利用空间自回归模型分析儿童尿碘的变异

目的　探讨碘缺乏病监测资料儿童尿碘的空间自相关性及变异情况 ,为地方病的防治提供科学的依据 ,为疾病空间数据的分析提供统计学方法上的参考。方法　资料来源于四川省 95、97、99年碘缺乏病监测资料 ,以尿碘水平为应变量 ,盐碘水平与海拔为自变量分别对三年的资料拟合直线回归与空间自回归模型。结果　三年儿童尿碘总变异中 ,由盐碘、海拔及空间自相关三者所解释的变异占总变异的 6 9 8%、32 8%、4 3 9% ;扣除海拔后 ,由其它空间变异所解释的变异分别为 5 7 6 %、2 1 4 %、18 8%。尿碘水平与盐碘水平呈现正相关 ,与海拔呈现负相关。结论　儿童尿碘水平在地理空间上具有一定的聚集性 ,儿童尿碘水平的个体水平差异正在逐渐减少 ,儿童碘营养状况得到较好改善 ,碘缺乏防治效果明显     

四种空间回归模型在疾病空间数据影响因素筛选中的比较研究

目的 探讨全局空间回归模型(空间迟滞模型、空间误差模型、空间杜宾模型)和局部空间回归模型(地理加权回归)在筛选疾病空间数据影响因素中的价值,为查找具有空间自相关性和空间异质性的疾病数据的影响因素提供统计参考.方法 基于模型是否考虑空间自相关和空间异质性两方面,根据模型拟合后的残差是否独立、拉格朗日乘数和稳健拉格朗日乘数是否显著、信息准则量(AIC、SC)大小、R2大小、对数似然值大小等指标来评价模型拟合的效果.结果 实例分析显示,普通线性回归模型拟合的AIC为41.65、R2为0.49,但残差不独立,存在空间自相关性.空间迟滞模型的AIC为18.6935、R2为0.64,稳健拉格朗日乘数显著,模型拟合后的残差独立.空间误差模型的AIC为22.0779、R2 为0.62,稳健拉格朗日乘数不显著,模型拟合后的残差独立.地理加权回归模型的AIC为14.9909、R2为0.62,模型拟合后的残差独立,模型的参数估计值具有空间变异性,不同地区的β系数、常数项、R2不同.结论 全局空间回归模型和局部空间回归模型考虑了数据的空间自相关性,在探讨具有空间自相关性的疾病空间数据的影响因素时,较经典的普通线性回归模型效果好.而且,局部空间回归模型体现了参数估计值的空间变异性,与全局空间回归模型的平均估计值相比,结果更可靠.     

1995-2005年四川省消除碘缺乏病监测结果分析

目的及时全面掌握四川省碘缺乏病动态变化趋势，客观评价干预措施落实及防治效果，为修订防治策略提供科学依据。方法自1995年开始，每2年按人口比例概率抽样法（PPS）抽取30个县，检查8～10岁学生甲状腺、尿碘和家中盐碘及五年级学生健康教育问卷调查。结果8～10岁儿童触摸法甲肿率由1995年的37．1％下降到5．6％，B超法甲肿率由1997年的9．2％下降到2．7％；尿碘中位数由119．2μg／L上升到245．2μg／L，合格碘盐食用率由12．4％上升到96．1％。结论盐碘、尿碘及甲状腺肿大率3项指标已经达到国家消除碘缺乏病标准，防治效果显著。     

尿碘测定中标准曲线的运用

尿碘测定中标准曲线的运用陈新力，石玉宽，温瑞芳，刘文明，于振江，周风武（内蒙古伊克昭盟地方病防治站）尿碘测定中，经回归后的标准曲线比不回归及直线回归为优［１］。本文通过对若干批尿样的尿碘值，在其各批所带的标准曲线上与它们在同一条标准曲线结果进行分析，...     

影响海岛成年居民尿碘水平的多因素分析

目的：了解海岛居民的碘营养状况及影响尿碘水平的因素，评价补碘措施的意义及利弊。方法：对定海农村（食用碘盐）和岱山农村（不食用碘盐）随机抽取8个乡20岁以上成年人入户调查，进行两样本按尿碘水平分层的描述性统计，并以尿碘水平为有序应变量在对各影响因素卡方检验的基础上，作多因素非条件Logistic回归分析。结果：食用碘盐组47．1％尿碘在200μg/L及以上，而不食用碘盐组57．2％尿碘在＜100μg/L。不食用碘盐组、性别、人均年收入和饮食碘摄入在多因素分析中有显性意义（OR值分别为0．685，1．2241和1．201）。结论：舟山海岛居民日常饮食不能满足机体碘需要，应对其补碘，但应适当下调碘盐含碘浓度，定期监测，使尿碘水平在理想碘营养状况的范围内。在不食用碘盐相，饮食碘改善碘营养状况可作为辅助手段。     

