基于泊松与负二项模型的蚊媒疾病暴发预测比较研究：阿曼登革热疫情预警系统优化

本研究针对登革热等蚊媒疾病(MBDs)暴发预测的精准度问题，通过构建包含滞后气候变量和蚊媒监测指标的贝叶斯层次模型（Poisson/Negative Binomial），发现负二项模型结合12周滞后变量预测效能最佳（AUC=0.881），蚊虫陷阱阳性率是最强预测因子，为中东地区早期预警系统提供了关键方法学支持。

　　

随着全球气候变化和城市化进程加速，登革热等蚊媒疾病(Mosquito-Borne Diseases, MBDs)的传播范围持续扩大。世界卫生组织数据显示，全球登革热病例数从2000年的50万激增至2019年的520万，约39亿人面临感染风险。阿曼作为中东地区新兴的登革热流行区，自2018年首次报告本地传播病例后，2022年马斯喀特省暴发了大规模疫情。然而，传统监测系统存在显著滞后性——当发现重症病例时，病毒往往已在社区广泛传播。更棘手的是，54%的登革热感染者为无症状者，导致病例漏报率居高不下。如何通过环境与病媒指标提前预测疫情暴发，成为公共卫生领域的重大挑战。

为破解这一难题，阿曼苏丹卡布斯大学的研究团队开展了一项创新性研究。他们整合气候、蚊媒监测和人口数据，首次在阿曼构建了包含滞后效应的贝叶斯层次预测模型，相关成果发表在《Journal of Infection and Public Health》。研究人员采用每周分辨率的数据（2020-2024年），覆盖15个地区的1,506个观测值，重点比较了四种模型架构：基础泊松模型、含12周滞后变量的泊松模型、负二项(Negative Binomial, NB)模型，以及结合滞后效应的NB模型。通过stan_glmer函数实现参数估计，并引入流行病学周、地区、年份等多层次随机效应，同时采用正弦/余弦函数捕捉季节性波动。

模型性能对比
所有模型均显示良好收敛性（Rhat≈1），但含滞后变量的NB模型（Model 4）表现最优：其接收者操作特征曲线下面积(AUC)达0.881（95%CI:0.858-0.902），留一交叉验证信息准则(LOOIC)最低（3234.6±109.4）。值得注意的是，该模型将蚊虫陷阱阳性率的预测窗口锁定在1-4周，其系数达0.035-0.030（p<0.01），证实该指标是疫情暴发的"风向标"。

关键预测因子解析
• 蚊媒指标：陷阱阳性率始终是最强预测因子（系数0.053-0.056），其滞后效应可持续12周
• 气候因素：风速呈中度正相关（系数0.016-0.025），而温度在滞后3-6周显示负效应（-0.018--0.020），提示高温可能抑制蚊虫生存
• 非显著变量：降雨量、湿度和人口规模未显示统计学意义

时空异质性建模
随机效应分析揭示：Model 4能最佳平衡时空变异——其地区级方差为1.3±1.0，省级方差2.3±2.4，既避免Model 2的过度拟合（地区方差达63.8），又克服Model 3的过离散问题（预测区间过宽）。2025年前6周的短期预测验证显示，该模型所有观测值均落入95%可信区间。

这项研究开创性地证实：在贝叶斯框架下整合滞后气候-病媒指标，可显著提升登革热预测效能。其方法论突破体现在三方面：首先，12周滞后变量的引入捕捉了登革热传播的生物时滞特征；其次，负二项分布有效解决了病例数的过离散问题；最后，多层次结构兼顾了阿曼各地区生态差异。这些发现为WHO《2017-2030全球病媒控制应对方案》提供了实证支持，尤其对中东地区构建精准预警系统具有示范价值。

实践层面，研究建议阿曼公共卫生部门重点加强两项工作：一是将蚊虫陷阱监测纳入常规预警指标，二是建立气候-病媒联合预警平台。未来研究可进一步整合实时移动数据和社会经济因素，以优化模型灵敏度。该成果不仅适用于登革热，其建模框架还可扩展至寨卡、基孔肯雅热等其他蚊媒传染病的预测防控，为全球热带病防控提供了可复制的技术路径。