应用地理信息系统探测消化道癌症死亡率空间聚集性

作者简介：
戚晓鹏(1975-)，女，黑龙江省哈尔滨人，助理研究员，博士生，主要从事应用系统维护和疾病监测，E-mail:caroline_qi@163.com，中国疾病预防控制中心，北京 100050，中国科学院地理科学与资源研究所，北京 100101；周脉耕，中国疾病预防控制中心，北京 100050；胡以松，中国疾病预防控制中心，北京 100050；王黎君，中国疾病预防控制中心，北京 100050；葛辉，中国疾病预防控制中心，北京 100050；庄大方，中国科学院地理科学与资源研究所，北京 100101；杨功焕(1949-)，女，研究员，教授，博士生导师，中国疾病预防控制中心副主任，主要研究方向为慢性病和危险因素的流行病学，E-mail:yangghuan@vip.sina.com，中国疾病预防控制中心，北京 100050

原文出处：
地理研究

内容提要：

根据研究区分村4种消化道癌症死亡监测数据和人口数据，描述癌症死亡率的空间分布规律，探测病例在空间上存在的聚集性热点，为进一步开展环境和人群监测提供参考依据。本研究采用基本的图层Voronoi处理技术以及全局空间自相关和空间热点探测的方法，通过绘制空间自相关系数图，描述不同空间尺度与消化道癌症死亡率自相关系数之间的关系。结合空间探测技术和癌症死亡率分布特点，确定空间探测的合理参数，应用地理信息系统，对消化道癌症在研究区的空间聚集热点进行探测。结果发现，研究区在4300m尺度存在有意义的显著空间正自相关，探测到3个消化道癌症高值聚集区，共58个村，每个聚集区平均人口在3万左右。3个聚集区癌症粗死亡率明显高于非聚集区和该县平均粗死亡率。空间热点的探测与分析，引入空间权重矩阵的概念，弥补传统统计学缺乏空间信息和空间关联的缺陷，为引起消化道癌症高发的危险因素探寻提供线索，是传统统计学的必要补充。


期刊代号：K9
分类名称：地理
复印期号：2010 年 03 期

字号：大中小

      收稿日期：2009-03-20； 修订日期：2009-07-06 文章编号：1000-0585(2010)01-0181-07

      1 引言

      目前在绝大多数国家癌症均呈明显上升趋势，对人类的健康造成极大的危害[1]。我国自20世纪70年代以来，恶性肿瘤死亡也呈明显上升趋势，目前已成为威胁我国居民的主要死亡原因之一。影响癌症发生的危险因素是复杂的，主要表现为外界环境因素和人体内遗传因素相互作用的结果[2]，不同个体由于基因差异会导致在相同外部环境下肿瘤发病几率的差别。但从总体上看，环境因素对某些肿瘤的发生更为重要。环境致癌学说认为，在人类恶性肿瘤病因中，约有80～90％是由环境因素引起的，尤其是消化道肿瘤多与饮食、生活习惯、环境因素有关[3]。这一学说已由一些地理流行病学和移民流行病学的研究所支持。其中主要环境因素包括空气、水、土壤、食物、职业接触、药物以及不良生活习惯等。既然大多数肿瘤是由于环境因素及不当社会行为所致，已有研究表明肿瘤是可以预防和控制的[4]。如何通过对癌症病例分布特征研究和环境危险因素监测，探索影响某种癌症发生的病因学关联是近年来一直备受关注的研究前沿。虽然个体的差异会使癌症的发生表现出一定的随机性，但各地外部因素的影响，导致癌症的发生存在某种规律性，呈现出一定程度的空间分布特性。以往癌症死亡率的分析多集中在不同年代死亡率变化趋势的研究上[5]，以及通过环境中致癌物质的检测，对癌症的发病原因进行简单推断[6]。由于经典统计学模型是在观测结果相互独立的假设基础上建立的，但实际上地理现象之间大部分都不具有独立性，这种空间分布特征的复杂性使得传统的数理统计方法无法很好地解决空间数据关系问题，因此在肿瘤的空间分布研究中需要利用空间统计学分析方法[7]，用以研究在空间范围中，某类肿瘤信息分布的规律性和聚集性，以及如何衡量这种聚集度等问题。本文采用空间统计学方法，利用地理信息系统空间分析工具，对研究区消化道癌症死亡病例进行空间分析，探索病例空间分布规律，为进一步开展环境影响因素研究提供科学依据。

      2 资料和方法

      2.1 研究区选择

      根据全国第三次死因流行病学2004-2005年死因回顾性调查统计资料和在此期间开展的肿瘤死亡专题调查资料，选择某消化道癌症高发县作为研究区进行空间分析。该研究区地处平原，属温带季风型大陆气候，有主要河流及支流流经。河流上游历史上存在大量以造纸、皮革、化工、纺织、塑料等加工为主的工业企业。

      

      图1 分村消化道癌症粗死亡率分布

      Fig.1 Digestive tract cancer crude mortality rate distribution at village level

      2.2 消化道癌症死亡数据

      研究区包括572个行政村，本次研究共收集该县区549个村肝癌、胃癌、食管癌和肠癌四种消化道癌症年平均死亡人数，以及在此期间以村为单位的年平均人口数，其余23个行政村消化道癌症数据缺失，缺失率为4％。计算各村消化道癌症的粗死亡率，作为空间热点探测的基础。该研究区总体消化道癌症粗死亡率为127.82/10万，分村消化道癌症粗死亡率详见图1。

      2.3 基础图层

      选择1∶100万研究区面图层和村点图层。为保证图层能够进行准确叠加分析，图层全部采用相同的投影坐标系和地理坐标系，其中投影坐标系为World_Gall_Stereographic，单位为m；地理坐标系为GCS_WGS_1984，单位为°；大地基准为D_WGS_1984。

      2.4 村边界空间定位

      由于村边界在实际工作中很难获取，故本研究应用GIS软件的统计分析(Geostatistical Analyst)扩展模块Voronoi Map功能，通过Voronoi多边形方法[8]产生各个村落的范围。Voronoi图以诸多地理空间实体作为生长目标，按距离每一目标最近原则，将整个连续空间剖分为若干个Voronoi区，每一个Voronoi区只包含一个生长目标。对一个空间生长目标而言，凡落在其Voronoi多边形范围内的空间点均距其最近，即Voronoi多边形反映了其影响范围。本研究通过Voronoi方法，模拟村边界，体现出各村的临近关系，同时保证每个村面都包含一个村点。

      2.5 GIS空间数据库建立

      计算分村肝癌、胃癌、食管癌和肠癌死亡率以及合并4种癌症的消化道癌症死亡率。通过地理信息系统，将572个行政村进行地理定位和地理编码，编码规则与癌症病例监测数据所在村编码规则相同。将分村癌症死亡率与地理村边界通过村编码进行关联，共关联549个村，剔出缺失数据。

      2.6 空间聚集性探测方法

相关文章：