气候风险因素与犬细小病毒性肠炎暴发的预测模型构建：基于印度南部八年的实证研究

本研究针对犬细小病毒性肠炎（CPVE）暴发的气候驱动机制不明、预测模型缺乏的现状，通过分析印度南部8年临床数据（4258例确诊），首次揭示最高温度（滞后11个月）、晨间相对湿度（滞后1个月）及降雨量（滞后10个月）与CPVE呈正相关，并构建ARIMAX（融合气候变量）、XGBoost和RNN预测模型，为全球CPVE防控提供气候敏感型预警工具。

　　

犬细小病毒性肠炎（Canine Parvoviral Enteritis, CPVE）是幼犬群体中致死率极高的传染病，由高度稳定的犬细小病毒-2型（CPV-2）引发，全球范围内每年造成大量幼犬死亡。尽管疫苗接种已广泛应用，但近年来印度等地仍频繁出现接种后感染病例，可能与病毒变异、气候因素及免疫程序不规范有关。更棘手的是，CPV-2可通过粪便、污染物甚至昆虫媒介传播，环境稳定性极强，使得传统防控手段效果受限。现有研究多聚焦于病毒生物学特性，而气候如何影响其暴发规律尚不明确——这正是印度泰米尔纳德邦兽医与动物科学大学的研究团队试图破解的科学难题。

该团队收集了金奈教学动物医院2011至2019年间6105例疑似病例数据（确诊4258例，PCR验证1914例），首次系统分析了气候变量与CPVE的时空关联。他们采用三类前沿技术：时间序列分析的ARIMA（自回归积分滑动平均模型）、机器学习中的XGBoost（极限梯度提升）和深度学习的RNN（循环神经网络），其中ARIMAX（引入外生变量的ARIMA）更创新性地整合了滞后气候数据。这项成果发表于《Preventive Veterinary Medicine》，为CPVE的主动防控提供了全新视角。

关键技术方法包括：基于8年临床数据的流行病学统计分析；采用Pearson相关分析气候变量与CPVE的滞后关联；构建ARIMAX模型（纳入降雨量2/7月滞后值、风速4月滞后值）；对比测试XGBoost与RNN的非气候依赖模型性能；所有模型通过均方根误差（RMSE）和平均绝对百分比误差（MAPE）验证。

研究结果
风险因素分析：幼犬（6周至6月龄）占比超70%，未接种疫苗犬只感染风险提高3.2倍，杜宾、罗威纳等品种易感性显著高于本地犬种（P<0.01）。

气候关联性：冬季和7月为暴发高峰；最高温度滞后11个月（r=0.42）、晨间湿度滞后1个月（r=0.38）及降雨滞后10个月（r=0.35）与CPVE呈显著正相关；而最高温度滞后1/6月、风速滞后4月等参数呈负相关，提示复杂的气候-疾病动态平衡。

模型性能：ARIMAX表现最优（RMSE=12.3），其关键预测因子为滞后降雨与风速；XGBoost（RMSE=14.7）和RNN（RMSE=15.2）虽未使用气候数据，仍展现较强时序预测能力。

结论与意义
这项历时八年的研究首次证实：CPVE在印度金奈的暴发具有显著气候依赖性，特别是温度、湿度和降雨的滞后效应可提前数月预警疫情。ARIMAX模型的成功构建标志着气候智能型预测工具的诞生，其融合多时间尺度的环境变量，较传统模型预测精度提升18%。研究同时警示，即使非气候模型（如XGBoost）也能有效预测，说明CPVE流行本身存在固有周期律，但气候因素的引入使预测更精准。

从公共卫生视角看，该成果为资源有限的地区提供了低成本预警方案——医疗机构可依据历史气候数据预判高风险期，针对性加强疫苗接种和消毒措施。团队特别建议在季风季后10个月（对应次年流行高峰）开展强化免疫，并建立基于风速变化的蚊蝇防控机制。未来研究需扩展至不同气候带验证模型普适性，并探索气候如何通过影响病毒环境存活率或宿主免疫力来驱动流行病学特征。这项开创性工作不仅为兽医学领域树立了气候流行病学研究的范式，更对人类类似气候敏感型传染病的防控具有借鉴价值。