揭示加纳阿散蒂地区报告的疟疾病例在空间上的异质性预测因素：一个结合相关性分析、随机森林和多尺度地理加权回归的三角框架

《Acta Tropica》：Uncovering Spatially Heterogeneous Predictors of Reported Malaria Cases in the Ashanti Region of Ghana: A Triangulated Framework Integrating Correlation Analysis, Random Forest, and Multiscale Geographically Weighted Regression

　　•本研究采用了一种三角分析框架，利用2023年从阿散蒂地区卫生局获得的区级疟疾病例数据，来评估疟疾预测变量的相对重要性。•14年的时间趋势分析（2010-2023年）显示，阿散蒂地区的实验室确诊疟疾病例数量呈长期上升趋势，中部地区的疟疾密度较高。•EVI的平均绝对标准化局部系数幅度最大（14.09%，BW=3，β?=+0.620），并显示出最强的正Spearman相关性（ρ=0.538，p<0.001），是唯一一个在未调整的0.05水平上能够与随机排列零假设区分开来的RF重要性估计值。

引言
文献中充满了来自不同维度的疟疾研究（Dereje等人，2025年；Hay等人，2010年；Kilian等人，2000年；Zhou等人，2025年）。这些研究不仅探讨了疟疾的传播、控制和预防，还使用定量、定性和地理空间技术研究了其流行病学和人口统计学特征。然而，鉴于疟疾的普遍性——仅2023年就报告了超过2.63亿例病例和59.7万人死亡（WHO，2024年），疟疾研究必须持续进行。在加纳，2022年所有地区记录了大约530万例病例和11,557例估计死亡（Adjei等人，2024年）。阿散蒂地区是加纳人口第二多的地区，拥有超过540万名居民，该地区的疟疾发病率很高，至少有25%的住院病例与疟疾有关（Asante Kwadwo & Asenso-Okyere，2003年）。尽管政府采取了连续的干预措施，如2019年试点了RTS,S疟疾疫苗，并于2024年发布了国家疟疾消除战略计划（2024-2028年），疟疾仍然在阿散蒂地区的各个区根深蒂固（Asante等人，2024年；加纳新闻社，2024年）。这一挑战需要深入研究以了解加纳阿散蒂地区疟疾的复杂情况。现有研究表明，控制疟疾的一个主要难题是如何准确识别风险最高的地方以及哪些生物物理、环境和人为因素在当地占主导地位，以便高效地分配有限的干预资源（Cissoko等人，2022年；Lubinda等人，2021年）。这一挑战本质上是空间性的，因为疟疾的传播受某些因素的影响，而这些因素与疟疾发病率的关系并不具有空间一致性（Ebhuoma & Gebreslasie，2016年；Franklinos等人，2019年；Sachs & Malaney，2002年）。因此，假设在所有空间尺度上效果均一的模型（如标准回归和全球随机森林方法）可能会误判哪些干预措施适用于每个地点（Fotheringham等人，2017年；Riedel等人，2010年）。要理解这些在当地起主导作用的因素，必须明确关注每个预测变量如何影响疟疾传播的生物途径。植被覆盖（通过EVI表示）被认为为成年按蚊提供休息和藏身之处，并可能以有利于媒介生存的方式调节局部微气候（McCann等人，2017年；Wayant等人，2010年）。地表水指数（通常用NDWI表示）和距离水体的距离被认为会影响水生幼虫栖息地的可用性，因为按蚊幼虫在静止或流动缓慢的水中发育（Beck-Johnson等人，2013年；Yin等人，2025年）。温度和降雨量也会影响疟原虫的潜伏期以及媒介的水生发育阶段（Beck-Johnson等人，2013年；Caminade等人，2014年）。建成土地覆盖（用NDBI表示）和距离道路的距离被认为通过改变排水系统，创造人工繁殖场所（如路旁涵洞和建筑工地）来作为人为的传播调节因素（De Silva & Marshall，2012年；Keiser等人，2004年；Tatem等人，2008年）。尽管如此，这些代理指标只是假设的途径，并不能直接测量蚊子的数量、幼虫栖息地的适宜性或人类暴露情况。

