编辑推荐：
在老挝 2019 年非洲猪瘟（ASF）疫情防控中，资源与相关信息匮乏。研究人员利用疫情数据，借助空间聚类和近似贝叶斯计算等技术，探究病毒传播参数。结果发现数据质量影响模型输出，村庄感染期 62 - 68 天，R0为 13 - 32 。该研究为 ASF 防控决策提供依据。
非洲猪瘟（African Swine Fever，ASF）是一种对养猪业极具破坏力的传染病，给全球养猪产业带来了沉重打击。在东南亚地区，许多国家经济水平处于低 - 中等阶段，老挝便是其中之一。2019 年，老挝爆发 ASF 疫情，这一疫情如同一颗投入平静湖面的巨石，在老挝的养猪业中激起了千层浪。老挝的畜牧业是众多农户的重要经济来源，而猪养殖在其中占据着关键地位。ASF 的爆发，使得大量生猪死亡，农户们遭受了严重的经济损失。
在这场与 ASF 的较量中，老挝面临着诸多困境。一方面，资源的稀缺使得防控工作捉襟见肘，相关信息也极为匮乏，这让确定有效的 ASF 预防和控制策略变得异常艰难。在发达国家，面对 ASF 疫情，有着成熟的防控策略，如美国会在潜在疫情爆发地建立 3 公里控制区和 10 公里监测区；中国在野猪活动频繁区域设置 50 公里缓冲区；南非则根据认证计划制定分区策略。但这些策略在老挝这样以小农户养殖为主、经济处于转型期的国家是否同样有效，还是个未知数。另一方面，了解 ASF 在村庄间的传播速率和整个村庄的感染期，对于评估防控措施的效果至关重要。然而，在资源匮乏的国家，关于 ASF 在村庄间传播的信息却严重缺失。正是在这样的背景下，开展对老挝 ASF 疫情传播的研究显得尤为迫切。
为了解开这些谜团，来自悉尼大学（The University of Sydney）、哥本哈根大学（University of Copenhagen）等多个研究机构的研究人员携手合作。他们以老挝 2019 年 ASF 疫情为研究对象，开展了一项深入的研究。研究人员通过收集老挝国家动物卫生实验室（NAHL）利用 rt - PCR 确诊的 2019 年所有 ASF 阳性村庄的数据，包括疫情数据和位置数据，为后续研究奠定基础。之后，他们运用空间聚类技术，识别出疫情爆发村庄的聚集区；再借助近似贝叶斯计算与序贯蒙特卡罗方法（ABC - SMC），估计了 ASF 病毒在村庄间的传播参数；最后利用简单的疾病传播模型，探究参数估计对预测疾病传播的影响，进而为决策提供参考。
研究结果为我们揭示了许多关键信息：
- 描述性统计：在 2019 年 6 月至 12 月期间，老挝各地共报告了 152 起 ASF 疫情。最早的疫情报告出现在沙拉湾省（Salavane Province），时间是 6 月 16 日；最后的报告则来自万象市（Vientiane Capitol），在 12 月 23 日。不同省份的疫情持续时间差异较大，有的省份疫情报告集中在同一天，而有的省份疫情持续时间长达 173 天。
- 聚类识别：通过时空排列（STP）分析，研究人员在疫情数据中确定了 6 个时空聚类。这些聚类包含 4 - 14 个病例村庄，半径在 16 - 153 公里之间 。不同聚类涉及的省份不同，如中央聚类涵盖了博利坎赛省（Bolikhamxay）、甘蒙省（Khammouane）等多个省份；南部聚类则由沙湾拿吉省（Savannakhet）和沙拉湾省组成。
- 参数估计输出：研究估计出村庄内首例病例的平均潜伏期为 5.82 - 5.96 天，整个村庄的感染期为 61.53 - 67.70 天。在聚类内的平均传播系数 β 为 0.19 - 0.51，基本再生数R0在 13.06 - 31.63 之间，潜伏期的形状参数kE为 15.97 - 16.64 。
- 模型性能：分析结果显示，所有模型中，作为先验的参数都导致了每个模拟聚类中出现疫情。经过 25 代的迭代，所有参数的中位数估计都趋于稳定，边际分布也适当下降。最终模型表明，疫情爆发较少（少于 10 个村庄）或所有疫情在 1 - 2 天内报告的地点，模型与实际数据匹配度较差；而在几天内有多个报告的聚类，模型预测结果与实际数据更为接近。
研究结论和讨论部分进一步揭示了这项研究的重要意义。一方面，研究提供了小农户村庄间感染期和R0值的初步估计，这有助于我们理解 ASF 在小农户环境中爆发的潜在规模。另一方面，研究也指出了在数据稀缺环境下开展此类研究的局限性和挑战。输入的监测数据质量对模型的最终输出有着直接影响，进而影响研究结果的普遍性和决策的准确性。因此，未来的研究需要进一步优化数据收集和处理方法，以提高参数估计的准确性。此外，研究还发现老挝 ASF 疫情防控措施的半径远大于欧洲常用标准，且存在大量潜在的疾病传播途径，这意味着需要结合持续的监测数据和详细的疾病与经济模型，进一步优化防控策略，以保护小农户的生计。
该研究发表在《Tropical Animal Health and Production》上，为非洲猪瘟在类似经济和养殖环境下的防控提供了重要的参考依据。
研究人员在这项研究中运用了多种关键技术方法。首先是数据收集，收集了老挝国家动物卫生实验室通过 rt - PCR 确诊的 2019 年所有 ASF 阳性村庄的疫情数据，包括报告日期等；还收集了村庄位置数据，通过 2011 年老挝农业普查和 DIVA - GIS 地名录获取经纬度坐标。然后，利用时空排列（STP）分析来识别疫情数据中的空间聚类。最后，运用近似贝叶斯计算与序贯蒙特卡罗（ABC - SMC）方法，结合简单的易感 - 潜伏 - 感染 - 恢复（SEIR）模型，估计 ASF 病毒在村庄间的传播参数 。
