编辑推荐：
为解决气候敏感型传染病（CSIDs）预测工具实际应用难题，昆士兰大学等机构研究人员开展 3-U 框架相关研究。结果表明该框架可提升工具适用性与可持续性。推荐阅读，助您把握该领域前沿，为相关科研和防控工作提供新思路。
推进气候敏感型传染病防控数字预测工具的适用性与可持续性
发表期刊：Nature Communications
发表时间：2024 年 9 月 4 日 接收；2025 年 1 月 31 日 录用；2025 年 2 月 14 日 在线发表
更新情况：请查看更新
昆士兰大学公共卫生学院（The University of Queensland, School of Public Health）的研究人员发现，很少有预测模型能转化为用于防控气候敏感型传染病的数字预测工具。为此，他们提出了一个 3-U（有用、可用、被使用）研究框架，以提高这些工具的适用性和可持续性。他们建议：1）开发出具有高准确性和足够预警时间的工具，以便能进行有效的主动干预（有用）；2）开展需求评估，确保工具满足终端用户的需求（可用）；3）证明工具的有效性和成本效益，使其能够被纳入常规监测和应对系统（被使用）。
气候敏感型传染病
政府间气候变化专门委员会（Intergovernmental Panel on Climate Change）高度确信，气候变化已经并将继续导致气候敏感型传染病（CSIDs）发病率上升，这类传染病包括虫媒传播、食源性、水源性和呼吸道疾病 。气温升高会通过提高病媒存活率、进食活动和繁殖率，加快病原体在病媒体内的发育速度，延长传播季节，以及扩大适合传播的地理区域等方式，增强虫媒传播疾病的传播 。此外，降水变化会以因具体情况而异的方式增加病媒数量。气候变暖还会加速病原体在其栖息地的繁殖，并引发更频繁的极端天气事件，从而促进水源性和食源性疾病的传播与爆发，进而增加这类疾病的发病率 。由于气候变化，野火烟雾暴露增多，这可能会增加呼吸道感染的风险 。此外，异常潮湿和异常干燥的环境都可能以复杂的方式增加真菌和其他呼吸道感染的风险 ，包括温度、湿度和降水在内的气象因素会影响病毒性呼吸道感染的季节性。
开发气候敏感型传染病预测工具的机遇与障碍
数字技术有助于将气候大数据整合到疾病监测系统中，使其能够作为气候敏感型传染病的早期预警系统。结合气候信息的统计模型可用于开发数字工具，以不同的时空分辨率预测气候敏感型传染病的爆发。这些工具若集成到监测系统中，能为公共卫生专业人员提供预警时间，便于他们与社区合作，主动采取预防措施，阻止预测到的疫情爆发。这样的早期预警系统在低收入和中等收入国家（LMICs）的实施尤为重要，因为这些国家受气候变化的影响最为严重，登革热和疟疾等气候敏感型传染病的发病率最高，且由于资源有限，应对这些影响的适应能力最弱。
众多研究已开发出针对气候敏感型传染病的结合气候信息的预测模型。然而，只有一小部分模型被转化为便于用户使用的数字工具，并纳入常规监测系统 。此外，相对较少的已开发工具在实际应用中也很少被公共卫生从业者用于疾病预防。美洲全球变化研究所（Inter-American Institute for Global Change Research）发表的一项全面的全景地图综述确定了 37 种现有结合气候信息的气候敏感型传染病建模工具，这些工具都有清晰的描述、验证、命名且可获取 。其中 30 种工具专注于虫媒传播疾病。20 种工具已作为可获取的产品展示或在实施环境中使用；然而，只有四分之一的工具界面能让决策者清晰理解。该综述并未确定这些工具是否被积极用于为决策提供依据。
美洲全球变化研究所的全景地图综述通过对研究人员和政策利益相关者的访谈，揭示了公共卫生从业者将结合气候信息的气候敏感型传染病模型用作预测工具的几个重要障碍。一个关键障碍是建模人员、工具开发者（即软件工程师）和决策者之间的协作不足，无法将模型转化为决策者会采用的实用工具。第二个关键障碍是对使用这些工具的从业者培训不足。这些障碍表明，需要通过多部门协作、当地培训和能力建设，共同创建实用、用户友好且可持续的工具。最后，关于预测工具在降低气候敏感型传染病发病率方面的有效性和成本效益的有力证据匮乏。要让公共卫生部门采用这些工具，就需要有此类证据。
