迈向佛罗里达西尼罗河病毒生态预测：基于二十年哨兵鸡监测数据的时空建模与风险评估

本研究针对西尼罗病毒(WNV)传播活动难以预测的难题，利用佛罗里达州526个哨兵鸡监测点20年的血清转化数据，结合景观与气候变量开发了月度和季节尺度的时空预测模型。研究发现采样当月最高温升高会降低血清转化率，而两个月前的降水与最低温升高则显著增加传播风险。模型在样本外预测中表现出高精度，为病毒活动生态预报和公共卫生管理决策提供了重要技术支撑。

　　

在全球范围内，虫媒病毒性疾病每年导致超过70万人死亡，其中西尼罗病毒(West Nile Virus, WNV)作为美国最主要的蚊媒传染病，其传播动态预测始终是公共卫生领域的重大挑战。病毒在鸟类、蚊子和人类之间形成复杂的多宿主传播循环，加上环境因子的非线性影响，使得传统预测模型难以准确捕捉其时空传播规律。佛罗里达州作为WNV流行区，通过全州范围的哨兵鸡监测项目积累了长达20年的病毒活动数据，为开发新型预测模型提供了宝贵资源。

研究人员通过整合光学字符识别(OCR)技术和生物信息学流程，对纸质和数字化监测报告进行系统数字化，最终构建包含515,796条周度记录的综合数据库。研究采用时空广义线性混合模型(GLMM)，通过随机偏微分方程(SPDE)方法近似Matérn协方差函数，并利用高斯马尔可夫随机场(GMRF)处理空间自相关性。模型纳入Daymet气候数据库的1km²分辨率降水与温度数据，以及国家土地覆盖数据库(NLCD)的30m分辨率土地利用数据，采用2.5km半径缓冲区分析景观组成特征。

关键技术方法包括：1)基于Amazon Textract OCR技术的监测数据数字化流程；2)使用sdmTMB软件包实现SPDE-GMRF时空建模；3)通过气候R包获取并处理多尺度气候变量；4)采用反向逐步选择与方差膨胀因子(VIF)分析进行变量筛选；5)应用ε偏差校正算法提高空间聚合预测精度。研究数据涵盖佛罗里达州42个县的526个监测点，时间跨度为2001-2019年WNV活跃季节(6-12月)。

研究结果方面：

2.1. 研究区域特征显示，佛罗里达州气候从亚热带到热带梯度分布，2000年以来呈现变暖趋势，2006-2016年间城市用地增长19%。

2.2. WNV监测数据数字化过程中，通过标准化血清学检测流程（血凝抑制试验筛选、IgM ELISA确诊、空斑减少中和试验鉴别），建立了包含526个监测点的时空数据集。

2.3. 环境数据处理表明，月尺度模型保留7个预测变量（降水及其1-2月滞后项、最高温、最低温2月滞后、开发用地与湿地比例），季节尺度模型保留4个变量（降水及其6-12月滞后项、最高温12月滞后、最低温6月滞后）。

2.4. 统计分析显示，时空模型较非空间模型显著改进（月尺度ΔAIC=4482.48，季节尺度ΔAIC=992.68），条件百分比偏差解释度(CPDE)分别提高68%和30%。

1. 3.

   结果验证表明，月尺度模型预测精度显著高于季节尺度（RMSE_月=0.72 vs RMSE_季=2.34），样本外预测数据均落在95%置信区间内。关键环境因子分析发现：月尺度中，采样当月最高温与血清转化率呈负相关，而两个月前降水与最低温呈正相关；季节尺度中，前期季节中等降水量预测最高传播风险。

模型预测准确捕捉到2001-2003年WNV传入初期的时空扩散过程，以及2014年大西洋沿岸和2015年墨西哥湾沿岸的传播热点，与实际人类和马匹感染病例分布高度吻合。空间不确定性分析表明，监测点稀疏区域预测置信度较低，特别是州内陆地区。

研究结论强调，多时空尺度建模框架能有效捕捉WNV传播的系统动力学特征。月尺度预测可指导传播季节的精准防控，而季节尺度预测为资源调配提供提前量。环境驱动因子分析表明，温度与降水等气候变量比景观特征具有更强预测力，特别是两个月前的气候条件对当前传播风险影响显著。

讨论部分指出，哨兵鸡血清转化数据与人类病例间的时空关联性为早期预警提供了可能，但需要进一步研究两个传播循环间的耦合机制。研究局限性包括监测覆盖不均导致的预测不确定性，以及需要整合蚊媒密度、宿主丰度等生物因子提升模型性能。该建模框架为虫媒病毒入侵生态学研究提供了范式，特别适用于正在欧洲扩散的WNV毒株和澳大利亚日本脑炎病毒等新发传染病的地理扩张预测。

未来研究方向包括：开发实时数据同化系统，融合气候预报数据实现真正意义上的生态预测；应用扩散增强时空模型捕捉病毒传播前沿动力学；整合遥感生态测量数据提升景观表征精度；建立多尺度模型集成框架以支持全球范围公共卫生决策。