美国西尼罗病毒和莱姆病的死亡动态

《Environmental Epidemiology》：Mortality dynamics of West Nile virus and Lyme disease in the United States

　　

背景：西尼罗河病毒（WNV）和莱姆病在美国正构成日益增长的公共卫生威胁。本研究调查了WNV和莱姆病的空间与时间死亡趋势，并评估了其与个体层面和县级层面因素的关联。

方法：我们利用国家卫生统计中心（NCHS）数据识别WNV相关和莱姆病相关死亡病例（2003年至2021年），包括人口学特征和死者的居住县。县级保险状况数据来源于美国人口普查局，城市化程度则采用2013年国家卫生统计中心分类标准定义。我们应用负二项回归模型识别死亡率的预测因素。

结果：我们对3694例死亡病例（WNV：2628例，占71.2%；莱姆病：1066例，占28.8%）的分析显示，WNV死亡高峰出现在2003年（246例死亡，占WNV死亡的9.4%）和2012年（281例死亡，占10.7%），而莱姆病死亡呈上升趋势（2021年达103例，占9.7%）。总体而言，死亡人数最高年份为2012年（343例，占9.3%），最低年份为2009年（105例，占2.6%）。年龄≥65岁（率比[RR]=1.5，置信区间[CI]=1.27，1.48）、男性（RR=1.2，CI=1.04，1.26）和白人（RR=1.7，CI=1.37，1.73）与死亡率升高相关。空间分析显示，加利福尼亚州、科罗拉多州、亚利桑那州和德克萨斯州以及沿密西西比河的各州WNV死亡率较高。相比之下，莱姆病死亡病例集中在美国东北部和上中西部地区。

结论：我们的结果表明，年龄、性别、种族和城市化程度是影响WNV和莱姆病死亡的重要因素。鉴于空间和时间上的变异性，需要更多研究将暴露和发病情况与WNV和莱姆病的死亡联系起来，以更好地了解地区差异的驱动因素。

本研究新贡献：这是首项考察西尼罗河病毒和莱姆病（美国最常见的两种媒介传染病）县级死亡模式的研究。先前的研究主要关注发病率和空间分布，而本研究强调了考察这些疾病死亡结局的重要性。鉴于近几十年来发病率的稳定上升和地理范围的扩张，理解影响死亡的因素至关重要。本研究确定了可能塑造这些模式的关键环境和人口学预测因素，为公共卫生规划和针对性干预提供了新的见解。

引言：媒介传播疾病（VBDs）的发病率在美国是一个日益受到关注的问题，其中西尼罗河病毒（WNV）和莱姆病是最常被报告的两种VBDs。WNV是一种蚊虫传播的虫媒病毒，主要在蚊子和鸟类之间的传播循环中维持，人类和其他哺乳动物充当偶然宿主。莱姆病由受感染的黑腿蜱传播的伯氏疏螺旋体引起。在过去20年中，这两种疾病的报告病例数均出现了令人担忧的增加。美国疾病控制与预防中心（CDC）披露，从1999年到2023年，美国共报告了超过59,000例WNV病例，导致近3000人死亡。2022年莱姆病病例数较2017年至2019年的平均水平增加了68.5%，据估计每年报告约476,000例病例。

WNV和莱姆病在美国的分布存在空间差异，其地理范围在过去几十年中持续扩张。自莱姆病的1995年和WNV的1999年以来，这两种疾病的地理范围都已扩展，主要是由于有利于传播这些疾病的蜱和蚊虫繁殖的气候条件。关于WNV的空间传播，西部和中西部各州在疫情期间的发病率较高，有些州的感染率高达人口的2%。关于莱姆病的分布，近期报告发病率较高的地区包括缅因州（每10万人中132.7例）、新罕布什尔州（109.4例）、罗德岛州（97.6例）和佛蒙特州（141.6例）。2023年，莱姆病病例在高发病率州激增，包括宾夕法尼亚州（占美国病例的29%），其次是新泽西州和纽约州（各占约12%）。此外，威斯康星州在2023年报告了创纪录的6379例莱姆病病例，高于2018年至2022年每年4000例的水平。WNV和莱姆病病例报告显示出季节性模式。这两种疾病在扩展地理范围的同时可能出现季节性高峰，特别是在温暖的地区或温暖的月份（从春末到夏季），此时蚊虫和蜱虫的数量增加。