本观点的目标
基于在研究和实践中的经验，来自医学、公共卫生、流行病学、传染病建模、气候科学、社会学、经济学、卫生服务与管理以及信息与通信技术等多学科的专家团队认为，要使气候敏感型传染病预测工具能持续被纳入常规监测系统，根据 “使用” 概念，必须首先证明这些工具在疾病预防和控制方面是有用的、可用的且能被有效使用的。
“使用” 概念借鉴自产品设计领域，包含三个情境原则：有用、可用和被使用 。如果一个产品能让用户实现特定目的，那么它就是有用的。然而，如果产品不可用，即不易理解、不便于用户使用，不能以简单、方便、高效、吸引人且有效的方式使用，那么它可能就不会被使用。此外，一个产品即使有用且可用，但如果不符合既定需求和成本效益，潜在用户可能仍不会采用，也就不会被使用。在本观点中，研究人员基于 “使用 ” 概念和 3-U 原则（图 1），提出了一个全面的研究框架，以提高气候敏感型传染病预测工具的适用性和可持续性。
如何使工具 “有用”
一个有用的工具应基于特定的气候敏感型传染病模型，该模型能高度准确地预测疾病的发病率或爆发情况，并且要有足够的预警时间，以便开展有效的主动预防工作。基于基本原理的机制模型模拟传播动态中涉及的生物过程，而经验模型则基于预测因子与气候敏感型传染病结果之间的观察统计关联。许多预测模型同时包含机制和统计成分。
模型开发
充分开发模型的一个前提条件是，在目标地理位置能获取高质量、长期的数据集，包括感兴趣的气候敏感型传染病的每日、每周或每月发病率数据；气候数据，如每日平均气温和每日降水量；以及其他关键预测因子，如人口密度、土地覆盖和社会经济变量。一个重要的限制因素是，部分或所有这些数据的质量可能不高（例如纸质记录而非电子记录），或者根本无法获取，在低收入和中等收入国家以及其他资源匮乏地区尤其如此。在这种情况下，可能无法开发预测模型及后续工具。因此，在启动开发用于防控气候敏感型传染病的数字预测工具项目之前，与数据提供者进行协商至关重要，以便了解这些数据集的存在情况、特征、优势和局限性。此外，可以进行系统综述，确定以往针对该气候敏感型传染病的建模方法、其优势和局限性，以及以往研究中确定的气候和非气候预测因子。然后，需要确定具有合适时空分辨率的气候敏感型传染病结果和预测因子数据集，并确保能够获取这些数据。
需求评估
公共卫生部门在决策过程中纳入预测的不确定性是很有价值的 。因此，能产生概率性结果的方法最为有用。例如，使用贝叶斯框架拟合的时空模型能够量化疫情在特定时间和地点发生的概率 。虽然最近开发了许多机器学习方法用于预测，但它们往往无法给出不确定性估计 。理想的模型应能在足够小的空间尺度上提供准确的疾病预测，并且有足够长的预警时间，使资源有限的公共卫生部门能够及时主动采取预防气候敏感型传染病爆发所需的措施，从而发挥作用。此前的研究发现，综合多个独立基础模型的集成模型通常比单个模型表现更优 ，这表明集成模型可能更适合用于气候敏感型传染病预测。
模型验证
验证过程用于评估模型预测疾病发病率和爆发情况的准确性，这对于选择最优模型至关重要。时间序列交叉验证是评估模型预测能力的常用工具 ，在该方法中，模型在训练期后的预测性能通过使用留一未来法交叉验证技术，比较预测值和观察值来进行测试 。为了验证气候敏感型传染病发病率的预测，可以同时使用三个相互关联的指标 ：（i）清晰度（Sharpness）检查每个时间点预测分布的方差；（ii）偏差（Bias）检验模型是否存在系统性的高估或低估；（iii）连续等级概率评分（Continuous Rank Probability Score，CRPS）是一种综合度量指标，对清晰、无偏差的预测给予奖励。CRPS 类似于平均绝对误差，但它使用预测的完整概率分布而非点估计，因此适用于贝叶斯预测模型 。理想的预测应具有较低的 CRPS（CRPS 没有上限，值为零表示完美预测），并且具有较高的清晰度（即预测分布的方差较低）和无偏差性。还需要进行验证，以评估模型预测气候敏感型传染病爆发（与发病率相对）的准确性，当观察到的病例数超过特定地点的疫情阈值时，即认为发生了疫情爆发。用于衡量概率性预测事件准确性的布里尔分数（Brier score）通常用于验证贝叶斯模型的疫情爆发预测 。图 2 展示了登革热预测模型的开发和验证示例。有可能无法找到能提前足够长时间预测气候敏感型传染病发病率和爆发情况且有用的模型，在这种情况下，该项目应终止。
