物种间传播驱动 Busy HPAI 传播并导致海鸟大规模死亡

《Journal of Animal Ecology》：Between-species contagion drives HPAI transmission and mass mortality in seabirds

　　

由高致病性禽流感（Highly Pathogenic Avian Influenza, HPAI）引发的史无前例的禽类大流行（avian panzootic）导致海鸟种群广泛死亡，但传播的确切规模与模式、基本流行病学参数及死亡结果尚不清楚。大规模死亡事件结合暴露可能导致的亚致死效应，将对受影响的野生鸟类种群生存力（viability）产生目前无法预测的后果，其中许多物种已面临严峻的人为压力。

本研究聚焦于受影响最严重的海鸟物种之一——北鲣鸟（Northern gannet，Morus bassanus）。研究人员采用种群网络（metapopulation）流行病学框架，拟合了东北大西洋鲣鸟繁殖群及其附近区域发现的死亡鲣鸟数量数据，估计了关键流行病学参数，量化了死亡空间格局，并分离了外部传播途径。

流行病学参数估计表明，2022年HPAI毒株具有高毒力，且在鲣鸟网络内部及更远范围内具有高度传播性。在鲣鸟群体内，研究人员发现随着死亡导致局部繁殖密度降低，传播率可能随之下降的证据。

网络中的群间传播随距离增加而衰减，流行病学连通性的估计半距离（half-distance）为5 km。大规模暴发的启动主要由外部感染源解释，最可能是其他海鸟物种，其估计半距离为66 km。

模型表明，这些多尺度、多物种过程导致东北大西洋鲣鸟繁殖种群网络中28%（95% CI：21%–34%）的HPAI相关死亡，叠加于正常年度死亡率（5%–10%）之上。

该研究证实，若进行整体性分析，尸体数据（carcass data）不仅能提供流行病学洞见，还可作为大陆尺度传播模式的早期预警系统。为大流行 preparedness，将此类数据整合方法纳入星球健康监测的主流工具箱至关重要。通过解耦种内与种间传播，该方法强调将群居物种纳入全球禽流感监测与应对体系的必要性。

本研究发表于Journal of Animal Ecology，聚焦于高致病性禽流感（HPAI) H5N1亚型2.3.4.4b谱系在野生鸟类中的传播动态。野生种群是HPAI的主要宿主储存库，然而HPAI在野生鸟类中的动态规律仍知之甚少。这一认知缺口带来双重紧迫性：一方面，众多受影响的动物种群已因栖息地丧失、直接捕杀等多重人为压力而处于脆弱或衰退状态，疾病引发的大规模死亡和繁殖失败可能触发常规保护措施无法逆转的种群下降；另一方面，许多自由活动或迁徙动物的高移动性促进了HPAI在不同环境中的局部与全球尺度扩散，使其成为向家畜或人类溢出的重要潜在途径。

2022年HPAI H5N1 2.3.4.4b谱系在野生动物中的快速出现，至少涉及26种鸟类和17种新哺乳动物类群，这促使研究人员深入探究物种内外接触、传染及疾病维持的详细机制。尽管已有大量关于多种物种高繁殖失败率和成体死亡的局部报道，但对病毒在鸟类群落中跨时空传播的规模与模式仍认识有限。

为评估疾病能否在单物种系统中持续存在，必须量化感染率、死亡率、恢复率及基本再生数（R₀，即易感种群中一个感染个体平均能传染的个体数）等关键流行病学参数。然而，仅凭经验参数不足以进行大规模预测。任何尺度的空间结构均可改变区域传播速率，并将小规模随机事件放大为全系统的暴发异质性。这种复杂的系统级动态唯有借助数据驱动建模才能捕捉。在厘清某一焦点物种的流行病学模式后，还需了解暴发如何在更广泛的多物种群落中展开，包括对观测有限的物种。

基于详细组织学和病毒基因组学数据的方法，或高频长距离动物移动观测，是深入理解疾病途径和动态的科学金标准；但从头构建这类分析可能被需探究和关联的多种机制所淹没。可能的传播途径包括亚种群间的阶梯式或大尺度种内过渡，也包括食腐行为等种间近距离互动。与家畜不同，许多野生动物栖息地广阔且难以直接甚至远程观测，访问受限因素包括生物安全和许可问题，因此典型的分子检测和症状学方法无法以足够频率覆盖大陆尺度。

