来源：   发布时间：2023-01-06 14:29:37   浏览：

鼠疫流行具有区域性、季节性和周期波动性等特征，为空间流行病学在鼠疫防治中的应用提供了前提条件，其中对于大区域尺度的研究以遥感影像数据作为基础数据支撑。GIS技术的引入则通过地图直观展示疾病的空间分布情况，实时、动态地显示疾病的时空变化特征；对疾病分布进行可视化展示，结合回归统计和空间分析技术研究疾病病因及各种影响因素，分析疾病的空间聚集性，探索流行病生态系统的分布格局及演化过程。

空间流行病学在鼠疫防控预警中的应用主要包括基于时序分析与GIS空间分析方法的潜在危险因素识别及疫情预测、基于遥感信息处理与贝叶斯统计的鼠疫风险探测及预测等。

1 疫情影响因素识别与疫情发生预测

鼠疫作为一种自然疫源性疾病，其潜伏、发生、传播及流行均与本地自然疫源地的生态环境紧密相连。因此，可通过融合区域的多源遥感数据和地理信息数据，采用统计回归和空间分析方法探索分析气候、环境、生物等因素与鼠疫之间的相关关系，以此预测某地是否存在鼠疫风险及其风险指数。

回归分析可根据疾病数据的分布规律，建立疾病数据与环境因子的统计回归数学表达式，进行潜在因素的识别与疾病发生数预测。时间序列分析根据历史发生疾病的时间序列数据，采用曲线拟合和参数估计建立数学模型，以反映疾病在时间上的传播规律。结合时间序列分析与回归分析方法，可根据预测对象与影响因素之间的相关性预测未来鼠疫发生情况。

已有鼠疫预测研究中较为经典的方法有：多元logistic回归模型、结构方程模型、零膨胀的广义相加模型等。

在鼠疫疫情预测及因子分析应用方面，可分为人间疫情预测和动物间疫情预测。

Sun等^[1]采用零膨胀广义相加模型研究第三次鼠疫大流行期间全国物种丰富度与每年鼠疫发生病例数之间的关系。首先将整个中国区域划分为一度的公里格网，并统计格网内每年平均人间病例数和物种丰富度以及环境变量属性均值。由于格网内人间鼠疫病例数存在大量零值，分别选择零膨胀二项分布和零膨胀泊松分布统计模型，研究显示啮齿类动物物种多样性与人间鼠疫病例数和流行强度均呈正相关关系。

此外，以历史气象数据为数据源的小波分析作为一种时间序列分析方法，近年来也常被用于探索历史气候条件对鼠疫发生的影响。如Tennant等^[2]采用小波分析确定了在第三次鼠疫大流行期间英属印度人间鼠疫的传播是由湿度变化引起的，且疫情发生前一个月的大气湿度与当前月份鼠疫的发生呈正相关关系。

1.2 动物间疫情预测

钱全^[3]应用logistic回归和静息二元时间序列分析方法建立鄂托克前旗长爪沙鼠鼠疫预测模型，研究显示当年秋季平均气温与鼠疫流行之间具有较强的相关性，降水对长爪沙鼠鼠疫流行的影响具有2～3年的年际滞后效应。此外，基于系统发生学与层次分析理论的结构方程模型的引入，也为区域疫源地内鼠疫的环境因子探索提供了内在动力。

如Xu等^[4]利用结构方程模型识别气候与内蒙古沙鼠鼠疫及达里尔松鼠鼠疫的相关性，采用自下而上和自上而下的传播路径，研究温度、降水、植被覆盖度对啮齿动物—媒介—鼠疫的系统性影响，明确了降水和温度对当地两种宿主动物间疫情的发生均有积极影响，而植被覆盖度对当地动物间鼠疫发生的影响存在明显的种群差异。

综上所述，在统计回归中，以鼠疫病例数为因变量的回归建模需要考虑鼠疫数据的统计学特征，再选择合适的数学模型。传统回归模型往往忽视了微生态环境以及时空相关性和交互性的影响，导致预测结果不太符合实际情况，后续研究需要结合空间分析方法，加入时间和空间变量。时空地理加权回归和时空插值等时空统计分析方法的引入，能更好地解决鼠疫数据的时空自相关问题。

2 鼠疫疫情风险探测

用于鼠疫疫情风险探测的方法包括时空聚集性分析、生态位模型等。

2.1 时空聚集性分析

基于时空分析与风险制图技术的时空聚集性分析是目前空间流行病学中最常用的时空统计方法之一，旨在识别疾病在时间、空间或时空上分布的聚集趋势和倾向，帮助找出疾病发病风险较高的地段和时间段，主要识别的疾病有：肾综合征出血热^[5]、H7N9禽流感^[6]、新冠肺炎^[7]等传染病和慢性疾病。在疾病探测中，该方法主要应用于3个方面：时间聚集性探测、空间聚集性探测和时空聚集性探测。

