整合数学与统计模型估算疟疾传播参数：基于感染力的方法学创新与系统评价

针对疟疾传播强度评估中时空异质性和数据复杂性难题，Alessandro Grosso团队通过整合数学建模（如SIS/SIR模型）与统计方法（GLMMs、催化模型），系统论证了感染力（FOI）作为核心指标的优越性——无需媒介动态数据即可简化方程并灵活利用宿主数据（血清学/寄生虫学）。该研究为资源受限地区精准评估疟疾传播提供了方法论基础，发表于《Malaria Journal》。

　　

疟疾作为全球重大传染病，其传播评估长期面临两大难题：一是复杂的时空异质性——蚊媒密度、环境因素与宿主免疫共同作用；二是传统指标如昆虫学接种率（EIR）依赖繁琐的媒介监测，而寄生虫率（PR）易受检测波动影响。如何建立兼顾准确性与操作性的评估体系？比利时安特卫普大学Alessandro Grosso团队在《Malaria Journal》发表综述，通过整合数学与统计模型，提出以感染力（Force of Infection, FOI）为核心的全新方法论框架。

研究采用文献系统评价与模型整合分析，关键方法包括：1）构建宿主中心化数学模型（如SIS/SIR），将FOI与微分方程关联；2）利用广义线性混合模型（GLMMs）处理纵向寄生虫学数据；3）应用催化模型解析血清学数据的历史暴露信息；4）基于乌干达儿童队列验证FOI估算可行性。

【数学建模简化】
通过对比Macdonald经典模型与宿主简化模型，研究证明FOI可替代传统媒介参数（如人类叮咬率a），将方程简化为di_h(t)/dt=λ(t)[1-i_h(t)]-vi_h(t)。案例显示，Gosling等通过年龄依赖FOI（λ(a)）量化婴儿干预效果，而Aguas团队用λ(a)=λ₀(1-ce^-za)刻画免疫力对临床疟疾的影响。

【统计方法革新】
针对重复测量与层级数据，研究推荐使用GLMMs或脆弱性模型。Mugenyi等将SIS模型与GLMM结合，通过公式λ(t)=[i(t)v+i′(t)]/[1-i(t)]从寄生虫率反推FOI，同时校正个体/家庭聚类效应。血清学分析中，混合模型（如Bosomprah超级感染模型）可避免抗体截断值的主观设定。

【跨模型协同】
研究提出四步框架：1）建立数学模型；2）将目标参数（如FOI）表达为可估计量（如患病率）；3）用统计模型校正混杂因素；4）反推参数值。该框架在Smith团队的工作中验证——通过Gamma分布描述感染率异质性，推导出PR(t)=1-[1+bEIR(t)/vd]^-d，优于传统线性假设。

结论指出，FOI兼具理论简洁性（规避媒介建模）与实操灵活性（仅需宿主数据），尤其适合低资源地区。未来需拓展至非稳态模型（如PDEs）并加强统计-数学模型的双向验证。这项研究为疟疾消除战略提供了关键方法学支撑，其整合思路也可推广至其他虫媒病研究。