基于全球风险评分（GRS）的野生鸟类空间风险评估：禽流感病毒传播的生态界面解析

本研究针对高致病性禽流感病毒（HPAIV）通过野生鸟类传播的关键科学问题，创新性地整合公民科学数据与条件似然流行病学设计，开发了全球风险评分（GRS）系统。研究通过分析台湾地区2015-2017年68种野生鸟类分布与禽流感暴发的关联性，发现11种鸟类（如黑头鸥OR=6.90）与养殖场疫情显著相关，并证实农业湿地（AW）是最高风险生境。该GRS模型经ROC曲线验证AUC>0.8，为全球禽流感防控提供了精准的野生动物-家禽界面监测框架。

　　

禽流感病毒（Avian Influenza Virus, AIV）的跨物种传播一直是全球公共卫生的重大挑战。近年来，H5Nx亚型高致病性禽流感病毒（HPAIV）的2.3.4.4进化分支表现出前所未有的传播能力，通过野生鸟类迁徙路线引发跨国界疫情。然而，传统监测体系面临两大困境：一是缺乏对野生鸟类种群动态的持续监测手段，二是难以量化不同鸟类物种在病毒传播中的风险差异。台湾地区作为东亚-澳大利西亚候鸟迁徙路线的重要节点，2015-2017年间记录了1223起家禽场HPAIV疫情，为解析野生动物-家禽界面传播规律提供了独特的研究场景。

为破解这一科学难题，国立中兴大学的Hong-Dar Isaac Wu和Day-Yu Chao团队在《Scientific Reports》发表创新研究。研究团队创造性整合公民科学平台eBird的观测数据与政府疫情报告，构建了包含4762个3km×3km网格的空间分析体系。通过零膨胀泊松模型（Zero-Inflated Poisson, ZIP）估算68种野生鸟类的分布概率，结合匹配-反匹配（counter-matching）的条件似然分析，首次建立了多物种联合评估的全球风险评分（Global Risk Score, GRS）系统。

关键技术方法包括：1）利用台湾eBird公民科学数据库获取68种鸟类时空分布数据；2）采用ZIP模型计算鸟类分布倾向评分（Propensity Score, PS）；3）建立1:3/1:5匹配与反匹配的病例-对照研究设计；4）通过条件似然比检验评估物种特异性风险；5）整合环境因子（9类土地覆盖类型）进行先验/后验调整；6）基于ROC曲线优化GRS临界值。

研究结果揭示：

【关键物种识别】通过条件似然分析发现11种鸟类与疫情显著相关（P<0.05），其中黑头鸥（Chroicocephalus ridibundus）风险最高（OR=6.90, P<0.0001），太平洋金斑鸻（Pluvialis fulva）等迁徙物种也显示强关联性。值得注意的是，游隼（Falco peregrinus）等猛禽首次被证实参与传播链。

【环境驱动因素】后验调整分析显示，农业湿地（AW）对所有风险物种均有显著正向效应（OR=1.80-5.15），灌木丛（BU）对黑头鸥（OR=10.02）和太平洋金斑鸻（OR=16.40）风险贡献突出。而森林（FR）和城市（UB）区域则呈现保护效应。

【模型优化】通过"?_j-to-p_j"曲线确定P=0.1为最佳显著性阈值，此时GRS包含27种迁徙鸟类和27种留鸟，调整环境因子后AUC达0.81（灵敏度0.81，特异度0.77）。

讨论部分强调，该研究突破传统单物种分析局限，首创多物种协同作用的GRS评估体系。其科学价值体现在三方面：1）证实公民科学数据可用于精准疫情预测，极大降低监测成本；2）揭示农业湿地作为病毒传播"热点"的生态机制；3）建立可推广的野生动物-家禽界面风险评估框架。作者建议将GRS纳入全球禽流感预警系统，特别关注黑头鸥等高风险物种的迁徙路线，并在农业湿地周边强化生物安全措施。这项研究为理解HPAIV的生态进化提供了新视角，也为其他野生动物源传染病的风险评估树立了方法论典范。