引用本文
罗波艳, 聂守民, 范锁平, 郭少华, 安翠红, 王文静, 孙养信. 2016-2020年陕西省榆林市人间布鲁氏菌病流行特征与时空聚集性[J]. 中国人兽共患病学报, 2022,38(2): 122-127
LUO Bo-yan, NIE Shou-min, FAN Suo-ping, GUO Shao-hua, AN Cui-hong, WANG Wen-jing, SUN Yang-xin. Epidemiological characteristics and spatio-temporal clustering analysis of brucellosis in Yulin City,Shaanxi Province from 2016 to 2020[J]. Chinese Journal of Zoonoses, 2022,38(2): 122-127.  
Doi: 10.3969/j.issn.1002-2694.2022.00.025
Permissions
Copyright©2022, 中国人兽共患病学报
中国人兽共患病学报
2016-2020年陕西省榆林市人间布鲁氏菌病流行特征与时空聚集性
罗波艳1, 聂守民1, 范锁平1, 郭少华2, 安翠红1, 王文静1, 孙养信1
1.陕西省疾病预防控制中心,西安 710054
2.榆林市疾病预防控制中心,榆林 719000
通讯作者：孙养信,Email: sxpco@126.com; ORCID: 0000-0003-1552-3536
收稿日期: 2021-08-09
资助项目: 陕西省重点研发计划项目(No.2018SF-001)
摘要

目的 分析2016-2020年陕西省榆林市布鲁氏菌病(简称布病)发病的流行特征和时空聚集性,为制订布病防控策略提供依据。 方-法 通过中国疾病预防控制信息系统收集2016-2020年陕西省榆林市布病发病数据,进行描述性流行病学分析,同时利用ArcGIS 10.8、GeoDa 1.6、SaTScan 9.4.1软件分别进行三维分析、空间自相关分析和时空扫描分析。结果 2016-2020年陕西省榆林市共报告布病病例1 773例,年均发病率为10.40/10万。病例报告以5-8月为主,病例性别比为3.53∶1(1 382/391),年龄以45~64岁人群为主(占60.46%),职业以农民为主(占89.57%)。三维趋势分析显示榆林市布病发病率呈现由北向南、由西向东逐渐升高。空间自相关分析显示,2016-2020年榆林市布病发病率Moran̓s I值分别为0.478 0、0.444 0、0.289 0、0.322 0、0.260 3,局部Moran̓s I系数检验发现榆林市布病发病有2个“高-高”聚集县区和3个“低-低”聚集县区。时空扫描分析显示,2016-2020年榆林市布病发病扫描到1个一类时空聚集区和1个二类时空聚集区,聚集时间为2019年。其中一类聚集区( LRR=57.97, RR=2.49, P<0.001)以米脂县为中心,半径为51.62 km,涉及5个县区。 结-论 2016-2020年榆林市布病呈现明显的时空聚集性,应结合布病发病流行高峰期、发病人群、时空聚集区、羊只存栏量等情况,采取分区域、有重点、人畜同步联防的布病防控策略。

关键词: 布鲁氏菌病; 流行病学特征; 时空聚集
中图分类号:R378.5 文献标志码:A 文章编号:1002-2694(2022)02-0122-06
Epidemiological characteristics and spatio-temporal clustering analysis of brucellosis in Yulin City,Shaanxi Province from 2016 to 2020
LUO Bo-yan1, NIE Shou-min1, FAN Suo-ping1, GUO Shao-hua2, AN Cui-hong1, WANG Wen-jing1, SUN Yang-xin1
1.Shaanxi Provincial Center for Disease Control and Prevention, Xi̓an 710054, China
2. Yulin City Center for Disease Control and Prevention, Yulin 719000, China
Corresponding author: Sun Yang-xin, Email: sxpco@126.com
Abstract

To explore the epidemiological characteristics and spatio-temporal clustering of brucellosis (brucellosis) in Yulin City, Shaanxi Province from 2016 to 2020, we collected and analyzed data on brucellosis incidence from the China Information System for Disease Control and Prevention. During 2016-2020, a total of 1 773 cases were reported in Yulin City, with an average annual incidence rate of 10.40 per 100 000. Three-dimensional trend analysis indicated that the incidence of brucellosis in Yulin City gradually increased from north to south, and from west to east. Spatial autocorrelation analysis of the incidence of brucellosis in Yulin City from 2016 to 2019 showed a significant positive spatial correlation, and indicated a "high-high” cluster and “low-low” cluster. The analysis of spatio-temporal scans revealed that the incidence of brucellosis in Yulin City was grouped into one first-class spatiotemporal gathering area and one second-class spatiotemporal gathering area; the gathering time was the year 2019; and the first-class spatiotemporal gathering area ( LRR=57.97, RR=2.49, P<0.001) was centered on Mizhi County, with a radius of 51.62 km, involving five counties. On the basis of the results of the above analyses, brucellosis in Yulin City from 2016 to 2020 showed clear spatiotemporal clustering. A regional, focused, and simultaneous joint prevention strategy including humans and animals should be adopted for disease prevention and control, considering the peak time of brucellosis, the population with the disease, the spatiotemporal clustering area, and the number of sheep.

