基于MaxEnt模型的和田地区肺结核疫情环境因素评估及风险区域预测

doi:10.12183/j.scjpm.2025.1066

华南预防医学 ›› 2025, Vol. 51 ›› Issue (10): 1066-1070.doi: 10.12183/j.scjpm.2025.1066

基于MaxEnt模型的和田地区肺结核疫情环境因素评估及风险区域预测

周培瑶¹, 努尔比耶·约麦尔², 李菲菲¹, 依里帕·依力哈木¹, 郑彦玲³, 张利萍³

1.新疆医科大学公共卫生学院,新疆乌鲁木齐 830017;
2.新疆和田地区疾病预防控制中心;
3.新疆医科大学医学工程技术学院

收稿日期:2024-10-30 出版日期:2025-10-20 发布日期:2025-11-14
通讯作者: 张利萍,E-mail：zhanglp1219@163.com
作者简介:周培瑶（1999—）,女,在读硕士研究生,研究方向为流行病与卫生统计学
基金资助:
国家自然科学基金项目（72163033,72064036,72174175）; 新疆维吾尔族自治区自然科学基金（2022D01C473）

Environmental factor assessment and risk region prediction of pulmonary tuberculosis in Hotan Region based on MaxEnt model

ZHOU Peiyao¹, NUERBIYE Yuemaier², LI Feifei¹, YILIPA Yilihamu¹, ZHENG Yanling³, ZHANG Liping³

1. School of Public Health, Xinjiang Medical University, Urumqi, Xinjiang 830017, China;
2. Hotan Center for Disease Control and Prevention, Xinjiang;
3. College of Medical Engineering and Technology, Xinjiang Medical University

Received:2024-10-30 Online:2025-10-20 Published:2025-11-14

摘要/Abstract

摘要： 目的基于MaxEnt模型（Maximum Entropy Model）探讨影响新疆和田地区肺结核发病的环境因素并预测高风险地区,为和田地区肺结核精准防控提供依据。方法采集和田地区2015—2021年肺结核报告发病情况、新发病例分布经纬度坐标及所在区域相关环境变量,基于MaxEnt模型及最大熵算法构建和田地区肺结核疫情传播风险预测模型,估计相关环境变量重要性,识别和田地区肺结核病传播高风险区域。结果 2015—2021年和田地区共报告肺结核新发病例47 291例,2018年发病率出现一个小高峰,随后呈现逐年下降趋势。从地区分布来看,墨玉县报告病例8 906例（占18.8%）,于田县8 274例（占17.4%）,是和田地区发病人数位居前2位的区域;MaxEnt模型结果显示,影响和田地区肺结核分布且贡献性最大的3个环境变量分别为植被覆盖率（fractional vegetation cover,FVC）、年平均温度（annual average temperature,TEM）、年度归一化植被指数（normalized differnce vegetation index,NDVI）,贡献值分别为73.9%、13.0%、6.9%。和田市、墨玉县、洛浦县、于田县、策勒县为发病高风险地区,平均风险值分别为0.604 302、0.033 288、0.031 097、0.027 203、0.025 629。结论和田地区肺结核疫情受多方面因素影响,着眼经济和气候条件方面,低收入人群和高温高湿是肺结核发病的危险因素。高风险地区主要集中在和田地区中西部。

关键词: 肺结核, MaxEnt模型, 环境因素, 传播风险

Abstract: Objective To explore the environmental factors affecting the incidence of pulmonary tuberculosis (PTB) in the Hotan region based on MaxEnt model, and to predict areas of elevated risk, thereby providing a scientific basis for precise prevention and control of PTB in Hotan. Methods The incidence of PTB reported in Hotan from 2015 to 2021, the geographic coordinates of newly diagnosed cases, and relevant environmental variables in Hotan were collected. The risk prediction model for PTB transmission was constructed based on the MaxEnt modeling framework and maximum entropy algorithms. The relative importance of environmental variables was assessed to identify high-risk areas for PTB transmission within the region. Results From 2015 to 2021, a total of 47 291 new PTB were reported in Hotan. Incidence rates peaked slightly in 2018 before exhibiting a sustained annual decline. Spatially, Moyu County (8 906 cases, 18.8%) and Yutian County (8 274 cases, 17.4%) reported the highest case counts. According to the MaxEnt model output, the three environmental variables contributing most significantly to the spatial distribution of PTB were fractional vegetation cover (FVC, 73.9%), annual average temperature (TEM, 13.0%), and normalized difference vegetation index (NDVI, 6.9%). Hotan City, Moyu County, Luopu County, Yutian County, and Cele County were identified as high-risk areas, with mean risk values of 0.604 302, 0.033 288, 0.031 097, 0.027 203, and 0.025 629, respectively. Conclusions The PTB epidemic in Hotan is multifactorially determined, with economic and climatic factors—specifically, low income and high temperature and humidity—constituting key risk factors for disease incidence. High-risk zones are primarily concentrated in the central and western subregions of Hotan.

