面对有限的流行病学数据，确定人类钩端螺旋体病环境和社会经济适宜性的空间分布

背景

钩端螺旋体病是世界范围内导致发病和死亡的主要人畜共患疾病之一。关于疾病的空间模式及其潜在过程的知识有可能指导干预工作。然而，钩端螺旋体病往往是一种漏报和误诊的疾病，因此，该病的空间格局仍不清楚。在圣达菲城市群缺乏准确的流行病学数据的情况下，我们使用基于知识的指数和聚类分析来确定该疾病的环境和社会经济适宜性的空间模式，以及形成这些模式的潜在潜在过程。

方法

我们对2010年至2019年期间来自阿根廷监测系统的人类钩端螺旋体病病例进行了地理编码。环境和社会经济数据库是从卫星图像和网上公开平台获得的。根据文献和专家知识的支持程度，考虑了两组人类钩端螺旋体病的决定因素。我们使用分区算法来构建基于知识的索引和聚类方法来识别不同的潜在决定因素集。评估指数、聚类和发病率之间的空间相似性和相关性。

结果

我们能够对国家流行病学数据库中报告的56.36%的人类钩端螺旋体病病例进行地理编码。以知识为基础的指数显示，圣达菲地区人类钩端螺旋体病的适宜性从最大城市的市中心地区向城市周边和郊区地区增加。聚类分析显示，市中心地区的社会经济条件水平较高。城市周边地区和郊区包括两组不同的环境决定因素。发病率最高的地区与适宜性评分最高的地区重叠，但相关性强度较低(CScr= 0.21,P< 0.001和EScr= 0.19,P< 0.001)。

结论

我们提出了一种基于文献和专家知识分析人类钩端螺旋体病环境和社会经济适宜性的方法。随着该领域的研究越来越多，关于疾病决定因素的新信息越来越多，可以认为该方法是一种不断发展和完善的方案。我们的方法对决策者来说是一个有价值的工具，因为它可以作为规划干预措施的基线。

钩端螺旋体病是一种由该属细菌引起的疾病钩端螺旋体是世界范围内导致发病率和死亡率的主要人畜共患疾病之一[1］．虽然人类可直接或间接接触致病性钩端螺旋体，但通过接触被细菌污染的环境而间接传播是最常见的人类接触途径[2，3.］．由于钩端螺旋体的传播动态取决于人类、宿主(主要是哺乳动物)和环境之间的相互作用，因此人类感染与生态和当地社会经济决定因素密切相关[4，5］．热带、潮湿和温带地区的发病率较高，特别是在较温暖和潮湿的月份[3.，4］．强降雨和洪水往往通过增加人类与动物宿主、受污染的水和泥浆的接触而引发钩端螺旋体病的爆发[4，5］．钩端螺旋体病通常发生在农村地区，影响最边缘化的人群，如农村自给自足的农民[5，6］．然而，发展中国家城市贫民窟中钩端螺旋体病暴发的报告越来越多，那里的感染往往与卫生条件不足和贫困有关[4］．钩端螺旋体病对受影响的患者和国家具有重大的健康和经济后果[7，8］．预防和早期病例发现和治疗对于减少钩端螺旋体病引起的严重病例和死亡人数至关重要[9，10］．因此，必须加强公共卫生干预措施的实施，以减少该病的发病率。

在公共卫生领域，决策者往往必须分配有限的干预资源，以减缓疾病的爆发并尽量减少其影响(例如[11])。有关疾病的空间格局及其潜在过程的知识有可能指导干预工作(例如[12])。近年来，使用空间分析工具进行了越来越多的研究，目的是绘制钩端螺旋体病发病率的预测图，以协助卫生当局和决策者确定应加强预防和监测措施的高风险地区(有关审查，请参阅[13])。这些研究大多采用数据驱动方法，使用从被动监测中获得的钩端螺旋体病通报数据[13］．数据驱动的方法需要精确和详细的流行病学数据库[14］．这些方法应适用于监测活动有效覆盖的地区，而流行病学数据库包含一种疾病分布的代表性样本。然而，即使在流行地区，钩端螺旋体病也常被认为是一种漏报和误诊的疾病[3.，15］．由于许多区域缺乏数据，可能难以适当地估计其实际发病率和确定其决定因素。

对人类钩端螺旋体病的环境和社会经济适宜性(以下简称“适宜性”)进行评估，为在流行病学数据可能存在偏差的地区确定该病的空间格局提供了另一种方法。适宜性分析虽然不是一种预测方法，但可以综合社会和生物物理信息，以描述可能导致疾病发生的不同条件[16］．以前曾使用广泛的分析工具(例如[17，18])。特别是，基于知识的指数和聚类分析可以为人类钩端螺旋体病适宜性的空间格局提供补充信息。基于知识的指数由一组可观察到的或假设的事件决定因素(在我们的例子中，是钩端螺旋体病的发生)通过加权标准聚合成一个标量变量[19］．基于知识的指数可能有助于根据人类钩端螺旋体病发生的适宜性对站点进行排名。由于适宜性不能直接观察到，指数的主要目的是从可以直接测量的变量中定义适宜性[19］．因此，它使一个理论概念变得可操作，因为它将现实世界的信息聚合成一种与决策相关且有用的格式[20.］．然而，不同的环境和社会经济条件可能导致相似的适宜程度。考虑到不同的决定因素组合可能意味着不同的人类钩端螺旋体病的潜在过程，这一信息可能与具体的干预计划有关。基于集群的方法可以提供关于此主题的见解。聚类分析以前曾被用于在各种各样的社会生态系统中确定同质分组或概况，这些概况被认为是不同的社会经济和环境条件，其中可能发生不同的地方机制或过程(例如[21])。在这个意义上，聚类分析保持个体决定因素的可识别性，因为它们没有合并到一个最终值，而通常发生在指数的构造中。然而，集群方法不会自动生成概要文件层次结构[22］．因此，以知识为基础的指数将揭示人类钩端螺旋体病的适宜性梯度，而聚类分析将有助于确定可能影响整个社会生态系统的适宜性的不同决定因素[21，22］．最后，在应用这两种方法时，需要了解疾病的多种决定因素。关于世界各地人类钩端螺旋体病发病率的环境和社会经济决定因素，已有大量贡献(例如:[4，5，23])。因此，在流行病学数据库的代表性存疑的地区，应用这两种方法来评估人类钩端螺旋体病适宜性的空间模式似乎是数据驱动方法的可行替代方案。

