布鲁氏菌病（Brucellosis）在人、家畜及野生动物中的全球分布与多维度风险评估

《Frontiers in Microbiology》：Global distribution and multidimensional risk assessment of brucellosis in humans, livestock, and wildlife

　　

transl

布鲁氏菌病（Brucellosis）是一种在全球范围内广泛分布的人兽共患病，可在 livestock（家畜）、wildlife（野生动物）和人类之间传播，对全球公共卫生构成重大挑战。然而，布鲁氏菌病风险的全球分布及其在人—家畜—野生动物界面上的影响尚未得到充分表征。本研究中，研究人员构建了一套全球性生态风险评估框架，用于表征布鲁氏菌病的空间分布及其主要环境和人因驱动因素。利用涵盖布鲁氏菌（Brucella spp.）发生记录的综合性全球数据库，研究人员应用了生态位建模方法来预测疾病适宜性，并量化可能暴露于布鲁氏菌病风险的人口和动物物种数量。该模型表现出较强的预测性能（AUC = 0.901），并确定亚洲为全球主要的热点区域，在非洲东部和西部还存在额外的高风险区域。人口密度、土地覆被、牧场、城市水域、土壤特征以及最冷月最低温被确定为塑造布鲁氏菌病风险全球分布的主要预测因子。据估计，约有5,833万至6,150万人口以及10.3亿至12.2亿头家畜（包括山羊、绵羊、牛和水牛）居住或分布于高风险区域内。此外，5,212种哺乳动物物种的地理分布区与预测的布鲁氏菌病风险区存在空间重叠，其中包括214种受威胁的野生偶蹄目（Artiodactyla）物种。多种受威胁物种，如Panthera tigris（虎）、Panthera pardus（豹）、Rusa unicolor（水鹿）和Capricornis sumatraensis（苏门答羚），被发现与高风险区域存在显著重叠，提示在家畜—野生动物界面上可能存在潜在的暴露风险。这些发现揭示了布鲁氏菌病在人类、家畜和野生动物种群中广泛的生态足迹，并强调了将野生动物保护纳入布鲁氏菌病监测与控制计划的重要性。所得出的全球风险图为基于全健康（One Health）理念的监测、针对性干预和保护规划提供了宝贵工具。

布鲁氏菌病作为一种全球性重要但被忽视的人兽共患病，由布鲁氏菌属（Brucella spp.）引起，该属细菌为兼性胞内革兰氏阴性菌，可感染广泛的 domestic animals（家畜）、wildlife species（野生动物物种）和人类。尽管该病在全球170多个国家和地区有分布，且每年报告超过50万例人间病例，但其在人、家畜及野生动物界面上的综合风险格局仍缺乏系统性评估。生态位建模（Ecological Niche Modeling, ENM）已成为预测新发和再发传染病全球分布风险的有效工具，但针对布鲁氏菌病的综合性生态位建模研究仍然有限，且缺乏统一整合人—家畜—野生动物界面的全球风险图，也缺乏对野生偶蹄目物种潜在暴露风险的定量评估。

为解决上述知识缺口，研究人员在《Frontiers in Microbiology》发表了这项研究，旨在表征布鲁氏菌病风险的全球空间分布，识别与疾病分布相关的主要生态和人因因素，并评估不同生态界面上野生动物、家畜和人类种群的潜在暴露模式。该研究将布鲁氏菌病防控与野生动物保护、公共卫生改善及全健康框架紧密结合，对全球布鲁氏菌病防控路线图具有重要指导意义。

