中国恙虫病发病率与温室气体及空气污染物的动态关联:全国性时间序列研究

【字体: 时间:2025年05月30日 来源:BMC Public Health 3.5

编辑推荐:

  为探究温室气体和空气污染物对恙虫病的影响,研究人员基于 2005 - 2018 年数据,运用多种模型分析其与发病率的关联及滞后效应、年龄差异等。发现 CH?、NO?等是主要风险因素,CNN 模型可辅助预警,为防控提供依据。

  在全球气候变暖与环境污染加剧的背景下,恙虫病这一由恙螨传播的急性传染病正面临复杂的环境驱动因素挑战。过往研究虽已关注到气象因素与恙虫病发病的关联,如温度、湿度等对恙螨活动的影响,但对于温室气体(如 CH?、N?O)和空气污染物(如 NO?、PM??、NMVOC)等无机化合物的作用却鲜少涉及。这些环境污染物可能通过影响媒介生物的生存环境、宿主动物的生理状态或人类的暴露风险,间接调控恙虫病的传播动态。然而,缺乏全国性的长期数据支撑,且不同年龄人群对环境因素的易感性差异、污染物的滞后效应等关键科学问题尚未明确,严重制约了针对性公共卫生策略的制定。
为填补这一研究空白,华北理工大学公共卫生学院与空军军医大学医学工程系的研究团队开展了一项全国性时间序列研究。该研究以 2005 年 1 月至 2018 年 12 月中国 31 个省的恙虫病报告病例为基础,结合全球大气排放数据库(EDGAR)的温室气体和空气污染物数据,综合运用多种统计模型与深度学习算法,系统解析了环境因素与恙虫病发病率的动态关联。研究成果发表在《BMC Public Health》,为揭示恙虫病的环境驱动机制提供了重要科学依据。

研究采用了以下关键技术方法:首先,运用移动流行法(MEM)确定恙虫病的流行阈值和风险等级,划分出不同的流行时期;其次,利用树状分布滞后非线性模型(TDLNM)分析环境因素的滞后效应及交互作用;再者,通过分位数 G 计算模型(qgcomp)、贝叶斯核机回归模型(BKMR)和加权分位数和模型(WQS),探讨环境混合物对不同年龄人群的风险效应差异;最后,借助卷积神经网络(CNN)构建恙虫病发病预测模型,验证环境因素的预测效能。研究数据来源于公共卫生科学数据中心的病例报告和 EDGAR 数据库的污染物排放数据,覆盖全国范围,具有较强的代表性。

流行季节与风险阈值分析


通过 MEM 模型分析发现,中国恙虫病的流行季节主要集中在 4 月至 9 月,其中 10 月为发病高峰月。研究根据疫情强度划分了基线、低、中、高和极高风险阈值,发现 2005 - 2006 年为高风险期,2007 - 2014 年为中风险期,2015 年后进入低风险期。值得注意的是,60 岁以上老年人群的病例占比自 2016 年起超过 0 - 15 岁儿童,呈现明显的老龄化趋势。

环境因素的联合效应与年龄差异


qgcomp 和 BKMR 模型显示,不同年龄人群对环境混合物的易感性存在显著差异。对于 16 - 59 岁的中青年人群,NO?(RRmax (95% CI)=103.14 (70.40,135.87))和 NMVOC 是主要风险因素,可能与该群体暴露于交通尾气和工业污染的频率较高有关;0 - 15 岁儿童则对 CH?(RRmax (95% CI)=20.94 (9.26,32.63))和 PM??更敏感,可能与农村地区儿童接触 livestock 产生的甲烷排放相关;60 岁以上老年人的风险因素为 N?O 和 NO?,这与老年人从事农业活动、接触化肥和动物粪便的暴露模式密切相关。此外,WQS 模型发现 NO?在低风险期的风险效应常被忽视(OR (95% Cl)=0.40 (0.23,0.58)),提示需加强全周期的环境监测。

滞后效应与交互作用


TDLNM 模型揭示了关键污染物的滞后风险窗口:BC 的滞后效应集中在 4 - 6 个月,CH?在 4 - 9 个月,NH?在 3 - 5 个月,PM??在 6 - 9 个月。交互作用分析显示,0 - 2 个月的 CO 暴露会增强 3 - 7 个月 PM??的致病效应,表明污染物的协同作用可能加剧疾病风险。极端效应分析表明,极低或极高浓度的 BC、CH?、NH?和 PM??均可能通过非线性机制影响发病率。

深度学习模型的预测效能


CNN 模型在中高风险期表现出良好的预测性能,训练集损失值为 4.12e - 05,测试集损失值为 2.82e - 04。模型结果显示,环境因素对恙虫病发病率的解释力在流行季显著高于低风险期,提示结合环境数据的实时监测可优化疫情预警系统。

研究结论表明,温室气体(尤其是 CH?)和空气污染物(NO?、NMVOC、PM??)是中国恙虫病发病的重要环境驱动因素,且具有显著的年龄特异性和滞后效应。中青年人群对混合污染物的敏感性较高,而老年人和儿童则分别受特定气体和颗粒物的影响。CNN 等深度学习算法为构建综合预警系统提供了技术支撑。

该研究的意义在于首次系统阐明了多类环境因素与恙虫病的复杂关联,为公共卫生干预提供了精准靶点,如控制工业源 NO?排放、优化农村地区 CH?管理、加强老年人和儿童的职业与环境暴露防护等。同时,研究强调了跨学科方法在传染病研究中的价值,呼吁将环境监测数据纳入现有的疾病防控体系,以实现 “环境 - 健康” 协同治理。未来需进一步开展队列研究,验证环境暴露与恙虫病的因果关系,并探索污染物影响病原体传播的具体生物学机制。

相关新闻
生物通微信公众号
微信
新浪微博
  • 急聘职位
  • 高薪职位

知名企业招聘

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号