《Discover Public Health》：A nationwide ecological time-series analysis found no stable temporal or predictive relationship between dengue and COVID-19 surveillance records in Mexico from 2020 to 2025
编辑推荐：
利用全国监测记录，研究人员评估了2020–2025年间COVID-19动态能否解释、预测或改善墨西哥每周登革热监测记录负担的预测。研究人员分析了1,085,869条登革热记录和20,632,470条COVID-19记录。对每日症状发病覆盖率的审计识别出10个不
利用全国监测记录，研究人员评估了2020–2025年间COVID-19动态能否解释、预测或改善墨西哥每周登革热监测记录负担的预测。研究人员分析了1,085,869条登革热记录和20,632,470条COVID-19记录。对每日症状发病覆盖率的审计识别出10个不完整的登革热周，这些周聚集在年末或数据快照边界附近；这些周被视作缺失而非零值处理，最终保留了来自32个行政实体的8,695个州-周观测用于推断分析。主要每周计数经log10(记录数+1)变换，并采用固定2020年INEGI人口进行人口标准化敏感性分析。研究人员检验了合并、分年度、大流行期/大流行后期、州特异性季节性、非线性时间调整及滞后关联，并进行了直接预测消融。经审计的合并关联呈负相关（Pearson r = -0.331，bootstrap 95% CI -0.349至-0.312；Spearman rho = -0.311），但其方向和幅度随年份变化，从2021年的r = 0.096到2023年的r = -0.312。人口标准化得到r = -0.386，而去除州和日历周效应后关联降至r = -0.049。在州特异性调整年份、循环流行病学周结构和非线性时间后，合并残差相关性为r = -0.055；经额外AR(4)预白化后，最大绝对滞后相关性为0.053。在直接消融中，将COVID-19滞后项加入登革热滞后项、季节性周和州效应后，测试RMSElog10从0.1753变为0.1749（差值 = -0.0004；block-bootstrap 95%区间 -0.0019至0.0011）。这些发现支持两条监测序列之间不存在稳定的直接时间或预测耦合；合并的负相关主要是日历时间和流行病学流行格局结构的特征。
论文解读
一、研究背景与问题
COVID-19大流行深刻改变了传染病生态与监测格局。除SARS-CoV-2感染的直接负担外，大流行还改变了人群流动性、社会行为、就医意愿、诊断路径、实验室能力、公共卫生人员配置及常规报告系统的连续性。非药物干预措施与多种传染病发病率的显著变化相关，但其效应因病原体、地区及监测背景而异。对于蚊媒传染病，这种干扰尤为复杂：出行减少可能限制输入性感染，而居家隔离、家庭暴露增加、储水方式改变、媒介控制活动中断、临床误分类及医疗系统优先级竞争，可能抑制、放大或掩盖传播。
登革热（dengue）是全球最重要的虫媒病毒病之一，由四种抗原性不同的登革病毒血清型引起，主要通过埃及伊蚊和白纹伊蚊传播。全球估计年负担巨大，且存在大量漏报。登革热传播受温度、降雨、湿度、城市化、人口密度、储水、人群流动、媒介丰度、病毒血清型循环、人群免疫及媒介控制强度等因素塑造。气候变化、人口扩张、城市增长和全球连通性预计将进一步增加伊蚊传播的风险人群。
大流行后登革热的复燃加剧了理解大流行时期时间序列是否包含有用流行病学信息的必要性。美洲在2024年经历了历史性的大规模登革热流行，超过既往区域纪录。墨西哥是特别相关的研究场景，因为其登革热传播在联邦实体间存在显著空间异质性，受气候梯度、城市生态、媒介分布和地方卫生系统能力影响。同时，COVID-19产生了大规模全国性波次并显著改变医疗需求，而国家开放数据系统提供了虫媒病毒病的纵向监测记录。
登革热与COVID-19之间的关系在生物学上具有合理性但流行病学上难以解释。两种疾病初期均可表现为发热、头痛、肌痛、皮疹、胃肠道症状、血小板减少和非特异性全身表现，在登革热流行区造成鉴别诊断困难。有报告称确诊COVID-19患者中出现登革热血清学假阳性，引发对诊断交叉反应和误分类的担忧。相反，关于实验室确诊合并感染和血清学交叉反应的证据仍不一致。个体层面机制如免疫交叉串扰、抗体依赖性增强或病毒干扰已被提出，但无法使用汇总的州-周监测数据评估。因此，本研究不检验或推断登革病毒与SARS-CoV-2之间的免疫学相互作用。
