2016-2018年江西省南昌县恶性肿瘤空间集聚演变格局研究*

王雅琦 邓春宏 万智巍

【提 要】 目的 探测恶性肿瘤空间集聚特征可以为癌症早期筛查和预防提供依据。方法 利用样方分析、NNI、Ripley′s K、Moran′s Index、Getis-Ord冷热点等工具手段，分析南昌县近3年的恶性肿瘤患者空间格局和发病率冷热点变化特征。结果 南昌县2016-2018年三年平均的恶性肿瘤发病率全县均值为159.77/10万；乡镇尺度上发病率最高为580.74/10万、最低为25.51/10万。样方分析VMR值为1.435，具有显著的集聚性特征。NNI分析结果显示值为0.075(P<0.001)，具有显著的集聚性特征。空间自相关分析结果显示Moran′s Index为0.120，高于随机状态值，说明恶性肿瘤空间分布具有显著的空间自相关性质。Ripley′s K和L(d)函数的分析结果显示2016-2018年及各年份的恶性肿瘤空间分布的L(d)值都高于期望值，并且在超过Monte Carlo模拟生成的置信区间范围，2016-2018年总体的集聚区第一峰值的空间半径为9.486km，集聚强度为3.125，集聚区面积为282.550km2。Getis-Ord冷热点格局分析结果显示近三年来南昌县恶性肿瘤存在一个热点区域和一个冷点区域，即由塘南镇和泾口乡组成的热点区、由东新乡和富山乡组成的冷点区。结论 从空间上来看热点或次级热点区主要分布于南昌县的中部区域，冷点和次级冷点区则主要分布于南昌县的北部和西部区域，这一发现也为下一步的癌症早筛重点区域指明了方向。

根据最新的统计数据显示，恶性肿瘤死亡占居民全部死因的23.91%；恶性肿瘤的发病率及死亡率均呈逐年上升态势，每年恶性肿瘤所致的医疗花费超过数千亿，防控形势严峻[1]。新形势下，我国的疾病流行状况发生了巨大变化，恶性肿瘤也表现出不同的流行状态[2-3]，且恶性肿瘤患者在空间上的分布具有不同程度的集聚性特征[4-6]。通过探测恶性肿瘤空间集聚特征，掌握主要恶性肿瘤的流行状况，可以为恶性肿瘤的早期筛查和防治提供科学依据[7-8]。随着地理信息系统(GIS)、全球定位系统(GPS)以及网络在线地图(如Google Map和Baidu Map)的迅速发展[9]，基于真实坐标信息进行疾病空间分析成为可能。因此本研究尝试利用较为完整的县域恶性肿瘤患者数据，结合样方分析、NNI、Ripley′s K、Moran′s Index、Getis-Ord冷热点等分析手段[10-11]，探测县域尺度下恶性肿瘤空间分布规律和冷热点分布格局。

数据与方法

1.资料空间化

本次研究恶性肿瘤病例数据来自江西省肿瘤医院(江西省癌症中心)2016-2018年南昌县范围内的全部恶性肿瘤患者数据，包括相应的年龄、性别、家庭住址、恶性肿瘤诊断等属性信息。另外研究中涉及的研究区行政区划和社会、经济、人口等基础地理信息来自该县统计年鉴。所有患者家庭住址信息依据ArcGIS Geocoding工具和百度地图API进行地址解析，并将其转化为经纬度数据。

2.样方分析

样方分析(quadrat analysis)是GIS空间分析中常用的一种定量方法，该方法的计算思路是基于正方形网格，计算逐个网格中的样点数目，并基于样点数目的方差均值比获得样点分布状态的聚集或离散属性，具体的计算过程为：

(1)

3.最近邻指数

最近邻指数(nearest neighbor index)利用最近邻点对的平均距离和随机状态下的样点平均距离的比值来判断其集聚格局，具体计算方法为：

NNI=d(NN)/d(ran)

(2)

4.Ripley′s K函数

Ripley基于K函数计算不同空间尺度下点格局随着距离的改变而出现不同的变异，因此这一方法可以求出任意距离尺度下的空间集聚格局特征。Ripley′s K(d)表示以d为测量范围半径内的样点个数和研究区内点密度的比值，方法为：

(3)

5.空间自相关(Moran′s Index)

空间总体的分异状况可以利用Moran′s Index来进行识别。一般认为I值在[-1，+1]范围内，越接近于-1表示疾病的空间分布具有高度的负相关；越接近于+1则表示高度正相关。相关公式为：

(4)

6.Getis-Ord冷热点格局分析

(5)

(6)

