《Journal of Infection and Public Health》：Title: Traveler-Derived Importation Risk Underestimates Regional Disease Activity: Evidence from Okinawa, Japan
编辑推荐：
旅行者为出发地感染风险提供的信息可能受当地检测实践和旅行行为的影响。研究人员评估了基于旅行者的输入风险是否可靠地反映了日本各出发地区基于人群的报告病例率。以冲绳县为哨点目的地，研究人员收集了非本县居民在冲绳逗留期间确诊的COVID-19（coronavirus
旅行者为出发地感染风险提供的信息可能受当地检测实践和旅行行为的影响。研究人员评估了基于旅行者的输入风险是否可靠地反映了日本各出发地区基于人群的报告病例率。以冲绳县为哨点目的地，研究人员收集了非本县居民在冲绳逗留期间确诊的COVID-19（coronavirus disease 2019）实验室确诊病例，并将其与按出发地区分月的入境旅客量进行配对。研究人员估计了月度输入风险（每旅客输入病例数），并与出发地报告病例率进行了比较，评估了区域和波次特异性异质性，并通过将出发地病例时间序列向前平移未偏移（0天）、7天和14天后再进行月度聚合的方式进行了滞后敏感性分析。输入风险与出发地病例率呈正相关，但存在区域异质性。总相关性对时间偏移具有稳健性（滞后0天：0.60 [0.46–0.71]；滞后7天：0.56 [0.42–0.68]；滞后14天：0.48 [0.32–0.61]）。高旅客量地区贡献了大多数输入性诊断，但与出发地病例率的一致性在不同地区和波次间存在差异，从始终较强到较弱或不稳定不等。这些模式与监测强度和旅行行为的异质性一致。研究结论认为，基于旅行者的输入风险普遍低于出发地报告病例率，且不能在各地区和疫情波次中均匀地追踪出发地报告病例率，因此应被解读为补充性哨点信号，而非区域疾病活动的独立替代指标，特别是在常规监测延迟或不均时。
**研究背景与问题提出**
当新发传染病威胁公共健康时，及早估算关键流行病学指标——如传播力、感染流行率和严重度——对于指导防控措施至关重要。然而，在疫情暴发初期，不成熟的监测系统和有限的检测能力常常制约此类估算的准确性。为此，研究人员和公共卫生机构频繁借助替代方法来推断受影响地区的潜在流行病学状况。其中一种方法是通过 outbound travelers（出境旅行者）中的感染者比例来推断出发地的感染流行率，即"输入风险"（importation risk）。该指标已被广泛应用于旅行相关政策的制定，如针对性旅行管控、基于风险的筛查以及输入风险评估，也被用作区域层面疫情强度或出发地传播潜力的替代指标。
既往研究多聚焦于国际旅行场景，其中边境筛查和出发前检测塑造了旅行者人群特征，这使得"旅行者能够近似代表其出发地区流行病学状况"这一关键假设很少得到实证验证。本研究选择日本冲绳县作为哨点环境，具有独特优势：几乎所有抵达者均乘飞机入境，旅客总量精确记录，且所有确诊个案均由县级监测系统捕获；虽有时鼓励自愿性 pre-travel testing（旅行前检测），但无强制性筛查措施或处罚规定。这些条件使得直接评估旅行者衍生输入风险是否反映出发地报告病例率成为可能。该设置的意义超越个案本身——在地理受限环境（如岛屿）或正式筛查有限疫情早期，类似条件可能出现；对于许多新发传染病而言，旅行者人群主要受症状导向筛查、风险评估或针对性临床评估而非系统性检测的影响，这与SARS（severe acute respiratory syndrome，严重急性呼吸综合征，2003年）和MERS（Middle East respiratory syndrome，中东呼吸综合征，2012年）疫情期间的情况类似，凸显了研究发现对未来疫情暴发的广泛适用性。
**研究设计、方法与数据来源**
研究人员开展了回顾性观察研究，分析2020年5月至2021年8月的月度数据。研究设定冲绳县为哨点目的地，因其地理上与其他地区隔离，2020年人口约147万，旅行方式以航空为主（占99.7%）。输入性病例定义为非冲绳县居民在冲绳逗留期间经实验室确诊的COVID-19病例，数据通过与冲绳县流行病学与统计委员会合作获取，并提供匿名化处理。为避免人口稀少县份输入病例数过少导致的随机误差，将除冲绳外的46个都道府县划分为北海道、东北、关东、中部、近畿、中国-四国和九州七个区域。研究期间涵盖日本第一至第五波疫情，其中第四波为Alpha variant（阿尔法变异株）流行，第五波为Delta variant（德尔塔变异株）流行。