在人群层面，表观的登革热–COVID-19相关性可能反映共享的时间结构而非直接流行病学耦合。此前一项跨国研究提出连接登革热与COVID-19的神经网络“相关模型”，同时纳入气候、假日和时间结构等外部变量。然而，若未将周生态相关性从季节性、长期趋势、地理异质性、报告伪迹和登革热自身自回归行为中分离，则可能产生误导。墨西哥的预测工作表明，登革热的短期和季节性自相关均携带大量预测信息，而市级分析记录了伊蚊传播疾病气候和社会经济驱动因素的显著空间异质性。
二、研究设计与方法概述
研究人员开展了一项纵向生态学研究，使用墨西哥登革热和COVID-19国家监测记录，以联邦实体-周为分析单位，按居住州和症状发病周汇总个体记录。登革热症状发病日期范围为2020年1月1日至2025年5月24日，COVID-19为2020年1月1日至2025年6月2日。实体编码1–32在两个数据集中均可匹配并纳入配对面板。研究使用症状发病日期作为时间参考，因其比登记或数据库更新日期更能近似流行动态。
关键方法包括：每周计数经log10(n+1)变换以稳定方差；对每日国家症状发病覆盖率进行审计，识别出10个不完整登革热周并视作缺失；计算Pearson和Spearman相关性并采用bootstrap置信区间；进行分年度和大流行期/大流行后期分析；定义州特异性高传播季节；执行从-12至+12周的原始和调整后交叉相关分析，包括州特异性年份、循环流行病学周（6自由度）和非线性连续时间（12自由度）调整，以及AR(4)预白化；进行直接预测消融，比较仅含登革热滞后、季节周和州效应的ElasticNetCV模型与添加COVID-19当期及滞后变量的增强模型，在时间测试块上评估RMSE、MAE和R2，并采用配对block bootstrap量化不确定性；进行人口标准化敏感性分析（使用固定2020年INEGI人口）和残差分析（去除州均值、日历周均值或两者）。
三、主要结果
研究人群
描述性数据集包含1,085,869条登革热监测记录和20,632,470条COVID-19监测记录。登革热中位年龄26岁，COVID-19为36岁；登革热记录住院比例（17.37%）高于COVID-19（7.65%）；糖尿病在COVID-19记录中更常见。由于样本量极大，假设检验检测到大多数差异，这些对比应主要视为描述性摘要。
时间和空间分布
审计显示原始周曲线中年末登革热急剧下降并非真实零病例周：10个日历周国家日期覆盖不完整，故从推断分析中排除并显示为缺口。COVID-19全国周记录数峰值出现在2022年1月10日（668,175条），登革热峰值在2024年9月16日（28,210条）。COVID-19负担集中于2020–2022年（占92.9%），登革热集中于2023–2024年（占76.3%）。地理分布方面，登革热绝对记录数最高在哈利斯科、韦拉克鲁斯、格雷罗、莫雷洛斯和瓦哈卡，COVID-19由墨西哥城和墨西哥州主导。人口标准化后，登革热累积监测率最高在科利马、莫雷洛斯、纳亚里特、尤卡坦和金塔纳罗奥，COVID-19最高在墨西哥城、南下加利福尼亚、塔巴斯科、圣路易斯波托西和科利马。
同期登革热–COVID-19关联
审计日历面板包含32个联邦实体的8,695个州-周观测。合并同期关联呈负相关（Pearson r=-0.331，bootstrap 95% CI -0.349至-0.312；Spearman rho=-0.311）。人口标准化尺度上Pearson r=-0.386。未调整的州级关联仍以负向为主：所有32个Pearson相关均为负且FDR显著（中位数r=-0.527；范围-0.818至-0.165），31/32个Spearman相关FDR显著。然而关联在时间上不稳定：分年度Pearson相关为2020年r=0.020、2021年0.096、2022年-0.102、2023年-0.312、2024年-0.131、2025年部分-0.170；州调整估计也跨年变号。2020–2022年合并Pearson相关仅为-0.063，而2023–2025年为-0.290。在经验定义的州特异性高登革热季节内，原始关联同样逐年变化，2020–2021年接近零或为正。
滞后、峰值和时间结构
在审计的精确日期分析中，原始交叉相关在-12至+12周窗口内保持负值，最强负相关在滞后0（r=-0.331）而非特定非零滞后。经州特异性年份、循环流行病学周和非线性连续时间调整后，最大绝对调整Pearson相关为+2周时的-0.114，同期调整相关为-0.055。额外AR(4)预白化后所有滞后相关接近零，最大绝对Pearson相关为滞后0的0.053。高负担峰值一致性有限：仅5/32个实体登革热和COVID-19高负担峰值在两周内，高负担峰值间中位最小距离为23周（IQR 4–57）。