WNV和莱姆病在美国的死亡模式研究不足。尽管发病趋势已有充分记录，但死亡数据仍然有限，实际负担可能被低估。据报道，从1999年到2020年，美国WNV死亡人数为2,456例，2021年为227例。老年男性成年人的死亡率较高。评估WNV负担的一个重大挑战是，约75%的感染无症状，导致感染被大量漏诊，使疾病监测变得复杂。因此，WNV相关死亡率可能被低估，因为感染可能未被识别或死亡未被归因于WNV。同样，报告的莱姆病相关死亡人数较低，部分原因是致命性疾病不常见，且死亡通常被归因于感染的并发症（如莱姆心脏炎），而不是莱姆病本身。例如，CDC对1999年至2003年死亡证明的审查发现，尽管该期间报告了超过96,000例病例，但仅有23例将莱姆病列为死亡的根本原因。这表明，WNV和莱姆病死亡可能在真实人群负担中被低估。尽管已有众多研究探讨了WNV和莱姆病的患病率和发病率与环境条件的关系，但关于这些因素如何影响死亡模式的研究却较少。

虽然莱姆病通过临床和血清学检测进行诊断，但WNV则依赖于在血液或脑脊液中检测病毒。根据医院的不同，健康保险覆盖急性护理，但通常不包括慢性疾病，这给患者带来了经济负担。这些不平等现象在医疗系统欠佳的农村地区更为明显。医院和专业护理人员数量较少会延误诊断和治疗，从而加重病情并增加死亡率。简单的措施，如给予单剂量多西环素预防莱姆病，或对确诊WNV的患者快速收治或住院，都可以减少并发症并降低死亡率。然而，农村居民通常面临更大的障碍来获取此类医疗。

此外，生态变化，如增加的灌溉促进蚊虫繁殖，以及栖息地破坏使媒介更接近人类聚居地，都表明需要考察更广泛的社会人口因素，如城乡状况和健康保险覆盖率，以更好地了解疾病死亡结局的差异。迄今为止，尚无研究评估WNV和莱姆病死亡与城乡差异和健康保险覆盖率等因素之间的关系。

通过本研究，我们解决了美国WNV和莱姆病死亡模式知识中的两个主要目标缺口。首先，我们进行了空间和时间死亡趋势分析，以考察疾病在美国的死亡分布模式。其次，我们进行了回归分析，以识别可能导致较高死亡率的因素，包括社会人口特征、城乡状况和健康保险覆盖率。与先前关于发病率和患病率的研究不同，据我们所知，本研究是首个将死亡结局与环境因素和人口因素结合优先考察的研究。本研究的发现将为公共卫生带来改善，通过提供新的证据支持在高风险地区的资源更好配置，以改善疾病死亡监测并制定更好的干预策略。

材料与方法

数据来源和感兴趣的变量：我们使用国家卫生统计中心2003年1月至2021年12月的多原因死亡微观数据，根据《国际疾病分类第十版》（WNV采用ICD-10编码A92.3、A92.30-A93.33和A93.39；莱姆病采用ICD-10编码A69.2、A69.20-A69.23和A69.29）生成WNV和莱姆病的县级死亡病例计数，涵盖美国本土48个州。我们基于NCHS死亡数据集，对WNV和莱姆病的主要死亡原因和辅助死亡原因进行筛选。此外，我们纳入了社会人口学变量，包括种族（白人 vs. 非白人）和年龄（≤64 vs. ≥65岁），以调整死亡风险差异。我们从NCHS死亡数据集中还保留了死亡发生县以及每份死亡证明中的死亡月份和年份，用于进一步调整。年龄和种族变量被转换为二元变量，以体现各类别的代表性。我们获取了美国人口普查人口与住房单位估计中2012年的县级年度人口估计数据，作为2003年至2021年研究期间的中点。这些人口估计数据用于计算每个县每10万人口的死亡率，反映WNV和莱姆病死亡模式随时间的空间分布。此外，利用地理信息系统绘制了WNV和莱姆病的县级死亡率地图，标示出这些死亡率的空间分布。

