黃澤穎，李海軍

(1. 農(nóng)業(yè)農(nóng)村部食物與營養(yǎng)發(fā)展研究所，北京 100081；2. 三亞學(xué)院，海南 三亞 572000)

SARS、H7N9亞型禽流感，MERS等新型動(dòng)物源性傳染病頻頻發(fā)生，期間針對(duì)高危因素的防控措施值得總結(jié)和反思。H7N9亞型禽流感是近年來發(fā)生的一次人畜共患病疫情，引發(fā)全球廣泛關(guān)注。廣東省是H7N9亞型禽流感的高發(fā)省份，據(jù)統(tǒng)計(jì)，2013年8月至 2018年2月，共發(fā)生病例264起(占全國18.84%)[1]。由于廣東省是家禽產(chǎn)銷大省，加上居民喜食現(xiàn)宰活禽，疫情具有復(fù)雜性，但H7N9亞型禽流感的高危因素來自養(yǎng)殖與銷售環(huán)節(jié)的人與活禽接觸[2-5]和活禽市場(chǎng)暴露[6-8]兩個(gè)方面，基于此，省政府根據(jù)省情與國家政策，采取了多項(xiàng)防控措施，其中有三項(xiàng)主要措施：一是活禽交易限制，2015年2月起實(shí)施《廣東省家禽經(jīng)營管理辦法》， 規(guī)定設(shè)立活禽經(jīng)營限制區(qū)，在限制區(qū)外的活禽市場(chǎng)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(yán)格，規(guī)定有條件的地市要擴(kuò)大活禽經(jīng)營限制區(qū)域，在嚴(yán)重時(shí)實(shí)行臨時(shí)休市，延長休市時(shí)間；二是活禽調(diào)運(yùn)限制，2013年6月起實(shí)施活禽跨省“禁運(yùn)令”，暫停從人感染病例省份調(diào)入商品活禽。從2017年2月起加強(qiáng)活禽調(diào)運(yùn)管控，暫停從疫情高風(fēng)險(xiǎn)省份調(diào)入所有活禽；三是對(duì)家禽實(shí)施H7N9免疫，隨著H7N9亞型禽流感轉(zhuǎn)變?yōu)閷?duì)禽高致病性(然而廣東省沒有發(fā)生任何一例動(dòng)物H7N9疫情)，2017年6月起廣東省在全國率先實(shí)施家禽H7N9全面免疫。目前，學(xué)術(shù)界較多將樣本流感病毒檢出情況作為這些措施實(shí)施效果的評(píng)價(jià)標(biāo)準(zhǔn)[9-11]，而缺少將活禽高危因素的病例數(shù)增減情況作為評(píng)價(jià)標(biāo)準(zhǔn)。為了從不同視角評(píng)價(jià)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(shù)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(chǎng)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(diào)運(yùn)限制、活禽H7N9免疫與這兩個(gè)活禽高危因素病例的關(guān)聯(lián)性，進(jìn)而評(píng)價(jià)這三個(gè)措施的實(shí)施效果，希冀為防控措施的延續(xù)與完善，并達(dá)到凈化和消滅H7N9亞型禽流感提供參考價(jià)值。

1 材料與方法

1.1 數(shù)據(jù)來源

使用的數(shù)據(jù)：一是來自廣東省衛(wèi)健委的疫情信息(廣東省衛(wèi)生健康委員會(huì)，2018)，梳理了廣東省2013年8月至2018年2月的264個(gè)H7N9亞型禽流感患者的確診時(shí)間、發(fā)生城市與區(qū)縣、性別、年齡、基礎(chǔ)病史、身份(活禽市場(chǎng)經(jīng)營者、養(yǎng)禽人員等)、是否接觸活禽、是否有活禽市場(chǎng)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(bào)道信息，如《廣東省家禽經(jīng)營管理辦法》等，梳理了活禽交易限制(2015年2月前未啟動(dòng)、2015年2月到2017年1月啟動(dòng)、2017年2月起強(qiáng)化)、活禽調(diào)運(yùn)限制(2013年6月啟動(dòng)、2017年2月起強(qiáng)化)、對(duì)家禽實(shí)施H7N9免疫(2017年6月前未啟動(dòng)、2017年6月起啟動(dòng))3個(gè)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(guān)、空間熱點(diǎn)與趨勢(shì)面分析，并運(yùn)用R統(tǒng)計(jì)軟件，采用K-means算法和Apriori算法開展研究。

