整合建模揭示严重传染病传播与污水病毒动态的复杂关联及其公共卫生监测价值

本研究针对传统传染病监测方法的局限性，创新性地开发了整合感染动力学模型(ABM)、病毒脱落模型和污水流体动力学模型的综合系统。研究人员通过模拟研究发现，污水监测数据可作为疾病流行的领先指标，提前预测疫情高峰；同时揭示了采样点选址、降水事件和病毒衰变对监测结果的非线性影响，为优化基于污水的公共卫生监测体系提供了重要理论依据。该成果发表于《Epidemics》杂志。

　　

在COVID-19大流行期间，传统传染病监测方法暴露出明显局限性——确诊病例数据存在报告延迟和漏报问题，而大规模抗原/抗体检测又面临成本高和实施难的困境。这促使科学家将目光转向污水监测这一新兴领域，通过检测污水中的病毒RNA浓度来反映社区感染情况。然而，如何准确解读污水监测数据与真实流行趋势的关系仍存在诸多挑战：采样点位置如何选择？降雨稀释效应如何量化？病毒在污水系统中的衰变规律如何影响检测结果？

为解决这些问题，德国研究团队开发了一套创新的整合建模系统。该系统巧妙耦合了三个关键模块：基于MEmilio平台的个体行为模型(ABM)模拟人群移动和感染传播；病毒脱落模型描述感染者随病程发展的病毒排放规律；++SYSTEMS流体动力学模型则精确追踪病毒RNA在污水管网中的输运过程。通过250次重复模拟一个包含840-910人的虚拟社区及其配套污水管网，研究人员获得了极具价值的发现。

研究采用的关键技术方法包括：1)基于C++的ABM框架模拟个体移动和疾病传播；2)采用对数正态分布描述病毒载量动态变化；3)运用Saint-Venant方程构建污水流体动力学模型；4)通过虚拟合成社区模拟不同采样策略效果；5)比较PMMoV与流量两种标准化方法的优劣。

【3.2 非平凡的流域流行率与测量浓度关系】研究发现，由于人群日常活动规律，上游居民区采样点(如站点1)的病毒浓度呈现明显昼夜波动——工作日白天因居民外出工作而下降，周末则保持稳定。这种动态变化使得污水病毒浓度与真实流行率呈现复杂非线性关系。

【3.3 流域特征影响污水监测动态】通过对16个采样点的比较分析发现，下游大型集水区站点(如站点16)的测量结果与真实流行率的相关系数最高达0.56，且能有效平滑局部波动，是最佳监测位置。值得注意的是，污水病毒浓度峰值比实际流行高峰提前约30小时出现，表明其具有预警价值。

【3.4 时间采样设计影响有限】当下游采样时，24小时复合采样与每日定点采样结果差异不大；但对上游采样点，不同采样策略会导致系统性偏差，凸显下游监测的优势。

【3.5 降雨入渗非线性影响可靠性】模拟显示，持续细雨会导致病毒浓度骤降，而短时强降雨影响相对短暂。值得注意的是，雨水渗透会不成比例地增加流量，使基于流量的标准化方法产生严重过校正。

【3.6 病毒衰变特性产生非线性影响】设置极端衰减情景(90%病毒在0.6小时内失活)发现，快速衰变会显著改变下游站点测量结果的时间模式——主要反映邻近商业区而非居民区的感染情况，揭示长距离监测的局限性。

【3.7 病毒标准化策略比较】研究证实，采用PMMoV标准化能有效校正降雨影响，恢复与流行率的高相关性(相关系数从0.3提升至0.5)；而流量标准化在降雨后会产生高达10倍的过校正，实际应用中需谨慎。

这项研究通过精细建模揭示了污水监测数据与疾病流行间的复杂关系，为公共卫生决策提供了重要见解。其创新性体现在：首次整合个体行为、病毒脱落和流体动力学模型；定量评估了采样策略、环境因素对监测结果的影响；证实污水监测具有预测流行趋势的潜力。特别值得注意的是，研究发现即使在病毒快速衰变条件下，适当标准化后的污水数据仍能保持预警功能，这对监测新型病原体具有重要意义。该研究为优化全球正在建立的污水监测网络提供了理论框架，未来可通过纳入更多现实参数(如社会经济差异、免疫背景等)进一步提升模型的预测能力。