综述:地理空间流行病学方法在媒介传播疾病预防与控制中的应用:系统综述

《Infectious Diseases & Immunity》:Geospatial epidemiological approaches to the prevention and control of vector-borne diseases: A systematic review

【字体: 大 中 小 】 时间:2026年01月27日 来源:Infectious Diseases & Immunity

编辑推荐:

  媒介传播疾病(VBDs),主要通过蚊子、蜱虫和白蛉等媒介的叮咬传播,已被视为全球公共卫生的关键优先事项。本系统综述总结了地理空间技术在增强疾病监测系统中的关键作用,这些技术包括地理信息系统(GIS)、遥感(RS)以及先进的空间统计方法。研究人员在PubMed和

  
媒介传播疾病(VBDs),主要通过蚊子、蜱虫和白蛉等媒介的叮咬传播,已被视为全球公共卫生的关键优先事项。本系统综述总结了地理空间技术在增强疾病监测系统中的关键作用,这些技术包括地理信息系统(GIS)、遥感(RS)以及先进的空间统计方法。研究人员在PubMed和OVID Medline数据库中进行了全面的文献检索,确定了2015年至2024年间发表的652项相关研究。这些研究被分析以评估地理空间方法在疟疾、登革热、黄热病以及其他VBDs等几种关键疾病中的应用。GIS与RS的整合通过分析环境因素,能够实现媒介栖息地和疾病热点的高分辨率制图。先进的空间统计模型有效地量化了环境和社会经济变量的影响,预测传播风险,并检测显著的空间聚集。系统地理分析阐明了病原体的起源和传播途径,而动物迁徙追踪则揭示了长距离媒介和宿主扩散在疾病传播中的作用。这些方法促进了可操作风险图谱的制定,从而支持有针对性的干预措施,优化资源分配,并为疟疾、登革热、黄热病和寨卡病毒病等疾病建立预警系统。总之,地理空间流行病学通过提供关于传播动态的循证见解,在VBDs控制中发挥着关键作用。未来的工作应优先考虑跨学科合作,并开发整合实时监测平台,该平台需融合多源数据和预测建模。
本研究是一篇系统综述,旨在全面分析地理空间流行病学技术在媒介传播疾病(VBDs)研究、预防与控制中的应用。研究团队在PubMed和OVID Medline数据库中进行了系统的文献检索,筛选出2015年至2024年间发表的652篇相关研究。通过对这些研究的分析,论文系统阐述了多种关键地理空间技术在应对主要VBDs(如疟疾、登革热、黄热病及其它疾病)中的具体应用、效能与挑战。

**1. 引言**
VBDs是由细菌、病毒和寄生虫引起、并通过媒介传播的一组人类疾病,构成了重大的全球健康挑战。疟疾、登革热(DF)、日本脑炎、黄热病(YF)和莱姆病等疾病不成比例地影响热带和亚热带地区,这些地区的温暖潮湿气候有利于媒介的增殖和生存。这些疾病每年导致超过70万人死亡,占所有传染病的17%以上。其中,蚊子是最主要的媒介,其次是蜱虫。例如,2018年恶性疟原虫引起的疟疾病例达2.28亿,导致40.5万人死亡;而主要由埃及伊蚊和白纹伊蚊传播的DF现已影响超过100个国家,每年报告约5000万临床病例。VBDs的地理分布变化显著受到环境、气候和社会经济因素的影响。因此,理解这些动态对于预测流行病学趋势和实施有效控制措施至关重要。地理空间流行病学作为一个整合了流行病学、地理学和统计学的交叉学科,为分析疾病的地理分布及其决定因素提供了宝贵的视角。在该领域,GIS、RS和空间统计方法被用于量化土地利用模式、植被覆盖、温度和降水等环境因素对疾病传播的影响。随着机器学习(ML)和人工智能(AI)的进步,以及RS与环境数据的整合,地理空间流行病学已从基础的地理风险分析发展为一个复杂、多尺度、多因素和综合的框架。本文回顾了地理空间流行病学方法在VBDs研究中应用的最新进展,重点关注关键技术、建模方法及其在主要VBDs中的应用。

