编辑推荐：
本文聚焦浙江省发热伴血小板减少综合征（SFTS），通过分析 2011 - 2022 年数据，揭示其发病呈上升趋势且具季节性、空间聚集性。明确关键影响因素，预测高风险区域，为防控策略制定提供科学依据，对保障公众健康意义重大。
引言
发热伴血小板减少综合征（Severe fever with thrombocytopenia syndrome，SFTS）是一种由新型布尼亚病毒（SFTS virus，SFTSV）引起的新发传染病。2009 年在中国河南和湖北农村首次被发现，随后在韩国和日本也有报告。其平均病死率在不同研究中有所差异，中国约为 7.3% 。SFTSV 主要通过感染蜱虫叮咬或接触感染动物的血液、组织传播，也存在人传人的可能，但空气传播尚未得到证实。气候、环境和社会因素都可能影响病毒传播。由于缺乏有效疫苗，且其时空传播异质性受多种因素驱动，研究其传播影响因素至关重要。浙江省 SFTS 发病率在中国排第五位，本研究旨在探究 2011 - 2022 年浙江省 SFTS 的流行病学特征及相关影响因素。
材料和方法
- 数据收集：浙江省地处中国东南沿海，地形以山地和丘陵为主。本研究中 SFTS 病例依据中国国家卫生和计划生育委员会发布的指南进行定义，包括疑似病例和确诊病例。病例数据来自浙江省疾病预防控制信息系统，同时收集了人口、土地覆盖、生态气候等相关数据。
- 描述性分析和空间自相关分析：利用 Excel 2010 软件建立病例数据库，描述 SFTS 患者的时空分布等流行病学特征，使用 χ2 检验比较不同比率，以 P <0.05 为有统计学意义。借助 Geoda 软件分析 SFTS 发病率的空间自相关，包括全局和局部空间自相关统计。全局空间自相关用 Moran’s I 统计量衡量，其值在 [-1, 1] 之间，I > 0 表示正空间相关，I = 0 为随机分布，I < 0 表示负空间相关；局部空间自相关用局部空间关联指标（Local indicators of spatial association，LISA）绘制聚集图。
- 生态建模：采用病例对照研究设计，构建县级增强回归树（Boosted Regression Trees，BRT）模型。选择 19 个生态气候变量、9 个环境变量和 1 个社会变量作为潜在预测因子，设置树复杂度为 5、学习率为 0.005、装袋分数为 75% 。通过重复 50 次随机抽样构建训练集和测试集，用受试者工作特征曲线（Receiver - operating characteristic curve，ROC）和曲线下面积（Area Under the Curve，AUC）评估模型预测性能。
结果
- 时间分布：2011 - 2022 年，浙江省共报告 737 例 SFTS 病例和 82 例死亡病例。病例数和死亡数均呈上升趋势，年平均发病率为 0.099/100000，死亡率先升后降，平均为 11.1% 。SFTS 发病具有明显季节性，4 - 8 月为发病高峰期，该时段病例数占总病例数的 78%，死亡数占总死亡数的 81.7% 。
- 空间分布：SFTS 病例分布于浙江省 11 个地级市，累计病例数最多的三个地级市为台州、舟山和金华。累计病例数最多的三个县（市、区）为岱山县、天台县和临海市。病例性别比为 1.04:1，排除 2015 年数据后性别差异无统计学意义。患者以男性、60 - 69 岁年龄段、农民为主。
- 全局和局部自相关分析：除 2011 年、2012 年和 2014 年外，浙江省 SFTS 年发病率存在空间聚集性（P < 0.05）。局部空间自相关中，H - H 聚集区域主要分布在浙江东部沿海丘陵地带，且范围随时间扩大，2021 - 2022 年聚集区域有所转移。
- 风险因素：BRT 模型分析显示，影响 SFTS 发生的主要因素包括最湿润季度平均温度（相对贡献 18.51%）、年降水量（9.29%）、草地覆盖百分比（9.06%）等 7 个因素。随着最湿润季度平均温度、年降水量等因素增加，SFTS 发生风险降低；而温度季节性和森林覆盖百分比增加时，风险升高。模型预测高风险区域与实际报告区域相似，且预测范围更广，衢州、丽水、温州和嘉兴等地有潜在未报告病例。模型预测准确性较高，平均测试 AUC 在 0.9786 - 0.9993 之间。
讨论
本研究揭示了 2011 - 2022 年浙江省 SFTS 的时空特征，发现其发病具有季节性和空间聚集性，明确了多个影响疾病分布的重要因素。浙江省 SFTS 年平均发病率低于全国及部分邻省，但呈上升趋势，病死率虽逐年下降但仍处于较高水平。发病季节性与蜱虫的生活周期、活动规律以及人类户外活动时间有关，温度和降水影响蜱虫的生长繁殖和生存环境。SFTS 病例集中在丘陵山区，与当地适宜蜱虫生存繁殖的地理环境有关，部分地区病例数下降可能得益于社区干预措施。中老年人和农民发病率高，与他们的户外工作暴露机会多以及免疫力下降等因素有关。本研究构建的 BRT 模型有助于识别高风险区域，但研究存在局限性，如发病率和病死率可能被低估、模型尺度较大可能导致生态谬误、部分相关因素未被探索等。
结论
SFTS 在浙江省具有明显季节性，4 - 8 月为发病高峰，且存在区域差异。生态气候因素、土地覆盖和人口密度对 SFTS 分布有显著影响，但这些因素在复杂过程中的精确作用仍需进一步研究。根据模型预测结果，存在潜在未发现病例，需加强对 SFTS 和 SFTSV 的监测，尤其是在蜱虫适宜生存的生态区域，特别是尚未报告病例的高风险地区应积极开展监测工作。
