删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

基于地理信息系统的2009-2013年甲型H1N1流感的时空分析

本站小编 Free考研考试/2021-12-29

李美芳, 欧金沛, 黎夏
中山大学地理科学与规划学院,广东省城市化与地理环境空间模拟重点实验室,广州 510275

Spatio-temporal analysis of influenza A (H1N1) in China during 2009-2013 based on GIS

LIMeifang, OUJinpei, LIXia
School of Geography and Planning, Sun Yat-sen University, Guangdong Key Laboratory for Urbanization and Geo-simulation, Guangzhou 510275, China
通讯作者:通讯作者:黎夏（1962- ）,男,广西梧州人,教授,博士生导师,研究方向为元胞自动机与多智能体、遥感应用。E-mail:lixia@mail.sysu.edu.cn
收稿日期:2016-05-13
修回日期:2016-08-24
网络出版日期:2016-11-25
版权声明:2016《地理研究》编辑部《地理研究》编辑部
基金资助:

国家自然科学基金重点项目（41531176）

作者简介:
-->作者简介：李美芳（1990- ）,女,江西抚州人,博士研究生,研究方向为空间流行病学及多智能体模型。E-mail:limfjx@foxmail.com

展开

摘要
甲型H1N1流感作为一种人群普遍易感的急性传染病,自2009年爆发以来,不仅对人类健康造成了危害,也给全球经济造成了巨大损失。为研究中国大陆地区2009年来甲型H1N1流感疫情的时空分布特征,以中国大陆地区31个省级行政区2009-2013年甲型H1N1流感发病率的时空数据为研究对象,采用空间自相关分析技术和季节性分析方法进行了较为全面的空间和时间分析。结果表明：甲型H1N1流感的发病率在空间上和时间上都具有较强的聚集性。空间上,甲流发病高值热点有从新疆、青海和甘肃等西北部地区逐渐南移至中国东南部沿海省份的趋势,且高发聚集省份有增多的趋势;时间上,每年10月至次年4月是中国甲流的高发时段,且在此期间空间上也存在较强的聚集性。

关键词：甲型H1N1流感;地理信息系统;空间自相关;季节性分析;中国
Abstract
Influenza A (H1N1), an acute infectious disease, broken out throughout the world in 2009. It has not only become a hazard to human health but also resulted in great global economic loss. At present, many scholars have carried out studies on various disciplines related to influenza A (H1N1). However, few studies have investigated the spatio-temporal characteristics of influenza A (H1N1) based on Geographic Information System. In this study, we collected the monthly and yearly data of influenza A (H1N1) incidence in 31 provinces of China from 2009 to 2013 from the National Scientific Data Sharing Platform for Population and Health to explore the spatio-temporal distribution of influenza A (H1N1) in China. The spatial distribution of yearly incidence of influenza A (H1N1) in the five-year period was analyzed using global Moran's I, local Getis-Ord G_i^*, and the Moran scatterplot. Among them, global Moran's I was used to analyze the average spatial correlation and significance level of the whole study area. Local Getis-Ord G_i^* and the Moran scatterplot were used to analyze the instability and heterogeneity of local regions. In addition, we used the degree of concentration, time series model, and circular distribution analysis to examine seasonal variations of influenza A (H1N1) epidemics. The results showed that influenza A (H1N1) incidence in 2009 was significantly higher than that in other years. Moreover, there were prominent correlations between both spatial and temporal dimensions of influenza A (H1N1) incidence. As for global spatial autocorrelation, the global Moran's I results suggested that significantly positive spatial autocorrelations were associated with the yearly incidence of influenza A (H1N1) in 2010, 2012, and 2013, as well as the monthly incidence of influenza A (H1N1) from October to April. Regarding local spatial autocorrelation, the Moran scatterplots showed that an increasing number of adjacent provinces had high incidence from 2009 to 2013. Besides, the outcomes of local Getis-Ord G_i^* indicated that the hot spots of the epidemics transferred from northwest China, including Xinjiang, Qinghai and Gansu, to southeast China. In terms of the seasonal characteristics of influenza A (H1N1) epidemics, the degree of concentration analysis showed that there were strong temporal aggregations of these epidemics every year. Additionally, using the time series model and circular distribution analysis, we identified that the peaks of incidence were clustered from October to April. Therefore, the findings of our study not only improved the understanding of the spatial variation and temporal dynamics of influenza A (H1N1) in China, but also provided an effective method for infectious disease surveillance.

Keywords：influenza A (H1N1);geographic information system;spatial autocorrelation;seasonal analysis;China

-->0
PDF (1427KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNote Ris Bibtex 收藏本文-->
李美芳, 欧金沛, 黎夏. 基于地理信息系统的2009-2013年甲型H1N1流感的时空分析[J]. , 2016, 35(11): 2139-2152 https://doi.org/10.11821/dlyj201611011
LI Meifang, OU Jinpei, LI Xia. Spatio-temporal analysis of influenza A (H1N1) in China during 2009-2013 based on GIS[J]. 地理研究, 2016, 35(11): 2139-2152 https://doi.org/10.11821/dlyj201611011

1 引言

甲型H1N1流感（简称“甲流”）为急性呼吸道传染病,其病原体是一种新型的甲型H1N1流感病毒。由于该病毒主要通过飞沫经呼吸道传播,也可经由口腔、鼻腔、眼睛等处黏膜直接或间接传播,人群对甲型H1N1流感病毒普遍易感,并可以人传染人。人感染甲流后会出现发热或咳嗽、腹泻或呕吐、肌肉痛或疲倦、眼睛发红等症状,甚至会导致死亡^[1]。甲流最初于2009年3月在墨西哥爆发,并迅速在全球范围内蔓延。世界卫生组织（World Health Organization,WHO）在很短的时间内将甲型H1N1流感的警告级别从3级提升为6级,并于当年6月11日宣称全球进入流感大流行阶段^[2]。此次疫情给全球卫生领域带来了一次巨大的挑战。中国于2009年5月11日确诊了内地首例输入性甲流病例,随后在全国范围内陆续发生疫情。截至2009年底,全国31个省级行政区（以下简称省份）累计报告了147337例^[3]。此外,从中国公共卫生科学数据中心提供的数据可以看出,自2009年以来,中国每年均有甲流确诊病例记载,且不同年份、不同时间段、不同区域内的流行强度存在着显著差异。甲流大规模流行,不仅对人类健康造成了危害,也给社会带来沉重的经济负担,已成为严重的世界公共卫生问题。
自甲流爆发以来,国内外已有许多****在流行病学、临床医学、基础研究等领域开展了一系列研究,并取得了显著的研究成果^[4]。在研究甲流的过程中,地理信息系统（Geographic Information System,GIS）发挥了重要的作用。一方面,GIS具有基本的地理空间数据获取、管理、处理和可视化的能力,如很多研究者利用时空重排扫描模型^[5-7]对中国大到省际^[8],小到社区级^[9,10]的甲流疫情进行时空聚集性分析后,再利用GIS对聚集结果进行可视化展示。另一方面,GIS还能够提供强大的空间分析功能,在研究甲流疫情方面具有巨大的应用潜力。例如,Lee等^[11]利用全局及局部Moran's I定量分析了中国香港2009年5-9月间每周发病率的空间分布特征;杨海翔等^[12]利用空间自相关分析及热点区域探测方法分析了2009年长沙市街道级甲流发病率的空间分布特征;陈江平等^[13]利用空间自相关方法对中国大陆地区各省2009年5月-2010年3月逐月甲流发病率进行空间分析,发现疫情大致经历了早期随机分布、中期扩散分布及后期集中控制三个阶段。但是目前基于GIS,尤其是结合长期的时间序列来全面分析甲流疫情空间维度及时间维度的聚集性研究还比较少。本文利用GIS可视化工具和空间自相关分析技术对全国31个省份2009-2013年甲流疫情数据进行空间分析,并结合时间聚集性分析方法进行时间分析,从而挖掘甲流空间分布特征和时间变化趋势,为识别重点防控区域、制定防控策略提供科学依据。

2 数据来源

2.1 甲流疫情数据

本文使用的疾病数据为中国大陆地区31个省份2009-2013年逐年（月）甲流疫情统计资料,均来源于国家人口与健康科学数据共享平台甲型H1N1流感数据库（数据库中尚未录入2013年逐月甲流疫情数据,故本文进行逐月分析时均只能覆盖2009年6月-2012年12月）,包括发病数、死亡数、发病率及死亡率四项指标。考虑到各区域间的横向可比性及数据的完整性,本文以甲流的发病率作为研究对象,计算公式为式（1）,单位为1/10万。

\begin{matrix} 发病率 = \frac{某年该地甲流新发病例数}{某年该地年平均人口数} \times 10 万 \end{matrix}

（1）

2.2 地图数据

地图数据主要是全国省级行政区划图层,来源于国家基础地理信息系统全国1

\begin{matrix} ∶ \end{matrix}

400万地形数据库,由国家地理基础信息中心提供,地图投影为兰伯特等角圆锥投影。

3 研究方法

首先,本文整理汇总了中国31个省份2009-2013年甲流发病率,并与全国省级行政区划电子图层进行关联,从而建立甲流发病率GIS数据库;然后利用ArcGIS 10.2软件对各年甲流发病率进行可视化展示和空间全局诊断,分析甲流发病率在中国的全局空间分布模式;另外,利用OpenGeoDa软件研究历年甲流发病率在局部区域的不稳定性和集聚性;最后结合季节性分析方法对甲流发病率时间分布特征进行探索性分析。

3.1 空间自相关分析方法

空间自相关分析就是研究空间单元观测值是否与其相邻单元的观测值存在相关性的一种分析方法,是空间单元观测值聚集程度的一种度量^[14,15]。通过这种方法可以揭示区域范围内观测值的空间分布特性。空间自相关根据研究对象可以分为全局空间自相关分析和局部空间自相关分析两大类^[16]。其中,全局空间自相关分析用来分析整个研究区范围内各单元间的平均关联程度、空间分布模式及其显著性;局部空间自相关分析则用以诊断局部空间区域上是否存在不同的空间聚集模式,以此观测局部空间的不稳定性,挖掘数据间的异质性特征。下面对本文使用的两类空间自相关分析方法分别进行介绍。
3.1.1 全局空间自相关分析全局空间自相关主要通过估计全局Moran's I（Global Moran's I）和全局Geary's C（Global Geary's C）等统计量,来分析研究区整体的空间关联及差异程度。本文采用最常用的全局Moran's I统计量^[17],其计算公式分别为：

\begin{matrix} I ＝ \frac{n \overset{n}{\sum_{i = 1}} \overset{n}{\sum_{j = 1}} w_{ij} (x_{i} - \overset{?}{x}) (x_{j} - \overset{?}{x})}{(\overset{n}{\sum_{i = 1}} \overset{n}{\sum_{j = 1}} w_{ij}) \sum_{i}^{=} (x_{i} {- \overset{?}{x})}^{2}}, i \neq j \end{matrix}

（2）

\begin{matrix} \overset{?}{x} = \frac{1}{n} \overset{n}{\sum_{i = 1}} x_{i} \end{matrix}