我们使用NCHS 2013二元城乡分类代码，将WNV相关和莱姆病相关死亡的县分为大都市县和非大都市县。根据主要基于县人口规模的NCHS城乡定义，大都市县包括大城市中心区、大城市边缘区、中等城市和小型城市类别。非大都市县包括微型城市和非核心类别。使用这一标准化分类，大都市县被归类为城市，非大都市县被认定为乡村。

我们使用美国人口普查局美国社区调查的县级经济特征数据，重点关注健康保险覆盖率。该数据集涵盖2010年至2021年，提供了各县投保和未投保人口比例的估计数据。美国社区调查中的健康保险覆盖通过确定民用非机构化人口中有无健康保险的比例来衡量，这是获取医疗服务的关键指标。在本研究中，我们获取了各县在这12年间的平均未投保人口百分比。该变量用于考察其与所识别各县WNV和莱姆病死亡率之间的关联。

统计方法：我们考察了健康保险覆盖率、城乡状况与WNV和莱姆病死亡之间的关系。针对死亡病例计数的过度离散问题，我们进行了负二项回归模型分析，并纳入社会人口因素，包括种族、年龄和性别，以控制潜在混杂因素。为考虑地区间的差异，模型中纳入了县级随机效应。

主要分析使用合并数据集，将WNV和莱姆病合并，与研究评估美国两大主要VBDs死亡模式的目标一致。为考虑这两种疾病独特的流行病学特征，我们也进行了疾病特异性多变量模型作为敏感性分析。此外，我们评估了疾病类型与模型协变量之间的交互项，以评估不同疾病间的关联是否有所差异。我们使用PROC GLIMMIX按照顺序建模过程。第一个模型仅将年龄、种族和性别作为死亡病例计数的预测变量。第二个模型加入了城乡变量，以评估居住在城市地区与乡村地区对死亡结局的影响。在第三个模型中，我们引入了健康保险状况，由各县的未投保人口百分比表示。我们进一步运行了第四个模型，以考虑县的随机效应。这一策略的实施旨在改善县际之间可能存在的异质性。在所有模型中，我们都纳入了2012年人口的自然对数作为偏移项，通过按人口规模调整死亡病例计数，从而实现不同人口密度县之间更准确的比较。作为敏感性分析，我们使用2010年至2019年各县平均人口——这是可获得完整县级人口估计数据的最长连续期间——重复了所有负二项回归模型，以评估研究结果对人口分母选择的稳健性。

所有统计分析均使用SAS软件（9.4版本）33进行，空间可视化和制图则使用ArcGIS Pro完成。3?

结果

本研究共纳入2003–2021年间归因于西尼罗河病毒（WNV）和莱姆病的3694例死亡，其中2628例（71.2%）归因于WNV，1066例（28.8%）归因于莱姆病（表1）。男性占两种疾病死亡人数的多数，WNV为66.2%，莱姆病为56.7%（表1）。65岁及以上人群在两种疾病中的死亡人数最多，分别占77.1%（2027例）和61.6%（657例）（表1）。绝大多数死亡（91.0%）发生在白人人群中，其中WNV占89.0%，莱姆病占96.0%（表1）。

