2020年至2023年间孟加拉国块状皮肤病（LSD）发生的时空分布及其气象决定因素

《Transboundary and Emerging Diseases》：Spatiotemporal Distribution and Meteorological Determinants of Lumpy Skin Disease (LSD) Occurrence in Bangladesh From 2020 to 2023

该研究分析了2020-2023年 Bangladesh牛和 buffalo的Lumpy skin disease（LSD）时空分布及气候关联。结果显示：LSD病例呈现显著季节性（雨季高峰）和空间动态性（热点从东南向西北转移），与降雨（r=0.29）、湿度（r=0.37）、最低温度（r=0.29）和风速（r=0.22）正相关，而平均温度有保护效应（IRR=0.362）。回归模型验证了气象因素对疾病传播的驱动作用，特别是光照和风速的显著影响。研究强调了气候监测在疾病防控中的重要性，建议针对动态热点实施区域化控制策略。

　　### 气候与疾病传播：以孟加拉国牛瘟为例的时空分析

#### 研究背景与重要性

近年来，全球范围内许多跨境和新兴动物疾病的发生率显著上升，给国家经济和公共健康带来了严峻挑战。这些疾病不仅影响动物健康，还通过限制高价值动物产品的供应和质量，对食品安全构成威胁。其中，牛瘟（Lumpy Skin Disease, LSD）作为一种重新出现的病毒性传染病，尤其值得关注。LSD主要影响牛（*Bos taurus* 和 *Bos indicus*）以及水牛（*Bubalus bubalis*），其传播途径涉及多种吸血性节肢动物，包括蚊子、采血蝇和某些种类的蜱虫。这种疾病在流行期间可能造成高达70%至90%的感染率，并伴随7%至10%的死亡率，其严重程度受到病毒株、媒介昆虫数量、以及动物年龄和免疫状态等多种因素的影响。

LSD的爆发与气候条件密切相关，尤其是在雨季，由于媒介昆虫数量增加和活动增强，疫情通常达到高峰。而随着气候条件的变化，疫情的地理分布也呈现出动态的演变趋势。在孟加拉国，LSD首次于2019年7月14日被记录，随后在2020年至2023年期间迅速蔓延，并成为该国的流行病之一。由于其传播速度快、影响范围广，LSD被世界动物卫生组织（OIE）列为必须报告的疾病。因此，对LSD的时空分布及其与气候因素之间的关系进行系统分析，对于制定有效的防控策略至关重要。

#### 数据来源与研究方法

本研究使用了孟加拉国农业部畜牧服务局（Department of Livestock Services, DLS）提供的2020年至2023年间的LSD病例数据，并结合孟加拉国气象局（Bangladesh Meteorological Department, BMD）的气候数据，包括降雨量、相对湿度、最高温度、最低温度、平均日照时长和风速等。这些数据通过统计方法进行处理，以揭示疾病传播的时空模式。研究采用了描述性统计、箱形图（box plot）以及空间分析方法，包括Getis-Ord Gi*统计量用于识别高发区域（hotspots）和低发区域（cold spots），而全球莫兰指数（Global Moran’s I）和局部空间自相关指标（Local Indicators of Spatial Association, LISA）则用于评估空间自相关性。

为了进一步探讨气候因素与LSD病例之间的关系，研究还采用了Spearman秩相关分析，并通过泊松回归（Poisson regression）、准泊松回归（quasi-Poisson regression）和负二项回归（negative binomial regression）等统计模型进行建模。这些模型有助于量化不同气候变量对LSD传播的影响，尤其是在病例数出现高发或低发时，能够更准确地反映疾病传播的动态变化。

#### 时空分布与气候变量的关联

研究结果表明，2020年至2023年间，孟加拉国的LSD病例呈现出显著的时空波动。病例数量在2023年达到峰值，主要集中在5月至11月期间，这与雨季的气候条件密切相关。从空间分布来看，LSD的高发区域经历了从东南沿海地区（如吉大港和库尔纳）逐渐向北部和西北部地区（如拉杰沙希和朗布尔）转移的过程。这种动态变化提示我们，LSD的传播不仅受到季节性因素的影响，还可能与地区间的动物迁徙、贸易活动以及当地气候条件的变化有关。

