《Journal of Theoretical Biology》:Pillars of theoretical biology: Superspreading and the effect of individual variation on disease emergence
编辑推荐:
本评论重点介绍 Lloyd-Smith et al.(2005)的论文,该论文提出并分析了一个考虑超级传播(superspreading)影响的传染病传播模型。该模型通过为个体异质性(individual heterogeneity)对疾病传播动力学(tran
本评论重点介绍 Lloyd-Smith et al.(2005)的论文,该论文提出并分析了一个考虑超级传播(superspreading)影响的传染病传播模型。该模型通过为个体异质性(individual heterogeneity)对疾病传播动力学(transmission dynamics)的影响提供简约而广泛适用的理论,作出了关键贡献。二十年后,该工作仍持续影响传染病动力学的理论研究和实证研究。
研究背景与问题:20世纪初以来,基于隔室的传染病模型为疾病动力学与控制提供了多方面洞见,但经典隔室模型的主要局限之一是将人群视为同质。20世纪后期,个体间传染性异质性日益受到重视,其可源于病原体排放率、社会接触率差异,或大规模集会等偶然事件。“超级传播者”一词于1972年提出,用于描述病原体排放水平异常高的个体;2003年严重急性呼吸综合征(severe acute respiratory syndrome, SARS)暴发后,超级传播受到突出关注。已有随机流行病模型纳入传染性个体变异,另有模型显示个体接触率持续变异倾向于提高基本再生数(basic reproduction number, ?
0),并促使研究者提出80/20规则可能广泛适用于疾病传播。然而,在 Lloyd-Smith 等的工作之前,尚缺乏将模型与实证观察结合的简约数学框架。
研究与结论及意义:Lloyd-Smith 等提出并分析了一个考虑超级传播影响的传染病传播模型,其框架基于分支过程(branching process,描述个体产生次级感染数的随机过程),以个体再生数(individual reproduction number, ν
j)刻画传染性异质性。该变量可不可观测,异质性来自宿主、病原体和环境相关因素的背景变异。模型有两个关键假设:每个个体j的ν
j为独立同分布抽取;Z
j | ν
j ~ Poiss(ν
j)。若ν
j服从均值?
0、离散(形状)参数k的Gamma分布,则群体水平Z
j服从均值?
0、离散参数k的负二项分布(negative binomial distribution),即后代分布(offspring distribution)。k越小,Z
j方差越大,传播越集中于少数个体。该框架以两个参数嵌套经典模型,解释超级传播对疾病出现与干预的影响,并连接理论与观察;其意义在于提供简约而广泛适用的理论,持续影响该领域的理论、方法和实证研究。
技术方法:关键方法包括构建分支过程传播模型,以个体再生数ν
j独立同分布和条件泊松后代数Z
j为假设;令ν
j服从Gamma分布,推导群体水平负二项后代分布;基于后代分布分析灭绝概率及干预效果;将超级传播事件定义为后代数高于同质Poiss(?
0)模型后代分布预定百分位的个体;利用接触追踪数据估计不同直接传播疾病的离散参数k并比较疾病谱。原文未提供具体样本队列来源,仅说明使用接触追踪数据估计k值。
研究结果:
(1)异质性作为谱(Heterogeneity as a spectrum):通过将超级传播者或超级传播事件视为Z
j分布尾部的实现,而非离散且任意的类别,模型以?
0和k两个参数实现简约表达并嵌套经典模型;Reed-Frost模型在k→∞时对应近似泊松后代分布,马尔可夫易感-感染-恢复(Markovian susceptible-infectious-recovered, SIR)模型在k=1时对应几何后代分布;1
(2)广泛适用性(Broad applicability):通过分支过程理论,负二项后代分布在均值?
0>1时,方差增大(k减小)会增加个体产生零后代的概率和灭绝概率,同时使非灭绝暴发在早期更易爆炸性增长;超级传播动态倾向于伴随许多自限性暴发和罕见爆炸性流行;给定后代分布后,灭绝概率独立于其他因素,因而结果适用于广泛随机流行病模型;在干预设计上,给定有效再生数(effective reproduction number)下降,增加异质性的措施更可能实现消除,针对比例c个体的措施可能比全人群效力c的措施更有效,即使随机选择目标个体亦成立;模型聚焦早期暴发如人畜共患溢出,小暴发时近似良好,感染比例不可忽略后失效,但个体再生数分布可扩展至易感耗竭和连续时间模型。
(3)理论与观察之间的桥梁(A bridge between theory and observations):通过给出超级传播事件的理论定义,即个体后代数高于同质Poiss(?
0)模型后代分布预定百分位;该框架解释了SARS观察中一些地点传播未起飞而另一些地点出现大暴发;利用接触追踪数据估计多种直接传播疾病的k值,将其置于低方差至高方差谱;SARS和麻疹位于异质端,肺鼠疫、Andes virus和埃博拉病毒位于同质端;数据存在局限,后续研究发现埃博拉病毒和Andes virus的异质性高于原估计;该工作首次直接从暴发数据量化不同疾病传播异质性,为未来分析铺路;框架对异质性机制基本不可知,整合生物、社会和随机事件因素,并与网络模型互补,网络模型可量化更丰富网络结构影响但复杂度更高。
(4)对传染病模型及之外的持久影响(Lasting influence on infectious disease models and beyond):通过后续扩展,影响病原进化、人畜共患病、系统发育动力学(phylodynamics)、媒介传播疾病、多株模型、宿主内模型、传播风险时间变异以及传染性与易感性相关研究;促进k、再生数、暴发概率估计方法及基因组测序数据推断;Scopus 2000次引用涵盖保护生物学、抗菌素耐药性、植物病原体、运动生态学、家畜疾病、群落生态学、金融、医院感染等;Covid-19大流行中超级传播被快速识别,出现大量k实证估计,许多模型采用该框架,并影响接触追踪和针对高风险环境干预;回溯性接触追踪(backward contact tracing)在过度离散传播动态中尤其有效,因为源病例不成比例地可能是超级传播者;该框架持续启发新理论,如Kissler提出爆发性参数(burstiness parameter, ψ)以量化传染性时间变异相对于人群平均世代间隔分布。
讨论与结论:该框架的持久影响在于以简约参数连接个体异质性与群体传播动态,并桥接理论与观察;其局限包括分支过程对早期暴发的近似、数据限制及后续估计修正,机制不可知设计也使其与网络模型互补。研究结论翻译:二十年后,该工作仍持续影响传染病动力学的理论研究和实证研究;其思想对传染病流行病学及更广领域的理论、方法和实证研究产生了广泛而持久的影响。