基于双斑块随机模型的布鲁氏菌病传播不确定性量化研究

本文针对布鲁氏菌病（Brucellosis）在动物群体中跨区域传播的复杂性问题，提出了一种创新的双斑块连续时间马尔可夫链（CTMC）随机模型。研究人员通过整合动物短期迁移行为和环境污染物传播路径，量化了高风险与低风险区域间布鲁氏菌传播的动态不确定性，首次引入多类型分支过程计算疾病灭绝概率，并揭示了动物驻留时间分配对传播阈值R0的关键影响。该研究为制定精准的区域间动物流动管控策略提供了理论依据，对发展中国家的畜间人畜共患病防控具有重要实践价值。

　　

布鲁氏菌病作为一种被忽视的人畜共患病，长期威胁着畜牧业发展和公共卫生安全。在发展中国家，动物为寻找水源和牧草频繁穿梭于高风险（如公共放牧区）与低风险区域（如隔离牧场）之间，这种动态迁移行为使得传统确定性模型难以准确预测疾病传播规律。更复杂的是，布鲁氏菌既能通过动物直接接触传播，又能在环境中长期存活形成间接传播链，而现有研究多聚焦单向传播或忽略环境污染物因素，导致防控措施效果不佳。

针对这一科学难题，中国农业大学动物医学院的研究团队在《Franklin Open》发表了开创性研究。他们构建了包含6个状态变量（S₁,I₁,E₁,S₂,I₂,E₂）的双斑块随机模型，首次将动物迁移时间占比（p_ij）、环境污染物衰减率（e_i）与直接/间接传播率（β_ai/β_ei）纳入统一分析框架。通过连续时间马尔可夫链（CTMC）模拟随机波动，结合多类型分支过程理论，成功量化了传播过程中的关键不确定性。

研究主要采用三大技术方法：1）建立包含迁移矩阵的微分方程组；2）基于新疆地区2010-2014年流行病学数据参数校准；3）应用随机阈值ρ(M)分析灭绝概率。特别创新的是引入斑块间迁移时间分配系数p₁₁/p₁₂，精确刻画了动物在双区域的停留时长对传播的影响。

【模型构建】
研究团队扩展了经典SEI模型，创新性地将环境污染物E_i作为独立变量。通过定义迁移概率矩阵，推导出包含22种状态转换的随机微分方程组（式3）。其中关键项p₂₁β_e1S₂E₁△t首次量化了动物从高风险区向低风险区迁移时携带病原体的概率。

【阈值分析】
计算得到的R₀表达式（式2）显示：当动物在高风险区停留时间占比p₁₁>0.6时，R₀呈指数增长。数值模拟证实，将p₁₁从0.8降至0.5可使灭绝概率提升47%，这为"分区轮牧"防控策略提供了量化依据。

【随机波动】
通过10,000次蒙特卡洛模拟发现：即使R₀>1，初始感染个体≤3时仍有38.2%概率自发灭绝。这种"小规模爆发自限性"解释了田间调查中观察到的零星疫情现象，弥补了确定性模型高估风险的缺陷。

【环境传播】
参数敏感性分析揭示：在干旱地区（e_i=3.6/day），环境污染物贡献率达传播风险的29%，显著高于湿润地区（e_i=1.2/day）的12%。这表明在干旱地区开展环境消毒比疫苗接种更具成本效益。

这项研究开创性地将空间异质性与随机过程理论相结合，其构建的p_ij-R₀响应曲线已被世界动物卫生组织（OIE）采纳为风险评估工具。研究提出的"动态分区管控"策略，即在雨季增加p₁₂（鼓励动物向低风险区迁移），在旱季提高p₁₁（限制高风险区活动），正在新疆牧区试点应用中使布鲁氏菌发病率降低62%。该模型框架还可拓展至口蹄疫、非洲猪瘟等动物迁徙相关疾病的防控研究，为全球动物疫病防控提供了新的方法论范式。