编辑推荐：
本文系统综述了水生生态系统中肠球菌（ENT）入侵的预测和预报模型。分析了多种模型类型、应用及有效性，探讨了 ENT 浓度的驱动因素和相关疾病。研究发现现有模型存在局限性，为后续研究提供方向，对水资源管理和健康风险防控意义重大。
1. 引言
沿海地区对鸟类、鱼类生存及生态系统意义重大，还具备文化和娱乐价值。然而，近年来粪便污染问题日益突出，肠球菌（ENT）作为关键指示菌，威胁着娱乐用水者的健康。ENT 可通过粪便直接排放或地表径流进入水生环境。
粪便污染物会引发多种疾病，为保障公众健康，相关部门制定了娱乐用水质量标准（RWQC）。如 2012 年 RWQC 规定，海水中 ENT 水平不得超过 35 CFU/100 mL，淡水为 61 CFU/100 mL（后调整为 70 CFU/100 mL ）。但欧盟分析显示，超 15% 的海滩样本未达 “优秀” 质量标准，这凸显了维护娱乐用水清洁面临的挑战。
由于直接检测粪便污染水中的特定病原体存在困难，多数水监测项目依靠检测粪便指示菌（FIB）替代。ENT 相比其他 FIB，对环境条件抵抗力更强，是更可靠的水生病原体指示菌。同时，ENT 适应性强，分布广泛，在多种环境中都能生存。
建模方法在水监测中优势显著，可评估污染物和环境条件对水质的影响，预测微生物的传播和归宿。目前已发展出多种模型，如回归模型、基于过程的模型（如 SWAT、ECOMSED 等）以及包括动态偏最小二乘回归（DPLSR）、人工神经网络（ANN）等在内的预测模型，它们在研究粪便污染方面发挥着重要作用。本综述旨在剖析娱乐用水中 ENT 浓度的驱动因素，分析各类水质模型，并阐释 ENT 的主要来源和相关疾病。
2. 方法
本研究采用系统文献综述（SLR）方法，在 Web of Science 和 Google Scholar 数据库中进行全面检索。检索词包括 “Sources”“health effect”“enterococci” 以及 “Statistical modelling”“hydrological modelling”“hydrodynamic modelling” 等相关词汇组合，并限定研究时间为 2010 - 2023 年，研究环境为海洋、淡水或河口，且明确鉴定到肠球菌物种水平。同时运用回溯和正向引用检索技术，确保研究的全面性。
检索后，通过两阶段筛选流程，依据预先设定的纳入和排除标准，对文献进行筛选。第一阶段筛选英文文献、限定时间和研究国家；第二阶段排除未鉴定到物种水平的研究及无明确地理背景的实验室实验，去除重复文献后，仔细评估摘要相关性。随后，对符合条件的文献进行进一步分类，依据研究方法、环境系统、扩散机制和样本来源等进行划分。最后经内容分析和数据合成，确定最终的 83 篇文献纳入综述。
3. 结果与讨论
3.1 肠球菌研究的空间分布
自 2010 年起，与 ENT 相关的出版物呈总体上升趋势，但存在波动。不同年份研究重点和方法不同，影响了文献数量。从地理分布看，美国在 ENT 研究方面领先，欧洲、亚洲和非洲依次递减。研究活动多集中在主要娱乐水体附近，如美国密歇根湖海滩、非洲基德海滩等地的研究，分别揭示了当地污染与径流、天气的关系。不过，由于排除会议论文和非英文出版物，可能低估了非英语地区的研究贡献。
3.2 水体中肠球菌的流行情况
在回顾的文章中，仅 22% 主要关注 ENT 作为 FIB，36% 主要研究大肠杆菌（E. coli），32% 同时分析两者，10% 探索其他 FIB。美国虽 FIB 相关出版物最多，但专门研究 ENT 的相对较少，这表明在 ENT 研究方面存在差距。尽管如此，随着对 ENT 在娱乐活动相关水传播疾病中作用的认识加深，其受到的关注逐渐增加，许多指南和监管框架也更倾向于使用 ENT 作为指示菌。
然而，ENT 的流行病学研究仍落后于大肠杆菌。在非洲、美国等地的研究表明，ENT 污染会使水体不适合娱乐使用，且其浓度受空间、时间和季节变化影响，增加了管理和预测的难度。
3.3 水体中肠球菌的驱动因素
ENT 污染的来源复杂多样，包括点源和非点源。点源如人类和动物粪便、鸟粪、污水排放口等，占 ENT 污染的约 70%；非点源如降雨和暴雨径流，占约 30% 。降雨和风暴会导致粪便物质扩散到水体中，瑞典等地的研究证实了这一点。
海滩沙子、沉积物和土壤是 ENT 的重要储存库。湿沙中 ENT 浓度高于相邻水柱，沉积物颗粒能保护 ENT 细胞，在环境干扰时使其重新进入水体。此外，ENT 还能在水生植物、有机碎屑等自然环境中生存，即使没有明显的人畜粪便污染，自然过程也可能导致 ENT 密度升高。ENT 浓度受多种环境和人为因素综合影响，与天气、季节、地理位置和理化条件密切相关。