Key words: Pulmonary tuberculosis, MaxEnt model, Environmental factors, Transmission risk

中图分类号:

R183.3

周培瑶, 努尔比耶·约麦尔, 李菲菲, 依里帕·依力哈木, 郑彦玲, 张利萍. 基于MaxEnt模型的和田地区肺结核疫情环境因素评估及风险区域预测[J]. 华南预防医学, 2025, 51(10): 1066-1070.

ZHOU Peiyao, NUERBIYE Yuemaier, LI Feifei, YILIPA Yilihamu, ZHENG Yanling, ZHANG Liping. Environmental factor assessment and risk region prediction of pulmonary tuberculosis in Hotan Region based on MaxEnt model[J]. South China Journal of Preventive Medicine, 2025, 51(10): 1066-1070.

参考文献

[1] 李忠奇,吴冰心,刘巧,等. 结核病实验室诊断技术研究进展[J]. 中国热带医学,2020,20(4):381-384.
[2] 舒薇,刘宇红. 世界卫生组织《2023年全球结核病报告》解读[J]. 结核与肺部疾病杂志,2024,5(1):15-19.
[3] 王前,李涛,杜昕,等. 2015—2019年全国肺结核报告发病情况分析[J]. 中国防痨杂志,2021,43(2):107-112.
[4] 孙艾丝,李杰,李萌,等. 2021—2022年昆明市在校学生结核感染状况分析[J]. 华南预防医学,2024,50(8):751-753.
[5] 文祎,李洁,徐永梅,等. 2016—2022年荆门市学生肺结核流行特征及治疗转归分析[J]. 华南预防医学,2024,50(9):837-840.
[6] 聂艳武. 乌鲁木齐市气象因素和空气质量因素及其交互作用对肺结核发病风险的影响[D]. 乌鲁木齐:新疆医科大学,2023.
[7] Hekimoglu O, Elverici C, Kuyucu AC.Predicting climate-driven distribution shifts in Hyalomma marginatum (Ixodidae)[J]. Parasitology, 2023, 150(10): 883-893.
[8] Shirzad R, Alesheikh AA, Asgharzadeh M, et al.Spatio-temporal modeling of human leptospirosis prevalence using the maximum entropy model[J]. BMC Public Health, 2023, 23(1): 2521.
[9] 韩璐怿,田雪莹,高琦,等. 基于MaxEnt的山东省SFTS影响因素评估及风险区域预测[J]. 山东大学学报(医学版),2023,61(4):103-110,118.
[10] 胡小康,夏尚,郭云海,等. MaxEnt模型及其在寄生虫病传播风险研究中的应用[J]. 中国寄生虫学与寄生虫病杂志,2020,38(2):238-244.
[11] 胡小康. 基于生态位模型血吸虫病传播水平的评估研究[D]. 北京:中国疾病预防控制中心,2020.
[12] Meshgi B, Majidi-Rad M, Hanafi-Bojd AA, et al.Ecological niche modeling for predicting the habitat suitability of fascioliasis based on maximum entropy model in Southern Caspian Sea littoral, Iran[J]. Acta Trop, 2019, 198: 105079.
[13] Ibáñez-Justicia A, Alcaraz-Hernández JD, van Lammeren R, et al. Habitat suitability modelling to assess the introductions of Aedes albopictus (Diptera: Culicidae) in the Netherlands[J]. Parasit Vectors, 2020, 13(1): 217.
[14] Li Z, Liu Q, Zhan M, et al.Meteorological factors contribute to the risk of pulmonary tuberculosis: A multicenter study in Eastern China[J]. Sci Total Environ, 2021, 793: 148621.
[15] 汤思琦,武扬,梁定东,等. 未来气候变化下栎树猝死病菌在中国的适生性分析[J]. 生态学报,2023,43(1):388-397.
[16] 王森路,刘年强,王新旗,等. 结核病防治"新疆模式"的发展及成效[J]. 中国防痨杂志,2024,46(2):141-144.
[17] 王新旗,依帕尔·艾海提,王森路,等. 新疆结核病防治模式初探及展望[J]. 疾病预防控制通报,2022,37(2):11-16.
[18] 依里帕·依力哈木,努尔比耶·约麦尔,武迪,等. 2015—2021年新疆和田地区新冠疫情前后肺结核发病趋势分析[J]. 安徽医科大学学报,2024,59(4):678-683.
[19] Nie Y, Lu Y, Wang C, et al.Effects and interaction of meteorological factors on pulmonary tuberculosis in Urumqi, China, 2013-2019[J]. Front Public Health, 2022, 10: 951578.
[20] Qin T, Hao Y, Wu Y, et al.Association between averaged meteorological factors and tuberculosis risk: A systematic review and meta-analysis[J]. Environ Res, 2022, 212(Pt D): 113279.

