运用空间局部内插研究我国应征男性青年视力低下的地区分布特征

目的研究我国应征男青年视力低下检出率的空间分布特征。方法收集2001年我国应征男青年视力低下检出率资料,在ArcGIS 8.1软件支持下,建立我国应征男青年视力低下发病的地理信息系统,并以此为基础利用空间局部内插分析建立我国应征男青年视力低下空间分布图,以交叉评价指标为依据选择无偏最优的空间分布图。结果我国应征男青年视力低下空间分布图显示,视力低下检出率较高的地区集中在辽宁南部、内蒙中部、华北、华东及西北地区的甘肃、陕西、宁夏一带,特别是江苏、上海的检出率最高。新疆、西藏、云南、贵州、广西、黑龙江和吉林北部地区视力低下检出率最低。交叉评价指标显示,建立的我国应征男青年视力低下空间分布图是对我国应征男青年视力低下分布的无偏最优估计。结论空间局部内插法能很好估计我国应征男青年视力低下的空间分布特征,分布图对防治措施的制定与实施具有很好的参考价值。     

运用空间局部内插研究我国应征男青年高血压的地区分布特征

目的研究我国应征男青年高血压检出率的空间分布特征。方法利用第三次全国应征青年体质调查研究资料,在ArcGIS8.1软件支持下,建立我国应征男青年高血压发病的地理信息系统,并以此为基础利用空间局部内插分析方法建立我国应征男青年高血压空间分布图,以交叉评价指标为依据选择无偏最优的空间分布图。结果我国应征男青年高血压空间分布图显示,高血压检出率呈片状分布,检出率较高的北方地区以河北、山东、北京为中心,南方以广西为中心。东北地区舒张压偏高的检出率较其他地区高;以山东为中心的华北地区和以广西为中心的两广地区收缩压、舒张压高的检出率均明显高于其他地区。交叉评价指标显示,建立的我国应征男青年高血压空间分布图是对我国应征男青年高血压分布的最优无偏估计。结论我国应征男青年高血压检出率存在明显的空间分布差异,应进一步研究不同地区的地理环境、气候、经济等对青少年血压的影响。     

采用GIS技术研究我国应征男性青年营养状况的地区分布特征

[目的]研究我国应征男青年营养状况的空间分布特征.[方法]利用第3次全国应征青年体质调研数据,在AreGIS8.1软件支持下,建立我国应征男青年营养状况指标的地理信息系统,并以此为基础利用空间局部内插分析建立我国应征男青年营养状况指标空间分布图,以交叉评价指标为依据选择无偏最优的空闻分布图.[结果]分布图显示,我国应征男青年体重、BMI、超重检出率分布趋势基本一致,总体上有从北向南逐渐减小或降低的趋势,呼和浩特以东的东北地区、华北地区、江苏、安徽北部地区,应征男青年的体重较重、BMI较大、超重及肥胖的检出率较高、消瘦检出率最低;青藏高原南部,应征男青年的体重最轻、BMI最小、消瘦检出率最高,云南和广西南部的超重检出率最低.交叉评价指标显示,建立的我国应征男青年营养状况指标空间分布图是对我国应征男青年营养状况分布的无偏最优估计.[结论] 我国应征男青年营养状况存在明显的空间分布差异,应进一步研究不同地区的地理、气候、经济等对青少年营养状况的影响.     

四川省应征男青年人格特征的地区分布特点

目的研究四川省应征男青年人格特征的空间分布特征。方法收集2011年四川省应征男青年人格特征的数据资料,在Arc GIS 8.1软件支持下,建立四川省应征男青年人格特征分布的地理信息系统,并以此为基础利用空间局部内插分析建立四川省应征男青年人格特征空间分布图,以交叉评价指标为依据选择无偏最优的空间分布图。结果四川省应征男青年人格特征在神经特质(Net)、敏感特质(Set)、分离特质(Dit)3个临床量表上的分布图显示,四川东部应征青年得分最高,其次是四川北部和南部。四川中部和四川西部的应征青年得分较低,其中川西分数最低。各量表分值具有明显的空间分布特征。交叉评价指标显示,建立的四川省应征男青年人格特征空间分布图是对四川省应征男青年人格特征分布的无偏最优估计。结论空间局部内插法能很好地估计四川应征男青年的人格特征空间分布特征,分布图对征兵心理检测系统的制定与实施具有很好的参考价值。     

