Trend and spatial distribution of incidence and mortality of pulmonary tuberculosis among population aged ≥10 years old in China

Abstract

Abstract:

Objective To investigate the effect of age，period，cohort and geographical space on the incidence and death of pulmonary tuberculosis，and to provide a reference basis for tuberculosis prevention and treatment efforts in China. Methods Age-period-cohort model was used to analyze changes in incidence and mortality of tuberculosis by age，period and cohort，and spatial statistical method was used to explore the spatial clustering of tuberculosis incidence and death. Results From 2005 to 2019，the incidence and mortality of pulmonary tuberculosis in China showed a decreasing trend year by year. The analysis results of age-period-cohort（APC） model showed that the incidence and mortality of pulmonary tuberculosis in Chinese people aged 10 years and older increased with age，and the incidence increased from 54.552/100 000 in the group aged 10-<15 years to 2 688.965/100 000 in the group aged ≥85 years（χ²_trend=1495.365，P<0.01），the mortality rate increased from 0.063/100 000 in the 10-<15 year old group to 46.882/100 000 in the ≥85 years group（χ²_trend=640.712，P<0.01）. Using 2010-2014 as the reference group，the rate ratio（RR） values of incidence and mortality of pulmonary tuberculosis among people aged 10 years and over in China showed a decreasing trend with the advance of time in 2005-2009 and 2015-2019. Using the 1965-1969 cohort as a reference，the RR for pulmonary tuberculosis incidence and mortality was significantly higher in those born before 1965 compared with those born after 1969，with increasing RR for incidence and mortality in those born 1934 and before，peaking in those born 1930-1934. Geographic information system（GIS） analysis results showed spatial clustering of tuberculosis incidence and death in China from 2005 to 2019，with Moran's Ⅰ>0 and Z>1.96，P<0.05. Local autocorrelation results showed that high tuberculosis incidence and mortality were concentrated in Xinjiang Uygur Autonomous Region and Xizang Autonomous Region，and low-low incidence was concentrated in the east and central regions. Conclusion Age-period-cohort is important factors affecting the incidence and mortality of tuberculosis，and there is a spatially clustering in the tuberculosis incidence and death. Therefore，it is necessary to increase screening of the elderly population，conduct tuberculosis knowledge campaigns，and increase the awareness rate of population health knowledge，while increasing economic aids in Xizang Autonomous Region and Xinjiang Uygur Autonomous Region to promote equity and accessibility in health resource allocation and protect population health.

Key words: Tuberculosis, Incidence rate, Mortality rate, Age-period-cohort model, Spatial analysis

CLC Number:

R183

LI Qiaomei, JI Cheng, YANG Lichao, WU Jing, GUAN Caiping. Trend and spatial distribution of incidence and mortality of pulmonary tuberculosis among population aged ≥10 years old in China. [J]OCCUPATION AND HEALTH, 2025, 41(23): 3219-3225.