（3）
式中：n为单元格数量,在本文中指中国省份个数31;x_i表示某省份i甲流发病率,x_j为某省份j甲流发病率;

\begin{matrix} \overset{?}{x} \end{matrix}

为中国31个省份甲流发病率的平均值;W为空间权重矩阵,w_ij代表省份i、j之间的邻接关系。确定空间邻接矩阵的方法有多种,本文采用了二进制邻接矩阵,即当省份i与j空间相互邻接时,w_ij=1,否则为0。Moran's I的取值范围为[-1, 1],在给定显著性水平时,正值表示各空间单元观测值的分布具有正相关性,即高（低）值倾向于和高（低）值聚集在一起,呈现出高高聚集或低低聚集的空间分布格局,且越趋近于1表示空间单元间的联系越紧密,性质越相似;负值表示各空间单元观测值的分布具有负相关性,即高值倾向于与低值聚集,呈现高低相间分布格局,且越接近-1表示各空间单元之间的差异越大;0值则表示观测值不存在空间相关性,即完全随机分布。
3.1.2 局部空间自相关分析全局Moran's I是对整个研究区域的空间自相关性进行综合测度的指标,只能说明各单元与周围区域间空间差异的平均程度。但整体研究区域中可能存在部分空间正相关性与部分空间负相关性共存的情况,需要采用局部空间自相关统计量（Local Indicators Spatial Autocorrelation,LISA）来揭示可能存在的空间变异性^[18]。常用的局部空间自相关统计量LISA主要有局部Moran's I、局部Getis-Ord G_i^*和局部Geary's C等,由于Getis-Ord G_i^*只能够探测出空间聚集的热点区域,而无法识别每个单元所属的空间状态,所以,本文结合局部Getis-Ord G_i^*热点探测^[19-21]和局部Moran散点图^[22]进行局部空间自相关分析,下面分别进行介绍：
（1）局部Getis-Ord G_i^*热点探测。与全局Moran's I不同,局部G_i^*统计可以很好地反映出观测值在局部空间区域上的热点分布,其统计模型为：

\begin{matrix} G_{i}^{*} = \frac{\sum_{j}^{=} w_{ij} x_{j} - w_{i}^{*} \overset{?}{x}}{s \sqrt[]{(n s_{1 i} - (w_{i}^{*})^{2} \frac{)}{(} n - 1)}} \end{matrix}

（4）

\begin{matrix} w_{i}^{*} = \sum_{j}^{=} w_{i j} \end{matrix}

（5）

\begin{matrix} s_{1 i} = \sum_{j}^{=} {w_{ij}}^{2} \end{matrix}

（6）
式中：s为标准差,在本文中具体指全国31个省份甲流发病率的标准差。G_i^*值接近0时,说明观测值在该区域周围没有发生集聚的情况,呈现随机分布;G_i^*的绝对值越大,说明观测值在该研究区域周围聚集的程度越高,即形成热点区域;正的G_i^*值指示高值的空间聚集,负的G_i^*值则指示一个低值的空间聚集。
（2）局部Moran散点图。局部Moran's I分析的实质就是将全局Moran's I分解到各个空间单元,即针对每个空间单元计算Moran's I值,可以用Moran散点图进行描述。在Moran散点图中,横轴表示对应变量的所有观测值,在本文中为某省份的年发病率;纵轴表示其对应的空间滞后向量的所有取值。空间滞后向量是指相邻区域单元观测值的空间加权平均值,可以通过标准化空间权重矩阵来定义。
Moran散点图划分为四个象限,分别对应于区域单元与邻域间四类局部空间关系：右上象限表示高值区域单元被同是高值的区域单元包围,即具有空间正相关关系,呈现High-High（HH）关联;左上象限表示低值区域单元被高值区域单元包围,即具有空间负相关关系,呈现Low-High（LH）关联;左下象限表示低值区域单元被同是低值区域单元包围,即具有空间正相关关系,呈现Low-Low（LL）关联;右下象限表示高值区域单元被低值区域单元包围,即具有空间负相关关系,呈现High-Low（HL）关联。

3.2 时间聚集性分析方法

3.2.1 集中度分析集中度是用于分析昼时性和季节性资料,被广泛用于流行病学分析疾病的群体现象在一年内的集中程度^{[23, 24]}。其计算公式如下:

式中：r_i表示某月甲流发病率占全年发病率的百分比;i代表月份;R表示离散度;R_x为X轴方向的离散度;R_y为Y轴方向的离散度;M为集中度,其值为1时,表示发病集中在某一个月份内;[0.9, 1)说明有严格的季节性;[0.7, 0.9)表示有很强的季节性;[0.50, 0.7)说明有较强的季节性;[0.30, 0.5)说明有一定的季节性;(0, 0.3),说明季节性不明显;为0则表示发病情况在12个月内均匀分布。
3.2.2 时间序列分解法在确认甲流发病时间存在显著季节性的基础上,本文釆用时间序列分解法,分析全国甲流在2009-2012年间发病随月份的波动情况。一个时间序列通常认为由四部分构成：① 长期趋势因素T,指时间序列中长期的总变化趋势;② 季节性因素S,指时间序列中随一定周期（如月、季或年）而出现的数量上的重复变动;③ 循环性因素C,指围绕长期趋势而存在的具有某种规律的循环性波动;④ 随机性因素R,指由偶然因素引发的变化及波动,幅度一般较小^[25,26]。时间序列分解法基本思想是采用比率移动平均来估计并分离复杂规律中的基本结构,常用的方法有加法模型和乘法模型：

\begin{matrix} 加法模型： Y = T ＋ C ＋ S ＋ R \end{matrix}

（10）

\begin{matrix} 乘法模型： Y = T \times C \times S \times R \end{matrix}

（11）
一般而言,若四因素相互独立则用加法模型,若彼此关联则用乘法模型。根据甲流发病率时序资料的数据特点,本文选择乘法模型来分解季节性因素S,具体分解过程^[27]如下：
（1）根据式（12）,计算12个月的移动平均数MA_i,计算公式为：

\begin{matrix} M A_{i} = \frac{(\frac{1}{2} X_{i - 6} + X_{i - 5} + \dots + X_{i ＋ 5} + \frac{1}{2} X_{i ＋ 6})}{12} \end{matrix}

（12）
式中：i为月份。通过进行移动平均,季节性因素S和随机性因素R的波动在一定程度上相互抵消,所以MA_i只包括长期趋势和循环性因素两部分,即MA_i=T×C。
（2）通过式（13）计算出季节不规则分量SR_i,包含季节性因素和随机性因素两部分：

\begin{matrix} S R_{i} = Y / M A_{i} = （ T \times C \times S \times R \frac{）}{（} T \times C ） = S \times R \end{matrix}

（13）
（3）把各年相同月份的SR_i求均值,从而去除随机性因素的影响,得到季节性分量S,以反映甲流发病率随时间变化的平均状态。
3.2.3 圆形分布圆形分布是把具有周期性的数据经三角函数变化,转成线性数据的统计分析方法,目前被国内外广泛用于推算发病高峰和季节性^[28]。它以某年1月1日0点为起点,将全年365天转换为360°,则1天表示0.9863°;然后将每个月中间1天作为组中值,将其换算成角度,如1月份有31天,则组中值为第15.5天,转换为角度15.288°;2月份为28天,组中值为第45（即31+28/2）天,转换为角度44.386°;其余以此类推,可得到一组圆形分布资料^[29]。若存在集中于某一时间段发生的倾向,则这一倾向性可用平均角

\begin{matrix} \overset{?}{α} \end{matrix}

表示。根据三角函数代换原理,平均角

\begin{matrix} \overset{?}{α} \end{matrix}

的计算方法^[30]如下：
（1）计算

\begin{matrix} \cos α_{i} \end{matrix}

和

\begin{matrix} \sin α_{i} \end{matrix}

的平均数,并用X和Y表示：

\begin{matrix} X = \frac{1}{n} \sum f_{i} \cos α_{i} \end{matrix}

（14）

\begin{matrix} Y = \frac{1}{n} \sum f_{i} \sin α_{i} \end{matrix}

（15）
式中：f_i为某地区某月总发病率;

\begin{matrix} α_{i} \end{matrix}

为某月组中值对应的角度,i为月份;n为某地区12个月发病率的总和。
（2）计算圆形分布集中趋势指标r：

\begin{matrix} r = \sqrt[]{x^{2} + y^{2}} \end{matrix}

（16）
（3）计算平均角的余弦值

\begin{matrix} \cos \overset{?}{α} \end{matrix}

及正弦值

\begin{matrix} \sin \overset{?}{α} \end{matrix}

,并可通过反三角函数求得平均角

\begin{matrix} \overset{?}{α} \end{matrix}

：

\begin{matrix} \cos \overset{?}{α} = \frac{x}{r} \end{matrix}

（17）

\begin{matrix} \sin \overset{?}{α} = \frac{y}{r} \end{matrix}

（18）
（4）计算平均角的标准差s,可根据其与r的对应关系求得：

\begin{matrix} s = 180 ° / π \times \sqrt[]{- 2 lnr} \end{matrix}

（19）
采用雷氏Z值（Rayleigh Z）进行检验：Z=nr²。若Z>Z_0.05,表示有统计学意义,则可计算平均角95%的可信区间为

\begin{matrix} \overset{?}{α} \end{matrix}

±s。在Excel中的计算步骤可参考相关文献^[31]。

4 结果分析

4.1 全国甲流发病率的分布情况

从图1看出,2009年全国甲流发病率明显高于其他年份,这与2009年全球甲流大流行情况相吻合;2010年开始,甲流发病率在时间上呈现出波动减小的趋势,但2013年又出现了回弹。

显示原图|下载原图ZIP|生成PPT
图12009-2013年中国甲型H1N1流感年发病率曲线
-->Fig. 1Yearly incidence of influenza A (H1N1) in China during 2009-2013
-->

另外,本文对中国31个省份2009-2013年的甲流发病率数据进行可视化处理（图2）。结果发现：2012年（图2d）除西北部分地区外,全国其他地区甲流发病率普遍低于其他年份;而2010年（图2b）、2011年（图2c）以及2013年（图2e）3个年份的发病率值域较为相近。此外,北部部分地区如新疆、陕西、宁夏及北京,南部及东南沿海省份,如广西、广东、福建、浙江和海南等地在这5年中都属于甲流的高发区域;西藏于2009年爆发了重大甲流疫情后,随后的4年时间发病率都控制在较低水平。整体而言,甲流高发区域集中于中国西北部和东南部沿海区域。这种分布模式一定程度上反映了空间聚集性的存在,有助于对甲流影响因素的推断。

显示原图|下载原图ZIP|生成PPT
图22009-2013年中国甲型H1N1流感年发病率空间分布图
-->Fig. 2Spatial distribution of yearly incidence of influenza A (H1N1) in China during 2009-2013
-->

4.2 甲流发病率的空间分布特征

4.1节只能对全国省级甲流发病率空间分布进行直观性的描述,缺乏对其聚集（分散）程度定量评价的指标和认知。本节利用全局空间自相关分析及局部空间自相关分析方法对全国甲流疫情数据进行分析,试图阐释甲流发病率在空间聚集程度的定量分布特征。
4.2.1 甲流发病率的全局空间自相关特征通过空间自相关统计模型计算得到2009-2013年全国甲流发病率的全局Moran's I指数及其相应的显著性检验结果（表1）。
Tab. 1
表1
表12009-2013年中国甲型H1N1流感发病率的全局Moran's I分析结果
Tab. 1Global Moran's I analysis of influenza A (H1N1) incidence in China during 2009-2013

