编辑推荐：
为探究尼泊尔结核病（TB）流行的地理模式及环境影响因素，研究人员开展相关研究，发现环境因素显著影响 TB 分布，对防控有重要意义。
在全球范围内，结核病（Tuberculosis，TB）一直是严重威胁人类健康的传染病。曾经，它是单一传染病致死的首要原因，即便到现在，在获取关键医疗服务方面，TB 依旧面临重重阻碍。据《2024 年全球结核病报告》显示，新诊断的 TB 病例数从 2022 年的 750 万增至 2023 年的 820 万，已然超过了疫情前的水平。在低收入和中等收入国家，TB 更是一个亟待解决的重大问题。
尼泊尔也深受 TB 的困扰，2022 年该国大约有 70000 例新发病例，发病率高达每 10 万人中有 229 例。而且，尼泊尔的 TB 病例分布并不均匀，再加上诊断延迟、社会歧视以及医疗资源有限等问题，使得 TB 的有效防控变得困难重重。与此同时，全球在降低 TB 发病率方面虽取得过一定成果，可 2022 年这一进展出现了逆转，这也凸显出深入研究 TB 流行因素、优化防控策略的紧迫性。
为了弄清楚尼泊尔 TB 流行的地理模式，以及土地表面温度（Land Surface Temperature，LST）、城市化、降水和耕地覆盖等环境因素对 TB 流行的影响，来自 Khon Kaen University、Pokhara University、Kathmandu University School of Medical Sciences 等机构的研究人员 Roshan Kumar Mahato、Kyaw Min Htike 等人开展了相关研究，研究成果发表在《Infectious Diseases of Poverty》上。
研究人员利用地理信息系统（Geographic Information System，GIS）技术、双变量空间自相关局部指标（bivariate Local Indicators of Spatial Association，LISA）和空间回归分析等方法展开研究。其中，TB 流行数据来自尼泊尔国家结核病控制中心（National Tuberculosis Control Center，NTCC）2020 - 2023 财年的数据，而环境数据则是从多个平台获取，比如通过 Google Earth Engine 获取，像美国国家航空航天局（NASA）提供的 MOD09A1.061 数据集里的昼夜 LST 数据等。在数据处理过程中，研究人员对原始数据集进行了仔细的准备、验证和清理，以确保数据的准确性和可靠性，之后将其导入相关软件进行分析。
研究结果显示：
- TB 聚集情况：利用 Getis - Ord Gi * 统计分析发现，在 2020 - 2021 财年、2021 - 2022 财年和 2022 - 2023 财年，Banke、Parsa、Rautahat 等地区的 TB 患病率一直居高不下，而 Mustang、Kaski 等地的患病率则较低。这表明这些高患病率地区可能存在一些促使 TB 传播的因素，而低患病率地区或许有某些抑制 TB 传播的条件。
- 环境因素单变量分析：通过对尼泊尔不同地区的 LST、耕地分布、城市化和降水情况进行分析，发现这些环境因素在不同地区呈现出明显差异。例如，尼泊尔南部低地 Terai 地区白天温度较高，北部喜马拉雅地区则较凉爽；耕地主要集中在南部 Terai 地区，而城市化区域多分布在南部和中部。
- 双变量分析：双变量 LISA 分析表明，在 2020 - 2023 财年期间，LST（包括白天 LSTD 和夜晚 LSTN）、耕地面积、城市化和降水与 TB 患病率之间均存在显著的正相关关系。以 LSTN 为例，2020 - 2021 财年 Moran’s I 值为 0.383，2021 - 2022 财年升至 0.420，2022 - 2023 财年进一步上升到 0.425，且高患病率地区和高 LSTN 地区呈现聚集分布。
- 回归分析：通过普通最小二乘法（Ordinary Least Squares，OLS）、空间滞后模型（Spatial Lag Model，SLM）和空间误差模型（Spatial Error Model，SEM）进行回归分析，结果显示 LSTN、城市化和降水等因素对 TB 患病率影响显著。不同年份最有效的模型有所不同，2020 - 2021 财年 SEM 模型最有效，能解释 65.5% 的方差；2021 - 2022 财年和 2022 - 2023 财年则是 SLM 模型表现最佳，分别解释 72.1% 和 69.6% 的方差。
研究结论和讨论部分指出，尼泊尔 Terai 地区如 Banke、Parsa 等地 TB 患病率高，与人口密度大、贫困以及医疗资源有限有关；而山区如 Mustang 等地患病率低，得益于地理隔离和较低的人口密度。同时，研究发现的环境因素与 TB 患病率之间的关系，为制定针对性的防控策略提供了重要依据。例如，了解到 LST 与 TB 患病率的关联后，可在气温较高的时期，在高风险地区加强 TB 筛查和宣传活动。不过，该研究也存在一些局限性，像仅使用了温度和降水的年平均值，可能忽略了季节变化的影响；没有控制住房条件和社会经济差异等混杂因素；并且使用的是汇总数据，可能存在生态学谬误等。但总体而言，该研究揭示了尼泊尔 TB 流行与环境因素之间的复杂关系，强调了将环境健康政策融入疾病管理策略的重要性，为尼泊尔有效防控 TB 提供了关键的理论支持和方向指引，对全球其他面临类似问题的地区也具有一定的参考价值。