圣达菲是阿根廷圣达菲省的首府，是一个城市群的核心城市，由于河水溢出、暴雨或两者兼有，容易遭受洪水。它呈现出典型的拉丁美洲大都市的城市结构模式[24]，边缘社会群体位于大城市的外围，较富裕的群体位于大城市的中心。此外，Ricardo等[25]发现该地区居住在河边社区的人口比例很高，他们对钩端螺旋体病有危险的做法，而且对该病的了解很少。最后，以前曾报道过国家流行病学数据库中的偏差[26，27］．因此，我们的目标有两个:(1)确定人类钩端螺旋体病适宜性的空间分布;(2)找到可能导致整个圣达菲城市群发生疾病的决定因素的不同组合。

研究区域

我们的研究区域由以下地区组成:圣达菲市，圣Tomé，雷科，圣José del Rincón和两个乡镇，Monte Vera和Arroyo Leyes(图。1)．我们将我们的研究区域称为“圣达菲城市群”(UA Santa Fe) [33］．UA Santa Fe(31°38ʹ0ʺS, 60°42ʹ0ʺW)占地面积约705平方公里。人口规模超过493,043人[28］．香港气候温和，平均日气温约为19.5摄氏度，年雨量约为990.4毫米[29］．地势平坦。UA Santa Fe西面有Salado河，东面有Paraná泛滥平原(包括Colastiné河和Setúbal泻湖)。1)．该地区的主要植被类型以Paranaense(大西洋内陆森林)和Espinal植物地理省的汇合点为特征。植被受到Paraná河泛滥平原的强烈影响，该泛滥平原由亚热带湿林和廊道林以及不同类型的泛滥稀树草原和湿地(河流、溪流、池塘和河口)组成[30.，31］．

Santa Fe和Santo Tomé是UA人口规模最大、建筑最密集的地区。相比之下，其他UA地区的人口增长率最高，绿地由种植和自然植被组成[32］．社会经济优势群体主要集中在市中心地区，而社会经济弱势群体主要集中在圣达菲和圣都的外围地区Tomé [33］．在其他地方，社会经济群体在空间上没有隔离[33］．因此，除了圣达菲和圣Tomé外，所有地区都被认为是郊区[34］．

数据来源和收集

流行病学数据库由2010-2019年圣达菲联合大学报告的确诊和疑似人类钩端螺旋体病病例组成[35］．所有记录均来自国家流行病学监测系统(SIVILA，阿根廷警戒实验室)。我们通过谷歌Map使用谷歌地理编码API对患者的居住地址进行地理编码。我们汇总了人口普查区人类钩端螺旋体病的可能病例和确诊病例，并根据每个普查区报告的人口计算了该病的发病率(表2)1)．环境和社会经济数据收集自不同的公开来源(表1)．我们使用栅格包[计算到开道的欧几里得距离]36从R 2.8.1版本[37］．所有变量都以200米像素大小进行插值，因为先前的研究发现人类钩端螺旋体病与社会环境决定因素之间的关联模式具有类似的空间分辨率[38，39］．

我们使用公式重新调整变量的大小:

，如果适宜性随变量值的增加而增加;

，如果适当性随变量值而降低。

西是原始的第i行列式，min和Max分别是最小和最大函数。因此，每个重新缩放的决定因素范围从0(最低适宜性得分)到1(最高适宜性得分)。

土地覆盖分类

UA Santa Fe的陆地覆盖分类是使用欧洲航天局哥白尼计划免费提供的Sentinel-1雷达卫星图像和Sentinel-2光学卫星图像制作的。2018年1月至2018年12月，在欧空局哥白尼开放访问中心下载了30张地面范围探测(GRD)级Sentinel-1图像和71张Sentinel-2 1A级图像[40］．Sentinel-2图像使用ESA的Sen2Cor进行level-2A处理，生成每个日期的归一化差异植被指数(NDVI)。

Sentinel-1数据的预处理是使用ESA开发的Sentinel应用平台(SNAP)完成的，遵循处理Sentinel-1 GRD产品的通常步骤:应用轨道文件，对研究区域进行子集，去除热噪声，去除边界噪声，辐射校准，正射校正和转换为分贝(dB) [41］．Sentinel-2数据的大气校正和云掩蔽使用由CNES、CESBIO和DLR开发的MAJA处理器[42，43］．然后，利用S1和S2时间序列进行像素级分类，生成了五类土地覆盖图:低植被、高植被、永久和非永久水体以及不透水表面[44，45，46)(表1)．

基于先前创建的土地覆盖分类，我们使用栅格[36]及景观量度[47]来自R的包[37]，在200 m的像素尺寸上生成以下人类钩端螺旋体病的环境和景观异质性决定因素:与水体的距离、水体、高植被、低植被和不透水(建筑)表面的比例、斑块数量、边缘密度和香农多样性(表2)1)．