时间(年-月)	Moran's I	Z值	空间格局	时间(年-月)	Moran's I	Z值	空间格局
2009	0.0486	1.2590		2011-01	0.1060	1.4862	聚集
2010	0.2573	2.7977	聚集	2011-02	0.1165	1.3919	聚集
2011	0.0410	0.7272		2011-03	0.0416	0.8656
2012	0.3649	3.9295	聚集	2011-04	-0.0430	-0.1021
2013	0.2876	2.9143	聚集	2011-05	0.0647	1.1631
2009-06	0.0903	1.2563		2011-06	-0.0166	0.4107
2009-07	0.0165	0.7451		2011-07	-0.0891	-0.9818
2009-08	0.0549	0.9795		2011-08	-0.0854	-0.8642
2009-09	0.0862	1.3290		2011-09	-0.0451	-0.2507
2009-10	0.0946	2.0096		2011-10	0.2481	2.7386	聚集
2009-11	-0.0055	0.4198		2011-11	0.0371	1.1820
2009-12	0.1317	1.5266	聚集	2011-12	-0.1318	-1.1439	扩散
2010-01	0.2860	3.0621	聚集	2012-01	-0.0886	-0.7990
2010-02	0.2274	2.4535	聚集	2012-02	-0.0259	0.2210
2010-03	0.1938	2.0997	聚集	2012-03	-0.0057	0.8874
2010-04	0.0682	1.0802		2012-04	0.3176	3.7126	聚集
2010-05	-0.1345	-1.0457	扩散	2012-05	0.1911	3.2458	聚集
2010-06	0.0612	1.0089		2012-06	0.0605	1.0356
2010-07	-0.0186	0.2815		2012-07	0.0168	0.5230
2010-08	0.0143	0.5808		2012-08	-0.0123	0.7385
2010-09	0.0758	1.3964		2012-09	-0.0275	0.2061
2010-10	0.0258	1.0889		2012-10	0.1315	2.1797	聚集
2010-11	0.1329	1.8950	聚集	2012-11	0.2033	2.8036	聚集
2010-12	-0.0118	0.2325		2012-12	0.1813	2.1514	聚集

注：空间格局一列中,空缺项表示随机分布。

新窗口打开
由表1可知,2009-2013年5年中,2009年和2012年甲流发病率的全局Moran's I值未超过0.2,说明这两个年份的全局空间自相关性不强,并且标准正态化后的Z值小于正态分布函数在显著性水平为0.05时的临界值1.96,说明了2009年和2012年甲流发病率的省际空间差异并不显著,呈现出随机分布的态势。而其他3个年份的全局Moran's I值均超过0.2,且Z值大于1.96,即通过了显著性检验,具有统计学意义,表明2010年、2012年及2013年的甲流发病率存在较强的空间正相关性,呈现聚集的空间分布形态。
此外,观察2009年6月-2012年12月逐月甲流发病率的全局Moran's I可发现,甲流发病率存在空间聚集的月份主要分布在10月至次年3月期间,其中2012年的4月和5月也出现了空间聚集,而每年其他月份均呈现出较不稳定的随机分布。
4.2.2 甲流发病率的局部空间自相关特征
（1）甲流发病率局部Getis-Ord G_i^*热点探测。甲流发病率局部Getis-Ord G_i^*热点探测分析的可视化结果如图3所示。图3中蓝色区域表示显著的低值空间聚集,即甲流发病率显著的低值冷点区域;灰色区域表示较为显著的低值空间聚集,即甲流发病率较为显著的低值冷点区域;黄色区域表示区域周围没有发生集聚的情况,即甲流发病率呈现空间随机分布;橙色区域表示较为显著的高值空间聚集,即甲流发病率较为显著的高值热点区域;红色区域表示显著的高值空间聚集,即甲流发病率显著的高值热点区域。

显示原图|下载原图ZIP|生成PPT
图32009-2013年中国甲型H1N1流感局部Getis-Ord G_i^*分析结果
-->Fig. 3Local Getis-Ord G_i^* of influenza A (H1N1) incidence in China during 2009-2013
-->

由图3可以看出,2009-2013年间中国大陆每年都有甲流的省级聚集性区域。其中,2009年,西部及西北部地区如新疆、西藏、甘肃和四川形成了一个甲流高发的显著热点区域,而湖南为显著的低值冷点区域,江西为较为显著的甲流低发冷点区域（图3a）;2010年,高发热点区域移至东南沿海省份,如浙江为显著高发热点区域,福建和江苏为较为显著的高发热点区域,而低值冷点区域往北移至内蒙古（图3b）;2011年,中国甲流发病率空间分布最为随机,仅探测到上海为甲流高发的显著热点区域（图3c）;2012年,探测到中国西北部地区再次成为甲流高发的显著热点区域（图3d）;2013年,甲流高发的显著热点区域移至中国南部省份如广西、广东及海南等,较为显著的甲流低发区域分布在新疆、西藏、安徽、河南和吉林,显著低发冷点区域集中在青海和山东（图3e）。纵观这5年来甲流发病率的局部热点探测结果,可以发现甲流高发的热点区域有逐渐南移的趋势。
（2）甲流发病率局部Moran散点图。上述的局部Getis-Ord G_i^*热点探测能够较好地识别空间上通过了显著性检验的高值或低值聚集区域,但无法获知每个空间单元所处空间位置的具体情况,所以本文结合Moran 散点图（图4）,将局部差异的空间格局可视化,研究各省份甲流发病的空间分布规律。

显示原图|下载原图ZIP|生成PPT
图42009-2003年中国甲型H1N1流感发病率Moran散点图分析结果
-->Fig. 4Moran scatterplot analysis of influenza A (H1N1) incidence in China during 2009-2013
-->

从图4可知,31个省份均分布在这四个象限中,且位于左下（LL）象限的点相对较多,说明这5年间中国甲流发病率的低值省份较多,并彼此相互连接,主要为中国中部地区的省份;位于右上（HH）象限的省份整体呈现逐年增多的趋势,由2009年新疆、西藏和青海3省增加到2013年广东、海南、福建等9个省份,且聚集重心有逐渐往东南部地区转移的趋势,这与局部Getis-Ord G_i^*热点探测分析得到的结论一致。此外,由局部Getis-Ord G_i^*热点探测得到的甲流发病率高值或低值聚集热点基本都囊括在对应的坐标象限中;左上（LH）象限及右下（HL）象限说明该年内甲流疫情的爆发存在一些高值（低值）省份,但是却被低值（高值）省份所包围,所以没有形成甲流爆发的热点地带。
另外,在每个年份的Moran散点图中,31个散点在不同年份呈现出不同的聚集状态：2009年（图4a）和2012年（图4d）大部分点较集中于原点附近,而2010年（图4b）、2011年（图4c）以及2013年（图4e）中的各散点分布相对分散,说明疫情在空间上表现为随机性和扩散性。并且部分散点图存在横坐标值最大的极端异常点,该点表示其对应的地区甲流发病率最大,这些省份分别是：西藏（2009年）、上海（2010年）、上海和宁夏（2011年）、宁夏和甘肃（2013年）。

4.3 甲流发病率的时间分布特征

对比全国2009-2012年逐月数据（图5）可以发现,2009年9-12月的甲流发病率明显高于其他3个年份相应月份,2010年、2011年和2012年各月发病率均在0.5（1/10万）之内。2009年从6月-11月发病率逐月增加,且8月份前增速较缓,之后剧增并于11月份达到顶峰约4.5（1/10万）,12月份有所下降。2012年甲流发病率在各月中的分布最为平均,2010和2011年的甲流发病率在年初1-3月最高,这提示出甲流发病可能存在时间聚集性。

显示原图|下载原图ZIP|生成PPT
图52009-2012年中国甲型H1N1流感逐月发病率
-->Fig. 5Monthly incidence of influenza A (H1N1)in China during 2009-2012
-->

对此,本文利用集中度方法定量分析各年份全国甲流发病率在时间上的聚集程度（表2）。从表2可以明确看出各年份均具有较强的季节性,其中2011年季节性最强,2012年较弱。
Tab. 2
表2
表22009-2012年中国甲型H1N1流感发病率集中度分析结果
Tab. 2Degree of concentration analysis of influenza A (H1N1) in China during 2009-2012

	2009年	2010年	2011年	2012年
集中度	0.85744	0.850715	0.910418	0.604701

新窗口打开
为了进一步探究各年份季节性波动情况,引入季节指数进行分析,得到季节不规则分量SR和季节性分量S,如图6所示。从图6可以看出,全国甲流季节不规则分量SR（含有季节性因素和随机性因素）曲线分别于2009年11-12月、2011年1-3月及2012年3-4月达到最大值;在去除随机因素的季节性因素S曲线上,分别于每年11月至次年4月形成波动的高峰值,具有明显的周期性,表示全国甲流发病率在时间上集中分布于这一时间段。

显示原图|下载原图ZIP|生成PPT
图62009-2012年中国甲型H1N1流感发病率季节变动指数
-->Fig. 6Seasonal index of influenza A (H1N1) incidence in China during 2009-2012
-->

此外,本文利用圆形分布方法分析2009-2012年中国31个省份甲流发病率在全年12个月中的综合分布情况,计算结果如下表3所示。由表3可知,除吉林外,其余省份Z值均大于Z_0.05=2.9957（给定95%的置信区间）,具有统计学意义,表示平均角存在。根据各省份的正弦、余弦值推算出相应平均角,并结合离差s求出聚集区间,再换算成相应日期范围。图7给出了各省份甲流高发的时间分布范围。
Tab. 3
表3
表32009-2012年中国甲型H1N1流感发病率圆形分布计算结果
Tab. 3Circular distribution analysis of influenza A (H1N1) incidence in China during 2009-2012

省份	$\begin{matrix} \sin \overset{?}{α} \end{matrix}$	$\begin{matrix} \cos \overset{?}{α} \end{matrix}$	Z值	离差s	省份	$\begin{matrix} \sin \overset{?}{α} \end{matrix}$	$\begin{matrix} \cos \overset{?}{α} \end{matrix}$	Z值	离差s
全国	-0.761	0.013	7.610	40.055	河南	-0.757	0.013	3.102	38.879
北京	-0.934	0.007	41.881	39.594	湖北	-0.713	0.014	6.958	39.451
天津	-0.655	0.015	6.329	39.346	湖南	-0.727	0.021	15.660	28.383
河北	-0.680	0.019	4.193	33.413	广东	-0.775	0.007	5.100	54.100
山西	-0.680	0.023	6.039	28.557	广西	-0.637	0.017	18.276	36.384
内蒙古	-0.915	0.012	7.584	29.122	海南	-0.687	0.009	5.844	51.469
辽宁	-0.898	0.011	3.716	33.687	重庆	-0.921	0.010	8.699	32.745
吉林	-0.646	0.006	1.478	66.089	四川	-0.895	0.009	5.287	37.772
黑龙江	-0.969	0.005	3.398	38.967	贵州	-0.754	0.017	6.479	33.336
上海	-0.474	0.008	7.439	61.842	云南	-0.547	0.016	5.369	41.462
江苏	-0.735	0.011	5.276	44.155	西藏	-0.917	0.017	150.052	21.660
浙江	-0.678	0.016	18.058	37.996	陕西	-0.738	0.017	12.956	33.455
安徽	-0.814	0.010	3.546	42.300	甘肃	-0.803	0.015	13.011	33.152
福建	-0.492	0.016	9.598	42.476	青海	-0.977	0.007	32.187	25.612
江西	-0.687	0.016	4.259	36.516	宁夏	-0.699	0.013	17.099	41.964
山东	-0.651	0.017	3.303	36.294	新疆	-0.768	0.014	17.588	37.024