表1. 2003–2021年西尼罗河病毒和莱姆病死亡的 sociodemographic 特征分布

| 类型 | 人口统计学特征 | 西尼罗河病毒死亡（N=2,628） | 莱姆病死亡（N=1,066） | 总死亡（N=3,694） |
|------|--------------|------------------------|---------------------|------------------|
| **个体特征** | **人数（%）** | **人数（%）** | **人数（%）** |
| 性别 | 男性 | 1,740（66.21） | 604（56.66） | 2,344（63.45） |
| | 女性 | 888（33.79） | 462（43.34） | 1,350（36.55） |
| 年龄 | ≤64岁 | 601（22.87） | 409（38.37） | 1010（27.34） |
| | 65岁及以上 | 2,027（77.13） | 657（61.63） | 2,684（72.66） |
| 种族 | 白人 | 2,145（88.97） | 925（96.05） | 3,070（91.01） |
| | 非白人 | 266（11.03） | 38（3.95） | 304（8.99） |
| | 缺失 | 21 | 7 | 28 |
| 年份 | 2003 | 246（9.36） | 28（2.63） | 274（7.42） |
| | 2004 | 122（4.64） | 32（3.00） | 154（4.17） |
| | 2005 | 117（4.45） | 37（3.47） | 154（4.17） |
| | 2006 | 167（6.35） | 40（3.75） | 207（5.60） |
| | 2007 | 143（5.44） | 26（2.44） | 169（4.57） |
| | 2008 | 90（3.42） | 42（3.94） | 132（3.57） |
| | 2009 | 49（1.86） | 46（4.32） | 95（2.57） |
| | 2010 | 75（2.85） | 47（4.41） | 122（3.30） |
| | 2011 | 62（2.36） | 43（4.03） | 105（2.84） |
| | 2012 | 281（10.69） | 62（5.82） | 343（9.29） |
| | 2013 | 158（6.01） | 52（4.88） | 210（5.68） |
| | 2014 | 140（5.33） | 63（5.91） | 203（5.50） |
| | 2015 | 138（5.25） | 64（6.00） | 202（5.47） |
| | 2016 | 133（5.06） | 65（6.10） | 198（5.36） |
| | 2017 | 149（5.67） | 74（6.94） | 223（6.04） |
| | 2018 | 156（5.94） | 55（5.16） | 211（5.71） |
| | 2019 | 90（3.42） | 96（9.01） | 186（5.04） |
| | 2020 | 95（3.61） | 91（8.54） | 186（5.04） |
| | 2021 | 217（8.26） | 103（9.66） | 320（8.66） |
| **县级特征** | **城镇化** | | | |
| | 城市 | 2,357（89.48） | 862（80.88） | 3,220（87.00） |
| | 农村 | 271（10.52） | 204（19.12） | 474（13.00） |
| 保险状况 | 无保险人口平均占比 | 11.82% | 9.92% | 11.67% |
| | 有保险人口平均占比 | 88.18% | 90.08% | 88.33% |
| | 有私人保险人口平均占比 | 67.09% | 70.08% | 66.98% |
| | 有公共保险人口平均占比 | 32.91% | 29.92% | 33.02% |

大多数死亡发生在城市地区，WNV死亡的89.5%和莱姆病死亡的80.9%发生在城市县。农村地区占WNV死亡的10.5%和莱姆病死亡的19.1%，合计占WNV和莱姆病总死亡人数的13%（表1）。

在WNV死亡发生的县中，该县人口的11.82%无保险。在莱姆病相关死亡发生的县中，该县人口的9.92%无保险。在有保险人群中，与美国全国平均水平其他县相比，报告莱姆病死亡的县中私人保险人口比例略高（70.08%），而WNV相关死亡的县中公共保险人口比例较高（32.91%）（表1）。

WNV和莱姆病的死亡时间趋势显示各年存在变化。WNV死亡人数在2003年（246例，9.36%）和2012年（281例，10.69%）达到峰值，而莱姆病死亡人数在2021年最高（103例，9.66%）（图1）。

图1. 2003–2021年西尼罗河病毒和莱姆病年度死亡计数模式。

总体而言，死亡总数在2012年最高（343例，9.32%），2009年最低（105例，2.57%）。图2展示了归因于WNV和莱姆病的死亡月度分布。数据显示WNV存在季节性模式，死亡率在7月急剧上升，9月达到峰值约750例死亡，随后在秋季月份下降。相比之下，莱姆病死亡率全年保持相对稳定（图2）。