概念框架

我们考虑了两种情况:一种是保守的(CSc)，它只考虑那些与钩端螺旋体病有广泛文献和专家知识支持的决定因素，另一种是探索性的(ESc)，它也包括很少被调查的决定因素。因此，我们的概念框架基于以下假设:

保守党方案(CSc)

不稳定的生活条件，例如缺乏足够的住房、衣服、食物和基本服务(自来水、污水和垃圾收集)，促进了环境污染、啮齿动物的繁殖和细菌的暴露[39，48］．另一方面，教育可提高采取预防措施的可能性[25，39］．因此，不稳定的生活条件水平越高，受教育的机会越低，人类钩端螺旋体病的适宜性就越大。

钩端螺旋体病感染风险与地形海拔呈负相关，因为较低的地形更容易接触水和潮湿的土壤[39，49］．因此，海拔越低，人类钩端螺旋体病的适宜性越高。

人类钩端螺旋体病的发病率通常与水体丰富的地区有关，例如湖泊或靠近河流的地区[50，51］．有研究显示，人类居住区附近有河流，会增加钩端螺旋体病的风险[52，53］．水体越靠近、比例越大，对人类钩端螺旋体病的适宜性越高。另一方面，家庭靠近开放的排水系统，直接接触污水、洪水和径流，与感染风险增加有关[54，55，56，57，58］．离城市河道越近，对该病的适宜性越高。

探索性场景(ESc)

许多啮齿动物物种的丰富程度受到植被覆盖的积极影响，因为植被为这些动物提供了食物和住所[59，60］．高密度的啮齿动物会增加钩端螺旋体流入环境，并增加在水塘动物之间传播的风险[61］．另一方面，更大的植被覆盖与湿度增加、环境温度降低和太阳辐射有关，所有这些都可以增强植物自由生活阶段的持久性钩端螺旋体spp。62，63，64］．因此，人类钩端螺旋体病的适宜性与植被覆盖度之间被认为是正相关的。

在城市环境中，受感染的共人啮齿动物将在建筑和自发和/或培育的绿地混合覆盖的地区被发现，增加了疾病的传播钩端螺旋体此外，城市绿地将提供阴影区域、水坑、潮湿的土壤和较低的温度，而不是那些以人行道和建筑物为主的区域。我们假设人类钩端螺旋体病的适宜性与景观异质性正相关，与建成区负相关。

在城市环境中，受感染动物主要出现在建筑和自发和/或人工绿地混合覆盖的区域[65，66］．协同啮齿动物的主导地位和它们在这些异质地区可以达到的相对较高的丰度可能会导致更大的传播钩端螺旋体spp。66］．人类住区景观异质性的增加可能有利于共生啮齿动物感染钩端螺旋体[65，66］．另一方面，农业地区可能是适合细菌生长的环境，因为那里植被覆盖面积大，土壤湿度大[62，64，67］．相反，就环境适宜性而言，城市环境可能是异质性的，因为钩端螺旋体的生存将有利于在提供阴影区域、水坑、潮湿土壤和较低温度的绿色空间中生存，而不是那些以人行道和建筑物为主的区域[62，68，69，70，71］．因此，人类钩端螺旋体病与景观异质性决定因素之间的关联被认为是正的。与此相反，建成区的适宜性与覆盖率之间的关系被认为是负相关的。

多重共线性评估

为了评估数据集中的信息冗余度，我们使用了决定因素之间的方差膨胀因子(VIF)和皮尔逊相关系数(r) [72］．所有VIF < 5和r < 0.8的决定因素均被考虑用于进一步分析。我们使用了一个逐步的过程:我们计算了每个行列式的VIF，并排除了VIF最高的行列式(大于阈值)。然后，我们重复这个过程，直到没有VIF > 5的行列式[73］．最后，我们计算了成对皮尔逊系数，以检查是否所有剩余的决定因素不相关。

以知识为基础的指数

为了结合人类钩端螺旋体病的决定因素层，基于上述定义的适宜性的空间分布，我们使用了分区算法[74］．该算法考虑了与钩端螺旋体病发生相关的景观特征的空间分布来确定一个区域的优先级值。它从整个景观开始，然后从剩余区域的边缘迭代地丢弃优先级最低的位置(网格单元)，从而保持高度的结构连通性[74］．因此，这允许识别一个嵌套的聚集景观结构序列，其中最高优先级值的位置保留到最后一次迭代。在医疗保健系统中，嵌套分区可能是在决策过程中指导地理优先的有限资源分配的有趣方法[75］．

Zonation用于定义位置重要性的方法之一是效益函数[76］．在附加效益函数中，优先区域的价值由景观中特定特征的表现值之和给出[76］．由于我们假设人类钩端螺旋体病发生的多个决定因素值最高的地区是最适宜的地区[4]，我们使用Zonation的附加效益函数来生成从0到1的适宜性梯度[76］．最低的适宜性得分并不意味着具有保护性的社会环境条件，因为低值可能是由在特征贫乏区域出现最高值的特征(其中许多特征值最低的细胞)引起的[76］．

特征加权允许分区在分析结果中保持特征之间的平衡。在CSc中，假定所有的决定因素具有同等的重要性(即权重W_我每个行列式= 1X_我^r)，因为缺乏有关决定因素的相对重要性的资料[77］．在ESc中，我们考虑的环境决定因素多于社会经济决定因素。决定因素最多的群体可能对分区结果影响最大。为避免因每组内决定因素数目不同而导致总权重不相等，我们分配相同的总权重(W_我= 6)赋给每一组行列式，并重新调整每一组行列式的权重，使其总和为总权重[78］．