新窗口打开
从图7可以看出,中国31个省份甲流的高发区间是年内累计20~150天内（吉林省未通过显著性检验）,按照圆形分布的原理,对应日期为1月下旬至5月,且大部分省份集中于2月中旬至4月上旬,这与上文的季节性指数分析结果一致。此外,图7可以看出江苏、广东和广西的甲流高发时间持续相对较长,这可能与当地的气候因素及人口流动等社会因素相关。

显示原图|下载原图ZIP|生成PPT
图72009-2012年中国31个省份甲型H1N1流感高发时间区间
-->Fig. 7Time intervals of high incidence of influenza A (H1N1) in 31 provinces of China during 2009-2012
-->

5 结论与讨论

甲型H1N1流感作为一种可通过患者传播且人群普遍易感的急性传染病,自2009年以来,在全球范围内大规模流行,不仅对人类健康造成了危害,也对全球经济造成了巨大的损失。本文利用GIS空间分析技术,并结合传统的时间序列分析方法对中国2009-2013年甲流发病率的空间分布和时间分布特征进行了较为全面的分析。
在空间分析上,通过GIS可视化工具,直观地展示了中国甲流发病率年际空间分布情况,发现2009年甲流发病率明显高于其他年份;采用全局空间自相关分析方法,在月际尺度上对中国大陆地区31个省份甲流发病率的时空分布进行了研究,结果发现每年10月至次年4月甲流发病率在空间上存在较强的相关性;利用局部空间自相关分析方法,在年际尺度上对甲流发病率的空间热点进行探测,并利用Moran散点图对各省份在空间上的邻域情况进行展示,结果表明甲流发病的高值聚集省份增多,且高值热点有逐渐南移的趋势,提示需要加强南部地区防控力度。在时间分析上,利用集中度指标定量化全国甲流发病率在月尺度上的聚集程度,结果揭示了每年都存在较显著的时间聚集性;然后利用季节性指标和圆形分布方法,分别分析全国2009-2012年逐月的季节性分布规律和中国31个省份甲流高发的集中时段,结果均显示全国及各省份甲流的高发时段集中分布于每年10月至次年4月。
综合以上分析,可以看出,甲流不仅在10月至次年4月这一时间段上高发,也在空间上形成了一定的相关性,这可能与当地气候等自然因素及人口流动等社会经济因素有关,值得进一步研究。此外,本文以省级行政单位作为空间研究单元,存在一些潜在的局限性,例如区域跨度过大,只能识别省际之间的差距,而对于各省内部的空间分布特征无从得知;以月为最小时间尺度,对于甲流发病率大幅增加的某些月份来说,难免觉得尺度过大,无法察觉月内甲流疫情的发展规律,应以日或周为时间单位进行较精细的分析更为妥当。而要进行疾病精细化的时空分析研究,足够细致的健康数据是其基础和前提。中国于2004年建立了传染病疫情信息网络直报系统,传染病监测信息得以及时、准确地记录在案,从而为实现传染病疫情精细化的时空分析提供了可能^[32]。同时,文中选用的分析指标为（粗）发病率,并未考虑地区间人口结构的差异。
致谢：衷心感谢国家人口与健康科学数据共享平台提供甲流疫情数据。
The authors have declared that no competing interests exist.