Spearman秩相关分析进一步揭示了LSD病例与气候变量之间的显著正相关关系。降雨量、相对湿度、最低温度和风速均与LSD病例数量呈正相关，而平均温度则表现出较强的保护作用。这一发现表明，高温和高湿度的环境有利于媒介昆虫的繁殖和活动，从而增加LSD的传播风险。而平均温度的上升则可能抑制病毒的传播，从而降低疾病发生率。在泊松回归模型中，平均日照时长对LSD的影响最为显著，每增加一小时，病例数上升约257.5%。此外，最低温度和风速对病例数也有显著影响，分别每上升1°C和每增加1米/秒，病例数上升约68.7%和163.9%。然而，在准泊松模型和负二项模型中，降雨量、相对湿度和最高温度不再具有统计学意义上的显著性，这可能与数据的过度离散性有关。

#### 气候变化对LSD传播的影响

LSD的传播与气候变化密切相关，特别是在孟加拉国这样的热带国家。雨季期间，高温、高湿和强降雨为媒介昆虫提供了理想的繁殖环境，导致它们的数量迅速增加，进而提高了LSD的传播风险。与此同时，风速的增加也可能促进病毒的传播，因为某些媒介昆虫（如稳定的苍蝇）能够通过空气传播病毒，特别是在气温较高、湿度较大的条件下，这些昆虫的活动能力更强，从而增加了疾病扩散的可能性。

值得注意的是，尽管降雨量、相对湿度和风速对LSD有显著影响，但平均温度的作用更为关键。平均温度的上升能够有效抑制媒介昆虫的活动，降低LSD的传播风险。这可能是因为高温会缩短昆虫的生命周期，或者降低其活动能力，从而减少病毒的传播机会。此外，日照时长的增加也可能促进病毒的传播，因为阳光可以提高媒介昆虫的活动频率，增加其与宿主接触的机会。

#### 时空动态与防控策略

研究发现，LSD的高发区域并非固定不变，而是随着时间的推移而发生变化。例如，在2020年和2021年，东南沿海地区是主要的高发区域，而在2022年和2023年，高发区域逐渐向北部和西北部扩展。这种空间分布的变化可能与以下因素有关：跨境动物贸易的增加、非法动物流动的加剧、以及不同地区农业活动的差异。例如，一些地区可能由于农业机械化程度较高，导致更多的牲畜聚集，从而增加了病毒传播的风险。

此外，LSD的传播还受到社会经济因素的影响。在一些地区，由于缺乏有效的防疫措施和生物安全制度，牲畜容易受到感染。例如，一些地区的农民可能在感染动物未被隔离的情况下继续放牧，导致病毒在短时间内迅速扩散。因此，针对高发区域的防控措施，如加强动物隔离、提高生物安全水平、以及推广疫苗接种，对于减少LSD的传播至关重要。

#### 潜在风险因素与研究局限性

尽管本研究揭示了气候因素对LSD传播的显著影响，但仍然存在一些未被纳入分析的风险因素。例如，牲畜数量、放牧方式、饲养条件、疫苗接种率、生物安全措施以及牲畜的遗传易感性等，都可能对LSD的发生和传播产生影响。由于研究数据的限制，这些因素未能在本研究中进行深入探讨，这可能会影响研究结果的全面性。

此外，研究中使用的数据仅限于区域层面的病例报告，缺乏关于牲畜迁徙、疫苗接种情况和媒介昆虫动态的详细信息。因此，尽管空间统计方法能够揭示LSD的分布模式，但无法全面反映疾病传播的机制。未来的研究应结合更详细的生态数据和牲畜管理信息，以更准确地评估LSD的传播路径和风险因素。

#### 应对策略与未来展望

基于本研究的结果，可以采取以下措施来应对LSD的传播风险。首先，加强气候监测和预警系统，特别是在雨季（5月至9月）期间，提前预测高发区域，有助于制定针对性的防控计划。其次，推广疫苗接种，特别是在高发区域和气候条件适宜的地区，以提高牲畜的免疫力，减少病毒的传播。此外，应加强对牲畜贸易和移动的监管，防止病毒通过非法运输扩散到新的地区。

同时，提高农民的防疫意识和参与度也是关键。通过教育和宣传，农民可以更好地了解LSD的危害，并采取相应的预防措施，如保持牲畜的清洁、避免过度拥挤、以及及时报告疑似病例。此外，政府和相关机构应加强对LSD的监测和报告，确保疫情能够被及时发现和控制。

未来的研究应进一步探讨LSD的传播机制，包括病毒在不同气候条件下的存活能力、媒介昆虫的传播效率以及牲畜免疫状态的变化。这些研究将有助于制定更加精准和有效的防控策略，减少LSD对孟加拉国畜牧业的威胁。此外，结合遥感技术和大数据分析，可以更全面地了解LSD的传播动态，并为全球范围内的疾病防控提供科学依据。