研究人员开展研究时采用了以下主要关键技术方法：基于文献和多个疾病监测数据库（包括WOAH、ProMed Mail及经同行评审的出版物）汇编的全球布鲁氏菌属三种主要菌种（B. melitensis、B. abortus和B. suis）发生记录，时间跨度为1975至2023年；利用SDM Toolbox v1.1c中的"Spatially Rarefy Occurrence Data"工具进行空间过滤，以100 km为最优距离阈值；采用主成分分析（PCA）和方差膨胀因子（VIF）诊断进行变量筛选以处理多重共线性；运用MaxEnt version 3.3.4软件构建全球生态适宜性模型，设置自动特征选择、正则化乘数1.0、最大迭代次数5,000、收敛阈值10^-5，使用10,000个背景点，以10次bootstrap重复将数据按70%/30%划分为训练集和测试集；模型选择与优化借助ENMTools version 1.4.4和AICc（Akaike information criterion corrected for small sample sizes）；模型性能通过AUC（area under the receiver operating curve，受试者工作特征曲线下面积）、TSS（true skill statistic，真实技能统计量）和10%阈值下的遗漏率评估；利用均衡阈值（equilibrium threshold）及±5%敏感性分析将连续适宜性输出二值化为适宜/不适宜区域，并采用Jenks自然断点法进行风险等级分类可视化；将预测风险图层与全球人口密度数据及家畜分布数据集（包括山羊、绵羊、牛和水牛，空间分辨率约1 km×1 km）进行空间叠加，估算各大陆尺度上处于风险区内的人口和家畜数量；将风险图层与IUCN（International Union for Conservation of Nature，国际自然保护联盟）发布的哺乳动物（尤其是偶蹄目）分布范围图进行空间叠加分析，计算受威胁野生物种分布区与布鲁氏菌病高风险区的重叠面积，并据此排序。

研究结果部分，模型验证与性能方面，模型在验证数据上表现优异，AUC为0.901，标准差为0.003，Kappa系数为0.80，CCI（corrected classified image）为0.81，表明预测效果最佳，验证了模型的稳健性。空间过滤后共保留795个由三种布鲁氏菌引起的地理位点，所有发生记录彼此间距至少100 km。

关键预测因子方面，通过对19个气候因子的PCA降维，并结合MaxEnt建模进行迭代变量筛选，最终确定人口密度、城市水域、土地覆被、土壤、牧场和Bio11（最冷月最低温）为影响布鲁氏菌病发生的关键因子。各因子的VIF值为1.325~4.560，满足低多重共线性标准（<10）。人口密度的相对贡献率最高（57.1%），置换重要性为0.8；城市—农村集水区贡献13.9%，置换重要性6.1%；土地覆被贡献13.1%，置换重要性6.2%；土壤贡献9.9%，置换重要性14.4%；牧场贡献3.6%，置换重要性10.2%；Bio11贡献2.3%，置换重要性12.2%。

全球布鲁氏菌病适宜性分布预测方面，MaxEnt模型识别的高风险区域主要位于亚洲，该区域也是全球牛和绵羊养殖数量最多的地区。在非洲，东部和西部各检测到两个 distinct high-risk zones（distinct的高风险带）。美洲和欧洲尽管经济发达、畜牧管理标准化且疫苗接种率高，仍存在小范围且分散的高风险区域。

人口和家畜暴露风险估算方面，全球尺度上，估计有58,291,526.25~61,483,587.33人居住于布鲁氏菌病高风险区域，其中亚洲受影响人口最多。此外，估计有1,027,551,961~1,219,762,242头家畜处于高风险区域，包括绵羊238,339,517~293,978,806只、山羊364,762,480~417,577,064只、牛334,771,242~399,572,703头、水牛89,678,722~108,633,669头，亚洲家畜受影响数量亦为各区域最高。

野生动物暴露风险评估方面，IUCN名录中共有5,625种哺乳动物，其中5,212种物种的地理分布与布鲁氏菌病风险区域存在重叠。在322种偶蹄目动物中，有214种受到布鲁氏菌病威胁，约占66%。受影响面积最大的物种包括：Mus musculus（小家鼠，11,527,645.99 km²）、Vulpes vulpes（赤狐，8,459,133.90 km²）、Panthera pardus（豹，7,391,504.42 km²）、Sus scrofa（野猪，7,200,021.43 km²）、Rattus rattus（褐家鼠，7,028,081.82 km²）、Canis lupus（狼，6,242,572.43 km²）、Panthera tigris（虎，4,888,832.34 km²）等。在偶蹄目中，Sus scrofa受影响面积最大，其次为Rusa unicolor（水鹿，2,729,116.89 km²）、Muntiacus vaginalis（赤麂，2,729,116.89 km²）、Capreolus pygargus（西伯利亚狍，2,070,177.65 km²）、Capricornis sumatraensis（苏门答羚，1,248,042.83 km²）等。地理叠加分析显示，受威胁野生动物物种分布范围与预测的 livestock brucellosis risk zones（家畜布鲁氏菌病风险区）存在重叠，凸显了野生动物可能暴露于布鲁氏菌循环适宜环境的潜在界面。