参考文献原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]	Kumar A, Zarychanski R, Pinto R, et al.Critically ill patients with 2009 influenza A (H1N1) infection in Canada. Jama, 2009, 302(17): 1872-1879. [本文引用: 1]
[2]	陈健, 蔡华, 袁政安, 等. 2009年上海市甲型H1N1流感大流行的特征分析 . 复旦学报: 医学版, 2011, 38(2): 121-125.https://doi.org/10.3969/j.issn.1672-8467.2011.02.006 URL [本文引用: 1]摘要目的分析上海市甲型H1N1流感（甲流）疫情的流行特征,为制定流感的预防控制策略提供参考。方法调查和收集上海市2009年5月至2010年4月期间确诊的全部甲流病例等疫情数据,对确诊病例的流行病学特征进行描述和分析。结果上海市2009年5月25日发现首例输入性甲流确诊病例,截至2010年4月30日,全市共报告甲流确诊病例3678例,其中住院病例331例,死亡10例。根据病情严重程度归类,轻症病例3 551例,重症病例98例,危重病例29例。所有确诊病例中有234例属境外输入病例。76.6%的甲流确诊病例为30岁以下的青壮年,并且以学生为主。重症病例以10岁以下儿童和50岁以上中老年人居多,男女性别比为2.38∶1。结论上海市甲流的流行经历了由输入性到本土流行两个阶段,有明显的季节性特征,在社会各方的共同努力之下,疫情已得到有效的控制。 [Chen Jian, Cai Hua, Yuan Zheng'an, et al. Analysis on epidemiological characteristics of pandemic influenza H1N1 in 2009 in Shanghai, China. Fudan University Journal of Medical Sciences, 2011, 38(2): 121-125.]https://doi.org/10.3969/j.issn.1672-8467.2011.02.006 URL [本文引用: 1]摘要目的分析上海市甲型H1N1流感（甲流）疫情的流行特征,为制定流感的预防控制策略提供参考。方法调查和收集上海市2009年5月至2010年4月期间确诊的全部甲流病例等疫情数据,对确诊病例的流行病学特征进行描述和分析。结果上海市2009年5月25日发现首例输入性甲流确诊病例,截至2010年4月30日,全市共报告甲流确诊病例3678例,其中住院病例331例,死亡10例。根据病情严重程度归类,轻症病例3 551例,重症病例98例,危重病例29例。所有确诊病例中有234例属境外输入病例。76.6%的甲流确诊病例为30岁以下的青壮年,并且以学生为主。重症病例以10岁以下儿童和50岁以上中老年人居多,男女性别比为2.38∶1。结论上海市甲流的流行经历了由输入性到本土流行两个阶段,有明显的季节性特征,在社会各方的共同努力之下,疫情已得到有效的控制。
[3]	常超一, 曹春香, 王桥, 等. H1N1甲型流感全球航空传播与早期预警研究 . 科学通报, 2010, 55(12): 1128-1133.Magsci [本文引用: 1]摘要一种新型流感(H1N1甲型流感)已经全球蔓延. 早期的研究显示, 在没有采取防控措施的情况下, 国际航空旅行可能引发一次严重的全球流感大流行. 在本研究中, H1N1甲型流感早期在墨西哥和美国的爆发被运用于SEIR流行病传播模型, 用以估计该病毒的传染性及疫情初步参数, 构建了一个基于实时航空数据的新的空间传播模型以评估H1N1甲型流感从墨西哥传播到世界各地的潜在风险. 结果显示, H1N1病毒的基本再生数<em>R</em><sub>0</sub>约为3.4, 有效再生数随防控措施下降明显, 研究还发现西班牙、加拿大、法国、巴拿马和秘鲁是最有可能发生严重的流感大流行的国家. [Chang Chaoyi, Cao Chunxiang, Wang Jiao, et al.Global aviation transmission and early warning research of influenza A(H1N1). Chinese Science Bulletin, 2010, 55(12): 1128-1133.]Magsci [本文引用: 1]摘要一种新型流感(H1N1甲型流感)已经全球蔓延. 早期的研究显示, 在没有采取防控措施的情况下, 国际航空旅行可能引发一次严重的全球流感大流行. 在本研究中, H1N1甲型流感早期在墨西哥和美国的爆发被运用于SEIR流行病传播模型, 用以估计该病毒的传染性及疫情初步参数, 构建了一个基于实时航空数据的新的空间传播模型以评估H1N1甲型流感从墨西哥传播到世界各地的潜在风险. 结果显示, H1N1病毒的基本再生数<em>R</em><sub>0</sub>约为3.4, 有效再生数随防控措施下降明显, 研究还发现西班牙、加拿大、法国、巴拿马和秘鲁是最有可能发生严重的流感大流行的国家.
[4]	王敏, 李阳, 孙晓北, 等. 2009年甲型H1N1流感国内外文献分析研究 . 医学研究杂志, 2010, 39(2): 98-102.https://doi.org/10.3969/j.issn.1673-548X.2010.02.035 URL [本文引用: 1]摘要 2009年甲型H1N1流感首先于3月18日在墨西哥出现，同年4月美国首次在人体内检测到这种新型病毒，目前该病毒已在全球范围内蔓延。经美国疾病预防控制中心鉴定，致病源为“四重基因重组”（quadruple reassortant）病毒，是一种同时含人、禽、猪（欧洲猪和亚洲猪）流感病毒序列的新型甲型H1N1流感病毒。 [Wang Min, Li Yang, Sun Xiaobei, et al.Review of 2009 influenza A H1N1. Journal of Medical Research, 2010, 39(2): 98-102.]https://doi.org/10.3969/j.issn.1673-548X.2010.02.035 URL [本文引用: 1]摘要 2009年甲型H1N1流感首先于3月18日在墨西哥出现，同年4月美国首次在人体内检测到这种新型病毒，目前该病毒已在全球范围内蔓延。经美国疾病预防控制中心鉴定，致病源为“四重基因重组”（quadruple reassortant）病毒，是一种同时含人、禽、猪（欧洲猪和亚洲猪）流感病毒序列的新型甲型H1N1流感病毒。
[5]	赵晓辉, 周大宇, 孙佩龙, 等. 2010-2014年锦州市流感监测及时空分布特征分析 . 现代预防医学, 2015, 42(11): 2062-2064.URL [本文引用: 1]摘要目的对锦州市城区(街道)监测的流感样病例特征进行描述,并进行聚集性分析,为制定流感防控措施提供理论依据.方法 2010年4月-2014年3月,对锦州市的流感样病例(Influenza-Like Illness,ILI)的监测数据和病原学监测结果进行分析;并采用时空重排模型对流感样病例进行聚集性分析.结果流感监测结果显示,2010年4月-2014年3月,锦州市共检测ILI标本3 298份,分离出流感病毒136株,阳性率为4.12％,流感流行期为每年12月份-次年2月份,历年按月份所监测的流感病毒阳性率高峰值与ILI％高峰期两者趋势存在正相关(r=0.273;P=0.027);2010年4月-2014年3月期间,时空扫描分析分别发现4起、3起、2起和5起聚集性区域,最有可能聚集性区域集中在天安街道、保安街道、北街街道和站前街道.结论将流感常规监测与时空聚集性分析方法相结合,准确发现流感聚集性区域,对流感的早期预警和传播控制具有重要应用价值. [Zhao Xiaohui, Zhou Dayu, Sun Peilong, et al.Analysis of influenza surveillance and its spatiotemporal characteristics Jinzhou, 2010-2014. Modern Preventive Medical, 2015, 42(11): 2062-2064.]URL [本文引用: 1]摘要目的对锦州市城区(街道)监测的流感样病例特征进行描述,并进行聚集性分析,为制定流感防控措施提供理论依据.方法 2010年4月-2014年3月,对锦州市的流感样病例(Influenza-Like Illness,ILI)的监测数据和病原学监测结果进行分析;并采用时空重排模型对流感样病例进行聚集性分析.结果流感监测结果显示,2010年4月-2014年3月,锦州市共检测ILI标本3 298份,分离出流感病毒136株,阳性率为4.12％,流感流行期为每年12月份-次年2月份,历年按月份所监测的流感病毒阳性率高峰值与ILI％高峰期两者趋势存在正相关(r=0.273;P=0.027);2010年4月-2014年3月期间,时空扫描分析分别发现4起、3起、2起和5起聚集性区域,最有可能聚集性区域集中在天安街道、保安街道、北街街道和站前街道.结论将流感常规监测与时空聚集性分析方法相结合,准确发现流感聚集性区域,对流感的早期预警和传播控制具有重要应用价值.
[6]	姚欣, 夏天琦, 翁敏. 基于扫描统计的甲型H1N1流感聚集性分析 . 测绘工程, 2015, 24(10): 56-58.URL摘要扫描统计已被广泛应用于地域性疾病的聚集性检测,且可检测这种聚集的差异显著性。文中使用扫描统计的方法,通过对2009~2012年全国各省的甲型H1N1流感数据进行时空扫描以及逐年的空间扫描,生成高发病率地区和低发病率地区聚类,并通过叠置分析反映各个地区归入聚类的频次。利用专题地图和统计表分析甲型流感在 2009~2012年中的爆发情况和趋势,并对结果进行客观的分析。 [Yao Xin, Xia Tianqi, Weng Min, et al.Analysis of the clustering of influenza A (H1N1) based on scan statistics. Engineering of Surveying and Mapping, 2015, 24(10): 56-58.]URL摘要扫描统计已被广泛应用于地域性疾病的聚集性检测,且可检测这种聚集的差异显著性。文中使用扫描统计的方法,通过对2009~2012年全国各省的甲型H1N1流感数据进行时空扫描以及逐年的空间扫描,生成高发病率地区和低发病率地区聚类,并通过叠置分析反映各个地区归入聚类的频次。利用专题地图和统计表分析甲型流感在 2009~2012年中的爆发情况和趋势,并对结果进行客观的分析。
[7]	徐敏, 曹春香, 程锦泉, 等. 甲流感疫情时空聚集性的GIS分析 . 地球信息科学学报, 2010, 12(5): 707-712.Magsci [本文引用: 1]摘要 2009年肆虐全球的甲流感疫情是由一种突变的猪流感病毒引发的流感,故又被称为猪流感。自2009年5月11日发现首例甲流感病例传入我国以来,在短短几个月的时间里,疫情迅速蔓延并呈现全国大爆发的态势。深圳因地理位置特殊,流动人口众多,一直是我国流行病的高发地区。本文以深圳市为例,对2009年5月26日至2009年11月15日间通过传染病疫情信息网络直报系统所上报的甲型H1N1流感确诊病例,分别依据患者的性别、年龄、职业等属性进行了统计,同时以日发病数为基本单位对这期间的甲流感疫情进行了时序与特征分析;并将病例数据输入地理信息系统进行地理空间定位,选取病例患者的家庭住址作为地理空间定位的基本单元,利用回顾性时空重排扫描统计量的方法对这期间深圳市的甲流感疫情进行时空聚集性分析。结果显示,深圳市的甲流感疫情的时空聚集性重点表现在9月份上旬与香港接壤的南部地区,对深圳市疫情的防控要重点布置在与香港往来的几个通关口岸处。 [Xu Min, Cao Chunxiang, Cheng Jinquan, et al.Space-time cluster detection of pandemic H1N1 influenza A using GIS. Journal of GeoInformation Science, 2010, 12(5): 707-712.]Magsci [本文引用: 1]摘要 2009年肆虐全球的甲流感疫情是由一种突变的猪流感病毒引发的流感,故又被称为猪流感。自2009年5月11日发现首例甲流感病例传入我国以来,在短短几个月的时间里,疫情迅速蔓延并呈现全国大爆发的态势。深圳因地理位置特殊,流动人口众多,一直是我国流行病的高发地区。本文以深圳市为例,对2009年5月26日至2009年11月15日间通过传染病疫情信息网络直报系统所上报的甲型H1N1流感确诊病例,分别依据患者的性别、年龄、职业等属性进行了统计,同时以日发病数为基本单位对这期间的甲流感疫情进行了时序与特征分析;并将病例数据输入地理信息系统进行地理空间定位,选取病例患者的家庭住址作为地理空间定位的基本单元,利用回顾性时空重排扫描统计量的方法对这期间深圳市的甲流感疫情进行时空聚集性分析。结果显示,深圳市的甲流感疫情的时空聚集性重点表现在9月份上旬与香港接壤的南部地区,对深圳市疫情的防控要重点布置在与香港往来的几个通关口岸处。
[8]	Liu Y, Wang W, Li X, et al.Geographic distribution and risk factors of the initial adult hospitalized cases of 2009 pandemic influenza A (H1N1) virus infection in mainland China. PLoS one, 2011, 6(10): e25934.https://doi.org/10.1371/journal.pone.0025934 URLPMID:22022474 [本文引用: 1]摘要 Background As of 31 st March 2010, more than 127,000 confirmed cases of 2009 pandemic influenza A (H1N1), including 800 deaths, were reported in mainland China. The distribution and characteristics of the confirmed cases in the initial phase of this pandemic in this country are largely unknown. The present study aimed to characterize the geographic distribution and patient characteristics of H1N1 infection in the 2009 pandemic as well as to identify potential risk factors associated with adverse patient outcome in China, through retrospective analyses of 885 hospitalized cases with confirmed H1N1 infection. Methodology/Principal Findings The proportional hazards model was employed to detect risk factors for adverse outcome; the geo-statistical maps were used to characterize the distribution of all 2668 confirmed H1N1 patients throughout mainland China. The number of new cases increased slowly