GIS和遥感应用于传染病流行病学研究 ——以乙肝和高致病性禽流感为例

论文摘要

据美国联邦地理数据委员会（Federal Geographic Data Committee，FGDC）的评估，政府部门全部数据的80-90％是带有地理位置信息的，这自然也包括卫生部门的数据。这种情况对于其它国家也是相似的。而地理信息系统（Geographic Information Systems，GIS）和遥感（Remote Sensing，RS）具有强大的地理空间数据获取、管理、处理、分析和显示的能力，这使得GIS、遥感等空间信息技术在卫生领域上的应用具有先天的优势。遥感能够快速、大范围获取空间数据，随着遥感领域的发展，新的卫星和传感器系统被送入轨道，依靠这些种类繁多的空间探测器和日益完善的参数反演方法，丰富的大气、海洋、陆面信息能够被获取，为卫生领域中疾病发生与各类环境相关性分析、疾病时空建模等提供了数据支持。而GIS除了继续完善和发展其传统的基于地图的空间分析功能外，也开始弥补其由于历史原因所造成的空间数据分析功能的不足。在GIS与遥感的集成方面也有长足的发展，目前的主流GIS和遥感软件基本上可以综合分析常用栅格和矢量格式的地理数据。本研究以乙肝（Hepatitis B）和高致病性禽流感（Highly Pathogenic Avian Influenza，HPAI）两种疾病为例，研究了疾病制图（disease mapping）、聚类分析（clustering analysis）、生态分析（ecological analysis）等传染病流行病学研究主题。综合本文的研究工作，主要取得以下几方面的成果： （1） 探索性空间数据分析（Exploratory Spatial Data Analysis，ESDA）技术和Kriging插值方法相结合应用于我国乙肝地理分布研究Kriging插值方法是GIS地统计（Geostatistics）分析技术的核心，其在地质学、土壤学、气候学等领域具有广泛的应用。而其应用于疾病制图却不多见。本研究首先对我国1994-1998乙肝发病率数据进行了探索性空间数据分析，在此基础上成功应用Kriging方法制作了这5年我国乙肝发病地理分布图。结果显示，我国乙肝发病率地理分布特点为：西北内蒙和甘肃一带、中南和华东部分地区和东北部分省市为高发地区。长江以南高于长江以北。东部沿海高于西部边疆。通过发病率地理分布图，可以直观地了解我国乙肝疾病发生情况，为决策提供了初步依据。也为进一步的病因分析，环境相关研究提供了重要的

