基于“中间区域”识别的流行病时空集群交互作用量化框架：以2014年高雄登革热疫情为例

本研究针对流行病传播中时空集群交互机制不明确的问题，创新性提出整合因果分析(causal analysis)与网络社区检测(network community detection)的方法框架，通过识别连接不同集群的“中间区域”(in-between areas)，揭示高雄登革热疫情中集群吸收与扩散的动态规律。研究发现主导集群通过中间区域吸收小集群，且小集群常成为新区域传播的起点，为靶向防控提供空间决策依据。

　　

在传染病防控领域，理解疾病如何在时空维度上传播始终是核心挑战。传统研究虽能识别出疫情热点区域（即时空集群），却难以解释这些集群之间如何通过复杂交互作用推动大范围传播。就像拼图缺少了连接块，我们能看到分散的病例聚集区，却看不清它们如何组合成完整的传播网络。这种认知缺口直接影响了精准防控策略的制定——当公共卫生资源有限时，究竟该优先阻断哪些区域间的传播通道？

这一科学难题在登革热等媒介传播疾病中尤为突出。2014年台湾高雄市爆发大规模登革热疫情时，研究者发现病例并非均匀分布，而是形成多个此消彼长的时空集群。更关键的是，这些集群之间存在动态交互：有的区域先属于小集群，随后被大集群吞并；有的则成为连接不同集群的“跳板”。这种复杂交互无法用简单的空间重叠来解释，亟需新的分析方法揭示其内在机制。

台湾大学的研究团队在《Applied Geography》发表的研究中，创造性地将地理学“中间区域”概念引入流行病学分析，开发出融合因果推断与复杂网络技术的创新框架。该研究通过分析高雄市38个行政区的登革热病例数据，首次量化证明了中间区域在集群交互中的枢纽作用——它们如同疫情传播的“旋转门”，既承载着主导集群的扩张压力，又孕育着向新区域扩散的种子。

研究方法包含三个关键技术环节：首先基于Granger因果检验构建潜在传播路径(PTRs)，整合近程传染(contagion)与远程迁移(relocation)两种传播模式；其次采用Infomap算法进行网络社区检测，识别具有强连接关系的时空集群；最后通过计算节点介数中心性定位中间区域。所有分析均基于高雄市2014年6-12月的逐周登革热病例报告数据。

结果部分揭示三大发现：

1. 主要集群的支配性：三大主导集群覆盖48.67%病例，最大集群独占总病例数的45.21%，呈现明显的“核心-边缘”结构。
2. 中间区域的动态迁移：疫情早期中间区域集中于行政区边界，后期转向内部区域，反映传播模式从行政依赖型转向内生扩散型。
3. 小集群的启动作用：仅占1.7%病例的小集群频繁成为新感染源的起点，其通过中间区域向主导集群“输送”病例的比例高达73%。

讨论部分强调理论突破：
该研究首次证实中间区域是理解集群交互的空间密钥——它们不仅是地理过渡带，更是传播动力学的转换器。当两个集群的中间区域出现病例激增时，往往预示着即将发生的集群合并事件。更值得注意的是，传统防控关注的“热点区域”与中间区域仅有38%的空间重叠，说明现行策略可能遗漏了56%的关键传播枢纽。

结论部分指出应用价值：
这套方法框架能精准捕捉集群交互的时空坐标，例如研究发现高雄市前镇区在疫情第14周起成为关键中间区域，较实际防控响应提前3周。这种预警能力使得公共卫生干预可以从被动应对转向主动布局，特别是针对具有“小集群启动-中间区域放大-主导集群吸收”特征的传播链条实施精准阻断。该研究为空间流行病学提供了新的分析范式，其技术路线可扩展至COVID-19等重大疫情的传播动力学研究。