赵明扬，周乾宇，王荣荣，王宗熹，何雯倩，张文森，张恒榛，田卓旸，吴柯，王碧瑶，孙长青，*

    肺结核是由结核分枝杆菌引起的具有强烈传染性的慢性呼吸系统传染病，是危害人体健康的重大传染病之一[1]。肺结核患者在排菌期，即痰菌阳性时具有传染性，1例未经治疗的排菌期活动性肺结核患者1年内可感染15～20名接触者。2019年全球结核报告显示，全世界每年约有1 000万人感染结核病，潜伏性结核感染人数占世界人口总数的1/4左右；中国新发结核病病例833 000例，发病率为58/10万，位居世界第三，是结核病高负担国家，肺结核防控形势依旧严峻[2]。

    随着地理信息技术的发展和完善，大量基于空间计量学的空间统计分析方法被提出，地理信息系统和空间统计学在各领域得到广泛应用。英国学者Fotheringham提出的研究空间关系和空间相关关系的地理加权回归(geographical weighted regression，GWR)模型可以直观地探测空间关系的非平稳性[3]，并在多学科领域得到广泛应用[4-6]。但GWR模型只将数据的空间特性纳入模型，而忽略了时间特性对其的影响，在处理某些时间特性和空间特性均突出的数据资料时存在一定局限性。因此，香港大学黄波教授在GWR模型的基础上提出了时空地理加权回归(geographically and temporally weighted regression，GTWR)模型[7]。此模型能够更好地对数据的时空分布及特性进行评估，有效解决了回归模型的时空非平稳性，一经提出便得到广泛关注，并在众多学者的应用过程中不断完善[8-10]。

    近年来，国内外学者对肺结核的时空分布进行大量研究表明，肺结核具有较强的时间特性和空间特性[11-13]。但现有研究更多的是对肺结核发病的影响因素进行独立的时间或空间回归分析，研究结果存在局限性，例如使用差分整合滑动平均自回归模型(autoregressive integrated moving average model，ARIMA)对肺结核数据进行时间序列分析时，忽略了其对应的空间因素的影响[14-15]；在使用空间聚类和地理加权回归时，肺结核数据所具有的时间特性便无法体现[16]。因此，将时间因素和空间因素同时进行回归分析，采用GTWR模型对影响肺结核发病的影响因素进行拟合分析是十分必要的。

    综上所述，本文将使用GTWR模型探索中国肺结核分布的时间和空间异质性，并分析肺结核发病情况与气象和空气质量因素在时间和空间上的相关关系，为制订相应结核病防控措施提供科学参考。

    1 材料与方法 ......