2014年达到最高值,之后有所降低,但趋势较为平缓。2008-2018年手足口病发病率空间聚集性显著,整体呈现东、南部多发,西、北部少发的模式。西北部地区为手足口病低发病率聚集区,东南部地区为高发病率聚集区,而中部内陆地区受到手足口病的影响程度明显增强。
（2）我国手足口病的分布具有显著的空间相关性,在全国范围内呈聚集性（而不是离散或随机）分布。2008-2018年我国手足口病冷点区由中西部转移至北部地区,热点区主要位于东部地区且影响范围逐渐扩大且聚集的强度显著增高。
（3）我国手足口病的热点区域主要集中在东南沿海地区,且较明显向内陆以及北部沿海地区扩张。冷点区域主要集中在西北内陆以及东北地区。
（4）我国手足口病的新兴热点模式以振荡的热点为主,新增热点主要出现在云南、重庆和四川,而冷点区域相对稳定,大部分以加强的、持续的形式出现。
（5）我国手足口病高发病率区域在2008-2018年主要向西南方向移动,但在2008-2009年、2013-2014年以及2017-2018年存在向北部移动的趋势,同时2018年手足口病在东-西方向上的分布范围显著增大。但总体来说,手足口病在南方聚集的趋势并没有改变。
总体来说,本文运用了多种时空分析方法,对我国手足口病2008-2018年的时空分布特征进行了分析,在总体特征的基础上,发现了新兴的局部特征。本文还存在一些局限性：首先,本文主要从空间和时间上对手足口病发病率的时空分布特征进行研究,在后续研究中,可以对其影响因素和驱动机制进行研究。其次,手足口病的发病受多种因素的影响,既包括温度、湿度等自然因素[32],也包括人口密度、医疗卫生设施水平、医疗保险覆盖度、收入水平、教育程度、疫苗等社会经济因素,还包括居住环境、卫生习惯等生活环境的影响[33]。在诸多因素中,在哪些条件下何种因素占主导作用,也是未来需要研究的重点之一。但良好的个人和社会卫生习惯仍然是预防包括手足口病在内的多种传染病的最佳方式。地理学、空间统计学、医学、公共卫生、分子生物学、病毒学等多学科从宏观和微观角度研究的结合,将有助于发现手足口病传播及其在我国南部地区多发的原因。最后,本文并未考虑数据的不确定性和方法参数的敏感性,在以后研究中可以对此进行针对性的分析,对手足口病的时空分布特征进行更深入的研究。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
赵成松, 赵顺英. 手足口病的流行概况和应对策略[J]. 中国实用儿科杂志, 2009,24(6):419-421.

[ Zhao C S, Zhao S Y. Epidemic situation and coping strategies of hand, foot and mouth disease[J]. Chinese Journal of Practical Pediatrics, 2009,24(6):419-421. ]

[2]
李燕婷. 手足口病的流行病学特征及预防控制[J]. 上海预防医学, 2008,20(6):316-317.

[ Li Y T. Epidemiological characteristics, prevention and control of hand, foot and mouth disease[J]. Shanghai Journal of Preventive Medicine, 2008,20(6):316-317. ]

[3]
韩桃利, 郭悦, 王英, 等. 2008-2017年中国大陆手足口病空间聚集性分析[J]. 病毒学报, 2018,34(5):534-542.

[ Han T L, Guo Y, Wang Y, et al. Spatial Clustering of Hand, Foot and Mouth Disease in Mainland China from 2008 to 2017[J]. Chinese Journal of Virology, 2018,34(5):534-542. ]

[4]
Li J. Hand, foot, and mouth disease in mainland China before it was listed as category C disease in May, 2008[J]. Lancet Infectious Diseases, 2017,17(10):1003-1098.

PMID

[5]
中华人民共和国卫生部. 手足口病预防控制指南(2008年版)[J]. 社区医学杂志, 2008,6(10):69-71.

[ Ministry of Health of the People's Republic of China. Guideline on preventions and controls of hand-foot-mouth disease[J]. Journal of Community Medicine, 2008,6(10):69-71. ]

[6]
毛群颖, 卞莲莲, 王一平. 我国手足口病病原谱以及疫苗研究新动态[J]. 中国生物制品学杂志, 2015,28(9):979-984.

