报告率对暴发检测影响的建模及其对管理紧急动物疾病的启示

《Transboundary and Emerging Diseases》：Modelling the Impact of Reporting Rates on Outbreak Detection With Implications for Managing Emergency Animal Diseases

　　

紧急动物疾病暴发的检测与监测在其管理中起着关键作用。然而，这类疾病的监测通常依赖于养殖户自我报告动物感染。如果养殖户报告疾病存在抑制因素，可能导致延迟报告，进而对暴发管理结果产生负面影响。为了理解养殖户报告率对暴发传播与管理的潜在影响范围，研究人员使用基于主体的模型（ABM）模拟动物疾病的传播。研究人员研究了感染场报告率的变化如何首先影响不同管理策略下的总扑杀场数，其次影响何种策略为最优。该模型考虑了疾病在牧场内部通过动物间传播，以及牧场之间通过污染物（fomite）扩散和动物随机移动的传播机制。利用此模型，研究人员比较了四种策略下的扑杀场数：扑杀感染场并实施动物移动限制，分别结合（1）环形扑杀、（2）环形检测、（3）环形疫苗接种（使用完美疫苗）以及（4）环形疫苗接种（使用非完美疫苗）。基于研究假设和模型结构，研究发现暴发在初始感染场周围形成集群，而额外集群则是由动物在牧场间的随机移动早期播散所致。研究人员模拟了报告率对一系列暴发指标的影响，发现其对检测时间的影响最大。随报告率增加，检测时间缩短，但呈现收益递减趋势。研究发现，暴发检测时机对所有管理策略下的总扑杀场数影响相似，因为更早检测到的暴发最终规模更小。因此，研究发现报告率的变化对给定模拟中何种策略为最优影响甚微。该模型展示了人类行为（如报告率）如何影响紧急动物疾病暴发管理的结果。虽然无法预测未来暴发中的确切行为，但通过研究哪些管理策略能够稳健应对多种人类行为，研究人员可为下一次紧急动物疾病暴发做好准备。

**研究背景与问题**
动物疾病暴发，尤其如口蹄疫（Foot-and-Mouth Disease, FMD）等紧急动物疾病，对动物福利、经济和社会造成严重影响。早期检测是有效控制暴发的关键，但通常依赖养殖户的自愿报告行为。然而，如果养殖户面临报告疾病的抑制因素（如扑杀补偿不足、社会污名化等），可能导致延迟报告，从而加剧疾病扩散和管理难度。现有研究多聚焦于特定疾病或暴发案例的建模，缺乏对一般性管理理论的探讨。此外，人类行为（如报告率）对暴发管理策略效果的量化影响尚不明确。因此，开展此项研究旨在通过数学模型探究不同养殖户报告率对动物疾病传播及管理策略结果的影响，为制定稳健的应急管理政策提供依据。
**研究内容与结论**
研究人员构建了一个基于主体的随机模型（Agent-Based Model, ABM），模拟疾病在牧场内（通过动物间接触）和牧场间（通过污染物风媒扩散和动物随机移动）的传播。模型参数基于澳大利亚维多利亚州南吉普斯兰（South Gippsland）奶牛场口蹄疫暴发的相关数据（如牧场半径1km，每场350头牛，感染期6天，潜伏期2天，潜伏期3天等）。比较了四种管理策略：扑杀感染场并实施移动限制，分别联合（1）环形扑杀（ring culling）、（2）环形检测（ring testing）、（3）环形疫苗接种（完美疫苗）和（4）环形疫苗接种（非完美疫苗）。通过改变报告率（r = 0.1 至1），评估其对总扑杀场数的影响。研究发现：报告率对暴发检测时间影响最大，低报告率导致检测延迟，从而增加所有策略下扑杀场数；但增加报告率呈现收益递减。尽管绝对结果变化，报告率对哪种策略最优影响甚微——完美疫苗接种策略在多数模拟中最优（平均33%的模拟），而环形扑杀在减少暴发时长和资源使用方面更优。该研究发表在《Transboundary and Emerging Diseases》。
**主要关键技术方法**
研究人员开发了一个随机基于主体模型（ABM），集成三种传播机制：动物间密度依赖传播（SEIR框架）、污染物风媒扩散（线性传播核，半径r_F = 2km）、以及随机动物移动（频率7天/次，概率0.4，移动20%动物）。模型在20km×20km区域内生成40个随机非重叠牧场，疾病参数校准至R₀ = 2。管理策略基于环形半径r_A = 3km实施，包括扑杀、检测或疫苗接种（完美或非完美），并设置5天实施延迟。报告概率r由每日感染比例与固定参数计算。模拟运行1000次，结果分析采用中位数及四分位距。来源：参数基于澳大利亚南吉普斯兰奶牛场数据（参考文献[36]）及口蹄疫文献。
**研究结果**
**3.1 模型动力学**
单次模拟显示，暴发首先在初始感染场周围形成聚集集群，随后由于动物随机移动播散出额外集群。首次报告后，移动限制启动，后续传播仅由风媒扩散驱动，直至无进一步感染。
**3.2 暴发检测时机**
随着报告率r增加，首次报告日分布左移，但收益递减。低报告率（r=0.1, 0.2）导致更宽的分布和更晚的检测上限。临床检测阈值（5%感染比例）设定了检测最早可能时间。
**3.3 比较管理策略**
所有策略下，增加报告率均减少总扑杀场数的中位数，但高报告率下仍存在广泛传播的极端模拟。低报告率导致更大扑杀场数分布。
**3.4 不同报告率下的最优策略**
尽管报告率影响绝对结果，但对策略排序影响甚微。环形疫苗接种（完美）在多数模拟中为最优（平均33%），而环形扑杀在减少暴发时长和资源使用方面更优（附录数据）。各策略最优比例的标准差极低（0.014–0.018），表明报告率变化未改变相对优劣。
**讨论与结论**
研究人员构建了一个包含三种传播机制的通用模型，发现报告率主要影响检测时间，进而影响所有策略的绝对效果，但对策略相对优劣影响不大。环形疫苗接种（完美）最常最优，但环形扑杀在管理资源和使用时长方面更优。研究强调，在真实暴发中，资源应优先用于改善监测以促进早期检测，而非优化基于报告率的管理策略。模型假设养殖户行为均质且恒定，但实际中行为可能随时间或策略变化（如环形扑杀可能降低报告意愿）。未来可扩展为动态报告率。模型为一般性框架，应用于真实暴发需整合具体传播网络数据（如屠宰场、集市）。管理紧急动物疾病是多目标问题，本研究仅聚焦最小化扑杀场数，其他目标（如经济成本、社会影响）可能改变最优策略。准备未来暴发时，需研究人类行为范围对管理策略的冲击，该工作为此类准备提供了定量依据。
**研究结论翻译**
为探究不同养殖户报告行为的影响，研究人员开发了一个包含动物间接触、风媒污染物扩散和动物随机移动的机制模型。考虑四种管理策略：扑杀感染场分别结合环形扑杀、环形检测、环形疫苗接种（完美）和环形疫苗接种（非完美）。研究发现，变化报告率对检测时间影响显著。低报告率导致更晚检测，进而造成疾病广泛传播和所有策略下更高的总扑杀场数。然而，增加报告率对扑杀场数的减少呈收益递减——若牧场感染比例高，无论报告率如何，报告可能性均高。此外，随着报告率增加，所有策略的扑杀场数下降幅度相似。环形疫苗接种（完美）最常为最优（平均33%模拟中），但改变报告率对特定策略最优频率影响极小（如完美疫苗在42%至55%模拟中为最优）。