图2. 2003–2021年美国与WNV和莱姆病相关死亡的月度分布。

图3A中的地图展示了WNV死亡率分布，主要影响美国西部和中部地区的各县。加利福尼亚州、亚利桑那州、德克萨斯州和科罗拉多州等州的高死亡率聚集区明显，中西部地区也有额外的热点区域，特别是沿密西西比河一带（图3A）。图3B中的地图显示莱姆病死亡率分布，高死亡率县集中在美国东北部。纽约州、新泽西州和宾夕法尼亚州尤为突出，此外上中西部地区也有部分区域，特别是在明尼苏达州和威斯康星州（图3B）。

图3. 2003–2021年美国各县与（A）WNV和（B）莱姆病相关的死亡率分布。

表2展示了负二项回归模型的结果，分析了WNV和莱姆病死亡数与县级预测变量之间的关联，包括城镇化程度、健康保险状况以及年龄、性别和种族等人口变量。通过逐步建模方法，我们探讨了各种社会人口和地理因素对死亡结果的影響。

表2. 按社会人口因素划分的WNV和莱姆病死亡的负二项回归模型

| 变量 | 模型1 | | | 模型2 | | | 模型3 | | | 模型4 | | |
|------|------|------|------|------|------|------|------|------|------|------|------|------|
| | 估计值 | P值 | RR（95%CI） | 估计值 | P值 | RR（95%CI） | 估计值 | P值 | RR（95%CI） | 估计值 | P值 | RR（95%CI） |
| 年龄（≥65 vs. <65） | 0.37 | <0.0001 | 1.45（1.31–1.62） | 0.26 | <0.0001 | 1.3（1.20–1.43） | 0.25 | <0.0001 | 1.28（1.16–1.42） | 0.14 | 0.0004 | 1.15（1.06–1.25） |
| 性别（男 vs. 女） | 0.15 | 0.0073 | 1.16（1.04–1.30） | 0.19 | <0.0001 | 1.22（1.11–1.34） | 0.19 | 0.0003 | 1.21（1.09–1.34） | 0.16 | 0.0002 | 1.17（1.07–1.26） |
| 种族（白人 vs. 非白人） | 0.55 | <0.0001 | 1.73（1.45–2.08） | 0.45 | <0.0001 | 1.57（1.34–1.84） | 0.52 | <0.0001 | 1.68（1.42–1.99） | 0.41 | <0.0001 | 1.51（1.31–1.73） |
| 城市/农村县 | ?2.6 | <0.0001 | 0.07（0.07–0.08） | ?1.74 | <0.0001 | 0.18（0.13–0.22） | ?1.33 | <0.0001 | 0.26（0.19–0.38） | | | |
| 无保险县 | | | | | | | ?0.02 | 0.0007 | 0.98（0.96–0.99） | 0.008 | 0.488 | 1.01（0.98–1.03） |
| 模型拟合（AIC） | 9,959.13 | | | 8,819.79 | | | 7,373.77 | | | 5,449.84 | | |

模型1：基线模型，包括年龄、性别和种族作为预测变量。模型2：在模型1基础上增加城市/农村县分类。模型3：在模型2基础上，将无保险人口占该县人口的比例作为预测变量。模型4：全模型，包括所有变量并考虑县级随机效应。对于所有模型，人口规模的自然对数作为偏移量纳入，以调整各县人口密度的差异。较低的AIC值表示模型拟合度更好，在拟合优度和模型复杂度之间取得平衡。P<0.05表示具有统计学显著性。AIC表示Akaike信息准则。

我们检验了计数数据的分布特性。具体而言，我们计算了死亡数的均值和方差，发现估计方差1.54略高于均值1.20。这表明存在过度分散现象，即数据的变异程度大于泊松分布所假设的变异程度。负二项模型特别适合此类数据，因为它包含一个额外的分散参数来解释这种额外变异，从而得出更准确、更稳健的推断。因此，观察到的过度分散现象支持了我们选择负二项模型而非标准泊松回归的决定。

