快报 | 贵州省2014—2020年耐多药结核病时间趋势预测及时空分布分析

作者：王芸，陈慧娟，廖龙，禄晓龙，张爱华

第一作者及单位：王芸，贵州医科大学环境污染与疾病监控教育部重点实验室、公共卫生与健康学院

通信作者及单位：陈慧娟，贵州省疾病预防控制中心结核病防治研究所

Time trend prediction and spatial-temporal analysis of multidrug-resistant tuberculosis in Guizhou Province, China, during 2014—2020 

Yun W，Huijuan C， Long L，Xiaolong L，Aihua Z.

BMC Infect Dis，2022，22(1)：525.

doi: 10.1186/s12879-022-07499-9.

1

研究背景

耐多药结核病（MDR-TB）是贵州省面临的重点公共卫生问题。为加强其防控，贵州省自2014年按照全国结核病防治规划的部署和要求，逐步建立MDR-TB防治服务体系，并在MDR-TB高危人群中积极开展患者主动筛查策略。2014—2020年间，贵州省共对33 396例MDR-TB高危人群进行了耐药筛查。其中，2019—2020年筛查人数占比达75.2%（25 130/33 396）。伴随这一系列防治措施的积极推进，贵州省MDR-TB患者发现数量可能会呈逐年上升趋势。另外，2019年实施的扩大患者筛查行动及突如其来的新型冠状病毒肺炎（COVID-19）疫情可能会使2020年贵州省MDR-TB疫情呈现不同的分布特征。因此，本研究采用时间序列和时空分布分析方法首次对贵州省2014—2020年MDR-TB流行特征进行分析，以发现该病的分布规律和异常波动，从而为贵州省MDR-TB防控提供政策建议。

2

研究方法

数据来源于《中国疾病预防控制信息系统》的子系统《结核病管理信息系统》。数据分析过程分为三个部分。首先，对全省分年患者的基本特征进行描述性分析，并计算百分比变化来量化每年患者数量的变化趋势。其次，通过对时间序列进行因素分解（趋势效应、季节效应和随机效应）和计算季节指数（seasonal index，SI）来验证其季节性，进而采取SARIMA模型(seasonal autoregressive integrated moving average model)进行时间序列分析。最后，基于县级水平，通过空间自相关（包括全局空间自相关和局部空间自相关）以及时空扫描来分析历年患者时空分布特征。统计分析软件包括 R 4.1.0、ArcGIS 10.6和SaTScan 9.7。

3

研究结果

1.MDR-TB患者基本特征

2014—2020年，贵州省共报告1666例MDR-TB患者，且报告数量逐年增加。2014—2019年，病例数量增长率在6.7% ~ 21.0%之间；2019—2020年增长率达62.1%。所有年龄组都报告了患者，且每个年龄组男性多于女性（图1）；青壮年男性患者数量占所有患者的62.6%（1043）。在全部患者中，87.8%的患者在本次治疗前已经历过一线和/或二线抗结核药物治疗（表1略，见原文）。

图1  2014—2020年贵州省报告的MDR-TB患者年龄和性别分布情况

2.时间序列分析

病例时间序列经过因素分解后呈现明显的周期性、季节性和随机性（图2）。SI结果显示，贵州省MDR-TB分布存在明显季节性：常在2月出现低谷，3~9月逐渐增加，在10月有所下降（表2）。故采用SARIMA模型分4步进行时间序列分析。第一，序列的平稳性检验：对原序列和差分后序列分别进行单位根检验（augmented dickey-fuller, ADF）；检验结果显示，原序列不平稳(t=−3.1091，P=0.121)，差分后(d=1和D=1)序列平稳(t=−5.798，P＜0.01)。第二，估计模型参数：绘制自相关函数(autocorrelation function，ACF) 图和偏自相关函数(partial autocorrelation function，PACF)图来估计SARIMA模型4个参数(p, q, P, Q)的范围（图3），进而得到6个候选SARIMA模型。第三，模型检验和优化：对6个候选模型的参数进行显著性检验和残差白噪声检验（表3略，见原文）。SARIMA(3,1,0)(0,1,1)12模型通过残差白噪声检验(P=0.444)，且所有参数均显著(P＜0.05)，同时AIC（Akaike information criterion ）和BIC（Bayesian information criterion）值最低，因此该模型为最优模型。第四，模型预测效果检验：用SARIMA(3,1,0)(0,1,1)12模型（训练集：2014年1月至2019年12月数据）预测2020年1—12月的数据；并将其与实际观测值进行比较后发现，除6月和8月，其余月份的实际观测值均在预测值95%CI范围内（表4）。另外，图4显示2014—2019年实际观测值与预测值趋势相符，且均在预测值95%CI范围内，说明该模型预测结果可靠。基于该模型进一步预测2021年和2022年贵州省报告的MDR-TB病例分别为475(175~776)例和518(53~987)例。

