首页 > 论文范文 > 医药卫生论文 > 皮肤性病科论文 > MSM论文 > 2010—2021年成都市新报告MSM艾滋病人群的空间聚集性分析

2010—2021年成都市新报告MSM艾滋病人群的空间聚集性分析

2024-10-29 327 上传者：管理员

摘要：目的了解成都市艾滋病男男性行为(MSM)人群病例2010—2021年空间聚集变化，为MSM病例区域化防控提供科学依据。方法数据来源于中国疾病预防控制信息系统，运用Arc GIS 10.6软件开展时空自相关分析及空间聚集性分析，Sa TScan软件进行时空扫描分析。结果成都市同性传播病例2010—2015年年均增长率27.41%,2015—2021年年均增长率为-5.03%。艾滋病疫情涉及370个乡镇/街道，存在空间聚集性，疫情集中在中心城区，随时间推移东北部地区向东南方向扩散、西南部地区向西南和南面扩散、西北部地区向北扩散。热点区域与聚集情况类似。时空扫描分析显示，2013—2018年聚集区域主要为中心城区的40个街道。结论 2010—2021年期间成都市MSM人群艾滋病疫情呈先快速增长后缓慢下降的趋势，空间分布上呈现明显的不均衡性，疫情从中心城区向近郊区扩散，需加大对学校和流动人口聚集区域的艾滋病宣传力度。

关键词：
MSM人群
时空扫描
男男性行为
空间聚集
艾滋病
加入收藏

男男性行为（men who sex with men,MSM）人群中存在大量的非保护性行为和多性伴行为，这导致了MSM人群HIV的高感染率，也成为HIV疫情从高危人群向普通人群扩散的重要桥梁。中国MSM人群HIV新发感染率仍处于较高水平[1]，根据MSM人群的高危行为特征及相关影响因素分析[2-4]，成都市的MSM人群具有高危行为发生率较高，知晓率高，但安全套的坚持使用率低等特点。

空间流行病学是运用地理信息系统将空间统计学和流行病学结合起来的一门新颖的学科[5]，分析具有地理空间信息特征的疾病的空间分布特征和变化趋势，并在地图中展示出来。秦倩倩[6]采用地理信息系统(geographyical information system,GIS)技术，利用病例报告和哨点监测数据，以省份和主要城市为单位分析全国MSM人群HIV流行的聚集性和流动性特征；重庆市、长春市、贵港市等地[7-9]也有区（县）一级MSM人群的艾滋病流行的时空聚集性。

我们前期研究发现，由于同一个区（县）的不同乡镇/街道也存在疫情的差异性，造成的聚集性有时不准确。通过在街道/乡镇一级进行时空聚集性研究，可以更精准的提示新发病例的空间聚集性[10-11]。因此本研究拟运用Arc GIS 10.6软件细分到乡镇/街道对成都市MSM人群艾滋病疫情空间聚集性特征及变化趋势进行分析，探讨艾滋病的空间分布特点，研究病例的空间聚集性，对艾滋病的重点区域进行划分，得到重要的疫情分布信息，为重点人群区域化防控提供科学依据。

1、材料与方法

1.1资料来源

本研究收集了成都市2010—2021年通过同性传播的艾滋病病毒感染者和艾滋病病人（简称HIV/AIDS）资料，数据来源于中国疾病预防控制信息系统，收集时间2010年1月1日—2021年12月31日。成都市矢量化电子地图来源于市规划和自然资源局，各乡镇/街道人口数来源于市统计局数据。基于成都市统计局获取第七次人口普查各街道的人口数据，建立完整的时空扫描分析数据库。

1.2分析方法

1.2.1全局空间自相关分析（Global Moran I）和G统计量分析（Getis-Ord General G)

计算每年全局空间自相关Moran I系数，对该系数进行假设检验得到Z值，在α=0.05的检验水准下，判断在县区水平上是否存在聚集性。G统计量是判断要素在区域内发生是高值还是低值聚集的分析方法。统计量的检验以Genral G指数和期望指数的差值G*来判断，若G*>1.96，可以认为该区域为高值聚集，否则可认为该区域为低值聚集。

1.2.2局部空间自相关分析

采用Anselin Local Moran I模型进行了局部空间的自相关分析，当Moran I>0且Z>1.96时表示该乡镇/街道的病例分布与其周围乡镇/街道的病例分布类似，为HH、LL聚集地区；否则说明这个乡镇/街道的病例分布与其周边乡镇/街道的病例分布相反，为HL、LH地区。1.2.3热点分析应用Getis-Ord Gi*进行热点分析，通过计算，Gi(Z)>0代表该地区可能是热点区域，Gi(Z)<0代表该区域为冷点。若|Gi(Z)|>1.96，该地区被认为热点或冷点的把握超过95%；当|Gi(Z)|<1.96时，则不认为该地是异常聚集区[12]。

