柬埔寨生猪贸易网络的自我中心特征分析及其对疾病监测与控制的意义

本刊推荐：为应对东南亚地区生猪贸易网络特征不明、疾病监测与控制策略缺乏依据的问题，研究人员开展了针对柬埔寨生猪价值链的自我中心网络研究。该研究通过问卷调研定义了8类价值链参与者，并揭示了公猪服务提供者（BSP）、中间商和大型种猪场在网络中扮演“经纪人”角色，具有较高的疾病传播风险。同时，研究指出屠宰场是关键的疾病监测“汇点”。此研究为资源有限环境下开展针对性疾病防控提供了重要网络流行病学依据。

　　

在东南亚地区，生猪养殖是许多国家重要的农业活动和肉类来源。然而，这片区域也长期受到跨界猪病的困扰，特别是自2018年非洲猪瘟（African Swine Fever, ASF）传入中国并迅速蔓延至几乎所有东南亚国家以来，给养猪业造成了巨大的经济损失。更为复杂的是，猪还是甲型流感病毒（Influenza A Viruses, IAV）等重要人畜共患病原体的“混合容器”，可能产生具有大流行潜力的新型病毒亚型。因此，建立有效的疾病监测和控制策略显得至关重要。

要有效防控疾病，就必须清晰地了解病原体可能传播的路径，而活猪的贸易网络正是其中关键的一环。在畜牧业发达的欧洲或北美，生猪运输通常有官方记录，便于研究者构建贸易网络进行分析。但在柬埔寨这样的国家，情况则大不相同。这里的生猪养殖以小农户为主，贸易活动多为非正式、缺乏记录，这使得全面描绘生猪流动图景变得异常困难。此前的研究多是对整个价值链进行宏观描述，缺乏对个体交易者之间连接关系的定量刻画。这种“盲区”严重制约了精准、高效的疾病监测与控制措施的制定。

为了填补这一知识空白，一项发表在《Preventive Veterinary Medicine》上的研究，采用了一种名为“自我中心网络”（Egocentric Network）的调查方法，对柬埔寨中南部四省的生猪贸易网络进行了深入的“解剖”。这项研究旨在回答三个核心问题：首先，如何基于数据对柬埔寨生猪价值链上的各类参与者进行科学分类？其次，这些不同类型的参与者在贸易网络中扮演着怎样的角色？它们的交易模式有何特点？最后，这种“自我中心”的调查方法本身，在资源有限、信息不透明的环境下，对于理解牲畜贸易网络有何价值？

为了回答这些问题，研究人员在2020年5月至2022年4月期间（期间因COVID-19疫情导致调查中断）开展了一项问卷式横断面调查。研究采用多阶段整群抽样设计，最终成功访谈了379位生猪价值链上的参与者，这些参与者被称为“自我”（Egos）。研究人员详细询问了每位“自我”在过去六个月内与其所有贸易伙伴（称为“改变者”，Alters）进行的活猪交易情况，包括交易数量、频率、方向以及“改变者”的类型和地理位置等信息。通过对收集到的数据进行清洗、验证，并利用交易量对网络连接进行加权处理，研究团队构建了一个包含376个“自我”、4705个“改变者”，涉及669,363头猪的交易网络。随后，他们运用聚类分析对“自我”进行了分类，并利用网络分析指标（如度中心性）和逻辑回归模型，评估了不同类别参与者在网络中的位置及其与疾病风险（以高死亡率作为代理指标）的关联。

