Analysis of the epidemiological characteristics of dengue fever in Jinghong City, China-Myanmar border region by spatial-temporal multicomponent model

doi:10.3969/j.issn.1672-2302.2024.02.004

Abstract

Abstract:

Objective To understand the spatial and temporal distribution characteristics of dengue fever and the factors affecting the dengue transmission in Jinghong City located in the China-Myanmar border area in 2019. Methods The daily incidences of dengue fever were initially collected in Jinghong City in 2019. Then the spatial-temporal multicomponent model on the Power-law algorithm basis was developed using population density, GDP per capita, daily average temperature, daily average relative humidity and sunshine hours as covariates to analyze the spatial and temporal transmission characteristics of dengue fever in different regions. The fitting effect of the model was evaluated by the Akaike information criterion（AIC） values. Results In 2019, a total of 3 303 local cases of dengue fever were reported in Jinghong City, with an incidence of 763.44/100 000 population. The spatio-temporal multicomponent model showed the best fitting effect if GDP per capita was included in the autoregressive compartment, population density, daily average temperature, daily mean maximum temperature and daily average relative humidity were included in the endemic compartment (AIC=2 317). At this point, the autoregressive compartment, the epidemic component and the endemic compartment were 0.215 1 [95% CI: (0.081 2, 0.570 2)], 0.000 4 [95% CI: (0.000 2, 0.001 0)] and 3.015 2 [95% CI: (1.650 7, 5.507 8)], respectively. The strength of effect of the covariates was 2.815 9 [95% CI: (0.021 6, 367.168 5)], 1.822 7 [95% CI: (1.497 6, 2.218 3)], 1.208 8 [95% CI: (1.057 7, 1.381 6)], 0.356 1 [95% CI: (0.011 9, 10.673 9)] and 0.310 4 [95% CI: (0.003 6, 126.548 2)] respectively for the average daily relative humidity, population density, GDP per capita, mean daily air temperature, and mean daily maximum temperature. Analysis on the incidence over 20 cases in an area demonstrated autocorrelation component produced greater effect on the incidence in Yunjinghong Community, Xishuangbanna Tourist Resort and Jinghong Industrial Park. However, the endemic compartment of Gasa Town, Menglong Town and Menghan Town were relatively large. Conclusion Dengue fever prevalence varies in different areas in Jinghong City, with spatial-temporal transmission trends. GDP per capita may lead to following epidemic from previous situation of dengue fever prevalence, and population density, daily average temperature, daily mean maximum temperature and daily average relative humidity can result in the risks of dengue fever epidemic in the local area.

Key words: Dengue fever, Border area of China-Myanmar, Jinghong City, Spatial-temporal multicomponent model

CLC Number:

R183.5

TANG Yerong, ZHOU Hongning, LI Jinghua, XIAO Jianpeng. Analysis of the epidemiological characteristics of dengue fever in Jinghong City, China-Myanmar border region by spatial-temporal multicomponent model[J]. Journal of Tropical Diseases and Parasitology, 2024, 22(2): 83-88.

Figures/Tables 4

Figure 1

Table 1

Table 2

Analysis results of dengue fever in Jinghong City, China-Myanmar border area in 2019, by spatial-temporal multicomponent model

