منغ زانغ , شينروي تشين , تشينغ تشينغ بو , بو تان , تونغ يانغ , لييوان تشينغ , يونا وانغ و دان دينغ

الكلمات الرئيسية: داء البروسيلات، MGWR، الوبائيات المكانية، الأرصاد الطبية، الوقاية، سياسة السيطرة
منغ زانغ وشينروي تشين هما المؤلفان الرئيسيان وقدما مساهمات كبيرة ومتساوية في المقال.
*المراسلة:
دان دينغ
100079@cqmu.edu.cn
قسم الوبائيات وإحصاءات الصحة، جامعة تشونغتشينغ الطبية للصحة العامة، تشونغتشينغ 500000، الصين

داء البروسيلات هو مرض حيواني المنشأ ناتج عن غزو بروسيلة spp. إلى الجسم. يمكن أن تسبب بروسيلة الإجهاض والعقم في الحيوانات المصابة، والحمى والمرض الجهازي في البشر. البشر عمومًا عرضة لداء البروسيلات، وطرق العدوى الرئيسية هي الجهاز التنفسي، والجهاز الهضمي، والجلد المكسور. يُعتبر داء البروسيلات واحدًا من أكثر الأمراض الحيوانية انتشارًا و
خطيرًا في العالم اليوم. يوجد وباء داء البروسيلات في أكثر من 170 دولة ومنطقة، مما يتسبب في خسائر اقتصادية بمليارات الدولارات على مستوى العالم. في عام 1905، حدث داء البروسيلات لأول مرة في شنغهاي، الصين. بعد ذلك، من الثمانينيات إلى أوائل التسعينيات، بدأت البر الرئيسي للصين تدريجيًا في تنفيذ أنشطة الوقاية والسيطرة على داء البروسيلات. أصبح المرض مشكلة صحية عامة رئيسية على مستوى العالم حيث إنه لا يهدد رفاهية الإنسان فحسب، بل يقلل أيضًا من إنتاجية الماشية، ويزيد من العبء الطبي، ويشكل أيضًا خطرًا على سلامة الغذاء.
تشير الأدلة المتزايدة إلى أن داء البروسيلات يظهر خصائص زمانية ومكانية قوية. مع إطلاق المراقبة النشطة لداء البروسيلات في عام 2005، تم تعميق الوقاية والسيطرة على داء البروسيلات في جميع مناطق الصين تحت التوجيه الموحد للدولة، ولكن هناك اختلافات في تاريخ التنمية، والبيئة الطبيعية، والمستوى الاقتصادي، وخصائص النظام الغذائي في المناطق المختلفة، مما يستدعي استكشاف التطور المكاني والزماني لداء البروسيلات، فضلاً عن تباين عوامل المرض على المستوى بين المقاطعات. ومع ذلك، غالبًا ما تركز الدراسات الحالية على تحليلات الانحدار الزمني أو المكاني المستقلة، والتي لها قيود. يتم تقييم الاتجاه الزمني لداء البروسيلات باستخدام تحليل الانحدار التقليدي، والذي يعكس بشكل أساسي الاتجاه العام للبيانات العالمية وقد لا يكشف عن الاتجاهات المحددة في البيانات المحلية. في التحليل المكاني، تُستخدم نماذج الانحدار الخطي أو الانحدار اللوجستي بشكل شائع، مع افتراض ثبات معاملات الانحدار عبر منطقة الدراسة بأكملها وتجاهل عدم الاستقرار المكاني. وبالتالي، قد لا تلتقط نتائج البحث الخصائص المكانية الحقيقية والتباين المكاني لعوامل التأثير بشكل كامل.

نموذج نقطة الانضمام هو نهج مثالي لتحليل التغيرات الكبيرة، ونقاط التحول، واتجاه وسرعة بيانات التسلسل. يتيح استخدام هذا النموذج تقييم خصائص تغير المرض ضمن فترات مختلفة من النطاق الزمني العالمي، مما يوفر نهجًا أكثر علمية من الأوصاف الحدسية لاتجاهات داء البروسيلات بناءً فقط على جداول البيانات الشائعة والرسوم البيانية الإحصائية. في التوزيع الجغرافي، يُعتبر ‘مركز الثقل’ طريقة شائعة لدراسة انتقال المواد والطاقة. نموذج هجرة مركز الثقل هو أداة تحليلية حاسمة لفحص التغيرات المكانية في العناصر خلال عملية التنمية الإقليمية. حيث إن التنمية الإقليمية تتضمن تغيير موضع مركز الثقل للعناصر بشكل مستمر، فإن حركة مركز ثقل العنصر تعكس موضوعيًا عملية التطور. في الوقت نفسه، يتم إجراء تحليل الارتباط الذاتي المكاني لتقييم الارتباط المكاني لداء البروسيلات ودرجة الارتباط في التوزيع الجغرافي.

مع تقدم تكنولوجيا المعلومات الجغرافية، ظهرت طرق تحليل إحصائي مكاني متنوعة تعتمد على الاقتصاد القياسي المكاني. في الجغرافيا،
كلما كانت المسافة أقرب، كان الارتباط أقوى (قانون توبلر الأول)، وإذا كان من غير المناسب تقسيم المنطقة مباشرة لتحليلات الانحدار الخطي التقليدية، فمن الضروري أخذ عينات ضمن نطاق مكاني معين حول كل عينة. يمكن أن يكشف الانحدار الجغرافي الموزون (GWR)، الذي قدمه العلماء لدراسة العلاقات والارتباطات المكانية، عن عدم سلاسة الفضاء بشكل فعال. لقد وجد تطبيقات واسعة في مجالات متعددة التخصصات. ومع ذلك، يفترض GWR نفس عرض النطاق الترددي الأمثل لجميع المتغيرات التفسيرية، مما قد يؤدي إلى تقديرات معلمات متحيزة. يمكن أن تنتج جميع المتغيرات التفسيرية في نموذج GWR الكلاسيكي فقط مقياس عمل موحد، ولكن العوامل الواقعية التي تؤثر على داء البروسيلات لها مقاييس عمل مختلفة على المستوى الزماني والمكاني. في عام 2017، اقترح فوترينغهام وآخرون نموذج الانحدار الجغرافي الموزون متعدد المقاييس (MGWR)، وهو امتداد لـ GWR يأخذ في الاعتبار عرض النطاق الترددي المكاني المختلف للمتغيرات المستقلة. أصبح MGWR أداة فعالة لكشف تأثير ونطاق العوامل البيئية.

في هذه الدراسة، استخدمنا نموذج نقطة الانضمام، ونموذج هجرة الجاذبية، والارتباط الذاتي المكاني لتحليل التطور المكاني والزماني لداء البروسيلات. بالإضافة إلى ذلك، تم استخدام نموذج MGWR لاستكشاف التباين المكاني في العوامل المؤثرة على حدوث داء البروسيلات على المستوى الإقليمي، بهدف توفير مرجع علمي لوضع تدابير الوقاية والسيطرة المناسبة لداء البروسيلات.

تم الحصول على بيانات عن حدوث داء البروسيلات البشري في الصين حسب المنطقة من 2005 إلى 2021 من نظام الإبلاغ عن الأمراض المعدية القابلة للإخطار الوطني في المركز الصيني لمكافحة الأمراض والوقاية منها (https://www.chinacdc.cn). تم الحصول على بيانات العوامل المناخية (مثل متوسط درجة الحرارة السنوية، الرطوبة، هطول الأمطار، إلخ) والعوامل الاجتماعية (بما في ذلك عدد الثروة الحيوانية، وثروة الأغنام، وإنتاج اللحم البقري، وإنتاج الألبان، والقيمة الإجمالية للإنتاج في صناعة الرعي، والناتج المحلي الإجمالي الإقليمي، إلخ) من المكتب الوطني للإحصاء في الصين (http://www.stats.gov.cn). تم الحصول على المعلومات الجغرافية من المركز الوطني للمعلومات الجغرافية الأساسية (http://www.ngcc.cn/)، والخرائط الخاصة بالصين المشار إليها في هذه الدراسة تستند إلى الخريطة القياسية برقم المراجعة GS (2022) 4309، والتي تم تنزيلها من موقع خدمة الخرائط القياسية التابع لوزارة الموارد الطبيعية (http://bzdt.ch.mnr.gov.cn/).

