厄尔尼诺-南方涛动对中国大陆登革热传播的非线性及纬度效应：时空风险评估与超额疾病负担预测

《Science in One Health》：Nonlinear and Latitudinal Effects of ENSO on Dengue Transmission in the Chinese mainland: Spatiotemporal Risk Assessment and Projection of Excess Disease Burden

　　

背景：全球气候变化推动登革热地方性流行范围从热带和亚热带持续向北扩展至中国温带地区。本研究旨在探讨厄尔尼诺-南方涛动（ENSO）与中国大陆登革热流行之间的关联，量化相关超额负担，并评估时空风险。方法：研究人员整合了中国大陆31个省级行政区2004—2024年的月度登革热监测数据与多源数据，包括Ni?o 3.4指数、气象因素、布雷图指数（BI）和人口流动性。采用Theil-Sen估计器和Mann-Kendall检验评估时空发病趋势。应用分段贝叶斯结构方程模型（piecewise Bayesian SEM）检验序贯关联，采用负二项广义相加模型（GAM）刻画非线性暴露-反应关联、成对交互作用及时空风险模式。通过反事实情景比较量化超额发病负担，并进行流行预测。结果：2004—2024年共报告139,137例登革热病例，呈显著上升趋势（斜率=320.470例/年，P=0.010）。Ni?o 3.4指数与登革热发病率呈倒U型非线性关联，有效自由度（edf）为1.96（P<0.001）；当指数为0.70~1.48时相关风险显著升高。ENSO关联呈现明显的纬度梯度：低纬度地区降水与登革热关联更强，高纬度地区温度关联更强。环境因素间的成对交互作用亦与传播相关。估计中国大陆约75,103例超额登革热病例与厄尔尼诺相关。Region I省份全年流行风险较高，预测广东省、云南省和福建省2025—2026年流行高峰呈异质性。结论：ENSO通过温度和降水的纬度依赖性关联与中国大陆登革热流行相关。大量超额负担集中在广东省和云南省，凸显了区域特异性防控策略的必要性。

**研究背景与问题**：登革热是全球传播最快的蚊媒病毒性疾病之一，全球报告病例从2000年约50万例增至2019年520万例，2023—2024年出现史无前例的全球大流行，2024年报告病例达1443.46万例。中国登革热疫情压力亦持续增加，2023年报告19,541例，2024年报告24,278例，为2014年大规模本地暴发后的又一流行高峰。未来气候情景预测显示登革热风险区将从热带向温带显著北扩，中国风险增幅远高于其他温带地区。厄尔尼诺-南方涛动（ENSO）作为全球气候年际变率的主要驱动因素，通过遥相关效应重塑全球温度、降水和湿度格局，进而调控蚊媒生态、病毒传播效率及人群暴露。ENSO波动可解释全球登革热发病率变异的63%。然而，既往研究虽在多个空间尺度上建立了ENSO-登革热相关性，仍存在以下未解决问题：ENSO与中国大陆登革热传播的关联路径及其纬度风险分区尚不充分明确；全国范围内ENSO相关发病负担尚未量化；中国大陆ENSO相关登革热风险的时空格局尚未系统刻画。为此，研究人员利用2004—2024年中国大陆31个省级行政区月度监测数据及多维数据集开展研究，旨在：（1）探讨ENSO与登革热传播的关联；（2）估计国家、区域和省级层面厄尔尼诺期相关超额病例；（3）刻画登革热流行的时空风险模式。

**主要技术方法**：研究人员整合2004—2024年31个省级行政区月度登革热监测数据（来源于中国疾病预防控制中心公共卫生科学数据中心及各省卫生健康委系统）与Ni?o 3.4指数（来源于中国气象局国家气候中心全球海表温度指数数据集）、ERA5-Land再分析气象数据、全国月度布雷图指数（BI）数据集及人口流动性指数（PMI）和牛津严格度指数（ASI）。采用Theil-Sen估计器结合Mann-Kendall检验分析时间趋势；采用基线流行通道法（中位数+2×四分位距）确定各风险区各月暴发阈值；采用分段贝叶斯结构方程模型（piecewise Bayesian SEM）分解序贯关联路径；采用负二项广义相加模型（GAM）刻画非线性暴露-反应关联及成对交互作用；通过反事实情景泊松GAM量化超额病例；构建省级月度时空风险矩阵；采用省级特异性GAM进行2025—2026年短期预测，并以2025年1—9月监测数据进行外部验证。