序号	模型	AIC	时间自相关成分（95%CI）	空间流行成分（95%CI）	局部特性成分（95%CI）	作用强度（95%CI）
1	基础模型	2 356	0.881 5（0.789 9，0.983 8）	0.000 5（0.000 2，0.001 1）	2.858 4（1.609 7，5.075 8）
2	PL(基础模型+Power-law)	2 356	0.881 5（0.789 9，0.983 9）	0.000 5（0.000 2，0.001 2）	2.858 4（1.609 7，5.075 9）
3	PL+人口密度	2 321	0.839 3（0.747 5，0.942 4）	0.000 4（0.000 2，0.000 1）	3.181 5（1.748 9，5.787 7）	1.808 9（1.491 6，2.193 7）
4	PL+人均GDP	2 357	0.880 8（0.789 0，0.983 0）	0.000 5（0.000 2，0.001 1）	2.857 1（1.607 7，5.077 5）	1.086 8（0.845 1，1.397 6)
5	PL+日平均气温	2 354	0.884 6（0.792 8，0.987 0）	0.000 4（0.000 2，0.001 1）	2.665 4（1.501 1，4.732 8）	0.141 9（0.016 7，1.204 1）
6	PL+日平均最高气温	2 352	0.886 0（0.794 3，0.988 2）	0.000 5（0.000 2，0.001 1）	2.660 9（1.498 8，4.723 9）	0.046 0（0.003 4，0.630 9）
7	PL+日平均最低气温	2 357	0.882 3（0.790 6，0.984 8）	0.000 4（0.000 2，0.001 1）	2.780 6（1.563 9，4.943 8）	0.557 1（0.149 3，2.078 4）
8	PL+日平均降水量	2 357	0.881 8（0.790 2，0.984 0）	0.000 5（0.000 2，0.001 0）	2.861 1（1.610 2，5.084 6）	1.005 2（0.984 1，1.026 7）
9	PL+日平均相对湿度	2 355	0.883 6（0.792 2，0.985 7）	0.000 5（0.000 2，0.001 2）	2.855 6（1.601 9，5.090 6）	14.826 4（0.404 8，542.974 4）
10	PL+日照时数	2 358	0.881 3（0.789 6，0.983 6）	0.000 5（0.000 2，0.001 1）	2.858 5（1.610 0，5.074 9）	1.009 3（0.914 4，1.114 0）
11	PL+人均GDP	2 351	0.278 0（0.112 4，0.687 5）	0.000 5（0.000 2，0.001 1）	2.887 9（1.628 8，5.120 3）	1.174 4（1.036 1，1.331 2）
12	PL+人均GDP +人口密度 +日平均气温 +日平均最高气温 +日平均相对湿度	2 317	0.215 1（0.081 2，0.570 2）	0.000 4（0.000 2，0.001 0）	3.015 2（1.650 7，5.507 8）	1.208 8（1.057 7，1.381 6） 1.822 7（1.497 6，2.218 3） 0.356 1（0.011 9，10.673 9） 0.310 4（0.003 6，126.548 2） 2.815 9（0.021 6，367.168 5）