论文目录

• 摘要
• ABSTRACT
• 目录
• 图表目录
• 第一章 引言
• 1.1 研究背景
• 1.2 目的和意义
• 1.3 国内外研究现状
• 1.4 论文主要研究内容和结构
• 第二章 公共卫生领域GIS和遥感技术的应用
• 2.1 GIS技术及其在公共卫生领域的应用
• 2.1.1 GIS的功能
• 2.1.1.1 空间数据选择
• 2.1.1.2 空间数据操纵
• 2.1.1.3 空间自相关的概念和空间数据分析
• 2.1.1.4 探索性空间数据分析
• 2.1.1.5 证实性空间数据分析
• 2.1.3 GIS应用于公共卫生的研究
• 2.1.3.1 暴露估计
• 2.1.3.2 研究群确定
• 2.1.3.3 公共卫生监测
• 2.1.3.4 疾病数据可视化与制图
• 2.1.4 空间数据分析方法在公共卫生数据分析中的应用
• 2.1.4.1 公共卫生研究的数据类型
• 2.1.4.2 空间流行病学研究分类
• 2.1.4.3 测量尺度
• 2.1.4.4 疾病制图
• 2.1.4.5 生态分析
• 2.1.4.6 聚类分析
• 2.1.4.7 疾病簇的监视和发现
• 2.1.5 分析工具和模块
• 2.1.5.1 通用 GIS平台
• 2.1.5.2 空间统计分析模块和工具
• 2.2 遥感技术应用于公共卫生研究原理
• 2.2.1 疾病流行要素遥感监测体系设计原理与方法
• 2.2.2 各种传感器的应用情况
• 2.2.3 遥感数据处理和分析算法、模型研究
• 第三章 乙性肝炎制图研究
• 3.1 材料和方法
• 3.1.1 数据和预处理
• 3.1.2 数学方法
• 3.1.2.1 Kriging数学描述
• 3.1.2.2 半变异函数及其经验计算法
• 3.1.2.3 插值验证方法
• 3.2 结果和讨论
• 3.2.1 制图步骤
• 3.2.2 ESDA分析
• 3.2.1.1 数据分布和变换
• 3.2.1.2 QQ图分析和异常值探测
• 3.2.1.3 数据趋势分析
• 3.2.2 结果
• 3.3 本章小结
• 第四章 HPAI爆发的时空模式与环境因素相关性分析
• 4.1 禽流感介绍
• 4.1.1 2003年底以来的高致病性禽流感流行
• 4.1.2 生物学特性
• 4.1.3 流行病学特征
• 4.1.4 水禽和飞鸟在禽流感流行中的作用
• 4.2 遥感数据和环境信息提取
• 4.2.1 主要传感器及其数据产品介绍
• 4.2.1.1 MODIS
• 4.2.1.2 SPOT VEGETATION
• 4.2.2 软件和工具
• 4.2.2.1 MRT tool
• 4.2.2.2 HEG tool
• 4.2.2.3 其它软件和工具
• 4.2.3 MODIS标准数据产品和 SPOT NDVI处理和应用
• 4.1.3.1 MODIS标准数据产品
• 4.1.3.2 SPOT NDVI
• 4.3 地图数据和环境信息提取
• 4.3.1 与交通、水体要素的邻近度定义和计算
• 4.3.2 软件和工具
• 4.4 数据资料
• 4.5 疾病数据的可视化表达
• 4.5.1 二维制图
• 4.5.1.1 地区分布图
• 4.5.1.2 光滑地图
• 4.5.2 时间序列动态地图集
• 4.6 高致病性禽流感探索性（空间）数据分析
• 4.6.1 禽流感与气候因素相关性
• 4.6.1.1 地表温度
• 4.6.1.2 大气水汽
• 4.6.2 禽流感与水体因素相关性
• 4.6.2.1 湖泊
• 4.6.2.2 水库
• 4.6.2.3 河流
• 4.6.3 禽流感与交通因素相关性
• 4.6.3.1 国道
• 4.6.3.2 铁路
• 4.6.4 植被指数
• 4.6.5 候鸟迁徙与禽流感
• 4.6.5.1 鸟类迁徙的知识
• 4.6.5.2 全球和中国主要候鸟迁徙路线
• 4.6.5.3 候鸟迁徙与禽流感发生的关系
• 4.7 疾病聚类分析
• 4.7.1 全局聚类
• 4.7.2 焦点聚类
• 4.7.3 空间/时间相关性分析
• 4.7.3.1 疫情发生的时间相关性
• 4.7.3.2 空间扫描统计
• 4.8 结论和讨论
• 第五章 HPAI发生与环境因素相关性及HPAI传播行为建模
• 5.1 二分类结果与多因素相关性建模
• 5.1.1 传统logistic回归模型
• 5.1.2 空间自相关模型
• 5.1.3 HPAI与环境因素相关性建模
• 5.2 空间相关和时间相关
• 5.2.1 空间相关
• 5.2.1.1 常用的空间相关定义
• 5.2.1.2 HPAI空间相关定义
• 5.2.2 时间相关
• 5.3 参数估计
• 5.3.1 最大似然估计
• 5.3.2 相关回归模型估计
• 第六章 中国大陆高致病性禽流感建模研究
• 6.1 抽样设计
• 6.2 环境因素提取
• 6.3 结果分析
• 6.3.1 一般logistic回归分析
• 6.3.2 考虑时空相关的回归分析
• 6.4 中国大陆高致病性禽流感发生预测
• 6.5 小结
• 第七章 结论和展望
• 参考文献
• 攻读博士学位期间参加科研和论文发表情况
• 参加的科研项目
• 发表的论文
• 致谢