بالنظر إلى قضايا تكرار البيانات وقابلية المقارنة، تم تقسيم البر الرئيسي للصين إلى سبع مناطق بناءً على
أبعاد مختلفة مثل تاريخ التنمية، والبيئة الطبيعية، والمستوى الاقتصادي، وخصائص النظام الغذائي، والعرق، وتم تطوير المنهجية من قبل الدولة. وفقًا للمناطق الجغرافية الطبيعية السبع في الصين، تم تحليل الخصائص الزمنية لانتشار داء البروسيلات البشري في كل منطقة من خلال بناء نماذج Join-point. تتيح هذه الطريقة تحليل نقاط التحول، وتحديد مواقعها، وتحديد اتجاه التغيير، حيث يتم اختيار نقاط التحول بواسطة طريقة البحث الشبكي (GSM)، التي تقسم الفضاء الذي توجد فيه المعلمات إلى شبكة، وكل نقطة تقاطع تتوافق مع خطة تخطيط، ثم يتم حساب مؤشر الأداء للخطة المقابلة نقطة بنقطة بخطوة ثابتة في فترة محددة لتحديد المعلمات المثلى. بالنسبة لتحليل نموذج Joinpoint، يقوم GSM بإنشاء شبكة لجميع المواقع الممكنة لـ “نقاط التحول”، ويحسب مجموع الأخطاء المربعة (SSE) ومتوسط الأخطاء المربعة (MSE) لكل حالة، ويختار الشبكة ذات أقل MSE كنقطة تحول مثلى. يتم اختيار الشبكة ذات أقل MSE كنقطة تحول مثلى، وحساب نسبة التغيير السنوي (APC) ومتوسط نسبة التغيير السنوي (AAPC) لتوضيح اتجاه وسرعة التغيير للمناطق الكلية والمحلية على التوالي. إذا كانت APC أكبر من 0، فإن معدل الإصابة في تزايد من عام إلى عام، والعكس صحيح. الصيغ لـ APC و AAPC هي كما يلي:

أين هو معامل الانحدار، هو عدد السنوات المضمنة في كل قسم، و هو معامل الانحدار لكل شريحة.

حساب مركز الثقل. على افتراض أن منطقة الدراسة المعينة تتكون من المناطق الفرعية ، حيث ( ) تشير إلى قيم خطوط العرض والطول للمنطقة الفرعية i، و Mi تمثل قيم كل عامل في المنطقة الفرعية، يتم حساب مركز ثقل كل عامل دراسي باستخدام صيغة إحداثيات مركز الثقل، المحسوبة كما يلي:

مسافة الحركة بين السنوات لموقع مركز الثقل المكاني، المشار إليه بمركز الثقل
مسافة التحول المكاني، تمثل التحول في إحداثيات مركز الثقل لعامل الدراسة من السنة إلى السنة . يتم التعبير عن هذه الحركة على أنها المسافة (D) بين إحداثيات مركز الثقل في سنوات مختلفة، والتي يشار إليها بـ ( ) و ( )، حيث هو ثابت محدد بقيمة 111.11 كم. استخدمنا المعادلة التالية:

يعتمد استخدام طرق الاقتصاد القياسي المكاني على افتراض التباين المكاني بين بيانات العينة. لذلك، فإن تحليل الارتباط الذاتي المكاني للمتغيرات المستقلة ضروري قبل بناء نماذج GWR و MGWR. عادةً ما يتم إجراء تحليل الارتباط الذاتي المكاني العالمي باستخدام مقياس موران. لتحديد ما إذا كانت قيم السمات في نقاط العينة المدروسة تظهر ارتباطًا مكانيًا مع قيم نفس السمة في نقاط عينة أخرى ضمن المجال. يشير مؤشر سالب إلى قيم سمات متباينة بين العينات، بينما يشير مؤشر 0 إلى أن قيم السمات موزعة عشوائيًا دون خصائص مكانية ملحوظة. القيمة المطلقة لـ I تشير إلى قوة الارتباط؛ فكلما كانت القيمة المطلقة أكبر، كان الارتباط أقوى، والذي يُكتب بالصيغة الرياضية:

أنا لموران القيمة، تشير n إلى عدد العناصر المكانية، و هي القيم الملاحظة في الخلية و هو القيمة المتوسطة لقيم السمات لجميع الوحدات المكانية، بينما يشير إلى الوزن المكاني بين العنصرين i و j.

لاستكشاف العوامل التي تؤثر على حدوث حمى مالطية على المستوى بين المقاطعات، استخدمنا طريقة المربعات الصغرى العادية (OLS) كنقطة انطلاق لتحليلات الانحدار المكاني؛ وقدمنا العلاقات المكانية باستخدام نموذج GWR، وهو طريقة أساسية في إحصاءات الاقتصاد المكاني؛ وقمنا أيضًا ببناء نموذج MGWR بالتزامن مع أهداف الدراسة، مع وتم تعديلها قياس مدى ملاءمة نماذج الانحدار للبيانات. تم استخدام تشخيص رئيسي آخر، وهو معيار معلومات أكايك المعدل (AICc)، لتقييم النماذج. تم إجراء المقارنات بناءً على معدل وقيم AICc، حيث تكون القيم الأكبر وتم تعديلها تشير القيم الأقل من AICc إلى ملاءمة أفضل للنموذج.

نموذج OLS هو نموذج انحدار خطي تقليدي يقدر فقط المعلمات بطريقة متوسطة أو عالمية، ولكنه لا يلتقط عدم الثبات المكاني للمعلمات. يتم التعبير عن النموذج بشكل عام كالتالي.

أين يمثل المتغير التابع عند نقطة العينة i يمثل التقاطع في معادلة الانحدار الخطي، يمثل معامل الانحدار للمتغير المستقل k يدل على المتغير المستقل k في النقطة العينة i، و يدل على الخطأ العشوائي.
نموذج GWR هو نموذج محسّن يعتمد على نموذج الانحدار الخطي التقليدي. تتمثل ميزته الرئيسية في القدرة على تطبيق مصفوفة الوزن المكاني على نموذج الانحدار الخطي، مما سيظهر بشكل أفضل التباين الهيكلي المكاني للنتائج. يمكن التعبير عن النموذج كما يلي.

أين هو المتغير التابع؛ يمثل المتغير المستقل k في -نقطة العينة، هو معامل الانحدار للمتغير المستقل k عند ( ); و يمثل الخطأ العشوائي. يتم الحصول على هذه المعلمات باستخدام تقدير المربعات الصغرى الموزونة.

نموذج MGWR هو نموذج موسع يعتمد على نموذج GWR ويخصص عرض النطاق الترددي التفاضلي لمتغيرات مستقلة مختلفة لوصف نطاق العمل التفاضلي لمتغيرات مستقلة مختلفة، مما يمكنه من الاستفادة الكاملة من التباين المكاني لبيانات العينة وتحسين دقة تقدير المعلمات. يتم تقديم النموذج كما يلي.

في هذه الحالة، يمثل عرض النطاق التفاضلي للمتغير المستقل، وللرموز الأخرى نفس المعنى كما في المعادلة (2). يقوم MGWR أولاً بتعيين المعلمات كما هي في نموذج GWR عند تقدير معلمات النموذج، ثم يستخدم خوارزمية التعديل الخلفي لتصحيح معلمات النموذج.

استنادًا إلى معاملات النموذج MGWR، تم رسم التوزيع الزمكاني للمتغيرات. تم استخدام طريقة نقطة الانكسار الطبيعية لتجميع البيانات ذات التشابه العالي. عندما تكون قيمة معامل التناسب إيجابية، فهذا يشير إلى أن المتغير المستقل له تأثير تسهيل على المتغير التابع؛ وعلى العكس، فإنه يشير إلى أن المتغير المستقل له تأثير كابح على المتغير التابع، وكلما زادت القيمة المطلقة لمعامل التناسب، زادت درجة التأثير. تم إجراء تحليل الاتجاه الزمني باستخدام برنامج Join-point Regression Software (4.9.1.0)، وتم تنفيذ رسم الخرائط، وبناء النموذج، وتقدير معلمات النموذج باستخدام برنامج ArcGIS (10.8) وبرنامج MGWR (2.2). تم تطوير هذه الأدوات البرمجية بواسطة فرق محترفة، مما يضمن القوة والمصداقية.

اعتُبرت النتائج ذات دلالة عند للقابلية للقراءة والقبول.

