设为首页
加入收藏
求医中医药网
www.qe.cn
站内搜索
1生态学的空间格局观点
按照生态学的观点，正确地表征生态系统的空间格局，并对其进行数量分析与比较，是判断区域生态平衡，追踪生态演变，评价生态系统干预措施效果的必要条件之一。任何生态系统类型，离开了它所处的空间格局，其它诸如环境与生物诸要素相互作用的问题，生态系统的发展与演变等问题，统统失去了讨论的基础。就某一特定的生态系统而言，尽管有较相似的非生物环境条件，该生态系统的空间格局仍会有明显的差异。至于对自然环境很不一致的地域，这种空间格局所表现出的差异就会更大。一般来说，空间结构上的差异，不仅影响生态系统的功能，最终将影响到该生态系统的总输出。从这个意义上讲，探求生态系统的空间结构规律，对于控制生态系统具有重要意义。对于疾病生态系统而言，同样存在着以上生态学的共性问题。因而，本研究将生态学的基本原理同概率论与数理统计相结合，根据疾病流行病学特点，提出以下流行病学假设，并以此假设建立疾病空间动态模型。
2疾病空间格局类型及其动态的流行病学假设
疾病空间格局是指其在所处的特定生境空间中的结构，这种结构的形式是疾病对环境条件的适应或选择的结果。这里设想疾病的空间格局存在三种类型：
①随机格局疾病病例个体之间相互独立，既无吸引也无排斥，病例间没有一定的流行病学联系。描述这种空间格局的概率模型是Poisson分布，其主要特征是s2=，其中是疾病病例的密度，即平均每个样本单位(样方)中的病例数，s2是相应样本的方差。
②聚集格局疾病病例个体间存在某种联系，在空间内出现聚块(patch)。描述这种空间格局的概率模型主要是集中邻接分布。如Γ-Poisson分布(负二项分布)、Poisson-Poisson分布(Neymans A型分布)、β-二项分布、Poisson-二项分布、带协变量的分布(如时依Poisson)、混合Poisson分布等，它们的共同特点是s2＞。
③均匀格局假定在一特定生境中某病病例个体之间是相互排斥的，这种空间格局常用二项分布来描述。其特点是s2＜。
我们认为疾病的发生受诸多因素的影响，这些因素在不断地发生变化，因而病例无论取那种空间格局，都不是一成不变的。①、②、③三种格局之间乃至描述它们的概率分布之间并不是独立无关的。无论从疾病生态学或流行病学意义上还是从概率论与数理统计学意义上，病例的所有可能分布型组成了一个连续统(这是一个生态学术语，在此借用)，其一端是均匀分布，另一端是高度聚集的分布，而Piosson分布则是这个连续统中间的一个过渡点。从时间上考虑，随着病例在一特定生境内的密度变化，其空间格局也不断变化着，于是就可能经历由Piosson分布经负二项分布或其他复合分布到某种高度偏态，拖尾很长的高聚集分布的动态过程。这些假设思想是符合疾病的实际发生与流行动态的，因而在此前提下，以流行病学和概率论与数理统计的理论为指导，应用生态学、系统论等领域研究的最新成果，对疾病空间动态进行系统研究，建立揭示其发生与流行的空间动态的各种数学模型，便可能会找到疾病发生与流行的本质规律。
3空间动态模型建模方法
根据以上假设，本研究以山东省、山东省临沂市、临沂市所辖的平邑县的肾综合征出血热(HRFS)为研究对象，建立了一系列疾病空间分布动态的模型，现简介如下：
3.1离散性频率模型
这类模型为离散性的空间动态模型，是在时间维上，用各种概率分布模型模拟病例的空间分布动态，从而揭示其流行规律。除用二项分布、Poisson分布等单一模型外，主要应用陈锋、杨树勤介绍的各种复合模型［1～6］。
3.2Pearson-Ⅲ连续性空间分布模型［7,8］
由于疾病的发生是病因、宿主、环境三者共同作用的结果，所以其变化会很复杂。这里假设某病病例的空间分布特点是在时间维上变化较快，在一定时间时期可达到相当大的数量，一定范围内个体数变量的离散程度较高。在这种情况下，用前面介绍的离散型频率模型，就不合适，这是由于它们的变通性小，每种模型只是适用于特定的分布，参数信息少，分布的直观性差。为克服离散型频率模型的这些缺点，本研究将Pearson-Ⅲ连续性空间分布模型引入疾病空间动态研究获得满意效果。其基本方法是：对于某一特定生境，在时间维上(月份、季度、流行年)，采用回顾性或前瞻性方法，连续观察若干次(n次)内某病病例的空间分布情况，或在同一时期内，同时观察若干个(n个)特定生境内某病病例的空间分布情况，各样本量由于取样时间或地点的约束和个体分布密度的不同而不相等。这些变量组成的样本可视为来自n个概率分布总体，把它们串起来可望得到对特定生境内某病病例概率分布的动态特点。
Pearson-Ⅲ连续性空间分布模型的概率函数为：
其中，α＞0,β＞0,x≥b,Pearson-Ⅲ连续性空间分布是一个三参数分布。其参数估计方法有矩法、适线法、极大似然法和单纯性法等。其空间分布判定指标及其流行病学含义为：
①
Q＜1，聚集分布，Q越小聚集性越大；
Q=1，随机分布；
Q＞1，均匀分布，Q越大分布越均匀。
② 其中r=x20.5(2αQ2/(1-Q)β2
λ＞2时,聚集由病例间存在着内在联系所引起，这种内在联系很可能反映了致病因子及环境因子的聚集性；
λ＜2时，聚集由病例所处的地理环境决定，包括引起HRFS病例发生的若干环境因素的集合。
3.3基于Taylor幂法则［9～12］的各种聚集尺度模型
我们假定某病病例在某一特定生境中的空间分布遵循下面一条概念性的空间分布规律：在某一特定生境内，病例的空间分布，总是以Poisson分布为基准，沿着两个相反的方向演化。其一，与Poisson分布相比，在二维空间内点的分布具有更为聚合，更加集族(灶性发病点)的趋势；其二，与Poisson分布相比在二维空间内点的分布具有更为分散、更加均匀的趋势(病例高度散发)。作为上述两种趋势的极端表现，前者所有的点均重叠地分布于一个唯一的面积单元(即样本单位)之中，可以看作几个相集在一起的高度聚合的特殊分布；而后者则是所有的点在一个二维空间内各占据相等的面积，即点均匀地排布于每一面积单元之中，它可以看作为各点距离之间完全相等的高度分散的特殊分布。由上述可以推论出，在点的空间分布的基本表述上，可以发现这些点的空间分布模式能够从完全聚合于一个唯一的面积单元之内这个下限出发，连续地向上变化，通过完全符合Poisson分布的基准状态，再向上演进到各点完全均匀分布于二维空间内的上限，这样一个连续系列将包括着二维空间分布模式的全部状况。这个推论的导出对于我们处理病例空间分布格局，带来了极为重要的启示。因此，有可能将真实环境中所存在的某病病例格局，纳入一个统一的，可以进行精确数量比较的空间分布谱之中。
在此假设下，受生态学研究成果的启示，针对不同的生境特点我们制定了四种聚集尺度：适用于大范围生境(全省、全市)的R尺度(R-Scale)、适用于小范围生境(县以下的特定生境及由一个或几个自然村组成的微小生境)的E-index谱分析、距离聚集指标I(d)分析法和考虑距离相关性的空间自相关与分布型指数(Iz)法。
3.4基于Iwao
猜你喜欢