结果与分析

1.空间集聚特征

基于病例的GIS空间化分析，可以得到乡镇尺度上发病率的空间分布格局。由图1可知南昌县恶性肿瘤发病率在空间分布上具有较为明显的集聚性，2016-2018年平均的恶性肿瘤发病率全县均值为159.77/10万，但是在空间分布上差异显著。其中，发病率最高的塘南乡为580.74/10万、发病率最低的东新乡为25.51/10万，塘南镇发病率为东新乡的22.76倍。2016年发病率较高的地区主要集中于塘南镇、麻丘镇和八一乡；发病率较低的地区主要集中于东新乡、南新乡和蒋巷镇。2017年发病率较高的地区主要集中于塘南镇、麻丘镇和塔城乡；发病率较低的地区主要集中于东新乡、莲塘镇和黄马乡。2018年发病率较高的地区主要集中于塘南镇、塔城乡和麻丘镇；发病率较低的地区主要集中于东新乡、冈上镇和广福镇。

图1 2016-2018年南昌县恶性肿瘤发病率空间格局

对2016-2018年南昌县全部5020个恶性肿瘤病例数据进行样方分析，基于ArcGIS 10.2和excel 2013的计算结果表明，研究区总体VMR=1.435>1，说明南昌县恶性肿瘤在空间上具有集聚特征，其恶性肿瘤患者的空间分布明显区别于随机分布状态。

最邻近指数(NNI)的分析结果显示，2016-2018年全部病例在空间特征上具有显著的集聚性，其NNI=0.075<1，标准化的z-scores为-125.244，P<0.001。从时间变化趋势来看，2016、2017和2018年的NNI分别为0.099、0.113和0.138，P值都小于0.001，集聚特征具有显著性。

空间自相关(Moran′s Index)分析结果显示，2016-2018年三年全部恶性肿瘤患者在空间分布上的指数为0.120，高于随机分布状态下的期望值，具有一定的空间聚集性。另一方面，2016、2017和2018年的Moran′s Index值分别为0.141、0.056和0.026，也都大于随机状态下的数值，因此可以判定其分布格局具有显著的空间自相关性质。

2.空间集聚尺度

Ripley′s K和L(d)函数的分析结果进一步表明了南昌县恶性肿瘤空间分布格局的集聚性特征，2016-2018年及各年份的恶性肿瘤空间分布的L(d)值都高于期望值，并且在超过Monte Carlo模拟生成的置信区间范围，说明其集聚性通过了显著性检验，具有统计学意义。2016-2018年总体的集聚区第一峰值的空间半径为9.486km，集聚强度为3.125，集聚区面积为282.550km2。2016-2018年逐年度的L(d)函数分析结果如表1所示。

表1 南昌县恶性肿瘤患者空间聚集性L(d)函数特征

3.空间集聚格局

图2 2016-2018年南昌县恶性肿瘤发病率冷热点区域分析

讨论与结论

目前，恶性肿瘤已成为我国人民健康的头号杀手，也给个人、家庭和社会造成沉重的负担，严重影响健康中国目标的实现，已成为一个当前亟待解决的公共卫生问题。近年来，随着医学的发展，越来越多的患者通过规范的诊治提高了生存期，但晚期恶性肿瘤患者的5年生存率不到20%[14]。因此，研究恶性肿瘤的流行病学特征对恶性肿瘤的早诊早治、早期筛查具有重要意义。

本研究综合利用ArcGIS工具，结合Matlab、Crimestat、Excel和Geoda等软件，系统分析了南昌县恶性肿瘤空间分布格局，结果表明，2016-2018年平均的恶性肿瘤发病率全县均值为159.77/10万；乡镇尺度上发病率最高为580.74/10万、最低为25.51/10万。空间自相关分析结果显示Moran′s Index为0.120，高于随机状态值，说明恶性肿瘤空间分布具有显著的空间自相关性质。Getis-Ord Gi*冷热点格局分析结果显示近三年来总体的恶性肿瘤存在一个热点区域和一个冷点区域，即由塘南镇和泾口乡组成的热点区、由东新乡和富山乡组成的冷点区。从空间上来看热点或次级热点区主要分布于南昌县的中部区域，冷点和次级冷点区则主要分布于南昌县的北部和西部区域，其中热点和次级热点共计7个乡镇、冷点和次级冷点共计7个乡镇，其余4个乡镇为一般区域。冷热点区域的探测结果可以为今后的癌症早期预防区域的划分提供基础依据，提高早期筛查的效率和具体方向。同时，本次研究中的空间集聚特征变化趋势也可以为恶性肿瘤监测和公共卫生健康规划提供合理策略和划分依据。