أظهر الاتجاه العام لوباء حمى البروسيلات البشرية في الصين من 2005 إلى 2021 مسارًا تصاعديًا، حيث زادت معدل الإصابة من إلى 4.95/100,000. يمكن تقسيم اتجاه هذا التغيير إلى ثلاث مراحل. الفترة من 2005 إلى 2014 أظهرت مرحلة ارتفاع مستقرة، حيث كانت نسبة الحدوث تتراوح حول 2.49/100,000. السنوات من 2015 إلى 2018 شهدت مرحلة انخفاض، على الرغم من أن النسبة ظلت أعلى من المتوسط الوطني في الفترة من 2005 إلى 2014. السنوات من 2019 إلى 2021 شكلت مرحلة ارتفاع سريع، حيث شهد الوباء زيادة كبيرة في عام 2019 وبلغ ذروته في عام 2021. حدد تحليل الانحدار بنقطة الانضمام إجمالي نقطتين تحول، حدثتا في عامي 2015 و2018، كما هو موضح في الشكل 1.

أظهرت نتائج APC و AAPC لحدوث داء البروسيلات البشري حسب المنطقة اتجاهًا تصاعديًا عامًا من 2005 إلى 2021، مع زيادة سنوية متوسطة قدرها ، مع اختلافات ذات دلالة إحصائية في اتجاهات AAPC في جميع المناطق باستثناء شمال شرق الصين وشمال الصين ( ). من بينها، شهدت حمى البروسيلات البشرية في جنوب الصين عملية تدهور تلتها بعض التحسينات، مع ارتفاع سريع من 2005 إلى 2016 وانخفاض بطيء من 2016 إلى 2021. كانت وسط الصين متوافقة مع التغير في الاتجاه الوطني لحدوث حمى البروسيلات البشرية. أظهرت شرق الصين وشمال غرب الصين اتجاهًا صعوديًا طفيفًا من 2005 إلى 2009 ومن 2005 إلى 2011، على التوالي، تلا ذلك زيادة ملحوظة في اتجاهات الحدوث حتى 2015، حيث بدأت شرق الصين في الانخفاض بعد 2015، بينما انتعشت شمال غرب الصين وارتفعت بعد الانخفاض من 2015 إلى 2018. أظهرت جنوب غرب الصين اتجاهًا صعوديًا منذ 2007، مع ارتفاع سنوي متوسط قدره تم عرض النتائج في الجدول 1.

بين عامي 2005 و2021، تم الإبلاغ عن معظم حالات حمى مالطية في شمال الصين. وقد انتقل مركز الثقل لحمى مالطية نحو الجنوب الغربي من , ) إلى ( )، تغطي مسافة إجمالية قدرها 752.35 كم. كانت مركزة في البداية في المنطقة الوسطى من منغوليا الداخلية (2005-2010)، وشهدت هجرة تدريجية نحو الجنوب الغربي خلال الفترة من 2010 إلى 2014. على الرغم من أنها ظلت متوطنة في شمال الصين من 2014 إلى 2018، شهدت الفترة بعد 2018 تفشيًا كبيرًا في الجنوب. توضح الشكل 2 مسار الهجرة السنوية.

أظهر التوزيع المكاني لحدوث داء البروسيلات البشري في الصين من 2005 إلى 2021 نمطًا مركّزًا نسبيًا، حيث كانت مناطق حدوث مرتفعة تتركز بشكل أساسي في منغوليا الداخلية، لياونينغ، نينغشيا، شاندونغ، وشينجيانغ. ومن الجدير بالذكر أن منغوليا الداخلية حافظت على أعلى معدل حدوث لمدة عشر سنوات متتالية. في نينغشيا، كان معدل الحدوث مرتفعًا في عام 2015 لكنه انخفض بشكل مستمر من 2016 إلى 2018، ليزداد بشكل ملحوظ في السنوات الثلاث التالية. علاوة على ذلك، شهدت عدة مقاطعات جنوبية، مثل قوانغدونغ، قوانغشي، يوننان، تشونغتشينغ، وسيتشوان، زيادة سنوية في معدلات الحدوث. وعلى النقيض من ذلك، كانت معدلات الحدوث المنخفضة تتركز في جيانغشي، هونان، شنغهاي، وهاينان.
أظهر تحليل الارتباط الذاتي العالمي أن الارتباط الذاتي المكاني لموران لحدوث حمى البروسيلات البشرية من 2005 إلى 2021 تراوحت بين 0.145 إلى 0.398، وجميعها كانت مرتبطة بشكل إيجابي. )، مع تجميع كبير. تم عرض النتائج في الجدول 2.

تم عرض النتائج في الجدول 3. وتم التعديل كانت قيم نموذج MGWR أعلى من قيم نماذج OLS و GWR، حيث بلغت 0.838،

0.642 و0.636، على التوالي. كانت قيم AICc لنموذج MGWR أقل من تلك الخاصة بنماذج OLS وGWR، حيث كانت 639.626 و974.732 و3493.899 على التوالي، مما يشير إلى أن نموذج MGWR يمكن أن يفسر بشكل أفضل تأثيرات المتغيرات المستقلة على حدوث حمى البروسيلات البشرية ويجب أن يكون

متوسط درجة الحرارة السنوية (AAT)، متوسط الرطوبة النسبية (ARH)، هطول الأمطار السنوي (AP)، ساعات سطوع الشمس السنوية (ASH)، عدد الثروة الحيوانية (NOCS)، عدد الأغنام (NOSS)، إنتاج اللحم البقري، إنتاج لحم الضأن، إنتاج الألبان، الناتج الإقليمي الإجمالي، الناتج الرعوي الإجمالي، الإنفاق على الصحة

أفضل قدرة على شرح البيانات ذات الخصائص المكانية والزمانية.

تُستخدم القيم المتوسطة والانحراف المعياري والقيم الدنيا والوسيط والقصوى لوصف معاملات الملاءمة لنموذج MGWR، على التوالي، لوصف الخصائص الزمانية والمكانية للمرض. تم عرض النتائج في الجدول 4.

تعكس شدة وإشارة تقديرات معلمات نموذج MGWR درجة واتجاه تأثير كل عامل من العوامل المعنية على حدوث داء البروسيلات البشري في مناطق مختلفة. تم عرض المتغيرات التي تختلف إحصائيًا فقط هنا. عكست التوزيعات المكانية للحد الثابت التباين المكاني في “مستوى الأساس” لحدوث المرض عند قيمة صفر لكل من المتغيرات المؤثرة، أي تأثير العوامل الأخرى غير المدروسة في هذه الدراسة. أظهرت التوزيعات المكانية لتقديرات معاملات AAT أن معظم المناطق لديها تقديرات معاملات سلبية، مما يشير إلى أنه كلما انخفضت درجة الحرارة، زاد حدوث داء البروسيلات البشري. لعب هذا العامل دورًا أقوى في شمال الصين. كانت الغالبية العظمى من المناطق لديها تقديرات معاملات NOSS سلبية، مما يشير إلى أنه كلما زاد عدد قطعان الأغنام، انخفض حدوث داء البروسيلات البشري. كان لهذا العامل تأثير أقوى في قوانغدونغ وقوانغشي وشينجيانغ. القيمة المقدرة
كان معامل BP إيجابيًا في شينشيانغ، هونان، التبت، تشينغهاي وسينكيانغ، أي أنه كلما زادت إنتاجية لحم البقر، زادت نسبة الإصابة بالبروسيلا البشرية. كانت تقديرات معامل MP جميعها إيجابية، مما يدل على أن إنتاج لحم الضأن كان مرتبطًا إيجابيًا مع نسبة الإصابة بالبروسيلا البشرية. يلعب هذا العامل دورًا مهمًا في منغوليا الداخلية، هيلونغجيانغ، جيلين، لياونينغ، قانسو، نينغشيا وسيتشوان. كانت تقديرات معامل DP إيجابية في معظم المناطق، أي أنه كلما زادت إنتاجية الألبان، زادت نسبة الإصابة بالبروسيلا البشرية. كانت شمال غرب الصين والتبت أكثر تأثرًا بهذا العامل. كانت تقديرات معامل GRP جميعها سلبية، مما يدل على أنه كلما زاد الناتج المحلي الإجمالي الإقليمي، انخفضت نسبة الإصابة بالبروسيلا البشرية. كان هذا العامل أكثر وضوحًا في شينجيانغ والتبت. كانت تقديرات معامل HE جميعها سلبية، أي أن الإنفاق الصحي كان مرتبطًا سلبًا مع نسبة الإصابة بالبروسيلا البشرية. كانت الصين الوسطى والجنوبية أكثر تأثرًا بهذا العامل. تم عرض النتائج في الأشكال 3، 4، 5، 6، 7، 8، 9، 10.