聚类分析

我们通过以下步骤确定了整个圣达菲分校具有独特社会环境特征的地区(这里称为“适宜性概况”)。我们首先对保守和探索性情景的决定因素应用了主成分分析(PCA) [79］．我们考虑了前五个主成分(pc)，它们代表了累积数据方差的85%。因此，我们删除了随机波动，这些波动通常构成保留在最后一个轴上的方差的大部分(数据中包含的非系统变化)[80］．这通过产生更同构的类来改进聚类[80］．然后，我们对pc使用分层和分区(k-means)算法[79］．分层聚类根据站点之间的相似性，使用Ward 's最小方差准则将站点划分为组，以最小化集群内的总方差。然而，由于所获得的树状图中嵌套分区的结构，所获得的分区并不总是最优的。另一方面，虽然k-means算法有效地将数据划分为k个组，但其结果对初始化很敏感。因此，我们使用分层算法(Ward’s method)定义k-means[的初始条件(即聚类重心)。81］．我们使用两种场景的数据库进行聚类分析。在这两种情况下，我们都将集群的最佳数量设置为3个，因为Charrad等人列出的30个指数中的大多数都估计了这一数量。[82］．

两种场景的比较:CSc和ESc

为了比较基于知识的指标的适宜性梯度，我们使用了皮尔逊相关系数和模糊推理系统[83］．用皮尔逊相关系数对两种情景之间的空间相似性进行评估，是基于逐个细胞的比较。然而，逐个细胞的比较可能会显示细胞之间的差异，即使整体空间模式基本上相同[83］．FIS比较算法提供了另一种方法。它比较了多边形的特征，而不是在两个地图中发现的细胞[83］．在此评估中考虑的特征是交点面积、不一致面积和多边形的大小[83］．我们将适宜性梯度重新划分为5个类别(0,0.25,0.5,0.75,0.9,1)，并实现了地图比较套件中可用的FIS比较算法[83］．相似度的值范围为0到1,0对应两个完全不相似的映射，1对应单元格完全匹配的映射。我们认为相似性阈值为0.55 [84］．我们应用对应分析来比较从聚类分析中获得的适用性概况。

人类钩端螺旋体病适宜性的空间分布与该病发病率分布的比较

我们评估了圣达菲UA中人类钩端螺旋体病适宜性的空间分布与该病发病率分布之间的一致性水平，因为它可以被视为环境和社会经济条件影响该病发生强度的指示性衡量指标[18，85］．我们应用Pearson相关系数来比较基于知识的指数和疾病发病率的适宜性得分。我们使用非参数Kruskal-Wallis和Wilcoxon检验比较了钩端螺旋体病发病率在聚类之间的分布。所有分析均使用免费的统计软件R 2.8.1版本[37］．

流行病学和社会环境数据库

在圣达菲联合州，SIVILA在2010-2019年期间共报告了291例人类钩端螺旋体病病例:92例确诊病例和199例疑似病例(分别为31.6%和68.4%)。大多数记录来自圣达菲市(233项记录，占80.1%)。根据地区描述的质量，我们能够对164条记录进行地理编码(56.36%):44例确诊病例和120例疑似病例。

由于VIF > 5，我们从CSc和ESc场景中删除了裸露地板的房屋比例，并从ESc场景中删除了低植被、NDVI和边缘密度的比例2)．

以知识为基础的指数

我们发现人类钩端螺旋体病发生的适宜性梯度从圣达菲和桑托的市中心Tomé向城市周边和郊区(图。2)．从两种情景中获得的适宜性梯度CSc和ESc均呈正相关(r= 0.55,P-value < 0.001)。此外，根据模糊推理系统(模糊全局匹配= 0.44)，我们得到了两个场景之间的低相似度。在Santo Tomé市和UA的郊区，两种情况下的适宜性得分差异更大(图。3.)．

聚类分析

我们没有发现两种情况下的社会环境特征有显著差异。星团1 (CSc1和ESc1)主要包括Santa Fe和Santo的市中心区域Tomé，星团2 (CSc2和ESc2)和星团3 (CSc3和ESc3)重叠在UA Santa Fe的外围和郊区(图。4)．在CSc中，聚类2主要与城郊地区重叠，聚类3主要与圣达菲市周边地区重叠。4a).相比之下，集群3包括ESc中的郊区(图3)。4b).聚类沿第一和第二PC分布(图。5)．根据第一个PC，集群1 (CSc1和ESc1)比集群2 (CSc2和ESc2)和集群3 (CSc3和ESc3)具有更高的教育水平和更好的住房条件(图。5)．根据第二台PC，聚类2 (CSc2和ESc2)和聚类3 (CSc3和ESc3)呈现出不同的适合人类钩端螺旋体病的环境条件(图。5)．两种情景下聚类地理空间的差异主要体现在聚类2和聚类3上(图3)。6)．

人类钩端螺旋体病适宜性的空间分布与该病发病率分布的比较

我们发现，在环境和社会经济条件适宜人类钩端螺旋体病的郊区和城郊地区发病率最高。两种情况下基于知识的指数预测的结果均显著(P< 0.001)正Pearson相关系数时，考虑所有的发生率(CScr= 0.21,P< 0.001和EScr= 0.19,P< 0.001)和非空发生率值(CScr= 0.35,P< 0.001和EScr= 0.26,P< 0.001)(附加文件1模拟)。钩端螺旋体病发病率最高的病例重叠于CSc2和CSc3 (Wilcoxon检验:CSc1-CSc2，P< 0.001;CSc1-CSc3,P< 0.001;CSc2-CSc3,P= 0.7415)(附加文件1e)和ESc3 (Wilcoxon检验:ESc1-ESc2，P= 0.69;ESc1-ESc3,P< 0.001;ESc2-ESc3,P< 0.001)(附加文件1f).我们获得了两种情况下所有集群的发病率分布之间的高度重叠(> 50%)，因此，统计差异是由于异常值的存在(附加文件1e、f)。