Key words: brucellosis; epidemiological characteristics; spatial-temporal clustering

榆林市位于陕西省最北部, 东临黄河与山西相望, 西连宁夏、甘肃, 北邻内蒙古, 辖1市2区9县, 20世纪90年代以后羊产业成为了榆林市农民经济收入的重要来源, 据统计2019年榆林市羊只存栏量为5 491 233只, 占全省羊只总量的60%左右[1]。布鲁氏菌病(简称布病)是由布鲁氏菌引起的一种人兽共患病, 易感动物以羊、牛、猪为主。人患病后临床症状不典型, 容易转为慢性, 造成不同程度的劳动能力的丧失[2]。从1951年以来, 榆林市一直是陕西省布病流行的重点区域, 布病发病率水平也一直位于全省地市首位, 且远高于全省布病平均发病率水平[3], 病例感染来源以病羊为主。近年来, 在陕西省政府加快肉牛肉羊产业发展意见和榆林市百亿元级羊产业政策的推动下, 羊产业发展加速, 羊只存栏量迅速增加, 人间布病发病水平也一直居高不下, 严重影响了榆林市畜牧业发展和人民群众生命健康, 但关于榆林市布病防控相关研究甚少。本研究通过对2016-2020年榆林市布病发病情况进行时空聚集性分析研究, 探讨布病在榆林市的时空分布特征, 确定相关的高风险地区, 为制订有效的防控策略提供科学依据。

1 材料与方法
1.1 资料来源

2016-2020年陕西省榆林市布病发病数据和人口数据分别来源于《中国疾病预防控制信息系统》和《中国疾病预防控制信息系统》的《基本信息系统》, 榆林市县区电子地图矢量数据来源于全国地理信息资源目录服务系统(https://www.webmap.cn)。布病诊断依据《布鲁氏菌病诊断标准》(WS269-2019)。

1.2 方 法

1.2.1 描述性分析 用Microsoft Excel 2010建立2016-2020年榆林市布病发病信息数据库, 对数据进行整理分析, 运用描述流行病学方法对榆林市布病流行特征进行分析, 年均发病率(/10万)=发病总例数/总人口数× 100 000。

1.2.2 三维趋势分析 将2016-2020年榆林市各县(区、直辖市)布病发病率视为三维空间中的一个点(X, Y, Z), 其中X和Y表示各县(区、直辖市)的经纬度坐标, Z表示年发病率水平, 运用ArcGIS 10.8软件对布病发病水平的三维趋势进行分析。

1.2.3 空间自相关分析 空间自相关分析可以反映疾病在空间上的分布信息及疾病发生与周围疾病发生的关联强度, 参照宁文艳[4]的方法, 采用GeoDa 1.6软件对2016-2020年榆林市布病进行空间自相关分析。1)全局空间自相关分析, 计算全局Moran̓s I值, Moran̓s I值取值在(-1~1), 计算值越接近1, 说明空间正相关性越强; 计算值越接近-1, 说明空间负相关性越强。当Z值的绝对值大于1.96, P< 0.05, 认为差异有统计学意义, 即疾病存在空间自相关性。2)局部自相关分析:用于进一步探索聚集类型和聚集区域位置, 局部空间自相关分析聚集图共有“ 高-高(H-H)” 聚集、“ 低-低(L-L)” 聚集、“ 低-高(L-H)” 聚集和“ 高-低(H-L)” 聚集。

1.2.4 时空扫描分析 运用SaTScan 9.4.1软件对2016-2020年榆林市布病发病数据进行分析。建立Possion模型, 以县(区)为空间单位, 年为时间单位进行扫描, 聚类范围的最大空间扫描区域设定为30%的风险人口[5], 最大扫描时间设定为30%的研究期限, 用对数似然比(Log likehood ratio, LLR, 为扫描计算窗口内与窗口外区域之间的死亡率差异)来评估扫描窗口内布病发病的异常程度, 概率P值由蒙特卡罗随机化模拟得到, 当P< 0.05时, 差异有统计学意义, 认为该区域存在聚集性发病, 且相对危险度(relativerisk, RR)值越大, 说明聚集程度越高[6, 7]。