**2. 地理空间流行病学技术的应用**
**2.1. 地理信息系统**
GIS是分析VBDs时空模式、处理多样地理参考数据空间依赖性的不可或缺的工具。它具备数据采集、地理编码、空间查询、地图建模和空间统计建模等功能,可整合分析包括环境、人口和健康变量在内的多样化数据集,以阐明健康结果与暴露因素之间的关系。GIS工作流程通常包括数据收集与整合、地理参考与数据标准化、空间分析(如缓冲区分析、叠加制图和热点分析)以及最终的可视化。例如,在登革热流行地区,GIS已被用于将疾病数据与代表土地利用、水体距离、温度、降雨和植被指数的图层进行叠加,从而识别媒介滋生热点,为幼虫源管理和杀虫剂喷洒提供信息。GIS通过标准化地理框架系统地组织疾病相关数据,能够分析媒介种群、环境条件与疾病暴发之间的复杂相互作用,增强了对VBDs传播动态的理解,并强化了疾病控制中的运营决策。

**2.2. 遥感**
RS是一种通过检测地球表面物体反射或发射的电磁辐射来获取环境信息的科学技术。通过利用安装在卫星、无人机或飞机上的传感器,研究人员获取对监测与VBDs传播相关的生态和气候条件至关重要的多光谱和热数据,如地表温度、夜间灯光指数和植被指数。RS操作通常包括数据来源、数据预处理、指数计算与特征提取、时空分析以及与GIS和建模工具的整合。例如,归一化植被指数(NDVI)常用于推断蚊子滋生的适宜栖息地,从而监测登革热等VBDs。结合RS的季节性降雨、植被物候和温度变化,可以对媒介栖息地的潜在变化进行建模和预测,这对预防性公共卫生响应至关重要。当与GIS结合时,RS增强了流行病学模型的预测能力,能够开发精细尺度的风险图和情景规划工具,支持更精确及时的干预,优化公共卫生资源配置。

**2.3. 空间统计建模**
空间统计建模对于理解和阐明VBDs传播动态至关重要。基于回归算法的预测模型整合了来自GIS和RS技术的空间显式环境数据(如土地覆盖、NDVI、气候变量)和社会经济数据(如收入水平、卫生条件),以生成高分辨率风险图,支持数据驱动的公共卫生决策。
**2.3.1. 空间分析建模**
该模型聚焦于检测疾病地理分布中的空间模式、聚集及其潜在关系。关键技术包括:空间自相关模型(如Moran's I和局部空间关联指标),用于研究病例的聚集或离散;Kulldorff空间扫描统计,使用同心圆或椭圆扫描窗口检测具有统计学意义的疾病聚集区;克里金插值模型,利用地统计技术在未采样位置估计VBDs风险,生成高精度连续风险面;贝叶斯时空模型,整合时空数据建模疾病趋势,评估控制措施或环境变化的效果。每种模型在VBDs研究的特定阶段具有独特优势,例如空间自相关和扫描统计适用于早期探索性分析和暴发检测,而克里金和贝叶斯模型在连续空间和时间上提供更准确和预测性的见解。

**2.3.2. 空间预测建模**
该模型通过识别环境变量与健康结果之间的复杂关系来增强预测疾病风险的能力。增强回归树模型(ARTMs)利用梯度提升机等算法有效捕捉复杂的非线性交互作用和变量重要性;物种分布模型(SDMs)整合物种出现数据和环境协变量(如温度、湿度、土地利用)来预测媒介物种的分布,具有生物学基础,特别适用于媒介栖息地制图。

**2.3.3. 地理探测器**
地理探测器是基于空间分层异质性原理的高级统计工具,旨在识别和量化各种因素及其交互作用对疾病分布的影响。该方法包括四个核心模块:因子探测器识别影响疾病模式的主要环境或社会经济变量;风险探测器评估和比较不同区域的疾病风险;交互探测器研究多个驱动因素对疾病分布的交互影响;生态探测器评估环境影响(如气候变化、土地利用变化)对疾病动态的作用。

**2.4. 疾病制图**
疾病制图是地理空间流行病学的基础工具,有助于可视化疾病分布并识别潜在风险区域。
**2.4.1. VBDs制图中的空间插值技术**
空间插值技术利用有限的监测数据和空间信息估计未采样位置的疾病流行率,应用空间平滑算法将离散数据点转换为连续空间分布,尤其适用于数据稀疏或不规则的地区。