我们采用了基于可靠的文献信息和专家知识的综合方法，以便在流行病学数据库的代表性存疑的城市群中，对人类钩端螺旋体病适宜性的地域代表性作出贡献。研究结果表明，圣达菲UA对该病的适宜性具有空间异质性，更适合城市群的近郊地区。通过聚类分析识别不同的特征有助于了解这种适宜性的空间异质性，因为它为整个圣达菲地区的疾病发生提供了一组不同的可能驱动因素。基于对钩端螺旋体病决定因素的不同假设而使用的不同情景并没有导致该疾病适宜性的空间安排存在显著差异。相比之下，我们观察到周边和郊区的空间不匹配。因此，该方法是一种有用的工具，可用于对人类钩端螺旋体病决定因素的适宜性进行空间表示，并得到文献的广泛支持。随着该领域的研究越来越多，关于这些或其他决定因素的新信息越来越多，该方法可被认为是一种不断发展和完善的方案。我们的方法可以成为决策者的宝贵工具，因为它可以作为规划预防措施和监测人类钩端螺旋体病决定因素的基线。

了解传染病的发生与环境和社会经济驱动因素之间的关联模式，可以为这些疾病的发生构建适宜性梯度[13］．我们以知识为基础的指数确定了圣达菲和圣Tomé的周边地区和UA的郊区对人类钩端螺旋体病的高度适宜性。这一空间格局与以往研究中报告的该区社会经济居住隔离情况一致[33］．桑托Tomé和圣达菲的市中心及其周边地区配备了较好的基础设施，居住在优越的社会经济群体中，而这些城市的外围地区和UA的郊区包括自建或非正式和国家规划的社区，很少或没有公共服务，主要居住在弱势社会经济群体中[33］．这种适宜性的空间格局可能源于各种经济、社会和人口过程。在UA Santa Fe可以看到两个主要的城市化进程[86]:中等收入住区靠近工业和圣达菲和圣的城市中心Tomé在工业发展阶段(主要在20世纪50年代至70年代);低地形地区的非正式贫困定居点(从20世纪70年代至80年代开始)，现在受到洪水的影响，靠近垃圾场和垃圾填埋场。随着住房、卫生、教育或财政资源方面的社会和空间不平等得到解决，钩端螺旋体病可能出现新的生态位[87，88］．此外，在最近两次人口普查(2001-2010年)中，最高的人口增长率出现在圣达菲郊区[24，32］．在迅速增长和扩大的定居点，土地使用规划政策和基础设施供应不足，可能为未来钩端螺旋体病的爆发创造条件[87，89］．因此，关于形成这些空间模式的社会过程的知识可能有助于理解、预测、预防和控制人类钩端螺旋体病适宜环境的出现。

钩端螺旋体病常见于社会经济条件和环境条件并存的城市环境(例如[39])。我们确定了以环境和社会经济决定因素为特征的两个适宜性概况(聚类2和聚类3)，这些因素重叠在基于知识的指数的适宜性得分最高的地区。这些资料之间的差异主要基于环境决定因素。然而，应该谨慎地解释这一结果，因为必须考虑到两个局限性。首先，虽然CSc2和ESc2所包括的地点比CSc3和ESc3所包括的地点与水体的比例更低，距离更远，海拔也更高，但这些地点仍然容易被淹没，主要是在萨拉多河和Paraná河的特大洪水期间(见[90，91])。即使是圣达菲市中心也容易在河流泛滥时被淹没。90］．尽管我们的研究结果报告了环境差异，但在洪水事件发生后，人类钩端螺旋体病的发病率可能会上升，并在海拔较高和远离水体的地区传播更广[92，93］．其次，我们无法发现基于社会经济决定因素的差异，但仍然可以发现不同的社会经济群体。CSc2和ESc2包括Santo Tomé和Santa Fe周边地区的小农场和园林地[91，94］．相比之下，CSc3和ESc3涵盖了主要集中在圣达菲周边和东部郊区的河边社区。这些河边社区容易被洪水淹没，其特点是不稳定的房屋与零星的自发植被和小型垃圾场混杂在一起[25) (珀耳斯。奥林匹克广播服务公司。)．这些社区的许多居民在非正式市场上从事自给自足的渔民、猎人或农民的工作，并有几头家畜未接种钩端螺旋体病疫苗[25) (珀耳斯。奥林匹克广播服务公司。)．因此，在城郊地区发现的人类钩端螺旋体病适宜条件的异质性应予以考虑，以指导防治行动。

虽然评估的两种情况在疾病适宜性的空间安排上没有显著差异，但我们发现在中等适宜性水平上存在一些空间不匹配。例如，CSc1与东部郊区重叠，其特征是第一和第二家庭属于中高收入群体[32］．相反，在ESc中考虑环境和景观异质性决定因素时，这些区域被分配到ESc2和ESc3集群。这些地区的特点是人类住区的密度较低，周围环绕着引进的和自发的植被、水体和未铺设路面的街道[24］．此外，中高收入人士常住在郊区，享受大自然，进行水上运动、垂钓等户外活动[32，95］．这些做法加上环境条件，可能会增加接触致病性细螺旋体的可能性[6］．因此，尽管存在有利的社会经济群体，人类钩端螺旋体病的适宜条件仍然可能发生。

在这两种情况下，人类钩端螺旋体病的适宜性得分和适宜性概况与该疾病在圣达菲的发病率之间的低程度一致性是预期的，原因如下:

1. 1.