1.2.4时空扫描分析

采用Sa TScan 9.5软件进行时空扫描分析，提取数据库中录入日期和现住址。以第七次人口普查中的街道为主要分析单元，采用泊松模型对时间、空间进行回顾性分析，设置扫描时间范围为2010年1月1日—2021年12月31日，时间间隔为“年”，聚类范围的最大值限定为20%（即假定20%总人口处于风险人群中），蒙特卡罗模拟次数为999次[13]，当P<0.05时，可认为聚集区域内外相对危险度差异有统计学意义。LLR值最大的聚集单元为一类，其他的统计学上显著的聚集单元认为二类。

1.3数据处理

采用SPSS 19.0软件对艾滋病的流行特征进行描述性分析，将涉及变更街道的病例的归为最新合并或新增街道，将病例现住址行政编码与地图上各乡镇/街道名称相对应，剔除不详乡镇/街道的病例，基于数据库与电子矢量地图以乡镇/街道关键字段建立关联，建立成都市2010—2021年MSM人群艾滋病空间地理信息数据库。

2、结果

2.1艾滋病疫情概况

2010—2020年成都市共累积报告了10 576例同性传播的HIV/AIDS病例，2010—2015年期间艾滋病增长速度快，年均增长率27.41%，在2015年时出现了拐点，2016开始新报告的MSM人群艾滋病病例数在逐年减少，2015—2021年年均增长率为-5.03%。趋势如图1所示。累积有370个乡镇/街道报告了同性传播的HIV/AIDS病例，疫情重点地区集中于成都市中心城区，西部和东南地区为低发区。

图1成都市2010—2021年MSM人群艾滋病例报告情况

2.2空间自相关分析

2.2.1全局空间自相关分析

(1）全域空间自相关分析结果显示：2010—2021年全市MSM人群HIV/AIDS全域自相关系数均为正值，P值均<0.001,2010—2015年自相关系数接近1，空间分布的相关性较大，2015年以后，全局自相关系数均明显降低，空间分布的相关性减少，但整体仍呈现聚集性分布现象。见表1。

(2）全局G统计量分析：对2010—2021年全市MSM人群艾滋病例报告数全局G统计量分析，P<0.05，表明存在“热点”区域。见表1。

2.2.2局部空间自相关可视化分析

(1）聚类分析：2010—2021年期间聚集区变化主要有三个部分：一是从中心城区东北部的成华区（SQZ、QL、MZW街道）和金牛区（SMQ街道）逐渐向东南方向扩展，与相邻的龙泉驿区（DM、SL和LQ街道）相连接，形成一个较为稳定的聚集区；二是中心城区西南部的武侯区（HCNZ、YL、HPL街道）逐渐向西南和南面扩散，扩散到双流区（XHG、DS、YX街道）和天府新区（HY街道、WA镇）；三是中心城区西北部的金牛区（SMQ和CDZ街道）向北扩散郫都区（XP、TJ、HG镇、PT街道）。由于全局自相关分析结果显示2010—2012年和2018—2021年区域相关性增加，2015年疫情呈下降趋势后趋于平稳，因此选取2010、2012、2015、2018和2021年五个时间节点来进行具体分布。见图2。

表1 2010—2021年全局自相关系数和全局G统计量分析结果

图2 2010、2013、2015、2018和2021年成都市MSM人群艾滋病例聚类和异常值分析

(2）热点分析：从2010—2015年，热点区域呈现逐渐扩大趋势，2015—2021年热点区域逐年减少。持续热点地区集中在中心城区，其中东部变化不大，南部逐渐向南扩展到XHG、HY、XX、YX街道，西北部自2013年向北扩展到XP、HG和TJ镇后不再扩张。见图3。

图3 2010—2021年成都市MSM人群新报告艾滋病热点分析

2.3时空扫描分析

时空聚集性扫描结果显示，2010—2021年成都市MSM人群HIV报告疫情存在两类聚集区域，共涉及41个乡镇/街道。一类聚集区域为2013—2018年的40个街道，二类聚集区域聚为2018—2019年的JC街道。见表2。