运用空间误差自回归模型研究江苏省地方性氟中毒的影响因素

目的运用空间误差自回归模型分析江苏省地方性氟中毒的影响因素。方法利用1982—1985年江苏省地方性氟中毒的调查数据,建立包含当地气象海拔资料的地方性氟中毒的地理信息数据库,采用ArcView进行空间误差自回归分析。结果空间误差自回归模型分析表明水氟浓度与氟斑牙患病率呈正相关(P0.05),气象和海拔等因素对患病率无影响(P值均0.05)。模型还提示当地的氟斑牙患病率水平还可能受到其他空间聚集因素的影响。结论江苏省氟斑牙患病率主要受水氟浓度的影响,与气象和海拔因素关系不大,可能还受到其他因素的影响。     

碘化食盐防治碘缺乏病效果评价

对日照市１９８２～１９９４年碘缺乏病区的地甲肿患病率、肿大率及水碘、尿碘、盐碘动态进行监测。结果表明：自１９８３年向病区供应碘盐后，居民尿碘均值明显上升并维持在１００ｕｇ／Ｌ以上，地甲肿患病率、肿大率由原来的１１．０７％和３６．９５％下降到１９８９年的０．８６％和４．８３％。１９９１年后居民尿碘水平开始下降，至１９９３年尿碘值＜１００ｕｇ／Ｌ者占５４．８％，居民户食盐平均含碘量为０．７７～１１．５６ｍｇ／ｋｇ，无碘率高达３２．４％，学龄儿童甲状腺肿大率呈回升趋势。建议应重点加强对病区碘盐供应工作的监督管理措施     

妊娠期和哺乳期妇女及婴儿碘营养代谢

目的：了解妊娠及哺乳期妇女碘营养代谢。方法：收集妊娠第12－14周及第18－22周和哺乳期母婴尿、乳汁及盐，采用改良砷铈催化分光光度法测定尿碘，直接滴定法测定盐碘。结果：130例孕早期妇女尿碘急剧下降，与120例未孕组和孕中期组差异有极显性意义（P均＜0．01），尿碘＜100μg/L达13．3％，至哺乳期（120例）尿碘上升到718．0μg/L（M），＞1000μg/L有21％，婴儿尿碘＞800μg/L达41．0％。仅母新乳汁碘及婴儿的尿碘呈相关性（γ＝0．211，P＜0．05），农村上述变化不及市区突出。结论：孕期补碘宜早、宜少、宜多样化，下降盐碘浓度，防止高碘危害。     

深圳市南山区孕妇碘营养状况及碘相关知识知晓程度调查分析

目的：了解深圳市南山区孕妇妊娠中期碘营养状况及尿碘浓度（μg/L），同时调查妇女碘知识知晓度，分析两者的相关性。方法：对824名孕中期妇女进行调查问卷，并采用尿碘快速定量检测法进行尿碘含量测定。结果：孕妇尿碘浓度分布服从偏正态分布规律，中位数为243．35μg／L，重度和中度缺碘的比率分别为0．85％和2．8％。孕妇对碘相关知识知晓度平均62．4％，与尿碘存在显著的正相关关系（r=0．813）。结论：深圳市南山区孕妇碘营养状况总体良好，能够满足其本身和胎儿的生理需要，但仍有少部分处于缺碘状态。尿碘是孕妇碘营养水平的有效评价指标，要加强对该项指标的监测。加强碘知识的宣传，尤其是在孕妇等重点人群中进行碘营养知识的普及，提高相关知识的知晓程度。     

新疆环境补碘对婴儿死亡和儿童发育的影响

目的：研究新疆环境补碘新方法对婴儿死亡和儿童发育的影响。方法：用补碘前和补碘后2乡历年和5岁儿童尿碘、身高和头围监测资料，以美国同龄儿童为参照计算Z得分。用Logistic回归方法分析4乡3县1988－1999年的婴儿死亡和新生儿死亡数据。结果：环境补碘后婴儿死亡相对风险比降低了56．49％，新生儿死亡相对风险经降低了65．71％，控制是否补碘变量后，实验和对照风险比降低了56．49％，新生儿死亡相对风险比降低了65．71％；控制是否补碘变量后，实验区和对照区婴儿死亡或新生儿死亡差异无显著性，朗如乡5岁儿童平均身高由1999年的95cm提高到1998－1999年的106．9cm；同期平均头围由484cm提高到50．5cm；尿碘中位值由补碘前低于10μg/L提高到176μg/L，巴克其乡5岁儿童平均身高由1993年的91cm提高到1998－1999年的106．5cm；同期平均头围由48．7cm提高到49．6cm；尿碘中位值由39μg/L提高到138μg/L。结论：新疆和田地区的环境补碘方法显示地降低了婴儿，新生儿死亡率，极大地改善了儿童的生长发育状况。     