   适宜的条件并不一定意味着人类钩端螺旋体病的发生

   适宜性的估计仅基于环境和社会经济驱动因素，而其他因素可能影响疾病的发病率[96］．之前在圣达菲和UA东部郊区进行的两项研究，Vanasco等人。97]和李嘉图等人[98]，在不同的环境和社会经济环境下，啮齿类动物抗钩端螺旋体抗体普遍存在。在我们对人类钩端螺旋体病的适宜性梯度中，即使是最低的适宜性分数也与在啮齿动物中发现高血清流行率的区域重叠。从这个意义上说，啮齿动物物种可能有助于细菌在圣达菲UA的循环，但这可能不足以影响人类感染的发生[25］．未来的研究是必要的，以评估这一假设在该地区。另一方面，化学预防运动通常用于在流行地区受洪水影响的人群中预防钩端螺旋体病的爆发[9］．根据López等人。[92]，更强有力的预防运动，包括化学预防，可能解释了2015-2016年洪水期间观察到的钩端螺旋体病发病率较2009-2010年影响该地区的洪水期间较低。这一运动不仅可能导致疫情的减弱，而且可能解释了疾病空间格局的变化[92］．

2. 2.

   流行病学数据收集方法存在固有问题

   国家流行病学数据库缺乏关于该病的相关信息。首先，缺乏关于传播途径的信息。因此，我们无法区分钩端螺旋体病病例是由于与动物直接接触还是由于环境暴露。然而，基于传播途径的偏差可能可以忽略不计，因为在阿根廷，钩端螺旋体病的主要危险因素是持续接触洪水环境[26］．第二，感染发生的地点可能与病例报告的地点不同。在国家流行病学数据库中，大多数包括患者家庭住址信息的人类钩端螺旋体病记录，没有关于患者是否表明可能发生接触的不同地点的信息。对于包括房屋及其周围环境在内的空间分辨率分析，这尤其是个问题，例如本研究中所进行的分析[96］．第三，局部性描述的完整性不高也是一个问题。我们无法为近一半的案例分配地理坐标，因为许多地点描述仅包括城市名称或环境类型(农村或城市)。根据所考虑的空间尺度，这种缺失的信息可能会极大地影响分析的性能。数据库目前的完整性水平足以满足以前在该区域进行的探索性分析，这些分析在更大的空间尺度上为人类钩端螺旋体病动态与社会经济和环境驱动因素之间的关联模式提供了一些深刻的认识[26，92］．然而，更高的数据质量将使更深入的研究成为可能，这些研究可以更好地描述风险群体或地区，以帮助指导卫生资源的分配[99］．在阿根廷，监测系统于2019年进行了修改，将患者健康数据与国家人事登记处(Renaper)数据库连接起来，从而提高了数据库的完整性。

3. 3.

   加权标准适用于钩端螺旋体病的决定因素

   最后，钩端螺旋体病发病率和适宜性的空间分布之间的差异可能是由于钩端螺旋体病决定因素所采用的加权标准。聚类方法的选择影响结果，使得聚类标准在指标构建和聚类过程中都是主观决定的。提出了不同的加权标准，以避免因所使用的聚合标准的选择而产生偏差[One hundred.，101］．因此，未来的工作可以探索应用不同加权标准所获得的结果。然而，我们认为，基于我们仔细和彻底的决定因素选择程序，基于本研究中使用的不同场景和聚类方法，本文所呈现的人类钩端螺旋体病适宜性的空间分布是稳健的。

加强卫生系统以提高其预防、监测和控制行动的能力已被证明有助于减少流行病的发生频率[102］．然而，资源往往是有限的，因此，资源分配是卫生保健系统决策过程的核心部分[75］．我们的发现可能有助于分配卫生系统有限的资金，因为我们获得了人类钩端螺旋体病适宜性的空间分布。通过嵌套排序方法，我们确定了需要付出更大努力来减少钩端螺旋体病暴发的领域，因为科学文献支持的大多数决定因素是并存的。

为了改善所获得的适宜性的空间安排，必须考虑以下因素:

1. (我)

   文献所支持的其他环境和社会经济决定因素可加以探讨，如正式和非正式垃圾场的存在、空置物业的比例、从事淡水捕鱼、收集和处理固体废物、园艺等的人口比例[4，5］．然而，这些信息通常是不可得的，主要是在发展中国家，就像我们的研究领域一样。因此，考虑更多的社会环境决定因素将需要进行更多的实地工作以收集有关数据。

2. (2)

   鉴于人类钩端螺旋体病发病率的不同时空模式已被广泛报道，适宜性评分可能随时间而变化(例如[103，104])。在阿根廷，人类钩端螺旋体病的最高发病率出现在温暖及温和的季节(夏季及秋季)[26，92，105］．这些爆发发生在大雨的几周内，或在这种气候条件出现后的一至两周内，或在洪水之后[92］．此外，许多哺乳动物物种可以作为水库钩端螺旋体spp。106］．此外，感染流行率由钩端螺旋体栖息在城市栖息地的野生动物的sp .已被发现高于自然环境，这一趋势似乎对啮齿动物尤其显著[106］．在该地区，几种啮齿动物如鼠形，r .鼠属而且亩骶在城市环境中都有记录[60，97］．这可能导致人类经常接触这些物种及其排泄物。尽管城市鼠害存在风险，但城市鼠害的分布、流行率、多样性和动态钩端螺旋体城市啮齿动物种群中的sp感染在很大程度上仍然未知，影响了地方当局制定有效干预战略的能力。因此，水体空间结构、降雨量、动物水库空间分布和啮齿动物活动的时间变化可作为人类钩端螺旋体病的决定因素，以评估在不同时间内适宜性的空间安排变化[92，103，107］．