[ Mao Q Y, Bian L L, Wang Y P. New trends for pathogen spectrum of hand, foot and mouth disease and research of vaccines in China[J]. Chinese Journal of Biologicals, 2015,28(9):979-984. ]

[7]
黄艳红, 孔庆征, 刘潇潇. 2013—2018年北京市西城区手足口病时空聚集性分析[J]. 公共卫生与预防医学, 2019,30(3):30-34.

[ Huang Y H, Kong Q Z, Liu X X. Spatial-temporal trends and clustering of hand-foot-mouth disease in Xicheng District, Beijing(2013 -2018)[J]. Journal of Public Health and Preventive Medicine, 2019,30(3):30-34. ]

[8]
Qi L, Tang W, Zhao H, et al. Epidemiological Characteristics and Spatial-Temporal Distribution of Hand, Foot, and Mouth Disease in Chongqing, China, 2009-2016[J]. International Journal of Environmental Research and Public Health, 2018,15(2),DOI: 10.3390/ijerph15020270.

PMID

[9]
于石成, 周征奇, 杨芳, 等. 中国2008-2013年度重症手足口病的时空聚集性及其变化趋势分析[J]. 中华流行病学杂志, 2014,35(3):271-275.

[ Yu C S, Zhou Z Q, Yang F, et al. Temporal and spatial clustering characteristics and changes of severe hand, foot, and mouth disease in mainland of China, from 2008 to 2013[J]. Chinese Journal of Epidemiology, 2014,35(3):271-275. ]

[10]
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. ]

[11]
Gui J, Liu Z, Zhang T, et al. Epidemiological Characteristics and Spatial-Temporal Clusters of Hand, Foot, and Mouth Disease in Zhejiang Province, China, 2008-2012[J]. Plos One, 2015,10(9):e0139109.

DOI PMID

[12]
陈琦, 吴杨, 童叶青, 等. 2013—2017年湖北省手足口病时空聚集性分析[J]. 公共卫生与预防医学, 2019,30(2):42-45.

[ Chen Q, Wu Y, Tong Y Q, et al. Temporal-spatial clustering analysis of hand, foot and mouth disease in Hubei Province (2013-2017)[J]. Journal of Public Health and Preventive Medicine, 2019,30(2):42-45. ]

[13]
李鹏, 葛淼, 王聪霞, 等. 2008—2014年中国大陆手足口病的时空变化规律[J]. 南京医科大学学报(自然科学版), 2018,38(3):380-385.

[ Li P, Ge M, Wang C X. Spatial and temporal variation of hand, foot and mouth disease in mainland China from 2008 to 2014[J]. Acta Universitatis Medicinalis Nanjing(Natural Science), 2018,38(3):380-385. ]

[14]
中国疾病预防控制中心[EB/OL]. (http://www.chinacdc.cn).

[ Chinese center for disease control and prevention[EB/OL]. (http://www.chinacdc.cn).]

[15]
邓慧玲, 高洁, 黄学勇, 等. 手足口病诊疗指南(2018年版)[J]. 中华传染病杂志, 2018,36(5):257-263.

[ Deng H L, Gao J, Huang X Y, et al. Guidelines for the diagnosis and treatment of hand, foot, and mouth disease (2018 Edition)[J]. Chinese Journal of Infectious Diseases, 2018,36(5):257-263. ]

[16]
国家统计局. 中国统计年鉴2019[M]. 北京: 中国统计出版社, 2019.

[ National Bureau of Statistics. China statistical yearbook 2019[M]. Beijing: China Statistical Press, 2019. ]

[17]
国家基础地理信息中心[EB/OL]. http://www.ngcc.cn/ngcc/html/1/index.html.

[ National Geomatics Center of China[EB/OL]. http://www.ngcc.cn/ngcc/html/1/index.html]

[18]
杨斯棋, 邢潇月, 董卫华, 等. 北京市甲型H1N1流感对气象因子的时空响应[J]. 地理学报, 2018,73(3):460-473.

DOI

[ Yang S Q, Xing X M, Dai W H, et al. The spatio-temporal response of influenza A (H1N1) to meteorological factors in Beijing[J]. Acta Geographica Sinica, 2018,73(3):460-473. ]

[19]
邓特, 黄勇, 顾菁. 空间分析中空间自相关性的诊断[J]. 中国卫生统计, 2013,30(3):343-346.