模型1检验了年龄、性别和种族对死亡率的影响。结果表明，65岁及以上个体与64岁及以下个体相比，死亡风险高45%（风险比[RR]=1.45，P<0.0001）。同样，男性比女性死亡风险高16%（RR=1.16，P=0.007），被认定为白人的个体与非白人相比，死亡风险高73%（RR=1.73，P<0.0001）。这些RR表明年龄、性别和种族是死亡率的重要预测因素，高龄、男性和白人种族与死亡风险增加相关。

在模型2中，引入城市/农村县分类显著改变了死亡率预测。居住在农村县的个体WNV和莱姆病死亡风险降低了93%（RR=0.07，P<0.0001）。其他预测变量仍然显著，但效应量略有减小。

模型3纳入了健康保险状况，重点关注无保险人口占比较高的县。无保险个体比例较高的县WNV和莱姆病死亡较少（RR=0.98，P=0.0007）。在该模型中，城市/农村指标仍然是死亡率的显著预测因素（RR=0.18，P<0.0001）。

最后，模型4考虑了县级随机效应，以控制县间的异质性。纳入该随机效应后，大多数关联的效应量略有减小，但年龄、性别和种族等关键预测因素仍然具有统计学显著性。无保险县的效应在该模型中不再显著（RR=1.01，P=0.488），表明死亡人数的变异在一定程度上可以由县级因素解释。

我们还进行了敏感性分析以评估主要结果的稳健性。特定疾病的模型结果与合并分析基本一致（表S1，https://links.lww.com/EE/A469）。同样，使用2010年至2019年平均县级人口作为分母的计算，所得结果与主要分析无明显实质差异（表S2，https://links.lww.com/EE/A469）。

讨论

本研究探讨了2003年至2021年间影响美国WNV和莱姆病死亡率的社会人口和地理因素。关于时间模式，WNV相关死亡在2003年和2012年达到峰值，而莱姆病死亡率自2003年以来呈现稳步渐进增长，在2021年达到最高水平。此外，WNV死亡主要分布在美国西部和中西部，而莱姆病相关死亡主要出现在美国东北部。人口统计结果显示，高龄、男性和白人人群在两种疾病中均一致与较高死亡率风险相关。此外，与农村地区相比，城市地区的WNV和莱姆病死亡率更高。虽然县级无保险人口比例与死亡率呈正相关，但在考虑县级异质性后，这一关联不具有统计学显著性。

我们的结果表明，老年人，特别是65岁及以上人群，与年轻人群相比，这两种疾病的死亡率显著更高。这一结果与既往文献一致，既往文献将年龄与向量传播疾病（VBDs）的严重结局风险增加联系起来，这可能与免疫应答随年龄增长而下降有关。3?,3? 此外，老年人常伴有更高的合并症发生率，如心血管疾病、糖尿病或慢性呼吸系统疾病，这些合并症可能加重疾病严重程度并导致更高死亡率。3? 由于大量莱姆病和WNV感染为无症状感染（莱姆病估计约为75%，WNV约为70%）13,2?，这些疾病可能未被诊断，增加了延迟检测及相关并发症的风险，这对脆弱人群尤为值得关注。这些发现强调了针对特定年龄组进行干预的必要性，包括教育宣传活动和定制化的媒介控制项目。未来研究应关注合并症对老年人死亡风险的影响。了解这些相互作用有助于优化干预策略并改善对脆弱人群的临床管理。

我们的结果还显示，男性在WNV和莱姆病两种疾病中的死亡率均高于女性。这些结果与现有研究一致，现有研究表明性别间的生物学和行为差异可能影响对病原体的暴露和免疫应答。3?,3? 行为因素，如男性更可能从事户外工作或休闲活动，可能增加其对疾病媒介的暴露。要缩小这一差距，需要公共卫生信息宣传强调不同性别群体的风险缓解措施，特别是在流行地区的户外职业或活动中的人群。

