Cryptosporidiosis is an important worldwide zoonosis and a serious public health problem. In order to better understand the distribution of Cryptosporidium in China and the degree of infection in various provinces, GIS technology was used to visualize the data of Cryptosporidium. With GIS technology, we map the infection of Cryptosporidium in some hosts (human, cattle, pig, chicken) in China to grasp the temporal and spatial distribution of Cryptosporidium and play a preventive and early warning role for Cryptosporidium. In China, human infected with Cryptosporidium was concentrated in Jiangsu, Anhui, Shandong, and Henan provinces; cattle infected with Cryptosporidium was concentrated in Anhui, Henan, Shaanxi, and Qinghai provinces; pig infected with Cryptosporidium was concentrated in Anhui, Henan, and Sichuan provinces; chicken infected with Cryptosporidium was concentrated in Zhejiang, Shandong, and Henan provinces.
隐孢子虫病是由隐孢子虫(Cryptosporidium)引起的, 隐孢子虫在分类上属古虫界(Excavata)、囊泡虫总门(Alveolata)、顶复门(Apicomplexa)、类锥体纲(Conoidasida)、球虫亚纲(Coccidiasina)、真球虫目(Eucoccidiorida)、隐孢子虫科(Cryptosporidiidae)、隐孢子虫属(Cryptosporidium)[1, 2], 同时兼具球虫和簇虫的特征。迄今为止, 隐孢子虫有效种已达37种, 有超过70个基因型[3, 4], 隐孢子虫病在临床上以引起宿主不同程度的腹泻为主要特征。1907年世界著名寄生虫学家Tyzzer[5]在实验小鼠胃内首次发现, 并对其描述命名。随后, 隐孢子虫在哺乳类、禽类、两栖类和鱼类的消化器官中都有发现, 它可以引起各种动物不同程度的腹泻, 严重者可导致动物死亡。在美国有过两次隐孢子虫病大暴发, 1987年佐治亚州卡罗尔县1.3万人被感染[6], 1993年威斯康星州密尔奥基市40.3万人被感染[7]。
地理信息系统(Geographic Information System, GIS)是一种专门用于输入、存储、检索、分析和输出空间信息的计算机系统[8]。GIS系统具有强大的空间数据管理及分析功能, 能够根据流行病学资料、环境因素来分析和预测疾病的发展趋势[9]。2002年Kato等[10]在厄瓜多尔的基多和肯尼亚的梅鲁国家公园附近水域对隐孢子虫的存在进行了检测, 将其结果绘制了GIS地图, 演示了流域环境中的污染场地, 为环境中卵囊的存在和生物的来源提供了视觉上的信息。Diallo等[11]通过实时荧光定量PCR方法监测运河中微小隐孢子虫、蓝氏贾第虫、大肠杆菌的发生。运用GIS进行评估和绘制点, 最终发现病原体的发生和去除率在空间和季节上都是相关的, 与土地利用类型和运河段附近确定的污染源也存在相关性。