حاليًا، تركز الأبحاث حول البروسيلا بشكل أساسي على الوبائيات الوصفية، بما في ذلك التشخيص والعلاج والتطعيم. ومع ذلك، فإن البروسيلا، كونها مرضًا حيواني المنشأ، تتأثر بالعديد من العوامل، مثل الجغرافيا والبيئة الطبيعية

البيئة، وإنتاج ونمط حياة السكان، وعدد وتوزيع وحركة الماشية المصابة [16، 17]. علاوة على ذلك، تختلف البيئات الطبيعية والاجتماعية عبر المناطق
في الصين. لذلك، يصبح من الضروري أكثر استغلال الظروف المحلية المواتية واستكشاف استراتيجيات دقيقة للوقاية والعلاج من البروسيلا البشرية.

تشير نتائج نموذج نقطة الانضمام، الذي تم بناؤه باستخدام بيانات البروسيلا البشرية من 2005 إلى 2021، إلى أن نسبة الإصابة بالبروسيلا البشرية
في الصين أظهرت اتجاهًا تصاعديًا. على الرغم من أن عدد الحالات بدأ في الانخفاض بعد عام 2015، إلا أن النسبة ظلت مرتفعة. العوامل المساهمة في

الانتعاش والزيادة بعد عام 2018 متعددة الأوجه ومن المحتمل أن تكون مرتبطة بعدة عوامل، بما في ذلك تطوير اقتصاد الماشية، بؤر العدوى التاريخية
المصادر، وحركة المصادر المعدية، وأولويات إقليمية متباينة في معالجة البروسيلا البشرية.

علاوة على ذلك، وجدت هذه الدراسة أن AAPC لنسبة الإصابة بالبروسيلا البشرية كانت إيجابية في جميع المناطق، مع زيادة سنوية أكبر لوحظت في جنوب ووسط وجنوب غرب الصين. يتماشى هذا الاكتشاف مع الأبحاث السابقة، التي حددت ميلًا لانتشار البروسيلا إلى المقاطعات الجنوبية [18، 19]. قد يُعزى ارتفاع نسبة الإصابة بالبروسيلا البشرية في المقاطعات الجنوبية إلى عوامل مثل زيادة السفر وارتفاع الطلب على لحم الضأن ولحم البقر. وبالتالي، من الضروري تعزيز إدارة السوق الزراعية والإشراف عليها، محليًا ودوليًا، لمنع دخول اللحوم ومنتجات الألبان الملوثة إلى السوق. بالإضافة إلى ذلك، قد يكون الارتفاع في الجنوب ناتجًا عن انخفاض تاريخي في الوبائية في المنطقة، مما أدى إلى تدابير مضادة غير متطورة، وغياب المناعة الحجرية الكافية، وممارسات الذبح غير المنتظمة، وعدم كفاية معالجة المصادر المعدية، مما زاد من تفشي المرض. وبالتالي، من الضروري تعزيز إدارة وتدريب وتثقيف الصحة للجهات المعنية والمجموعات المهنية في المنطقة الجنوبية [20-23].
في هذه الدراسة، ارتفعت الحصة الوطنية للبروسيلا في شمال غرب الصين من في 2005 إلى في 2021. وبالمثل، زادت الحصة الوطنية للبروسيلا في المنطقة الجنوبية الغربية من في 2005 إلى في 2021، بما يتماشى مع نتائج تاو وآخرون [24]. قد يُعزى التحول نحو الغرب جزئيًا إلى انخفاض الحالات في المنطقة الشمالية الشرقية، مما ساهم في انخفاض الحصة الإجمالية للبلاد. في الوقت نفسه، زاد تطوير صناعة الماشية في الغرب من احتمال اتصال الممارسين المعنيين بالحيوانات المصابة.
تم العثور على تحول طفيف لمركز ثقل الإصابة نحو الشمال في 2016-2018 على خريطة الهجرة. اعتبارات الأسباب المحتملة لزيادة الإصابة في منغوليا الداخلية والانتعاش اللاحق في المقاطعات المجاورة. أولاً، كانت أسعار السوق للحوم البقر ولحم الضأن في ارتفاع منذ عام 2016، مما جذب المزيد من الأفراد المشاركين في الزراعة والشراء والبيع والتجارة. ثانيًا، زادت حركة الماشية بالتزامن مع الطلب، مما أدى إلى انتشار البروسيلا من خلال الحيوانات المريضة بسبب نقص الحجر الصحي والتفتيش المناسب. على سبيل المثال، أشارت الدراسات الجينية إلى أن سلالات البروسيلا في منغوليا الداخلية مرتبطة بسلالات من المقاطعات المجاورة [25]. ثالثًا، قد تكون الموارد المستثمرة في السيطرة على البروسيلا قد انخفضت، مع تراجع الأنشطة المستندة إلى مبدأ الصحة الواحدة بعد سنوات متتالية من الانخفاض – انطباع تم الحصول عليه من الزيارات الميدانية إلى المناطق الموبوءة.
كما لاحظنا ارتباطًا مكانيًا إيجابيًا كبيرًا في نسبة الإصابة بالبروسيلا البشرية عبر
جميع مناطق الصين من 2005 إلى 2021. تشير هذه النتيجة إلى ظاهرة تجمع مكاني في توزيع مرضى البروسيلا البشرية، مما يشير إلى وجود عدم استقرار مكاني. يمكن أن يُعزى هذا عدم الاستقرار المكاني، إلى حد ما، إلى التباين المكاني في تأثير العوامل ذات الصلة عبر المناطق المختلفة. لذلك، قمنا ببناء نموذج MGWR لنسبة الإصابة بالبروسيلا البشرية والعوامل ذات الصلة لتحديد التباين المكاني في تأثير هذه العوامل على نسبة الإصابة بالبروسيلا البشرية.

في دراستنا، حددنا تأثيرًا سلبيًا لدرجة الحرارة السنوية المتوسطة على حدوث حمى البروسيلات البشرية، وهو ما يتماشى مع نتائج الدراسات في إيران ومقاطعة خبي، الصين [26، 27]. قد يُعزى هذا التأثير السلبي إلى انخفاض درجات الحرارة وزيادة الرطوبة، مما يخلق ظروفًا ملائمة للبقاء طويل الأمد لبكتيريا بروسيلة في البيئة. خلال الطقس البارد، تميل الماشية إلى أن تُحتجز في الداخل، مما يؤدي إلى زيادة الاتصال بين البشر والماشية وزيادة خطر العدوى. كان للعوامل الجوية تأثير أكبر على حدوث حمى البروسيلات في المناطق الشمالية، مما يشير إلى الحاجة إلى مراقبة رئيسية خلال تقلبات درجات الحرارة وتعزيز ممارسات تربية الماشية المناسبة وتعقيم بيئات التربية. علاوة على ذلك، كان حدوث حمى البروسيلات البشرية مرتبطًا إيجابيًا بإنتاج لحم البقر ولحم الضأن ومنتجات الألبان ولكنه مرتبط سلبًا بعدد قطعان الأغنام. يرتبط هذا الارتباط بحقيقة أن الجهاز الهضمي هو الطريق الرئيسي لانتقال حمى البروسيلات البشرية. في السنوات الأخيرة، أدى ارتفاع الطلب على لحم البقر ولحم الضأن ومنتجات الألبان، إلى جانب ضعف التداول والتخزين والتعامل مع هذه المنتجات الغذائية، إلى حالات متكررة من عدوى حمى البروسيلات البشرية المنقولة عبر الغذاء [28]. ومن الجدير بالذكر أن حدوث حمى البروسيلات البشرية في شينجيانغ، التبت، نينغشيا، وقانسو كان مرتبطًا بقوة بإنتاج لحم البقر ومنتجات الألبان، مما يبرز أهمية تعزيز إدارة سلامة الغذاء في هذه المناطق. على العكس من ذلك، كان لإنتاج لحم الضأن تأثير أكبر على حدوث حمى البروسيلات البشرية في مناطق مثل منغوليا الداخلية، هيلونغجيانغ، بكين، تيانجين، وسيتشوان. قد يكون التأثير المتفاوت لأنواع إنتاج الغذاء المختلفة على حدوث حمى البروسيلات البشرية مرتبطًا بالعادات الغذائية المختلفة، مما يشير إلى الحاجة إلى تعليم صحي مستهدف بناءً على الخصائص الغذائية المحلية.

