瑞典非洲猪瘟疫情风险地图构建中战略风险因子选择研究：以法格斯塔暴发事件为例

本研究针对非洲猪瘟(ASF)在瑞典法格斯塔地区的暴发事件，通过系统分析病毒引入(Introduction)、释放(Release)和传播(Spread)三阶段的关键风险因子，揭示了传统风险地图中人类活动因素（如垃圾处理中心管理疏漏）被低估的现象。研究人员采用空间多准则决策方法，结合交通流量、人口密度、野猪种群分布等10类地理生态数据，构建了1 km2精度的风险模型。结果显示：新增垃圾收集中心因子后，原低风险区域局部风险值提升50%，证实区域特异性因子对风险评估的关键影响。该研究为动态更新疫病防控策略提供了方法论支持，发表于《Preventive Veterinary Medicine》。

　　

非洲猪瘟(ASF)作为致死率高达100%的烈性传染病，近年来在欧洲野猪种群中持续扩散，给养猪业造成数十亿欧元损失。瑞典虽因地理隔离长期被视为低风险区，但2023年法格斯塔市突发ASF疫情，暴露出传统风险评估模型的重大缺陷——该区域此前因野猪密度低被归类为低风险区，却因人类活动介导的病毒传播（通过未防护的垃圾处理中心）引发疫情。这一事件尖锐提出了科学问题：如何通过优化风险因子选择提升疫病地图预测能力？

瑞典国家兽医研究所联合欧洲野生动物健康网络(ENETWILD)的研究团队，以法格斯塔疫情为典型案例，创新性地将病毒传播链分解为引入、释放和传播三阶段。引入阶段聚焦国际交通和贸易（如港口货运量）；释放阶段评估人类活动热点（人口密度、休息区车辆容量、垃圾处理中心）；传播阶段分析野猪生态（狩猎量、车祸记录）和环境因素（温度、降水）。研究采用R语言进行空间分析，将10类异构数据统一为1 km²栅格，通过专家权重法构建多准则决策模型。

关键方法：

1. 空间数据标准化：将交通网络、气象站点等矢量/点数据转换为1 km²栅格，对垃圾处理中心等关键点建立5 km缓冲带（基于野猪家域范围）
2. 专家权重评估：8名专家通过配对比较法确定各因子权重，如垃圾处理中心权重达0.18
3. 敏感性分析：采用Wilcoxon符号秩检验评估各因子对全国290个城市排名的影响

主要发现：

1. 传统模型的局限：原模型（未含垃圾处理中心）将法格斯塔列为全国第147位低风险区，实际疫情核心区风险值仅0.24-0.46
2. 新增因子的影响：加入垃圾处理中心后，疫情核心区风险值跃升至0.43-0.59，揭示其作为"超级传播热点"的特性
3. 空间尺度效应：全国尺度显示南部高风险（野猪密度高），但1 km²分辨率精准定位法格斯塔局部高风险点
4. 区域异质性：北部地区对温度敏感（p<0.001），而南部更依赖人类活动因子（p=0.002）

讨论与意义：
该研究首次实证了"垃圾处理中心"作为ASF传播关键节点的作用——这些场所因缺乏防野猪围栏，成为病毒从人类活动向野生动物种群溢出的"跳板"。更深远的意义在于建立了动态风险因子更新机制：

1. 方法论突破：三阶段分解法解决了传统模型混杂传播途径的问题，模型灵敏度提升37%
2. 政策价值：指导瑞典修订垃圾处理中心生物安全标准，要求所有设施加装1.5米防野猪围栏
3. 范式创新：提出"双尺度"监测策略，即全国层面关注野猪密度，局部重点监控人类-野生动物接触界面

研究团队特别强调，随着气候变化改变野猪分布（如向北扩散至北极圈），必须每6个月更新风险地图。该成果不仅为ASF防控提供工具，其"引入-释放-传播"分析框架还可拓展至狂犬病、禽流感等人兽共患病研究领域。正如论文通讯作者Karl St?hl指出："真正的防疫前线不在实验室，而在垃圾箱与森林的交界处。"这一见解重新定义了野生动物疫病防控的时空维度。