讨论部分，研究人员首先指出该研究的重要优势在于其在全球尺度上采用统一的全健康框架，同时整合了人类、家畜和野生动物系统的布鲁氏菌病风险评估，这是以往局限于局部流行病学调查或单一宿主风险评估研究所未能实现的。该风险图和定量估算可直接支持WOAH和FAO的全球布鲁氏菌病控制路线图，并为IUCN的受威胁物种疾病风险评估提供数据基础。

地理异质性方面，亚洲和非洲东部、西部的高风险格局反映了兽医基础设施、畜牧管理系统、社会经济条件和疾病监测能力方面的显著差异。高收入国家通过长期疫苗接种、检测扑杀计划和协调监测系统显著降低了布鲁氏菌病流行率，但这些措施在低收入发展中国家往往因经济成本高、物流挑战和公共卫生资源有限而难以实施。美洲和欧洲虽总体风险较低，但进口感染、国际旅行、实验室获得性感染以及活畜和未巴氏杀菌乳制品的跨境贸易仍可导致局部热点。

驱动因素解释方面，人口密度作为主要驱动因子，与 livestock production（家畜生产）增加、动物贸易加剧和人畜接触机会增多密切相关，但研究人员也指出这些关联应视为生态相关而非直接因果关系。城市水域与布鲁氏菌病发生呈负相关，可能反映了城市化环境中改善的卫生基础设施、更安全的水资源管理系统和更强的公共卫生服务对病原体传播的间接抑制作用。

人口影响方面，约5,833万~6,150万人口居住于高风险区域，其中多数分布于亚洲、撒哈拉以南非洲和南美洲，这些人群多依赖资源有限条件下的小规模畜牧业维生。布鲁氏菌病的慢性和致残性可导致长期劳动力丧失和大量自付医疗费用，给缺乏医疗可及性和社会保障的受影响家庭带来沉重负担。

野生动物界面方面，Sus scrofa作为布鲁氏菌传播的主要储存宿主和媒介，因其广泛地理分布、高活动性以及与家畜和人类相关环境的频繁接触而尤为重要。受感染野猪通过粪便、 runoff products（径流产物）和分泌物污染环境，增加其他动物和人类的暴露风险。研究识别的受威胁物种中，Panthera tigris（EN）、Panthera pardus（VU）、Rusa unicolor（VU）、Capricornis sumatraensis（VU）和Elaphodus cephalophus（NT）等物种的地理范围与预测高风险区域重叠显著。布鲁氏菌可严重影响Panthera tigris的繁殖成功率，阻碍种群恢复，使原本已具挑战性的野外虎种群监测和管理更加复杂。

研究局限性方面，研究人员承认存在显著的报告偏倚和数据异质性，低收入国家的监测能力有限和漏报可能导致疾病发生低估，而高收入国家的高密度监测记录可能使模型偏向于这些区域特有的环境特征。当前建模框架未区分不同布鲁氏菌种或菌株的生态位特征差异。尽管应用了空间稀疏化处理，模型仍使用同一发生数据集的子集进行验证而非完全独立的空间数据集，因此不能完全排除性能膨胀。此外，分析未纳入时间动态、季节波动、疫苗接种及其他干预措施和病原体因素演化等影响时空传播模式的重要因素。野生动物分布与高风险区域的重叠应谨慎解读，因生态重叠并不等同于确认感染、宿主易感性或活动性病原体传播。

研究结论部分，布鲁氏菌病仍是影响家畜、野生动物和人类种群的重要但被忽视的全球性人兽共患病，持续造成重大公共卫生和经济负担。尽管已有控制努力，布鲁氏菌病在许多地区仍为地方流行，特别是在亚洲和非洲，生态复杂性和有限的公共卫生基础设施持续阻碍有效疾病控制。本研究应用生态位建模方法勾画了布鲁氏菌病的全球分布，识别了主要的环境和人因驱动因子，并评估了人—家畜—野生动物界面上的潜在跨物种暴露模式。研究结果凸显了控制野生动物与家畜之间种间传播的挑战。将空间风险建模与针对贫困的公共卫生策略相结合，可提高资源配置效率，促进脆弱人群识别，并加强早期预警和监测系统。更广泛而言，将布鲁氏菌病预防纳入减贫和全健康框架，与全球健康公平优先事项高度一致，并可能有助于实现可持续发展目标（SDGs），特别是与人兽共患病控制、粮食安全和减少健康差距相关的目标。