印度昌迪普拉病毒爆发的时空模式与空间自相关分析（2009–2023）：基于“一体健康”视角的研究

本研究基于印度整合疾病监测计划（IDSP）数据，运用GIS与空间统计方法，系统分析了2009–2023年昌迪普拉病毒（CHPV）的时空分布与生态驱动因素。研究发现疫情严格集中于古吉拉特邦，具显著季风季节性与空间聚集性，森林覆盖与疫情呈强正相关。该研究为CHPV的风险预警和精准干预提供了关键科学依据，凸显“一体健康”（One Health）框架在虫媒传染病防控中的重要性。

　　

在印度，一种名为昌迪普拉病毒（Chandipura virus, CHPV）的病原体近年来逐渐引起公共卫生领域的高度关注。这种由沙蝇传播的病毒，与急性脑炎症候群（Acute Encephalitis Syndrome, AES）密切相关，患者多为15岁以下儿童，病情进展迅猛，死亡率高。2014年的大规模爆发及2024年多邦报告的AES病例，均凸显其对社会经济和健康构成的严重威胁。然而，尽管病例时有报告，人们对这种疾病的理解仍存在显著空白：它的爆发是否存在规律？哪些地区风险最高？驱动疫情发生的生态和环境因素是什么？这些问题至今缺乏系统、全面的回答。

传统的传染病防控往往侧重于人类医疗层面的应对，但CHPV的传播循环涉及动物宿主、昆虫媒介及环境因素，呈现出典型的“人类-动物-环境”交互特性。这意味着，单一部门的努力难以有效遏制疫情。正是在这一背景下，采用“一体健康”（One Health）理念，即整合人类健康、动物健康和环境健康的跨学科协作框架，成为探索此类新发传染病的必然选择。

为深入揭示CHPV的流行规律，一项发表在《The Microbe》的研究，对2009至2023年共15年间的全国疫情监测数据展开了深入分析。该研究不仅首次基于国家级数据全面描绘了CHPV的时空动态，还借助先进的空间分析技术，揭示了关键风险区域与生态驱动因子，为未来的精准防控提供了科学依据。

在研究方法的选取上，作者团队主要依托以下几项关键技术：首先，他们从印度整合疾病监测计划（IDSP）中提取了每周疫情报告数据，仅纳入经实验室确认的CHPV爆发事件，确保了数据的准确性；其次，结合印度人口普查（2011年）、印度森林调查局（2021年）以及气象部门的降雨资料，构建了包含人口、森林覆盖和气候因素的空间数据库；此外，研究运用地理信息系统（GIS）进行数据整合与可视化，并采用空间自相关分析（包括全局与局部Moran’s I）以检测疫情聚集区域；最后，通过地理加权回归（Geographically Weighted Regression, GWR）模型，探索森林覆盖率与病例数之间的局部关联性，所有分析均在R语言（4.3.2版）中完成。

研究结果呈现出几个显著特征。

首先，在时间分布上，CHPV的爆发具有严格的季节锁定性：所有疫情均发生在6月至9月的季风期，其中7月为高峰，占病例总数的80%以上，而其他月份则无任何报告。这一规律与沙蝇的生态习性高度吻合，季风带来的湿度与降雨为媒介繁殖创设了有利条件。

从空间维度看，疫情高度集中在古吉拉特邦，而全国其他邦在此期间均未发现确诊病例。即便2024年初多个邦报告AES病例，但经确认的CHPV感染仍只限于古吉拉特。在该邦内部，疫情分布亦呈现高度异质性：达霍德（Dahod）、潘奇马哈尔（Panchmahal）、凯达（Kheda）及瓦多达拉（Vadodara）等东部地区构成了核心热点，而城市化程度较高的艾哈迈达巴德（Ahmedabad）和苏拉特（Surat）等地则始终零报告。

空间自相关分析进一步证实，疫情分布并非随机。全局Moran’s I指数为0.46（p<0.001），表明病例在空间上存在显著聚集。局部莫兰分析则识别出多个“高-高”聚类区——即疫情高发区被其他高发区所包围，这些区域同样集中在上述东部地带，而周边地区则多属于“低-高”或“低-低”类型。

尤为值得注意的是生态因素的作用。地理加权回归（GWR）显示，森林覆盖率与病例数之间存在明显的正相关关系，且这种关联具有空间非平稳性：在达霍德、潘奇马哈尔、瓦多达拉等地区，森林每增加一平方公里，病例数预计上升约0.003例（GWR系数 0.003）。这些区域森林茂密、生态保存较好，为沙蝇提供了适宜的栖息环境。相反，在城市化和森林覆盖较低的地区，该关联较弱甚至为负值。

研究还尝试探索疫情与部落人口的关系。尽管像达霍德这样部落人口密集的区域病例数较高，但统计上并未呈现显著相关性（斯皮尔曼相关系数0.62，p=0.1389）。这说明，疫情的发生更直接受生态因素驱动，而非纯粹的人口结构特征。

在讨论环节，作者将CHPV的流行特征与其他虫媒传染病进行了类比。例如，卡萨诺尔森林病（Kyasanur Forest Disease, KFD）同样表现出地理局限性和生态依赖性，这提示类似人畜共患病毒可能依赖特定的生境才能持续传播。此外，COVID-19大流行可能影响了2020–2023年的疫情监测效率，导致病例低报，这凸显出维持强健监测体系的重要性。

研究的局限性在于数据源的局限性——IDSP系统可能存在漏报或分类偏差，且缺乏直接的媒介种群数据支持。因此，未来需整合 Entomological surveillance（媒介昆虫监测）以更准确评估传输风险。

综上所述，这项研究不仅首次勾勒出CHPV在印度特别是古吉拉特邦的时空传播图谱，而且证实了森林生态系统作为关键风险因素的核心作用。其结果有力说明，针对CHPV的防控必须采取“一体健康”路径：在雨季加强对高风险地区的监测、运用地理信息系统进行预测预警、开展针对性的媒介控制，并提升部落及农村社区的医疗可及性。只有通过跨部门、多层级的协作，才能有效降低这类具有重大公共卫生威胁的虫媒传染病的爆发风险。