1.2.1 Moran指數(shù)空間自相關(guān)、空間熱點(diǎn)與趨勢(shì)面分析

空間自相關(guān)分析的基本測(cè)度是Moran指數(shù)，該指數(shù)是標(biāo)準(zhǔn)化的空間自協(xié)方差，反映空間鄰接或鄰近的區(qū)域單元屬性值的相似程度[12]。熱點(diǎn)分析主要采用核密度估計(jì)法，該方法是估計(jì)點(diǎn)的空間集聚性密度函數(shù)，旨在每一個(gè)數(shù)據(jù)點(diǎn)處設(shè)置核函數(shù)，表示數(shù)據(jù)在這一點(diǎn)鄰域內(nèi)的分布，z≥1.96 說明該區(qū)域存在顯著的高值聚類，即“熱點(diǎn)區(qū)域”，z≤-1.96 則說明該區(qū)域存在顯著低值聚類[13]。趨勢(shì)面分析是通過計(jì)算一個(gè)數(shù)學(xué)曲面來擬合數(shù)據(jù)中的區(qū)域性分布及變化趨勢(shì)的一種數(shù)學(xué)方法，用來展示地理要素在地域空間上的變化趨勢(shì)[14]。首先采用Moran指數(shù)，以廣東省縣區(qū)行政規(guī)劃為單位(包括中山市、東莞市的鄉(xiāng)鎮(zhèn))，以2013—2018年H7N9亞型禽流感病例的經(jīng)緯度坐標(biāo)為變量開展空間自相關(guān)分析，分析病例分布是否存在空間異質(zhì)性；其次，采用熱點(diǎn)分析，通過計(jì)算各個(gè)縣區(qū)的z(GiZScore)統(tǒng)計(jì)值來識(shí)別存在空間異質(zhì)性的具體區(qū)域；最后，通過趨勢(shì)面分析展示病例的經(jīng)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(shù)據(jù)對(duì)象間相似性度量的標(biāo)準(zhǔn)劃分類簇[15]。文章從總病例數(shù)(實(shí)際值)、性別(男=1、女=0)、年齡(實(shí)際值)、基礎(chǔ)病史(有基礎(chǔ)病史=1、無基礎(chǔ)病史=0)、是否活禽市場(chǎng)經(jīng)營者(是=1，否=0)、是否養(yǎng)禽人員(是=1，否=0)、活禽市場(chǎng)經(jīng)營者與養(yǎng)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(gè)維度分別對(duì)接觸活禽史病例、活禽市場(chǎng)暴露史病例進(jìn)行聚類分析，最佳聚類組數(shù)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(píng)價(jià)聚類區(qū)分效果。

1.2.3 Apriori算法的關(guān)聯(lián)分析

Apriori算法是常用的用于挖掘出數(shù)據(jù)關(guān)聯(lián)規(guī)則的算法，用來找出數(shù)據(jù)值中頻繁出現(xiàn)的數(shù)據(jù)集合[16]。首先描述性統(tǒng)計(jì)2種活禽高危因素的病例數(shù)與3個(gè)防控措施的比例關(guān)系，然后采用支持度、置信度和重要性衡量Apriori算法的3個(gè)防控措施分別與活禽高危因素的病例數(shù)的關(guān)聯(lián)規(guī)則強(qiáng)度，支持度揭示了防控措施與活禽高危因素病例數(shù)同時(shí)出現(xiàn)的概率，如果概率小則說明關(guān)系較小，反之較大；置信度揭示了防控措施出現(xiàn)時(shí)，活禽高危因素病例數(shù)是否也會(huì)出現(xiàn)或有多大概率出現(xiàn)。置信度越大，說明防控措施的出現(xiàn)與活禽高危因素病例數(shù)是否出現(xiàn)關(guān)系較大；重要性大于1表示一旦出現(xiàn)防控措施則再出現(xiàn)活禽高危因素病例的概率會(huì)增加，小于1表示一旦出現(xiàn)防控措施則再出現(xiàn)活禽高危因素病例的概率會(huì)降低。