如何使工具 “可用”
一个可用的工具应是用户友好、简单的，并且能满足终端用户（如公共卫生从业者）防控气候敏感型传染病的需求。这样的工具可以是一个基于网络的软件系统，带有基于预测模型输出的移动应用程序界面。该工具应允许用户输入数据、接收警报，并能在任何地方方便地获取实时信息。理想情况下，一个可用的工具应集成到相关气候敏感型传染病的常规监测系统中，该监测系统基于现有系统自动实时更新的数据集，并且这些数据集可在开发的工具中用于未来的常规预测。需要认识到，在许多情况下（尤其是在低收入和中等收入国家以及其他资源匮乏地区），常规监测系统还很不完善或根本不存在，并且现有系统（在类型、质量、人力资源和财务能力方面差异很大）可能无法自动实时更新，也无法用于未来的常规使用。在许多情况下，在仔细评估这些可用性因素后，可能会决定在开发工具之前需要进行大量的能力建设。
需求评估
此外，为确保工具满足终端用户的需求，一旦决定推进工具开发，就应在项目的每个阶段进行需求评估（NA）。需求评估应纳入对社区和公共卫生系统资产的评估，以及对潜在工具用户技术接受度的评估，并且应让广泛的利益相关者参与进来，包括决策者、公共卫生从业者、数据提供者、研究人员、其他技术专家和社区领袖。
在项目的早期模型开发和验证阶段，需求评估应确定确保工具对相关利益相关者合适且可接受的需求。例如，公共卫生从业者可能对所讨论的气候敏感型传染病的爆发有明确的定义。在这种情况下，理想的模型应遵循这一定义。然而，如果模型开发者发现另一种定义对预测更有用，那么研究团队和从业者之间应进行协商，以确定一种既能实现最佳预测，又能被从业者接受的爆发定义。
在工具开发的所有阶段，需求评估应评估工具在监测系统和常规预防实践中有效使用的要求。例如，当工具预测到疫情爆发时，预防疫情爆发的主动干预措施会是什么样的？这将取决于公共卫生系统的财务和人力资产等因素，以及从业者对替代干预策略有效性的看法。如果主动干预可能涉及社区动员，那么评估有助于动员的社区资产，如基于信仰的组织和媒体机构，将是相关的。同样，研究团队和从业者之间可能需要进行协商，以确定主动干预的特征。在项目的最后阶段和项目结束后阶段，需求评估应评估未来维持和扩大工具使用的需求。这通常涉及评估财务和人力资产，以及公共卫生系统的优先事项和需求。
布拉德肖（Bradshaw）在 1972 年具有开创性的《社会需求分类法》中提出的广泛使用的四种需求类型的概念，可为需求评估提供一个基础框架，并用于对需求的复杂性进行分类和理解 。它已被用于为社会政策设计、服务分配和资源分配提供参考。比较需求（Comparative needs）是客观定义的，通过比较不同人群的健康状况和他们可获得的卫生服务来评估。规范需求（Normative needs）由专家定义，为评估工具及其使用设定了标准。表达需求（Expressed needs）由社区使用的产品或服务来定义。感受需求（Felt needs）由目标人群成员表达的需求和愿望来定义。工具开发的需求评估过程可以基于文献综述和与其他用户群体的协商（比较需求），以及与 1）政策制定者、专家和科学家（规范需求）和 2）从业者、数据和技术服务提供者以及社区成员（表达需求和感受需求）的深入访谈或焦点小组讨论（图 3）。
一个可用的工具应易于使用，与现有系统和技术兼容，并与用户的技能和能力相匹配。先前的研究表明，信息技术（IT）与常规临床实践之间的 “契合度”“将导致预期的终端用户接受或拒绝该信息技术，使用或误用它，将其纳入日常工作或绕过它” 。这就是为什么对潜在用户技术接受度的评估是需求评估的重要组成部分。可以使用各种考虑技术使用决定因素的技术接受框架，如感知有用性、感知易用性、社会影响和使用习惯等，来促进这一评估 。
