廣東省人H7N9病例分布與活禽高危因素相關性研究

黃澤穎，李海軍

(1. 農業農村部食物與營養發展研究所，北京 100081；2. 三亞學院，海南 三亞 572000)

SARS、H7N9亞型禽流感，MERS等新型動物源性傳染病頻頻發生，期間針對高危因素的防控措施值得總結和反思。H7N9亞型禽流感是近年來發生的一次人畜共患病疫情，引發全球廣泛關注。廣東省是H7N9亞型禽流感的高發省份，據統計，2013年8月至 2018年2月，共發生病例264起(占全國18.84%)[1]。由于廣東省是家禽產銷大省，加上居民喜食現宰活禽，疫情具有復雜性，但H7N9亞型禽流感的高危因素來自養殖與銷售環節的人與活禽接觸[2-5]和活禽市場暴露[6-8]兩個方面，基于此，省政府根據省情與國家政策，采取了多項防控措施，其中有三項主要措施：一是活禽交易限制，2015年2月起實施《廣東省家禽經營管理辦法》， 規定設立活禽經營限制區，在限制區外的活禽市場推行“1110”制度，一日一清洗、一周一消毒、一月一休市、過夜零庫存。在2017年2月起該措施更為嚴格，規定有條件的地市要擴大活禽經營限制區域，在嚴重時實行臨時休市，延長休市時間；二是活禽調運限制，2013年6月起實施活禽跨省“禁運令”，暫停從人感染病例省份調入商品活禽。從2017年2月起加強活禽調運管控，暫停從疫情高風險省份調入所有活禽；三是對家禽實施H7N9免疫，隨著H7N9亞型禽流感轉變為對禽高致病性(然而廣東省沒有發生任何一例動物H7N9疫情)，2017年6月起廣東省在全國率先實施家禽H7N9全面免疫。目前，學術界較多將樣本流感病毒檢出情況作為這些措施實施效果的評價標準[9-11]，而缺少將活禽高危因素的病例數增減情況作為評價標準。為了從不同視角評價廣東省H7N9亞型禽流感的活禽高危因素防控措施，文章首先采用Moran指數等方法分析廣東省H7N9病例的空間分布特征，其次，將有過活禽高危因素的病例劃分為有活禽接觸史病例與活禽市場暴露史病例，采用K-means算法聚類分析這兩種病例的特征，然后分析活禽交易限制、活禽調運限制、活禽H7N9免疫與這兩個活禽高危因素病例的關聯性，進而評價這三個措施的實施效果，希冀為防控措施的延續與完善，并達到凈化和消滅H7N9亞型禽流感提供參考價值。

1 材料與方法

1.1 數據來源

使用的數據：一是來自廣東省衛健委的疫情信息(廣東省衛生健康委員會，2018)，梳理了廣東省2013年8月至2018年2月的264個H7N9亞型禽流感患者的確診時間、發生城市與區縣、性別、年齡、基礎病史、身份(活禽市場經營者、養禽人員等)、是否接觸活禽、是否有活禽市場暴露；二是來自廣東省人民政府(http://www.gd.gov.cn)的政策文件和官方報道信息，如《廣東省家禽經營管理辦法》等，梳理了活禽交易限制(2015年2月前未啟動、2015年2月到2017年1月啟動、2017年2月起強化)、活禽調運限制(2013年6月啟動、2017年2月起強化)、對家禽實施H7N9免疫(2017年6月前未啟動、2017年6月起啟動)3個防控措施的情況。

1.2 研究方法

采用ArcGIS 10.7 軟件開展空間自相關、空間熱點與趨勢面分析，并運用R統計軟件，采用K-means算法和Apriori算法開展研究。

1.2.1 Moran指數空間自相關、空間熱點與趨勢面分析

空間自相關分析的基本測度是Moran指數，該指數是標準化的空間自協方差，反映空間鄰接或鄰近的區域單元屬性值的相似程度[12]。熱點分析主要采用核密度估計法，該方法是估計點的空間集聚性密度函數，旨在每一個數據點處設置核函數，表示數據在這一點鄰域內的分布，z≥1.96 說明該區域存在顯著的高值聚類，即“熱點區域”，z≤-1.96 則說明該區域存在顯著低值聚類[13]。趨勢面分析是通過計算一個數學曲面來擬合數據中的區域性分布及變化趨勢的一種數學方法，用來展示地理要素在地域空間上的變化趨勢[14]。首先采用Moran指數，以廣東省縣區行政規劃為單位(包括中山市、東莞市的鄉鎮)，以2013—2018年H7N9亞型禽流感病例的經緯度坐標為變量開展空間自相關分析，分析病例分布是否存在空間異質性；其次，采用熱點分析，通過計算各個縣區的z(GiZScore)統計值來識別存在空間異質性的具體區域；最后，通過趨勢面分析展示病例的經緯度分布特征。

