使用地理信息系统和二元响应模型确定韩国诺如病毒疫情时空模式的环境决定因素

诺如病毒是食源性疾病的最常见原因，也是食源性死亡的第四大常见原因。由于诺如病毒在环境中稳定，容易通过粪口途径传播，且人群普遍易感容易引起人群疫情的暴发。降雨模式、温度、湿度和风等气象因素可以通过改变病毒在环境中的存活率和可传播性，从而在很大程度上影响病毒的传播模式，从而导致各种流行病学结果，许多研究都已经证明诺如病毒的爆发与低温和湿度相关的强烈冬季季节性，但这些都并非能控制的自然因素。对人类行为在诺如疫情暴发中的作用的研究更具有防控意义，Kim Jin Hwi等人使用地理信息系统（GIS）和二元响应模型来评估在韩国与诺如病毒的爆发有关的自然和人为的环境因素（气候条件、地理特征、人口特征、公共供水和卫生系统的状况以及土地利用）（表1）。

表1与诺如病毒暴发相关的27个潜在环境变量。源自参考文献

1.诺如病毒暴发不具有空间模式，行政区域之间传播作用小

使用空间自相关（global Moran's I）函数评估人口中诺如病毒爆发次数的地区间空间聚类，得到Moran's I范围为-0.05到0.02，表现为较低的空间聚类模式。

2. 诺如病毒暴发发生的地点特异性自然和人为的环境因素分析

由于地区的配置（例如人口规模和城市化程度），环境变量对诺如病毒传播模式的贡献不同，研究中将选区分为两组进行比较：人口≥ 10 万的地区（低人口区，LPD）和人口< 10 万的地区（高人口区，HPD）。其中HUM（湿度）和 TRAN（交通用地）是通常对 LPD 和 HPD 都重要的解释变量，与诺如病毒爆发呈负相关（表2）。

表2 LPD 和 HPD 之间每个变量的统计显着性和贡献。源自参考文献

3. 开发预测诺如病毒暴发时空模式的最佳二元响应模型

研究中，测试了三种不同类型的 logistic 回归模型，采用ROC 曲线和 AUC 值用于比较模型预测的准确性（图1），最后使用 5 倍交叉验证程序进一步优化所选模型（表3）。使用所建立的模型预测2009-2013年间诺如暴发数量和空间变化与真实观测数据比较（图2和3），很好地模拟了冬季季节性，也成功识别诺如病毒爆发高风险的地区。

图1不同模型的工作特征曲线。一般 logistic 模型、PC logistic 模型、分类 logistic 模型和 ANN 模型的 AUC 值分别为 0.7792、0.7616、0.8066 和 0.7963。源自参考文献

表3从 5 倍交叉验证过程开发的预测模型。源自参考文献

图2 2009-2013年期间观测和预测的诺如病毒爆发数量的时间变化。源自参考文献

图3 2009-2013年期间观测和预测的诺如病毒暴发数量的空间变化：（a） 观测的暴发数量;（b） 预测的爆发次数;（c） 观察到的每 10 万人中的疫情数量;（d） 预测的每 10 万人爆发的病例数。源自参考文献

4.结论

从表2和表3的分析中滑雪胜地（RESORT）的数量与LPD爆发呈正相关的重要环境变量；大多数土地利用变量是HPD中的重要解释变量；一些本地污水处理厂也与 LPD 和 HPD 的诺如病毒爆发呈正相关。因此，我们观察到诺如病毒爆发与地理区域内人类活动结果的关联，包括排放处理不当的污水、冬季人员过度拥挤以及土地开发的紧凑性。在制定策略或法规方面，有关影响疫情的人为因素的信息可能更有用，因为它们比温度和湿度等自然因素更容易管理。

参考文献：

Kim JH, Lee DH, Joo Y, Zoh KD, Ko G, Kang JH. Identification of environmental determinants for spatio-temporal patterns of norovirus outbreaks in Korea using a geographic information system and binary response models. Sci Total Environ. 2016;569-570:291-299. doi:10.1016/j.scitotenv.2016.06.144