[ Deng T, Huang Y, Gu J. Diagnosis of spatial autocorrelation in spatial analysis[J]. Chinese Journal of Health Statistics, 2013,30(3):343-346. ]

[20]
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.

DOI

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

[21]
李琼, 周宇, 田宇. 2002-2015年中国社会保障水平时空分异及驱动机制[J]. 地理研究, 2018,37(9):1862-1876.

DOI

[ Li Q, Zhou Y, Tian Y. Spatial-temporal differentiation and driving mechanism of social security level in China from 2002 to 2015[J]. Geographic research, 2008,37(9):1862-1876. ]

[22]
Getis A, Ord J K. The analysis of spatial association by use of distance statistics[J]. Geographical Analysis, 1992,24(3):189-206.

DOI

[23]
宁文艳, 鲁亮, 任红艳, 等. 2004-2013年间中国登革热疫情时空变化分析[J]. 地球信息科学学报, 2015,17(5):614-621.

DOI

[ Ning W Y, Lu L, Ren H Y, et al. Spatial and temporal variations of dengue fever epidemics in China from 2004 to 2013[J]. Journal of Geo-Information Science, 2015,17(5):614-621. ]

[24]
王劲峰, 葛咏, 李连发. 地理学时空数据分析方法[J]. 地理学报, 2014,69(9):1326-1345.

DOI

[ Wang J F, Ge Y, Li L F. Spatiotemporal data analysis in geography[J]. Acta Geographica Sinica, 2014,69(9):1326-1345. ]

[25]
尹上岗, 李在军, 宋伟轩, 等. 基于地理探测器的南京市住宅租金空间分异格局及驱动因素研究[J]. 地球信息科学学报, 2018,20(8):1139-1149.

DOI

[ Yin S G, Li Z J, Song W X, et al. Spatial differentiation and influence factors of residential rent in Nanjing based on geographical detector[J]. Journal of Geo-information Science, 2018,20(8):1139-1149. ]

[26]
Huang J X, Wang J F, Li Z J. Visualized dxploratory spatiotemporal analysis of Hand-Foot-Mouth disease in Southern China[J]. PloS One, 2015,10(11):e0143411.

DOI PMID

[27]
朱艳丽, 靖常峰, 伏家云, 等. 时空立方体的抢劫案件时空特征挖掘与分析[J]. 测绘科学, 2019,44(9):132-138,145.

[ Zhu Y L, Jing C F, Fu J Y, et al. Analysis of space-time pattern of robbery crime based on space-time cube[J]. Science of Surveying and Mapping, 2019,44(9):132-138,145. ]

[28]
赵璐. 中国经济格局时空演化趋势[J]. 城市发展研究, 2013,20(7):14-18,34.

[ Zhao L. Projecting the spatial-temporal evolution of economic pattern in China[J]. Urban Development Studies, 2013,20(7):14-18,34. ]

[29]
熊俊楠, 赵云亮, 程维明, 等. 四川省山洪灾害时空分布规律及其影响因素研究[J]. 地球信息科学学报, 2018,20(10):1443-1456.

[ Xiong J N, Zhao Y L, Cheng W L, et al. Temporal-spatial distribution and the Iinfluencing factors of mountain-flood disasters in Sichuan Province[J]. Journal of Geo-information Science, 2018,20(10):1443-1456. ]

[30]
赵璐, 赵作权, 王伟. 中国东部沿海地区经济空间格局变化[J]. 经济地理, 2014,34(2):14-18,27.

[ Zhao L, Zhao Z Q, Wang Wi. The spatial pattern of economy in Coastal Area of China[J]. Economic Geography, 2014,34(2):14-18, 27. ]

[31]
Xu L, Shi Y, Rainey J J, et al. Epidemiological features and spatial clusters of hand, foot, and mouth disease in Qinghai Province, China, 2009-2015[J]. BMC Infectious Diseases, 2018,18(1), https://doi.org/10.1186/s12879-018-3509-7.

DOI PMID

[32]
Tian L, Liang F, Xu M, et al. Spatio-temporal analysis of the relationship between meteorological factors and hand-foot-mouth disease in Beijing, China[J]. BMC Infectious Diseases, 2018,18(1):1-10.

PMID

[33]
Liao J, 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, 2016,563-564:152-159.

Options
Outlines

/

〈 〉