本文研究的目的是应用对隐孢子虫流行病学和GIS交叉学科的研究, 客观展现隐孢子虫在各宿主、各地区的感染情况, 进而分析隐孢子虫流行病学发展规律和发展趋势。
中国地区隐孢子虫流行病学数据来自于学者们已经发表的论文。本次搜集的文献为中文和英文两种。对于中文文献, 通过查询中国知网CNKI, 关键词是隐孢子虫。查找结果是截止到2017年12月29日出版文献。对于英文文献, 采用两种方法即利用PubMed和Web of Science进行搜索, 关键词是Cryptosporidium, China。查找结果是截止到2017年12月31日出版文献。统计中国地区宿主(人、牛、猪、鸡)感染隐孢子虫的情况, 主要记录采样地点、采样城市经纬度、感染数、样本数、采样时间、发表时间、参考文献等信息。
将各采样地点标记经纬度。经纬度通过Google高清卫星在线地图进行查询, 对于文章中有具体采样地点的则查询其采样地点经纬度; 对于文章中采样地点只介绍到省份的, 则采用其省份的省会城市经纬度坐标; 对于在同一篇文章中涉及到多个地点, 但是每个地点因为样本量、阳性样本量以及感染率未记录清楚的, 则按照其中某个具有代表性的城市的经纬度进行记录。
GIS制图采用制图软件ArcGIS 10.2。运用GIS技术, 将中国地区隐孢子虫流行情况进行空间定位与表达。
核密度分析用于计算每个输出栅格像元周围点要素的密度。在每个点的上方均覆盖着一个概率密度平滑曲面, 在曲面下方是圆形邻域。在点所在位置处表面值最高, 随着与点的距离的增大表面值逐渐减小, 在与点的距离等于搜索半径的位置处表面值为零。曲面与下方的平面所围成的空间的体积为1, 每个输出栅格像元的密度均为叠加在栅格像元中心所有核表面的值之和[12]。
2.1.1 中国地区隐孢子虫感染人的地理分布情况 采用核密度分析方法, 由图1 A可以看出, 江苏、安徽、山东、河南等地呈现点的聚集分布, 说明在这些省份的地级市调查的人源隐孢子虫流行病学相对较多。在江西、海南、陕西、青海等地都只有1处地级市的关于人感染隐孢子虫的流行病学调查。此外, 在山西、西藏、宁夏、香港、澳门和台湾等地区还没有关于人感染隐孢子虫的调查报告。在浙江江山, 单昊[13]在2005年首次对中国农村人群的隐孢子虫感染状态进行血清流行病学调查, 调查结果显示感染率高达56.72% (861/1 518), 这是到目前为止以地级市为单位调查国内人群感染隐孢子虫感染率最高的一次报道。隐孢子虫对抵抗力较低的人群也具有感染风险, 王荣军等[14]在2007年报道的河南林州地区儿童肠道寄生虫感染情况调查报告中, 儿童患隐孢子虫的概率为0.15% (3/1 949), 这是到目前为止, 在国内地级市调查人群感染隐孢子虫的报道中, 感染率最低的一次。
2.1.2 中国地区隐孢子虫感染牛的地理分布情况 采用核密度分析方法, 由图1 B可以看出, 安徽、河南、陕西、青海等地呈现点的密集分布, 说明在这些省份的地级市调查的牛源隐孢子虫流行病学相对较多, 特别在青海, 针对牦牛的隐孢子虫调查高达8个地级市。但是, 在浙江、福建、广东、宁夏和新疆等地, 都只在一个地级市进行了牛感染隐孢子虫的流行病学调查。在我国的山西、辽宁、江西、海南、贵州、香港、澳门和台湾等地还没有进行牛感染隐孢子虫的流行病学调查。从全国范围看来, 牛源隐孢子虫的感染率均比较高。在安徽宿州, 李培英[15]等在1996年对当地黄牛的调查报告显示, 隐孢子虫感染率高达60.19% (124/206), 这是到目前为止, 中国地区对牛源隐孢子虫流行病学调查感染率最高的报道。与此相反, 对牛源隐孢子虫流行病学调查感染率最低的是毋亚运等[16]在2016年对西藏山南地区黄牛的调查, 感染率仅为1.13% (5/442)。