表2 2010—2021年成都市MSM人群HIV患者时空扫描结果

3、讨论

成都市的MSM人群规模大、流动性高[14]，该人群还具有隐秘性和敏感性等特点[15]，同时其寻找性伴途径多样[16]、肛交行为时安全套使用率低、多性伴等危险行为导致其感染HIV的风险巨大[17]。与横断面调查结果相同[18],2015年以前MSM疫情呈上升趋势，2015年后病例有所下降。近年来，成都市针对MSM人群从干预、检测、治疗等方面推陈出新，例如：暴露前后预防药物的推广[19]；针对MSM人群从检测咨询、随访治疗、性病诊疗“一站式服务”模式；根据社交软件获取的活跃MSM人群的热点分布[14]布局针对MSM人群的VCT点，采取线上线下相结合的方式在MSM人群中发放HIV自检包并追踪阳性病例；新发现病例发现即治疗等措施，潜在地抑制HIV在MSM人群中的传播[20]。

从本研究结果来看，成都市MSM人群HIV/AIDS分布较广，疫情分布图显示中心城区为重灾区，具有明显聚集性，随着时间变化，具有由中心城区向近郊区扩散的趋势，考虑MSM人群的艾滋病疫情可能与城市发展进程有关，近年来中心城区的各大高校逐渐迁移到近郊区，例如DM街道、SL街道、XHG街道、XP镇、HG镇均为学校聚集的地区，有研究显示，成都市高校学生群体中通过社交软件估计的MSM规模数较大[21]，且感染艾滋病的风险较高[22]，这可能是这些地区聚集的主要原因；近年逐渐形成了较大规模的产业园区、高精尖产业集中区域，聚集了大量的青壮年流动人群，例如：HZ街道、HG镇、HY街道、WA镇，与热点逐渐扩散相一致。时空扫描的结果也与局部空间自相关分析结果一致，MSM人群聚集地区仍主要为中心城区，2018—2019年JC街道的聚集考虑为一起恶意传播艾滋病的事件有关，加大该区域所有学校的艾滋病宣传力度后，近两年未再出现聚集。

本研究应用空间流行病学方法探索分析了成都市2010—2021年MSM人群艾滋病空间分布规律，具有一定的创新性。研究通过地理信息系统绘制了镇（街道）级水平病例报告的地图，揭示艾滋病在空间上的变化和发展趋势，确定MSM人群艾滋病分布的高发区域，今后可不再以区县为单位统一防控模式，有针对性为全市的MSM人群艾滋病防控措施和策略的制定提供依据，将防控重点区域由面细化到点，做到精准防控。

本研究的局限性在于地理信息源自2010—2021年新报告的HIV/AIDS中MSM人群的现住址构建，因此无法反映出该人群经常活动的热点区域，和基于社交网络和社交软件的MSM人群研究结果[14]具有一定差异，但仍然可以从居住空间上反应该人群的空间聚集性，对全市的艾滋病精准防控提供指导。

利益冲突声明本研究不存在任何利益冲突

参考文献:

[1]何佳晋,居豪,吴超.中国MSM人群HIV新发感染率及其影响因素的Meta分析[J].预防医学,2022,34(1):70-77.

[2]姜维华,何勤英,范双凤.成都市男男性行为人群艾滋病感染状况及危险因素分析[J].预防医学情报杂志,2013,29(1):36-40.

[3]余林,黄玉玲,谢天,等.成都市不同活动区域男男性行为人群高危行为特征分析[J].预防医学情报杂志,2019,35(9):1009-1013.

[4]黄玉玲,陈怀良,戴映雪,等.成都市男男性行为人群安全套使用影响因素分析[J].现代预防医学,2013,40(21):3987-3990.

[5]袁风顺,刘伦皓,刘小锦,等.空间统计分析方法在艾滋病研究领域中的应用[J].预防医学情报杂志,2019,35(12):1450-1454.

[6]秦倩倩.中国MSM人群艾滋病流行时空特征及感染率推算模型应用[D].北京:中国疾病预防控制中心,2019.

[7]郝尹虓,秦倩倩,吴国辉,等.2004-2015年重庆市经男男性行为感染HIV者空间聚集性及行为分析[J].中华预防医学杂志of 2004-2015,2017,51(5):432-437.

[8]马玲玲.长春市MSM人群HIV感染的影响因素及空间聚集性分析[D].长春:吉林大学,2022.

[9]邓本本,黄运轩,韦发双,等.贵港市2007-2021年男男同性性行为人群艾滋病流行的时空聚集性分析[J].广西医科大学学报,2023,40(10):1764-1770.