需求评估存在局限性。首先，感受需求因个人和文化而异，这可能会导致取决于关键信息提供者观点的潜在偏差。因此，让多样化且具有代表性的利益相关者参与至关重要 。其次，由于缺乏渠道等障碍，并非所有的表达需求都会被传达出来。通过整合多种信息来源可以帮助揭示社区中这些隐藏的需求。第三，由于需求可能会随时间演变，研究人员应在整个项目过程中保持与利益相关者的互动，并建立反馈机制以捕捉不断变化的需求。最后，需求往往很复杂，不同利益相关者之间的需求可能相互冲突，这可能会使确定满足所有观点的解决方案变得复杂。研究人员必须优先考虑既可行又与项目更广泛目标一致的需求 。
如何推进工具被 “使用”
有效性评估
即使一个早期预警工具是有用且可用的，但如果缺乏或没有证据表明其在降低气候敏感型传染病发病率方面的有效性和成本效益，它仍然可能不会被使用。随机对照试验是评估公共卫生干预措施有效性的金标准研究设计。由于早期预警工具是由公共卫生部门在社区层面、基于特定地理区域实施的干预措施，而非针对个体的干预措施，因此对早期预警工具有效性的随机对照试验必须对地理区域及其相关的公共卫生部门进行随机分组。这种试验被称为整群（即群组）随机对照试验（CRCT），其中随机分组的单位必然是群组（在这种情况下是地理区域），而不是个体 。整群随机对照试验已广泛用于评估传染病干预措施的有效性 ，例如，在尼加拉瓜和墨西哥的 150 个人口普查区域进行的社区动员预防登革热的整群随机对照试验 ，在冈比亚 32 个村庄进行的大规模药物治疗疟疾的整群随机对照试验 ，以及在埃塞俄比亚 48 个村庄进行的以改善家庭厕所为重点、由社区主导的全面卫生干预措施以降低儿童腹泻发病率的整群随机对照试验 。
进行整群随机对照试验评估早期预警工具的一个前提条件是，存在一个由多个分区（即地区）组成的地理区域，这些分区由一个或多个公共卫生部门服务，并且这些公共卫生部门在早期预警工具预测到疫情爆发时有意愿和能力实施主动干预措施。各个群组将被随机分配到干预组和非干预（对照组）组。为了确定要随机分组的群组数量，需要设定干预组相对于对照组气候敏感型传染病发病率的目标降低幅度（例如 25%），然后进行样本量计算，以确保有足够的统计效力。在计算时需要考虑群组数量和群组内个体数量，这是由于存在一种称为群内相关性的现象，即群组内的个体在结果发生概率方面往往比其他群组的个体更相似 。统计效力与群内相关性程度呈反比。
图 4 展示了针对虫媒传播的气候敏感型传染病的整群随机对照试验示例。非干预（对照）群组将按照公共卫生部门的规定，对相关气候敏感型传染病进行常规预防实践。干预群组也将进行常规预防实践，但此外，如果早期预警系统预测到疫情爆发，它们将按照研究方案进行一系列主动预防干预措施。主要结局指标可以是疾病发病率和疫情爆发频率，次要结局指标可以是通过病媒监测确定的昆虫学指标。
成本效益评估
此外，在试验中应纳入能产生性价比证据的成本效益分析 。关键结果将是增量成本效益比（ICER），它比较疾病监测的增量成本变化和增量结果成本变化（例如，残疾调整生命年 [根据社会支付意愿确定]、因气候敏感型传染病住院的病例数）。如果估计的 ICER 小于 1，则该工具被认为具有成本效益。
整群随机对照试验的局限性
尽管评估气候敏感型传染病早期预警系统的有效性必然需要在地理区域层面进行，但整群随机对照试验存在局限性。首先，如果群内相关性较高，为了获得足够的统计效力，可能需要大量的群组，这可能成本高昂且难以实施。其次，尽管进行了随机分组，但当随机分组的群组数量相对较少时，整群随机对照试验可能会受到混杂因素的影响，以至于干预组和对照组在混杂因素方面可能仅仅由于偶然因素而不具有可比性 。可以通过对重要的已知混杂因素（如基线气候敏感型传染病发病率）进行群组分层随机分组，并在分析中对混杂因素进行调整来解决这一局限性。
第三，由于人员流动或病媒（对于虫媒传播的气候敏感型传染病而言）在群组间的移动等因素，干预群组和对照群组之间可能存在交叉污染，这会使干预群组和对照群组实际上更相似，从而使有效性估计值向无效方向偏倚 。可以通过在干预群组和对照群组之间创建地理缓冲区、在数据分析中仅使用每个群组的中心部分（实际上就是创建地理缓冲区），或者使用地理面积较大的群组来减少人员或病媒在群组间移动的影响（对于虫媒传播的气候敏感型传染病而言）等方法来解决这一局限性 。
此外，使用准实验性的非随机干预前 / 后研究设计代替整群随机对照试验可以完全避免交叉污染的可能性 。在这种设计中，在特定地理区域实施干预