基于MaxEnt模型的和田地区肺结核疫情环境因素评估及风险区域预测

Environmental factor assessment and risk region prediction of pulmonary tuberculosis in Hotan Region based on MaxEnt model

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 0

[1]	王森路, 黄涛, 菅辉勇, 刘年强, 古扎丽努尔·艾则孜, 王丽霞, 冯建宇, 王新旗, 加依那提·金格斯, 克地尔叶克孜·吾甫尔, 曹明芹. 新疆维吾尔自治区结核潜伏感染者对预防性治疗的认知态度分析[J]. 华南预防医学, 2025, 51(8): 851-856.
[2]	马晓玲, 董改梅, 段丽丽, 刘新文. 2016—2023年新疆生产建设兵团肺结核流行特征分析[J]. 华南预防医学, 2025, 51(8): 921-924.
[3]	赵永年, 张丽杰, 段丽丽, 董改梅, 马晓玲. 重点人群主动筛查对新疆生产建设兵团肺结核疫情的影响[J]. 华南预防医学, 2025, 51(5): 562-565.
[4]	徐红英, 李艳, 李敏, 李小琴. 2018—2022年成都市龙泉驿区居民肺结核流行病学特征分析[J]. 华南预防医学, 2024, 50(7): 639-641.
[5]	蔡宇琪, 黄珊珊, 刘志东, 王嘉雯, 黄国楼, 李观海, 陈浩, 陈文杰, 姜悦, 尤心怡, 朱洋, 曹望楠, 陈亮, 李菁华. 基于IMB理论的肺结核患者服药依从性现状及影响因素研究[J]. 华南预防医学, 2024, 50(5): 390-394.
[6]	熊娜婷, 余志康, 张国良. T-SPOT.TB、MLR和PLR在活动性肺结核和合并结核潜伏感染的非结核性肺病鉴别诊断中的价值[J]. 华南预防医学, 2024, 50(3): 259-262.
[7]	杨圣元, 唐利红, 周毅彬, 严慧琴, 吴蕴华, 郭旭, 杨丽佳, 马琼锦. 2017—2022年上海市闵行区肺结核流行特征分析[J]. 华南预防医学, 2024, 50(12): 1191-1194.
[8]	邱曼玲, 徐家杰, 李梦映. 2007—2018年梧州市肺结核疫情分析[J]. 华南预防医学, 2022, 48(4): 473-476.
[9]	李杰, 李萌, 严磊, 孙辉, 周宇航, 伍迪. 2019—2020年昆明市学校师生肺结核病筛查结果分析[J]. 华南预防医学, 2022, 48(2): 214-216.
[10]	曾伟, 刘国恒, 曹蓉, 江金女. 2015—2019年广州市番禺区新登记肺结核流行特征分析[J]. 华南预防医学, 2021, 47(9): 1171-1174.
[11]	孔祥裕, 易来龙, 罗勇强, 卢歆韵, 梅月志. 130例耐多药肺结核患者分析[J]. 华南预防医学, 2021, 47(5): 613-616.
[12]	王荣, 杨晨, 苗瑞芬, 许可, 丁松宁, 李晨. 南京市2011—2019年≥65岁老年肺结核病例特征分析[J]. 华南预防医学, 2021, 47(11): 1470-1473.
[13]	雷倩, 王皓, 吕小会, 党丽云, 周俊. 1 201例肺结核患者耐药情况及影响因素分析[J]. 华南预防医学, 2021, 47(1): 1-5.
[14]	杨勇文, 侯杰, 梁新杰. 2009-2018年梅县区居民肺结核流行病学特征分析[J]. 华南预防医学, 2020, 46(6): 657-659.
[15]	刘兰彬, 杨芳. 日照市城镇居民肺结核防治知信行现状调查[J]. 华南预防医学, 2020, 46(1): 82-84.