Table 2

Figure 2

References 25

[1]	刘可可. 中国登革热多尺度时空影响因素研究[D]. 北京: 中国疾病预防控制中心, 2019.
[2]	陈纯, 郑红英, 张周斌, 等. 气象因素对广州市虫媒传染病发病影响研究[J]. 疾病监测, 2016, 31(12):984-988.
[3]	唐烨榕, 杜龙飞, 王鑫, 等. 气象因素及伊蚊幼虫对云南省登革热的影响与滞后效应研究[J]. 中国媒介生物学及控制杂志, 2020, 31(2):180-184. doi: 10.11853/j.issn.1003.8280.2020.02.012
[4]	谢润生. 潮州市登革热时空传播规律及其驱动因素研究[D]. 广州: 广东药科大学, 2017.
[5]	岳玉娟, 任东升, 刘小波, 等. 2014—2018年中国登革热病例空间特征及相关关系研究[J]. 中国媒介生物学及控制杂志, 2020, 31(5):517-520. doi: 10.11853/j.issn.1003.8280.2020.05.003
[6]	Sang SW, Wang SS, Lu L, et al. The epidemiological characteristics and dynamic transmission of dengue in China,2013[J]. PLoS Negl Trop Dis, 2016, 10(11):e0005095.
[7]	唐烨榕, 姜进勇, 杜龙飞, 等. 云南省景洪市城区登革热网格化管理效果评价[J]. 中国媒介生物学及控制杂志, 2020, 31(3):254-258,267. doi: 10.11853/j.issn.1003.8280.2020.03.002
[8]	郭晓芳, 杨明东, 姜进勇, 等. 云南省中缅边境2015年一起登革热暴发的分子特征分析[J]. 中华流行病学杂志, 2016, 37(3):398-401.
[9]	Guo XF, Yang HL, Wu C, et al. Molecular characterization and viral origin of the first dengue outbreak in Xishuangbanna, Yunnan Province, China, 2013[J]. Am J Trop Med Hyg, 2015, 93(2):390-393.
[10]	Wen SJ, Ma DH, Lin Y, et al. Complete genome characterization of the 2017 dengue outbreak in Xishuangbanna, a border city of China, Burma and Laos[J]. Front Cell Infect Microbiol, 2018, 8:148.
[11]	Zhao YJ, Li LH, Ma DH, et al. Molecular characterization and viral origin of the 2015 dengue outbreak in Xishuangbanna, Yunnan, China[J]. Sci Rep, 2016, 6:34444. doi: 10.1038/srep34444 pmid: 27681163
[12]	陈曦, 吴雯西, 李雪, 等. 云南边防地区2010—2018年登革热流行的时间和空间分布[J]. 热带医学杂志, 2020, 20(7):973-976.
[13]	中国疾病预防控制中心. 登革热防治技术指南[Z]. 北京: 中国疾病预防控制中心, 2014.
[14]	Meyer S, Held L, Höhle M. Spatio-temporal analysis of epidemic phenomena using the R package surveillance[J]. J Stat Soft, 2017, 77(11):1-55.
[15]	张兵, 严睿, 何寒青, 等. 浙江省2013年麻疹疫情时空分布特征[J]. 中华流行病学杂志, 2016, 37(4):548-552.
[16]	吴昊澄, 徐校平, 吴晨, 等. 浙江省戊型肝炎发病时空特征多成分分析[J]. 中华地方病学杂志, 2018, 37(4):306-311.
[17]	Paul M, Held L, Toschke AM. Multivariate modelling of infectious disease surveillance data[J]. Stat Med, 2008, 27(29):6250-6267. doi: 10.1002/sim.3440 pmid: 18800337
[18]	赵建国. 基于动力学模型的广东登革热输入风险及气象因素对登革热发病影响的研究[D]. 桂林: 桂林电子科技大学, 2021.
[19]	张金宇. 基于气候和媒介及百度指数的多时间尺度登革热预测研究[D]. 广州: 广东药科大学, 2020.
[20]	刘少群, 杨少逵, 许奕涛, 等. 潮州市2006年登革热疫情流行病学分析[J]. 华南预防医学, 2007, 33(5):36-37.
[21]	赵建国, 贾巧娟, 王丽莹, 等. 气象因素对登革热传播影响的研究进展[J]. 现代预防医学, 2020, 47(22):4185-4189.
[22]	魏勇, 郑学礼. 登革热传播影响因素的研究进展[J]. 中国病原生物学杂志, 2021, 16(10):1231-1235.
[23]	黄清臻, 傅军华, 严子锵, 等. 城市登革热防控几点建议[J]. 中国媒介生物学及控制杂志, 2015, 26(2):117-119. doi: 10.11853/j.issn.1003.4692.2015.02.003
[24]	刘慧, 许建卫, 夏敏, 等. 云南省西双版纳州和缅甸掸邦傣族居民登革热知识和预防行为及其影响因素分析[J]. 中国媒介生物学及控制杂志, 2020, 31(1):57-61. doi: 10.11853/j.issn.1003.8280.2020.01.012
[25]	伦辛畅, 杨锐, 林凌鸿, 等. 云南省西双版纳州景洪市居民登革热知信行的现状分析[J]. 中国媒介生物学及控制杂志, 2022, 33(2):281-288. doi: 10.11853/j.issn.1003.8280.2022.02.022

乡镇（街道）	7月	8月	9月	10月	11月	合计
允景洪街道	44	549	1 849	65	9	2 516
嘎洒镇	0	3	37	167	30	237
景洪工业园区	0	55	59	99	4	217
西双版纳旅游度假区	0	0	24	116	26	166
勐龙镇	0	0	22	37	4	63
勐罕镇	0	0	14	30	15	59
景哈乡	0	0	3	10	7	20
勐养镇	0	0	1	5	1	7
普文镇	0	0	1	3	2	6
景讷乡	0	0	2	2	1	5
大渡岗乡	0	0	0	4	0	4
基诺乡	0	0	0	2	1	3
勐旺乡	0	0	0	0	0	0
合计	44	607	2 012	540	100	3 303