2.1.3 中国地区隐孢子虫感染猪的地理分布情况 采用核密度分析方法, 由图1 C可以看出, 主要在安徽、河南、四川等地呈现点的聚集分布, 说明在这些省份的地级市调查的猪源隐孢子虫流行病学相对较多, 特别在河南地区, 针对猪源隐孢子虫流行病学调查涉及到14个地级市。从全国范围看, 对于猪源隐孢子虫流行病学调查相对较少, 特别在内蒙古、黑龙江、湖南、西藏、陕西、青海、宁夏等地, 都只在一个地级市进行了猪感染隐孢子虫的流行病学调查。甚至在很多省份还没有猪源隐孢子虫流行病学调查, 比如河北、山西、辽宁、吉林、福建、江西、湖北、海南、贵州、甘肃、新疆、香港、澳门和台湾。廖宛军等[17]在2002年对四川成都的猪源隐孢子虫感染情况进行了调查, 调查结果显示, 四川成都猪源隐孢子虫感染率为89.66% (52/58), 这也是到目前为止在按地级市划分猪源隐孢子虫感染最高记录。与此相反, 对猪源隐孢子虫流行病学调查显示感染率最低的是2016年毋亚运等[16]对西藏林芝地区调查的藏猪隐孢子虫感染情况, 在西藏林芝林区藏猪的隐孢子虫感染率为0.99% (1/101)。
2.1.4 中国地区隐孢子虫感染鸡的地理分布情况 在全国范围内对鸡源隐孢子虫流行病学调查相比前面介绍的几个宿主相对较少, 采用核密度分析方法, 由图1 D中可以看出在浙江、山东、河南呈现点的聚集分布, 说明在这些省份的地级市调查的鸡源隐孢子虫流行病学相对较多, 特别在河南省对鸡源隐孢子虫流行病学调查的地级市为12个。在江苏、安徽、福建、湖南、四川、宁夏等地, 都只在一个地级市进行了鸡感染隐孢子虫的流行病学调查。在广西、甘肃等我国18个省市自治区、直辖市、特别行政区还没有关于鸡源隐孢子虫的流行病学调查。黎杰虹等[18]在1990年对广东省某畜牧场5种动物隐孢子虫感染的情况进行了调查, 结果显示在广东佛山鸡源隐孢子虫感染率为80.49% (99/123), 这是到目前为止以地级市为单位进行划分的鸡源隐孢子虫感染的最高纪录。在我国以地级市为单位进行划分, 鸡源隐孢子虫感染最低报道是金喜新等[19]在2014年对信阳地区山鸡肠道寄生虫感染情况的调查, 调查结果显示, 在河南信阳鸡源隐孢子虫感染率为0.63% (1/158)。
2.2.1 中国地区隐孢子虫感染人的地理分布情况
从图2A来看, 在山西、西藏、宁夏、香港、澳门和台湾还没有对人感染隐孢子虫的流行病学调查, 在海南和青海虽然有人感染隐孢子虫的报道, 但是没有具体的感染数据。人感染隐孢子虫较低的地区有北京、江苏、江西、河南和广西。其次是黑龙江、安徽等地。人感染隐孢子虫最高的省份有浙江、广东、云南和新疆, 其中以省级行政区为基本单位统计数据得出浙江人源隐孢子虫的感染率最高, 感染率为29.30%(1 004/3 426)[13, 20, 21, 22]。
2.2.2 中国地区隐孢子虫感染牛的地理分布情况
从图2B来看, 在山西、辽宁、江西、海南、贵州、香港、澳门和台湾还没有对牛感染隐孢子虫的流行病学调查。牛感染隐孢子虫较低的地区有北京、天津、福建、广东、广西、西藏、陕西、甘肃和新疆。其次是内蒙古、河南和宁夏等地。牛感染隐孢子虫最高的省份有主要是浙江、重庆、四川、青海等地, 其中以省级行政区为基本单位统计数据得出浙江牛源隐孢子虫的感染率最高, 感染率为30% (3/10)[23]。
2.2.3 中国地区隐孢子虫感染猪的地理分布情况
从图2C来看, 在河北、山西、辽宁、吉林、福建、江西、湖北、海南、贵州、甘肃、新疆、香港、澳门和台湾地区还没有对猪感染隐孢子虫的流行病学调查。猪感染隐孢子虫较低的地区有广西、西藏和陕西。其次是安徽、山东和河南等地。猪感染隐孢子虫较高的省份有北京和黑龙江地区, 其中以省级行政区为基本单位统计数据得出黑龙江猪源隐孢子虫感染率最高, 感染率为55.75% (63/113)[24]。
2.2.4 中国地区隐孢子虫感染鸡的地理分布情况
从图2D来看, 全国大部分省份还没有对鸡源隐孢子虫进行流行病学调查。鸡感染隐孢子虫较低的地区有江苏、浙江、河南和湖南。其次是上海、山东和青海等地。鸡感染隐孢子虫较高的省份有安徽和四川, 两个省份对于鸡源隐孢子虫感染率均达到40%以上。其中以省级行政区为基本单位统计数据得出四川鸡源隐孢子虫感染率为41.18% (21/51); 安徽鸡源隐孢子虫感染率为41.71% (161/386)[25, 26, 27]。