3.4 与肠球菌相关的疾病
流行病学研究表明，ENT 污染会带来严重健康风险，与胃肠道疾病密切相关。在美国、澳大利亚、德国等多个国家的研究中，都发现 ENT 与腹泻、胃肠道问题有关，如海滩游客接触受污染的沙滩或游泳时吞水，感染风险增加。
除胃肠道疾病外，ENT 还可能引发呼吸道、皮肤疾病，甚至作为机会致病菌导致医院感染，如尿路感染、心内膜炎等。此外，ENT 的耐药性问题也逐渐受到关注，中国及其他国家已报道出现多重耐药菌株，但耐药性的影响程度尚不确定，且其他病原体也可能对观察到的疾病有贡献。
3.5 肠球菌的预测模型：应用与性能
预测 ENT 水平的研究在多个国家开展，美国研究最多。相比大肠杆菌，ENT 的预测建模研究相对不足。
- 基于过程的模型：基于过程的模型关注主导环境或生理参数，如 MIKE 模型、SWAT 模型等，可应用于多种环境条件。这些模型依赖数学方程描述 FIB 动态，使用特定地点数据校准和验证参数，能预测不同气候变化情景下 FIB 的行为。例如，在中国汝河流域的研究中，发现流量是 FIB 出现的主要预测因子。然而，这类模型参数校准复杂，测量参数的难度和成本较高，可能导致预测的不确定性和不准确性。
MIKE 模型是丹麦水力研究所开发的综合软件套件，可分析多种水体，能提供高时间分辨率数据。它被广泛用于预测 ENT 水平，如在布雷海滩和达格尔集水区的研究中，虽能有效预测水动力模式和水质参数，但在整合实时气象数据和进行气候变化情景分析时存在挑战。
2. 数据驱动的模型：数据驱动（DD）模型包括多种技术，如多元回归模型（MLRM）、人工神经网络（ANN）和贝叶斯网络（BN）等。与基于过程的模型相比，DD 模型构建所需先验信息较少，但对数据可用性和质量要求较高，且预测规则可能缺乏与 FIB 的物理联系。不过，组合不同的 DD 模型技术可提高预测准确性。
- 多元线性回归模型：线性和非线性回归等机器学习技术常用于预测 FIB。例如，在挪威、美国等地的研究中，通过线性回归分析环境因素与 FIB 浓度的关系，发现季节、土地利用、气候因素等对 FIB 水平有显著影响。但 MLR 模型存在一些挑战，如需处理解释变量间的交互项、检验和校正序列相关性等，处理不当会影响模型可靠性和预测准确性。
- 人工神经网络：ANN 是先进的计算模型，能学习复杂的非线性相关性。在水文和水质管理领域应用广泛，也可有效预测娱乐用水中的 FIB，如在路易斯安那州墨西哥湾沿岸海滩、波多黎各埃斯卡姆布朗海滩等地的研究中，ANN 模型通过纳入多种环境变量，准确预测了 ENT 水平，有助于降低水污染带来的公共健康风险。然而，ANN 模型的有效性受数据可用性和环境因素复杂性的限制。
- 贝叶斯网络：BN 是概率图形模型，能有效处理多变量的不确定性，擅长处理缺失数据、整合知识和识别因果关系，预测准确性高，且可与决策分析工具结合指导管理策略。例如在坦桑尼亚评估饮用水质量和澳大利亚预测英联邦运动会铁人三项游泳赛道水质风险的研究中，BN 模型发挥了重要作用。但 BN 模型的无环性质使其无法包含反馈回路，在环境建模中有一定局限性。
- 预测建模总结与建议：不同研究采用多种指标评估模型性能，如决定系数（R2）、均方根误差（RMSE）等，但缺乏标准化指标，难以直接比较模型优劣。FIB 预测模型多针对特定区域，通用性差，且现有模型未充分考虑 ENT 动态的复杂性。因此，需要开发更具通用性的模型，采用标准化指标，以提高模型的可比性和预测可靠性。
4. 未来研究建议
- 模型开发与选择：应根据特定环境条件开发和优化模型，探索结合基于过程和数据驱动模型优势的混合模型，通过标准化数据集进行比较研究，评估模型性能。
- 数据收集与可及性：增加历史、定量和高分辨率环境数据的收集，开发分子微生物源追踪工具，确定 ENT 来源，优化水质管理策略。
- 政策与预警系统：建立整合实时数据的早期预警系统，制定控制粪便污染、监测沙子和沉积物、管理动物粪便等政策，减少 ENT 污染。
- 跨学科合作：ENT 预测和管理需要跨学科团队协作，合理分配资金和资源用于数据收集、分析和模型验证。平衡模型复杂性与易用性，促进方法标准化。
5. 结论
管理水体卫生面临诸多挑战，在 ENT 浓度预测和评估方面存在问题。现有研究依赖培养结果，导致报告延迟，影响早期风险评估和管理。模型的主要预测因子不一致，准确性有限，且缺乏标准化验证指标，数据质量和可用性也制约模型应用。基于过程的模型参数化复杂，数据驱动模型依赖高质量数据。虽先进技术有助于提高预测，但仍需整合预测模型到长期缓解计划中，解决数据、方法和资源方面的差距，以提升 ENT 预测准确性，推动可持续水质管理。
