广东省顺德地区呼吸系统疾病的空间自相关分析

1 资料与方法 1.1 资料来源
所有呼吸系统疾病的死亡数据来源于全国第三次死因回顾 抽样调查广东省顺德区数据 。 调查内容包括全区 2004～2005 年 户籍人口中全部死者死亡情况 （ 包括死者的一般情况 、 死亡原 因 、 死亡日期等内容 ） 和人口资料 （2004～2005 年 每 年 未 分 性 别 、 年 龄 别 的 户 籍 人 口 数 ）。 所 有 疾 病 按 《 国 际 疾 病 ICD-10 》 分类编码 。 调查方法和步骤依据 《 全国第三次死因回顾抽样调 查实施方案 》。 标准化死亡率采用直接标化法 。
1.2
作 者 单 位 ： 1. 广 东 省 佛 山 市 顺 德 区 勒 流 医 院 防 保 科 ， 佛 山 ， 528322 ；
研究方法 空间分析的独特贡献在于它借鉴相关社会科学的方法和工
2. 广 东 省 佛 山 市 顺 德 区 慢 性 病 防 治 中 心 ； 3. 广 东 药 学 院 公
共卫生学院
*
［8］
之后 ， 还需求出 Moran ’s I 的期望值 E （I ），
-1 E ΣΣ I =Σ n-1
对于正态分布 ，
2
Σ
（4 ）
2+2W0 Var ΣΣ I =- n W1-nW -E2 ΣΣ I W0 Σ n2-1 Σ
（5 ）
对于随机分布 ，
检验作为空间统计量
Var ΣΣ I =
2 2 n≠ -K ≠ Σ Σ W1 -nW2 +3W0 ≠ W1 -2nW2 +6W0 ≠ n -3n+3 Σ n -n Σ 2 2 2
［ 结果 ］ 顺德区呼吸系统疾病及慢性下呼吸道疾病死亡率存在空间聚集性 ， Getis-Ord Gi 分析结果显示两种疾病 高 发 区 都有两个 。 肺炎和呼吸系统的其他疾病空间聚集性不明显 ， Getis-Ord Gi 分析 结 果 显 示 两 类 呼 吸 系 统 疾 病 都 呈 随 机 散 发 分布现象 。 ［ 结论 ］ 呼吸系统疾病和慢性下呼吸道疾病在顺德区具有一定的聚集性 。
*
［8］
，
其 中 n 为 研 究 对 象 的 数 目 ， Xi 为 iห้องสมุดไป่ตู้空 间 单 元 属 性 资 料 值 ，
X 为 Xi 和 Xj 的均值 ， Wij 为空间权重矩阵 。 计算出 Moran ’s I
［9］
1 Moran\sI
\ 3 ? 4 @ ./ 012

