基于数学建模和时间序列聚类的Mpox疫情比较研究：揭示10个重灾国传播动态及未来防控启示

本研究针对2022年Mpox疫情在多国的差异化传播，首次结合SIR模型和时间序列聚类方法，量化分析了美国、德国等10个重灾国的有效传播率(β)、基本再生数(R0)等关键参数，揭示了北美地区高传播率与低R0并存的悖论现象，为跨区域协同防控提供了数据支撑。

　　

2022年，一种原本主要流行于非洲的猴痘病毒(Mpox)突然在全球范围内快速传播，美国、德国等非传统流行区成为重灾区。这场疫情暴露出当前传染病防控体系的三大痛点：一是COVID-19大流行分散了全球对Mpox的监测注意力；二是各国对病毒人传人机制认知存在分歧；三是缺乏跨国的传播动力学比较研究。尤其令人困惑的是，拥有先进医疗体系的发达国家反而成为疫情中心，这背后究竟隐藏着怎样的传播规律？

研究人员通过创新性地整合经典流行病学模型与机器学习算法，对世界卫生组织公布的10个重灾国数据展开深度解析。研究采用SIR（易感-感染-恢复）和SEIR（增加潜伏期E）两种数学模型，通过逆向问题求解技术，首次系统估算了各国Mpox传播的四大核心参数：有效传播率β反映病毒扩散速度，基本再生数R₀衡量传播潜力，初始易感人群S₀显示免疫缺口规模，首例感染时间t₀揭示防控响应时效。为验证模型可靠性，团队采用非参数Bootstrap法进行1000次重抽样，并运用动态时间规整(DTW)算法进行时间序列聚类分析。

研究结果揭示出令人意外的地域差异：在北美地区，加拿大虽然有效传播率高达13.3056×10^-4人/天，但基本再生数R₀仅为2.37，形成"高传播-低扩散"的独特模式。模型显示该国首例出现在2022年5月13日，早期快速传播可能源于对新发疫情的应对迟滞，但后期通过针对性防控（如MSM人群行为干预）有效遏制了二次传播。反观美国，虽然初始传播率(1.0740×10^-4)仅为加拿大的1/12，却产生了3.28的更高R₀值，暴露出持续性社区传播风险。

欧洲地区呈现不同景象。德国以8.0127×10^-4的高传播率和3.21的R₀成为疫情热点，与美国的传播模式高度相似（DTW距离仅0.07）。时间序列聚类显示这两个经济强国同属第一集群，可能与其相似的MSM人群社交网络特征和跨境人员流动有关。令人警惕的是，拉丁美洲的秘鲁和哥伦比亚虽然医疗资源有限，却因早期输入病例（首例时间分别为6月12日和7月20日）和城市人口密集，形成了独特的传播簇。

技术方法上，研究主要采用：1）基于Nelder-Mead单纯形法的参数优化，固定恢复率γ=1/21天^-1；2）非参数Bootstrap构建90%置信区间；3）动态时间规整(DTW)测量国家间疫情曲线相似性；4）层次聚类分析识别传播模式。所有分析均使用MATLAB和Python实现。

通过数学模型与真实数据的拟合验证，研究发现：SIR模型虽能较好描述整体趋势（AIC=1107.68），但对疫情峰值的捕捉存在局限，这提示未来研究需要整合更复杂的社交网络参数。不确定性分析显示，德国和美国的R₀置信区间分别为[3.03,3.35]和[3.10,3.33]，显著高于其他国家，证实其作为防控重点的科学依据。

这项发表于《Global Health Journal》的研究开创性地建立了Mpox传播的国家级风险评估框架。其价值不仅在于量化了β、R₀等关键参数，更揭示了基础设施完善国家面临的特殊挑战——当病毒突破公共卫生防线后，开放的社会环境和特定的高风险行为可能助长持续传播。研究建议将资源分配与行为干预相结合，在发达国家重点加强MSM人群健康教育，在发展中国家优先提升早期检测能力，为构建全球协同的Mpox防控网络提供了理论基石。