2 結(jié)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(fā)生1例病例，分布不明顯，圖略)，264個(gè)病例分布在19個(gè)地級(jí)市(除茂名市、湛江市外)的72個(gè)縣區(qū)(包括中山市和東莞市的鄉(xiāng)鎮(zhèn))。發(fā)病數(shù)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(shù)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(fā)生在珠三角地區(qū)的惠州市、東莞市、深圳市以及粵西地區(qū)的陽江市，在2014—2015年迅速擴(kuò)散到粵東與粵北地區(qū)，整個(gè)珠三角地區(qū)疫情加重，2016年之后疫情趨勢(shì)放緩，但進(jìn)一步擴(kuò)散至粵東與粵北地區(qū)。

2.2 疫情的空間分布特點(diǎn)

2013和2018年病例數(shù)少，故不做分析，廣東省2014—2017 年H7N9 禽流感病例分布的Moran指數(shù)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(fā)生的病例具有顯著的空間相關(guān)性，其他年份的病例分布不存在顯著的時(shí)空聚集性。病例分布的熱點(diǎn)分析結(jié)果見圖2， H7N9 禽流感的熱點(diǎn)區(qū)域(z≥1.96)主要是珠三角地區(qū)(病例數(shù)占全省總數(shù)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(shì)面分析結(jié)果(見圖3)顯示，在XZ 平面上病例分布呈現(xiàn)中間低兩邊高的趨勢(shì)，即在東西走向上，病例分布呈現(xiàn)“少—多—少”的趨勢(shì)，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(shù)隨緯度增加而減少，即在南北走向上，珠三角地區(qū)比粵北地區(qū)病例數(shù)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(chǎng)暴露史病例的最佳聚類組數(shù)是3和4。

圖2 2013—2018年廣東省H7N9亞型禽流感病例分布熱點(diǎn)

注：z、x、y構(gòu)成了二元一次方程，其中，x，y作為自變量，分別代表經(jīng)度、緯度

圖4 活禽接觸史病例的最佳聚類組數(shù)

圖5 活禽市場(chǎng)暴露史病例的最佳聚類組數(shù)

根據(jù)方差分析結(jié)果(見表1)，年齡、基礎(chǔ)病史、居住城市、是否活禽市場(chǎng)經(jīng)營者、其他人員的特征差異均有統(tǒng)計(jì)學(xué)意義(P<0.05)，區(qū)分效果較好，因此，3個(gè)類別的活禽接觸史病例特征分別是：58.27歲、有基礎(chǔ)病史、82%來自珠三角城市、64%是活禽市場(chǎng)經(jīng)營者、9%為其他人員；58.88歲、有基礎(chǔ)病史、82%來自珠三角城市、82%是活禽市場(chǎng)經(jīng)營者、18%為其他人員；46.45歲、無基礎(chǔ)病史、66%來自珠三角城市、活禽市場(chǎng)經(jīng)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(chǔ)病史、來自珠三角城市以及在市場(chǎng)從事活禽銷售為主。

表1 活禽接觸史病例的聚類結(jié)果

根據(jù)方差分析結(jié)果(見表2)，性別、年齡、基礎(chǔ)病史的特征差異均有統(tǒng)計(jì)學(xué)意義(P<0.05)，區(qū)分效果較好，因此，4個(gè)類別的活禽市場(chǎng)暴露史病例特征分別是：男性、71.61歲、84%有基礎(chǔ)病史；女性、68.24歲、73%有基礎(chǔ)病史；61%是男性、35歲、4%有基礎(chǔ)病史；男性、70.91歲、96%有基礎(chǔ)病史。這表明，活禽市場(chǎng)暴露史病例的共性特征是中年、男性、無基礎(chǔ)病史為主。