最近在加纳和撒哈拉以南非洲（SSA）应用机器学习（ML）进行疟疾预测的研究展示了使用随机森林（RF）模型进行变量重要性和热点地图绘制的方法（Boateng等人，2025年；Iddrisu等人，2024年；Kapwata & Gebreslasie，2016年）。然而，这些方法假设每个预测变量与结果之间存在单一的、空间恒定的（全球）关系（Georganos等人，2019年）。虽然RF可以灵活捕捉预测变量之间的非线性和交互效应，但它不能估计地理上变化的系数，因此无法揭示预测变量与疟疾发病率之间的关系如何从一个地点变化到另一个地点（Fotheringham等人，2017年；Georganos等人，2019年）。地理加权回归（GWR）及其多尺度扩展（MGWR）通过估计空间变化的局部系数来解决这一限制，揭示预测变量重要性在空间尺度和区域上的变化（Fotheringham等人，2017年）。MGWR允许每个预测变量具有最佳带宽，以捕捉每个变量与结果之间的作用尺度（Fotheringham等人，2017年；Yu等人，2020年）。这一优势使得MGWR适用于多种疾病地图绘制情境（Li等人，2024年；Wu等人，2023年）。尽管在空间流行病学中使用了地理加权方法，但这种方法以前尚未应用于加纳阿散蒂地区的区级疟疾监测数据。因此，本研究旨在：（1）描述报告的实验室确诊疟疾病例的区域时间模式和区级空间分布；（2）使用三种互补方法：Spearman等级相关性来检查全局单调关系，RF与PDPs来检查非线性边际模式，以及单一估计的多变量MGWR模型来检查空间变化的局部关联。这些方法回答不同的分析问题，它们的输出并不是预测变量重要性的等效度量。方法之间的一致性被视为一致性，而不是一致性的确认，而差异可能表明非线性、尺度依赖性、模型不确定性或情境变异。据我们所知，这是第一项将MGWR应用于阿散蒂地区报告的疟疾病例数量的研究，也是加纳少数几个在单一分析框架内系统结合相关性分析、基于RF的PDPs和地理加权回归的研究之一。

研究区域
阿散蒂地区位于加纳的中南部。根据2021年人口和住房普查（加纳统计服务，2021年），该地区当时包括43个行政区（图1）。这种43个行政区的配置在整个分析中一直使用，并对应于2023年的区级监测数据集。该地区面积为24,389平方公里，约占加纳领土的10.2%（加纳行政区，2024年），2021年的人口为5,440,463人（加纳统计服务，2021年）。

疟疾监测数据
2010-2023年的年度区域实验室确诊疟疾病例原始计数和2023年的区级计数数据来自阿散蒂地区卫生局。区级计数包括来自每个区内医疗机构报告的病例总数。所有三种方法的主要分析结果是2023年的原始区级实验室确诊疟疾病例计数。还计算了人口标准化发病率，即每1000人口中的病例数。

阿散蒂地区报告的疟疾病例的年度趋势和区级分布
图2显示了2010年至2023年阿散蒂地区实验室确诊疟疾病例的年度时间趋势，涵盖了14年的时间周期。疟疾病例呈现出长期上升趋势，年际间有显著的变异性。2010年报告的病例最少（232,918例），而2023年最多（893,920例），14年期间的年平均疟疾病例数为约604,046例。2019年至2023年间出现了短暂的下降。

讨论
本研究使用了三种互补的方法来研究2023年阿散蒂地区原始区级实验室确诊疟疾病例计数的相关因素。Spearman的ρ描述了全局单调关联，RF描述了非线性预测模式，而MGWR描述了空间变化的局部关联。为八个预测变量选择的窄带宽表明在选定的规格下存在强烈的空间非平稳性，但也可能反映了不稳定或...

结论
本研究结合了Spearman等级相关性、带有PDPs的随机森林和单一估计的多变量MGWR模型，来描述2023年阿散蒂地区43个区原始区级实验室确认疟疾病例计数之间的关联。EVI是排名最一致的相关因素，也是唯一一个在未调整的0.05水平上能够与随机排列零假设区分开来的RF重要性估计值；然而，这一结果在对11个预测变量进行Bonferroni校正后将不再成立。

伦理批准和参与同意
伦理批准已从人类研究、出版物和伦理委员会获得（批准编号：242333240628）。疟疾发病率数据是根据数据共享协议从阿散蒂地区卫生局获得的。未使用任何个体患者数据；所有数据均在区级汇总。

利益冲突
作者声明没有利益冲突。

资金
本研究得到了迈阿密大学提供的夏季奖学金的支持。

数据和材料的可用性
本研究中使用的区级疟疾病例计数数据集和预测变量可根据请求从相应作者处获得，前提是获得阿散蒂地区卫生局根据数据共享协议的批准（见伦理批准和参与同意）。

分析代码链接：https://github.com/prince-obosu/Uncovering-Spatially-Heterogeneous-Predictors-of-Reported-Malaria-Cases-in-the-Ashanti-Region-

作者贡献
Prince Obosu：概念化、数据管理、方法论、软件、可视化、正式分析、撰写初稿。
Pius K. Appau：撰写、审阅和编辑、调查、方法论、资源。
Andrews Ofosu：撰写、审阅和编辑、调查、方法论、资源。

致谢
我们感谢阿散蒂地区卫生局提供疟疾发病率数据。我们也感谢缅因大学地理系和加纳统计服务的数据支持。

未引用的参考文献
Bhatt等人，2015年；Cutler等人，2007年；Dakorah等人，2022年；Fischer等人，2020年；Fotheringham等人，2009年；Animut等人，2025年；Haque等人，2011年；Kabaria等人，2016年；Krefis等人，2010年；Kripa等人，2024年；Kuhn和Johnson，2013年；Liu等人，2021年；Martens和Hall，2000年；Merkord等人，2017年；Moyes等人，2020年；Paaijmans等人，2014年；Páez等人，2002年；Roberts等人，2017年；Takramah等人，2025年；Tesfaye和Teshome，2022年；Thwing等人，2019年；Toma等人，2021年；Baragatti等人。