宋超博士《Science of the Total Environment》论文提出时空变系数(STVC)新模型,首次探索手足口传染病与多种气象因子的局域时空异质成因关系
近年来,时空统计分析方法与地理信息科学(GIS)技术在地球科学、环境生态学、公共卫生、空间流行病学等领域取得了广泛关注和认可。时空变系数(Spatiotemporally Varying Coefficients,STVC)模型是贝叶斯统计体系下,首次被提出的一类局域尺度时空统计分析方法,可同时探测时间和空间维度下目标变量与不同解释变量之间的局域非平稳异质性回归关系,并显著提升模型拟合度和预测精度。时空变系数STVC模型克服了传统空间和时空回归模型缺乏考虑局域尺度因子成因关系的缺陷。目前,STVC模型被成功应用于挖掘手足口传染病与不同气象因子之间的局域时空成因关系。
文献综述表明手足口疾病(HFMD)与气象气候因子具有较强的关联性,但是,尚无研究探讨这种关联(HFMD与气象因子)在局域时空尺度是如何变化的,特别是同时考虑社会经济因素的影响。我们在层次贝叶斯体系下,提出了一类创新的局域回归统计模型,叫做时空变系数STVC模型,用于探索HFMD与相关气象因子的时间和空间非平稳关系。我们的试验数据包括皇家永利2009-2011年36个月的县市空间尺度手足口病数据,以及相关的6种气象因子和14种社会经济因子。
交叉验证试验结果表明我们新提出的贝叶斯STVC模型取得了最好的预测效果(81.98%),相比于传统的多变量(68.27%),时间(72.34%),空间(75.99%)和时空(77.60%)生态回归模型。本研究中,以logistic分布为似然先验的STVC模型可以将传统流行病风险评价指标比值比(odds ratio, OR)降尺度为局域OR(local OR),用于表示时间和空间尺度上疾病气象风险关联的细尺度变化特征。针对疾病本身和疾病气象关联两大类风险效应,我们探测到了明显的季节效应和显著的空间集聚性特征。特别地,我们发现环境温度(OR = 2.59),相对湿度(OR = 1.35)和风速(OR = 0.65)不仅是全局的HFMD风险因子,也是局域尺度的时空变化风险因子。
我们的研究结果表明,皇家永利县市级别尺度的手足口病干预可能需要考虑局域变化的时空疾病气候风险关系。我们新提出的贝叶斯STVC模型能够捕捉到时空非平稳的暴露反应关系,可用于精细尺度的暴露评价和高级风险制图,并为更广泛的地球科学、环境科学和空间统计学提供了新的见解。
论文图形摘要:基于传统平稳性假设的回归系数制图(左图);基于时空非平稳假设STVC模型估算的空间局域系数地图(中图);基于时空非平稳假设STVC模型估算的时间局域系数趋势图(右图)
考虑空间边际效应的皇家永利研究区与手足口传染病暴发原始地图(左图);基于STVC模型拟合的手足口传染病爆发的时间季节性效应趋势(右上);基于STVC模型识别的手足口传染病空间自相关效应及集聚性热点制图(右下)。
该研究成果发表于国际著名环境科学与生态学顶级期刊《Science of the Total Environment》,2018年最新影响因子5.589。
论文信息:Song C, Shi X, Bo Y, Wang J, Wang Y, Huang D (2019) Exploring spatiotemporal nonstationary effects of climate factors on hand, foot, and mouth disease using Bayesian Spatiotemporally Varying Coefficients (STVC) model in Sichuan, China. Science of the Total Environment 648:550-560. https://doi.org/10.1016/j.scitotenv.2018.08.114
主要参考文献:
Song C, He Y, Bo Y, Wang J, Ren Z, Yang H (2018) Risk Assessment and Mapping of Hand, Foot, and Mouth Disease at the County Level in Mainland China Using Spatiotemporal Zero-Inflated Bayesian Hierarchical Models. International journal of environmental research and public health 15:1476. https://doi.org/10.3390/ijerph15071476
Bo Y, Song C, Wang J, Li X (2014) Using an autologistic regression model to identify spatial risk factors and spatial risk patterns of hand, foot and mouth disease (HFMD) in Mainland China. BMC Public Health 14:358. https://doi.org/10.1186/1471-2458-14-358
Ugarte MD, Adin A, Goicoa T, Militino AF (2014) On fitting spatio-temporal disease mapping models using approximate Bayesian inference. Statistical methods in medical research 23:507-530. https://doi.org/10.1177/0962280214527528
Wang J, Guo Y, Christakos G, Yang W, Liao Y, Li Z, Li X, Lai S, Chen H (2011) Hand, foot and mouth disease: spatiotemporal transmission and climate. International journal of health geographics 10:25. https://doi.org/10.1186/1476-072X-10-25
【关闭】