编辑推荐：
本文聚焦东南亚三国（马来西亚、新加坡、泰国），对比新冠前（2017 - 2019 年）和新冠期间（2020 - 2022 年）登革热（DF）传播模式及与环境变量的暴露 - 反应关系。发现疫情影响 DF 传播，不同国家地区变化各异，为防控提供新依据。
引言
登革热（Dengue Fever，DF）由 4 种病毒血清型（DENV 1 - 4）引起，经蚊子传播，症状类似流感，全球患病人数和死亡人数不断增加，严重影响公共健康和社会经济发展。2020 年新冠疫情（COVID - 19）的爆发干扰了 DF 的传播动态。
为控制新冠传播，各国采取诸多公共卫生措施，如隔离、社交距离、戴口罩等，改变了人类的活动和接触模式，影响了人蚊接触，进而影响 DF 传播。同时，新冠相关干预措施还间接引发了短期环境变化，影响 DF 传播媒介的繁殖。
东南亚是 DF 的流行地区，每年有大量 DF 病例和死亡，经济负担沉重。新冠期间，该地区 DF 病例数出现不一致的变化，部分国家如新加坡病例增加，这一复杂情况需要进一步研究。
此前研究存在局限性，多数只关注一个国家或省份，缺乏区域同步性和空间异质性分析，且研究时段多局限于疫情期间，未综合考虑 DF 的周期性，同时忽视了新冠封锁措施对环境变量与 DF 关系的间接影响。本研究旨在对比东南亚三国（泰国、马来西亚、新加坡）在新冠前后 DF 传播的时空模式，以及环境变量与 DF 病例的暴露 - 反应关系，为 DF 防控提供新见解。
方法
- 数据来源：DF 数据主要来自各国卫生部门网站和先前研究的公开数据集，环境变量从 Google Earth Engine 获取，非药物干预（Non - Pharmaceutical Interventions，NPI）数据来自牛津新冠政府响应追踪器（Oxford COVID - 19 Government Response Tracker，OxCGRT）。
- 时间序列分析：通过线图展示三国 DF 病例的月度总体趋势，以绝对病例数和占总人口比例呈现；利用热图描绘不同地区的 DF 感染趋势，探索区域同步性；使用箱线图展示年度变化和季节性；应用季节性和趋势分解（Seasonal and Trend decomposition using loess，STL）将时间序列分解为趋势、季节性和随机成分。此外，进行回顾性时空扫描统计分析，描绘 DF 传播的时空模式。
- 环境变量与 DF 发病率的暴露 - 反应关系分析：运用分布滞后非线性模型（Distributed Lag Non - linear Model，DLNM），借助 R Studio 中的 “dlnm” 包，分析新冠前后环境变量与 DF 发病率的暴露 - 反应关系。分析分为两个阶段，第一阶段为各子区域构建个体模型，第二阶段采用多变量荟萃分析方法综合不同区域的关系。分析时将泰国按气象分类划分为 6 个研究区域，马来西亚和新加坡各为一个研究区域。
结果
- 总体趋势：与 2017 - 2019 年相比，新冠期间三国 DF 感染趋势有不同程度变化。2020 年三国 DF 病例均达到峰值，2022 年中期马来西亚和新加坡病例再次上升。除新加坡外，其他两国 DF 病例数总体呈下降趋势。新加坡在 2020 年中期和 2022 年初、中期感染率显著上升，马来西亚和泰国感染率相对稳定且略有下降。从子区域看，每年春夏季节 DF 感染通常增加，但 2021 年三国在这些季节病例数大幅下降，泰国北部和东北部略有增加。泰国北部和东北部 DF 发病高峰出现和结束时间比其他地区早，新加坡和马来西亚 2017 - 2022 年 DF 病例变化趋势与泰国相似，但新加坡 2017 - 2018 年数据除外。
