综述：孟加拉国动物源超广谱β-内酰胺酶肠杆菌科细菌流行率的系统评价和荟萃分析

本文构建了一个创新的空间显性综合建模框架，首次将气候变化、土地利用与禽流感病毒（AIV）在野生动物、家禽生产和零售等多界面的暴露适宜性联系起来。模型预测，至2050年，孟加拉国养殖区的AIV暴露适宜性将因鸡密度增加而显著上升，可能导致高达7900万新增人口面临风险。该研究为优先部署监测和气候适应性干预措施提供了关键的科学决策工具。

　　

摘要

气候和土地利用变化预计将影响人畜共患病疫情的未来动态，禽流感（AIV）是单向健康（One Health）挑战的一个典型例子。环境和社会经济条件通过多种传播途径调节病毒从野生鸟类传播到养殖动物并随后传播给人类的风险。然而，未来不断变化的环境条件在多大程度上可能改变不同地区和界面禽流感传播的空间适宜性，仍然不确定。为了解决这一知识空白，我们开发了一个空间显性的综合建模框架，模拟野生和养殖鸟类的分布，并将这些信息纳入禽流感暴露适宜性的空间结构性方程模型（SEM）。该模型捕捉了孟加拉国环境、野生动物以及家禽生产和零售系统之间复杂的相互作用。此外，该框架还包括对生活在被认为适合病毒暴露区域的人口风险的评估。我们的方法使我们能够预测当前和未来气候、土地覆盖和人口密度下禽流感暴露的空间适宜性，并更好地理解暴露适宜性的关键驱动因素和潜在机制。结果表明，在鸡密度增长的驱动下，养殖区的适宜性预计将显著增加。我们发现，到2050年，这种变化可能使面临禽流感暴露风险的人口增加多达7900万。这种建模方法提供了一个基于证据的决策支持工具，有助于在全国范围内的关键传播界面优先进行监测和预防性干预。

1. 引言

与 zoonotic influenza 相关的健康风险是全球 One Health 问题的一个典型例子，其中跨物种传播受到多部门因素相互作用的强烈影响。孟加拉国是一个禽流感病毒（AIV）风险特别高的国家，因为它位于东亚-澳大利西亚候鸟迁徙路线上，并且其生物安全水平较低的畜牧系统中家禽密度很高。此外，人口稠密城市地区活禽市场（LBMs）的存在增加了野生鸟类、流浪动物、家禽和人类之间的接近度和相互作用，从而促进了溢出事件。

迄今为止，很少有研究调查环境条件变化对不同AIV暴露界面适宜性的影响。大多数研究主要集中于揭示季节性的相关性及其与病毒环境回收和疾病通报等暴露指标的关系。例如，尽管有越来越多的证据表明大多数传染病对气候变化敏感并可能因气候变化而加剧，但很少有研究致力于理解和预测气候变化对人畜共患流感的影响。迄今为止，大多数研究主要集中在媒介传播疾病上。然而，在人畜共患病的背景下，气候和土地利用变化的影响可能通过改变生态位、集约化畜牧系统、增加动物密度以及增加养殖动物和野生动物之间的接近度来影响非人类宿主。理解动物-环境界面的这些脆弱性如何影响人类的下游风险，对于预测未来的溢出事件和为疾病预防与控制的跨部门战略提供信息至关重要。

除了当前的季节模式外，尽管有明确迹象表明全球气候变化正在改变AIV宿主的生态和生理，但孟加拉国多个界面的AIV暴露适宜性尚未进行空间建模。这些变化的影响在全国范围内不太可能均匀分布，因为暴露界面在城市和农村地区以及不同气候系统中分布不均。例如，城市化环境可能特别脆弱，因为LBMs、高密度家禽养殖和易受气候变化影响的地区（如生物安全措施不足的易发生洪水的定居点）同时存在。相反，农村地区的粗放式家禽养殖可能会因野生鸟类迁徙模式的改变而更频繁地接触野生动物宿主。更深入地了解不断变化的气候和土地利用条件如何影响不同地区跨部门AIV暴露适宜性，对于制定和实施有针对性的干预措施以预防未来疫情至关重要。能够预测可能面临这种暴露增加风险的人口也至关重要。

在本研究中，我们旨在通过开发一种新颖的综合空间建模方法直接解决这些空白，该方法将变化的气候和土地利用条件、野生鸟类和鸡宿主分布以及野生动物和畜牧界面的暴露适宜性联系起来。

2. 方法论

2.1. 建模框架

本研究的建模框架使用有向无环图（DAG）进行概念化，该图是与当地专家共同设计的，旨在确定AIV暴露的主要界面和风险因素，包括气候变量和土地覆盖。这种方法与先前通过专家论证识别南亚地区人畜共患流感暴露的因果路径和显著跨部门风险因素的研究一致。本研究更进一步，1）纳入气候和土地利用变化对AIV适宜性影响的预测；2）明确模拟野生鸟类的栖息地适宜性和养殖鸟类密度分布；3）通过机器学习和统计方法而非专家论证确定风险因素的重要性；4）预测面临AIV暴露风险的人口变化。

DAG描述了代表AIV暴露界面的圆形节点和代表特定界面内风险因素的矩形节点。边表示风险因素对界面适宜性的影响。此外，六边形节点显示野生鸟类宿主物种分布和鸡密度分布的子模型，平行四边形节点代表每个界面中报告的AIV发生情况。

DAG通过以下步骤实施：1）生成野生鸟类（第2.2.1节）和鸡密度（第2.2.2节）的适宜性图；2）使用结构性方程模型（SEM）模拟不同界面中的AIV适宜性（第2.3节）；3）评估不同界面中面临风险的人口的