主要技术手段包括：（1）描述性汇总与Pearson相关分析，评估输入风险与出发地月度报告病例率的关联；（2）滞后敏感性分析，将出发地病例时间序列分别前移0天、7天和14天后再进行月度聚合，以检验时间偏移对关联的影响；（3）分层贝叶斯模型（hierarchical Bayesian model），采用二项式框架，以旅客量为试验次数，将输入概率建模为出发地报告病例率、疫情波次指示变量和区域特异性系数的函数，参数通过MCMC（Markov Chain Monte Carlo，马尔可夫链蒙特卡罗）方法估计，模型性能通过WBIC（Widely Applicable Bayesian Information Criterion，广泛适用贝叶斯信息准则）评估，该指标值越低表示模型拟合与复杂度的权衡越优。分析使用R语言和Stan编程语言完成。
**研究结果**
研究结果部分呈现多维度发现：
**输入动态的区域与波次分布**：图2展示了各区域和疫情波次下的月度输入病例数、旅客总量及输入风险。大多数旅行者来自关东和近畿地区。第五波（Delta变异株）期间输入病例急剧增加，尤其在高旅客量区域。关东地区旅客占比最高（46.4%），输入病例占比亦最高（51.2%），但东北和中部地区的人均输入风险相对其出发地报告病例率更高，提示人群层面感染与旅行者衍生风险间存在非线性缩放关系。
**输入风险与出发地病例率的关联**：图3的散点图显示，全国层面输入风险与出发地报告病例率呈中度相关（r = 0.6），但存在显著区域异质性。北海道相关性较弱（r = 0.13），而关东（r = 0.97）和九州（r = 0.96）表现出强相关性，表明输入风险不能均匀地反映各区域的出发地报告病例率。
**相对输入风险的空间与时间变异**：图4热图及表S5显示，相对输入风险（输入风险除以对应出发地报告病例率）不仅在区域间差异显著，在同一区域的不同疫情波次间也有波动。第五波期间，关东报告病例率最高（0.00434），但相对输入风险仅0.063（95% CI: 0.051–0.076），显示旅行者中明显低估；而东北报告病例率较低（0.00085），相对输入风险为0.425（95% CI: 0.138–0.992），低估程度较轻。中国-四国和中部地区呈现类似模式。补充图S1的波次分层分析显示，波次特异性相关变量多变且常较弱，提示出发地病例率-输入风险关联在时间上未必稳定。滞后敏感性分析表明，将出发地病例时间序列前移0、7、14天后，总体关联仍保持正值（见表S8），说明主要结论不受特定时间对齐方式的驱动。
**分层贝叶斯模型估计**：图5及补充图S2展示了模型对输入病例数和输入风险的后验估计。模型成功再现了各区域观察趋势，即使在对实证数据相关性弱的北海道，估计值仍处于95% CrIs（Credible intervals，可信区间）内。模型特别捕捉到第五波期间Delta变异株流行与输入诊断快速增长的吻合。补充图S3和表S7的区域特异性参数显示，联系出发地报告病例率与输入风险的系数在区域间变化超过十倍：北海道最小，而东北、中部、中国-四国和九州显著更大，表明相同的出发地报告病例率增长并未转化为同等的旅行者衍生输入风险增长。虽然疫情波次项改善了模型拟合，但区域差异仍是变异的主要来源。
**讨论与结论**
本研究发现，基于旅行者的输入风险约为全国报告病例率的十分之一，这一差异凸显了"旅行者近似代表其出发地区流行病学状况"假设的局限性。输入风险与出发地报告病例率的关系既非跨区域均匀分布，也非时间上稳定不变。第五波期间，关东和近畿虽报告病例率高，但输入风险相对偏低，可能归因于行为自我选择：有症状或风险感知增强的个体可能避免旅行，从而对旅行者监测产生偏倚。相反，东北和中部在较低报告病例率下显示相对较高的输入风险，提示旅行目的和高风险人群的选择性参与亦塑造了观察模式。
分层贝叶斯模型量化了这种异质性：区域特异性系数变化超过十倍。从公共卫生视角，输入风险应作为补充性哨点信号而非独立的疾病活动替代指标。输入风险的升高，或输入风险与出发地报告病例率的差异，可能促使进一步评估常规监测数据、检测实践、旅客量、旅行行为和疫情阶段。但由于旅行者人群可能受自我选择、风险感知、旅行目的和检测行为的影响，仅凭输入风险不应决定旅行限制、区域风险分类或出发地疾病负担评估。
研究发现对国际场景具有实际意义，尤其在筛检缺失或不完整、常规监测延迟、不均或资源受限的情境中。这与Pullano等估计COVID-19从武汉输入欧洲风险的研究结论一致，该研究识别英国、法国和德国为高风险目的地。需要注意的是，尽管冲绳具备独特的数据条件——几乎所有抵达者乘飞机、旅客量精确记录、所有诊断均由县级监测捕获——这种全面捕获在其他县份或未来疫情中难以复制。然而，核心发现即旅行者衍生指标可能因行为和结构偏倚而与人群层面指标分离，对其他设置仍有参考价值。
研究局限性包括：自愿性旅行前检测可能有适度减少感染旅行者数量的效果；两者均基于有症状确诊病例，未捕获无症状感染；缺乏年龄分层旅客量数据限制了年龄特异性分析。这些结构性局限不影响研究发现的有效性，但提示未来研究应结合旅行者层面和更精细 temporal data（时间数据）以更好校准旅行者监测。最终研究结论明确指出：输入风险方法在特定条件下可提供信息，但不能均匀反映出发地报告病例率或真实感染流行率；旅行者衍生指标未一致追踪出发地病例率，且在特定监测和行为条件下可能低估人群层面指标。
