《Land》：Housing-Type and Urban Spatial Patterns of Infectious Diseases: Spatial Analysis of COVID-19 Cases at Household Level in Málaga (Spain)
编辑推荐：
尽管许多研究考察了COVID-19封锁期间的住房条件，但较少有研究探讨住房属性及其空间分布与疾病风险的关系。本研究采用探索性空间数据分析（ESDA）框架，将马拉加（西班牙）的住房与COVID-19数据联系起来。利用空间点模式方法生成相对风险面，以识别高风险区域
尽管许多研究考察了COVID-19封锁期间的住房条件，但较少有研究探讨住房属性及其空间分布与疾病风险的关系。本研究采用探索性空间数据分析（ESDA）框架，将马拉加（西班牙）的住房与COVID-19数据联系起来。利用空间点模式方法生成相对风险面，以识别高风险区域。随后通过地理处理将COVID-19病例与住宅建筑关联，从而在建筑层面描述住房特征。局域莫兰指数（Local Moran's I）分析识别出具有较高超额风险（ER）的聚类，在城市中揭示了五个明确的高风险区域。然而，一些病例高度集中的建筑聚类与这些区域不同。研究人员根据建筑类型对这些聚类进行了分析，Spearman相关分析提示病例率与若干建筑变量之间存在关联。然而，准泊松回归结果表明，没有单个建筑变量对病例率有显著影响。然而，住房类型显示出显著关联：与单户住宅相比，多户建筑的发病率比为84%（95% CI: 80–88%），表明前者的发病率降低了16%。总之，结果表明，城市中存在特定区域更容易出现较高的病例率，这些区域也表现出特定的住房类型分布，其中单户住宅显示更高的风险，尽管这种住宅类型较少见。
COVID-19大流行五年后，相关研究热度虽已下降，但城市作为人口枢纽的地位未变。联合国预计2050年68%的世界人口将居住于城市，而全球住房危机日益严峻。以往关于住房与传染病的研究或聚焦于封锁期间的居住质量，或通过队列研究评估过度拥挤的作用，缺乏在城市尺度上系统连接建筑类型、空间分布与病例风险的工作。早期系统综述指出家庭、工作场所和学校是主要传播聚集地，家庭成员间接触传播风险可达到其他接触类型的10倍；调查类研究则多关注住房条件对生活质量的影响，如西班牙约70%的受访者居住于多户建筑。在马拉加，先前基于聚合数据的研究提示某些地区相对风险较高，但尚未在建筑层面得到验证。因此，本研究旨在以住宅建筑为分析单位，探索住房类型、特征及其空间分布与COVID-19阳性病例数的关系。
研究人员采用探索性空间数据分析（ESDA）框架，整合了来自马拉加地区医院提供的2020年3月至2022年3月检测阳性病例地址数据（不包含年龄、性别、收入等社会人口学信息）和西班牙地籍电子服务提供的建筑特征数据。通过地理编码和15米搜索半径的空间连接，将病例匹配至最近的住宅建筑，未能匹配的6.48%病例被排除。相对风险面基于空间点模式方法，使用sparr包生成；建筑级超额风险（ER）依据标准化发病率比（SIR）计算；高ER聚类通过局域莫兰指数（Local Moran's I）结合250米网格识别；关联分析采用Spearman秩相关和以建筑人口为offset的准泊松广义线性模型（GLM）。所有处理使用QGIS、R语言及spatstat、sparr等开源工具完成。
3.1 马拉加相对风险面：通过相对风险面分析，研究人员发现COVID-19病例几乎遍布全市，但北部、东部及一小片沿海区域呈现统计显著的高相对风险。以全市基础患病率约11%计，相对风险（RR）为0.4时调整患病率约为16.5%，表明这些区域的确承担了不成比例的疾病负担。
3.2 住房类型与COVID-19超额风险：建筑级ER分析显示，在整体较高风险区域内部存在ER较低的建筑，而在这些区域之外也存在ER较高的建筑，体现了可修改面积单元问题（MAUP）。总体而言，单户住宅的ER比多户住宅高约21%。全部建筑中，22.68%的建筑记录了COVID-19阳性病例；尽管绝对病例数集中于多户建筑，但单户住宅相对ER更高。研究人员筛选出ER≥2的建筑，并利用250米网格和局域Moran's I识别出五个高ER聚类，其中西北2区几乎完全由单户建筑构成，提示该住房类型与高病例率密切相关。Spearman相关分析显示，建筑户数、建造面积、住宅面积、平均每层户数和楼层数与病例率呈负相关，而建造质量和人均平方米数与病例率呈正相关。准泊松回归模型表明，各连续建筑变量的效应极小且多无统计学显著性，但建筑类型具有显著效应：多户建筑的发病率比为0.84（95% CI 0.80–0.88），即相比单户住宅，多户建筑中COVID-19病例风险降低16%。
在讨论中，研究人员将结果与既往研究对比：纽约的队列研究认为过度拥挤是独立风险因素，而本研究中人均面积与病例率正相关但在回归模型中无显著效应；瑞典研究显示多户住宅相关变量与高病例率正相关、单户住宅负相关，而本研究则发现单户住宅相对风险更高，这种差异可能源于城市环境、人群结构或统计方法的不同。研究的主要局限性包括隐私法规限制病例数据可及性、地址文本不准确导致地理编码误差、以及单户住宅人口基数小带来的比率不稳定问题。结论部分可翻译为：本研究将地址级阳性病例与地籍建筑特征关联，发现单户住宅的相对风险比多户住宅高16%（IRR=0.84，95% CI 0.80–0.88）。建筑级分析能够更精细地划定高风险区域，为预防和缓解措施的精准实施提供了可能。随着城市规模扩大和住房政策调整，理解住房类型如何塑造传染病空间分布，对于未来公共卫生应急准备具有重要价值。
