COVID-19大流行期间气候-流感动态的亚型特异性演变：基于中国南方多阶段环境驱动因素解析

这篇研究通过机器学习框架（XG-Boost/SHAP）揭示了中国南方流感A亚型（H3N2/H1N1）与B型（Victoria）在COVID-19大流行前、中、后期的环境驱动机制异质性，发现PM10、能见度和绝对湿度（AH）等因子贡献度存在显著时相重组，并首次界定出各亚型"促进-抑制"转换的气候阈值（如H1N1在AH≤11.44 g/m3时传播增强），为后疫情时代流感预警提供了环境参数新范式。

　　

1. 引言

中国南方作为流感高发区，其亚热带季风气候与密集人口为病毒传播提供了独特环境。传统研究多聚焦流感A型整体规律，而忽视H3N2与H1N1的生态位差异，更少关注B/Victoria的环境敏感性。COVID-19非药物干预（NPIs）的推行意外创造了自然实验场景，使研究者得以观察极端社会干预下气候-病毒关系的重构过程。

2. 材料与方法

研究整合2011-2024年中国国家流感中心（CNIC）的周度监测数据，划分三个时期：疫情前（2011-2019）、疫情中（2020-2022动态清零期）、疫情后（2022优化防控后）。通过XG-Boost模型量化13项气候与空气污染指标（含PM_2.5/PM₁₀）对亚型阳性率的贡献度，结合SHAP值解析特征重要性，并采用广义加性模型（GAM）识别关键环境阈值。

3. 结果

3.1 流行病学动态

疫情后H3N2冬季阳性率飙升至12.67%（疫情前4.86%），呈现"报复性反弹"；H1N1虽从0.93%升至4.33%，但统计未达显著（p=0.064）；B/Victoria则持续低迷（0.59% vs 1.62%）。值得注意的是，H3N2夏季传播优势消失，提示亚型季节性特征发生根本转变。

3.2 环境驱动重组

PM₁₀对H3N2的贡献度在疫情期间暴涨至30.37%（疫情前9.18%），反映封控期间室内气溶胶传播增强；而能见度贡献度在疫情后跃居58.05%，成为主导因素。H1N1对温度的依赖性下降17.6个百分点，转向湿度驱动（阈值11.44 g/m³）。B/Victoria则始终依赖海平面气压（贡献度36.36%），展现独特的大气动力学关联。

3.3 阈值效应演化

H3N2的绝对湿度阈值从疫情前17.08 g/m³漂移至疫情后19.60 g/m³，而能见度响应曲线发生"极性反转"：疫情前双峰促进（6.46/14.98 km）转为疫情后15-17 km窄带优化。H1N1在能见度>15.41 km时传播效率最高，揭示亚型特异的"大气窗口"需求。

4. 讨论

研究发现NPIs通过改变人类接触模式与环境暴露，重塑了流感病毒的气候生态位。H3N2展现最强适应性，其PM₁₀敏感性提示未来需关注雾霾季的防控强化；B/Victoria的稳定气压关联则暗示该谱系可能采用不同于A型的传播策略。研究建立的"促进-抑制"阈值模型（如H1N1在低温低湿环境下的"触发点"）为精准预测提供了新参数。

5. 局限与展望

研究未纳入病毒基因变异数据，且18个月的疫情后观察期可能不足。未来需结合气溶胶动力学实验，验证能见度与PM₁₀影响病毒稳定性的生物物理机制。这些发现对修订热带地区流感预警系统具有即时应用价值。