编辑推荐：
现有疫情调查多聚焦特定场景因素，难以为预测防控提供普适依据。研究人员开展基于病例对照（case-control）框架的疫情流行病学研究，通过多学科分析识别最小充分集（minimally sufficient sets）因素，为疫情预防与应对的循证决策提供新路径。
在全球公共卫生面临严峻挑战的当下，传染病疫情的爆发与传播始终是威胁人类健康的重要议题。目前，针对传染病疫情的调查往往聚焦于识别特定地点和背景下的致病因素，这种 “就事论事” 的研究模式虽能解释某一次具体疫情的成因，却难以提炼出具有普适性的预测和预防措施。更为关键的是，疾病的发生和传播是多种因素协同作用的结果，这些因素可能涉及病毒学、免疫学、生态学、社会学等多个领域，而传统研究方法常常无法捕捉到多因素动态关联中的 “完美风暴” 效应，即某一因素的作用可能高度依赖于其他并发因素的共同存在。在此背景下，如何突破现象描述的局限，建立能够综合多学科数据、揭示复杂因果关系的研究框架，成为提升疫情预测和防控能力的关键科学问题。
为了攻克上述难题，美国田纳西大学（University of Tennessee, Knoxville）、麻省理工学院（Massachusetts Institute of Technology）、杜克大学（Duke University）等机构的研究人员开展了一项具有创新性的研究，相关成果发表在《Communications Medicine》上。该研究提出将病例对照（case-control）框架作为疫情流行病学的研究设计，旨在通过系统性比较病例（发生疫情）与对照（未发生疫情）的条件差异，识别出引发疫情的关键风险因素组合，为制定科学的防控策略提供更坚实的证据基础。
研究人员主要采用了以下关键技术方法：首先是病例对照比较，通过构建疫情发生与未发生场景的对比组，设计多维度的条件假设并进行检验；其次是最小充分集（minimally sufficient sets）分析，运用数学模型解析多因素组合中能够必然导致疫情发生的最小因素集合，即当该集合中所有因素均存在时疫情必然发生，而缺少其中任何一个因素时疫情则不会发生；此外，研究还整合了跨学科数据，涵盖病毒学特征、气候环境参数、社会经济指标等，通过多学科交叉分析揭示复杂的疫情驱动机制。在样本队列方面，研究引用了包括 COVID-19 疫情全球数据、登革热流行区域监测数据等在内的多源数据。
影响因素作为病例对照
在影响因素分析中，研究以登革热和白喉为例展开探讨。登革热病毒由伊蚊传播，其流行与温度密切相关。通过对比适合伊蚊生存的温度区域（病例）和不适合的区域（对照），发现温度是限制病毒传播范围的关键因素，气候变暖正推动登革热向热带以外地区扩散。白喉的研究则聚焦于社会政治经济稳定性的影响，苏联解体后儿童疫苗接种计划中断，成人免疫力下降引发白喉疫情，这一自然案例通过 “前后” 对比，证实了疫苗接种干预和社会经济因素在群体免疫中的重要性。
病原体作为病例对照
针对病原体的研究选取了锥虫和汉坦病毒作为对象。锥虫引发的恰加斯病以往被认为是农村疾病，但城市中啮齿类等储存宿主的存在表明 urban transmission 可能通过垂直传播等新机制发生。汉坦病毒依赖啮齿类宿主，研究通过对比宿主存在与否的环境，发现宿主种群密度和人鼠接触频率是感染风险的关键阈值，揭示了宿主 - 环境交互作用对疫情的驱动机制。
景观作为病例对照
景观层面的研究以隐孢子虫和城市社会生态马赛克为例。隐孢子虫通过污染公共供水系统引发腹泻病，其传播与水源地周边动物粪便运输的景观特征密切相关，如暴雨径流导致的污染扩散路径。城市中的社会生态马赛克，如房屋废弃导致的啮齿类分布差异，与病原体传播风险直接相关，贫困社区因环境治理不足成为风险热点，凸显了社会 - 生态交互作用对疫情空间分布的影响。
研究结论表明，病例对照框架为疫情研究提供了多学科协同的分析工具，通过识别最小充分因素集，能够突破单一因素分析的局限，揭示多因素协同作用的复杂机制。这一方法不仅有助于提升疫情预测的准确性，更能为防控策略提供靶向性依据，例如针对特定景观特征优化水源管理、通过社会政策干预提升疫苗接种覆盖率等。此外，研究强调了跨学科整合在疫情研究中的不可替代性，唯有融合病毒学、生态学、社会学等多领域视角，才能全面把握疫情发生的 “临界点”，为从源头上遏制疫情爆发提供科学支撑。该研究的意义不仅在于方法论的创新，更在于为全球公共卫生体系提供了一种可推广的循证决策模式，有望推动疫情防控从被动应对向主动预测转型，为应对未来可能出现的新发传染病提供重要的理论和方法储备。