本研究得出人感染隐孢子虫较低的地区有北京、江苏、江西、河南和广西地区, 较高的省份有浙江、广东、云南和新疆。值得注意的是, 在山西、西藏、宁夏、香港、澳门和台湾均还没有对人感染隐孢子虫的调查报告, 与山西和宁夏相邻的内蒙古、河南、湖北、陕西、甘肃均有隐孢子虫感染人的报道, 因此推断这两个省也应该有隐孢子虫感染人的病例。在西藏发现了牛源和猪源隐孢子虫感染, 隐孢子虫病是一种重要的人兽共患寄生虫病, 所以在西藏也应该具有潜在的人感染隐孢子虫的风险。牛感染隐孢子虫较低的地区有北京、天津、福建、广东、广西、西藏、陕西、甘肃和新疆地区, 较高的省份主要是浙江、重庆、四川、青海等地; 猪感染隐孢子虫较低的地区有广西、西藏和陕西, 较高的省份有北京和黑龙江地区; 鸡感染隐孢子虫较低的地区有江苏、浙江、河南和湖南, 较高的省份有安徽和四川。在这些地区应针对不同的宿主加以防范。
人兽共患隐孢子虫因其具有特殊的宿主特异性, 从而使得人和动物之间的交叉传播更加频繁。在中国江苏, 姜岩岩等[28]人在2014年对丹阳市门诊腹泻患者调查时发现, 安氏隐孢子虫是感染优势种。安氏隐孢子虫通常感染牛、绵羊等反刍家畜, 这一调查在一定程度上反映了隐孢子虫的人兽互传特性。在国外的一些报道中, 从基因水平上阐释了人兽共患的传播。在加拿大爱德华王子岛, Buduamoako E等[29]人在2012年在人和牛中都检测到微小隐孢子虫IIaA15G2RI亚型。在澳大利亚新南威尔士州, Waldron LS等[30]人在2011年发现人隐孢子虫IbA10G亚型在人和牛中都有检测到。
GIS通过其强大的数据处理能力、空间分析以及显示和模拟功能解决了疫病空间分布的可视化问题, 也可以实现对疫病分布模式的探索和对疫病扩散/缩小的动态模拟功能。GIS的这些功能对疫病流行规律的揭示、疫病流行的预警预报、以及对疫病控制效果的评价等方面具有十分重要的作用和意义[31]。Glass等[32]研究人员利用GIS系统对美国马里兰州的莱姆病进行了研究。研究发现, 53项环境变量中有11个变量与莱姆病有关, 并且居住地距
离森林越近危险性越大, 不适合草本植物生长以及灌溉肥沃的土地是疾病发生的高危地区。其后的莱姆病地理分布情况也证实了该风险模型预测结果的有效性。1992年以色列以GIS为基础建立了全国疟疾监测系统[33], 该系统通过对当地按蚊繁殖点、按人群聚居点等与疟疾发生相关的流行病学资料进行统计而建立, 此系统能够估计疟疾传播的风险, 一旦有小范围的疟疾暴发, 系统将立即分析并确定疟疾暴发地点以及可能的病原体来源, 并且可以实现对疟疾传播趋势的预测。本研究利用GIS技术实现了中国地区的隐孢子虫病的空间形态和聚集程度, 从而为隐孢子虫的检测、饲养环境卫生资源的配置等提供强大的技术支持。本研究也存在着一定的局限性, 一些真实的实验数据由于各种原因未能以期刊形式发表, 客观条件限制了这一部分数据的搜索, 但对于从宏观角度分析隐孢子虫整体空间格局的影响不大。此研究也对其他流行病学研究提供有效的信息化工具和科学决策支持手段, 并对疾病进行有效地预测和防控提供依据。
利益冲突:无
引用本文格式:王璐, 陈远才, 黄建营, 等.基于GIS技术的中国地区隐孢子虫流行病学数据空间分析[J].中国人兽共患病学报, 2019, 35(7):633-638. DOI:10.3969/j.issn.1002-2694.2019.00.65
The authors have declared that no competing interests exist.
[1] |
|
[2] |
|
[3] |
|
[4] |
|
[5] |
|
[6] |
|
[7] |
|
[8] |
|
[9] |
|
[10] |
|
[11] |
|
[12] |
|
[13] |
|
[14] |
|
[15] |
|
[16] |
|
[17] |
|
[18] |
|
[19] |
|
[20] |
|
[21] |
|
[22] |
|
[23] |
|
[24] |
|
[25] |
|
[26] |
|
[27] |
|
[28] |
|
[29] |
|
[30] |
|
[31] |
|
[32] |
|
[33] |
|