1.2.2 K-means算法的聚類分析

K-means算法是一種最廣泛使用的聚類算法，以距離作為數據對象間相似性度量的標準劃分類簇[15]。文章從總病例數(實際值)、性別(男=1、女=0)、年齡(實際值)、基礎病史(有基礎病史=1、無基礎病史=0)、是否活禽市場經營者(是=1，否=0)、是否養禽人員(是=1，否=0)、活禽市場經營者與養禽人員以外的其他人員(是=1，否=0)、居住城市(珠三角城市=1，非珠三角城市=0)5個維度分別對接觸活禽史病例、活禽市場暴露史病例進行聚類分析，最佳聚類組數采用肘部法則(Elbow Method)的方法選定，并采用方差分析法比較各組類的特征差異，評價聚類區分效果。

1.2.3 Apriori算法的關聯分析

Apriori算法是常用的用于挖掘出數據關聯規則的算法，用來找出數據值中頻繁出現的數據集合[16]。首先描述性統計2種活禽高危因素的病例數與3個防控措施的比例關系，然后采用支持度、置信度和重要性衡量Apriori算法的3個防控措施分別與活禽高危因素的病例數的關聯規則強度，支持度揭示了防控措施與活禽高危因素病例數同時出現的概率，如果概率小則說明關系較小，反之較大；置信度揭示了防控措施出現時，活禽高危因素病例數是否也會出現或有多大概率出現。置信度越大，說明防控措施的出現與活禽高危因素病例數是否出現關系較大；重要性大于1表示一旦出現防控措施則再出現活禽高危因素病例的概率會增加，小于1表示一旦出現防控措施則再出現活禽高危因素病例的概率會降低。

2 結果與分析

2.1 疫情分布概況

圖1是2013—2017年廣東省人H7N9亞型禽流感病例分布(由于2018年廣東省僅發生1例病例，分布不明顯，圖略)，264個病例分布在19個地級市(除茂名市、湛江市外)的72個縣區(包括中山市和東莞市的鄉鎮)。發病數前三的是深圳市(50例)、廣州市(39例)、佛山市(22例)，共占全省病例總數的58.16%。從圖1可觀察到，廣東省H7N9亞型禽流感病例2013年首先發生在珠三角地區的惠州市、東莞市、深圳市以及粵西地區的陽江市，在2014—2015年迅速擴散到粵東與粵北地區，整個珠三角地區疫情加重，2016年之后疫情趨勢放緩，但進一步擴散至粵東與粵北地區。

2.2 疫情的空間分布特點

2013和2018年病例數少，故不做分析，廣東省2014—2017 年H7N9 禽流感病例分布的Moran指數分別為0.032(z=0.973，P=0.165)、-0.035(z=-0.181，P=0.428)、-0.099(z=-0.384，P=0.351)、0.106(z=1.601，P=0.055)，可見，僅有2017年發生的病例具有顯著的空間相關性，其他年份的病例分布不存在顯著的時空聚集性。病例分布的熱點分析結果見圖2， H7N9 禽流感的熱點區域(z≥1.96)主要是珠三角地區(病例數占全省總數的72.35%)。

圖1 2013—2017年廣東省亞型H7N9禽流感病例分布情況

趨勢面分析結果(見圖3)顯示，在XZ 平面上病例分布呈現中間低兩邊高的趨勢，即在東西走向上，病例分布呈現“少—多—少”的趨勢，即珠三角病例較多，東西兩翼病例較少；在YZ 平面上可見病例數隨緯度增加而減少，即在南北走向上，珠三角地區比粵北地區病例數更多。