3. 时空分布分析

3.1 MDR-TB病例的地区分布

从地区分布来看，2014—2020年贵州省MDR-TB病例主要分布在贵阳市（400，24%）、毕节市（332，20%）、遵义市（245，15%）和六盘水市（107，6%）（表5略，见原文）。图5显示了MDR-TB病例具有区域聚集性，但其时空聚集性特征尚需进一步检验。

3.2 全局空间自相关

各年度Moran’s I值均具有统计学意义（P＜0.05），表明各年度贵州省MDR-TB均呈明显的空间聚集性分布（表6）。

3.3局部空间自相关

局部空间自相关分析结果表明，贵州省MDR-TB病例“高-高”聚集区稳定地分布在毕节市、贵阳市、六盘水市和遵义市；“低-低”聚集区则一致地分布在安顺市、铜仁市、黔西南州、黔东南州和黔南州（图6）。这一结果与上述地区分布描述性分析结果一致。

3.4 时空扫描分析

2014—2020年贵州省MDR-TB病例回顾性时空扫描统计分析结果见表7（略，见原文）。本研究共探测到3个有统计学意义的MDR-TB高发时空聚集区。一级聚集区1个，位于贵阳市的南明区。该区在2015—2016年间共报告154例患者(LLR=272.06，RR=15.57，P＜0.001)。二级聚集区在2020年有2个。其中一个二级聚集区波及5个市和18个县：毕节市（七星关区、大方县、纳雍县、赫章县、黔西市、织金县、金沙县、威宁县）、贵阳市（修文县、清镇市、息烽县）、六盘水市（水城区、钟山区、六枝特区）、遵义市（仁怀市）和安顺市（普定县、西秀区、平坝区）。该聚集区共报告病例190例（LLR=41.89，RR=2.18，P＜0.001）。另一个二级聚集区波及2个州（市）和14个县：铜仁市（玉屏自治区、江口县、万山区、碧江区、石阡县、印江自治区）和黔东南州（岑巩县、三穗县、天柱县、镇远县、锦屏县、剑河县、施秉县、台江县）。该聚集区共报告病例71例（LLR=32.65，RR=3.17，P＜0.001）。时空扫描结果见图7。

研究结论

本研究结果表明，贵州省2014—2020年间报告的MDR-TB患者数呈逐年上升趋势，特别是2019年以来实施的扩大患者筛查行动促成了2020年患者数量的明显上升。2014—2020年间病例序列季节性表现为大多数病例集中在秋季，每年2月是病例发现的低谷。2020年6月患者出现了较往年同期不同的分布高峰，这可能与2020年5月贵州省解除针对COVID-19疫情采取的限制，使患者相对集中在6月份到医院就诊有关。2014—2020年间MDR-TB病例分布呈现时空聚集性，其稳定地分布在4个地区（毕节市、贵阳市、六盘水市和遵义市）；而在2020年，3个地区（安顺市、铜仁市和黔东南州）出现了病例聚集性。这些发现一方面证实了我们的研究假设，另一方面也提示相关部门要持续监测当地MDR-TB流行现况，及时调整和优化资源分配，以加强对高风险时期和高疫情地区的疫情防控；另在加大MDR-TB高危人群筛查的同时保证疑似患者能够早确诊、早治疗并成功治疗。

注：除非特别声明，本公众号刊登的所有文章不代表《中国防痨杂志》期刊社的观点。

编辑：王   然

审校：郭   萌

发布日期：2022-06-28

《中国防痨杂志》

期刊社