研究目标：从时间整体趋势内部的局部变化和疾病发展模式的地区划分，通过深入的时空分析，全面了解艾滋病疫情的全貌和发展过程，为制定和实施干预政策提供参考。
研究方法：基于JPR（Joinpoint Regression）模型与 K-means聚类提出了一种新的时空分析方法，对中国艾滋病疫情阶段进行精细化划分，并针对发病模式进行了地理上的区分。随后利用热点分析描述了艾滋病现状，全面展示了中国2004-2018年间艾滋病疫情情况。
研究结果：JPR分析的结果表明，中国艾滋病发病率在2004-2018年间总体呈上升趋势（AAPC=23.2），而2012年是中国艾滋病疫情转折的重要节点，节点后疫情趋势放缓。从空间角度看，时间序列特征聚类结果将全国按发展模式划分为三个部分，即西南地区、中部与东部地区、其他地区。
摘要
中国艾滋病的疫情严重且复杂，通过深入的时空分析，能够全面了解疫情的全貌和发展过程，为制定和实施干预政策提供重要参考。先前的研究探讨了艾滋病的时空特征，但往往忽略了整体时间趋势内部的局部变化和疾病发展模式的地区划分。本研究基于JPR（Joinpoint Regression）模型与 K-means聚类提出了一种新的时空分析方法，对中国艾滋病疫情阶段进行精细化划分，并针对发病模式进行了空间上的区分。随后利用热点分析描述了艾滋病现状，全面展示了中国2004-2018年间艾滋病疫情情况。JPR分析的结果表明，中国艾滋病发病率在2004-2018年间总体呈上升趋势（AAPC=23.2），而2012年是中国艾滋病疫情转折的重要节点，节点后疫情趋势放缓。从空间角度看，时间序列特征聚类结果将全国按发展模式划分为三个部分，即西南地区、中部与东部地区、其他地区。不同地区对应不同的疫情诱因、传播路径等，进行区分可以为针对性干预提供参考。热点分析的结果提示西南地区目前仍是中国艾滋病最严重的地区，亟需更多的防控投入。本研究为艾滋病疫情的认知及防控提供了全新的视角，可以作为决策者进一步政策制定的参考。
引言
1
数据与方法
2
结果
3
本研究的重点结果集中在基于JPR的AIDS发病率拟合曲线、AIDS发展模式聚类结果两个部分。在第一个部分，本研究根据Joinpoint点的个数将结果分为三个类别（图2）。总体而言，全国艾滋病发病率保持上升趋势。2004-2012年全国艾滋病发病率的APC=34.71（95%CI=30.7-38.9），在2012-2018年APC=9.30（95%CI=7.2-11.5），提示2012年后发病率增速放缓。在Ⅱ类与Ⅲ类结果中，Joinpoint点分别集中在2008-2009年与2012-2015年。Ⅲ类结果的第1个Joinpoint点出现在2008-2009年且节点后APC的值上升提示发病率增长速度加快。Ⅲ类结果的第2个Joinpoint点与Ⅱ类结果的Joinpoint点共同集中在2012-2015年间，且均表现为节点后APC值下降，代表发病率增速放缓。通过观测不同地区的Joinpoint结果的差异以及节点后曲线的变化可以直观了解中国各地区疫情变化的趋势。
通过K-means聚类算法对各省份的30个时间序列曲线特征聚类，本研究将中国31个省市的艾滋病发展模式被分为了三类，分别为：西南地区、中部与东部地区、其他地区（图3）。不同的发展模式代表了不同的传播途径与时间，具体分析各类省份的发展模式，可对中国当前AIDS的防治提供重要参考意见。
基于2018年中国艾滋病各省份发病率进行热点分析，可以对中国最新的HIV流行形势进行分析。结果如图4所示，由图可知最新的HIV流行趋势仍存在明显的地域差异与聚集性。7个热点结果集中在中国西南部，分别为四川，重庆，云南，广西，贵州，湖南，海南，提示着西南地区艾滋病疫情的严重以及聚集性。而10个冷点结果则出现在以北京，天津，河北，山东为首的东部与北部地区，提示这些地区的艾滋病风险处于较低的水平。可以说明，西南地区目前仍是中国艾滋病疫情最严重的地区，而东北部省份的疫情则控制的最好。
讨论
4
本研究提出的研究方法具有三大优势：（1）可以通过JPR分析识别拐点，揭示出不同阶段之间的趋势变化，为评估干预效果提供了有力的工具。（2）区分疾病发展模式的地区性差异，为针对性政策制定提供参考。（3）在时间与空间两个维度对中国艾滋病的时空特征进行了更加全面的探究。
在时间维度，本研究在探究2004-2018年中国艾滋病发病率的变化趋势的基础上，突出解决了先前研究中忽略的时间序列内部阶段性趋势变化问题，利用JPR模型揭示各阶段的时间趋势变化，为政策评估提供客观参考。通过观察发病率增速的变化程度，我们可以直观地评估疾病干预效果，进一步展现了JPR模型在政策效果评估方面的优势。例如，仅有广西省在2012年后出现发病率下降的趋势，突出的防控成果可以体现地方政策干预的优越性。
在空间维度，通过计算时间序列曲线特征值并应用K-means算法进行聚类，本研究创新性地揭示了中国不同地区艾滋病发展模式的异质性，进一步帮助区分不同地区的疫情特点，为精准干预提供支持。本研究的结果与先前的聚类研究的发现有所不同，以新疆的结果为例，按照疫情发展模式将其归类为中部与东部地区。该现象的出现可能是由于新疆与中东部地区的毒品主要源自于四川等地的流入，疫情的发展模式也会与西南地区等毒品直接输入的省份有所区分。相比于直接应用发病率或发病人数的空间分析，针对不同地区疫情发展模式的分析可以有效的明晰疾病的发展规律及成因，帮助从传播途径上对疫情进行阻断以及预防。也为未来可能出现的类似疫情提供参考与指导。
结论
5
本研究提出的基于JPR模型和K-means时间序列聚类的时空分析方法，突出解决了先前研究中忽略的时间序列内部阶段性趋势变化问题，创新地揭示了中国不同地区艾滋病发展模式的异质性。从多维度讨论了2004-2018十余年间中国艾滋病疫情的变化，发现疫情发展模式的多样性，提出了针对性的防控建议，特别强调了控制MSM等性传播途径的重要性。此外通过热点分析，确定了西南地区为重点关注区域。这些发现为艾滋病防控政策制定提供了新的思路与参考。
Gui, S., Zhang, X., Sun, Z., Yao, Y., 2024. Uncovering spatiotemporal development patterns of AIDS in China: A study using panel data with Joinpoint Regression analysis and Spatial Clustering. Health & Place 90, 103353. https://doi.org/10.1016/j.healthplace.2024.103353