敏感性分析和预测建模
残差分析确认合并负相关主要由时间结构主导。在审计计数尺度面板中，去除州均值加强负相关（Pearson r=-0.509），去除日历周均值降至r=-0.035，同时去除州和周效应得r=-0.049。人口标准化尺度上双向残差相关为r=-0.052。更灵活的州特异性调整产生合并残差Pearson相关-0.055（Spearman rho=-0.052）。州特异性调整Pearson相关中位数为-0.062，范围-0.267至+0.238；仅9/32保持FDR显著且符号混合。
直接预测消融提供了COVID-19增量信息的最清晰检验。两个ElasticNetCV模型在始于2024年4月22日的1,278个时间测试观测上评估。登革热特异性模型（登革热滞后1–4+季节周+州）实现RMSElog10=0.1753和R2=0.9597。添加COVID-19当期和滞后变量后RMSElog10变为0.1749、R2变为0.9599，RMSE绝对改善仅0.0004（0.23%），delta R2=0.00019。配对block bootstrap不确定性对两个指标均包含零（delta RMSElog10 95%区间-0.0019至+0.0011；delta R2 -0.00052至+0.00086）。朴素登革热(t-1)基准同样强劲（RMSElog10=0.1782；R2=0.9584）。增量变化跨层不一致：delta RMSElog10在2024年为-0.00133但2025年部分为+0.00226，在州特异性高登革热季节内为-0.00119但季节外为+0.00054。
四、讨论与结论
讨论部分指出，这项全国性生态研究最初识别出墨西哥2020–2025年登革热与COVID-19监测记录间显著的合并负相关，但经审计和分层分析后，更可辩护的结论是缺乏稳定的直接跨疾病耦合。分年度结果尤其具有信息量：合并Pearson关联在2020年接近零、2021年为正、此后为负、2023年最强；大流行期关联弱于大流行后期。修订后的滞后分析同样反对特定跨疾病延迟：宽泛的原始负滞后剖面在调整后大幅衰减，AR(4)预白化后所有滞后相关降至约零。直接预测消融比跨异质算法比较更清晰地强化了这一结论：COVID-19变量仅带来RMSE 0.0004的改善且bootstrap区间跨越零。空间异质性在调整后更为清晰：州特异性调整相关从-0.267至+0.238，仅9/32保持FDR显著。
公共健康意义包括：墨西哥登革热预测系统应优先考虑登革热自身近期和季节性历史，以及气候、媒介指数、血清型循环、人口分母、流动性和本地控制活动；跨病原体监测序列在推广为预警预测因子前应进行分年度分析、明确季节/长期调整和强疾病特异性基线；COVID-19监测可作为大流行期干扰的背景标记，但直接消融未提供其能实质性改善短视界登革热预测的证据。
研究局限性包括：登革热数据提取始于2020年，缺乏协调的大流行前基线；日期审计无法恢复缺失源区间内的未报告病例或量化更细微的报告延迟；2025年序列不完整；人口标准化使用固定2020年人口普查分母而非年度变化人时；高传播季节由观测序列经验推导而非昆虫学或气候阈值定义；未纳入气候和昆虫学变量；生态学设计排除了个体层面或免疫学推断。
研究优势包括：非常大的全国数据集、显式每日日期完整性审计、州-周聚合、年度和时期特异性分析、州特异性经验登革热季节分析、非线性季节和长期调整、滞后分析AR预白化、人口标准化敏感性分析，以及针对相同登革热特异性预测基线的直接样本外消融。这些检查共同收敛于更精确的结论：2020–2025年间登革热与COVID-19监测序列之间不存在稳定的全国性时间或预测耦合。
结论部分翻译如下：在墨西哥2020至2025年间，登革热和COVID-19监测记录缺乏稳定的跨疾病时间或预测关系。合并负相关随年份和登革热季节变化，并在调整日历周、州特异性季节性和非线性时间后变小。COVID-19滞后项在登革热滞后、季节周和州效应之外仅增加可忽略且统计上不确定的样本外价值。由于缺乏协调的2020年前登革热基线，大流行期对比不能唯一归因于生物学解耦而非行为、卫生系统或报告干扰。对公共卫生预测而言，登革热自身近期和季节性历史及登革热特异性生态驱动因素应保持核心地位，而COVID-19应被视为背景因素而非直接登革热预测因子。