**2.4.2. 疾病制图的统计模型**
统计模型整合环境和监测数据,预测疾病动态并根据风险水平对区域进行分类。建模过程通常包括:将环境因素整合到统一的空间数据集中;使用统计技术(如逻辑回归、广义加性模型或ML算法)量化每个环境因素对疾病发病率的相对重要性;根据模型输出创建空间风险图。这些模型能够生成详细、基于证据的风险分层地图,即使在没有高分辨率流行病学监测的情况下也能发挥作用。

**2.4.3. VBDs动态监测**
动态监测涉及通过定期数据收集和制图系统地追踪时空趋势。它通常包括三个相互关联的组成部分:定期数据收集、趋势分析和时间序列建模。该过程有助于早期发现暴发、评估干预措施的影响并制定适应性响应策略。

**2.5. 系统地理分析**
系统地理学研究基因谱系(特别是相关物种内部和之间)地理格局的历史演变及其形成的原则和过程。在VBDs研究中,它可用于探索媒介昆虫和病原体的遗传多样性、地理分布模式和进化趋势。具体应用包括:追踪传播路线(如通过比较不同地理区域的病毒基因序列);理解媒介种群的遗传结构;探索病原体与宿主的协同进化;评估和预测气候变化对VBDs的影响。

**2.6. 动物迁徙追踪**
昆虫的长距离季节性迁徙以及携带媒介的鸟类和啮齿动物的迁徙对VBDs发病率有显著影响。追踪和监测迁徙路线和方向对于预测疾病暴发和指导媒介控制策略至关重要。常用的动物迁徙追踪技术包括标记重捕法、无线电追踪、GPS或北斗卫星定位追踪、雷达监测、卫星RS监测和无人机监测技术。通过结合多种追踪技术,有助于阐明一些重要迁徙昆虫的完整迁徙周期。动物迁徙与VBDs传播之间存在关联,迁徙可能将病原体传播到不同地理区域,气候变化会进一步改变迁徙行为,可能扩大疾病传播范围。

**2.7. 机器学习与时空分析**
近年来,ML算法与时空分析的整合在VBDs监测和风险评估领域受到了显著关注。该方法允许高效挖掘大规模流行病学、环境和社会人口数据集,从而提高疾病建模的准确性和分辨率,有望显著降低疾病暴发预警的不确定性。其应用包括:VBDs风险预测与建模(使用监督和无监督ML算法分析环境、气候和社会经济数据);媒介分布与生态适应性分析(利用生态位建模结合ML算法);实时监测与预警系统(利用智能手机、社交媒体和电子健康记录的数据流,结合时间序列预测模型)。

**2.8. 公共卫生意义**
技术进步(如GIS、RS、空间建模和深度学习)显著提升了对VBDs动态的理解,但其公共卫生影响最终取决于这些见解如何有效转化为可操作的政策和干预措施。为了最大化其效用,空间风险图和预测模型应与公共卫生机构合作开发,以指导资源配置、优先排序媒介控制工作,并针对高风险地区定制监测策略。此外,将来自RS、健康记录和移动设备的实时数据整合到集中的预警平台中,使公共卫生当局能够预测暴发并部署预防性干预措施。这种努力需要研究人员、决策者、城市规划者和环境机构之间的密切合作。最后,对实施政策的持续监测和评估——由时空模型和系统地理分析工具支持——对于评估其在减少疾病传播方面的有效性、识别覆盖缺口以及指导适应性调整至关重要。

**3. 地理空间流行病学技术在VBDs中的应用**
**3.1. 系统综述方法**
本系统综述在OSF平台完成注册。研究团队在PubMed和OVID Medline数据库中检索了2015年至2024年间使用地理空间流行病学技术应对VBDs的英文文献。检索策略围绕疾病分布、风险评估、环境相互作用、空间统计方法以及监测和控制策略展开,使用了相关检索词。通过两步筛选流程评估文章。最终纳入的652篇研究涵盖了多种VBDs的应用。

