编辑推荐：
为探究气候因素对疟疾发生的影响，研究人员分析了 1995 - 2023 年印度高、中、低和超地方性流行邦气候因素与年度寄生虫指数（API）的关系。结果显示不同气候因素在各邦影响各异，该研究为制定疟疾防控政策提供依据。
疟疾，这个古老又顽固的疾病，长期以来一直威胁着人类的健康。在印度，疟疾的防控形势更是严峻。自 1976 年疟疾再次出现后，它就成了印度主要的公共卫生难题之一 。尽管印度在疟疾防控上付出诸多努力，病例数也曾在 2021 年降至历史低点，但随后却又意外反弹，2022 - 2024 年病例数大幅增加，这让印度在 2030 年消除疟疾的目标变得充满不确定性。
在众多导致疟疾反弹的因素中，气候因素的影响却未得到足够重视。要知道，温度、降雨和湿度等气候条件对疟原虫的生长、蚊子（疟疾传播媒介）的发育和繁殖都有着至关重要的影响 。比如，适宜的温度能为蚊子的繁殖创造有利条件，降雨可能会增加蚊子的滋生地，但过多降雨又可能冲走蚊子的幼虫和成虫 。而印度地域广阔，不同地区气候差异极大，疟疾的分布情况也各不相同。在这样的背景下，探究气候因素与疟疾发病之间的关系显得尤为重要。
印度医学研究理事会 - 媒介控制研究中心（ICMR - Vector Control Research Centre）的研究人员 Muniaraj Mayilsamy 等人开展了一项研究，旨在分析 1995 - 2023 年期间，年度平均气候因素对印度超地方性流行（如米佐拉姆邦）、高地方性流行（如奥里萨邦）、中等地方性流行（如泰米尔纳德邦）和低地方性流行（如喀拉拉邦）各邦年度寄生虫指数（Annual Parasite Index，API，指每 1000 人中确诊疟疾病例数，是衡量疟疾流行程度的关键指标 ）的影响。该研究成果发表在《Malaria Journal》杂志上。
研究人员主要采用了以下关键技术方法：从印度中央卫生情报局和国家媒介传播疾病控制中心（National Center for Vector Borne Diseases Control，NCVBDC）收集 1995 - 2022 年的疟疾年度发病数据；从印度气象局和 Statista 获取气象数据，包括年平均最高、最低和平均温度、降雨量以及年平均相对湿度；运用时间序列分析、散点图分析、聚类散点图分析，以及 Spearman 和 Pearson 相关系数分析等统计方法，探究气候因素与 API 之间的关系。
研究结果
- 气候因素和 API 的时间趋势：从 1995 - 2022 年，奥里萨邦、泰米尔纳德邦和喀拉拉邦的年平均温度和降雨量呈上升趋势，同时疟疾病例数下降；而米佐拉姆邦的病例数随着气候因素波动上升。2010 - 2022 年期间，奥里萨邦和泰米尔纳德邦的年平均湿度上升，喀拉拉邦和米佐拉姆邦的湿度则出现波动。
- 散点图分析结果：在泰米尔纳德邦、奥里萨邦和喀拉拉邦，年平均温度与 API 呈负相关，而在超地方性流行的米佐拉姆邦则无明显关系。奥里萨邦的 API 与降雨量呈强负相关，泰米尔纳德邦和喀拉拉邦呈弱负相关，米佐拉姆邦则呈弱正相关。泰米尔纳德邦和奥里萨邦的 API 与湿度呈负相关，喀拉拉邦呈正相关，米佐拉姆邦无相关关系。
- 对比散点图分析结果：综合分析四个邦的数据发现，年平均温度和年降雨量在疟疾传播中起重要作用。泰米尔纳德邦和喀拉拉邦在温度较高时病例数较少，而米佐拉姆邦和奥里萨邦未呈现特定规律。在降雨量方面，泰米尔纳德邦和喀拉拉邦 API 最低值对应的降雨量最高，米佐拉姆邦和奥里萨邦则是中等降雨量时 API 最高。湿度方面，米佐拉姆邦的湿度范围很宽，其他三个邦相对较窄，且不同邦湿度与 API 的关系也不同。
- 印度疟疾时间趋势：2021 年后，印度疟疾病例数连续三年增加。
- Spearman 和 Pearson 相关分析：除米佐拉姆邦外，其他邦的年平均温度与 API 呈负相关。在奥里萨邦，年降雨量和年平均湿度与 API 呈负相关；在泰米尔纳德邦和喀拉拉邦，部分气候因素与 API 的相关性不显著。
研究结论与讨论
该研究首次全面地分析了不同疟疾流行程度和气候条件下，印度四个邦的年平均温度、降雨量和湿度与疟疾发病率之间的关系。研究表明，在热带气候的邦（如泰米尔纳德邦、喀拉拉邦和奥里萨邦），温度升高对 API 有负面影响，而在温带气候的米佐拉姆邦，气候因素与 API 无显著关联。这可能是因为米佐拉姆邦的主要疟疾传播媒介按蚊（Anopheles culicifacies）的最佳繁殖温度范围与其他邦不同。
在降雨方面，它对不同邦的影响也不同。在奥里萨邦，降雨增加可能冲走蚊子滋生地，从而降低 API；而在米佐拉姆邦，降雨可能为蚊子提供更多繁殖场所，对 API 有微弱的正向影响 。在湿度方面，它在米佐拉姆邦对疟疾流行无明显作用，在喀拉拉邦有利于疟疾传播，在泰米尔纳德邦和奥里萨邦则对疟疾传播有负面影响。
此外，研究还发现，米佐拉姆邦疟疾的高流行可能与其他因素有关，如与疟疾流行国家接壤的多孔边境、大量居住在森林地区的部落人口等，这些因素使得疟疾防控难度加大。而在城市化程度较高的泰米尔纳德邦和喀拉拉邦，疟疾防控项目的有效实施对降低疟疾发病率起到了重要作用。
这项研究的意义重大，它为制定基于气候因素的疟疾早期预警系统提供了基础数据。通过将气候数据融入疟疾监测系统，相关部门可以更好地预测疟疾疫情的爆发，提前采取防控措施，如改善排水系统、加强洪水控制等，减少蚊子滋生和疟疾传播。不过，该研究也存在一些局限性，如数据可能不完整（因为部分私立医疗机构未完全上报病例）、存在生态谬误（基于汇总数据）以及未考虑滞后时间模式等。但总体而言，该研究为深入了解气候因素对疟疾的影响提供了重要依据，对印度乃至全球的疟疾防控工作都具有重要的参考价值。
