中国钩虫病空间分布模式与风险因素：基于连续国家监测数据的研究

　　本刊推荐：本研究基于2016-2021年全国寄生虫病监测数据，运用空间自相关（Moran's I）、热点分析（Getis-Ord Gi*）和机器学习（ML）等方法，首次系统揭示中国钩虫病西南高发、东北低发的空间聚集特征，明确赤足耕作（Barefoot farming）为核心风险行为，发现第三季度平均相对湿度（Rhu03）和日照时数（Ssd03）等气候因子的非线性影响（P<0.001），为精准防控提供科学依据。

　　

背景

钩虫病作为一种被忽视的热带疾病（NTD），主要通过美洲板口线虫（Necator americanus）和十二指肠钩虫（Ancylostoma duodenale）感染人体小肠，导致慢性缺铁性贫血和营养不良。该病在卫生条件较差的低收入人群中广泛流行，是全球范围内的重要公共卫生问题。据估计全球约13亿人感染钩虫，每年导致6.5万人死亡，造成84.5万伤残调整寿命年（DALYs）损失。2015年全国调查显示中国感染人数达1697万，感染率为2.6%，其中四川省感染率最高（14.6%），海南和重庆分别为8.1%和5.7%。尽管已有研究识别了温度、水源距离、卫生条件等因素的影响，但缺乏全国尺度的空间格局和多因素综合分析。

方法

研究基于2016-2021年中国31个省级行政区（PLADs）的国家监测网络数据，采用多阶段抽样方法，在每个监测县按东西南北中五个方位各选1个乡镇，每个乡镇随机选择1个村庄，每村调查200名常住居民。通过Kato-Katz法进行粪便检测，共构建包含7929个乡镇记录和40个环境、气候及人为变量的数据库。

空间分析采用ArcGIS 10.2软件，包括：

1. 1.
   全局空间自相关分析（Global Moran's I）检测整体空间聚集性
2. 2.
   热点分析（Getis-Ord Gi*）识别局部高/低聚集区
3. 3.
   时空扫描统计（Kulldorff's method）探测时空聚集窗口
4. 4.
   标准差椭圆（SDE）分析疾病分布方向和重心迁移

机器学习采用R软件（4.3.1）构建线性回归（LM）、随机森林（RF）、梯度提升机（GBM）和XGBoost模型，通过交叉验证递归特征消除（RFE）算法选择最优变量组合，使用平均绝对误差（MAE）、均方根误差（RMSE）和决定系数（R2）评估模型性能。

结果

流行病学特征

2016-2021年全国钩虫感染率呈波动下降趋势，分别为1.3%（3515/262380）、1.0%（2974/29778）、0.9%（2911/326207）、0.8%（3580/424766）、0.5%（2106/415672）和0.7%（3856/424303），2020年较2016年下降61.9%，2021年略有回升。

地域分布显示西南地区感染率持续最高，2016年感染率>1%的8个省份中四川（8.2%）、海南（7.2%）、重庆（6.4%）、云南（5.2%）位居前列。至2021年感染率>1%的省份减少至6个，云南（4.9%）、四川（4.7%）、重庆（2.6%）仍居前三。东北、华北及西北地区多数省份无感染病例报告。

人群分布显示女性感染率（0.6-1.5%）显著高于男性（0.4-1.2%）（P<0.001）。年龄分布呈现随年龄增长而升高的趋势，≥60岁人群感染率最高，其次为45-59岁组，0-6岁组最低。

空间分布模式

全局自相关分析显示2016-2021年Moran's I值均>0（P<0.0001），表明存在显著的空间正相关。热点分析持续识别出西南地区（四川、云南、重庆、贵州、广西）为热点区域，东北地区为冷点区域。时空扫描发现2016-2018年存在主要聚集区（RR=7.55，LLR=6454.08，P<0.001），覆盖云南、四川、重庆、贵州、海南、广西、广东和湖南8省份，半径1010.4km，中心点位于东经102.01°、北纬23.58°。标准差椭圆分析显示分布重心稳定位于贵州，椭圆方向角32.64-83.87°，长短轴比1.31-2.51，呈现东北-西南走向的椭圆形分布格局。

机器学习模型

RF模型表现最优（R2=0.85，MAE=0.12，RMSE=0.18），通过RFE筛选出23个关键变量。重要性排名前8的因子依次为：赤足耕作频率、地形、经度、第三季度平均相对湿度（Rhu03）、年份、第三季度平均日照时数（Ssd03）、归一化植被指数（NDVI）和第四季度平均温度（Tem04）。

部分依赖图（PDP）显示：

• •
  赤足耕作"有时"和"经常"的感染风险分别为"从不"的1.62倍和3.97倍（P<0.0001）
• •
  山地、高原和丘陵地区感染风险较平原地区分别升高1.21、1.09和1.10倍（P<0.05）
• •
  经度在100-113°范围内感染率随经度增加而下降，114-122°范围内轻微上升
• •
  Rhu03<73时感染率低且稳定，73-93范围内随湿度升高而显著上升
• •
  Ssd03<130小时时感染率随日照增加而下降，130-300小时区间保持低位
• •
  NDVI>0.2时感染率随植被指数上升而增加
• •
  Tem04在15-22°C范围内感染率随温度升高而上升

讨论

本研究首次在全国尺度上揭示了钩虫病的空间异质性及其环境驱动机制。西南地区成为持续热点既与其温暖湿润的气候条件适宜钩虫幼虫存活有关，也受到经济相对落后、农业人口比重高等社会因素影响。女性及老年人群的高感染风险与其从事农业生产活动的暴露模式直接相关。

机器学习模型量化了各因素的非线性影响，特别是明确了第三、四季度气候因子的关键作用：Rhu03>73%创造适宜幼虫存活的湿润环境，Ssd03<130小时表明适度日照有利于幼虫存活，Tem04在15-22°C范围内提供最佳温度条件。这些发现与钩虫幼虫在土壤中需适宜温湿度完成发育的生物学特性高度吻合。

赤足耕作作为最重要的行为风险因素，其风险梯度（从不→有时→经常）清晰反映了暴露频率与感染风险的剂量反应关系。这为针对农业人群的健康教育提供了明确干预靶点。

结论

中国钩虫病分布呈现明显的西南聚集性和人口学差异。赤足耕作是核心风险行为，第三季度湿度（Rhu03）和日照（Ssd03）、第四季度温度（Tem04）是关键气候因子。建议在西南高流行区建立重点干预示范区，针对农业从业者推行"穿鞋下田"等行为干预，在特定传播季节加强高危人群筛查和健康教育，实施"核心区域聚焦、重点人群精准防控"的战略推进全国钩虫病控制进程。