3. (3)

   人类群体往往通过文化编码的行为模式、生产方式和不断变化的社会关系促进或限制传染病的传播，这些社会关系导致传染病病原体、其人类和动物宿主以及相互作用发生的环境之间的关系发生变化[108］．如上所述，观察到的适宜性梯度可能是过去几十年发生在UA Santa Fe的社会人口、文化和经济过程的结果[32，86］．此外，与圣达菲最大的城市相比，郊区地区的高增长率可能会导致当前城市结构和人口分布的变化[32]，并且很可能是疾病适宜性的空间分布。未来的研究应分析该地区经济、社会和政治动态对人类钩端螺旋体病发生的影响，以了解、预防或控制该病的最终原因[109］．

4. (iv)

   可修改面积单位问题(MAUP)应该尽可能地加以探索。MAUP由两个独立但密切相关的问题组成。首先，空间尺度决定了可以在景观上检测到的模式和过程的范围，因此，研究人员必须意识到与空间尺度变化相关的不确定性(“尺度问题”)[110］．在这项研究中，我们从环境和社会经济决定因素(住房及其周围环境)的角度描述了适宜人类钩端螺旋体病的条件。我们认为这是一个适当的空间尺度，因为先前的研究发现，在类似的尺度上，疾病的发病率与其决定因素之间存在显著关联[38，39，111］．然而，由于疾病的空间格局与尺度有关(例如[111])，未来的研究应考虑不同的空间尺度，以获得更详尽的描述人类钩端螺旋体病在圣达菲地区发生的适宜条件。第二个问题是聚集问题，指的是在相等或相似尺度上使用不同面积单位组合而导致的空间格局和过程的变化[110］．社会经济变量往往是从人口普查数据中获得的，这些数据是按任意区域单位汇总的。在这种情况下，研究人员无法控制如何进行变量聚合和/或如何确定这些面积单位[112］．如果结果对边界变化敏感，则在解释环境暴露与健康影响之间的明显关联时应谨慎[113］．尽管我们无法将社会经济数据库的空间分布从与任意聚集相关的空间分布中分离出来，但我们认为根据我们的目标，这些数据库仍然是有用的。在以前的研究中，我们使用与本研究相同的社会经济数据来源分析了过程的空间模式，如社会脆弱性、对自然灾害的脆弱性、生活质量、绿色空间的可达性等[114，115，116，117］．

5. (v)

   在构建指标和聚类过程中，还应尽可能进行不确定性和敏感性分析[118，119］．进行不确定性分析，以调查由参数输入的不确定性所产生的指数和聚类输出的变化[118］．敏感性分析紧随不确定性分析，因为它评估指数和聚类输出的变化如何定性或定量地分配到不同的输入来源[118］．因此，不确定性和敏感性分析提供了一种方法来评估指数和聚类的充分性，并确定哪些因素影响其输出[120］．在索引和聚类的构建过程中，每个步骤中执行的所有任意选择都会产生不确定性。这些选择主要基于统计程序，如数据的标准化，以及替代性流行病学假设[118］．关于统计程序，研究人员应将我们的方法与其他统计程序进行比较，以评估它们对疾病空间格局的影响(例如[118])。另一方面，每当出现替代假设时，不确定性也会产生。例如，最重要的不确定性来源之一是根据竞争性假设聚合的决定因素的选择(例如[121])。在我们的研究中，保守情景和探索性情景之间基于知识的指数和聚类输出的相似性表明，与科学文献广泛支持的因素相比，额外的人类钩端螺旋体病决定因素的影响较小。这表明保守情景中的变量可能是圣达菲UA人类钩端螺旋体适宜性空间安排的最重要决定因素之一。我们预计，在比较以不同方式组合和整合疾病决定因素的替代模型时，仍可能出现新的发现。因此，我们认为我们的方法是一种信息工具，可用于对圣达菲UA人类钩端螺旋体病的空间格局进行初步评估，并可随着有关疾病潜在过程的新信息的获得而更新。然而，灵敏度分析仍然缺乏，基于替代假设和统计程序评估和比较不同不确定性来源的影响也将有助于了解疾病，从而可能影响该地区疾病适宜性的空间安排。

最后，必须指出的是，适宜性地图有助于决定在哪里采取行动，但不能提供关于那里所需的具体干预措施的见解。需要进行多部门和多利益攸关方的交流，以确定预防、监测和控制措施的优先事项，并在整个区域分配资源，以减少疾病发病率和提高对钩端螺旋体病暴发的应对能力[122，123］．至关重要的是，社区应以一种参与式的方式参与进来，并得到支持，以尊重文化价值观、传统和地方治理结构的方式开展健康村庄倡议[124］．