Figures/Tables 11

References 23

[1]	梁晨, 于佳佳, 唐神结. 世界卫生组织《全球结核病报告2022》解读[J]. 诊断学理论与实践, 2023, 22(1):21-30.
[2]	World Health Organization. Global tuberculosis report 2022[R]. Geneva: World Health Organization, 2022.
[3]	CHENG J, SUN Y N, ZHANG Y C, et al. Incidence and risk factors of tuberculosis among the elderly population in China:A prospective cohort study[J]. Infect Dis Poverty, 2020, 9(1):64-76. DOI
[4]	GUO M H, XU J, DU J Y. Trends in cervical cancer mortality in China from 1989 to 2018:An age-period-cohortstudy and Joinpoint analysis[J]. BMC Public Health, 2021, 21(1):1329. DOI
[5]	熊甜, 王雷, 魏晟, 等. 2004—2016年湖北省0-10岁人群乙肝发病变化的年龄-时期-队列(APC)模型[J]. 中国卫生统计, 2018, 35(3):388-390.
[6]	LI Y, ZHENG J, DENG Y, et al. Global burden of female breast cancer:Age-period-cohort analysis of incidence trends from 1990 to 2019 and forecasts for 2035[J]. Front Oncol, 2022, 12(6):891824. DOI URL
[7]	程志伟, 杨永利, 贾晓灿, 等. 基于年龄-时期-队列模型的我国人口生育率趋势分析[J]. 郑州大学学报(医学版), 2018, 53(3):299-303.
[8]	苏茜, 夏勇, 逯嘉, 等. 2009—2018年四川省0-14岁儿童肺结核流行特征分析[J]. 中国防痨杂志, 2020, 42(9):942-947.
[9]	孙闪华, 李艳圆, 陶荔莹, 等. 2011—2020年北京市儿童肺结核报告登记及流行病学特征分析[J]. 结核与肺部疾病杂志, 2021, 2(4):305-310.
[10]	刘思敏, 李巧梅, 唐佳宜, 等. 基于年龄-时期-队列模型分析中国0-10岁人群肺结核发病趋势[J]. 中国防痨杂志, 2023, 45(2):181-187.
[11]	孙闪华, 李艳圆, 陶荔莹, 等. 2011—2020年北京市儿童肺结核报告登记及流行病学特征分析[J]. 结核与肺部疾病杂志, 2021, 2(4):305-310.
[12]	FLETCHER-LARTEY S M, CAPRARELLI G. Application of GIS technology in public health:Successes and challenges[J]. Parasitology, 2016, 143(4):401-415. DOI URL
[13]	PAP M. The interpretation of statistical maps[J]. J R Stat Soc B, 1948, 37:243-251.
[14]	疾病预防控制局. 关于印发遏制结核病行动计划(2019—2022年)的通知[EB/OL].(2019-06-13)[2025-02-20]. http://www.nhc.gov.cn/jkj/s3589/201906/b30ae2842c5e4c9ea2f9d5557ad4b95f.shtml.
[15]	佳琛, 赵剑喜, 白玉娥, 等. 2016—2020年甘肃省肺结核患者流行特征分析[J]. 疾病预防控制通报, 2023, 38(4):44-48.
[16]	YEW W W, YOSHIYAMA T, LEUNG C C, et al. Epidemiological,clinical and mechanistic perspectives of tuberculosis in older people[J]. Respirology, 2018, 23(6):567-575. DOI URL
[17]	LL S J, LI Y F, SONG W M, et al. Population aging and trends of pulmonary tuberculosis incidence in the elderly[J]. BMC Infect Dis, 2021, 21(1):302. DOI
[18]	MANABE T, TAKASAKI J, KUDO K. Seasonality of newly notified pulmonary tuberculosis in Japan,2007-2015[J]. BMC Infect Dis, 2019, 19(1):497. DOI
[19]	国家中医药管理局. 中国农村初级卫生保健发展纲要(2001—2010年)[EB/OL].(2003-01-01)[2025-02-20]. http://www.natcm.gov.cn/guicaisi/gongzuodongtai/2018-03-24/2203.html.
[20]	农业部、国家发展计划委员会、全国爱国卫生运动委员会、国家环境保护总局、卫生部. 关于下发《我国农村实现“2000年人人享有卫生保健”的规划目标》的通知[EB/OL].(1990-03-15)[2025-02-20]. https://www.mee.gov.cn/zcwj/zyygwj/19900315/t20191225_751544.shtml.
[21]	CUI Y, SHEN H, WANG F, et al. A long-term trend study of tuberculosistncidence in China,India and United States 1992-2017:A Joinpoint and age-period-cohort analysis[J]. Int J Environ Res Public Health, 2020, 17(9):19-23. DOI URL
[22]	山珂. 肺结核发病空间聚集分布及影响因素研究[D]. 济南: 山东大学, 2014:64.
[23]	张学艳, 周文君, 嵇冬静, 等. 2015—2016年盐城市肺结核患者经济负担及影响因素分析[J]. 中国社会医学杂志, 2019, 36(4):430-433.

