《Preventive Veterinary Medicine》：From mapping to prediction: a systematic review and critical appraisal of methodological approaches to assessing avian influenza incursion risk in domestic poultry
编辑推荐：
高致病性禽流感（HPAI）病毒持续威胁全球家禽生产和公共卫生。为审视评估该风险的方法学路径，研究人员利用PubMed和Web of Science数据库，对评估禽流感病毒（AIV）在家禽中传入风险的同行评议研究进行了系统性综述与批判性评价。定量建模方法涵盖从统
高致病性禽流感（HPAI）病毒持续威胁全球家禽生产和公共卫生。为审视评估该风险的方法学路径，研究人员利用PubMed和Web of Science数据库，对评估禽流感病毒（AIV）在家禽中传入风险的同行评议研究进行了系统性综述与批判性评价。定量建模方法涵盖从统计、数据驱动型方法到机制框架，并在不同时空尺度上运作，以养殖场或地理区域作为关注的流行病学单元。整体而言，分析选择主要由数据可用性决定，这制约了可实现的解析度并影响了模型所能解答的问题。大多数应用聚焦于区域层面分析，往往描述历史空间风险格局而非支持前瞻性推断。统计模型常依赖与既往传入事件相关的代理变量，限制了生物学可解释性与稳健性。近期野生鸟类监测的改进（包括公民科学计划）使得对野生鸟类动态的表征更加明确，然而家禽种群数据的持续缺口仍限制了许多地区的模型发展。在养殖场级数据有限的场景下，通常采用机制方法，其依赖于对潜在疾病传播动态的假设。各研究面临的一个共同挑战是模型验证有限，反映出暴发数据稀疏以及暴发的空间与时间聚集性。当在养殖场级与区域级输出间进行外推时，尺度错配以及生态谬误与原子谬误的风险进一步复杂化了结果的解读。总体而言，本综述强调了确保风险问题与预测预期能够反映现有数据及验证可行性至关重要。
论文解读文章
一、研究背景与研究目的
高致病性禽流感（HPAI）病毒，特别是源自A/Goose/Guangdong/1/96（Gs/Gd）谱系的H5亚型，自2021至2022年间在欧洲引发了有记录以来最大规模的HPAI H5流行，导致超过4600万只家禽被扑杀并造成大量野生鸟类死亡。候鸟迁徙被认为是这些病毒全球扩散与演化的关键驱动力，某些物种能在活跃感染状态下完成长距离迁徙，从而促进跨大陆传播。评估家禽种群的传入风险对于制定监测与控制策略至关重要。然而，AIV传入家禽的过程受到家禽与野生鸟类种群快速变化特征的双重驱动，理想的评估需依赖在这两个系统中尺度可比的高质量数据。实践中此类数据极少完备，不完备或代理信息的运用会制约风险评估与模型输出的可解释性与相关性。此前虽有综述探讨过AIV风险因素与机制性传播途径，但尚无研究系统性地专门评估用于估算、预测或预报家禽中AIV传入风险的模型。为此，研究人员开展了本次系统性综述，旨在：（i）识别并描述评估家禽中AIV传入风险的现有方法及其随时间演变；（ii）比较这些方法的应用场景、数据需求与分析尺度；（iii）批判性评价因使用不同数据源、时空分辨率及验证实践而产生的方法学与推断局限性。
二、关键技术方法
研究人员遵循PRISMA指南，于2024年5月21日对PubMed和Web of Science进行了系统性检索，并于2025年8月13日进行了最终更新，覆盖1996年至2025年的同行评议文献。筛选标准要求研究至少满足以下一项：（1）预测或预报家禽中禽流感传入风险；（2）使用定量或定性方法评估传入风险。一名评审员（EN）进行初始标题与摘要筛选，另一名评审员（JG）盲法评估了10%的随机子集，Kappa一致性系数k>0.8后继续筛选。数据提取涵盖了建模方法、目标人群、输入数据特征（如野生鸟类感染、密度或代理变量）、家禽特征、模型输出属性（时空分辨率、验证方法等）。定量模型按模型方法（统计/机制）和流行病学关注单元（养殖场级/地理区域级）进行分类。统计方法细分为统计关联模型与机器学习模型；机制方法细分为风险评估框架、空间风险模型与疾病传播/基于个体模型。