我们提出了一种方法来分析人类钩端螺旋体病发生适宜性的空间异质性，这在缺乏高质量流行病学数据的地区特别有用。我们的方法可以更广泛地用于探索由具有自由生活阶段的寄生虫引起的传染病发生的适宜性的空间分布。本研究中获得的适宜性的空间分布不打算被解释为确定的，相反，它们应该被视为基于现有证据和科学家对这些证据的解释的估计。虽然我们使用了文献和专家知识广泛支持的环境和社会经济决定因素，但将这种方法与其他决定因素结合使用将提供进一步的见解。利用这种新颖的综合方法和UA Santa Fe的现有信息，我们获得了人类钩端螺旋体病发生的适宜性图谱，具有清晰而可靠的模式。通过聚类分析识别出有限数量的不同适宜性特征，补充了我们基于知识的指数方法，使我们能够区分形成疾病适宜性的潜在潜在过程。由于当前适宜性的空间分布可能是由过去发生的社会过程所决定的，城市群近郊地区最近较高的增长率可能会改变形成钩端螺旋暴露适宜性的潜在过程。因此，我们的方法可能有助于在未来分析这些变化。我们的方法可以通过使用替代方案或预测数据(例如，土地利用变化或人口密度预测)进行扩展，以更好地了解疾病适宜性空间分布的潜在变化。由此产生的见解表明，预防策略的努力应该在整个圣达菲分校的空间上是不同的。 Our results may help to prioritize areas and social groups and hence, guide the allocation of limited health resources more appropriately. This is an important step towards developing methods that can help to reduce the incidence of the disease mainly in developing countries that are the most affected by the burden of leptospirosis and that generally lack high-quality surveillance data.

本研究中使用和/或分析的数据集可根据合理要求从通讯作者处获得。

适用性:

环境和社会经济适宜性

UA圣达菲:

圣达菲的城市群

这项工作得到了来自法国的“Institut de Recherche pour le Développement”(IRD)和两个博士后研究人员国际交流奖学金的支持:由“Institut Français d’Argentina”(IFA)提供的MOGPA(让我们的星球再次伟大)计划和由“Ministerio de Ciencia, Tecnología e Innovación”(阿根廷)提供的EMHE(增强拉丁美洲和加勒比国家与欧洲之间的流动性)计划。我们要感谢Maison de la Télédétection (IRD)在蒙彼利埃(法国)的学术停留期间接受M.A.C.。我们还感谢阿根廷“国家呼吸研究所Emilio Coni博士”(INER)提供的国家钩端螺旋体病参考实验室的流行病学数据，以及由法国La大学Christophe Révillion (Réunion)和法国IRD的Pascal Mouquet (TOSCA)通过c2 - malaria项目(CNES, TOSCA)计算的NDVI和NDWI数据。最后，作者要感谢全球钩端螺旋体病环境行动网络(全球钩端螺旋体病环境行动网络)和NIMBioS(美国田纳西大学国家数学和生物合成研究所)钩端螺旋体病建模工作组，它们帮助确定了本研究的伙伴关系和研究问题。

这项工作由“国家机构Promoción Científica y Tecnológica (PICT 2017-4280)”(阿根廷)和“国家滨海大学(CAI + D orientado)”(阿根廷圣达菲)资助。

作者及隶属关系

1. 阿根廷圣达菲利托尔国立大学人文科学学院自然科学系

   马克西米利亚诺·a·克里斯塔迪和安德烈·普雷维塔利

2. ESPACE-DEV、法国国家可持续发展研究所(IRD)、法国蒙彼利埃大学、法属西印度群岛大学、法属圭亚那大学、法国蒙彼利埃留尼汪大学

   Thibault Catry, Auréa Pottier, Vincent Herbreteau & Emmanuel Roux

3. Sentinela国际联合实验室，法国国家可持续发展研究所(IRD)，巴西利亚大学(UnB)， Oswaldo Cruz基金会(Fiocruz)， Brasília，巴西

   伊曼纽尔Roux

4. Sentinela国际联合实验室，法国国家可持续发展研究所(IRD)，巴西利亚大学(UnB)，奥斯瓦尔多·克鲁兹基金会(Fiocruz)，巴西里约热内卢里约热内卢

   伊曼纽尔Roux

5. 阿根廷圣达菲国家呼吸疾病研究所(INER) " E. Coni博士" /国家卫生机构管理局(ANLIS " C.G.博士Malbrán ")

   Paulina雅各

6. 阿根廷圣达菲利托尔国立大学生物化学与生物科学学院钩端螺旋体病实验室

   Paulina雅各

7. 国家科学和技术研究理事会，阿根廷圣达菲

   安德烈·普雷维塔利先生

贡献

MAP, MAC, VH和TC设计了这项研究。AP和TC处理卫星图像。PJ提供了流行病学数据。MAC和MAP收集了社会经济和环境数据。MAC分析了数据并撰写了手稿。ER和VH监督数据分析。MAC为手稿制作了数字和表格。TC, ER, MAP, PJ, AP和VH对手稿进行了批判性的审查，并提供了智力投入。所有作者都阅读并批准了最终的手稿。

相应的作者

对应到马克西米利亚诺·a·克里斯塔尔迪或安德烈·普雷维塔利先生．

伦理批准并同意参与

不适用。

发表同意书

不适用。

相互竞争的利益

作者宣称他们之间没有利益冲突。

开放获取本文遵循知识共享署名4.0国际许可协议，允许以任何媒介或格式使用、分享、改编、分发和复制，只要您对原作者和来源给予适当的署名，提供知识共享许可协议的链接，并注明是否有更改。本文中的图像或其他第三方材料包含在文章的创作共用许可协议中，除非在材料的信用额度中另有说明。如果材料未包含在文章的创作共用许可协议中，并且您的预期使用不被法定法规所允许或超出了允许的使用范围，您将需要直接获得版权所有者的许可。如欲查看本牌照的副本，请浏览http://creativecommons.org/licenses/by/4.0/．创作共用公共领域奉献弃权书(http://creativecommons.org/publicdomain/zero/1.0/)适用于本条所提供的资料，除非在资料的信用额度中另有说明。

转载及权限