主要结果

价值链参与者类型学

研究基于生产规模、经营模式等特征，将参与生猪交易的“自我”划分为8种 distinct 类型。

1. 1.
   生产者（Producers）：共5类。
   • •
     公司关联大型种猪场（Company-affiliated large breeding farms, n=21）：规模大，与大型公司有关联，主要生产种猪和仔猪。
   • •
     公司关联大型育肥场（Company-affiliated large growing farms, n=68）：规模大，与公司有关联，主要进行生猪育肥。
   • •
     独立种猪导向型小农户（Independent breeding-oriented smallholders, n=104）：规模小，独立经营，以繁殖仔猪为主要目的。
   • •
     独立育肥导向型小农户（Independent growing-oriented smallholders, n=77）：规模小，独立经营，以购买仔猪进行育肥为主要目的。
   • •
     公猪服务提供者（Boar Service Providers, BSP, n=19）：专门提供公猪配种服务的小规模经营者。
2. 2.
   猪只交换者（Pig Exchangers）：共3类，不进行生产，主要从事活猪买卖。
   • •
     trader（n=11）：交易量较大的中间商。
   • •
     中间商（Middlemen, n=12）：活跃于连接不同生产者的中间人。
   • •
     屠夫/屠宰商（Butchers, n=51）：购买活猪用于屠宰。

网络特征与风险分析

网络分析揭示了不同参与者在疾病传播中可能扮演的不同角色：

• •
  经纪人（Brokers）与高风险节点：公猪服务提供者（BSP）、中间商（Middlemen）和公司关联大型种猪场在网络中表现出“经纪人”的特性，它们拥有大量进出的贸易链接，连接着不同的生产者群体。逻辑回归分析结果支持了它们的风险特征：与独立种猪导向型小农户相比，BSP报告高猪只死亡率（≥5%的存栏量）的几率高出8.1倍（95% CI: 2.4-27.8）；公司关联大型种猪场报告高死亡率的几率是公司关联大型育肥场的6.0倍（95% CI: 2.0-18.6）。这表明这些节点一旦引入病原体，极易在网络中快速扩散。
• •
  传播源（Disseminators）：公司关联大型种猪场向所有类型的生产者（包括小农户和BSP）供应仔猪和种猪，其总供应量中有1%流向了这些小规模经营者，凸显了其作为潜在病原体传播源的重要性。
• •
  连接器（Connectors）：中间商和BSP将原本联系较弱的小农户群体连接起来，形成了更广泛的网络，这虽然增加了疾病传播风险，但也为实施靶向控制措施（如针对这些关键节点进行干预）提供了机会。
• •
  汇点（Sinks）：屠宰场作为网络的终点，接收来自不同公司关联农场和小农户的猪只，这使得它们成为汇集不同来源猪只的理想地点，对于通过屠宰场监测进行早期疾病检测具有关键价值。
• •
  贸易距离：大型农场（种猪场和育肥场）的猪只运输距离最远（中位数>40公里，最大值>120公里），而小农户的贸易活动主要在当地进行（中位数<5公里，最大值114公里）。这提示远距离运输可能增加病原体地理扩散的风险。

讨论与结论

这项研究成功地应用自我中心网络设计，在缺乏正式交易记录的柬埔寨生猪贸易体系中，定量刻画了其复杂的网络结构。研究不仅更新了基于数据的价值链参与者分类，更重要的是，它精准地识别出网络中潜在的“超级传播者”和关键控制点。

研究结论强调，BSP、中间商和大型种猪场是疾病传入和传播的高风险节点，需要优先纳入生物安全推广和监测计划。同时，屠宰场作为网络汇点，是实施基于屠宰场的疾病 surveillance 的绝佳位置。此外，研究还揭示了大型养殖企业通过其广泛的供应网络对小规模养殖户的潜在影响，提示在疾病防控中需考虑整个价值链的相互关联性，而非孤立地看待不同生产系统。

这项研究的深远意义在于，它证明了自我中心抽样方法是一种在资源有限、非正式贸易占主导的 settings 下，进行 livestock 网络特征描述的可行且有效工具。它为柬埔寨乃至东南亚其他具有类似畜牧业结构的国家提供了首个详细的、量化的生猪贸易网络基线数据。这些发现能够直接用于指导当地动物卫生当局优化有限的监测资源，针对高风险节点和关键路径采取干预措施，从而提升对ASF、IAV等重大动物疫病及人畜共患病的整体防控能力，保障畜牧业生产安全、公共卫生安全和农村生计。最终，该方法也为在数据稀缺环境下开展流行病学风险评估提供了新的思路。