表2 活禽市場(chǎng)暴露史病例的聚類結(jié)果

2.4 Apriori算法的關(guān)聯(lián)分析

總體上，活禽高危因素的病例數(shù)隨著三大措施的啟動(dòng)或強(qiáng)化而減少(見表3)，但是，三大措施產(chǎn)生的效果不同，對(duì)家禽實(shí)施H7N9免疫措施對(duì)減少兩種活禽高危因素的病例數(shù)效果最佳，將有接觸活禽史的病例數(shù)和有活禽市場(chǎng)暴露史的病例數(shù)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(dòng)再到強(qiáng)化，兩種活禽高危因素的病例數(shù)逐漸減少。然而，活禽調(diào)運(yùn)限制措施從啟動(dòng)到強(qiáng)化，對(duì)有活禽市場(chǎng)暴露史病例數(shù)減少有很大效果，但反而增加了有接觸活禽史的病例數(shù)，這可能是因?yàn)?，加?qiáng)活禽調(diào)運(yùn)管制主要是限制活禽從省外調(diào)入廣東，但廣東省作為活禽養(yǎng)殖大省，由于環(huán)境規(guī)制，活禽只能從省內(nèi)的主產(chǎn)區(qū)(非珠三角地區(qū))向主銷區(qū)(珠三角地區(qū))的活禽交易市場(chǎng)調(diào)運(yùn)，從上述聚類分析可知，活禽接觸史病例以珠三角和在市場(chǎng)上從事活禽銷售的患者為主，所以活禽市場(chǎng)經(jīng)營者可能接觸了主產(chǎn)區(qū)的染疫活禽而感染病毒。

表3 活禽高危因素的病例數(shù)與3個(gè)防控措施的比例關(guān)系%

表4中規(guī)則編號(hào)1～6、7～10、11～14分別表示活禽交易限制措施、活禽調(diào)運(yùn)限制措施、活禽H7N9免疫措施對(duì)接觸活禽史病例數(shù)的影響。為突出強(qiáng)關(guān)聯(lián)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(qiáng)關(guān)聯(lián)規(guī)則的篩選標(biāo)準(zhǔn)，選擇規(guī)則編碼2、7、12進(jìn)行分析發(fā)現(xiàn)，未啟動(dòng)活禽交易限制措施增加活禽市場(chǎng)暴露史病例的概率是70.9%，啟動(dòng)活禽調(diào)運(yùn)限制措施減少接觸活禽史病例數(shù)的概率是70.60%，未啟動(dòng)活禽H7N9免疫措施增加活禽市場(chǎng)暴露史病例數(shù)的概率是71.70%，由此可見，三項(xiàng)措施啟動(dòng)前后與活禽高危因素病例數(shù)的相關(guān)性高，未啟動(dòng)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(jìn)市場(chǎng)污染環(huán)境，而從上述聚類分析可知，活禽市場(chǎng)暴露史患者主要是中年、男性，無顯著的活禽從業(yè)身份，因此，他們到農(nóng)貿(mào)市場(chǎng)買菜但不接觸活禽、經(jīng)過或住在活禽市場(chǎng)周邊都比較容易感染病毒。而啟動(dòng)活禽調(diào)運(yùn)限制措施，有助于減少活禽接觸史病例，這與上述強(qiáng)化活禽調(diào)運(yùn)限制反而增加活禽接觸史病例數(shù)的區(qū)別在于，廣東省的首例疫情發(fā)生于2013年8月，而啟動(dòng)活禽調(diào)運(yùn)限制是2013年6月，該措施有效地禁止江浙一帶發(fā)生疫情省份的商品活禽進(jìn)入省內(nèi)，避免了人與活禽接觸感染病毒。