2 结 果
2.1 流行基本情况

2016-2020年陕西省榆林市共报告布病病例1 773例, 年均发病率为10.40/10万, 无死亡病例, 其中2016年报告发病率最高(12.11/10万), 2018年报告发病率最低(8.47/10万)(见表1), 且各年报告发病率水平均高于陕西省全省报告发病率水平。

2.1.1 时间分布 2016-2020年榆林市1-12月均有布病病例报告, 7月份报告病例数最多(243例, 占13.71%), 总体以5-8月为主, 占总报告病例数的49.41%(876/1 773), 详见表2。

2.1.2 地区分布 2016-2020年榆林市10个县区和省直辖神木市和府谷县均有布病病例报告, 累计报告病例数排在前3位的县区有绥德县(303例)、定边县(232例)和靖边县(206例); 年均发病率水平≥ 10.00/10万的县区有8个, 占榆林市县(区、市)总数的75%(8/12), 平均发病率排在前3位的县区为吴堡县(29.17/10万)、子洲县(21.05/10万)和清涧县(21.03/10万), 详见表1。

表1 2016-2020年陕西省榆林市布病发病数(例)和发病率(/10万)情况 Tab.1 Cases and incidence of brucellosis in Yulin City, Shaanxi Province from 2016 to 2020

2.1.3 人群分布 在2016-2019年报告的布病病例中, 男女性别比为3.53∶ 1(1 382/391), 平均发病率分别为15.34/10万、4.87/10万; 0~14岁、15~44岁、45~64岁、≥ 65岁的布病病例分别占0.90%(16/1 773)、27.75%(492/1 773)、60.46%(1 072/1 773)、10.89%(193/1 773)。见图1。职业以农民为主, 占89.57%(1 588/1 773)。

图1 2016-2020年陕西省榆林市布病病例的年龄构成情况Fig.1 Age composition of people with brucellosis in Yulin City from, Shaanxi Province from 2016 to 2020

2.2 时空分布特征

2.2.1 三维趋势分析 图2中, 蓝色曲线代表南北方向, 绿色曲线代表东西方向。通过三维趋势分析, 我们发现2016-2020年榆林市布病发病率呈现由北向南、由西向东逐渐升高。具体来看, 除了2016-2020年榆林市布病发病率在东西方向上表现为东部高于西部、中部最低, 其中2018年发病率呈U型的发病特点, 其余年份呈S型的发病特点; 在南北方向上, 榆林市布病发病率呈现出南部高于北部, 其中2016-2018年、2019年、2020年榆林市布病发病率分别呈U形、倒U形、S形的发病特点。

图2 2016-2020年陕西省榆林市布病发病率三维趋势分析Fig.2 Three-dimensional trend analysis of brucellosis incidence in Yulin City, Shaanxi Province from 2016 to 2020

2.2.2 全局自相关分析 2016-2020年榆林市12个县(区、市)人间布病报告发病率的全局Moran̓s I统计量结果显示Moran̓s I系数均为正值, 但除2020年外, 其余年份Moran̓s I系数均有统计学意义(P< 0.05), 表明2016-2019年榆林市各县(区、市)人间布病报告发病率呈现明显的空间正相关性(详见表2)。

表2 2016-2020年陕西省榆林市布病病例月报告情况 Tab.2 Monthly report of brucellosis cases in Yulin City, Shaanxi Province from 2016 to 2020

2.2.3 局部自相关分析 2016-2020年对榆林市人间布病报告发病率的局部Moran̓s I系数进行假设检验有统计学意义上的区域有:1)高— 高聚集区共有2个, 2016年为清涧县, 2017、2018、2020年均为绥德县, 2019年为清涧县和绥德县; 2)低-低聚集区共有3个, 2016年为榆阳区和神木市, 2017、2019年均为神木市, 2018年为神木市、榆阳区和横山区, 见图3。

表3 2016-2020年陕西省榆林市人间布病报告发病率全局自相关分析结果 Tab.3 Global autocorrelation analysis of the reported incidence of human brucellosis in Yulin City, Shaanxi Province from 2016 to 2020

图3 2016-2020年陕西省榆林市布病发病率局部Moran̓s I系数可视化图
A: 局部Moran̓s I显著水平图; B: 局部Moran̓s I聚类图。Fig.3 Maps of local Moran̓s I coefficient of brucellosis incidence in Yulin City, Shaanxi Province from 2016 to 2020

