气候变异对登革热发病的非线性与滞后效应：基于曼谷市的分层分布滞后非线性模型研究

《BMC Public Health》：Nonlinear and lagged effects of climate variability on dengue incidence in an urban megacity: a distributed lag non-linear model (DLNM) based study in Bangkok, Thailand

本研究针对热带特大城市曼谷登革热传播的复杂气候驱动机制，采用分布式滞后非线性模型(DLNM)分析2015-2024年105,890例病例数据，首次系统揭示温度、湿度、降雨和风速在六大城市分区中呈现显著时空异质性。研究发现湿度在北大年区滞后0-2个月风险比(RR)达1.477，而中南区呈保护效应(RR=0.765)；最低温度在中部区域效应最强(RR=1.350)。气候影响存在即时(0-2个月)与延迟(8-12个月)双重模式，为精准化分区预警和靶向干预提供了科学依据。

　　

在热带特大城市曼谷，登革热始终是严峻的公共卫生挑战。这座拥有超过千万人口的大都市，每年报告8000-12000例登革热病例，占泰国全国负担的15%-20%。随着气候变化加剧和快速城市化进程，这座地势低洼、海拔仅1.5-2米的首都城市面临着日益复杂的疾病传播环境。传统观点认为，气候因素如温度、湿度、降雨和风速会影响登革热传播，但一个关键问题尚未得到充分解答：在同一个城市内部，这些气候-登革热关系是否会因区域差异而呈现不同模式？

曼谷的都市结构极具异质性——从密集的商业核心区到城乡结合部的居民区，形成了多样化的微气候环境。这种空间异质性可能调节气候对登革热传播的影响强度和时机，然而这种城市内部差异却很少被系统研究。理解这种细尺度的变异对设计精准的公共卫生干预至关重要。

为了解开这一谜题，Warunya Polrob和Aroon La-up在《BMC Public Health》上发表了他们的研究成果。研究团队创新性地应用分布式滞后非线性模型(DLNM)，分析了2015至2024年间曼谷六大行政区域报告的105,890例确诊登革热病例与四种关键气象变量的关系。这种方法能够同时捕捉气候暴露的非线性效应和延迟效应，为理解复杂的环境-疾病动态提供了强大工具。

研究方法上，研究团队收集了曼谷市2015-2024年的月度和气候数据。健康数据来自曼谷传染病控制局，涵盖所有ICD-10编码为A90(登革热)和A91(登革出血热)的确诊病例。气候数据来自泰国气象部门的四个主要气象站，包括温度(最高、最低、平均)、相对湿度、降雨量和风速。数据分析采用R软件的dlnm包构建DLNM模型，使用准泊松回归族控制过度离散，并纳入时间样条函数控制季节性和长期趋势。模型评估了0-12个月的滞后效应，并以各气候变量中位数作为参考计算相对风险(RR)和95%置信区间。

描述性统计显示，研究期间曼谷共报告105,890例登革热病例，总体发病率为15.91/10万。各区域发病率存在明显差异，从南充通的13.33/10万到中部曼谷的17.77/10万。气候变量也呈现显著空间变异：平均温度从北大年的29.1°C到南充通的29.9°C；风速差异尤为明显，北大年平均风速16.7节，而南充通仅7.7节。这种基础数据的空间异质性提示了气候-登革热关系可能存在区域特异性。

气候变量的累积相对风险分析揭示了复杂的时间模式。平均温度的风险逐渐增加，在滞后3-5个月达到峰值(RR=1.024)；最低温度则呈现渐进式上升，至滞后5个月时RR达1.037。湿度表现出双相关联——滞后0个月风险升高(RR=1.128)，滞后4-9个月转为保护效应，滞后11个月再次出现风险升高。降雨在滞后0个月效应最强(RR=1.046)，风速则呈现U型轨迹，在滞后0和12个月均显示显著关联。

分区特异性分析(滞后0-2个月) 显示了惊人的空间异质性。对于平均温度，中部曼谷风险升高最显著(RR=1.230)，而南部曼谷和南充通却显示保护效应。湿度的影响更是截然相反——在北大年区风险显著升高(RR=1.477)，而在南部和中部曼谷却呈保护效应(RR=0.765和0.756)。风速也呈现类似对立模式：南部曼谷和南充通风险增加(RR=1.405和1.342)，而东部和北大年却显示保护效应。最低温度在所有区域均显示正相关，以中部曼谷最为显著(RR=1.350)。

暴露-反应关系通过DLNM模型得以可视化。平均温度与登革热发病率呈J型非线性关系，低温时具有保护效应，32°C时风险峰值达RR=1.171。最高温度呈倒U型曲线，而最低温度则显示明确的正相关。湿度关系复杂且不对称——低湿度(60%)时风险升高(RR=1.135)，高湿度(85%)时却呈保护效应(RR=0.880)。降雨关系非线性，中等降雨量(300mm)时风险最低(RR=0.931)。风速呈现J型模式，低风速时风险升高，高风速时保护效应显著。

滞后模式的空间异质性进一步凸显了气候-登革热关系的复杂性。各区域对同一气候变量的响应时机存在显著差异：有些区域呈现即时效应(滞后0-2个月)，而其他区域则表现出明显的延迟效应(滞后8-12个月)。以湿度为例，北大年区在所有滞后时段均显示持续风险升高，而南部曼谷则表现出延迟风险增加，至滞后12个月达到峰值。风速的影响也呈现类似的时间异质性，不同区域的风险峰值出现在不同滞后时段。

讨论部分深入分析了这些发现的潜在机制。温度影响的异质性可能反映了登革病毒传播的最佳温度窗口——较高温度加速蚊虫发育和病毒复制，但极端高温可能对蚊虫生存产生生理压力。湿度的复杂关联可能通过多种途径影响传播：高湿度通常有利于蚊虫生存，但立即保护效应可能反映了当地生态互作；低湿度时风险升高可能与家庭储水行为增加繁殖地有关。降雨的多重角色也得到阐释——中等降雨可能对现有幼虫种群产生冲刷效应，而干旱期增加的水储存可能创造新的繁殖机会。风速的负面关联与风速干扰蚊虫飞行和宿主寻找效率的已知机制一致。

研究结论强调，曼谷的登革热动态不能仅用气候因素解释，而是气候强迫与微气候变异、城市形态、人口免疫和人类移动性相互作用的结果。研究的创新性在于首次系统量化了特大城市内部气候-登革热关系的时空异质性，揭示了分区特异性风险模式。这些发现对公共卫生实践具有重要启示：基于全市的早期预警系统可通过纳入分区特异性数据及其独特的时间滞后结构而增强效果；病媒控制策略可更好地适应当地气候-传播关系而非采用统一干预措施。

研究同时承认了几点局限性：使用登记人口可能低估真实风险；被动监测系统导致病例低估；DLNM本质为相关性分析而非因果关系；空间聚合可能引入生态学偏倚；月尺度聚合可能减弱效应大小；单变量建模未控制共变气象因素的混杂效应。

未来研究应整合非气候高分辨率数据，如土地利用、住房质量和移动模式，以更全面理解登革热风险。这种整合将为快速城市化的热带特大城市提供更全面、机制基础更强的预测建模和公共卫生行动基础。