**3.2. 疟疾**
疟疾主要影响热带和亚热带地区,如撒哈拉以南非洲、中南亚和南美洲。高湿度、温暖温度和靠近水体等环境因素为蚊子滋生创造了理想条件。研究广泛探讨了疟疾的传播动态、预防策略和建模方法。GIS在整合环境和社会经济数据进行疟疾风险评估方面发挥重要作用。例如,在印度苏拉特市,高风险区呈现聚集;在埃塞俄比亚巴希尔达尔市,环境因素(如降水、温度、坡度、海拔和近水距离)对疟疾风险有显著贡献。在中国,中华按蚊在18个省的62个监测点被发现,其密度在广西泉州最高。研究还利用创新方法,如创建高分辨率杀虫剂处理蚊帐覆盖图以指导政策制定,以及分析室内残留喷洒的停用、重启和持续实施对乌干达疟疾发病率的不同影响。贝叶斯模型、多准则决策分析和ML算法等方法的进展进一步完善了疟疾研究。

**3.3. 登革热**
DF是主要影响热带和亚热带城市和半城市地区的急性蚊媒疾病。其传播动态受社会、气候和环境因素复杂相互作用的影响。本综述中的182项地理空间流行病学研究确定了美洲、东南亚、西太平洋、东地中海和非洲的DF高风险地区。研究频繁涉及的国家包括巴西、巴基斯坦、阿根廷、墨西哥、泰国、马来西亚、印度和埃及。在中国,广东省、云南省和台湾省也是研究重点。其中,122项研究分析了空间模式并发布了预测预警;92项研究将登革热发病率数据与环境因素整合,构建统计模型并生成风险图;114项研究利用GIS探索时空模式。

**3.4. 黄热病**
YF是一种主要由埃及伊蚊和白纹伊蚊传播的急性病毒性出血热。高温和高湿度有助于蚊子存活和繁殖,导致该病在美洲、非洲和欧洲部分地区(如美国、肯尼亚和埃塞俄比亚)呈地方性流行。本综述中76项YF地理空间流行病学研究显示,46%的研究考察了蚊媒的时空分布及影响媒介动态的因素;33%的研究整合了蚊子分布、环境变量、病毒特性和人类易感性来评估传播风险;21%的研究考察了YF的传播机制。39%的研究使用发病率数据结合环境因素阐明YF的时空动态;41%的研究利用RS技术识别蚊子栖息地和传播风险区域;45%的研究应用先进的空间统计模型和SDMs结合监测数据和环境变量,准确预测宿主和媒介的潜在分布。

**3.5. 其他VBDs**
其他VBDs,包括蜱传莱姆病、螨传恙虫病和蚊传寨卡病毒(ZIKV)病,也显著受特定环境因素的影响。
**3.5.1. 恙虫病**
恙虫病是一种可能致命的急性发热性疾病,由恙虫病东方体引起。影响其发生的主要环境因素包括温度、降水、湿度、日照时数、海拔、植被和耕地比例。研究主要集中在东亚和东南亚,包括中国南方、韩国和尼泊尔。大多数研究使用GIS获取和整合人口密度、病例数、地形和天气等数据构建可视化地图。30%的研究使用RS技术识别影响媒介生存的关键环境指标;67%的研究使用空间模型探索疾病的空间聚集。增强回归树模型和生态位模型是预测恙虫病空间分布趋势最常用的方法。

**3.5.2. 莱姆病**
莱姆病是一种由伯氏疏螺旋体引起的蜱传人畜共患病,已成为最常见的蜱传感染,在美国、欧洲和亚洲部分地区的病例呈上升趋势。本研究共纳入128项莱姆病相关研究。其中38%使用空间分析方法(如探索性空间数据分析)或GIS分析莱姆病聚集及其与环境因素的关系;21%建立模型探讨相关风险因素。气温升高可能导致蜱虫向高纬度和高海拔地区扩张、繁殖周期改变和活动期延长。流行区莱姆病发病率的年际变化与冬季滞后平均气温和春季平均降水量呈正相关,与5月至7月的炎热干旱日数呈负相关。其他研究利用社交媒体数据和基于互联网搜索、GIS和RS的ML算法预测莱姆病发病率。