2.2.4 时空扫描分析 2016-2020年榆林市布病发病共扫描到1个一类时空聚集区和1个二类时空聚集区。一类时空聚集区以米脂县为中心, 半径为51.62 km的圆形区域, 覆盖于佳县、绥德县、吴堡县、子洲县, 聚集时间为2019年, 该地区在高危时期共报告了198例布病病例。二类时空聚集区为靖边县为中心, 因半径为0 km, 所以未显示, 见表4和图4。

表4 2016-2020年陕西省榆林市布病发病时空扫描结果 Tab.4 Spatio-temporal scan results of brucellosis in Yulin City, Shaanxi Province from 2016 to 2020

图4 2016-2020年陕西省榆林市布病时空聚集区Fig.4 Spatio-temporal clustering area of brucellosis in Yulin City, Shaanxi Province from 2016 to 2020

3 讨 论

榆林市是陕西省第一个报告布病病例的地市, 1951-1981年榆林市布病发病率达到了100/10万以上, 在人、畜间坚持开展了菌苗大面积连续性预防接种工作之后, 发病率有所降低, 但1996年榆林市绥德县再次发生布病暴发流行, 造成了布病在榆林地区的再度活跃[8]。经过人、畜间共同努力, 近年来榆林市布病发病率水平总体维持在10/10万以上, 在全省范围内仍属于布病高流行区域。

本研究通过对2016-2020年榆林市布病病例月报告情况分析, 发现每年基本上从3月病例数开始上升, 7月达到最高, 9月开始下降, 但2019年从5月开始上升, 7月达到最高, 之后高峰一直维持到12月份, 基本上呈全年流行状态。这可能与近年来榆林市不断加强封山禁牧监管力度有关, 封山禁牧导致牲畜饲养模式由放养转为圈养, 加大了高危人群与牲畜接触的频率, 也增加了经呼吸道感染布病的可能, 导致月报告病例数居高不下。因此, 榆林市应该在布病流行期来临之前, 开展高危人群摸底, 加强布病防控知识宣传, 评估布病发病风险, 根据风险评估结果采取有效的防控措施, 切实达到防病关口前移的目的。

趋势分析可以排除不稳定因素的干扰, 以三维图的形式直观展示出发病率在大尺度上的变化趋势[9]。本研究三维趋势分析结果显示, 2016-2020年榆林市布病发病率呈现北低南高、东部略高于西部的特点, 这可能与榆林市北部的神木市和府谷县大力发展能源产业, 羊只养殖业发展滞后, 羊只存栏量少有关。空间自相关分析结果显示榆林市布病存在明显的聚集性, 且呈现出 “ 高-高” 和“ 低-低” 聚集, 聚集类型与其发病率高低分布基本一致。有研究指出, 布病是一种自然疫源性疾病, 受相邻地区的自然和社会环境影响较大, 导致发病地区多表现为“ 高-高” 或“ 低-低” 聚集[10], 所以说榆林市东、西部发病率高可能是因为其东部与山西省相邻, 西部与宁夏、甘肃省相邻, 这3个省份均为我国布病高发区域[11, 12], 此外, 榆林市榆阳区、神木市和横山区虽属于“ 低-低” 聚集区, 但从2017年开始, 报告布病病例数却呈逐年递增的趋势, 建议榆林市重视这些区域的布病防控工作, 加大布病防控知识宣传力度。

空间自相关分析对疾病的分析局限在空间维度上, 而时空扫描分析从时间和空间2个维度开展疾病分析, 可以进一步提高分析结果的准确性和实用性[13]。本研究结果显示, 2016-2020年榆林市发病聚集时间为2019年, 发现的聚集区与空间自相关分析扫描结果基本一致, 聚集区域还包括了发病率高的子洲县和吴堡县。据人间摸底调查, 靖边县羊只存栏量已达到130万只左右, 交通便利, 羊只引进频繁, 畜间检疫难度大; 绥德县、佳县、子洲县羊只存栏量均在20万左右, 养殖量在全市属于中等水平, 但其形成的规模化养殖集散市场导致布病传播风险升高[14]; 吴堡县、米脂县羊只存栏量不多, 以散养户为主, 但山大沟深、交通不便, 养殖方式落后, 牲畜检疫难度大, 这些都给当地布病防控带来很大难度。

近年来, 随着榆林市湖羊养殖项目的大力推进, 养殖场规模和数量扩大, 羊只存栏量迅速扩增, 散养户数量也只增不减, 同时《榆林市封山禁牧管理办法》规定的出台使得家庭散养户对羊只的饲养模式由原来的放养转为圈养, 很大程度上增加了人畜接触机会和经呼吸道感染的可能性, 这些共同导致榆林市布病防控形势异常严峻。因此, 建议榆林市应结合布病发病高峰时间段、发病人群、时空聚集区、羊只存栏量等情况, 开展辖区布病风险研判, 采取分区域、有重点、人畜同步联防的布病防控策略, 坚持“ 消灭传染源、切断传播途径、保护易感染人群” 的传染病防控方针, 加强人畜间布病联防联控工作, 同时加强养殖户布病防控知识和个人防护行为重要性的宣传, 遏制布病发病水平。