يعكس العدد النهائي لقطعان الأغنام في نهاية العام الحالة الصحية العامة للأغنام خلال تلك الفترة. يتوافق العدد الأعلى في نهاية العام مع صحة أفضل للأغنام ومعدل أقل من عدوى حمى البروسيلات البشرية. يميل الرعاة إلى الإصابة من خلال الاتصال المباشر مع الأغنام المصابة بالبروسيلة أو منتجاتها [29]. لذلك، من المرجح أن تحدث حمى البروسيلات البشرية
في المناطق الشمالية والشمالية الغربية ذات الكثافة السكانية الأكبر من الأغنام. نوصي بشدة بتنفيذ تدابير السيطرة في هذه المناطق التي لديها تاريخ من التعرض للأغنام أو الماعز. يدعو البرنامج الوطني إلى استراتيجية تطعيم جماعي للحيوانات في المناطق ذات الانتشار العالي وتنفيذ سياسة “الحجر الصحي-التطعيم-الذبح” (أي تطعيم الأفراد السلبيين بناءً على نتائج الحجر الصحي وذبح الحيوانات التي تختبر إيجابية بأمان) في المناطق الأقل تأثرًا. تم تحقيق نجاح في بعض المناطق، حيث كانت شينجيانغ مثالًا بارزًا. كواحدة من المناطق المتوطنة في الصين، قامت شينجيانغ بتنفيذ حملة تطعيم واسعة النطاق ضد حمى البروسيلات منذ عام 2016 [30]، مما أدى إلى انخفاض كبير في حدوث حمى البروسيلات البشرية. أظهرت دراسة في منطقة هامي بشينجيانغ انخفاضًا ملحوظًا في معدلات العدوى المحلية بالبروسيلات في الماشية والأغنام من 2017 إلى 2019. أخيرًا، أظهرت المناطق ذات التنمية الإقليمية الإجمالية الأعلى ونفقات الصحة انخفاضًا في حدوث حمى البروسيلات البشرية، مما يبرز أهمية الدعم الاقتصادي لتنفيذ استراتيجيات وتدابير فعالة للسيطرة على حمى البروسيلات والقضاء عليها [31-33].
في معالجة حمى البروسيلات البشرية في الصين، يجب أن تتماشى تدابير الوقاية والسيطرة المخصصة مع الظروف المحلية. يمكن أن تتعاون المناطق الجنوبية مثل قوانغدونغ وقوانغشي مع الإدارات الجوية لمراقبة درجات الحرارة في الوقت الحقيقي، وتوقع فترات الوقاية الرئيسية من الأمراض. في بكين وخبي، سيكون الإشراف على صحة الماشية والممارسين أمرًا حاسمًا، إلى جانب البحث في فعالية التحصين المحلي. يجب على المناطق الشمالية الغربية مثل التبت وهونان تعزيز إدارة سلامة الغذاء للحم البقر ومنتجات الألبان، وتوسيع الحجر الصحي لأسواق المنتجات الحيوانية. في الوقت نفسه، في المناطق ذات التنوع الاقتصادي مثل هوبي وجيانغشي، سيساعد زيادة الميزانيات الصحية في دعم جهود الوقاية والسيطرة على حمى البروسيلات المحلية.
كشفت خريطة التوزيع المكاني لتقديرات المعلمات عن اختلافات مكانية كبيرة في تقديرات المعامل للعوامل ذات الاهتمام عبر كل منطقة. تؤكد هذه النتيجة على الحاجة إلى تطوير خطط واستراتيجيات إقليمية للوقاية والسيطرة على حمى البروسيلات، مع الأخذ في الاعتبار الخصائص المكانية لهذه العوامل وعلاقاتها المحلية مع حدوث حمى البروسيلات.
علاوة على ذلك، لاحظت دراستنا وجود علامات إيجابية وسلبية في تقديرات المعامل لنموذج MGWR، مما يشير إلى أن طريقة MGWR تعكس عدم الاستقرار المكاني بشكل أفضل مقارنة بطريقة OLS. كما أشارت نتائج تقييم النموذج إلى أن MGWR يتفوق على النموذج التقليدي GWR، مما يوفر نتائج تقدير معلمات أكثر موثوقية. تؤكد هذه النتائج
على أهمية مراعاة مقاييس العمل المختلفة والتباين المكاني لتعزيز دقة النموذج.

ركزت دراستنا على التطور المكاني الزمني لحمى البروسيلات البشرية في الصين، مما يوفر رؤى قيمة حول ديناميات انتقال حمى البروسيلات. كما كشفنا عن التباين المكاني الزمني لعوامل حمى البروسيلات البشرية المؤثرة على مقاييس مكانية متعددة، تمتد من العوامل الجوية إلى العوامل الاجتماعية والاقتصادية. قد يساعد ذلك في تطوير استراتيجيات أكثر دقة للوقاية والسيطرة. ومع ذلك، لم يتم تضمين بعض العوامل الوبائية متعددة الأبعاد، مثل عوامل السكان عالية المخاطر، بسبب قيود في الحصول على البيانات. لذلك، نخطط لمواصلة توسيع مجموعة بياناتنا لتعزيز قابلية تطبيق النموذج وقوته.

إن القضاء على حمى البروسيلات هو عملية منهجية ومعقدة تهدف إلى السيطرة على المرض والقضاء عليه في النهاية من مصدره، وتُنفذ على مراحل. يجب أن تركز الجهود على تطوير استراتيجيات فعالة للوقاية والسيطرة تأخذ في الاعتبار الفروق الإقليمية، بما في ذلك منع انتقال العدوى، ومعالجة انتقال العدوى المنقولة عبر الغذاء، وتعزيز تدابير السلامة في المختبرات، وفرض رقابة صارمة على الواردات، وتوفير الدعم الاقتصادي للمراقبة النشطة، وتنفيذ برامج التطعيم والذبح الانتقائي.

علاوة على ذلك، هناك حاجة إلى مزيد من البحث في تقييم الاقتصاد الصحي والدراسات ذات الصلة لتعزيز التعاون عبر القطاعات في السيطرة على حمى البروسيلات. إن تعزيز تبادل المعلومات حول السيطرة على حمى البروسيلات بين المناطق أمر بالغ الأهمية. في النهاية، الهدف هو تقليل حدوث حمى البروسيلات إلى نطاق يمكن التحكم فيه والعمل نحو القضاء عليها في النهاية.

غير قابل للتطبيق.

M.Z. ترأس تحليل وكتابة هذه الورقة. شارك X.C. و Q.B. في كتابة المخطوطة. ساهم B.T. و T.Y. في إنشاء النموذج. ساهم L.Q. و Y.W. و T.Y. و X.C. و B.T. في جمع البيانات ومعالجتها. ساهم Q.B. و B.T. و X.C. و T.Y. في مراجعة وإعادة كتابة الورقة. صمم D.D. البحث وأشرف على الورقة. ساهم جميع المؤلفين في الكتابة. راجع جميع المؤلفين المخطوطة.

تم دعم هذا العمل من قبل مشروع مكتب العلوم والتكنولوجيا في تشونغتشينغ (رقم المنحة: CSTB2022NSCQ-MSX0804).

تتوفر مجموعات البيانات التي تم تحليلها خلال الدراسة الحالية من المؤلف المراسل عند الطلب المعقول. رابط URL لمجموعة البيانات هو: https:// www.phsciencedata.cn/Share/en/data.jsp?id=8e3f97d5-bbac-4fc1-9e93d2557dd01ffc&show=0.

حددت اللجنة الوطنية للصحة والتخطيط الأسري في الصين أن الإبلاغ عن بيانات حالات حمى البروسيلات البشرية يقع ضمن نطاق مراقبة الصحة العامة للأمراض المعدية قانونياً، وبالتالي، لا يتطلب تقييمًا من مجلس المراجعة المؤسسية. تم تقديم جميع البيانات وتحليلها بشكل مجهول، دون الوصول إلى معلومات يمكن التعرف على هويتها.

غير قابل للتطبيق.

يعلن المؤلفون عدم وجود مصالح متنافسة.

تاريخ الاستلام: 29 سبتمبر 2023 تاريخ القبول: 30 نوفمبر 2023
تم النشر على الإنترنت: 11 يناير 2024

تظل Springer Nature محايدة فيما يتعلق بالمطالبات القضائية في الخرائط المنشورة والانتماءات المؤسسية.