（1）时空聚集性探测

只考虑疾病在时间上的聚集效应，常用方法有圆形分布法、集中度法与时间序列分析方法。其中，时间序列分析可通过已有的疾病发病时间规律预测未来发病情况。自回归滑动平均模型（ARIMA）是一种常用的时间序列方法，该方法采用差分阶数（Gap），通过绘制时间序列的自相关函数图和偏自相关函数图并与标准图进行对比，从而识别疾病的时间滞后效应。如Ben-Ari等^[8]采用一种基于时间相似度原理对疫情发生点进行时间序列分组的聚类方法，将中国鼠疫疫源地分为4个部分和南北两大类。

（2）空间聚集性探测

可分为全局空间聚集性和局部空间聚集性探测，前者探测区域整体聚集程度，后者用于定位聚集区。其中，空间自相关法主要根据空间位置的远近度量空间现象或事物的相似及相关程度。空间聚集性探测主要用于自然鼠疫疫源地划分和病灶识别。如李海蓉等^[9]通过空间聚类分析，按照形成环境将我国的鼠疫疫源地划分为3类；Galanaud等^[10]基于空间自相关方法和历史流行病信息，绘制了15世纪初期3种流行病中的鼠疫死亡分布图。

（3）时空聚集性探测

主要目的在于获取疾病的高发期和聚集位置，如Sun等^[11]采用基于机器学习的时空聚类方法重构了1772-1964年间中国区域鼠疫流行的传播路线，并将中国分为2个核心区和13个聚类，这些研究可为未来鼠疫及其他传染病防控与决策提供参考。

综上所述，疾病时空聚集性分析为近年来较为热门的一个研究方向，可用于探索鼠疫发生的时空分布模式，包括热点探测和流行高发时区识别。目前在鼠疫风险探测研究中，可采用自相关分析、核密度估计、时空扫描统计等空间分析方法联合进行分析，利用GIS技术和计算机技术通过可视化地图进行时空展现，将进一步推动鼠疫时空分布模式信息的表达与传播。

2.2 生态位模型

生态位模型（Ecological Niche Models，ENM）是一种用于预测生态风险和物种地理分布的模型，已在如肾综合征出血热、血吸虫等传染病传播研究中得到了广泛应用。其中，最大熵模型（Maxent）和规则集遗传算法（GARP）模型在鼠疫研究中应用最为广泛。Maxent模型输入分布数据为存在点数据，基于机器学习算法选择分布点环境信息熵最小的最优拟合模型进行物种潜在分布预测。

GARP模型在Maxent模型数据基础上还需要增加不存在点，采用预设预测规则的遗传算法从所有样本点提取的环境特征中选择具有最优规则集合的组合模型，总结物种分布生态需求，以预测物种潜在分布。

Maxent模型和GARP模型在鼠疫监测预警中的主要应用包括以下两方面：

（1）疫源地内鼠疫潜在风险预测。Walsh等^[12]利用Maxent模型预测2000-2015年美国西部鼠疫风险及重要共生宿主的潜在空间分布时发现，对宿主分布有较大影响的因素为海拔、最干季降水量和最湿季降水量及土地覆盖率。为提高中国长爪沙鼠疫源地动物间疫情潜在分布的预测精度，闫东等^[13]采用Maxent和GARP两个生态位模型，模型中只考虑气候因素对鼠疫的影响，通过比较分析，显示Maxent模型预测精度更高。

（2）宿主和媒介生物物种的适生区预测及疫源地识别。如Ben-Ari等^[7]为了确定中国鼠疫可能存在的新自然疫源地，同时采用GARP和Maxent两个生态位模型进行鼠疫适生区识别，发现了至少4个独立疫源地；闫东等^[14]采用Logistic回归筛选秃病蚤蒙冀亚种的气候环境因素，利用GARP模型预测秃病蚤蒙冀亚种的适宜分布区。

综上所述，Maxent模型和GARP模型对于小样本鼠疫分布预测具有极大优势，可适用于大范围的鼠疫疫源地和宿主/媒介分布预测，但针对小范围区域的预测精度较低。多源遥感数据是生态位模型主要的数据源，未来将融合遥感信息技术、数据库技术、计算机图像处理技术和GIS空间分析技术等，建立历史鼠疫监测数据库及精度更高的多源遥感数据库，采用广义相加模型、广义线性模型等基于回归统计的生态位模型实现疫情风险和物种分布定量预测。