对中国各省痢疾发病率决定因素的多方法空间分析

《Frontiers in Public Health》：A multi-method spatial analysis of dysentery incidence determinants across Chinese provinces

中国痢疾发病率呈现显著空间异质性，北京-天津地区为高风险聚集区。通过整合MLR、SEM、GWR和MGWR模型，揭示经济水平（西部）、教育程度（东北）和医疗资源（东北）是主要影响因素，且空间效应存在多尺度差异。

　　中国始终将痢疾视为一种重要的乙类传染病，其发病率在不同地区呈现出显著的空间差异性。这种持续存在的地理异质性要求我们系统地探讨其背后的决定因素，以制定更具针对性的预防和控制策略。本研究通过多种方法分析了这种空间异质性，揭示了影响痢疾传播的复杂因素，并强调了不同区域之间差异性的重要性。

在研究方法上，我们采用了包括莫兰指数（Moran's I）在内的空间自相关分析，同时结合了多种线性回归（MLR）模型进行初步评估，并引入了更先进的空间回归模型，如空间误差模型（SEM）、地理加权回归（GWR）和多尺度地理加权回归（MGWR）。这些模型涵盖了经济、教育、医疗资源以及人口结构等多个维度的变量。通过这样的方法论框架，我们不仅能够识别影响痢疾发病率的全局性因素，还能深入分析其局部性和多尺度变化。

研究结果显示，主要发现包括：（1）痢疾发病率呈现出显著的空间聚集现象，特别是在北京-天津地区发现了高风险区域；（2）MGWR模型在捕捉空间异质性方面表现优于传统方法；（3）不同地区的主要影响因素存在明显差异，其中经济发展对西部地区影响最大，教育因素在东北地区占主导地位，而医疗资源的可获得性则在东北地区作用最为显著，但在南方地区则影响较小。这些发现表明，通过多尺度空间分析，我们可以更深入地理解疾病在不同区域的传播机制，从而为制定有针对性的公共卫生干预措施提供科学依据。

在方法论上，本研究构建了一个整合的分析框架，系统地结合了MLR、SEM、SLM、GWR和MGWR等模型，旨在解析痢疾在中国各省份的复杂空间分布模式。这一全面策略能够帮助我们区分不同尺度下影响痢疾传播的因素，同时为公共卫生干预提供更深入的见解。通过这种多模型协同分析，我们不仅能够识别全球范围内的影响因素，还能进一步揭示局部地区的差异性。

研究中使用的数据包括七个核心影响因素，涵盖了经济、教育、人口结构、家庭结构、医疗资源、消费水平以及城乡结构等多个维度。这些数据来源于中国官方统计资料，其中痢疾发病率数据来自《中国卫生统计年鉴》，其他解释变量则来自《中国统计年鉴》。研究的分析单位包括中国大陆的31个省级行政区，如省、自治区和直辖市。通过这些数据，我们能够更全面地了解疾病在不同区域的分布特征。

为了更好地理解痢疾的空间分布特征，研究首先使用了地理信息系统（GIS）技术构建了全国各省级行政区的专题地图，将省级发病率数据转化为直观的空间分布图，清晰地展示了不同地区的疾病强度差异。通过空间自相关分析，我们系统地从两个维度评估了痢疾发病率的空间分布特征。其中，全球空间自相关分析使用莫兰指数（Moran's I）来量化痢疾发病率的空间自相关性。该方法能够帮助我们识别疾病是否在空间上呈现出聚集或分散的模式。

本地莫兰指数（LISA）方法则用于分析省级行政区与其邻近地区之间的空间相关性。通过这种方法，我们识别出了四种典型的空间模式：高-高聚集（HH，表示高发病率的相邻区域）、低-低聚集（LL，表示低发病率的相邻区域）、高-低异常值（HL，表示被低发病率区域包围的高发病率区域）以及低-高异常值（LH，表示被高发病率区域包围的低发病率区域）。所有识别出的空间模式均具有统计学意义，并通过空间映射进行了可视化，以更好地展示痢疾的地理分布特征。

此外，研究还使用了多种线性回归（MLR）模型来分析痢疾发病率的影响因素。初步分析阶段，我们通过方差膨胀因子（VIF）诊断了解释变量之间的多重共线性问题。结果显示，人均家庭消费支出、城市化率等变量之间存在显著的多重共线性（VIF > 9），因此排除了这两个变量后，剩余变量的VIF值均处于可接受范围（VIF < 4）。通过优化后的变量集，MLR分析发现只有两个统计学显著的预测变量：每10万人中的大学生数量和每千人中的医院床位数。此外，模型残差的空间自相关性测试达到了显著水平（p = 0.01），为后续采用空间回归模型提供了理论依据。

