编辑推荐：
为预防西尼罗河病毒（WNV）感染爆发，研究人员构建预警系统，有效预测风险，助力防控决策。
西尼罗河病毒（West Nile Virus，WNV）引发的西尼罗河热（West Nile Fever，WNF）是一种由蚊子传播的人畜共患病。该病毒属于黄病毒科，主要通过库蚊叮咬传播，鸟类是主要宿主。大多数感染 WNV 的人没有症状，但老年人和免疫功能低下者可能发展为西尼罗河神经侵袭性疾病（West Nile Neuroinvasive Disease，WNND），目前针对 WNND 的治疗仅为支持性治疗，且尚无人类疫苗。
希腊在 2010 - 2024 年间确诊了 2068 例 WNV 感染人类病例（WNV human case，WNVhc），其中中央马其顿地区（RCM）和色萨利地区（RTH）病例较多。此前的研究采用多种方法预测 WNV 流行，但仍存在不足。为了更有效地预防 WNV 感染爆发，降低其在地方、区域和国家层面的影响，研究人员开展了本项研究。
本研究由希腊帕特雷大学物理系、欧盟联合研究中心等机构的研究人员 Anastasia Angelou、Areti Pappa 等人合作完成，相关成果发表在《Scientific Reports》上。
研究人员采用了多种技术方法。首先，利用欧洲中期天气预报中心（ECMWF）的气温和降水数据，结合当地行政单位人口、面积及地理坐标等数据，以及希腊国家公共卫生组织（EODY）提供的 WNVhc 数据和蚊子监测数据进行分析。其次，运用 MIMESIS - 2 动态模型模拟 WNV 在蚊子、鸟类和人类之间的传播周期，该模型包含 14 个健康或流行病学状态，通过 14 个微分方程描述传播过程。此外，采用数据驱动的 Analog Ensemble（AnEn）方法，结合历史预测和观测数据，确定初始感染蚊子种群数量。最后，将 MIMESIS - 2 模型和 AnEn 方法相结合，在概率框架下生成 fMIMESIS 预测。
研究结果如下：
- 模型评估：WNV 事件检测
- 研究对比了 M1（基于前一年 WNVhc 检测预测当年）和 M2（基于当年感染蚊子样本检测预测当年）模型，发现它们的预测能力有限。M1 在 RCM 和 RTH 的平均临界成功指数（Critical Success Index，CSI）分别为 0.50 和 0.37，M2 在 RCM 和 RTH 的平均 CSI 分别为 0.40 和 0.39。
- fMIMESIS 模型从 4 月到 9 月每月发布季节性预测。4 月时，该模型在 RCM 和 RTH 正确预测 WNVhc 的概率（Probability of Detection，POD）分别为 71% 和 60%，CSI 分别为 56% 和 42%；8 月时，RCM 和 RTH 的 POD 分别提升到 91% 和 94%，CSI 分别提升到 70% 和 68%。并且，模型的 CSI 随风险水平（Risk Level，RL）升高而显著增加，因此将 RL 为 4 或 5 的地区确定为 “高风险城市”。
- 模型评估：WNVhc 估计
- 研究发现，6 月的预测在均方根误差（RMSE）最小且范围最窄，观测到的 WNVhc 数量大多落在预测范围内，预测的 WNVhc 范围也能反映观测到的人类病例的年度趋势。
- 模型能准确预测每年人类病例最多的城市，尽管无法准确预测病例数量，但能正确预测病例最多的地区。
- 模型在不同地区的潜在扩展：该模型在意大利威尼托地区的省级层面成功应用，4 月预测感染省份的 POD 多年度值为 0.88，长期 CSI 在 4 月为 0.65，8 月起为 0.70 。
研究结论和讨论部分表明，本研究的 fMIMESIS 系统是一种新颖的 WNV 风险预测方法，它整合了动态建模、Analog Ensemble 技术、季节性气候预测和现场数据，能有效预测 WNVhc 的空间分布和预期数量，为市政当局提供早期预警，有助于实施及时干预措施。该模型在预测高风险城市和 WNV 病例数量方面优于基于简单假设的方法，为公共卫生管理提供了有价值的工具，有助于制定更具针对性和成本效益的 WNV 预防策略。不过，该模型也存在一些局限性，如数据收集的不确定性、未考虑部分环境和社会经济因素等。未来研究可通过改进数据质量、纳入更多因素和更频繁更新现场数据等方式，进一步提高模型的准确性。