in May, 2009, but rapidly between June and August of the year. Confirmed cases were reported in 26 provinces; Beijing, Guangdong, Shanghai, Zhejiang and Fujian were the top five regions of the incidence of the virus infection. After being adjusted for gender, age, chronic pulmonary disease and other general symptoms, delay for more than two days before hospital admission (HR: 0.6; 95%CI: 0.5鈥0.7) and delayed onset of the H1N1-specific respiratory symptoms (HR: 0.3; 95%CI: 0.2鈥0.4) were associated with adverse patient outcome. Conclusions/Significance The 2009 pandemic influenza A affected east and southeast coastal provinces and most populous cities more severely than other regions in mainland China due to higher risk of high level traffic-, high population density-, and high population mobility-associated H1N1 transmission.The clinical symptoms were mild in the initial phase of infection. Delayed hospital admission and delayed appearance of respiratory symptoms were among the major risk factors for poor patient outcome. These findings may have significant implications in the future pandemic preparedness and response.
[9]	赵啸, 刘民, 李松林, 等. 发热门诊就诊患者的时空聚集性分析 . 疾病监测, 2013, 28(4): 256-259.https://doi.org/10.3784/j.issn.1003-9961.2013.4.003 Magsci [本文引用: 1]摘要 <b>目的 </b>研究发热症状的时空分布特征,探索呼吸道传染病疫情的时空分布特点及时空聚集性特征,为呼吸道传染病的早期预警提供依据。 <b>方法 </b>利用北京市朝阳区一所三级甲等医院发热门诊所建立的症状监测系统,收集2009年4月1日00:00时至2010年3月31日24:00时期间的就诊患者的病历资料,应用回顾性时空重排扫描统计量方法进行时空扫描分析,并对其中流行性感冒(流感)样病例、流感患者、发热待查患者分别进行分析。 <b>结果 </b>以50%时间周期进行扫描,发热门诊就诊患者、流感样病例、流感患者、发热待查患者的分布均可探测到聚集区域,经检验差异有统计学意义,聚集区域集中在北京市朝阳区中部。流感样病例与流感患者聚集区域接近,区域中点距离为0.92 km,大部分重叠。 <b>结论 </b>对发热门诊就诊患者的时空聚集性探测,可以准确发现呼吸道传染病患者的聚集区域,有利于早期预警。发热门诊的症状监测系统对呼吸道传染病的防控具有较为重要的价值。 [Zhao Xiao, Liu Min, Li Songlin, et al.Time-space clustering of outpatients in fiber illness clinic. Disease Surveillance, 2013, 28(4): 256-259.]https://doi.org/10.3784/j.issn.1003-9961.2013.4.003 Magsci [本文引用: 1]摘要 <b>目的 </b>研究发热症状的时空分布特征,探索呼吸道传染病疫情的时空分布特点及时空聚集性特征,为呼吸道传染病的早期预警提供依据。 <b>方法 </b>利用北京市朝阳区一所三级甲等医院发热门诊所建立的症状监测系统,收集2009年4月1日00:00时至2010年3月31日24:00时期间的就诊患者的病历资料,应用回顾性时空重排扫描统计量方法进行时空扫描分析,并对其中流行性感冒(流感)样病例、流感患者、发热待查患者分别进行分析。 <b>结果 </b>以50%时间周期进行扫描,发热门诊就诊患者、流感样病例、流感患者、发热待查患者的分布均可探测到聚集区域,经检验差异有统计学意义,聚集区域集中在北京市朝阳区中部。流感样病例与流感患者聚集区域接近,区域中点距离为0.92 km,大部分重叠。 <b>结论 </b>对发热门诊就诊患者的时空聚集性探测,可以准确发现呼吸道传染病患者的聚集区域,有利于早期预警。发热门诊的症状监测系统对呼吸道传染病的防控具有较为重要的价值。
[10]	徐文体, 李琳, 董晓春, 等. 天津市社区流感监测时空聚集性分析 . 中国公共卫生, 2011, 27(11): 1399-1401.https://doi.org/10.11847/zgggws2011-27-11-15 Magsci [本文引用: 1]摘要 <b>目的</b> 对天津市社区(村)进行流感监测及时空聚集性分析,为及时预警、有效处置流感聚集性区域提供理论依据.<b>方法</b> 2009年10月-2011年2月,在汉沽区汉沽街及4个社区卫生服务站、大田镇卫生院及6个村卫生所进行社区流感样病例每日监测,对所有病例标本进行流感快速检测,阳性者采集咽拭子通过Real-time PCR检测流感病毒核酸,采用SaTScan软件时空重排模型分析流感聚集性.<b>结果</b> 流感社区监测显示,2009年10月因甲型H1N1流感大流行出现一个大高峰,证明甲型H1N1流感大流行期间,农村也出现了甲型H1N1流感暴发流行的情况,2010/2011年度流感流行季疫情均较2009年同期明显下降;时空重排扫描分析发现10个有统计学意义的集群,2009年流感样病例(ILI)聚集性区域主要集中在汉沽街、大田镇及周边村(新立村、芦家坞)、大王庄、大田镇及周边村(新立村、大王庄),最有可能的集群为汉沽街(<i>RR</i>=27.44,<i>P</i>=0.0001),其他区域主要为次要集群;2010年流感疫情较平稳,只有大田镇小马杓村出现ILI聚集,并且为最优可能集群(<i>RR</i>=12.53,<i>P</i>=0.0001);经核实确认2起甲型H1N1流感暴发.<b>结论</b> 在社区进行流感时空聚集性分析,更准确地发现聚集性区域,早期预警,在公共卫生实践中有一定应用价值. [Xu Wenti, Li Lin, Dong Xiaochun, et al.Spatial and temporal cluster analysis of influenza epidemic in community surveillance of Tianjin city. Chinese Journal of Public Health, 2011, 27(11): 1399-1401.]https://doi.org/10.11847/zgggws2011-27-11-15 Magsci [本文引用: 1]摘要 <b>目的</b> 对天津市社区(村)进行流感监测及时空聚集性分析,为及时预警、有效处置流感聚集性区域提供理论依据.<b>方法</b> 2009年10月-2011年2月,在汉沽区汉沽街及4个社区卫生服务站、大田镇卫生院及6个村卫生所进行社区流感样病例每日监测,对所有病例标本进行流感快速检测,阳性者采集咽拭子通过Real-time PCR检测流感病毒核酸,采用SaTScan软件时空重排模型分析流感聚集性.<b>结果</b> 流感社区监测显示,2009年10月因甲型H1N1流感大流行出现一个大高峰,证明甲型H1N1流感大流行期间,农村也出现了甲型H1N1流感暴发流行的情况,2010/2011年度流感流行季疫情均较2009年同期明显下降;时空重排扫描分析发现10个有统计学意义的集群,2009年流感样病例(ILI)聚集性区域主要集中在汉沽街、大田镇及周边村(新立村、芦家坞)、大王庄、大田镇及周边村(新立村、大王庄),最有可能的集群为汉沽街(<i>RR</i>=27.44,<i>P</i>=0.0001),其他区域主要为次要集群;2010年流感疫情较平稳,只有大田镇小马杓村出现ILI聚集,并且为最优可能集群(<i>RR</i>=12.53,<i>P</i>=0.0001);经核实确认2起甲型H1N1流感暴发.<b>结论</b> 在社区进行流感时空聚集性分析,更准确地发现聚集性区域,早期预警,在公共卫生实践中有一定应用价值.
[11]	Lee S S, Wong N S.The clustering and transmission dynamics of pandemic influenza A (H1N1) 2009 cases in Hong Kong. Journal of Infection, 2011, 63(4): 274-280.https://doi.org/10.1016/j.jinf.2011.03.011 Magsci [本文引用: 1]摘要 Objectives: Human influenza A (H1N1) 2009 has caused severe epidemics in many countries, but its dynamics in spatial and temporal contexts have so far been poorly appreciated.<br/>Methods: A total of 24,414 laboratory confirmed human influenza A (H1N1) 2009 cases reported from May to September 2009 in Hong Kong were evaluated, using a Geographic Information System (GIS)-based approach. Spatio-temporal clustering was assessed after dividing Hong Kong into 4 geographic sectors, 18 districts and 500 m x 500 m cells. Global Moran's I, Local Moran's I and SaTScan (TM) were used in the exploration.<br/>Results: Spatio-temporal clusters first appeared on Hong Kong Island at week 3, alongside multiple foci suggestive of infection nidus introduced from abroad. The clusters grew rapidly and became confluent in urban areas, lasting till week 22. Separately, local clusters emerged in the North representing second or third generation infections, which died down over a relatively short period of time.<br/>Conclusion: Heterogeneity of spatio-temporal clustering of H1N1 was demonstrated during the epidemic, despite the small area of the territory of Hong Kong. The dynamics could have been shaped by population mobility at a local level. The application of GIS in epidemiology studies can add value to standard surveillance activities. (C) 2011 The British Infection Association. Published by Elsevier Ltd. All rights reserved.
[12]	杨海翔, 肖洪, 田怀玉, 等. 基于地理信息系统的长沙市2009年甲型H1N1流感的空间分析 . 职业与健康, 2011, 27(4): 376-380.URL [本文引用: 1]摘要目的研究长沙市甲型H1N1流感空间分布特征和规律,为甲型H1N1流感的有效防控提供科学依据。方法收集2009年长沙市各街道甲型H1N1流感发病资料,分析其时间和空间分布特征,运用ArcGIS对其发病率进行绘制,并用空间统计方法,分析甲型H1N1流感的空间聚集性及局部自相关性。结果发病率图和Moran'sI空间自相关分析均显示,长沙市甲型H1N1流感呈分散分布,高发病率和低发病率相邻,相邻区域具有不相似的现象。G统计分析指出甲型H1N1流感的3个高发热点区域:橘子洲街道、洪山街道和望麓街道,远离市中心的乡镇和街道为甲型H1N1流感发病相对较低的地区。结论长沙市甲型H1N1流感具有明显的地理分布特征。 [Yang Haixiang, Xiao Hong, Tian Huaiyu, et al.Spatial and temporal analysis of influenza A(H1N1) in Changsha city based on GIS. Occupation and Health, 2011, 27(4): 376-380.]URL [本文引用: 1]摘要目的研究长沙市甲型H1N1流感空间分布特征和规律,为甲型H1N1流感的有效防控提供科学依据。方法收集2009年长沙市各街道甲型H1N1流感发病资料,分析其时间和空间分布特征,运用ArcGIS对其发病率进行绘制,并用空间统计方法,分析甲型H1N1流感的空间聚集性及局部自相关性。结果发病率图和Moran'sI空间自相关分析均显示,长沙市甲型H1N1流感呈分散分布,高发病率和低发病率相邻,相邻区域具有不相似的现象。G统计分析指出甲型H1N1流感的3个高发热点区域:橘子洲街道、洪山街道和望麓街道,远离市中心的乡镇和街道为甲型H1N1流感发病相对较低的地区。结论长沙市甲型H1N1流感具有明显的地理分布特征。
[13]	陈江平, 张兰兰, 余远剑, 等. 利用空间自相关的中国内陆甲型H1N1流感疫情分析 . 武汉大学学报: 信息科学版, 2011, 36(11): 1363-1366.URL [本文引用: 1]摘要为了获得对中国大陆地区2009年爆发的甲型H1N1流感疫情的时空分布的认识,以中国省级甲流疫情的逐月时空数据（时间序列为2009年5月至2010年3月）为研究对象,采用空间自相关方法对其进行了分析。结果发现,甲流传播的集聚性是由弱到强变化的,疫情大致经历了三个阶段：早期的随机分布、中期的扩散以及后期的集中控制;广东、北京、浙江是疫情最为严重的地区,但高高疫情相邻的省份不多;统计学上显著的疫情爆发热点集中在中东部的浙江、江苏、上海、福建等地,聚集重心并未随着时间发生转移。 [Chen Jiangping, Zhang Lanlan, Yu Yuanjian, et al.Analysis on epidemic of A(H1N1) Flu in mainland China based on spatial statistical methods. Geomatics and Information Science of Wuhan University, 2011, 36(11): 1363-1366.]URL [本文引用: 1]摘要为了获得对中国大陆地区2009年爆发的甲型H1N1流感疫情的时空分布的认识,以中国省级甲流疫情的逐月时空数据（时间序列为2009年5月至2010年3月）为研究对象,采用空间自相关方法对其进行了分析。结果发现,甲流传播的集聚性是由弱到强变化的,疫情大致经历了三个阶段：早期的随机分布、中期的扩散以及后期的集中控制;广东、北京、浙江是疫情最为严重的地区,但高高疫情相邻的省份不多;统计学上显著的疫情爆发热点集中在中东部的浙江、江苏、上海、福建等地,聚集重心并未随着时间发生转移。