Meng Zhang , Xinrui Chen , Qingqing Bu , Bo Tan , Tong Yang , Liyuan Qing , Yunna Wang and Dan Deng

Keywords Brucellosis, MGWR, Spatial epidemiology, Medical meteorology, Prevention, Control policy
Meng Zhang and Xinrui Chen are co-first authors and made substantial and equivalent contributions to the article.
*Correspondence:
Dan Deng
100079@cqmu.edu.cn
Department of Epidemiology and Health Statistics, Chongqing Medical University of Public Health, Chongqing 500000, China

Brucellosis is a zoonotic disease caused by the invasion of Brucella spp. into the body. Brucella can cause abortion and infertility in infected animals, and fever and systemic disease in humans. Humans are generally susceptible to brucellosis, and the main routes of infection are the respiratory tract, digestive tracts and broken mucocutaneous [1]. Brucellosis is one of the most widespread and
dangerous zoonotic diseases in the world today. The brucellosis epidemic exists in over 170 countries and regions, causing billions of dollars in economic losses worldwide [2, 3]. In 1905, brucellosis first occurred in Shanghai, China. Subsequently, from the 1980s to the early 1990s, mainland China gradually initiated prevention and control activities for brucellosis [4]. The disease has become a major global public health problem as it not only threatens human wellbeing, reduces livestock productivity, and increases the medical burden but also poses a food safety risk.
Growing evidence indicates that brucellosis exhibits strong temporal and spatial characteristics [5-7]. With the launch of active surveillance for brucellosis in 2005, the prevention and control of brucellosis in all regions of China have been deepening under the unified guidance of the State, but there are differences in the history of development, natural environment, economic level, and dietary characteristics of the various regions, so that the spatial and temporal evolution of brucellosis, as well as the heterogeneity of morbidity factors at the interprovincial level, need to be further explored.However, existing studies often focus on independent temporal or spatial regression analyses, which have limitations. The time trend of brucellosis is assessed using traditional regression analysis, which primarily reflects the overall trend of global data and may not reveal specific trends in local data [8].In spatial analysis, linear regression or logistic regression models are commonly employed, assuming consistent regression coefficients across the entire study area and overlooking spatial non-stationarity. Consequently, the research outcomes may not fully capture the true spatial characteristics and spatial heterogeneity of influencing factors [9].

The Join-point model is an ideal approach for analyzing significant changes, turning points, and the direction and speed of sequence data. Utilizing this model allows for assessing disease change characteristics within different intervals of the global time range, providing a more scientific approach than intuitive descriptions of brucellosis trends based solely on common data tables and statistical graphs [10].In geographical distribution, the ‘center of gravity’ is a common method for studying the transfer of substances and energy. The center of gravity migration model is a crucial analytical tool for examining spatial changes in elements during the regional development process. As regional development involves continually changing the position of the center of gravity of elements, the movement of the element’s center of gravity objectively reflects the evolutionary process [11]. Simultaneously, spatial autocorrelation analysis is conducted to assess the spatial correlation of brucellosis and the degree of correlation in geographical distribution.

With the advancement of geographic information technology, various spatial statistical analysis methods based on spatial econometrics have emerged. In geography, the
closer the distance, the stronger the correlation (Tobler’s first law), and if it is inappropriate to divide the area directly for traditional linear regression analyses, it is necessary to take into account the samples within a certain spatial range around each sample. Geographically Weighted Regression (GWR), introduced by scholars to study spatial relationships and correlations, can effectively detect spatial non-smoothness [12]. It has found wide applications in multidisciplinary fields [13-15]. However, GWR assumes the same optimal bandwidth for all explanatory variables, potentially leading to biased parameter estimates. All explanatory variables in a classical GWR model can only produce a uniform scale of action, but realistic factors affecting brucellosis have different scales of action at the spatio-temporal level. In 2017, Fotheringham et al. proposed a Multiscale Geographically Weighted Regression (MGWR) model, an extension of GWR that considers differential spatial bandwidths for independent variables. MGWR has become an effective tool for revealing the influence and scope of environmental factors.

In this study, we employed the joinpoint model, gravity migration model, and spatial autocorrelation to analyze the spatial and temporal evolution of brucellosis. Additionally, the MGWR model was used to explore spatial heterogeneity in factors influencing brucellosis incidence at the provincial level, with a view to providing scientific reference for the formulation of corresponding brucellosis prevention and control measures.

Data on the incidence of human brucellosis in China by region from 2005 to 2021 were obtained from the National Notifiable Infectious Disease Reporting Information System at the Chinese Center for Disease Control and Prevention (https://www.chinacdc.cn). Data on meteorological factors (such as average annual temperature, humidity, precipitation, etc.) and social factors (including the number of cattle stock, sheep stock, beef production, dairy production, total output value of the pastoral industry, regional GDP, etc.) were sourced from the National Bureau of Statistics of China (http://www.stats.gov.cn). Geographical information was acquired from the National Basic Geographic Information Centre (http://www.ngcc.cn/), and the maps of China referenced in this study are based on the standard map with review number GS (2022) 4309, which was downloaded from the standard map service website of the Ministry of Natural Resources (http://bzdt.ch.mnr.gov.cn/).

Considering the issues of data redundancy and comparability, mainland China was divided into seven regions based on
different dimensions such as development history, natural environment, economic level, dietary characteristics and ethnicity, and the methodology was developed by the state. In accordance with the seven natural geographic regions of China, the temporal characteristics of human brucellosis prevalence in each region were regressed in segments by building Join-point models. This method allows for analyzing turning points, determining their locations, specifying the direction of change, the turning points are selected by grid search method (GSM), which divides the space where the parameters are located into a grid, and each intersection point corresponds to a planning scheme, and then the performance index of the corresponding scheme is calculated point by point with a fixed step in a set interval to determine the optimal parameters. For the analysis of the Joinpoint model, the GSM creates a grid of all the possible locations of the “turning points”, calculates the sum of squared errors (SSE) and mean squared errors (MSE) for each case, and selects the grid with the smallest MSE as the optimal turning point. The grid with the smallest MSE is selected as the optimal turning point, and calculating the annual percent change (APC) and average annual percent change (AAPC) to clarify the direction and speed of change for the whole and local areas, respectively. If the APC is greater than 0 , the incidence rate is increasing from year to year, and vice versa. The formulas for APC and AAPC are as follows:

where is the regression coefficient, is the number of years included in each segment, and is the regression coefficient for each segment.

Centre of gravity calculation. Assuming that a certain study area consists of sub-level areas , where ( ) denotes the latitude and longitude values of the ith sublevel area, and Mi represents the values of each factor in the sub-level area, the centre of gravity of each study factor is calculated by using the centre of gravity coordinate formula, calculated as for:

The distance of inter-annual movement of the center of gravity spatial location, denoted as the Center of Gravity
spatial shift distance, represents the shift in the center of gravity coordinates of a study factor from year to year . This movement is expressed as the distance (D) between the center of gravity coordinates in different years, denoted by ( ) and ( ), where is a constant set as 111.11 km ., We used the following formula:

The use of spatial econometric methods relies on the assumption of spatial heterogeneity among sample data. Therefore, a spatial autocorrelation analysis of the independent variables is necessary before constructing the GWR and MGWR models. Typically, a global spatial autocorrelation analysis is performed using Moran’s to determine whether the attribute values at the sample points under study exhibit spatial correlation with the values of the same attribute at other sample points within the domain. A negative index suggests discrete attribute values among the samples, while an index of 0 indicates that the attribute values are randomly distributed without significant spatial characteristics. The absolute value of I indicates the strength of correlation; a larger absolute value signifies stronger correlation, which is written in mathematical notation:

I is Moran’s value, n refers to the number of spatial elements, and are the observed values at cell and is the mean value of attribute values of all spatial units, while refers to the spatial weight between elements i and j .

To explore the factors affecting the incidence of brucellosis at the interprovincial level, we used ordinary least squares (OLS) as a starting point for spatial regression analyses; introduced spatial relationships using the GWR model, which is a fundamental method in spatial econometric statistics; and further constructed the MGWR model in conjunction with the study objectives, with the and adjusted measuring how well the regression models fit the data. Another key diagnostic, the modified Akaike’s information criterion (AICc), was employed for model evaluation. Comparisons were made based on the , adjusted , and AICc values, where larger and adjusted values and smaller AICc values indicated better model fit.