零假设	发病率		死亡率
零假设	χ²值	P	χ²值	P
全局变化（net drift）=0	293.224	<0.01	141.692	<0.01
总年龄偏差（all age deviations）=0	773.449	<0.01	546.612	<0.01
总时期偏差（all period deviations）=0	7.997	<0.05	54.214	<0.01
总队列偏差（all cohort deviations）=0	180.756	<0.01	146.984	<0.01
全时期RR（all period rate ratio）=1	313.630	<0.01	202.964	<0.01
全队列RR（All Cohort Rate Ratio）=1	503.803	<0.01	232.084	<0.01
所有局部变化（All Local Drifts）=全局变化	180.756	<0.01	146.984	<0.01

零假设	发病率		死亡率
零假设	χ²值	P	χ²值	P
全局变化（net drift）=0	293.224	<0.01	141.692	<0.01
总年龄偏差（all age deviations）=0	773.449	<0.01	546.612	<0.01
总时期偏差（all period deviations）=0	7.997	<0.05	54.214	<0.01
总队列偏差（all cohort deviations）=0	180.756	<0.01	146.984	<0.01
全时期RR（all period rate ratio）=1	313.630	<0.01	202.964	<0.01
全队列RR（All Cohort Rate Ratio）=1	503.803	<0.01	232.084	<0.01
所有局部变化（All Local Drifts）=全局变化	180.756	<0.01	146.984	<0.01

日期（年）	发病率				死亡率
日期（年）	Moran’I	Z值	P	聚集	Moran’I	Z值	P	聚集
2005	0.406	5.714	<0.01	是	0.223	3.407	<0.01	是
2006	0.385	5.487	<0.01	是	0.274	4.154	<0.01	是
2007	0.389	5.570	<0.01	是	0.233	3.731	<0.01	是
2008	0.330	4.832	<0.01	是	0.245	3.861	<0.01	是
2009	0.362	5.278	<0.01	是	0.271	4.040	<0.01	是
2010	0.396	5.684	<0.01	是	0.189	2.999	<0.01	是
2011	0.423	5.741	<0.01	是	0.244	3.592	<0.01	是
2012	0.354	5.200	<0.01	是	0.137	2.498	<0.05	是
2013	0.358	5.234	<0.01	是	0.154	2.738	<0.01	是
2014	0.349	5.139	<0.01	是	0.152	2.702	<0.01	是
2015	0.326	4.841	<0.01	是	0.095	2.251	<0.05	是
2016	0.299	4.515	<0.01	是	0.093	2.373	<0.05	是
2017	0.291	4.485	<0.01	是	0.141	2.662	<0.01	是
2018	0.196	3.593	<0.01	是	0.086	2.500	<0.05	是
2019	0.268	4.142	<0.01	是	0.073	2.348	<0.05	是

日期（年）	发病率				死亡率
日期（年）	Moran’I	Z值	P	聚集	Moran’I	Z值	P	聚集
2005	0.406	5.714	<0.01	是	0.223	3.407	<0.01	是
2006	0.385	5.487	<0.01	是	0.274	4.154	<0.01	是
2007	0.389	5.570	<0.01	是	0.233	3.731	<0.01	是
2008	0.330	4.832	<0.01	是	0.245	3.861	<0.01	是
2009	0.362	5.278	<0.01	是	0.271	4.040	<0.01	是
2010	0.396	5.684	<0.01	是	0.189	2.999	<0.01	是
2011	0.423	5.741	<0.01	是	0.244	3.592	<0.01	是
2012	0.354	5.200	<0.01	是	0.137	2.498	<0.05	是
2013	0.358	5.234	<0.01	是	0.154	2.738	<0.01	是
2014	0.349	5.139	<0.01	是	0.152	2.702	<0.01	是
2015	0.326	4.841	<0.01	是	0.095	2.251	<0.05	是
2016	0.299	4.515	<0.01	是	0.093	2.373	<0.05	是
2017	0.291	4.485	<0.01	是	0.141	2.662	<0.01	是
2018	0.196	3.593	<0.01	是	0.086	2.500	<0.05	是
2019	0.268	4.142	<0.01	是	0.073	2.348	<0.05	是