**研究结果**：

*3.1 2004—2024年中国大陆登革热发病时间趋势*：2004—2024年共报告139,137例登革热病例，年均发病率为0.484/10万。年报告病例数从2004年247例（0.019/10万）增至2024年24,278例（1.724/10万），Theil-Sen斜率为320.470例/年（P=0.010）。Region I、II、III均呈显著上升趋势，其中Region I上升趋势最为突出（斜率=304.886例/年，P=0.010），Region IV未检测到显著时间趋势（斜率=0.118例/年，P=0.220）。省级层面，云南省增幅最大（斜率=49.375例/年，P<0.001）；Region II中四川省（斜率=2.464例/年，P=0.003）和湖南省（斜率=2.045例/年，P=0.010）呈显著上升；Region III中北京市上升趋势最陡（斜率=1.000例/年，P=0.009）。时空分析显示高发区从东南沿海（2004—2007年）逐步向西南内陆扩展，2023—2024年进一步向华中和部分北方省份扩散。

*3.2 不同ENSO相位下登革热流行持续时间特征*：2004—2024年厄尔尼诺条件出现在8个不同年份（累计65个月）。多数厄尔尼诺事件在夏秋季逐渐发展并于年末达峰，2015年4月—2016年4月事件为期间最强且持续时间最长的厄尔尼诺事件。全国层面，厄尔尼诺条件下流行持续时间中位数为2.5个月（IQR：1.25~3.75个月）。

*3.3 ENSO相关登革热流行的关联基础*：Region I、II、III月度登革热病例数与Ni?o 3.4指数呈正向线性关联（均P<0.001），相关系数为0.110~0.149；Region IV未检测到统计学显著关联（P=0.481），故排除于后续关联分析。GAM建模显示Region I~III整体上登革热病例数与Ni?o 3.4指数呈倒U型非线性关联（edf=1.96，P<0.001）；当Ni?o 3.4指数为0.70~1.48时，登革热感染相对风险（RR）为1.388（95% CI：1.004~1.919）至1.407（95% CI：1.010~1.960）。Region I呈非线性正向关联（edf=1.85，P<0.001），Region II（edf=1.97，P<0.001）和Region III（edf=1.94，P<0.001）呈倒U型非线性暴露-反应曲线。分段贝叶斯SEM结果显示全国层面序贯关联路径：ENSO与温度（β=5.73）和降水（β=3.03）呈正向关联，二者均与登革热发病呈正向关联；温度与病例数的直接正向关联（β=0.20）远强于降水（β=0.004）；温度（β=0.35）和降水（β=0.006）通过增加BI间接关联更高发病率，BI与病例数呈正向关联（β=0.08）。Region I中ENSO与降水的关联（β=0.97）强于温度（β=0.54），BI与发病率的关联（β=0.23）强于温度和降水的直接关联；Region II中温度与发病率的直接关联最强（β=0.10）；Region III中ENSO主要与当地温度关联（β=1.71），温度直接关联更高病例数（β=0.11），并通过BI间接关联（β=0.34）。交互分析显示全国层面降水与BI（P<0.001）、降水与温度（P=0.048）存在显著交互关联，降水、BI和温度均较高时交互关联更强。