Spatial analysis of socioeconomic determinants of homicide in Brazil

OBJECTIVE: To investigate the association between homicide rates and socio-economic variables taking into account the spatial site of the indicators. METHODS: An ecological study was conducted. The dependent variable was the rate of homicides among the male population aged 15 to 49 years, residing in the districts of the State of Pernambuco from 1995 to 1998. The independent variables were an index of the living conditions, per capita family income, Theil inequality index, Gini index, average income of the head of the family, poverty index, rate of illiteracy, and demographic density. The following techniques were used in the analysis: a spatial autocorrelation test determined by the Moran index, multiple linear regression, a spatial regression model (CAR) and a generalized additive model for the detection of spatial trend (LOESS). RESULTS: The illiteracy and the poverty index explained 24.6% of the total variability of the homicide rates and there was an inverse relationship. Moran's I statistics indicated spatial autocorrelation between municipalities. The multiple linear regression model best fitted for the purposes of this study was the Conditional Auto Regressive (CAR) model. The latter confirmed the association between the poverty index, illiteracy and homicide rates. CONCLUSIONS: The inverse association observed between socio-economic indicators and homicides may be expressing a process that propitiates improvement in living conditions and that is linked predominantly to conditions that generate violence, such as drug traffic.     

Statistische Methoden der kleinräumigen Versorgungsforschung

Accurate modeling of spatial dependencies between observations is a significant challenge in research on regional health-care services. This article provides insight into current methods of modeling relationships in regional health-care service research, with consideration of spatial dependencies. Spatial dependencies may be triggered by spillover effects between neighboring regions and spatially distributed differences in – e.g., morbidity – which are not observable. If not considered in the model, the results of the analyses may be biased. Spatial dependencies can be added to the regression model as a spatial lag or a spatial error term. Using an example study, we illustrate that failing to consider spatial autocorrelation may lead to biased coefficients and/or standard errors. Research on regional health-care services should, therefore, if possible, test for spatial autocorrelation in the data and adjust the model accordingly.     

应用区域型空间自相关系数分析疾病的聚集性

目的探讨空间自相关系数及区域型空间自相关系数对疾病的空间数据聚集性的应用。方法以2000年四川省消除碘缺乏病阶段目标评估资料为例，计算Moran’sI及区域型Moran’sI系数，并作出区域型Moran’sI系数的属性地图。结果盐碘水平中位数的Moran’sI系数=0．2560，P〈0．05，从区域型Moran’sI系数的属性地图可知，大部分区域的系数〉O。结论整体上四川省的盐碘水平存在着一定的空间聚集性，从局部上看仍有少数区域与其周边呈现相反情况。     

Filling the gaps: spatial interpolation of residential survey data in the estimation of neighborhood characteristics

The measurement of area-level attributes remains a major challenge in studies of neighborhood health effects. Even when neighborhood survey data are collected, they necessarily have incomplete spatial coverage. We investigated whether interpolation of neighborhood survey data was aided by information on spatial dependencies and supplementary data. Neighborhood "availability of healthy foods" was measured in a population-based survey of 5186 persons in Baltimore, New York, and Forsyth County (North Carolina). The following supplementary data were compiled from Census 2000 and InfoUSA, Inc.: distance to supermarkets, density of supermarkets and fruit and vegetable stores, housing density, distance to a high-income area, and percent of households that do not own a vehicle. We compared 4 interpolation models (ordinary least squares, residual kriging, spatial error regression, and thin-plate splines) using error statistics and Pearson correlation coefficients (r) from repeated replications of cross-validations. There was positive spatial autocorrelation in neighborhood availability of healthy foods (by site, Moran coefficient range = 0.10-0.28; all P<0.0001). Prediction performances were generally similar for the evaluated models (r approximately 0.35 for Baltimore and Forsyth; r approximately 0.54 for New York). Supplementary data accounted for much of the spatial autocorrelation and, thus, spatial modeling was only advantageous when spatial correlation was at least moderate. A variety of interpolation techniques will likely need to be utilized in order to increase the data available for examining health effects of residential environments. The most appropriate method will vary depending on the construct of interest, availability of relevant supplementary data, and types of observed spatial patterns.     