卫星遥感植被指数与海南省疟疾流行地区分布的相关性研究

目的分析诺阿卫星改进型甚高分辨率辐射仪归一化差值植被指数(NOAAAVHRRNDVI)与疟疾流行地区分布的相关性,探讨将遥感技术应用于海南省疟疾监测的可行性。方法收集1995年2月至1996年1月海南省各地疟疾发病资料,并通过其间海南省NOAAAVHRRNDVI10日复合遥感影像片获取各地各类NDVI指标值,计算发病率与相应NDVI值的相关系数。结果海南省各地疟疾年发病率与当地年均NDVI值、年均最大NDVI值、年均NDVI>145的区域面积构成比、NDVI>135的月份数呈显著正相关,与年均NDVI<145的区域面积构成比呈负相关。疟疾高发区分布与月度NDVI>145且持续9个月以上的地区分布较为一致。结论海南省疟疾地区分布与当地NDVI值有相关性,可以进一步考虑应用NDVI值进行疟疾监测的可行性。     

淮河流域疟疾流行的空间分布特征

目的分析淮河流域疟疾流行的空间分布特征,为疟疾防控提供依据。方法运用克立格空间插值法,分析不同地区疟疾发病率的空间自相关性,构建变异函数,制作淮河流域不同区域尺度（县、乡）疟疾流行的空间分布图;比较不同年份空间分布特征的变化观察疟疾流行的态势,推测下一年疟疾流行的可能趋势。结果流域不同地区疟疾发病率存在空间自相关性,制作的空间分布图显示：流域东北部是疟疾的相对高发区,从2004至2006年,疟疾的流行强度增加,流行范围扩大。发病率大于1/万的流行区呈现出以墉桥区、固镇县、蒙城县为中心,向西、南方向蔓延,发病率大于10/万的乡呈现出流行范围由局部区域向西、北和东3个方向蔓延之势。结论淮河流域疟疾的流行总体上仍处于上升阶段,疟防形势较为严峻。     

结合地理信息系统分析云南省元江流域疟疾流行状况

目的运用地理信息系统(GIS)制作疟疾专题图，分析探讨云南省元江流域疟疾的流行态势。方法运用ArcView GIS软件，建立云南省元江流域10县1953、1963、1973、1983、1991～1995及2000年的疟疾发病状况数据库。结果获得该流域20世纪50年代至2000年的疟疾发病率时空分布图，及其1991～1995年发热病人血检结果、居民疟原虫血检结果和恶性疟情况分布图。结论运用GIS，通过制作疟疾专题地图，可以对云南省元江流域10县的疟疾流行状况从时间、空间等方面进行直观、准确的分析。     

海南省疟疾流行空间分布的环境影响因素初步分析

目的 分析海南省疟疾流行空间分布特征及其与自然环境因素的相关性,构建海南省疟疾流行空间分布预测模型.方法 获取2000年海南省雨季(5-10月)各县(市)疟疾发病资料以及气象、土地利用类型构成比、地表温度(LST)和各地平均高程等数据,分析发病率与上述各环境因素的相关性,应用负二项回归分析建立发病率的预测模型,并应用预测模型预测疟疾流行风险的空间分布.结果 海南省2000年雨季各市(县)疟疾发病率与各地的海拔高度、林地面积构成比、草地面积构成比呈显著正相关;与耕地面积构成比、城乡、工矿、居民用地面积构成比、LST呈显著负相关;与水域面积构成比、未利用土地面积构成比、平均气温、平均最高气温、平均最低气温、平均极温差、平均相对湿度及降雨量无明显相关性.负二项回归分析引入方程的因子为LST,回归方程为:Ⅰ(月发病率,单位:1/100万)=exp(-1.672-0.399×LST).结论 海南省疟疾流行空间分布与多种环境因素有关,可以利用遥感技术获取有关环境指标来预测疟疾流行风险的空间分布.     

