基于贝叶斯时空模型的奥地利学校COVID-19 RT-qPCR筛查与人群发病率关联性研究

本研究针对奥密克戎变异株流行期间学龄儿童感染风险上升但线下教育不可替代的矛盾，通过贝叶斯时空离散模型（Bayesian spatiotemporal discrete model）分析奥地利全国教育机构RT-qPCR筛查数据，揭示疫苗接种覆盖率（vaccination coverage）与检测阳性率（positivity rate）对COVID-19发病率的差异化影响。研究发现不同年龄段和地区存在显著交互效应，为优化校园公共卫生策略提供实证依据。

　　

当奥密克戎变异株席卷欧洲时，学校成为疫情防控的焦点战场。2021年的奥地利面临两难抉择：关闭学校将影响儿童发展，开放校园又可能导致病毒扩散。传统抗原检测灵敏度仅7.4%-61.7%，而作为金标准的RT-qPCR（实时逆转录定量聚合酶链反应）在校园筛查中的应用效果尚未明确。更棘手的是，疫苗接种在不同年龄段呈现显著差异——15-18岁青少年覆盖率可达5.3%，而6-10岁儿童仅2.46%。这种复杂局面呼唤能同时解析时空变异与多因素交互的分析工具。

来自比利时哈瑟尔特大学等机构的研究团队Yessika Adelwin Natalia等人在《Archives of Public Health》发表研究，创新性地采用贝叶斯时空离散模型，整合奥地利93个行政区16周（2021.9.13-2022.1.2）的9,383,886份RT-qPCR检测数据与129,101例病例资料。通过负二项分布（Negative Binomial）处理过离散数据，引入BYM2模型（Besag-York-Mollié 2）捕捉空间自相关，结合随机游走过程（RW1）刻画时间趋势，最终构建包含三阶交互项（年龄×疫苗接种×阳性率）的解析框架。

关键技术方法包括：1) 多源数据整合：联邦教育部提供的学校RT-qPCR检测数据（按采样日期对齐）、国家公共卫生研究所的疫苗接种记录、食品安全局的发病率数据；2) 贝叶斯层次建模：使用R-INLA软件实现包含空间结构化/非结构化效应（BYM2）、时间随机游走（RW1）和时空交互项的混合模型；3) 模型优选：通过偏差信息准则（DIC）、渡边-赤池信息准则（WAIC）等指标从泊松、负二项、零膨胀等4类分布中优选负二项分布；4) 热点分析：计算后验概率识别发病率超过阈值的时空区域。

主要研究结果

趋势分析揭示假期效应
秋季假期（2021.10.25-11.3）后所有联邦州均出现阳性率陡增，6-10岁组最高达1.01/100检测。但15-18岁组发病率增幅最小（0.05-9.21/1000人），暗示疫苗接种的保护作用。

模型优选验证数据特征
负二项分布以DIC=27,712.06显著优于泊松（27,841.73）和零膨胀模型（28,518.27），证实数据存在过离散而非零膨胀。概率积分变换（PIT）直方图呈均匀分布，验证模型校准良好。

三阶交互效应显现年龄差异
• 6-10岁组：疫苗接种与阳性率的交互系数β₇₁
=0.392（95%CI:0.254-0.531），高阳性率下疫苗保护作用被削弱
• 11-14岁组：交互效应不显著（β₇₂
=0.002）
• 15-18岁组：疫苗接种≥50%时，发病率增幅降低42%（对数尺度）

时空热点映射传播动态
下奥地利等人口稠密区在11月初率先成为热点（后验概率≥80%），而乡村州布尔根兰15-18岁组全程无热点。时空交互项（τ_δ
=9.374）显示11月15-28日为全国传播高峰。

讨论与启示
该研究首次证实RT-qPCR校园筛查数据可作为社区传播的预警指标，其时空解析精度达到区县周级别。发现的关键年龄差异具有政策意义——对低龄儿童需配合非药物干预，而青少年通过提高疫苗接种即可有效控疫。布尔根兰州的案例印证了低人口密度与高接种率的协同防护效果。

研究创新性体现在三方面：1) 采用学校检测地点与学生居住地双重视角，自然捕获跨区通学导致的传播；2) 通过贝叶斯模型量化了疫苗接种滞后效应（最适配无滞后）；3) 开发的时空预警系统可扩展至其他传染病。局限在于未纳入口罩令等非药物干预措施数据，且区县级分析可能掩盖更细微的地理差异。这些发现为平衡教育需求与公共卫生安全提供了科学决策框架。