
-
生物通官微
陪你抓住生命科技
跳动的脉搏
阿尔伯塔省使用单变量和多变量空间扫描统计方法检测哮吼病例地理聚集情况的比较
《International Journal of Health Geographics》:Comparison of univariate and multivariate spatial scan statistics in detecting geographic clusters of croup cases in Alberta
【字体: 大 中 小 】 时间:2026年05月12日 来源:International Journal of Health Geographics 3.2
编辑推荐:
摘要背景哮吼是一种常见的儿童呼吸道疾病,主要影响婴儿和幼儿。尽管了解哮吼医疗就诊的地理分布和空间聚集情况对公共卫生规划和资源分配至关重要,但这一领域仍缺乏足够研究。本研究旨在确定加拿大阿尔伯塔省哮吼医疗就诊的地理集聚区域以及医疗需求较高的地区,并利用急诊科(ED)就诊数据和医生索
哮吼是一种常见的儿童呼吸道疾病,主要影响婴儿和幼儿。尽管了解哮吼医疗就诊的地理分布和空间聚集情况对公共卫生规划和资源分配至关重要,但这一领域仍缺乏足够研究。本研究旨在确定加拿大阿尔伯塔省哮吼医疗就诊的地理集聚区域以及医疗需求较高的地区,并利用急诊科(ED)就诊数据和医生索赔数据比较单变量和多变量空间扫描统计方法。
我们分析了2017/18至2022/23年间阿尔伯塔省70个次区域卫生机构(sRHAs)中2岁以下儿童的行政健康数据。数据按次区域卫生机构和年份进行汇总。采用Kulldorff空间扫描统计方法,分别针对每年调整性别分布后识别哮吼聚集区域。分析分别针对单个数据来源(单变量)和两个数据来源同时进行(多变量)。
在研究期间,共有32,740次因哮吼导致的急诊科就诊记录和49,389份医生索赔记录,其中男性患者分别占63.5%和62.2%。总体而言,在研究期间,59.8%的医生索赔患者和82.8%的急诊科患者(n=21,688)同时使用了这两种医疗服务。研究发现存在显著的空间聚集现象:单变量分析每年识别出1-4个聚集区域,多变量分析则识别出2-5个聚集区域。某些北部地区在所有年份和所有分析方法中都表现出一致的聚集趋势。2020/21年的COVID-19疫情期间出现了独特的模式,相对风险最高。急诊科就诊数据显示出更广泛的地理覆盖范围,并且主要涉及大都市区;而医生索赔数据则显示出在不同大都市区频繁出现聚集现象。多变量和单变量分析结果存在重叠,但有所不同,其中多变量分析发现了两个仅通过医生索赔数据显示出高于预期病例数量的聚集区域。
阿尔伯塔省存在显著的哮吼医疗就诊地理聚集现象,北部地区被一致认为是医疗利用较高的区域。单变量和多变量空间扫描统计方法都检测到了显著聚集区域,多变量分析通过同时分析急诊科就诊数据和医生索赔数据提供了额外见解。不同数据来源之间的不同聚集模式表明了不同的医疗利用行为,体现了多变量方法在全面空间流行病学分析中的价值。
哮吼是一种常见的儿童呼吸道疾病,主要影响婴儿和幼儿。尽管了解哮吼医疗就诊的地理分布和空间聚集情况对公共卫生规划和资源分配至关重要,但这一领域仍缺乏足够研究。本研究旨在确定加拿大阿尔伯塔省哮吼医疗就诊的地理集聚区域以及医疗需求较高的地区,并利用急诊科(ED)就诊数据和医生索赔数据比较单变量和多变量空间扫描统计方法。
我们分析了2017/18至2022/23年间阿尔伯塔省70个次区域卫生机构(sRHAs)中2岁以下儿童的行政健康数据。数据按次区域卫生机构和年份进行汇总。采用Kulldorff空间扫描统计方法,分别针对每年调整性别分布后识别哮吼聚集区域。分析分别针对单个数据来源(单变量)和两个数据来源同时进行(多变量)。
在研究期间,共有32,740次因哮吼导致的急诊科就诊记录和49,389份医生索赔记录,其中男性患者分别占63.5%和62.2%。总体而言,在研究期间,59.8%的医生索赔患者和82.8%的急诊科患者(n=21,688)同时使用了这两种医疗服务。研究发现存在显著的空间聚集现象:单变量分析每年识别出1-4个聚集区域,多变量分析则识别出2-5个聚集区域。某些北部地区在所有年份和所有分析方法中都表现出一致的聚集趋势。2020/21年的COVID-19疫情期间出现了独特的模式,相对风险最高。急诊科就诊数据显示出更广泛的地理覆盖范围,并且主要涉及大都市区;而医生索赔数据则显示出在不同大都市区频繁出现聚集现象。多变量和单变量分析结果存在重叠,但有所不同,其中多变量分析发现了两个仅通过医生索赔数据显示出高于预期病例数量的聚集区域。
阿尔伯塔省存在显著的哮吼医疗就诊地理聚集现象,北部地区被一致认为是医疗利用较高的区域。单变量和多变量空间扫描统计方法都检测到了显著聚集区域,多变量分析通过同时分析急诊科就诊数据和医生索赔数据提供了额外见解。不同数据来源之间的不同聚集模式表明了不同的医疗利用行为,体现了多变量方法在全面空间流行病学分析中的价值。