The OLS model is a conventional linear regression model that only estimates the parameters in an average or global sense, but does not capture the spatial non-stationarity of the parameters. The model is generally expressed as.

where denotes the dependent variable at the ith sample point, denotes the intercept of the linear regression equation, denotes the regression coefficient of the kth independent variable, denotes the kth independent variable at the ith sample point, and denotes the random error.
The GWR model is an improved model based on the traditional linear regression model. Its main advantage is the ability to apply the spatial weight matrix to the linear regression model, which will better demonstrate the spatial structural variation of the results. The model can be expressed as.

where is the dependent variable; denotes the kth independent variable at the -th sample point, is the regression coefficient of the kth independent variable at ( ); and denotes the random error. These parameters are obtained using weighted least squares estimation.

The MGWR model is an extended model based on the GWR model assigned to the differential bandwidth of different independent variables to describe the differential scale of action of different independent variables, which can make full use of the spatial heterogeneity of the sample data and improve the accuracy of parameter estimation. The model is presented as follows.

In this case, represents the differential bandwidth of the independent variable, and the other symbols have the same meaning as in Eq. (2). MGWR first presets the parameters as those of the GWR model when estimating the model parameters, and then uses the back-fitting algorithm to correct the model parameters.

Based on the fitted coefficients of the MGWR model, the spatiotemporal distribution of the variables was plotted. The natural break-point method was used to group the data with high similarity. When the fit coefficient is positive, it indicates that the independent variable has a facilitating effect on the dependent variable; conversely, it indicates that the independent variable has a suppressing effect on the dependent variable, and the larger the absolute value of the fit coefficient, the greater the degree of effect. Temporal trend analysis was carried out using Join-point Regression Software (4.9.1.0) software, and mapping, model construction and model parameter estimation were carried out using ArcGIS (10.8) software, MGWR (2.2) software. Developed by professional teams, these software tools ensure robustness and credibility.

Results were considered significant at for readability and acceptability.

The overall trend of the human brucellosis epidemic in China from 2005 to 2021 showed an upward trajectory, with the incidence rate increasing from to 4.95/100,000. This change trend can be divided into three stages. The period from 2005 to 2014 exhibited a stable rising stage, with the incidence rate hovering around 2.49/100,000. The years 2015 to 2018 marked a declining stage, although the incidence remained higher than the national average in the 2005-2014 period. The years 2019 to 2021 constituted a rapid rise stage, with the epidemic experiencing a significant upsurge in 2019 and reaching its peak in 2021. Join-point regression analysis identified a total of two turning points, occurring in 2015 and 2018, as illustrated in Fig. 1.

The APC and AAPC results for human brucellosis incidence by region showed an overall upward trend from 2005 to 2021 , with an average annual increase of , with statistically significant differences in AAPC trends in all regions except Northeast and North China ( ). Among them, human brucellosis in South China experienced a process of deterioration followed by some improvement, with a rapid rise from 2005-2016 and a slow decline from 2016 to 2021. Central China was consistent with the change in the national trend of the incidence of human brucellosis. Eastern China and Northwest China showed a small upward trend from 2005 to 2009 and 2005 to 2011, respectively, followed by a significant increase in incidence trends through 2015, with Eastern China beginning to decline after 2015, while Northwest China rebounded and rose after declining from 2015 to 2018. Southwest China showed an upward trend since 2007, with an average annual rise of . The results were shown in Table 1.

Between 2005 and 2021, the majority of human brucellosis cases were reported in northern China. The center of gravity for brucellosis shifted southwest from , ) to ( ), covering a cumulative distance of 752.35 km . Initially concentrated in the central region of Inner Mongolia (2005-2010), there was a gradual southwest migration during 2010-2014. Despite remaining endemic in northern China from 2014-2018, post-2018 witnessed high outbreaks in the south. Figure 2 illustrates the trajectory of the annual migration.

The spatial distribution of human brucellosis incidence in China from 2005 to 2021 exhibited a relatively concentrated pattern, with regions of high incidence primarily concentrated in Inner Mongolia, Liaoning, Ningxia, Shandong, and Xinjiang. Notably, Inner Mongolia maintained the highest incidence rate for ten consecutive years. In Ningxia, the incidence rate was elevated in 2015 but steadily declined from 2016 to 2018, only to increase significantly in the subsequent three years. Furthermore, several southern provinces, such as Guangdong, Guangxi, Yunnan, Chongqing, and Sichuan, experienced a year-on-year increase in incidence rates. Conversely, lower incidence rates were concentrated in Jiangxi, Hunan, Shanghai, and Hainan.
The global autocorrelation analysis showed that the spatial autocorrelation Moran’s for the incidence of human brucellosis from 2005-2021 ranged from 0.145 to 0.398 , all of which were positively correlated ( ), with significant aggregation. The results were shown in Table 2.

The results were shown in Table 3. The and Adjusted values of the MGWR model were higher than those of the OLS and GWR models, at 0.838,

0.642 and 0.636, respectively. The AICc values of the MGWR model were smaller than those of the OLS and GWR models, at 639.626, 974.732 and 3493.899 respectively, suggesting that the MGWR model could better explain the effects of independent variables on the incidence of human brucellosis and should be

AAT Average annual temperature, ARH Average relative humidity, AP Annual precipitation, ASH Annual sunshine hours, NOCS Number of cattle stock, NOSS Number of sheep stock, Beef production, MP Mutton production, DP Dairy production, GRP Gross regional product, GPP Gross pastoral product, HE Health expenditure

better able to explain data with spatial and temporal characteristics.

The mean, standard deviation, minimum, median and maximum values are used to describe the fit coefficients of the MGWR model, respectively, to describe the spatiotemporal characteristics of the disease. The results were shown in Table 4.

The magnitude and sign of the MGWR model parameter estimates reflect the degree and direction of influence of each factor of interest on the incidence of human brucellosis in different regions. Only variables that are statistically different were shown here. The spatial distribution of the constant term reflected the spatial variation in the “baseline level” of the incidence of the disease at a value of zero for each of the influencing variables, i.e. the influence of factors other than those considered in this study.The spatial distribution of the estimated AAT coefficients showed that most regions have negative coefficient estimates, indicating that the lower the temperature, the higher the incidence of human brucellosis. This factor played a stronger role in Northern China. The majority of regions had negative NOSS coefficient estimates, indicating that the higher the number of sheep stock, the lower the incidence of human brucellosis. This factor had a stronger effect in Guangdong, Guangxi and Xinjiang. The estimated value
of the coefficient of BP was positive in Shaanxi, Hunan, Tibet, Qinghai and Xinjiang, i.e. the higher the beef production, the higher the incidence of human brucellosis. The coefficient estimates of MP were all positive, indicating that mutton production was positively correlated with the incidence of human brucellosis. This factor plays a significant role in Inner Mongolia, Heilongjiang, Jilin, Liaoning, Gansu, Ningxia and Sichuan. The coefficient estimates for DP were positive in most regions, i.e. the higher the dairy production, the higher the incidence of human brucellosis. The Northwest China and Tibet were more affected by this factor. The coefficient estimates for GRP were all negative, indicating that the higher the regional GDP, the lower the incidence of human brucellosis. This factor was more obvious in Xinjiang and Tibet.The coefficient estimates of HE were all negative, i.e. health expenditure was negatively correlated with the incidence of human brucellosis. Central and Southern China were more strongly influenced by this factor. The results were shown in Figs. 3, 4, 5, 6, 7, 8, 9, 10.

Currently, research on brucellosis predominantly focuses on descriptive epidemiology, including diagnosis, treatment, and immunization. However, brucellosis, being a zoonotic disease, is influenced by numerous factors, such as the geographical and natural

environment, the production and lifestyle of the inhabitants, and the number, distribution, and movement of infectious livestock [16, 17]. Furthermore, both the natural and social environments vary across regions
in China. Therefore, it becomes even more critical to leverage local favorable conditions and explore precise strategies for the prevention and treatment of human brucellosis.

The results of the Join-point model, constructed using human brucellosis data from 2005 to 2021, indicate that the overall incidence of human brucellosis
in China exhibited an upward trend. Although the number of cases began to decline after 2015, the incidence remained high. The factors contributing to the

rebound and increase after 2018 are multifaceted and likely related to several factors, including the development of the livestock economy, historical infection
hotspots, the movement of infectious sources, and varying regional priorities in addressing human brucellosis.