在构建空间回归模型方面，研究采用了空间误差模型（SEM）和空间滞后模型（SLM）进行分析。结果表明，空间误差系数（λ = 0.428，p = 0.035）比空间滞后系数（W_Y = 0.34，p = 0.099）更具显著性，这表明SEM更适合本研究。在控制了空间效应后，大学生数量和医院床位数仍然具有统计学显著性（p < 0.05），并且其显著性相较于MLR得到了增强。模型比较结果显示，SEM在R2、对数似然值和AIC等方面均优于其他模型，从而确认了其优越性。

残差测试表明，SEM有效地消除了空间自相关性，解决了传统回归模型中存在的空间依赖性偏差，确保了研究结果的可靠性。在局部空间回归模型方面，研究系统地比较了GWR和MGWR模型的拟合效果。结果显示，MGWR模型在解释痢疾发病率与影响因素之间的关系方面表现出更强的解释能力，其拟合效果优于GWR和SEM。值得注意的是，GWR模型不仅在拟合效果上不如SEM，其残差也显示出显著的空间自相关性。因此，本研究最终采用了具有多尺度分析优势的MGWR模型进行深入分析。

MGWR模型的结果显示，五个核心解释变量中有三个对痢疾发病率具有统计学显著影响（p < 0.05），并表现出不同的空间异质性特征。首先，人均GDP在西部地区显示出显著的负相关性，而在中部和东部地区则无显著影响。其次，每10万人中的大学生数量对发病率具有显著的正向影响，尤其在东北地区最为明显，这可能与大学集中导致的高人口密度和频繁接触有关。第三，医院床位数的可获得性对发病率具有负向影响，尤其是在东北地区表现更为突出，这可能与相对床位短缺、初级医疗体系较弱以及人口外流减轻了实际医疗压力有关。

然而，人口密度和平均家庭规模对痢疾发病率在所有地区均未显示出统计学显著影响。此前的研究表明，这可能反映了高密度地区在公共卫生干预（如疫苗接种和卫生基础设施）方面的有效性，从而抵消了人口聚集可能带来的风险。此外，一些研究指出，高温高湿的气候显著增加了痢疾的发病率，这种强烈的气候效应可能掩盖了人口密度的影响。同样，家庭规模对发病率的影响也未达到统计学显著性，这可能是因为其他更强的决定因素，如卫生条件，已经掩盖了家庭规模的作用。

在方法论上，本研究通过整合MLR、SEM、GWR和MGWR等多种先进的空间计量模型，建立了一个全面的分析框架，以识别痢疾发病率的决定因素。这种多模型协同分析有助于克服传统单一模型分析的局限性。通过有效地捕捉多尺度空间异质性，该框架为健康地理研究提供了有用的参考，并支持了区域化的公共卫生策略制定。

然而，本研究也存在一些局限性：首先，数据方面，由于官方统计数据的可得性限制，研究采用了省级行政区作为分析单位，这可能不足以捕捉更精细尺度（如县级或市级）的空间差异。同时，由于某些重要解释变量（如温度和湿度等环境因素）的数据不可得，可能部分削弱了研究结果的全面性。其次，方法论上，虽然横断面设计能够揭示空间相关性模式，但它在因果推断方面存在固有的局限性。最后，模型未考虑关键因素（如人口流动和防控政策）的时间动态变化，这可能影响对痢疾传播机制的深入理解。

综上所述，本研究通过多尺度空间分析方法系统地探讨了痢疾在中国的发病率及其影响因素的空间分布模式。研究结果表明，痢疾在中国不同地区呈现出显著的空间异质性，特别是在北京-天津地区发现了高发病率的聚集区域。从方法论角度来看，MGWR模型在分析不同影响因素的空间异质性方面表现优于传统空间回归方法，从而能够更准确地识别各因素在不同地区的空间变化特征。此外，研究还揭示了不同地区的主要影响因素存在显著差异，其中经济发展对西部地区影响最大，教育因素在东北地区最为突出，而医疗资源的可获得性在东北地区的作用最为显著，但在南方地区则影响较小。这些发现为理解中国痢疾的传播模式提供了新的视角，并为制定针对性的区域防控策略提供了科学依据。