- 季节性变化的时间序列分析：通过 STL 分解，发现三国 DF 病例的主要峰值都在年中左右，年初和年末病例数较低。泰国季节性成分逐年减弱，新加坡季节性波动逐渐增强，马来西亚在年初和年末有两个明显低谷。对比新冠前后季节性格局，新加坡在 5 - 8 月 DF 病例通常激增，疫情期间这种季节性影响加剧，平均每月病例数增加，感染病例变异性增大；马来西亚和泰国全年 DF 病例数普遍减少。时空扫描统计分析发现，新加坡在 2022 年 4 - 9 月出现高风险聚集区，马来西亚西部低风险聚集区扩大且相对风险（Relative Risk，RR）降低，泰国总体风险较低，但湄宏顺府在 DF 季节出现高风险聚集区。
- 新冠前后环境变量与 DF 发病率的暴露 - 反应关系：DLNM 分析显示，泰国、马来西亚和新加坡的 DF 病例与环境变量的总体暴露 - 反应关系发生了不同变化。在泰国，新冠期间 25°C - 30°C 最高温度出现后 0 - 1.5 个月成为新的高风险期，最低温度相关的低 RR 区域在疫情期间转变为高 RR 区域，环境变量与 RR 的总体累积关联也有显著变化。马来西亚和新加坡除相对湿度相关的 RR 普遍下降外，其他三个环境变量关系基本不变。泰国各子区域中，北部地区环境变量与 DF 的暴露 - 反应关系变化最大，如降水、相对湿度、最高温度和最低温度的 RR 值和高 RR 区域都有明显变化；东北部最低温度高 RR 区域位置完全改变；东部最高温度与 DF 发病率的 RR 值下降，降水和相对湿度的 RR 值有变化；中部和西南部变化较小。
讨论
- 主要发现：时间序列分析表明，三国在新冠前后 DF 病例都具有明显季节性。新加坡在新冠期间 DF 病例显著增加，可能与人口居家增加人蚊接触机会、血液供应增加、Vector control（矢量控制）活动中断、人口密度局部增加以及西南季风气候条件利于蚊子繁殖等因素有关。泰国和马来西亚在新冠期间 DF 病例相对下降，可能与不同的封锁措施、季风差异、医疗基础设施和公共卫生干预措施不同有关。时空扫描统计发现泰国湄宏顺府成为高风险地区，可能与当地卫生习惯、温度和湿度利于蚊子繁殖有关。
环境变量与 DF 病例的滞后关系在新冠前后的差异揭示了复杂的影响因素。泰国北部最高温度升高促进蚊子繁殖，导致 DF 感染风险增加；北部降水与 DF RR 的关系在疫情期间也发生显著变化，高 RR 区域的降水范围和 RR 值都有所改变，与其他地区不同，体现了区域差异。泰国相对湿度与 DF 发病率总体呈倒 U 形关系，新冠限制措施减少了非敏感湿度区间的人蚊接触，降低了 DF 感染风险，但在敏感季节，农业活动增加使人蚊接触增加，部分地区 RR 保持相对稳定。
2. 意义和建议：新冠疫情为研究 DF 传播提供了独特机会，相关见解可应用于未来 DF 控制研究。首先，应重视矢量控制，防止蚊子繁殖，避免因居民居家导致蚊子滋生风险增加。其次，相关部门要合理分配医疗资源，根据环境条件主动干预，如在降水增加地区采取措施减少蚊子繁殖，为居民提供防蚊用品。再者，东南亚国家应加强合作，共享数据和研究成果，应对 DF 传播的区域同步性和跨境传播风险。最后，卫生部门要监测因人类活动或环境变化导致的 DF 感染上升情况，实施早期预防措施，但环境因素与 DF 的复杂关系还需进一步研究。
3. 局限性：本研究存在一些局限性。DF 发病率数据有限，部分国家数据空间尺度粗糙，限制了研究的细节分析。疫情期间 DF 病例变化可能不仅是数据漏报导致，还需进一步研究其他原因以减少数据不确定性。虽然全球应对新冠措施可能影响 DF 发病率，但本研究未确定环境变量与 DF 发病率暴露 - 反应关系的变化一定受新冠影响，还需研究具体影响因素。
结论
通过时间序列分析，研究加深了对新冠对三国 DF 传播间接影响的理解。新冠期间，三国 DF 传播模式发生变化，新加坡病例显著增加，泰国各子区域 DF 趋势除 2021 年外同步性强。利用 DLNM 结合 NPI 分析发现，新冠前后环境变量与 DF 发病率的暴露 - 反应关系存在空间异质性，尤其是泰国北部。研究表明，新冠防控措施导致的人类活动模式改变以及对短期环境的间接影响，会对 DF 传播产生不同程度的作用。