局限性:本研究未得到2016-2020年榆林市各县(区、市)的羊只存栏数据和阳性病畜数据, 这造成无法对各县(区、市)人间布病发病情况进行进一步探讨分析。

利益冲突: 无

引用本文格式: 罗波艳, 聂守民, 范锁平, 等. 2016-2020年陕西省榆林市人间布鲁氏菌病流行特征与时空聚集性[J]. 中国人兽共患病学报, 2022, 38(2):122-127. DOI:10.3969/j.issn.1002-2694.2022.00.025

参考文献
[1] 徐强. 陕西统计年鉴[EB/OL]. [2021-01-08]. 北京: 中国统计出版社, 2020. http: //tjj. shaanxi. gov. cn/upload/n2020/indexch. htm. [本文引用:1]
[2] 刘志国, 王妙, 崔步云, 等. 布鲁氏菌病并发症及治疗研究进展[J]. 中国人兽共患病学报, 2019, 35(5): 447-454. DOI: 10.3969/j.issn.1002-2694.2019.00.045 [本文引用:1]
[3] 王舒, 陈宝宝, 范锁平, 等. 2008-2018年陕西省人间布鲁氏菌病流行特征分析[J]. 中国人兽共患病学报, 2020, 36(6): 491-495. DOI: 10.3969/j.issn.1002-2694.2020.00.049 [本文引用:1]
[4] 宁文燕. 2004-2013中国登革热时空分布特征及风险制图[D]. 北京: 中国疾病预防控制中心, 2015. [本文引用:1]
[5] 唐咸艳, 李峤, 仇小强, 等. 扫描统计量中最大空间扫描窗口的尺度选择[J]. 中华疾病控制杂志, 2015, 19(3): 316-317, 320. DOI: 10.16462/j.cnki.zhjbkz.2015.03.028 [本文引用:1]
[6] 张平, 张静, 常昭瑞, 等. 我国三峡地区2005-2016年细菌性痢疾时空聚集性分析[J]. 中华流行病学杂志, 2018, 39(1): 47-53. DOI: 10.3760/cma.j.issn.0254-6450.2018.01.010 [本文引用:1]
[7] 张驰, 张旭彬, 姚丽君, 等. 2009-2018年汕头市手足口病流行特征与时空聚集性[J]. 中华疾病控制杂志, 2020, 24(5): 573-578+596. DOI: 10.16462/j.cnki.zhjbkz.2020.05.015 [本文引用:1]
[8] 吕永杰, 孙养信. 陕西省布鲁氏菌病防治研究[M]. 西安: 陕西科学技术出版社, 2005: 4-5, 93. [本文引用:1]
[9] 饶华祥, 蔡芝锋, 徐莉立, 等. 青海省2014-2016年肺结核空间分布特征及可视化分析[J]. 中华流行病学杂志, 2018, 39(3): 347-351. DOI: 10.3760/cma.j.issn.0254-6450.2018.03.019 [本文引用:1]
[10] 张俊辉, 冯子健, 蒋敏, 等. 探索性空间数据分析在中国北方6省(区)布鲁氏菌病地区分布研究中的应用[J]. 中华流行病学杂志, 2011, 32(12): 1278-1284. DOI: 10.3760/cma.j.issn.0254-6450.2011.12.022 [本文引用:1]
[11] 赵媛. 宁夏地区人间布鲁氏局病时空分布特征及其自然环境影响因素研究[D]. 宁夏: 宁夏医科大学, 2020. [本文引用:1]
[12] 张夏男, 张洪伟, 纪颖, 等. 2006-2017年全国布鲁氏菌病流行特征变化分析[J]. 中国人兽共患病学报, 2020, 36(11): 918-921. DOI: 10.3969/j.issn.1002-2694.2020.00.145 [本文引用:1]
[13] Barbara W, Anna M K, Tomasz K, et al. Location of cleft lip with or without cleft palate prevalence clusters using kulldorff scan stastics[J]. Computational Method Sci Techn, 2012, 18(1): 53-62. [本文引用:1]
[14] 白崇生, 刘健鹏, 谢印乾, 等. 基于风险因素分析的布鲁氏菌病渐进式控制实践[J]. 中国动物检疫, 2017, 34(12): 5-9. [本文引用:1]