[14]	Garten R J.Antigenic and genetic characteristics of swine-origin 2009 A(H1N1) Influenza viruses circulating in humans. Science, 2009, 325(5937): 197-201.https://doi.org/10.1126/science.1176225 URLPMID:19465683 [本文引用: 1]摘要 Since its identification in April 2009, an A(H1N1) virus containing a unique combination of gene segments from both North American and Eurasian swine lineages has continued to circulate in humans. The lack of similarity between the 2009 A(H1N1) virus and its nearest relatives indicates that its gene segments have been circulating undetected for an extended period. Its low genetic diversity suggests that the introduction into humans was a single event or multiple events of similar viruses. Molecular markers predictive of adaptation to humans are not currently present in 2009 A(H1N1) viruses, suggesting that previously unrecognized molecular determinants could be responsible for the transmission among humans. Antigenically the viruses are homogeneous and similar to North American swine A(H1N1) viruses but distinct from seasonal human A(H1N1).
[15]	王劲峰. 空间分析. 北京: 科学出版社, 2006. [本文引用: 1] [Wang Jinfeng. Spatial Analysis.Beijing: Science Press, 2006.] [本文引用: 1]
[16]	山珂, 徐凌忠, 盖若琰, 等. 中国2002-2011年肺结核流行状况GIS空间分析 . 中国公共卫生, 2014, 30(4): 388-391.https://doi.org/10.11847/zgggws2014-30-04-02 Magsci [本文引用: 1]摘要 <strong>目的 </strong>分析2002—2011年中国肺结核发病的流行状况特征。<strong>方法 </strong>运用ArcGis 10.0软件探索性数据分析和空间分析方法，对中国肺结核疫情数据进行空间显示和统计分析。<strong>结果 </strong>肺结核发病图和空间自相关分析结果显示，2002—2011年肺结核发病存在高发区和低发区，并存在空间聚集性；局部Local Moran’s I自相关分析结果表明，新疆、贵州、广西地区为高高值聚集，北京、天津、河北、山东、辽宁、江苏为低低值聚集；局部热点分析Getis-Qrd General G<sub>i</sub><sup></sup>结果表明，全国肺结核疫情存在13个“热点”区域，其中4个“正热点”区域分别为新疆、西藏、云南、广西，9个“负热点”区域分别为北京、天津、河北、辽宁、山东、山西、河南、江苏、内蒙古。<strong>结论 </strong>中国肺结核发病具有明显的地域分布，存在中度以上的空间聚集性，应针对其地域特点进一步研究。 [Shan Ke, Xu Lingzhong, Gai ruoyan, et al. Spatial analysis to tuberculosis epidemic in China based on Geography Information System, 2002-2011.* Chinese Journal of Public Health, 2014, 30(4): 388-391.]https://doi.org/10.11847/zgggws2014-30-04-02 Magsci [本文引用: 1]摘要 <strong>目的 </strong>分析2002—2011年中国肺结核发病的流行状况特征。<strong>方法 </strong>运用ArcGis 10.0软件探索性数据分析和空间分析方法，对中国肺结核疫情数据进行空间显示和统计分析。<strong>结果 </strong>肺结核发病图和空间自相关分析结果显示，2002—2011年肺结核发病存在高发区和低发区，并存在空间聚集性；局部Local Moran’s I自相关分析结果表明，新疆、贵州、广西地区为高高值聚集，北京、天津、河北、山东、辽宁、江苏为低低值聚集；局部热点分析Getis-Qrd General G<sub>i</sub><sup>*</sup>结果表明，全国肺结核疫情存在13个“热点”区域，其中4个“正热点”区域分别为新疆、西藏、云南、广西，9个“负热点”区域分别为北京、天津、河北、辽宁、山东、山西、河南、江苏、内蒙古。<strong>结论 </strong>中国肺结核发病具有明显的地域分布，存在中度以上的空间聚集性，应针对其地域特点进一步研究。
[17]	Haining R P.Spatial Data Analysis: Theory and Practice. Cambridge: Cambridge University Press, 2003.https://doi.org/10.1146/annurev-publhealth-032315-021711 URL [本文引用: 1]摘要 Models, Methods and Techniques
[18]	李鄂川. 柳州市土地利用综合效益评价的研究 . 武汉: 华中农业大学硕士学位论文, 2007.https://doi.org/10.7666/d.y1198026 URL [本文引用: 1]摘要随着工业化和城镇化进程的加快，土地供给需求之间的矛盾日趋紧张。而优化土地资源配置、提高土地利用效益是解决上述问题的关键。土地利用效益的提高是促进土地利用的经济、社会和生态效益提高，并实现其协调统一的重要途径。本研究从人地关系入手，结合可持续发展的理论，通过基于DSR模型构建评价指标体系，对柳州市2003-2005年的土地利用综合效益水平进行了评价。并在此基础上，借助ESDA理论与方法，对土地利用综合效益的空间变异性进行了分析。通过分析，结合研究区域实际情况，提出提高土地利用综合效益的意见和建议。本文取得的主要成果有： (1)构建了土地利用综合效益评价的DSR模型。以人地关系入手，对土地利用效益内涵与外延进行探讨。土地利用效益是指土地的数量、质量在空间和时间上的安排、使用及优化，给区域带来的生态、经济和社会效益的总和。在此基础上，构建基于DSR模型的评价指标体系，并对各个指标的含义进行了分析。 (2)对柳州土地利用综合效益水平进行评价。在评价模型的基础上，运用层次分析法确定各指标权重，将评价指标数值进行量化，利用综合评价模型计算出各单元土地利用综合效益的水平。并从时间及空间分布上对其进行了比较和分析。由计算结果可以看出，柳州市土地利用综合效益水平处于中等水平。 (3)利用ESDA的理论和方法，对柳州市土地利用综合效益的空间变异进行了分析，探索出空间分布的规律和现实意义。结果显示，所研究的区域存在着一定的正空间效应，从发展趋势可以得出其与周边地区存在着相互联系和影响，但是扩散效应不显著，范围比较局限，未对周边地区形成大的辐射作用。 (4)根据评价结果和空间变异规律的分析，从可持续发展的角度，提高土地利用集约程度，依靠科技进步，加速提升柳州市土地利用综合效益水平。具体可以从以下几个方面入手：强化政府责任完善土地制度；按照市场经济手段优化土地资源配置；加大土地整理和复垦；完善现有的评价制度等手段提高柳州市土地利用综合效益的水平。 [Li Echuang.Study on evaluation to integrative efficiency of land use in Liuzhou city. Wuhan: Master Dissertation of Huazhong Agricultural University, 2007.]https://doi.org/10.7666/d.y1198026 URL [本文引用: 1]摘要随着工业化和城镇化进程的加快，土地供给需求之间的矛盾日趋紧张。而优化土地资源配置、提高土地利用效益是解决上述问题的关键。土地利用效益的提高是促进土地利用的经济、社会和生态效益提高，并实现其协调统一的重要途径。本研究从人地关系入手，结合可持续发展的理论，通过基于DSR模型构建评价指标体系，对柳州市2003-2005年的土地利用综合效益水平进行了评价。并在此基础上，借助ESDA理论与方法，对土地利用综合效益的空间变异性进行了分析。通过分析，结合研究区域实际情况，提出提高土地利用综合效益的意见和建议。本文取得的主要成果有： (1)构建了土地利用综合效益评价的DSR模型。以人地关系入手，对土地利用效益内涵与外延进行探讨。土地利用效益是指土地的数量、质量在空间和时间上的安排、使用及优化，给区域带来的生态、经济和社会效益的总和。在此基础上，构建基于DSR模型的评价指标体系，并对各个指标的含义进行了分析。 (2)对柳州土地利用综合效益水平进行评价。在评价模型的基础上，运用层次分析法确定各指标权重，将评价指标数值进行量化，利用综合评价模型计算出各单元土地利用综合效益的水平。并从时间及空间分布上对其进行了比较和分析。由计算结果可以看出，柳州市土地利用综合效益水平处于中等水平。 (3)利用ESDA的理论和方法，对柳州市土地利用综合效益的空间变异进行了分析，探索出空间分布的规律和现实意义。结果显示，所研究的区域存在着一定的正空间效应，从发展趋势可以得出其与周边地区存在着相互联系和影响，但是扩散效应不显著，范围比较局限，未对周边地区形成大的辐射作用。 (4)根据评价结果和空间变异规律的分析，从可持续发展的角度，提高土地利用集约程度，依靠科技进步，加速提升柳州市土地利用综合效益水平。具体可以从以下几个方面入手：强化政府责任完善土地制度；按照市场经济手段优化土地资源配置；加大土地整理和复垦；完善现有的评价制度等手段提高柳州市土地利用综合效益的水平。
[19]	王劲峰, 葛咏, 李连发, 等. 地理学时空数据分析方法 . 地理学报, 2014, 69(9): 1326-1345.https://doi.org/10.11821/dlxb201409007 Magsci [本文引用: 1]摘要随着地理空间观测数据的多年积累,地球环境、社会和健康数据监测能力的增强,地理信息系统和计算机网络的发展,时空数据集大量生成,时空数据分析实践呈现快速增长.本文对此进行了分析和归纳,总结了时空数据分析的7 类主要方法,包括:时空数据可视化,目的是通过视觉启发假设和选择分析模型;空间统计指标的时序分析,反映空间格局随时间变化;时空变化指标,体现时空变化的综合统计量;时空格局和异常探测,揭示时空过程的不变和变化部分;时空插值,以获得未抽样点的数值;时空回归,建立因变量和解释变量之间的统计关系;时空过程建模,建立时空过程的机理数学模型;时空演化树,利用空间数据重建时空演化路径.通过简述这些方法的基本原理、输入输出、适用条件以及软件实现,为时空数据分析提供工具和方法手段. [Wang Jinfeng, Ge Yong, Li Lianfa, et al.Spatiotemporal data analysis in Geography. Acta Geographica Sinica, 2014, 69(9): 1326-1345.]https://doi.org/10.11821/dlxb201409007 Magsci [本文引用: 1]摘要随着地理空间观测数据的多年积累,地球环境、社会和健康数据监测能力的增强,地理信息系统和计算机网络的发展,时空数据集大量生成,时空数据分析实践呈现快速增长.本文对此进行了分析和归纳,总结了时空数据分析的7 类主要方法,包括:时空数据可视化,目的是通过视觉启发假设和选择分析模型;空间统计指标的时序分析,反映空间格局随时间变化;时空变化指标,体现时空变化的综合统计量;时空格局和异常探测,揭示时空过程的不变和变化部分;时空插值,以获得未抽样点的数值;时空回归,建立因变量和解释变量之间的统计关系;时空过程建模,建立时空过程的机理数学模型;时空演化树,利用空间数据重建时空演化路径.通过简述这些方法的基本原理、输入输出、适用条件以及软件实现,为时空数据分析提供工具和方法手段.
[20]	Geary R C.The contiguity ratio and statistical mapping. The Incorporated Statistician, 1954, 5(3): 115-146.
[21]	Getis A, Ord J K.The analysis of spatial association by use of distance statistics. Geographical Analysis, 1992, 24(3): 189-206.https://doi.org/10.1111/j.1538-4632.1992.tb00261.x URL [本文引用: 1]摘要 Introduced in this paper is a family of statistics, G, that can be used as a measure of spatial association in a number of circumstances. The basic statistic is derived, its properties are identified,
[22]	Anselin L.Local indicators of spatial association-LISA. Geographical Analysis, 1995, 27(2): 93-115.URL [本文引用: 1]
[23]	杨丽媛, 张堉. 集中度在分析儿科死亡病例时间分布中的应用 . 临床儿科杂志, 1989, 7(4): 221-222.URL [本文引用: 1]摘要正集中度是准确反映全年总量在各个时期集中程度的一个定量指标,近几年来已引入流行病学分析中。儿科临床工作中,也需要研究疾病群体现象在一年内的集中程度。现以临沂地区某医院1981～1987年儿科7类疾病病死率时间分析为例,对集中度在临床分析中的应用作初步探讨如下。 [Yang Liyuan, Zhang Yu.Application of concentration degree on the time distribution of pediatric deaths. Journal of Clinical Pediatrics, 1989, 7(4): 221-222.]URL [本文引用: 1]摘要正集中度是准确反映全年总量在各个时期集中程度的一个定量指标,近几年来已引入流行病学分析中。儿科临床工作中,也需要研究疾病群体现象在一年内的集中程度。现以临沂地区某医院1981～1987年儿科7类疾病病死率时间分析为例,对集中度在临床分析中的应用作初步探讨如下。