**3.5.3. 寨卡病毒病**
ZIKV是一种蚊媒黄病毒,于1947年首次从非洲的非人类灵长类动物中分离出。2015年,ZIKV感染在太平洋和美洲迅速传播。ZIKV已从19种不同的伊蚊中分离出来,其中埃及伊蚊是最常见的媒介。美洲大部分大陆适合ZIKV传播,巴西被确定为风险最高的地区。ZIKV发病率表现出显著的空间自相关性,表明病例并非随机分布,而是在特定区域聚集。通过将社会经济和环境因素纳入空间模型,研究人员加深了对ZIKV传播动态的理解。降雨、温度和海拔等环境因素是媒介滋生和生存的关键决定因素,进而影响ZIKV传播模式。地理空间数据和分析方法在识别ZIKV病例高度集中的地区、促进这些地区实施有针对性的媒介控制措施方面发挥着重要作用。

**4. 地理空间VBDs研究的挑战**
尽管地理空间流行病学在VBDs研究中的应用取得了有希望的进展,但仍需承认若干固有挑战。首先,许多用于地理空间分析的数据来源于常规监测系统,通常辅以昆虫学和血清学记录,但这些数据集经常存在延迟、质量参差不齐、格式不一致以及空间或时间分辨率不足的问题。缺乏标准化地理标记以及漏报或社会经济差异等混杂因素的存在,进一步损害了分析结果的可靠性和有效性。其次,在不同空间尺度和分辨率上收集数据,从社区级报告到国家汇总,由于质量和粒度的不一致引入了空间不确定性。时间不确定性也是一个问题,源于不完整的时间序列、报告延迟或不规则采样。此外,不同病原体和宿主的潜伏期差异使暴露和结果的时间对齐复杂化,阻碍了准确的疾病趋势预测。第三,任何特定建模方法的适用性都高度依赖于背景——即受环境、生态和社会人口条件的影响。例如,空间泊松回归模型在分析计数数据方面有效,但在处理过度离散方面有限,可能导致有偏或误导性的估计。贝叶斯和时空模型虽然在捕捉复杂相互作用方面很强大,但需要大量高质量数据集,且计算要求高,这可能限制其在资源匮乏环境中的可扩展性。此外,气候变化改变了媒介生态和季节性,不断扩大的城市区域创造了新的滋生地和接触区,全球连通性促进了病原体和媒介的跨境移动。这些复杂的动态不仅使模型校准和验证复杂化,还要求能够整合非平稳和多尺度影响的适应性框架。

**5. 未来方向**
地理空间流行病学在推动VBDs研究和控制的全球合作方面具有巨大潜力。在不同地理区域建立监测点、加强实时监测网络以及开发国际数据共享平台是理解传播途径和设计有效预防策略的关键步骤。这些网络应整合地面监测(如昆虫学调查和临床病例报告)与RS和移动健康技术,以确保及时、一致且空间精确的数据收集。方法学进展应专注于将高分辨率卫星数据与当地微气候测量(如温度、湿度和土地覆盖)相结合,以提高媒介栖息地适宜性模型的准确性。应更系统地将ML和AI技术嵌入地理空间流行病学工作流程中,以检测VBDs暴发的早期预警信号,并通过模拟干预情景(如有针对性的喷洒或幼虫源减少)优化媒介控制策略。此外,气候变化日益增长的影响要求未来的研究将地理空间模型与气候预测系统相结合,将预测的VBDs分布变化转化为可操作的、地方尺度的风险图。最终,对VBDs的有效应对需要正式的跨学科整合。“同一健康”框架——连接公共卫生数据、生态建模、气候科学和社会健康决定因素——可以促进国际、跨部门的合作。通过拥抱这种综合方法,地理空间流行病学可以演变为一种预测性、主动性和政策相关的科学,能够减轻21世纪VBDs日益增长的威胁。

**6. 结论**
本综述总结了在地理空间VBDs研究中使用地理空间流行病学技术的应用、挑战和未来前景。通过利用GIS、RS和空间统计模型等分析工具,研究人员可以分析疾病传播的空间模式,识别高风险区域,并评估环境因素的影响。地理空间流行病学的跨学科性质提高了预测准确性,为有针对性的干预提供了信息,并支持高效的资源分配。这些方法为疾病动态提供了关键见解,并将在应对新出现的挑战以及改善VBDs的预防和控制方面发挥日益关键的作用。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号