基于贝叶斯时空学习模型的登革热预测研究：巴西纳塔尔市流行区实证分析

这篇研究通过构建贝叶斯时空条件自回归模型（CAR），整合蚊媒密度指数（EDI/EPI）、气候变量（温度/降雨）及社会卫生指标，实现了巴西纳塔尔市登革热病例的4周超前预测（WAIC/LPML验证）。创新性采用混合伯努利-泊松分布（Hurdle Logit-Poisson）处理零膨胀数据，揭示贫困人口密度（每km2增加1,013人风险提升20%）和滞后4周的蚊卵阳性率（EPI）是关键驱动因素，为精准防控提供时空动态地图支持。

　　

引言

登革热、寨卡和基孔肯雅热等虫媒病毒在热带地区持续肆虐，其中埃及伊蚊(Ae. aegypti)为主要传播媒介。巴西纳塔尔市作为东北部旅游热点，2015-2018年经历多次疫情暴发，年均发病率高达175.8例/10万人。传统防控策略效果有限，亟需结合时空异质性开发精准预测工具。

研究方法

数据来源
整合31,131例登革热病例报告（SINAN系统）、400个诱卵器(ovitraps)的蚊卵密度(EDI)与阳性率(EPI)周数据，以及人口普查(2010)的社会卫生指标（如贫困密度vul14）。气候数据融合卫星温度（IRI）和地面降雨(INMET)观测，通过多项式滞后模型(DLM)处理8天分辨率差异。

模型构建
采用混合伯努利-泊松分布处理零值过多问题：

• 二元部分：Logit模型预测病例发生概率，包含滞后1周病例数(OR=8.39)、滞后4周EPI(OR=1.20)和滞后6-8周日间温度(OR=1.37)
• 计数部分：零截断泊松模型，关键变量为贫困密度(RR=1.20/标准差)和3-5周平均EDI(RR=1.03)
  时空依赖性通过Leroux CAR先验建模，空间权重基于邻接矩阵，时间效应采用随机游走过程。

主要发现

1. 关键因子：贫困密度每km2增加1,013人，风险上升20%；温度升高2.5°C（滞后6-8周）使发病几率提升37%
2. 预测效能：Hurdle Logit-Poisson模型最优（WAIC=12,345），4周预测准确捕捉Paju?ara等社区疫情峰值（见图7-10）
3. 空间异质性：北部/西部社区持续高风险，与图6贫困热区重叠；南部因低蚊卵密度(图3-4)保持低发

讨论与意义

研究首次在纳塔尔市验证了蚊卵指数(EPI)滞后4周的预警价值，与墨西哥研究结论吻合。温度滞后效应（6-8周）反映病毒外潜伏期特性。局限性在于未区分零值的真实缺失与漏报，未来可引入隐马尔可夫模型改进。动态风险地图（图12）已应用于当地疾控中心，实现精准灭蚊资源调配。

技术亮点

• 分布式滞后非线性模型(DLNM)：解析气候/蚊媒指标的延迟效应
• LASSO筛选：从23个社会卫生指标中锁定贫困密度为核心变量
• INLA算法：高效求解贝叶斯层次模型，计算耗时较MCMC减少90%

该框架可扩展至其他虫媒病流行区，为全球热带疾病防控提供方法论范式。