重大洪水事件中传染病早期预警信号的分析与时空分布：以2022年新南威尔士州和昆士兰州洪水为例

《Public Health》：Analysis and spatiotemporal distribution of infectious disease early warning signals during a major flooding event: New South Wales and Queensland 2022 floods

本研究针对2022年澳大利亚新南威尔士州和昆士兰州特大洪水事件，利用EPIWATCH?开源情报（OSINT）系统进行回顾性分析，探索洪水期间传染病预警信号的时空分布特征。研究发现，洪水期间和之后，包括急性胃肠炎、日本脑炎病毒（JEV）和动物水霉病等传染病信号显著增加，且与高降雨量区域时空重叠。研究表明，OSINT监测可有效辅助极端天气事件中的公共卫生准备和应对，对腹泻病和新发传染病的早期预警具有重要意义。

　　

随着全球气候变暖，极端天气事件日益频繁，洪水已成为最常见的自然灾害之一，占所有自然灾害事件的44%。澳大利亚近年来经历了更频繁和严重的短期强降雨，洪水风险持续存在。2022年，澳大利亚东部新南威尔士州（New South Wales, NSW）和昆士兰州（Queensland, QLD）遭遇特大洪水，造成广泛的经济、社会和健康影响。与此同时，日本脑炎病毒（Japanese encephalitis virus, JEV）意外首次在澳大利亚大陆出现，其发生可能与洪水事件相关。洪水带来的健康风险广泛，包括伤害增加、胃肠道和呼吸道感染传播以及人畜共患病的风险上升。然而，关于2022年NSW和QLD洪水事件与传染病流行病学之间关系的研究尚不充分。在此背景下，开源情报（Open-Source Intelligence, OSINT）驱动的监测系统，如EPIWATCH?，能够通过症状监测早期识别传染病病例和疫情，可能在诊断或官方报告之前提供预警信号，为极端天气事件相关的传染病威胁提供早期指标。

为了探究洪水事件对传染病流行病学的影响，研究人员开展了一项回顾性描述性分析。该研究的主要目的是分析围绕2022年洪水事件的OSINT疾病信号及其相应的疫情发生地点。研究人员从EPIWATCH? OSINT监测系统中提取了2022年NSW和QLD洪水发生前、发生期间和发生后的回顾性数据。EPIWATCH?是一个人工智能（Artificial Intelligence, AI）驱动的OSINT系统，通过分析大量在线开源数据，生成全球传染病病例和疫情的早期预警信号。数据提取时段包括一个干燥对照期（2021年5月1日至7月31日）以及洪水相关时期：洪水前期（2021年11月22日至2022年2月21日）、洪水中期（2022年2月22日至4月5日）和洪水后期（2022年4月6日至7月5日）。研究分析了信号时空分布与各州月平均降雨量水位之间的关系。报告经过AI系统筛选和人工审核，确保数据质量。最终，研究对347个信号进行了描述性分析和地理空间映射。

3.1. Signal and flood period analysis

研究期间共下载了381份报告，经排除无效或重复报告后，最终纳入228份报告，这些报告被分离为346个独立的信号。信号覆盖18种病症（包括2种综合征和16种疾病），分布在34个地点。信号数量在干燥期最高（146个，占42.20%），但均为COVID-19信号；洪水前期信号最低（30个，占8.67%）；洪水中期（80个，占23.12%）和洪水后期（90个，占26.01%）信号数量增加。特别值得注意的是，仅涉及动物以及同时涉及动物和人类的疫情信号在洪水中期达到峰值（NSW和QLD合计分别为10个和6个），表明洪水期间人畜共患病风险凸显。新南威尔士州的信号数量在各研究时期均高于昆士兰州。在洪水中期和后期，出现了与洪水可能相关的疾病信号，包括人类急性胃肠炎、动物水霉病（pythiosis）以及人和动物的日本脑炎病毒（JEV），共有32个信号的原始来源提及疫情可能与洪水或强降雨有关。

3.2. Spatiotemporal analysis

时空分析显示，疾病信号的分布与降雨量存在关联。干燥期仅出现COVID-19信号。洪水前期信号较少（2种疾病）。到了洪水中期，疾病种类（3种）和发生地点（8个）增加。洪水后期，疾病种类（6种）和地点（10个）进一步增加。急性胃肠炎、JEV和布鲁氏菌病（Brucella suis）等信号在洪水中期出现，并持续到洪水后期。大多数信号出现在NSW和QLD沿海降雨量较高的地区，与高降雨量区域在时空上呈现重叠。例如，人类急性胃肠炎信号出现在利斯莫尔（Lismore）LGA、北海岸NSW和北部NSW；JEV信号出现在布里斯班（Brisbane）LGA、费德里申（Federation）LGA、格里菲斯市（Griffith City）LGA、里弗赖纳（Riverina）、特莫拉（Temora Shire）LGA等地区。地理分布表明，传染病信号倾向于出现在降雨量增加的沿海地区，而非内陆。

4. Discussion

描述性分析表明，EPIWATCH?生成的人和动物疾病信号与洪水事件存在关联。在洪水高风险地区，OSINT监测有助于应对极端天气事件对健康的影响，包括腹泻病和新发传染病。研究支持了其他发现，即降雨量增加和洪水可能是未来JEV疫情的一个早期指标。JEV信号在洪水期首次出现并持续到洪水后期，这与强降水后30天左右JEV感染风险增加的发现相符。研究还指出，气候变化将持续改变澳大利亚的传染病流行病学格局，新疾病可能出现，原有疾病可能扩散到新区域。OSINT能够提供非常早期和及时的警报，尽管未经验证，但可以指明需要进一步正式调查的区域。其优势在于能够整合人类和动物疫情数据，并提供细粒度的地理位置信息，便于进行地理空间和时空分析。此外，OSINT数据提取快速，在医疗服^务可能中断的灾难事件中仍能保持一致的报告能力。

然而，该研究也存在局限性。OSINT信号通常无法通过正式报告验证，且不依赖于正式的病例定义或疫情定义，可能受到媒体关注度偏差的影响。数据的准确性依赖于开源信息的质量。此外，本研究仅聚焦于一个洪水周期，数据量有限，使用月平均降雨量水位作为洪水指标可能无法完全反映所有地区的实际洪水情况。

4.2. Conclusion

总之，EPIWATCH?系统有能力在极端天气事件（如洪水）期间提供有用且准确的早期预警疾病信号，这些信号可能与洪水事件在时空上相关，涵盖人类和动物疾病。本研究确定了人类急性胃肠炎、人和动物的JEV以及动物水霉病作为2022年初NSW和QLD特大洪水事件可能相关的传染病后果。建立整合环境、气候和疾病特异性因素的OSINT驱动监测，将增强公共卫生早期发现和快速反应能力。