种族是另一个与死亡率相关的重要因素，白人人群与WNV和莱姆病相关的死亡率高于非白人人群。这一发现与其他研究一致，这些研究表明白人人群中WNV和莱姆病的发病率更高。3?,?? 这一结果与既往研究的一致性进一步表明环境暴露和社会行为因素的重要性。包括户外职业或休闲活动在内的因素，通常由白人人群从事，可能导致对这些VBDs的易感性增加。此外，这些疾病在白人群体占比较高的地区存在地理聚集，可能加剧暴露风险。?1,?2 因此，我们的发现不仅支持了这一观察到的趋势，还强调了需要在疾病流行率和人口脆弱性交叉的地区实施针对性干预措施的必要性。

对于WNV，美国每年报告的疫情频发于西部和中西部各州，如加利福尼亚州、德克萨斯州和亚利桑那州。这些地区由于蚊媒繁殖季节延长、气温升高以及有利于媒介生长的环境条件，传播率较高。?3,?? 对于莱姆病，大多数病例集中在东北部和上中西部各州，与既往研究中观察到的既定模式一致。1?,?1 虽然既往研究主要在州一级探讨这些疾病的空间模式且主要关注病例数，但我们的发现通过分析全国县级数据并关注死亡率，显示出与这些更广泛模式的高度一致性。此外，我们在分析中观察到的季节性死亡模式总体上反映了WNV和莱姆病已知的地理分布。然而，由于死亡记录记录的是死亡时间而非感染或暴露时间，因此这些发现应被解释为死亡模式而非疾病传播或疫情爆发的直接度量。此外，居住在农村非都市县的个体记录的死亡率低于都市县的居民。