Furthermore, this study found that the AAPC of human brucellosis incidence was positive in all regions, with a more significant annual increase observed in South, Central, and Southwest China. This finding aligns with previous research, which identified a tendency for brucellosis to spread to southern provinces [18, 19]. The rise in human brucellosis incidence in southern provinces may be attributed to factors such as increased travel and heightened demand for lamb and beef. Consequently, it is crucial to strengthen agricultural market management and supervision, both domestically and internationally, to prevent contaminated meat and dairy products from entering the market. Additionally, the increase in the south may be due to historical lower endemicity in the region, leading to underdeveloped countermeasures, insufficient quarantine immunity, irregular slaughtering practices, and inadequate treatment of infectious sources, ultimately intensifying the disease’s epidemic. Thus, it is imperative to enhance the management, training, and health education efforts of relevant departments and occupational groups in the southern region [20-23].
In this study, the national share of brucellosis in Northwest China surged from in 2005 to in 2021. Similarly, the national share of brucellosis in the southwest region increased from in 2005 to in 2021, consistent with the findings of Tao et al. [24]. The westward shift may be attributed, in part, to a decrease in cases in the northeastern region, contributing to a decline in the country’s overall share. Concurrently, the development of the livestock industry in the west has increased the likelihood of relevant practitioners coming into contact with infected animals.
A brief shift of the centre of gravity of morbidity back towards the north in 2016-2018 was found on the migration map.Consideration of possible reasons for the increase in incidence in Inner Mongolia and subsequent rebound in neighbouring provinces. Firstly, market prices for beef and lamb have been on the rise since 2016, attracting more individuals involved in farming, buying, selling, and trading. Secondly, the movement of livestock has increased in tandem with demand, leading to the spread of brucellosis through diseased animals due to a lack of proper quarantine and inspection. For instance, genotypic studies have indicated that brucellosis strains in Inner Mongolia are related to strains from neighbouring provinces [25]. Thirdly, resources invested in brucellosis control may have decreased, with activities based on the One Health principle declining after successive years of decline-an impression gleaned from field visits to endemic areas.
We also observed a significant positive spatial correlation in the incidence of human brucellosis across
all regions of China from 2005 to 2021. This finding indicates a spatial clustering phenomenon in the distribution of human brucellosis patients, suggesting the presence of spatial non-stationarity. This spatial nonstationarity can be attributed, to some extent, to spatial heterogeneity in the influence of related factors across different regions. Therefore, we further constructed the MGWR model for human brucellosis incidence and related factors to quantify the spatial variability in the influence of these factors on human brucellosis incidence.

In our study, we identified a negative effect of average annual temperature on the incidence of human brucellosis, consistent with results from studies in Iran and Hebei Province, China [26, 27]. This negative effect may be attributed to lower temperatures and higher humidity, which create favorable conditions for the long-term survival of Brucella spp. in the environment. During colder weather, livestock tend to be housed indoors, leading to prolonged human-livestock contact and an increased risk of infection. Meteorological factors had a more substantial impact on the incidence of brucellosis in northern regions, suggesting the need for key monitoring during temperature fluctuations and the promotion of proper livestock breeding practices and disinfection of breeding environments.Furthermore, human brucellosis incidence was positively correlated with beef, mutton, and dairy production but negatively correlated with the number of sheep stock. This association is linked to the fact that the digestive tract is a primary transmission route for human brucellosis. In recent years, the rise in demand for beef, mutton, and dairy products, along with inadequate circulation, storage, and handling of these food products, has led to frequent cases of foodborne human brucellosis infection [28]. Notably, the occurrence of human brucellosis in Xinjiang, Tibet, Ningxia, and Gansu was strongly associated with beef and dairy production, highlighting the importance of enhancing food safety management in these areas. Conversely, mutton production had a more substantial impact on human brucellosis incidence in regions like Inner Mongolia, Heilongjiang, Beijing, Tianjin, and Sichuan. The varying influence of different food production types on human brucellosis incidence may be related to different dietary habits, suggesting the need for targeted health education based on local dietary characteristics.

The year-end number of sheep stock reflects the overall health status of sheep during that period. A higher number at year-end corresponds to better sheep health and a lower human brucellosis infection rate. Herders tend to become infected through direct contact with brucella-infected sheep or their products [29]. Therefore, human brucellosis is more likely
to occur in northern and northwestern regions with larger sheep populations. We strongly recommend implementing control measures in these areas with a history of sheep or goat exposure. The national program advocates for a mass animal vaccination strategy in high-endemic areas and the implementation of a “quarantine-vaccination-slaughter” policy (i.e., vaccinating negative individuals based on quarantine results and safely slaughtering animals that test positive) in less-affected areas. Success has been achieved in some areas, with Xinjiang being a notable example. As one of the endemic regions in China, Xinjiang has conducted a large-scale animal brucellosis vaccination campaign since 2016 [30], resulting in a significant decline in the incidence of human brucellosis. A study in the Hami region of Xinjiang demonstrated a noteworthy decrease in local brucellosis infection rates in cattle and sheep from 2017 to 2019.Lastly, areas with higher gross regional development and health expenditure exhibited lower human brucellosis incidence, underscoring the importance of economic support for the effective implementation of strategies and measures to control and eradicate brucellosis [31-33].
In addressing human brucellosis in China, tailored prevention and control measures should align with local conditions. Southern regions like Guangdong and Guangxi can collaborate with meteorological departments for real-time temperature monitoring, predicting key disease prevention periods. In Beijing and Hebei, overseeing livestock health and practitioners will be crucial, along with researching local immunization effectiveness. Northwestern areas such as Tibet and Hunan should enhance food safety management for beef and dairy, expanding animal product market quarantine. Meanwhile, in economically diverse regions like Hubei and Jiangxi, increasing health budgets will support local brucellosis prevention and control efforts.
The spatial distribution map of the parameter estimates revealed significant spatial differences in the coefficient estimates of the factors of interest across each region. This finding underscores the need to develop regionalized plans and strategies for the prevention and control of brucellosis, taking into account the spatial characteristics of these factors and their local relationships with brucellosis incidence.
Additionally, our study observed both positive and negative signs in the coefficient estimates of the MGWR model, indicating that the MGWR method better reflects spatial non-stationarity compared to the OLS method. Model evaluation results also indicated that MGWR outperforms the traditional GWR model, providing more reliable parameter estimation results. These findings emphasize
the importance of considering differential scales of action and spatial heterogeneity to enhance model accuracy.

Our study focused on the spatial-temporal evolution of human brucellosis in China, providing valuable insights into the dynamics of brucellosis transmission. We also revealed the spatial-temporal heterogeneity of human brucellosis influencing factors at multiple spatial scales, spanning from meteorological to socioeconomic factors. This may aid in the development of more precise prevention and control strategies. However, certain multidimensional epidemiological factors, such as highrisk population factors, were not included due to limitations in data acquisition. Therefore, we plan to continue expanding our dataset to enhance the applicability and robustness of the model.

The eradication of brucellosis is a systematic and complex process aimed at controlling and eventually eliminating the disease at its source, conducted in stages. Efforts should focus on developing effective prevention and control strategies that consider regional differences, including preventing contact transmission, addressing food-borne transmission, strengthening laboratory safety measures, enforcing strict import controls, providing economic support for active surveillance, and implementing vaccination programs and selective culling.

Moreover, there is a need for further research in health economics evaluation and related studies to promote cross-sectoral cooperation in brucellosis control. Enhancing information exchange on brucellosis control between regions is crucial. Ultimately, the goal is to bring the incidence of brucellosis within a manageable range and work towards its eventual eradication.

Not applicable.

M.Z. presided over the analysis and writing of this paper. X.C. and Q.B. participated in the writing of the manuscript. B.T. and T.Y. contributed to the establishment of the model. L.Q., Y.W., T.Y., X.C., and B.T. contributed to data collection and processing. Q.B., B.T., X.C. and T.Y. contributed to the revision and rewriting of the paper. D.D. designed the research and supervise the paper. All the authors have contributed to writing. All authors reviewed the manuscript.

This work was supported by Chongqing Science and Technology Bureau Project (grant number:CSTB2022NSCQ-MSX0804).

The datasets analyzed during the current study are available from the corresponding author on reasonable request. The URL link of the dataset is: https:// www.phsciencedata.cn/Share/en/data.jsp?id=8e3f97d5-bbac-4fc1-9e93d2557dd01ffc&show=0.

China’s National Health and Family Planning Commission has determined that reporting data on human brucellosis cases falls under the purview of public health surveillance for legally infectious diseases, and therefore, it does not require evaluation by the institutional review board. All data were provided and analyzed in an anonymous format, with no access to personally identifiable information.

Not applicable.

The authors declare no competing interests.

Received: 29 September 2023 Accepted: 30 November 2023
Published online: 11 January 2024

Springer Nature remains neutral with regard to jurisdictional claims in published maps and institutional affiliations.