尿中碘的过硫酸铵消化砷铈催化分光光度测定法的验证

目的对过硫酸铵消化砷铈催化分光光度法测定尿中碘含量的方法进行验证方法按照过硫酸铵消化砷铈催化分光光度法操作要求，对方法的标准曲线线性范围及线性关系、测定的精密度、准确度进行验证，并对实验中注意事项进行分析。结果方法的标准曲线线性范围碘质量浓度在0—300μg/L，标准曲线的平均相关系数为-0．9993；测定碘质量浓度为78．5、151、236μg/L的尿碘国家标准物质，其相对标准偏差分别为2．2％、1．3％、0．8％；相对误差分别为0．8％、0．7％、0．4％。结论该方法操作简便，标准曲线线性关系良好，精密度和准确度高，污染小，是值得推广应用的方法。     

上海市COVID-19发病率的空间特征以及影响因素分析

目的 探究上海市COVID-19疫情的空间分布特征,分析各类影响因素对疫情传播的影响。方法 收集2022年3月1日―2022年5月31日上海市各行政区卫生健康委员会官网的COVID-19疫情数据,采用GeoDa软件进行空间自相关回归分析。选择2021年上海市各行政区统计年鉴中典型的人口、经济、医疗等因素的变量,采用相关性以及多重共线性分析进行筛选,最后纳入4个自变量进入模型。在普通最小二乘线性(ordinary least square, OLS)模型、空间滞后模型(spatial lag model, SLM)、空间误差模型(spatial error model, SEM)中,优选OLS模型作为影响本轮疫情影响因素的模型。结果 本轮上海市疫情传播具有全局空间聚集性,其中虹口区、静安区、黄浦区和徐汇区为高-高聚集区(high-high area, HH),在松江区和金山区为低-低聚集区(low-low area, LL),其余区域局部Moran’s I不显著。OLS模型提示,人口密度与人均GDP为COVID-19发病率的促进因素,单位医院数量与人均公共财政教育支出则与COVID-19...     

2011―2020年山东省发热伴血小板减少综合征流行特征及空间聚集性

  目的  分析2011―2020年山东省发热伴血小板减少综合征(severe fever with thrombocytopenia syndrome, SFTS)流行特征及空间聚集情况,为SFTS科学防控提供依据。  方法  通过中国疾病预防控制信息系统收集数据资料,采用描述性分析、Joinpoint回归模型分析及空间自相关分析方法分析SFTS流行特征及空间聚集性。  结果  2011―2020年山东省累计报告SFTS病例4 642例,年均发病率为0.46/10万,累计报告死亡451例,平均病死率为9.72%。每年5―9月为发病高峰,中老年农民为发病的主要人群。Joinpoint回归分析显示,2011―2015年山东省SFTS发病率呈上升趋势,年度变化百分比(annual percentage changes, APC)为38.93%(t=2.91,P=0.033),2016―2020年趋于平稳,APC值为2.71%(t=0.53,P=0.620)。全局空间自相关分析显示,除2011年(Moran’ I=0.011,P=0.168)外,2012―2020年各年SFTS发病率均存在空间聚集性(均有P＜0.05)。局部空间自相关分析显示,“高-高”聚集区主要集中在济南市、淄博市等鲁中内陆和烟台市、威海市等鲁东沿海地区。  结论  山东省SFTS发病存在季节性和空间聚集性,应加大对高发季节和高危人群监测管理,加大对鲁中内陆和鲁东沿海地区的防控力度。     

Automated time series forecasting for biosurveillance

For robust detection performance, traditional control chart monitoring for biosurveillance is based on input data free of trends, day-of-week effects, and other systematic behaviour. Time series forecasting methods may be used to remove this behaviour by subtracting forecasts from observations to form residuals for algorithmic input. We describe three forecast methods and compare their predictive accuracy on each of 16 authentic syndromic data streams. The methods are (1) a non-adaptive regression model using a long historical baseline, (2) an adaptive regression model with a shorter, sliding baseline, and (3) the Holt-Winters method for generalized exponential smoothing. Criteria for comparing the forecasts were the root-mean-square error, the median absolute per cent error (MedAPE), and the median absolute deviation. The median-based criteria showed best overall performance for the Holt-Winters method. The MedAPE measures over the 16 test series averaged 16.5, 11.6, and 9.7 for the non-adaptive regression, adaptive regression, and Holt-Winters methods, respectively. The non-adaptive regression forecasts were degraded by changes in the data behaviour in the fixed baseline period used to compute model coefficients. The mean-based criterion was less conclusive because of the effects of poor forecasts on a small number of calendar holidays. The Holt-Winters method was also most effective at removing serial autocorrelation, with most 1-day-lag autocorrelation coefficients below 0.15. The forecast methods were compared without tuning them to the behaviour of individual series. We achieved improved predictions with such tuning of the Holt-Winters method, but practical use of such improvements for routine surveillance will require reliable data classification methods.     

校正中心效应的非劣性检验

目的解决校正中心效应的非劣性检验的问题。方法借助多重回归中的回归系数及其标准误表达式,试图得到校正中心效应的非劣性检验统计量。结果导出校正中心效应的非劣性检验的方法,并且可以借助多重回归校正中心效应的部分结果进行非劣性检验。并用实例说明了具体的计算步骤。结论可以用本文所介绍统计方法进行校正中心效应的非劣性检验。