2.3 K-means算法的聚類分析

通過肘部法則(見圖4和圖5)，選定活禽接觸史病例、活禽市場暴露史病例的最佳聚類組數是3和4。

圖2 2013—2018年廣東省H7N9亞型禽流感病例分布熱點

注：z、x、y構成了二元一次方程，其中，x，y作為自變量，分別代表經度、緯度

圖4 活禽接觸史病例的最佳聚類組數

圖5 活禽市場暴露史病例的最佳聚類組數

根據方差分析結果(見表1)，年齡、基礎病史、居住城市、是否活禽市場經營者、其他人員的特征差異均有統計學意義(P<0.05)，區分效果較好，因此，3個類別的活禽接觸史病例特征分別是：58.27歲、有基礎病史、82%來自珠三角城市、64%是活禽市場經營者、9%為其他人員；58.88歲、有基礎病史、82%來自珠三角城市、82%是活禽市場經營者、18%為其他人員；46.45歲、無基礎病史、66%來自珠三角城市、活禽市場經營者。由此可見，活禽接觸史病例的共性特征是以中年、有基礎病史、來自珠三角城市以及在市場從事活禽銷售為主。

表1 活禽接觸史病例的聚類結果

根據方差分析結果(見表2)，性別、年齡、基礎病史的特征差異均有統計學意義(P<0.05)，區分效果較好，因此，4個類別的活禽市場暴露史病例特征分別是：男性、71.61歲、84%有基礎病史；女性、68.24歲、73%有基礎病史；61%是男性、35歲、4%有基礎病史；男性、70.91歲、96%有基礎病史。這表明，活禽市場暴露史病例的共性特征是中年、男性、無基礎病史為主。

表2 活禽市場暴露史病例的聚類結果

2.4 Apriori算法的關聯分析

總體上，活禽高危因素的病例數隨著三大措施的啟動或強化而減少(見表3)，但是，三大措施產生的效果不同，對家禽實施H7N9免疫措施對減少兩種活禽高危因素的病例數效果最佳，將有接觸活禽史的病例數和有活禽市場暴露史的病例數減少了28.68%、69.43%；其次是活禽交易限制措施，隨著措施的啟動再到強化，兩種活禽高危因素的病例數逐漸減少。然而，活禽調運限制措施從啟動到強化，對有活禽市場暴露史病例數減少有很大效果，但反而增加了有接觸活禽史的病例數，這可能是因為，加強活禽調運管制主要是限制活禽從省外調入廣東，但廣東省作為活禽養殖大省，由于環境規制，活禽只能從省內的主產區(非珠三角地區)向主銷區(珠三角地區)的活禽交易市場調運，從上述聚類分析可知，活禽接觸史病例以珠三角和在市場上從事活禽銷售的患者為主，所以活禽市場經營者可能接觸了主產區的染疫活禽而感染病毒。

表3 活禽高危因素的病例數與3個防控措施的比例關系%

表4中規則編號1～6、7～10、11～14分別表示活禽交易限制措施、活禽調運限制措施、活禽H7N9免疫措施對接觸活禽史病例數的影響。為突出強關聯性，本研究以最小支持度為0.3、最小置信度為0.7、最小重要性為1.0作為強關聯規則的篩選標準，選擇規則編碼2、7、12進行分析發現，未啟動活禽交易限制措施增加活禽市場暴露史病例的概率是70.9%，啟動活禽調運限制措施減少接觸活禽史病例數的概率是70.60%，未啟動活禽H7N9免疫措施增加活禽市場暴露史病例數的概率是71.70%，由此可見，三項措施啟動前后與活禽高危因素病例數的相關性高，未啟動活禽交易限制措施和活禽H7N9免疫措施，容易將潛在的或染疫的活禽帶進市場污染環境，而從上述聚類分析可知，活禽市場暴露史患者主要是中年、男性，無顯著的活禽從業身份，因此，他們到農貿市場買菜但不接觸活禽、經過或住在活禽市場周邊都比較容易感染病毒。而啟動活禽調運限制措施，有助于減少活禽接觸史病例，這與上述強化活禽調運限制反而增加活禽接觸史病例數的區別在于，廣東省的首例疫情發生于2013年8月，而啟動活禽調運限制是2013年6月，該措施有效地禁止江浙一帶發生疫情省份的商品活禽進入省內，避免了人與活禽接觸感染病毒。