三、研究结果
3.1 筛选过程：初次检索获得2057篇文章，去重后剩余1397篇。标题与摘要筛选排除1143篇，初步纳入58篇。二次补充检索新增104篇独特文章，其中11篇符合纳入标准。最终共69篇文章纳入综述。
3.2 纳入研究的一般特征：研究涉及23个国家，13项研究涵盖多个国家。55项研究定量评估了AIV传入家禽的风险，9项采用半定量方法，5项依赖定性风险评估。多数研究（52项）聚焦HPAI，6项关注低致病性禽流感（LPAI），10项未明确致病性。超过半数研究（36/69）针对特定亚型（H5N1、H5N8、H5N6、H7N9、H9N2）。
3.3 定量模型
3.3.1 建模方法：55项定量研究中，12项采用机制方法（含2项区室传播模型、6项风险评估框架、3项其他数学框架），43项采用统计方法（15项为解释性风险地图，4项为预测性模型）。决策树（12项）、最大熵模型（10项）和逻辑回归（9项）是最常用的统计/机器学习方法。
3.3.2 流行病学关注单元：38项研究以地理区域为分析单元，17项以养殖场为单元。区域研究的空间分辨率从1km2到110km2不等。在17项养殖场级研究中，9项在养殖场水平估计结局。大部分研究（37/55）未指定输出结果的时间分辨率。
3.3.3 跨研究方法学特征：野生鸟类特征（种群、患病率、移动）在机制模型中更常见（11/12），而统计模型多依赖代理变量（如距水体距离、气候因子）。统计模型几乎普遍使用家禽暴发数据（41/43），机制模型则基本不用。超过三分之二（27/43）的统计模型采用内部验证，仅9项研究使用了外部独立数据验证。
四、讨论与结论
4.1 研究发现总结：综述揭示了若干反复出现的方法学问题。首先，基础风险问题的模糊性（模型旨在预测未来还是回顾过去）阻碍了解释与决策。其次，许多研究混合了在不同流行病学水平测量的变量，可能导致生态谬误与原子谬误。第三，由于数据限制而广泛使用代理变量，限制了生物学的可解释性与跨情境的可迁移性。最后，有限的外部验证与不明确的时空尺度制约了模型在前瞻性决策中的应用。
4.2 方法学路径的批判性评价：统计方法与机制方法通常应用于不同的分析问题。野生鸟类感染数据仍是一大瓶颈，多数研究依赖代理变量（如距水体距离）或固定参数。表征野生鸟类与家禽接触仍是重大挑战，仅有一项机制研究通过基于常微分方程（ODE）的SIR模型显式参数化了这一接触。家禽数据的可用性差异巨大，养殖场级风险评估罕见，主要集中在拥有极详细监测数据的地区（如韩国）。
4.3 对未来建模的启示：综述指出，基于历史模式的空间优先排序与支持前瞻性决策之间存在权衡。减少代理变量偏差方面，公民科学平台、气象雷达和鸟类追踪技术提供了更直接的信息，但仍需考虑采样偏差。加强模型验证方面，在数据稀缺条件下，应更多采用时空独立的验证策略。展望未来，研究人员提出了一套通用的建模框架，第一步是明确定义风险问题（包括关注单元与时间段）；第二步是检查所需观察数据；第三步是选择建模框架并定义可估量；最后一步是敏感性分析与验证。对于机制模型，敏感性分析尤为重要；对于统计/机器学习模型，时空分离的验证比随机交叉验证更能提供可靠的性能评估。三角互证法——即比较基于不同假设与信息来源的模型——可为评估模型稳健性提供额外手段。
研究结论：总体而言，本综述强调了确保风险问题与预测预期能够反映现有数据及验证可行性至关重要。