表4 三個(gè)防控措施與活禽高危因素病例數(shù)的關(guān)聯(lián)規(guī)則

3 討論

在分析廣東省H7N9亞型禽流感病例特征的基礎(chǔ)上，數(shù)據(jù)挖掘有助于發(fā)現(xiàn)活禽高危因素病例數(shù)和防控措施可能存在的關(guān)聯(lián)或聯(lián)系，使分析結(jié)果更具科學(xué)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(dāng)，從2018年至今，省內(nèi)幾乎沒有發(fā)生人H7N9病例，這與廣東省清楚認(rèn)識(shí)活禽高危因素，啟動(dòng)或強(qiáng)化活禽交易限制措施、活禽調(diào)運(yùn)限制措施、活禽H7N9免疫措施分不開。然而，這兩年全國范圍內(nèi)的H7N9疫情呈散發(fā)狀態(tài)，仍未被消滅和凈化，存在潛在威脅，例如，2019年4月內(nèi)蒙古發(fā)生1起人H7N9病例。因此，在未來一段時(shí)間內(nèi)，我國的H7N9疫情仍將繼續(xù)存在，防控的弦時(shí)刻都要緊繃，尤其是江蘇、浙江、廣東等高風(fēng)險(xiǎn)地區(qū)。根據(jù)2019年7～8月本課題組在珠三角開展的家禽產(chǎn)業(yè)鏈H7N9疫情傳播途徑溯源調(diào)查發(fā)現(xiàn)，由于廣東省一年多來未發(fā)生1例病例，一些喜食現(xiàn)宰活禽的廣東人強(qiáng)烈呼吁縮小甚至取消活禽經(jīng)營限制區(qū)，給活禽交易限制措施的繼續(xù)施行添加了不小壓力。可觀的是，活禽調(diào)運(yùn)限制措施、活禽H7N9免疫措施的預(yù)防作用得到政府部門和活禽產(chǎn)銷商的認(rèn)可，繼續(xù)實(shí)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(nèi)，尤其是珠三角地區(qū)繼續(xù)實(shí)施活禽交易限制與活禽H7N9免疫措施，加強(qiáng)活禽交易限制預(yù)防H7N9疫情的宣傳引導(dǎo)。在周邊省份出現(xiàn)疫情風(fēng)險(xiǎn)的時(shí)候，果斷采取活禽調(diào)運(yùn)限制措施，如果疫情加劇，則強(qiáng)化活禽交易限制和活禽調(diào)運(yùn)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(shù)開展病例分布特征分析時(shí)未將兩類活禽高危因素人群的病例分布特征進(jìn)行時(shí)空分布展示，在一定程度上與下文的聚類分析和關(guān)聯(lián)分析脫節(jié)；其次，聚類分析與關(guān)聯(lián)分析之前尚未將活禽高危因素防控措施實(shí)施與兩類活禽高危因素人群病例減少的傳導(dǎo)機(jī)制進(jìn)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(xiàng)防控措施交錯(cuò)產(chǎn)生的效果，例如，2017年6月廣東省啟動(dòng)活禽H7N9免疫措施時(shí)，但活禽交易限制強(qiáng)化措施、活禽調(diào)運(yùn)防控強(qiáng)化措施同時(shí)也在實(shí)施，最終將疫情控制下來，這可能離不開所有措施共同發(fā)揮的作用。因此，這些將是下一階段要努力的研究方向。

4 結(jié)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(diào)運(yùn)限制、活禽H7N9免疫三大防控措施的啟動(dòng)、強(qiáng)化情況，通過Moran指數(shù)空間自相關(guān)分析、空間熱點(diǎn)分析、趨勢(shì)面分析、K-means算法聚類分析和Apriori算法關(guān)聯(lián)規(guī)則分析可知，廣東省H7N9禽流感疫情起源于珠三角地區(qū)，并向周邊逐步擴(kuò)散，但珠三角地區(qū)是熱點(diǎn)區(qū)域，其他地區(qū)發(fā)生的病例相對(duì)較少，僅2017年的病例分布存在顯著的時(shí)空聚焦性?；钋萁佑|史病例可分為3個(gè)類別，患者以中年、有基礎(chǔ)病史、來自珠三角城市以及從事活禽銷售為主，而活禽市場(chǎng)暴露史病例可分為4個(gè)類別，患者以男性、中年、無基礎(chǔ)病史為主。活禽高危因素的病例數(shù)與3個(gè)防控措施的比例關(guān)系中，對(duì)家禽實(shí)施活禽H7N9免疫措施對(duì)減少兩種活禽高危因素的病例數(shù)效果最佳，其次是活禽交易限制措施。在強(qiáng)關(guān)聯(lián)規(guī)則下，未啟動(dòng)活禽交易限制措施增加活禽市場(chǎng)暴露史病例的概率是70.90%，未啟動(dòng)活禽H7N9免疫增加活禽市場(chǎng)暴露史病例的概率是71.70%，而啟動(dòng)活禽調(diào)運(yùn)限制減少接觸活禽史病例數(shù)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(shí)施的三大措施對(duì)減少因接觸活禽與活禽市場(chǎng)暴露的H7N9病例的作用是顯著的。