然而，这一发现应谨慎解读，因为居住地或死亡登记所在县可能无法反映实际的媒介暴露地点。对于莱姆病而言，这种区别尤为重要，因为其暴露通常发生在农村、城乡结合部或林地环境中，即使在居住在都市县的个体中也是如此??。在农村地区，有限的医疗资源可能阻碍病例的及时检测和报告，这可能导致死亡率看起来比实际情况更低，尽管诊断和治疗延迟可能会增加严重预后的风险23,??。此外，城市地区较高的人口密度可能会增加疾病传播风险，尤其是对于像西尼罗河病毒（WNV）这类以蚊虫为媒介的疾病，它们在积水区域和较大人口规模的环境中更易传播??,??。研究城乡居住状况与健康保险可及性之间的相互作用，对于理解死亡率差异并制定公平的策略以减少WNV和莱姆病的公共卫生负担至关重要。以各县无保险人数百分比衡量的健康保险状况与死亡率呈负相关，表明无保险率较高的县WNV和莱姆病死亡率较低。然而，这一出乎意料的结果很可能受到未测量的混杂因素或各县间结构性差异的影响。因此，在校正县级异质性后，关联方向发生逆转，表现为无保险县级别比率与死亡率结局之间呈正向但无统计学显著性的关系。这种转变强调了在解释生态水平关联时考虑县别因素和未观察到的异质性的重要性。最终模型中显著性的减弱意味着其他县级因素，如医疗基础设施和公共卫生能力，可能在决定死亡率中发挥更核心的作用。这一发现与相关研究一致，这些研究强调了健康保险覆盖、医疗可及性与健康结局之间关系的复杂性，尤其是在医疗可及性可能受限的服务不足社区中2?,??,??。尽管WNV疾病与莱姆病在流行病学和传播动态上存在差异，但本研究的主要目标是评估美国两大主要虫媒传染病（VBD）的死亡模式。疾病特异性敏感性分析得出的结果总体上与合并模型一致，且在疾病类型与模型协变量之间未观察到显著交互作用。这些结果支持使用合并模型，同时承认疾病特异性分析对于理解每种疾病的独特流行病学仍然重要。利用2010至2019年各县平均人口的敏感性分析进一步支持了结果的稳健性，其结果与使用2012年中点人口所得结果几乎相同。本研究使用县级数据的局限性在于，可能掩盖风险因素、医疗可及性和社会经济特征在个体水平的变异。此外，虽然死亡数据涵盖2003至2021年，但健康保险数据仅可从2010至2021年获得。这一差异可能影响观察到的关联，因为2010年《平价医疗法案》（ACA）的出台显著扩大了全美健康保险覆盖面，尤其通过医疗补助扩展和补贴性保险计划32。ACA使无保险人口显著减少，为低收入人群和伴有既存状况者等弱势群体带来了医疗可及性的明显改善。这一转变可能影响健康保险状况在早期数据中的相关性，在解读研究结果时应予以考虑。本研究为2003至2021年间美国WNV和莱姆病死亡率的社人口学和地理因素提供了有价值的见解。研究的一个关键优势在于其全面的方法，通过描述性分析和预测建模在较长时间内识别关键趋势和关联。通过考察年龄、性别、种族、城乡居住状况和健康保险覆盖等变量，本研究有助于更深入地理解死亡率结局的差异，并突出了针对性公共卫生干预的领域。尽管具有这些优势，本研究在解读研究结果时也存在若干局限。虽然使用县级数据有助于识别更广泛的地理模式，但可能掩盖风险因素、医疗可及性和社会经济特征在个体水平的变异。这一局限可能影响所观察关联的精确性，也凸显了未来研究纳入个体水平数据的必要性。此外，2010至2021年间健康保险数据的可获得性构成另一局限。这一差异意味着早期年份的死亡数据（2003–2009年）无法考虑健康保险覆盖情况，可能影响所观察到的关系。2010年ACA的实施显著扩大了健康保险覆盖，也可能在分析中引入了时间偏倚。需要注意的是，WNV和莱姆病的病例定义随时间推移均经历了修订，这使历年报告的病例和死亡的比较变得复杂化。对于莱姆病，2008年的修订引入了"疑似病例"类别并拓宽了临床和实验室标准，这很可能增加了可计数的病例数量1?,?1。更近期的2022年，高发病率州被允许仅基于实验室证据报告病例，这一变化使全国病例数较往年增长了近70%。同样，WNV于2002年成为全国法定报告疾病，2005年监测扩展到包括神经系统侵袭性和非神经系统侵袭性病例。此后，2013年神经系统侵袭性疾病的定义修订去除了"发热"作为必需标准，这可能在不反映实际传播变化的情况下改变了病例计数?2。重要的是，这些不断演变的病例定义也引入了2003至2021年间死亡可能被漏报的可能性，因为死亡监测依赖于准确的病例识别和分类。综合来看，这些定义变化表明观察到的死亡率或发病率趋势可能反映监测实践和诊断标准的变化，因此在进行比较分析时必须谨慎。另一个潜在局限是死亡数据可能被漏报或误分类，特别是在医疗基础设施和监测系统可能较薄弱的农村地区。由于诊断实践和医疗提供者意识的差异，莱姆病和WNV可能被漏诊或漏报。死亡证明上可能不一致地反映这些疾病，因为将WNV或莱姆病列为死因通常取决于当地实践和提供者判断。此外，死亡记录反映的是死亡时间而非感染或媒介暴露时间。由于从感染、症状出现、疾病进展到死亡之间可能存在延迟，记录的死亡月份可能不对应于暴露发生的月份。因此，本研究中观察到的季节性模式应被解读为死亡率模式，而非传播动态或疫情时间的直接衡量。这种变异性可能导致这些疾病真实负担的低估，特别是在诊断资源有限或临床意识低的地区。尽管如此，本研究的结果强调了解决系统性医疗不平等、改善疾病监测系统以及针对高风险人群需求定制公共卫生干预措施的重要性。通过识别关键差距和局限，本研究为未来研究提供了基础，以建立和完善对虫媒传染病死亡模式的理解。结论：本研究的结果表明，年龄、性别、种族、城市化和健康保险状况是影响WNV和莱姆病死亡率的重要因素。针对特定人群，尤其是老年人和城市人口的干预措施，对于减少这些疾病的公共卫生负担至关重要。未来研究应致力于整合个体水平数据，包括合并症和医疗利用情况，以更深入地了解WNV和莱姆病病例死亡率的驱动因素。