编辑推荐：
为探究气候和环境因素对莱姆病（LB）动态的影响，研究人员利用贝叶斯建模框架开展研究。结果发现相关因素与 LB 病例正相关，还预测了部分地区风险趋势。该研究为公共卫生干预提供依据，助力应对蜱传传染病风险。
在欧洲，莱姆病（Lyme borreliosis，LB）是一种极为常见的虫媒传染病，每年仅西欧就有约 20 万人感染。它由伯氏疏螺旋体（Borrelia burgdorferii）复合群细菌引发，通过感染的硬蜱叮咬传播给人类。这种疾病不仅症状多样，可能影响神经系统、心脏、肌肉骨骼系统和皮肤，还会严重降低患者的生活质量。而且，随着全球气候的变化，传播 LB 的蜱虫分布范围不断扩大，向更高纬度和海拔地区蔓延，使得疾病传播风险进一步增加。
在德国，LB 已流行至少二十年，给公共卫生带来了沉重负担。然而，目前对于影响 LB 传播的环境和气候因素，以及它们如何在时空上影响疾病动态，人们的了解还十分有限。这就像在黑暗中摸索，无法精准地制定有效的防控策略。为了打破这种困境，来自多个国外研究机构的研究人员展开了深入研究。他们的研究成果发表在《eBioMedicine》杂志上，为我们认识和应对 LB 提供了新的视角和方法 。
研究人员为了探究气候和环境因素对 LB 风险的影响，进行了一系列严谨的研究。在数据收集方面，他们从德国罗伯特?科赫研究所（Robert Koch Institute，RKI）的在线平台 SurvStat@RKI 下载了 2009 年 1 月至 2022 年 12 月的 LB 确诊病例周计数数据，并从德国联邦统计局获取了各地区的人口数据。同时，从 E - OBS v27.0e 数据集提取了气候变量，包括温度、湿度、降水等，还获取了土地覆盖数据和红鹿栖息地适宜性指数。
在分析方法上，研究人员运用了贝叶斯框架下的分层混合模型。通过这个模型，他们可以估计 LB 病例报告的风险，并纳入空间和时间随机效应，以考虑数据中未测量到的变异性。为了确保模型的准确性和可靠性，他们还进行了模型选择和变量筛选，通过多种拟合优度统计指标，如渡边 - 赤池信息准则（Watanabe - Akaike Information Criteria，WAIC）、偏差信息准则（Deviance Information Criterion，DIC）等，确定了最终的模型结构 。
在研究结果部分，首先是 LB 的流行特征。在 2009 - 2022 年间，共记录了 123444 例 LB 病例，分布在德国各个州，呈现出明显的季节性模式，5 - 12 月病例数最多。其中，勃兰登堡、梅克伦堡 - 前波莫瑞和萨克森等地区的发病率较高。
其次是风险因素分析。研究发现，LB 病例与多个气候和环境因素存在关联。在气候因素方面，2 - 4 个月前的最高温度在 10.5°C - 26.3°C 之间、6 个月前相对湿度超过 78.8%、1 个月前标准化降水蒸散指数（Standardised Precipitation Evapotranspiration Index，SPEI - 3）为正值（表示异常湿润）时，LB 风险增加。在环境因素方面，森林覆盖和绿色城市区域与 LB 风险呈正相关，而城市和工业区域则呈负相关 。
进一步分析发现，地区是否适宜鹿群生存会影响 LB 风险。适宜鹿群生存的地区，LB 风险比不适宜地区高 1.37 倍。而且，在这些地区，相对湿度对 LB 风险的影响更为显著，当相对湿度超过 80.3% 时，风险明显增加。同时，研究还发现女性感染 LB 的风险比男性高 1.17 倍，并且在不同温度下，男女感染风险的变化存在差异 。
最后是风险预测与趋势分析。研究模型预测，石勒苏益格 - 荷尔斯泰因、汉堡和下萨克森等州的 LB 风险呈上升趋势。与 1951 - 1970 年相比，2013 - 2022 年期间，全国大部分地区与最高温度相关的 LB 相对风险增加，尤其是石勒苏益格 - 荷尔斯泰因、下萨克森和不来梅等地。
在讨论部分，研究结果进一步强调了气候和环境因素在 LB 传播中的重要作用。湿度影响蜱虫的生存，适宜的湿度条件有助于蜱虫存活，从而增加 LB 传播风险。温度不仅影响蜱虫的发育和活动，还与人们的户外活动频率相关，进而影响人类接触蜱虫的机会 。
此外，鹿群栖息地与 LB 风险密切相关，适宜鹿群生存的地区往往蜱虫较多，增加了疾病传播风险。而城市和工业区域的特征也会影响 LB 风险，绿色城市空间虽然在一定程度上增加了风险，但与城市和工业区域的整体影响不同。
从长期趋势来看，欧洲气候变暖使得蜱虫分布范围扩大，LB 风险增加。尽管近年来德国 LB 病例报告数量没有明显趋势，但气候条件的变化仍值得关注。同时，研究中发现的性别差异，提示可能存在不同的暴露或免疫反应机制 。
然而，该研究也存在一些局限性。例如，数据受监测覆盖范围、医疗寻求行为和诊断实践差异的影响，可能存在漏报情况。而且，模型无法推断直接因果关系，只是识别了与 LB 风险相关的环境模式，不能直接测量病原体传播动态或蜱虫数量。此外，预测假设存在一定局限性，历史数据比较也可能存在不准确之处 。
总体而言，这项研究通过量化气候和环境因素与 LB 风险的关系，为公共卫生监测和防控提供了重要依据。它有助于识别高风险地区，指导制定针对性的预防措施，对于应对蜱传传染病的挑战具有重要意义。未来，需要进一步完善监测系统，深入研究传播机制，以更好地防控 LB 等蜱传疾病，保障公众健康。