深圳市外来和常住人口传染病发病谱对比分析

目的：对外来人口传染病发病率及其影响因素分析。方法：利用传染病登记报告系统积累的资料，以法定传染病总发病率为基础，重点为暂住与常住人口相关传染病发病率进行了统计和对比分析，结果：从1980－1999年，人群总发病率逐年下降，经历了3个阶段，但暂住人口发病率下降不明显，从1984－1999年，疟疾发病经过2个高峰，与深圳大规模的建设相一致；疟疾和霍乱发病率暂住人口高于常住人群；伤寒发病率差异不明显，而细菌性痢疾，病毒性肝炎和淋病的发病常常住人群高于暂住人口，结论：社会经济病对传染的病发病谱的影响值得重视，疟视和霍乱可作为深圳市外来流动人口传染病发病谱中的“指示病种”。     

应用圆型分布法动态分析高安市38年疟疾季节分布特征

目的：动态掌握高安市疟疾发病季节分布特征，以达到基本消灭疟疾提供理论依据。方法：采用圆型分布法对高安市1962－1999年疟疾发病资料进行分析，并对影响因素进一步作动态分析，结果：1962－1970年、1971－1980年、1981－1999年疟疾发病季节集中趋势逐期减弱，差异有显著性意义（F＝52．18，P＜0．01），结论：高安市1981－1999年疟疾发病集中时点、流行高峰期提高，高峰期延长，分析气候影响因素表明，雨季雨量减少，发病集中时点、流特高峰期提前，雨季长，7－8月月均气温低，高峰期延长。     

Rise in malaria incidence rates in South Africa: a small-area spatial analysis of variation in time trends

Using Bayesian statistical models, the authors investigated spatial and temporal variations in small-area malaria incidence rates for the period mid-1986 to mid-1999 for two districts in northern KwaZulu Natal, South Africa. Maps of spatially smoothed incidence rates at different time points and spatially smoothed time trends in incidence gave a visual impression of the highest increase in incidence occurring where incidence rates previously had been lowest. This was confirmed by conditional autoregressive models, which showed that there was a significant negative association between time trends and smoothed baseline incidence before the steady rise in caseloads began. Growth rates also appeared to be higher in the areas close to the Mozambican border. The main findings of this analysis were that: 1) the spatial distribution of the rise in malaria incidence is uneven and strongly suggests a geographic expansion of high-malaria-risk areas; 2) there is evidence of a stabilization of incidence in areas that had the highest rates before the current escalation of rates began; and 3) areas immediately adjoining the Mozambican border appear to have undergone larger increases in incidence, in contrast to the general pattern of low growth in the more northern, high-baseline-incidence areas, but this was not confirmed by modeling. Smoothing of small-area maps of incidence and growth in incidence (trend) is important for interpretation of the spatial distribution of disease incidence and the spatial distribution of rapid changes in disease incidence.     

Use of generalized linear mixed models in the spatial analysis of small-area malaria incidence rates in Kwazulu Natal, South Africa.

Spatial statistical analysis of 1994-1995 small-area malaria incidence rates in the population of the northernmost districts of KwaZulu Natal, South Africa, was undertaken to identify factors that might explain very strong heterogeneity in the rates. In this paper, the authors describe a method of adjusting the regression analysis results for strong spatial correlation in the rates by using generalized linear mixed models and variograms. The results of the spatially adjusted, multiple regression analysis showed that malaria incidence was significantly positively associated with higher winter rainfall and a higher average maximum temperature and was significantly negatively associated with increasing distance from water bodies. The statistical model was used to produce a map of predicted malaria incidence in the area, taking into account local variation from the model prediction if this variation was supported by the data. The predictor variables showed that even small differences in climate can have very marked effects on the intensity of malaria transmission, even in areas subject to malaria control for many years. The results of this study have important implications for malaria control programs in the area.     