表4 三個防控措施與活禽高危因素病例數的關聯規則

3 討論

在分析廣東省H7N9亞型禽流感病例特征的基礎上，數據挖掘有助于發現活禽高危因素病例數和防控措施可能存在的關聯或聯系，使分析結果更具科學性，豐富了活禽高危因素防控研究。廣東省人H7N9亞型禽流感防控得當，從2018年至今，省內幾乎沒有發生人H7N9病例，這與廣東省清楚認識活禽高危因素，啟動或強化活禽交易限制措施、活禽調運限制措施、活禽H7N9免疫措施分不開。然而，這兩年全國范圍內的H7N9疫情呈散發狀態，仍未被消滅和凈化，存在潛在威脅，例如，2019年4月內蒙古發生1起人H7N9病例。因此，在未來一段時間內，我國的H7N9疫情仍將繼續存在，防控的弦時刻都要緊繃，尤其是江蘇、浙江、廣東等高風險地區。根據2019年7～8月本課題組在珠三角開展的家禽產業鏈H7N9疫情傳播途徑溯源調查發現，由于廣東省一年多來未發生1例病例，一些喜食現宰活禽的廣東人強烈呼吁縮小甚至取消活禽經營限制區，給活禽交易限制措施的繼續施行添加了不小壓力?？捎^的是，活禽調運限制措施、活禽H7N9免疫措施的預防作用得到政府部門和活禽產銷商的認可，繼續實施的壓力不大。因此，在H7N9亞型禽流感徹底根除之前，建議廣東省在全省范圍內，尤其是珠三角地區繼續實施活禽交易限制與活禽H7N9免疫措施，加強活禽交易限制預防H7N9疫情的宣傳引導。在周邊省份出現疫情風險的時候，果斷采取活禽調運限制措施，如果疫情加劇，則強化活禽交易限制和活禽調運管控。

然而，本文在分析的過程中仍存在不足之處：首先，采用Moran指數開展病例分布特征分析時未將兩類活禽高危因素人群的病例分布特征進行時空分布展示，在一定程度上與下文的聚類分析和關聯分析脫節；其次，聚類分析與關聯分析之前尚未將活禽高危因素防控措施實施與兩類活禽高危因素人群病例減少的傳導機制進一步闡釋，使得研究中心不夠凸顯；未找到合理的方法剝離三項防控措施交錯產生的效果，例如，2017年6月廣東省啟動活禽H7N9免疫措施時，但活禽交易限制強化措施、活禽調運防控強化措施同時也在實施，最終將疫情控制下來，這可能離不開所有措施共同發揮的作用。因此，這些將是下一階段要努力的研究方向。

4 結論

基于廣東省2013年8月到2018年2月的H7N9亞型禽流感病例和活禽交易限制、活禽調運限制、活禽H7N9免疫三大防控措施的啟動、強化情況，通過Moran指數空間自相關分析、空間熱點分析、趨勢面分析、K-means算法聚類分析和Apriori算法關聯規則分析可知，廣東省H7N9禽流感疫情起源于珠三角地區，并向周邊逐步擴散，但珠三角地區是熱點區域，其他地區發生的病例相對較少，僅2017年的病例分布存在顯著的時空聚焦性?；钋萁佑|史病例可分為3個類別，患者以中年、有基礎病史、來自珠三角城市以及從事活禽銷售為主，而活禽市場暴露史病例可分為4個類別，患者以男性、中年、無基礎病史為主?；钋莞呶Ｒ蛩氐牟±龜蹬c3個防控措施的比例關系中，對家禽實施活禽H7N9免疫措施對減少兩種活禽高危因素的病例數效果最佳，其次是活禽交易限制措施。在強關聯規則下，未啟動活禽交易限制措施增加活禽市場暴露史病例的概率是70.90%，未啟動活禽H7N9免疫增加活禽市場暴露史病例的概率是71.70%，而啟動活禽調運限制減少接觸活禽史病例數的概率為70.60%。研究表明，廣東省在H7N9亞型禽流感疫情期間實施的三大措施對減少因接觸活禽與活禽市場暴露的H7N9病例的作用是顯著的。