[24]	刘亚杰. 集中度在流行病学分析中的初步探讨: 集中度的计算方法简介 . 中国公共卫生, 1985, 4(3): 43-45.Magsci [本文引用: 1]摘要死亡率高低与平均期望寿命长短能看出一个地区卫生状况优劣以及居民健康水平。寿命损失量更能直观地反映死亡水平对期望寿命的影响。为了探讨冶金矿区居民死因和寿命损失量，分析影响矿区居民健康和寿命的主要疾病，为制定冶金矿区工业卫生工作计划，提供更多的信息，在南方6个冶金矿区进行了回顾性调查。 [Liu Yajie.Preliminary discussion of concentration degree on epidemiology-Introduction of the method to calculate the concentration degree. Chinese Journal of Public Health, 1985, 4(3): 43-45.]Magsci [本文引用: 1]摘要死亡率高低与平均期望寿命长短能看出一个地区卫生状况优劣以及居民健康水平。寿命损失量更能直观地反映死亡水平对期望寿命的影响。为了探讨冶金矿区居民死因和寿命损失量，分析影响矿区居民健康和寿命的主要疾病，为制定冶金矿区工业卫生工作计划，提供更多的信息，在南方6个冶金矿区进行了回顾性调查。
[25]	崔树峰, 马建新, 李书明. 时间序列分解法在北京市朝阳区细菌性痢疾周报告发病率预测中的应用 . 中国卫生统计, 2009, 26(6): 583-585.https://doi.org/10.3969/j.issn.1002-3674.2009.06.007 URL [本文引用: 1]摘要目的使用时间序列分解法建立数学模型对北京市朝阳区细菌性痢疾报告发病率按"周"进行预测,并评价模型的预测效果。方法首先使用时间序列分解法剔除时间序列的季节变动因素(St),然后对剔除季节因素后的时间序列通过模型识别、参数估计及检验、白噪声检验等过程,建立求和自回归移动平均模型(ARIMA),最后将St和ARIMA相乘得到预测模型。结果对朝阳区2008年细菌性痢疾报告发病率建立预测模型为St×ARIMA(2,1,3),预测的平均误差为-0.06,平均相对误差为2.32%。结论时间序列分解法可以利用按"周"统计的数据进行预测,缩短了预测周期,并具有较高的短期预测精度。 [Cui Shufeng, Ma Jianxin, Li Shuming.The application of the prediction of the reported weekly incidence of bacillary dysentery in Chaoyang district using the time series model. Chinese Journal of Health Statistics, 2009, 26(6): 583-585.]https://doi.org/10.3969/j.issn.1002-3674.2009.06.007 URL [本文引用: 1]摘要目的使用时间序列分解法建立数学模型对北京市朝阳区细菌性痢疾报告发病率按"周"进行预测,并评价模型的预测效果。方法首先使用时间序列分解法剔除时间序列的季节变动因素(St),然后对剔除季节因素后的时间序列通过模型识别、参数估计及检验、白噪声检验等过程,建立求和自回归移动平均模型(ARIMA),最后将St和ARIMA相乘得到预测模型。结果对朝阳区2008年细菌性痢疾报告发病率建立预测模型为St×ARIMA(2,1,3),预测的平均误差为-0.06,平均相对误差为2.32%。结论时间序列分解法可以利用按"周"统计的数据进行预测,缩短了预测周期,并具有较高的短期预测精度。
[26]	黄克珑, 林淼. 居民消费价格指数的时间序列分解预测法 . 统计与决策, 2009, (24): 4-6.URL Magsci [本文引用: 1]摘要居民消费价格指数是反映通货膨胀程度的重要指标,也是宏观经济分析和决策,价格总水平监控以及宏观经济核算的重要指标.文章采用时间序列分解的方法,预测居民消费价格指数的变动.该方法在预测的同时还能对时间序列进行分解分析,得到居民消费价格指数的基本走势信息. [Huang Kelong, Lin Miao.Time series decomposition prediction of consumer price index. Statistics and Decision, 2009, (24): 4-6.]URL Magsci [本文引用: 1]摘要居民消费价格指数是反映通货膨胀程度的重要指标,也是宏观经济分析和决策,价格总水平监控以及宏观经济核算的重要指标.文章采用时间序列分解的方法,预测居民消费价格指数的变动.该方法在预测的同时还能对时间序列进行分解分析,得到居民消费价格指数的基本走势信息.
[27]	魏珊, 陆一涵, 高眉扬, 等. 我国戊型肝炎发病例数的时间序列分析 . 中国卫生统计, 2012, 29(6): 808-811.URL [本文引用: 1]摘要目的通过分析卫生部全国传染病网络直报系统提供的2005～2010年全国戊型肝炎(戊肝)月发病数据,了解戊肝的发病趋势和季节性特征,为戊肝的防治工作提供参考依据。方法首先利用时间序列分解法分解出戊肝月发病数的季节性变动因素和长期趋势因素,然后利用圆形分布法验证季节性变动因素的季节性聚集趋势,并得到发病高峰时点和高峰期。结果 2005～2010年间全国戊肝发病呈不断上升趋势;戊肝发病呈现季节性,每年为一个周期,呈单峰型,集中趋势有统计学意义(P0.01),发病高峰时点在3月末4月初,发病高峰期在冬春季,尤其是春季相对高发,其他月份低发。结论戊肝发病具有季节性和上升趋势,应于冬季12月份开始开展戊肝的防治工作。 [Wei Shan, Lu Yihan, Gao Meiyang, et al.Time series analysis of Hepatitis E incidence in China. Chinese Journal of Health Statistics, 2012, 29(6): 808-811.]URL [本文引用: 1]摘要目的通过分析卫生部全国传染病网络直报系统提供的2005～2010年全国戊型肝炎(戊肝)月发病数据,了解戊肝的发病趋势和季节性特征,为戊肝的防治工作提供参考依据。方法首先利用时间序列分解法分解出戊肝月发病数的季节性变动因素和长期趋势因素,然后利用圆形分布法验证季节性变动因素的季节性聚集趋势,并得到发病高峰时点和高峰期。结果 2005～2010年间全国戊肝发病呈不断上升趋势;戊肝发病呈现季节性,每年为一个周期,呈单峰型,集中趋势有统计学意义(P0.01),发病高峰时点在3月末4月初,发病高峰期在冬春季,尤其是春季相对高发,其他月份低发。结论戊肝发病具有季节性和上升趋势,应于冬季12月份开始开展戊肝的防治工作。
[28]	Rayleigh L. XII. On the resultant of a large number of vibrations of the same pitch and of arbitrary phase . Philosophical Magazine and Journal of Science, 1880, 10(60): 73-78. [本文引用: 1]
[29]	刘继锋, 王文宇, 卓朋涛, 等. 应用集中度和圆形分布法分析西安市2010-2013年手足口病的季节性特征 . 现代预防医学, 2015, 42(20): 3655-3657.URL [本文引用: 1]摘要目的探讨西安市手足口病流行的季节性特征,为制定防治策略和措施提供科学依据.方法应用集中度及圆形分布法分析西安市2010-2013年的手足口病月发病规律.结果西安市2010-2013年的手足口病季节性分布的总M值为0.534;手足口病发病平均高峰日为6月12日,流行高峰期为4月6日-8月19 日.Rayleigh'test显示平均角存在(Z=21 670.92,P＜0.001);M值与r值相关性显示M值和r值呈高度正相关(r=1.000,P＜0.001).结论西安市2010-2013年手足口病发病分布有较强的季节性分布特征,4-8月为该病的流行高峰,有关部门应在流行高峰期内开展有针对性的防控措施. [Liu Jifeng, Wang Wenyu, Zhuo Pengtao, et al.Concentration and circular distribution-based analyses of the seasonal characteristics of hand-foot-and-mouth disease in Xi'an city between 2010 and 2013. Modern Preventive Medicine, 2015, 42(20): 3655-3657.]URL [本文引用: 1]摘要目的探讨西安市手足口病流行的季节性特征,为制定防治策略和措施提供科学依据.方法应用集中度及圆形分布法分析西安市2010-2013年的手足口病月发病规律.结果西安市2010-2013年的手足口病季节性分布的总M值为0.534;手足口病发病平均高峰日为6月12日,流行高峰期为4月6日-8月19 日.Rayleigh'test显示平均角存在(Z=21 670.92,P＜0.001);M值与r值相关性显示M值和r值呈高度正相关(r=1.000,P＜0.001).结论西安市2010-2013年手足口病发病分布有较强的季节性分布特征,4-8月为该病的流行高峰,有关部门应在流行高峰期内开展有针对性的防控措施.
[30]	毛龙飞, 何茶清. 集中度和圆形分布法在传染病季节性特征分析中的应用 . 中国卫生统计, 2014, 31(2): 251-253.URL [本文引用: 1]摘要目的探讨绍兴市越城区主要传染病的季节性变化特征,为制定防治策略和采取有效控制措施提供科学依据。方法采用集中度和圆形分布法对越城区2001-2012年的12种主要传染病的流行季节特征进行分析。结果乙脑、麻疹、疟疾、痢疾和手足口病的M值分别为0.9433、0.6412、0.5719、0.4518和0.3548;用圆形分布法求得乙脑、麻疹、疟疾、痢疾和手足口病的发病高峰期分别为6月29-8月8日、3月5日-6月22日、2月9日-9月7日、6月14日-11月9日和3月12日-8月27日;集中度M值和圆形分布R值呈高度正相关。结论乙脑发病具有严格的季节性,麻疹、疟疾发病具有明显的季节性,痢疾、手足口病发病具有一定的季节性,应据此及时开展针对性的防控措施。 [Mao Longfei, He Chaqing.Application of concentration ratio and circle distribution method to analyze the seasonal characteristics of infectious diseases. Chinese Journal of Health Statistics, 2014, 31(2): 251-253.]URL [本文引用: 1]摘要目的探讨绍兴市越城区主要传染病的季节性变化特征,为制定防治策略和采取有效控制措施提供科学依据。方法采用集中度和圆形分布法对越城区2001-2012年的12种主要传染病的流行季节特征进行分析。结果乙脑、麻疹、疟疾、痢疾和手足口病的M值分别为0.9433、0.6412、0.5719、0.4518和0.3548;用圆形分布法求得乙脑、麻疹、疟疾、痢疾和手足口病的发病高峰期分别为6月29-8月8日、3月5日-6月22日、2月9日-9月7日、6月14日-11月9日和3月12日-8月27日;集中度M值和圆形分布R值呈高度正相关。结论乙脑发病具有严格的季节性,麻疹、疟疾发病具有明显的季节性,痢疾、手足口病发病具有一定的季节性,应据此及时开展针对性的防控措施。
[31]	王庆昌, 李欣. 圆形分布分析的Excel实现 . 中国卫生统计, 2006, 23(5): 448-449.https://doi.org/10.3969/j.issn.1002-3674.2006.05.022 URL [本文引用: 1]摘要圆形分布以其准确量化的优点常用于疾病发病或死亡的季节性及昼时性研究,但其计算步骤相对复杂,微软公司的EXCEL提供了约350多个函数,作者利用其丰富的函数实现了圆形分布分析,具有简单易学,易于推广的特点,现报告如下. [Wang Qiangchang, Li Xin.The realization of circular distribution in Excel. Chinese Journal of Health Statistics, 2006, 23(5): 448-449.]https://doi.org/10.3969/j.issn.1002-3674.2006.05.022 URL [本文引用: 1]摘要圆形分布以其准确量化的优点常用于疾病发病或死亡的季节性及昼时性研究,但其计算步骤相对复杂,微软公司的EXCEL提供了约350多个函数,作者利用其丰富的函数实现了圆形分布分析,具有简单易学,易于推广的特点,现报告如下.
[32]	曹志冬, 曾大军, 王全意, 等. 北京市甲型H1N1早期流行的特征与时空演变模式 . 地理学报, 2010, 65(3): 361-368.Magsci [本文引用: 1]摘要甲型H1N1 正在全球快速传播，中国因人口众多而成为受甲型H1N1 潜在威胁最严重的地区之一。基于流行病学调查得到的8 月15 日以前的北京市甲型H1N1 病例数据，论文分析了甲型H1N1 的流行病学特征，并探讨了94 起聚集爆发事件的时空演变模式。论文还对比了北京市的甲型H1N1 与2003 年SARS的空间传播网络，结果表明，两次流行事件的空间传播模式具有类似模式，朝阳区—海淀区—城市中心区(东城、西城、崇文、宣武) 是影响北京市疫情发展的关键。在资源有限情况下，重点关注这个三角地带的人群防控对缓减北京市甲型H1N1 疫情会产生更积极的作用。北京市甲型H1N1 的早期防控是有效和及时的。 [Cao Zhidong, Zeng Dajun, Wang Quanyi, et al.Epidemiological features and spatio-temporal evolution in the early phase of the Beijing H1N1 epidemic. Acta Geographica Sinica, 2010, 65(3): 361-368.]Magsci [本文引用: 1]摘要甲型H1N1 正在全球快速传播，中国因人口众多而成为受甲型H1N1 潜在威胁最严重的地区之一。基于流行病学调查得到的8 月15 日以前的北京市甲型H1N1 病例数据，论文分析了甲型H1N1 的流行病学特征，并探讨了94 起聚集爆发事件的时空演变模式。论文还对比了北京市的甲型H1N1 与2003 年SARS的空间传播网络，结果表明，两次流行事件的空间传播模式具有类似模式，朝阳区—海淀区—城市中心区(东城、西城、崇文、宣武) 是影响北京市疫情发展的关键。在资源有限情况下，重点关注这个三角地带的人群防控对缓减北京市甲型H1N1 疫情会产生更积极的作用。北京市甲型H1N1 的早期防控是有效和及时的。

基于地理信息系统的2009-2013年甲型H1N1流感的时空分析

本站小编 Free考研考试/2021-12-29

Spatio-temporal analysis of influenza A (H1N1) in China during 2009-2013 based on GIS

1 引言