应用地理信息系统分析中国肾综合征出血热的空间分布

目的　利用地理信息系统 (GIS)技术分析中国大陆肾综合征出血热 (HFRS)的空间区域分布 ,建立HFRS危险区域分布图。方法　收集中国 41个HFRS监测点 1 995～ 1 998年的人群发病资料建立数据库 ,以中国省级、县级、一级河流数字地图为背景 ,在ArcGIS软件的支持下 ,与建立的数据库关联并对监测点人群发病资料进行反距离权重插值分析 ;收集 1 998年 6月SPOT4卫星覆盖东南亚地区的植被影像 ,逐一提取出各监测点监测区域的归一化植被指数 (NDVI) ,与 1 995～ 1 998年HFRS监测点人群平均发病率进行相关分析 ;根据不同流行强度监测区域的NDVI值 ,对遥感影像使用不同的颜色进行密度分割。结果　HFRS监测点人群发病资料的空间分析预测模型显示 ,中国HFRS主要分布于黑龙江流域、黄河中下游地区、长江中下游地区及京杭大运河 淮河流域地区 ,与1 995～ 1 998年全国各县HFRS平均发病率分布图进行比较 ,发现两者基本一致 ;相关分析显示HFRS发病率与NDVI之间呈现正相关 (r=0 .41 7,P <0 .0 1 ) ,根据各监测点NDVI的差异建立了中国HFRS危险区域分布图。结论　根据监测点数据采用GIS技术建立的预测模型对预测全国HFRS的分布情况有重要意义     

浙江省2011-2015年发热伴血小板减少综合征发病空间预测

目的 了解浙江省发热伴血小板减少综合征（SFTS）发病空间分布特征,预测发病区域及聚集性疫情发生概率。方法 收集2011-2015年浙江省SFTS发病个案数据,使用ArcGIS 10.0软件进行空间分析,利用Moran''s I和G统计量探索空间自相关;采用趋势面分析发病趋势;以Kriging插值进行预测。结果 2011-2015年浙江省报告SFTS发病数逐年上升,报告发病地区扩大,发病时间和人群特征与既往研究结果相似;SFTS发病具有地区聚集性（P<0.001）,全省发病自东北向西南方向呈下降趋势;采用Kriging预测精度较好,预测发病区域较为广泛,以安吉、岱山、天台县发生聚集性病例概率相对更高,内部地区预测误差小于边缘地区。结论 Kriging插值预测SFTS发病较为准确,浙江省SFTS病例发生区域和水平均高于目前报告水平,以安吉、岱山、宁海、天台、三门、临海等地区发生聚集性疫情风险较高。     

基于面到面泊松克里格方法的手足口病发病率空间分布降尺度研究

目的 运用面到面泊松克里格降尺度方法,对山东省2010年区（县）手足口病发病率进行降尺度插值,探究手足口病在乡镇尺度上的空间分布模式,为卫生部门更精准的制定防控措施和分配医疗资源提供参考依据。方法 收集2010年山东省108个区（县）的手足口病发病数,采用面到面泊松克里格方法进行降尺度插值,运用地理信息系统（GIS）对插值结果进行空间可视化,将区（县）发病率降尺度插值到乡镇发病率,得到乡镇发病率空间分布。结果 降尺度插值时,拟合的点尺度半方差方程的自相关距离（变程）为20.38 km,变程范围内发病率具有空间自相关性。区（县）手足口病发病率估计值和实际值散点图拟合函数为y=1.053 1x,R²=0.99,不同尺度之间发病率保持一致。结论 手足口病发病率在20.38 km范围内具有一定的空间自相关性。在某一地区暴发手足口病时,有关部门可重点针对暴发区20.38 km范围内的地区进行重点监控,着重分配治疗药物等医疗资源。面到面泊松克里格降尺度方法能够被有效地应用于手足口病的空间制图中,为公共健康发病率高分辨率制图提供了一种新的方法。