地理空间聚类分析揭示了2024年巴西各市镇中的登革热高发区域

《Frontiers in Public Health》：Geospatial clustering reveals dengue hotspots across Brazilian municipalities, 2024

登革热疫情分析：巴西2024年采用DBSCAN空间聚类方法，整合病例和住院率数据，识别25个高负担集群，揭示气候滞后关联（2-3个月降雨）及社会经济脆弱性（GDP低地区更易聚类）。

　　2024年巴西遭遇了历史上最严重的登革热疫情，超过六百万例疑似病例和数万例住院治疗，给国家的医疗系统带来了巨大压力。这种疫情的高异质性意味着，传统的国家或州级汇总数据难以准确识别适合实施针对性干预的热点地区。因此，有必要在市级层面进行地理空间分析，以揭示那些在空间和流行病学特征上具有显著负担的区域。本研究通过引入一种多变量密度聚类方法，结合地理信息和流行病学数据，来描绘登革热在巴西的热点区域。

本研究的方法基于全国范围内的登革热病例报告和住院数据，这些数据来自巴西卫生部的SINAN（传染病监测系统）。为了计算标准化的流行病学负担，研究者还使用了巴西国家地理与统计研究所（IBGE）的人口数据。通过将市级的地理中心坐标与标准化的病例和住院率相结合，研究团队应用了密度聚类算法DBSCAN（基于密度的聚类方法）。该算法的优势在于无需预先设定聚类数量，可以识别出不规则形状的区域，并明确标记出“噪声”点，从而将孤立的异常点与高密度区域区分开来。DBSCAN的参数（eps和minPts）通过k-距离图和敏感性分析进行了优化，以确保结果的稳定性和可靠性。

在疫情高峰期，常规的实验室确认手段受限，大多数SINAN报告依赖临床和流行病学标准。因此，研究团队采用了一种结合症状报告和住院数据的空间分析方法，以识别那些即使在病毒学类型信息不完整的情况下，仍具有异常高传播强度的地区。此外，为了评估疫情的时间稳定性，研究者对每月的市级数据进行了DBSCAN分析，并使用相同的参数集，以确保结果的一致性。同时，研究还引入了CHIRPS（气候危害组红外降水与站点数据）的降水数据，与登革热指标进行配对，分析降水与疫情之间的短期关联。

研究结果显示，DBSCAN识别出25个高负担的市级聚类区域，覆盖了全国92.6%的市级行政区，而7.4%的地区被标记为“噪声”。一些地区的病例率高达20,000以上每10万人，特别是在米纳斯吉拉斯州、巴拉那州和巴伊亚州。此外，还有一些高发地区由于缺乏相似负担的邻近区域，未能被聚类方法识别，被标记为“噪声”。这些孤立的高发地区在流行病学上同样重要，不能被忽略。通过将这些“噪声”地区单独展示，研究团队确保了这些单点热点不会被密度聚类方法所掩盖。

在时间维度上，DBSCAN的每月重复分析揭示了聚类模式的稳定性。大多数市级行政区持续归属于同一聚类，且全国人口的大部分集中在那些连续三个月以上处于聚类状态的地区。这种时间上的持续性表明，某些地区的登革热风险具有结构性特征，而非仅仅是季节性的波动。因此，针对这些地区应采取持续的蚊媒控制措施和预先安排的临床应对能力，而不是依赖于短期、反应式的干预。

从气候角度来看，研究团队发现降水与登革热病例之间存在显著的正向关联，特别是在一到三个月的滞后时间。这种关联符合埃及伊蚊的生命周期特征，也与巴西及其他地区的先前研究结果一致。例如，在米纳斯吉拉斯州的杰奎蒂巴市（Cluster 8），病例激增的时间与当地降水高峰高度吻合，同时该地区的年平均气温处于蚊媒繁殖和传播的最适范围（23–26°C）。这进一步支持了将环境数据整合到早期预警系统中的重要性。

在社会经济背景方面，研究发现聚类区域的平均和中位数人均GDP显著低于非聚类区域。这表明，经济欠发达地区的登革热风险更高，这与贫困、水资源管理不足、卫生系统资源有限等因素密切相关。尽管这种关联的效应量较小，但其方向与已有文献一致，强调了结构性脆弱性在登革热传播中的作用。未来的研究可以进一步引入更详细的指标，如卫生设施覆盖率、水资源中断情况、城市密度以及医疗资源可及性，以更全面地评估多变量因素对聚类形成和持续的影响。

从政策角度来看，研究结果表明，巴西的登革热防控不能仅依赖于全国范围的汇总数据。识别出的高负担、小范围的市级聚类区域，强调了在地方和区域层面实施蚊媒控制、诊断资源分配和医院应对能力规划的必要性。此外，降水与登革热之间的滞后关联也支持将气候数据纳入预测模型和早期预警系统，特别是在气候变化日益显著的背景下，这种做法显得尤为迫切。

虽然DBSCAN在登革热监测中展现出了显著的优势，但研究团队也指出了其局限性。首先，DBSCAN依赖于局部密度的连续性，因此可能会排除那些虽然病例率极高，但缺乏相似负担邻近区域的单个市级行政区。为此，研究团队通过保留这些孤立的高发地区，部分缓解了这一问题，但需要结合其他方法，如Kulldorff的空间扫描或Getis-Ord Gi*统计量，以更全面地捕捉这些孤立热点。其次，研究使用的是CHIRPS的月度降水数据，虽然比单一气象站数据提供了更均匀的全国覆盖，但可能忽略了局部微气候的差异。第三，研究依赖于常规的流行病学监测数据，这些数据通常未经实验室确认，可能导致误分类。然而，这种数据反映的是实际的疫情管理现实，也突显了在数据不完美情况下提取可靠信号的重要性。最后，人均GDP虽然可以作为社会经济脆弱性的粗略指标，但在未来的研究中应结合更详细的指标，如卫生设施、水资源、住房和医疗资源的可及性，以更准确地评估多变量因素对聚类形成和持续的影响。

总体而言，本研究为巴西的登革热防控提供了一种实用、透明和可扩展的地理空间分析工具。通过结合空间、时间与气候维度，DBSCAN能够识别出高负担的市级聚类区域，并保留那些孤立但重要的高发地区。这种方法不仅有助于优化蚊媒控制策略，还能指导医院的应急资源调配和公共卫生信息的精准传播。随着巴西向去中心化的监测和气候敏感的准备方向发展，基于密度的地理空间聚类方法可以成为连接国家统计数据与地方行动的重要桥梁。

此外，研究还强调了地理空间聚类方法在拉丁美洲公共卫生监测中的应用潜力。尽管DBSCAN在东南亚和加勒比地区已有成功应用，但在巴西的国家级别上仍然较为罕见。本研究展示了其在市级层面的可行性，并为未来的研究和政策制定提供了新的视角和工具。通过整合遥感数据、气候预测因子和社会经济指标，DBSCAN可以支持更精确的预测分析和去中心化的疫情智能，从而提升公共卫生干预的公平性和及时性。

综上所述，本研究为巴西登革热疫情的应对提供了重要的数据支持和方法论指导。它不仅揭示了登革热在空间上的分布模式，还强调了时间维度和气候因素在疫情预测中的作用。通过这种多维度的分析方法，研究团队为公共卫生决策者提供了一个可操作的工具，使他们能够更有效地制定和实施针对高风险地区的防控措施。这一研究的成果，标志着巴西在登革热监测和应对方面迈出了重要的一步，也为其他面临类似公共卫生挑战的国家提供了有益的借鉴。