引用格式：
申力,徐瑱梵,艾明耀,等.基于時空統(tǒng)計建模的主要類型癌癥全球疾病負(fù)擔(dān)變化研究[J].地球信息科學(xué)學(xué)報, 2025,27(3):698-715.[Shen L, Xu Z F, Ai M Y, et al. A spatial-temporal modeling study on the global disease burden of major types of cancers[J]. Journal of Geo-information Science, 2025,27(3):698-715.]
DOI:10.12082/dqxxkx.2025.240528;CSTR:32074.14.dqxxkx.2025.240528
引 言
一、研究背景
全球范圍內(nèi)，肺癌、結(jié)直腸癌、胃癌、肝癌和胰腺癌等主要癌癥發(fā)病率及死亡率持續(xù)上升，不同國家和地區(qū)呈現(xiàn)出明顯的空間聚集性和時間趨勢差異。隨著人口老齡化、生活方式轉(zhuǎn)變以及環(huán)境因素的多重作用，癌癥負(fù)擔(dān)呈現(xiàn)出復(fù)雜的時空動態(tài)特征。為了破解這一難題，本研究旨在利用多源數(shù)據(jù)和先進時空建模手段，對200多個國家近十年來的癌癥死亡數(shù)據(jù)進行綜合時空分析與風(fēng)險預(yù)測，從而為全球癌癥防控提供科學(xué)依據(jù)。
基于時空統(tǒng)計建模的全球疾病負(fù)擔(dān)變化研究框架
二、全球癌癥時空分布預(yù)測的研究方法
（一）多尺度地理加權(quán)回歸提取空間異質(zhì)性
MGWR模型能夠針對不同自變量設(shè)置不同的空間帶寬，以捕捉各因素在不同地理位置的非均質(zhì)性影響。模型基本形式為：
（二）自回歸積分滑動平均模型趨勢分析
為了揭示癌癥死亡率的時間演變趨勢，本研究采用ARIMA模型對時間序列數(shù)據(jù)進行建模。ARIMA模型的數(shù)學(xué)形式為：
此模型有助于捕捉各國癌癥死亡率隨時間的周期性波動及長期趨勢，為后續(xù)風(fēng)險預(yù)測提供時間維度的特征輸入。
（三）貝葉斯時空預(yù)測模型
為綜合空間和時間信息，本研究構(gòu)建了一種貝葉斯時空模型，將MGWR和ARIMA提取的空間、時間特征有機融合，構(gòu)建如下回歸模型：
利用貝葉斯方法對模型參數(shù)進行估計，不僅能量化參數(shù)的不確定性，還充分融合了先驗知識，為全球癌癥防控提供更具預(yù)測力的定量支持。
三、研究結(jié)論
研究結(jié)果顯示：
①上升趨勢明顯：全球主要癌癥死亡率整體呈上升趨勢，高收入和中高收入國家的增速尤為顯著，而中低收入和低收入國家雖增速較緩，但區(qū)域間風(fēng)險仍存在較大差異。
按收入分組的全球主要類型癌癥的死亡率ARIMA擬合結(jié)果
按地區(qū)分組的全球主要類型癌癥的死亡率ARIMA擬合結(jié)果
②空間聚集性突出：歐洲、北美及東亞等區(qū)域癌癥死亡風(fēng)險較高，呈現(xiàn)明顯的空間集聚效應(yīng)；而非洲撒哈拉以南及南亞地區(qū)相對風(fēng)險較低。
全球主要類型癌癥的死亡率相對風(fēng)險預(yù)測結(jié)果
③關(guān)鍵影響因素多樣：年齡結(jié)構(gòu)、吸煙、飲酒、低運動強度以及經(jīng)濟發(fā)展水平等因素均在不同癌種中發(fā)揮著顯著作用。這些發(fā)現(xiàn)為制定因地制宜的癌癥防控策略提供了有力的數(shù)據(jù)支撐。
全球各地區(qū)主要類型癌癥死亡風(fēng)險與關(guān)鍵誘因
作者簡介
申力 副教授
博士，副教授，主要研究方向為流行病時空大數(shù)據(jù)挖掘應(yīng)用研究。E-mail: shenli1986@whu.edu.cn
徐瑱梵 碩士生
碩士生，主要研究方向為空間流行病學(xué)時空分析與建模。E-mail：623438441@whu.edu.cn
艾明耀 高級實驗師
博士，高級實驗師，主要研究方向為遙感信息智能處理。E-mail: aimingyao@whu.edu.cn
盧賓賓 教授
博士，教授，博士生導(dǎo)師，主要研究方向為空間統(tǒng)計、時空大數(shù)據(jù)挖掘與空間數(shù)據(jù)科學(xué)。E-mail: binbinlu@whu.edu.cn
全文請在中國知網(wǎng)或?qū)W報官網(wǎng)下載
京公網(wǎng)安備 11010802031220號