!!"#$%&’()**
++"#,%&’-

45678-129:;1<=>1 * !+()+!./A 012
n *
ΣW X -W X
j ij j i
呼吸系统疾病主要是指因细菌及病原微生物等所引起的呼 吸系统感染性疾病 ， 是我国的常见的多发疾病 ， 危害较大 。 据 学研究及医疗卫生决策与服务 、 医药卫生数据管理等工作提供 了现代化手段， 必将大大促进医学研究和公共卫生事业的发 展 。 空间数据具有空间自相关性 ， 即不同区域的疾病之间存在 相互依赖性 ［4］。 本文根据广东省顺德区的全国第 3 次死因回顾抽样调查资 料 ， 探讨广东省顺德区呼吸系统疾病是否具有空间聚集性 。 为 当地政府做好呼吸系统疾病的监测和预防 ， 优化医疗资源提供 信息基础 。
具 ， 提供了准确认识 、 评价和综合理解空间位置和空间相互作 用重要性的方法 ［5］。 本研究采用的是全局空 间 自 相 关 分 析 和 局
·
2232
·
现代预防医学 2009 年第 36 卷第 12 期
Modern Preventive Medicine ， 2009 ， Vol.36 ， NO.12
ΣΣ （9 ） Z= I-E I I 姨Var ΣΣ Moran ’s I 系数取值介于 -1 与 +1 之间 ， 其表达的空间自 相
（2 ）
全局空间自相关
全局空间自相关是对属性值在整个区
域的空间特征的描述。 空间分布的对象一般不是孤立存在的， 空间对象是相互联系的 ， 且相距较近的影响力大于较远的 ， 因 此研究对象之间的全局空间相关性分析可以很好地揭示事物之 间 的 联 系 ， 其 中 ， Moran ’s I 统 计 是 的 一 种 有 效 的 定 量 统 计 方 法 ［3］， 其公式为 ：
来研究顺德区 2004～2005 年呼吸系统疾病的空间聚集性 。
1.2.1
空间权重距阵
（n ×n）
空间权重矩阵一般表示为 N 维二进制
（6 ）
矩阵 W
， 一般通过空间邻接和空间距离来确定 。 根据邻接
［3］
W0 Σ n-1
n 4 i
Σ Σ Σ n-2 Σ n-3 Σ
标准 ， 空间权重矩阵的元素 ｛Wij｝ 当区域 i 与 区 域 j 有 公 共 边 为 1 ， i=j 或区域 i 与区域 j 没有公共边为 0 。 其中 （1 ）
n n
关模式如表 1 所示 ［10］。
1.2.3
局域空间自相关
全局空间相关性分析是对区域中的每
个点与均值相比较 ， 反映研究现象在全部研究区域空间上的分 布模式 ， 无法从中获知研究现象聚集区域的位置 。 而局域空间 相关性分析是根据一定距离阈值划分 ， 对每个区域的取值进行
nΣΣWij Σ Xi-X I=
现代预防医学 2009 年第 36 卷第 12 期
Modern Preventive Medicine ， 2009 ， Vol.36 ， NO.12
·
2231
·
文 章 编 号 ： 1003-8507 （ 2009 ） 12-2231-05
中 图 分 类 号 ： R195.1
文献标识码： A
【 流行病与统计方法 】
域空间自相关分析 。 其中全局空间自相关着重刻画空间上的聚 集状态和相关程度 ， 而局域空间自相关则判断出空间上的热点 区域 。 空间自相关 ， 就是研究空间中某空间单元与其周围单元间 就某种特性通过统计方法 ， 进行空间自相关性程度的计算 ， 以 分析这些空间单元在空间上分布现象的特 性 ［6］。 本 研 究 选 取 了 全 局 Moran ’s I 检 验 ［7］ 和 Getis-Ord G i
Wij=
1 区域 i 与区域 j 有公共边 0 i=j 或区域 i 与区域 j 没有公共 边
x -x Σ n ≠ ≠ ΣΣ K= x -x Σ n ≠ ≠ ΣΣ
i = 1 n 2 j = 1 j n n n n 2 Σ n
（7 ）
根据距离标准 ， 当区域 i 与区域 j 的距离在给定的距离 d 之内 ， 空间权重矩阵的元素 ｛Wij｝ 为 1 ， 其他情况下为 0 。
i = 1j = 1 n n n ij
Σ Σ Xj-X Σ
， i≠j （3 ）
2 i
ΣΣ X -X Σ Σ ΣΣW Σ
·
i = 1j = 1 i = 1
分析 ， 得出每个区域在整个研究空间上的分布状态 ， 根据每点 的取值判断出空间上的热点区域 。 统计模型为 Getis－Ord Gi 其表述如下 ：
广东省顺德地区呼吸系统疾病的空间自相关分析
余海峰 1， 余卓文 2， 张敏 3， 郜艳晖 3
摘要 ：
［ 目的 ］ 研究顺德区呼吸系统疾病死亡率的空间分布特征及规律 ， 为做好呼吸系统疾病的监测和预防 ， 制 ［ 方法 ］ 采用空间统计分析方法对呼吸系统疾病相关资料进行处理分析。
*
定保护人 民 健 康 的 相 关 政 策 提 供 科 学 依 据 。
W0=ΣΣWij W1=ΣΣ Σ Wij+Wji
i = 1j = 1 i = 1j = 1
W2=Σ Σ W ·i+W ·j
n = 1
2 Σ
（8 ）
Wij（d ）= 1.2.2
1 区域 i 与区域 j 的距离 d 0 其他
式中 W ·i 和 W ·j 为 相 关 权 重 矩 阵 i 列 及 j 行 之 总 和 。 一 般 采用 Z 检验 ［9］， 以判断 n 个区域是否有空间自相关关系 ：
Abstract ： ［Objective ］ To explore the spatial autocorrelation characteristics of the mortality of respiratory system disease in Shunde ， so that to offer scientific baisis for preventing and monitoring respiration system diseases ， and formulating people health policy. ［Methods ］ The data of respiration system disease were analyzed by spatial autocorrelation. ［Results ］ The mortality of respiration system disease had spatial conglomeration in Shunde. Getis-Ord G i statistic presented that this respiration system diseases had two high outbreak districts. Pneumonia and other respiration system diseases did not showed spatial con glomeration. Getis-Ord Gi indicated that the pneumonia and other respiration system diseases revealed randomized sporadic dis tribution. ［Conclusion ］ There was higher clustering in Shunde among s of respiratory system disease and chronic disease show clustering characteristic in Shunde. Key words ： Spatial auto correlation ； Moran ’s I test ； Getis-Ord ； Gi test