日期（年）	发病率		死亡率
日期（年）	高-高	低-低	高-高	低-低
2005	四川、重庆、贵州、广西、湖南	辽宁、北京、天津、山西、河北、山东、江苏	无	宁夏、陕西、河南、山西、河北、北京、天津、山东、安徽
2006	四川、重庆、贵州、广西、湖南	吉林、辽宁、北京、天津、山西、河北、山东、江苏、上海	云南	宁夏、陕西、山西、河北、北京、天津、山东、江苏、安徽、湖北、河南
2007	四川、重庆、贵州、广西、湖南、海南、广东	内蒙古、吉林、辽宁、北京、天津、山西、河北、山东、江苏、上海	无	宁夏、陕西、山西、河北、北京、天津、山东、江苏、安徽、湖北、河南
2008	四川、重庆、贵州、广西、海南、广东	内蒙古、吉林、辽宁、北京、天津、山西、河北、山东、江苏、上海	西藏	宁夏、陕西、河北、北京、天津、山东、江苏、安徽、湖北、河南
2009	广西、海南	内蒙古、吉林、辽宁、北京、天津、山西、河北、山东、江苏、浙江、安徽、河南、上海	西藏、新疆	内蒙古、辽宁、宁夏、陕西、山西、河北、北京、天津、山东、河南、安徽、江苏
2010	西藏、广西、海南	内蒙古、辽宁、北京、天津、山西、河北、山东、江苏、浙江、安徽、河南、上海	新疆	内蒙古、甘肃、宁夏、陕西、山西、北京、山东、河南、湖北、安徽、江苏
2011	西藏、广西	内蒙古、辽宁、北京、天津、山西、河北、山东、江苏、浙江、安徽、河南、上海	新疆	内蒙古、甘肃、宁夏、陕西、山西、河北、北京、天津、山东、河南、湖北、安徽、江苏
2012	新疆、西藏	内蒙古、辽宁、北京、天津、山西、河北、山东、江苏、浙江、安徽、河南、上海	新疆	内蒙古、甘肃、宁夏、陕西、山西、河北、北京、天津、山东、河南、安徽、江苏
2013	新疆、西藏	内蒙古、辽宁、北京、天津、山西、河北、山东、江苏、浙江、安徽、河南、上海	新疆	内蒙古、甘肃、宁夏、陕西、山西、河北、北京、天津、山东、河南、湖北、安徽
2014	新疆、西藏	内蒙古、辽宁、北京、天津、山西、河北、山东、江苏、浙江、安徽、河南、上海、陕西、宁夏	新疆	内蒙古、宁夏、陕西、山西、河北、北京、天津、河南、安徽
2015	新疆、西藏	内蒙古、辽宁、北京、天津、山西、河北、山东、江苏、浙江、安徽、河南、上海、陕西	无	内蒙古、宁夏、陕西、山西、河北、北京、天津、河南、山东、安徽、湖北
2016	新疆、西藏	内蒙古、辽宁、北京、天津、山西、河北、山东、江苏、浙江、安徽、河南、上海、陕西、宁夏	西藏	内蒙古、宁夏、陕西、山西、河北、北京、天津、河南、山东
2017	新疆、西藏	内蒙古、辽宁、北京、天津、山西、河北、山东、江苏、浙江、安徽、河南、上海、陕西、宁夏	新疆	内蒙古、陕西、山西、河北、北京、天津、河南、山东、江苏、安徽
2018	新疆、西藏	内蒙古、辽宁、北京、天津、山西、河北、山东、江苏、浙江、安徽、河南、上海、陕西、宁夏	新疆、西藏	内蒙古、宁夏、陕西、山西、河北、北京、天津、河南、山东、安徽、湖北、江苏、上海
2019	新疆、西藏	内蒙古、辽宁、北京、天津、山西、河北、山东、江苏、浙江、安徽、河南、上海、陕西、宁夏	西藏	内蒙古、陕西、山西、河北、北京、天津、河南、山东、湖北、江苏、安徽、上海、浙江