地理加权回归（新冠全球大流行）

▲点击关注，收获更多GIS精彩

2020年初，COVID-19疫情突袭全球，威胁着公共卫生安全，也严重影响着社会经济与生活秩序。近年来，以SARS、禽流感、新冠肺炎等为代表的大规模传染病爆发时有发生，而全球气候与生态环境的变化加剧，以及人口跨区域流动加速也使得相关流行病学研究复杂性大大增加。

在COVID-19全球扩散的背景下，公共卫生与健康问题已在全球引起广泛关注。GIS技术在公共卫生与健康领域的应用已经成为一个重要的研究方向，一方面，公共卫生与健康问题研究在现代环境下经常涉及地理空间要素，基于GIS的数据融合和分析成为相关研究和应用中的有效工具；另一方面，该领域的需求又极大促进了GIS技术尤其是空间分析方面的技术发展。在当今大数据以及全球化的时代，GIS空间分析与制图技术会在公共卫生健康领域发挥更大的作用。

地理信息和制图技术在疾病防控的应用，最早可追溯到1854年伦敦的霍乱地图，斯诺医生创造性地将传染病案例与地图制图相结合，有效定位疾病传染源。今天，绘制传染病地图已成为医学地理学及传染病学中一项基本的研究方法。

COVID-19疫情暴发后，诞生了疫情分布图、疫情热力图和疫情追踪图等多种形式的“疫情地图”，成为公众获取疫情数据、了解疫情发展变化的有效工具。

左图为1854年伦敦霍乱地图，右图为全球疫情地图

流行病学研究和公共卫生决策所涉及的数据中，大多与空间位置信息相关，且疫情数据具有典型的时空数据特征和潜在的时空关联特征。利用GIS空间分析，可以探索疾病在空间上的分布及与特定环境要素之间的关系，发现流行病暴发和扩散的空间规律，也可以对医疗服务设施和资源的有效配置进行研究，对公共卫生事件的防治有着积极作用。本文将从以下几方面具体介绍GIS空间分析在公共卫生和健康领域的应用：

空间大数据分析

疫情期间，大量人流、物流、患者和医疗资源的时空分布等数据同时具有时间、空间和专题属性，属于典型的时空大数据。GIS在疫情中的重要应用就是建立时空大数据平台，在统一的平台上来了解确诊病例的时空活动轨迹、辐射小区，以及附近定点救治医院、疫情发展最新动态等情况。GIS空间大数据技术提供了坚实的地理空间信息支撑，在疫情传播模拟和防控决策支持中发挥了重要作用。

GIS空间大数据技术在抗击疫情中的十大应对与挑战(Chenghu Zhou,2020)

GIS空间大数据分析在疫情中的工作可以从个体、群体、区域三个尺度开展：

1、在个体尺度，进行患者时空轨迹比对和空间溯源。

对确诊病例，可追溯其时空迁徙轨迹；对需隔离的疑似对象，可实时了解其活动范围，活动异常时可以发出预警和提醒等。例如“驻留分析”可以查找对象在指定距离和持续时间内停留的位置区域，协助排查人流聚集区域，以及在高危疫区驻留的人员位置及行动轨迹等信息。

驻留分析（排查疑似患者停留区域）

2、在群体尺度，进行人群流动和疫情时空分布、传播趋势分析。

当疫情感染数量大、分布广时，可以利用空间大数据的“密度分析”展示疫情时空分布强度；另外，疫情发生、传播与人口流动息息相关，利用空间大数据的“OD分析”可以直观计算和表达人员迁徙的时空特性。

3、在区域尺度，可以开展城市网格管理，进行空间风险划分、医疗资源供需平衡、物资运输能力等研究。

空间大数据分析平台将网格化社区、居民人口分布、居民进出、外来人员流入、居家隔离群众监控等多种信息汇聚起来，结合二维码、智能门禁等物联设备，通过空间大数据分析技术，将重点防控区域的居家隔离异常报警、流动人员趋势等分析结果进行可视化表达，精准支撑疫情防控工作。

朝阳区战“疫”地图：为应对COVID-19疫情，超图基于朝阳区统一GIS平台完成了朝阳区数字战“疫”系统建设，

分析疾病空间分布模式

研究疫情的空间分布格局及时空聚集模式，有助于深入、全面地掌握疫情的时空传播扩散情况，有助于弄清最有可能爆发疫情的时间范围和地理区域。常用到的分析工具如下：

全局&局部空间自相关

在流行病学研究中，研究人员常常需要获得传染病及其相关要素的空间分布特征和变化信息。全局空间相关性分析从宏观层面出发，发现疾病总体空间集聚状态；局部空间自相关分析（如聚类和异常值分析、热点分析等）可以进一步帮助确定地区感染疾病的空间爆发模式、疾病高发区和隐患区域等。

