编辑推荐：
为解决儿童结核病（TB）诊断难、漏报率高及空间分布特征不明的问题，研究人员基于埃塞俄比亚格德奥地区 2018-2023 年数据，采用贝叶斯隐马尔可夫模型（HMM）分析发病率及漏报情况。发现发病率从 141/10 万升至 157/10 万，漏报显著，空间滞后影响邻近区域，为强化 TB 监测提供依据。
儿童结核病（Tuberculosis, TB）如同隐匿在暗处的 “健康杀手”，长期以来因诊断困难、症状不典型等问题，成为全球公共卫生领域的一大挑战。尤其在医疗资源相对匮乏的非洲地区，儿童 TB 的真实负担一直笼罩在 “数据迷雾” 中 —— 一方面，传统监测系统报告的病例数看似平稳，另一方面，临床实践中却屡屡发现未被统计的潜在患者。这种 “冰山一角” 的现状，不仅导致政策制定者难以精准调配资源，更可能使无数儿童错失早期诊疗的机会。那么，在埃塞俄比亚这样的高 TB 负担国家，儿童 TB 的实际流行态势究竟如何？漏报问题到底有多严重？空间分布上又隐藏着怎样的传播规律？这些谜团亟待研究者用科学的方法层层揭开。
来自国外研究机构的研究人员聚焦埃塞俄比亚格德奥地区（Gedeo Zone），开展了一项针对儿童 TB 的深度流行病学研究。他们以 2018-2023 年 12 个 districts 的 TB 监测数据为基础，运用贝叶斯隐马尔可夫模型（Bayesian Hidden Markov Model, HMM）这一先进的统计工具，结合时空随机效应，对儿童 TB 的发病率、病例检测率及漏报情况展开全方位解析。研究成果发表在《IJID Regions》，为全球儿童 TB 防控提供了珍贵的区域性数据参考。
研究主要采用了以下关键技术方法：首先，收集格德奥地区 Health Department 的儿童 TB 通报数据（0-14 岁，符合 WHO 及埃塞俄比亚国家指南诊断标准），涵盖诊断时间、年龄、性别等信息；其次，获取各地区年度人口数据及地理坐标，以计算发病率和通报率；最后，构建包含空间滞后（spatial lag）、HIV 感染率（hivprop）等协变量的贝叶斯 HMM，区分真实发病率（隐藏状态）与病例检测率（观察状态），并通过马尔可夫链蒙特卡罗（MCMC）方法进行模型拟合，同时利用敏感性分析验证结果稳健性。
发病率、病例检测率与漏报情况
研究发现，格德奥地区儿童 TB 发病率呈上升趋势，从 2018 年的 141 例 / 10 万人（95% 不确定区间 [UI]：96-193）增至 2023 年的 157 例 / 10 万人（95% UI：114-207）。然而，病例检测率虽从 2018 年的 56 例 / 10 万人升至 2023 年的 62 例 / 10 万人，但与发病率相比仍存在显著差距，表明漏报问题贯穿整个研究期。值得注意的是，2021 年通报病例数骤降至 66 例，而模型估计的发病率却高达 246 例 / 10 万人，暗示 COVID-19 疫情可能加剧了检测能力的波动或漏报程度。
空间分布特征
空间分析显示，TB 通报的空间滞后与邻近区域发病率呈显著正相关，即某地区的 TB 通报率每增加 100 例，相邻地区发病率预计上升 4 例。这一结果揭示了 TB 传播的空间依赖性，提示防控策略需打破行政区域界限，开展跨区域协同监测与干预。此外，空间分布图直观显示部分 districts 存在明显漏报，进一步凸显了地理因素在 TB 监测中的重要性。
协变量对发病与检测的影响
在发病模型中，空间滞后（β1=0.04, 95% UI: 0.03-0.05）是唯一具有统计学意义的协变量，而 HIV 感染率的影响未达显著水平（β2=0.69, 95% UI: -3.49-4.78）。检测模型则表明，每增加一家具备 TB 诊断服务的卫生机构，病例检测概率提高 42%（95% UI: 16%-84%），证实诊断设施可及性是提升检测率的关键驱动因素。
模型拟合与敏感性分析
贝叶斯后验预测检验显示，模型拟合优度良好（贝叶斯 P 值 = 0.43）。敏感性分析采用两种弱信息先验，结果与原模型高度一致， incidence 和 detection 估计值无显著差异，WAIC 值及回归系数稳定性亦验证了模型的可靠性。
这项研究如同穿透数据迷雾的 “探照灯”，首次在埃塞俄比亚农村地区通过贝叶斯 HMM 量化了儿童 TB 的真实负担与漏报规模，证实了空间传播网络对疫情的深刻影响。研究结论明确指出：现存监测数据严重低估了儿童 TB 的实际流行水平，漏报背后既有诊断能力不足的问题，也与空间传播特征未被充分纳入监测体系密切相关。对于全球 TB 防控而言，尤其在资源有限的低收入国家，亟需强化三点措施：一是扩大基层 TB 诊断设施覆盖，提升儿童特异性检测技术的可及性；二是建立跨区域的时空监测网络，实时追踪 TB 传播热点；三是在疫情评估中纳入空间流行病学模型，为精准防控提供科学依据。正如研究讨论中强调的，只有打破 “数据黑箱”，才能让每一例儿童 TB 患者被看见、被治疗，真正迈向 “终结 TB”（END TB）的全球目标。而格德奥地区的探索，无疑为这一宏大愿景增添了一块关键的拼图。
