基于网络分析的口蹄疫风险防控策略优化研究——斯里兰卡东部省案例

《Preventive Veterinary Medicine》：Optimizing risk-based disease control strategies through network analysis: Case insights from FMD in Sri Lanka

本研究针对斯里兰卡口蹄疫(FMD) endemic地区动物移动数据缺失的难题，通过构建兽医管辖区域(VS range)官方移动网络和农户季节性放牧网络的双重网络模型，首次系统解析了半集约化养殖体系下的疾病传播路径。研究发现靶向高betweenness centrality节点实施疫苗接种和移动控制，可比随机干预更有效阻断疫情传播，为数据有限地区的风险基础防控策略提供了可复制的分析框架。

　　

在斯里兰卡这样的口蹄疫(FMD) endemic地区，牲畜移动如同隐形的疾病传播网络，而数据缺失使得防控工作如同"盲人摸象"。当地主要采用半集约化养殖模式，牛群白天共同放牧、夜间归栏的管理方式，加上频繁的合法与非法动物交易，形成了复杂的疾病传播温床。更棘手的是，该国缺乏统一的动物标识系统，导致移动数据支离破碎。以往研究虽已识别出东部省为FMD高风险区，但传统防控依赖大规模疫苗接种和疫情发生后的环状免疫，缺乏针对关键传播节点的精准干预策略。

为破解这一难题，研究团队创新性地采用双网络并行分析策略。一方面通过兽医问卷收集跨VS range的官方动物移动数据（基于健康证书记录），另一方面借助农户问卷获取季节性放牧范围信息（通过缓冲区重叠模拟接触概率），分别构建了反映正式交易网络和非正式接触网络的双重模型。技术方法上主要运用网络拓扑结构分析（包括betweenness centrality、eigenvector centrality等指标）、walk-trap社区检测算法、基于permutation test的网络比较，以及通过fragmentation index模拟靶向/随机节点移除的防控效果。研究覆盖东部省3个地区的46个VS range，最终纳入40个VS range代表和294户农户的问卷数据。

研究结果揭示了一系列关键发现：

3.2.1节显示的VS range网络呈现出明显的社区结构（modularity=0.55），三个地区各自形成独立社区的同时，存在连接各地区的第四社区。库恰维利、穆图尔（Trincomalee）和萨曼苏雷（Ampara）等VS range具有最高的betweenness centrality，意味着这些节点在疫情传播中可能扮演"桥梁"角色。

3.2.2节的农户网络分析则发现，基兰、图曼克尼（Batticaloa）等地区的农场在放牧网络中具有特殊地位。值得注意的是，3.3节的网络比较显示虽然不同季节的放牧网络在degree指标上存在差异，但permutation test证实网络整体结构保持稳定，提示防控措施需保持全年一致性。

3.4节的碎片化指数模拟结果最具实践价值：当针对高betweenness节点实施干预时，仅需移除2个关键节点就能达到随机移除10个节点的网络阻断效果，特别是在2014年第一季度的疫情高发期，靶向干预的优势尤为显著。

这项研究的重要意义在于首次在数据稀缺的endemic地区验证了网络分析工具的应用价值。通过识别出萨曼苏雷等同时具备官方交易枢纽和放牧聚集点双重特性的关键区域，为精准防控提供了"四两拨千斤"的解决方案。研究揭示的非正式移动网络对传播的贡献，警示单纯依赖官方记录可能低估传播风险。该双网络分析框架可推广至其他存在类似数据缺口的发展中国家，为构建风险基础（risk-based）的FMD防控体系提供了方法论示范。论文发表于《Preventive Veterinary Medicine》，不仅为斯里兰卡的疾病防控提供了直接决策依据，更开创了在有限数据条件下开展网络流行病学研究的创新范式。