*3.4 反事实分析估计厄尔尼诺相关超额登革热病例*：2004—2024年厄尔尼诺期，Region I估计约69,273例超额病例，约占该区报告病例的53.48%；Region II累计超额约5,561例（占64.21%）；Region III约269例（占38.99%）。省级层面，广东省超额负担最高（约47,029例），其次为云南省（约15,692例）、福建省（约2,651例）和广西壮族自治区（约2,369例）；Region II中重庆市超额最高（约1,423例）。地理上超额病例集中于低纬度地区，与纬度呈显著负相关（r=?0.811，P<0.001）。

*3.5 中国大陆登革热时空风险评估*：31个省级行政区时空风险矩阵按模型预测风险四分位数分类，浙江、福建、云南、广东和广西全年登革热暴发风险相对较高；Region II多数省份（四川、重庆、湖南等）5—9月暴发风险升高。外部验证显示预测模型在云南省精度最高（R²=0.990），其次为福建（R²=0.885）、广西（R²=0.754）、重庆（R²=0.732）和广东（R²=0.671）。2025—2026年短期预测：广东省预计2025年10月（预测969例，95% CI：163~2,906）和2026年7月（863例，95% CI：69~2,589）出现两个流行高峰；云南省预计2025年9月（624例，95% CI：76~1,872）和10月（725例，95% CI：81~2,174）出现两个显著高峰，2026年10月出现次要高峰（1,463例，95% CI：47~4,390）；广西壮族自治区预计2026年9月和10月达峰，分别为1,424例（95% CI：163~4,273）和1,420例（95% CI：156~4,260）；福建省预计整体上升，2026年9月预测最高162例（95% CI：11~485）；重庆市预测整个预报期维持低水平传播。

**讨论与结论**：研究人员指出，既往区域性研究多报告登革热病例数与ENSO指数的正向线性相关，而本全国尺度GAM分析识别出显著的倒U型非线性反应关系而非简单线性关联——仅当Ni?o 3.4指数在0.70~1.48范围内时登革热发病风险显著升高，指数超过1.5后正相关逐渐减弱。原因可能为：既往区域研究观察期较短、ENSO变异范围较窄，未覆盖2015—2016年等极强厄尔尼诺事件，故将饱和下降趋势误读为线性增长；此外强厄尔尼诺引发的极端高温和降水格局变化可超出蚊媒存活和病毒复制的适宜气候阈值。本研究报告的0.70~1.48阈值区间与广东省区域研究报告的0.6 °C阈值不同，可能反映研究地理覆盖范围和观察期差异。通过分段贝叶斯SEM，研究人员识别出三种区域关联路径：降水-BI主导型（蚊虫繁殖高度依赖水资源）、温度主导型（温度是限制传播的主要因素）和温度-媒介级联型（温度既直接影响病毒复制又通过媒介种群密度间接影响）。Region IV未检测到显著关联，可能因其位于ENSO遥相关效应边缘且背景气候不适宜蚊媒存活和病毒传播。从生态机制角度，ENSO对登革热流行的影响可视为"气候强迫—媒介生态—病原传播"的级联过程，温度起"开关"作用，降水起"闸门"作用。通过反事实分析，研究人员量化了厄尔尼诺相关超额病例的空间分布，发现其集中于广东和云南等低纬度省份，与纬度呈显著负相关。预测显示五个高负担省级区域2025—2026年流行高峰呈异质性。研究局限性包括：病例数据来源于被动监测可能低估无症状和轻症感染；BI监测频率和质量省际差异；GAM和SEM无法完全消除混杂（人群免疫、跨境人口流动和病毒血清型替换未纳入定量框架）；风险分区基于历史数据，气候变暖和ENSO特征变化可能导致分区边界移动；最优滞后期筛选仅保留正Pearson相关结果可能引入乐观偏倚；境外输入病例动态未纳入。结论：ENSO是与我国登革热流行相关的大尺度气候信号，其与登革热发病率的关联呈非线性且随纬度显著变化，厄尔尼诺期观察到的超额发病负担是登革热防控的重要考量因素。Region I全年流行风险高，预测2025—2026年将出现流行高峰。研究结果为支持中国区域和季节特异性的气候知情登革热防控策略提供了实证依据。