利用加拿大不列颠哥伦比亚省的废水数据，对正在活跃传播的IIb亚型天花病毒病例进行时空估计

《Environment International》：Spatiotemporal estimation of actively shedding mpox virus, clade IIb, cases using wastewater signals in British Columbia, Canada

本研究利用层次化贝叶斯时空模型整合废水中的mpox病毒信号，通过调整空间和时间的自相关性，有效估计了社区健康服务区（CHSA）的mpox活跃病例数。结果显示，包含废水信号的模型拟合度显著优于基准模型（WAIC降低51），平均绝对误差约2例（95%CI 1-4），验证了废水监测在精准流行病学中的应用价值。

　　本研究探讨了如何利用废水监测数据来更准确地估算活性猴痘病例。传统上，疾病监测依赖于实验室检测数据或病例报告，这些方法存在一定的局限性，例如测试策略的差异可能导致偏倚，以及病例报告的延迟可能影响对疫情趋势的判断。此外，许多无症状或轻症病例未被报告，这使得基于病例的监测数据存在低估真实感染人数的风险。为了解决这些问题，研究团队采用了一种基于贝叶斯分层时空模型的创新方法，将废水信号纳入模型中，以估算社区健康服务区域（CHSA）内的活性猴痘病例。这种方法能够更精确地捕捉病毒传播的空间和时间特征，从而提供更全面的疫情分析。

研究背景指出，猴痘病毒在2022年全球多个国家爆发，其中加拿大在不列颠哥伦比亚省（BC省）的温哥华市出现了主要的疫情。在温哥华，猴痘的传播主要集中在城市区域，特别是与高频率性接触网络相关的群体，如男同性恋和双性恋男性（gbMSM）。因此，为了更好地监测猴痘的传播情况，加拿大公共卫生局（PHAC）联合省级和市级合作伙伴启动了国家废水监测计划，以早期发现猴痘传播情况。废水监测作为一种非侵入性的手段，能够通过检测城市下水道中的病毒遗传物质来反映疾病流行情况。与传统的实验室检测相比，废水监测不仅成本更低，还能在资源紧张时提供额外的监测手段，特别是在检测病毒变异株方面。

研究方法中，团队采用了一种分层贝叶斯时空模型，该模型考虑了空间和时间的自相关性，以更准确地估算活性猴痘病例。废水信号被收集自五个温哥华市的污水处理厂（WWTP），这些信号通过调整到CHSA层面，结合了人口数量和距离因素，以反映病毒在不同区域的传播情况。研究还利用了定量聚合酶链式反应（qPCR）和数字滴定PCR（ddPCR）技术来量化病毒基因组目标，并通过测序进行基因分型，以确保高灵敏度和特异性。此外，为了提高模型的准确性，研究团队还对病毒在皮肤病变中的持续时间进行了分析，并假设其平均为21天，最大为39天。

在模型构建过程中，研究团队采用了贝叶斯方法，通过引入空间结构随机效应和空间无结构随机效应，来解释不同区域之间的空间变化。同时，时间变化的废水信号也被纳入模型，以捕捉病毒传播的动态过程。模型的性能评估采用了Watanabe-Akaike信息准则（WAIC）和条件预测序数（CPO）等指标，结果显示，包含废水信号的完整模型比不包含废水信号的空模型具有更好的拟合效果（WAIC差值为51）。这表明，废水信号在解释猴痘病例变化方面具有重要作用。

研究结果表明，废水信号在不同污水处理厂的区域和时间上表现出显著的变异。例如，在Bravo污水处理厂的区域，废水信号的中位数为11，而Alpha污水处理厂的区域为6。此外，模型的平均绝对误差（MAE）为每CHSA约2个病例（95%置信区间为1-4），说明模型在估算活性猴痘病例方面具有较高的准确性。然而，模型在高流行区域存在一定的高估现象，这可能是由于未报告的病例或游客带来的感染风险所致。相反，在低流行区域，模型则存在低估的情况，这可能与空间平滑效应和低检测率有关。

研究还讨论了模型在公共卫生中的潜在应用。通过将废水信号与更精细的地理区域（CHSA）结合，该模型能够帮助公共卫生部门更精确地识别高风险地区，并制定针对性的干预措施，如风险沟通、接触追踪或疫苗接种。此外，该模型可以用于其他病毒病的监测，如诺如病毒、新冠或流感A病毒。未来的研究可以进一步结合血清学监测数据，以提高模型的无偏估计能力，评估疫苗效果，并探讨远程接种是否对免疫水平有影响。

尽管研究取得了一定成果，但仍存在一些局限性。例如，病毒载量在不同病例之间可能存在显著差异，这可能影响废水信号的解释。此外，模型未考虑人口流动或感染者游客的影响，这也是许多时空模型的共同挑战。因此，未来的研究需要进一步探索这些因素对模型性能的影响。同时，研究团队强调，公共卫生监测和科研活动应保持一致的伦理标准，以确保数据的合理使用，避免对受影响群体造成额外负担。

总的来说，这项研究为基于废水的传染病监测提供了一种新的方法论，强调了空间和时间自相关性在理解病毒传播模式中的重要性。通过整合废水信号和活性病例数据，该模型能够提供更精确的疫情估计，为公共卫生决策提供科学依据。未来，随着更多数据的积累和技术的进步，基于废水的监测方法有望在更广泛的疾病防控中发挥更大作用。