COVID-19全球疫情聚类与异常值分析

地理分布度量

中心点、方向分布（标准差椭圆）等方法，可以用于分析和对比疾病传染的中心区域、方向走势，是调查疫情传播空间格局的一个有效手段。例如，使用“方向分布”分析全球疫情，可以调查疫情的移动扩散和波及范围，以便衡量病例的分布是否显示出一种方向性的趋势。

COVID-19疫情方向分布

探索疾病发生的影响因子

一般疾病的发生和传播极大程度都受外界环境因素的影响，借助GIS和空间统计学方法，可以有效揭示导致某些疾病发生或传播的危险因素。

构建空间回归模型

空间回归分析方法可以在一定程度上揭示环境因素与疾病传播之间的关系，反映两者是否存在相关性，以及呈正相关还是负相关。常用的空间回归模型包括最小二乘回归、地理加权回归、广义线性回归等。

利用地理加权回归分析神经管畸形发病率影响因子

地理探测器

该方法对具有空间分层异质性的疾病数据的风险因子探测上存在优势，其结果可以提供这样的信息：疾病风险主要存在于哪些地区，影响疾病风险的主要环境因素及其影响程度如何，不同因子对该疾病的影响是否有显著的差异，以及这些因子对疾病的影响是单独作用还是交互作用。

基于地理探测器识别影响疾病空间格局的环境因子

预测疾病流行趋势

在空间分析和流行病学研究的基础上，一旦疾病与环境因子的关系得以确认，则可建立疾病风险模型，用于预测疾病的流行强度与风险。

空间回归模型

回归模型是评估流行病传染风险的一种有效的统计学方法。我们提供了最小二乘回归、地理加权回归、广义线性回归、基于森林的回归等多种回归与预测模型，用以支持空间关系的探索及预测。

H7N9感染的预测风险图（Fang,2013）

流行病学模型结合GIS方法

在COVID-19疫情暴发的形势下，钟南山院士团队通过易感-暴露-感染-退出(SEIR)流行病模型、LSTM模型（一种人工智能方法）来预测本次疫情的流行趋势，推测疫情高峰及趋于平缓的时间。

该研究团队将经典传染病学模型与GIS方法结合，利用区域人口迁移等空间大数据与流行病学数据一起建模，并通过可视化展示预测结果，利用GIS充分发挥空间大数据组织与管理、分析与可视化能力。

左图为截至2月10日COVID-19病例，右图为预测新增病例数(Zifeng Yang ,2020)

有效配置医疗资源

医疗资源的有效配置是疾病防控的保障，了解医疗设施的空间布局、科学评价医疗资源的便利性、掌握医疗资源配备不足和过剩情况，对于规划防疫工作有着重要意义。

一方面可以利用专题可视化形式展示区域医疗资源（平均医护人员、平均床位数等指标）空间分布情况；另一方面常用两步移动搜索法、潜能模型等评价医疗设施的空间可达性，基于GIS网络分析法，对居民到医疗服务设施的可达性进行更加科学的解释；还可以利用GIS网络分析查找最近医疗设施，获得最佳路径，为选址和发现医疗资源欠缺地区提供参考。

两步移动搜索法分析芝加哥医疗设施可达性(Yang D H,2006)

下表为SuperMap GIS 10i产品对上述提到的相关空间分析能力的支持：

注：这里仅提供文中涉及到的部分空间分析功能，欢迎大家补充探讨。

如何应对公共卫生和健康问题，是人类的共同挑战。随着收集具有时空属性的疾病与健康数据技术的不断普及，GIS将在疾病与健康的跨学科研究中发挥越来越重要的作用。基于GIS技术的数据整合与分析已经成为公共卫生和健康研究中的必需和有效手段，未来随着人们对公共卫生和健康问题的不断重视，GIS空间分析结合空间大数据与人工智能等新型技术手段，将持续发挥更大的应用价值。

参考文献：

Chenghu,Zhou.COVID-19: Challenges to GIS with Big Data.https://doi.org/10.1016/j.geosus.2020.03.005FANG L Q，LI X L，LIU K，ET AL. Mapping spread and risk of avian influenza A（H7N9）in China[J]. Scientific reports，2013（3）：2722Zifeng Yang ,Zhiqi Zeng,et al.Modified SEIR and AI prediction of the epidemics trend of COVID-19 in China under public health interventions[ J ]. Journal of Thoracic Disease,2020,12(3).Yang D H,Goerge R, Mullner R. Comparing GIS - based methods of measuring spatial accessibility to health services [ J ]. Journal of Medical Systems, 2006,30( 1 ) :23 -32.

文/大数据与AI研发中心 郑美玲