当少数蚊子已足够：登革热在非流行区的暴发机制与随机模型研究

《One Health》：When Few Mosquitoes Are Enough: Dengue outbreaks in non-endemic areas

本文推荐研究人员针对传统观点认为登革热暴发需要高蚊媒密度和高基本再生数（R0）的认知局限，通过建立包含输入病例的随机SIRUVY模型，揭示了即使在R0<1的亚临界状态下，输入病例的随机引入仍可能引发显著本地传播。该研究通过意大利法诺市2024年登革热暴发案例，证明了近临界状态下随机波动对疫情规模的决定性影响，为温带地区登革热风险评估提供了新的理论框架。

　　

在全球气候变暖和人口流动加剧的背景下，原本局限于热带地区的登革热正悄然突破地理界限。2024年意大利法诺市报告的近150例本地感染病例，为温带地区敲响了登革热本地化的警钟。传统流行病学理论认为，登革热的持续传播需要达到一定的蚊媒密度阈值，使基本再生数（R₀）大于1。然而，现实中的疫情暴发往往呈现出更加复杂的图景：为何在看似相同的环境条件下，有些地区会突发大规模疫情，而相邻区域却保持平静？这种看似随机的暴发模式背后，是否隐藏着被传统确定性模型忽略的关键机制？

为解答这一谜题，来自比萨大学信息工程系的研究团队在《One Health》发表了创新性研究。他们通过建立随机SIRUVY模型（包含易感者S、感染者I、康复者R、未感染蚊U、感染蚊V和输入病例Y的传染病模型），对登革热在非流行区的传播动力学进行了全新诠释。研究结果表明，即使当地传播条件处于亚临界状态（R₀<1），输入病例的随机引入与近临界状态的系统波动相结合，仍可能引发大规模疫情。这一发现挑战了传统依赖固定入侵阈值和基本再生数的风险评估范式。

研究采用的关键技术方法包括：建立扩展的SIRUVY确定性模型系统，引入输入病例（Y）类别；基于Gillespie算法的随机模拟方法，模拟近临界状态的疫情动态；通过相对蚊媒丰度参数k调控传播强度，构建超临界（k=1）、边际超临界（k=0.51）和亚临界（k=0.49）三种情景；应用临界现象理论分析疫情规模的自相似性和幂律分布特征。模型参数主要参考2024年法诺市疫情数据及相关文献。

研究结果部分显示：

在模型框架方面，研究人员扩展经典SIRUV模型，增加输入病例类别形成SIRUVY系统。通过设定相对蚊媒丰度参数k，将传播状态量化为超临界（R₀>1）、边际超临界（R₀≈1）和亚临界（R₀<1）三种 regime。确定性模型显示输入病例可达到准平衡状态Y*=?N/γ，而随机模型通过Gillespie算法模拟九类状态转移过程。

在结果分析中，超临界情景（k=1）产生的疫情规模远超法诺市实际数据，符合流行区特征。而边际超临界（k=0.51）和亚临界（k=0.49）情景下，尽管多数模拟快速消退，但部分随机实现成功重现了法诺市的疫情曲线。这表明近临界系统具有显著的事件变异性：大多数输入病例不会引发传播链，但少数可能通过随机放大效应导致大规模暴发。

随机模型与转移动力学部分揭示，输入病例过程符合泊松分布，累积输入病例C_Y(t)服从强度λ=?γN的泊松过程。当系统接近临界阈值k_c=γ/β_eff时，微小波动可能被非线性放大，导致疫情规模呈现重尾分布特征。

在讨论与结论部分，研究强调2024年法诺市疫情可能不是传统认为的超临界传播所致，而是系统在近临界状态下随机波动的体现。这种基于临界现象理论的解释更具普适性：疫情规模在临界点附近呈现自相似性和幂律分布，小规模暴发常见而大规模暴发虽罕见但仍可能发生。这种机制下，相似生态环境可能产生截然不同的疫情结局，这解释了为何2024年意大利多数省份仅报告零星病例，而法诺市却出现大规模暴发。

该研究的核心意义在于突破了传统确定性模型的局限，为理解登革热在温带地区的暴发模式提供了新范式。通过将随机性、输入病例和近临界动力学纳入考量，研究揭示了即使平均传播条件不足，偶然事件仍可能引发重大公共卫生风险。这一认识对完善预警系统至关重要：需要结合随机建模、人类移动数据和蚊媒监测，建立更灵敏的Near-critical（近临界）风险识别机制。随着气候变迁持续改变病媒分布，这种基于One Health（一体化健康）理念的概率化风险评估方法，将为非传统流行区的登革热防控提供科学基础。