替代方案是放弃对详细机制的追寻，转而从大尺度死亡数据中推断连通性和流行病学的宏观模式，以获取疾病流行程度和局部暴发时间的线索。由于极少有野生动物系统建立了能覆盖高移动性物种范围的监测网络，这种方法的挑战在于数据必然是机会性和不均衡的。监测网络的碎片化及观测强度的异质性，叠加不同物种间症状表现和死亡率的差异，意味着最严重受影响物种报告的死亡数未必能反映宿主物种的负荷。因此，野外研究对病毒传播是否存在稳健的时空模式尚无定论。一些研究即使在测序分析辅助下也未发现空间聚类，而另一些则能够描述空间波的前进过程。然而，病例报告的碎片化和高度随机性不应阻碍研究人员从发病率/患病率数据中寻求潜在模式和结构，唯有捕捉此类模式，才能启动预测以支持预防。

研究人员以东大西洋分布的单一指示物种——北鲣鸟（Morus bassanus）为例，展示模型化感染动态的效用。鲣鸟是2022年HPAI H5N1 2.3.4.4b uObronee影响最严重的海鸟物种之一，且在其全球分布区均受到冲击。研究利用东北大西洋所有鲣鸟群的机会性尸体计数数据，拟合了一个能同时捕捉三种传播的流行病学模型：第一种是殖民地内传播，用于估计基本流行病学参数（如R₀）以量化传染性并检测局部传播的异质性证据；第二种是群间传播，估计种群网络连通性以推断不同距离群体间的感染交换率；第三种是网络外传播，以种群网络作为哨兵观测节点系统，将任何无法解释的残留空间模式作为来自更广泛海鸟群落的外部侵入代理。

核心方法上，研究采用基于贝叶斯状态空间建模（state-space modelling）技术的网络结构化SIRD模型（易感-感染-恢复-死亡，Susceptible-Infected-Recovered-Deceased），装备经验连通性函数量化群间传播，并包含空间同步性项以检测和量化网络外的感染残留模式。模型在离散时间的44周内展开，始于2022年4月15日东北大西洋鲣鸟种群网络首例检测前5周。对于殖民地内封闭群体，采用广义质量作用定律，其中传播率以感染比例（I/N）和易感比例（S/N）表示，引入基线传播率β和非线性响应参数c₁以刻画易感者稀释的可能非线性效应。新感染数每周建模为gamma-Poisson过程（实质为负二项分布），过离散参数σ控制随机变异。推广至种群网络时，引入有效感染数概念，包含来自其他鲣鸟群的距离折扣贡献，采用指数衰减连通性矩阵K_ij，半距离参数λ_K刻画空间衰减。

同步性项作为模型新颖特征，使用鲣鸟殖民地网络作为观测点集。若先前未受影响邻近殖民地的暴发在时间上一致，且无法由网络连通性解释，则归因于网络外传播。同步性项数学形式类似连通性但有两点关键差异：其一作用于其他殖民地疾病存在/缺席（而非感染数量），其二在整个殖民地网络中归一化，使其作为核平滑器运作，产出任意空间点暴露于疾病的概率，衰减参数λ_S控制空间自相关衰减率。

观测模型方面，鉴于MCMC框架中二项观测过程的数值挑战，采用二项分布的正态近似建模尸体计数，检测概率p_det设为约9%。对于Bass Rock和Grassholm两个有终末结局数据的殖民地，将死亡比例和恢复比例（基于"黑眼"表型诊断）作为联合似然的附加成分。

模型使用JAGS实现，经2000次迭代适应、80000次迭代预热后保留8000次后验样本。通过已知参数模拟数据并回估验证模型，采用Gelman-Rubin诊断评估收敛性。敏感性分析包括：设定c₁=1检验完美混合假设，以及设定同步性参数τ=0检验仅鲣鸟模型假设。

研究背景与问题：HPAI对野生鸟类构成严重威胁，但野生鸟类中的传播动态规律认知不足。现有研究缺乏跨大陆尺度的系统流行病学参数估计，且对种内与种间传播的相对贡献不明。传统分子和症状学方法难以覆盖广阔野生动物栖息地，机会性尸体数据虽有潜力但受观测偏差困扰。

研究开展与结论：研究人员构建了整合三种传播机制的种群网络SIRD模型，以东大西洋43个鲣鸟繁殖群2022年44周的部分尸体记录为输入。核心结论为：（1）2022年HPAI毒株高毒力（周死亡率m=0.7，95% CI: 0.64–0.76）、高传播性（R₀=2.03，95% CI: 1.84–2.33）；（2）种群网络死亡率达28%（95% CI: 21%–34%）；（3）种间传播是早期暴发的初始驱动力，群间直接传播仅在后期成为主要贡献者；（4）尸体数据经系统整合可作为流行病学洞察和早期预警工具。该研究对野生动物疾病监测、同一健康（One Health）框架以及全球禽流感应对具有重要理论和实践意义。

关键技术方法（约250字）：研究基于东北大西洋46个鲣鸟繁殖群（2022年）的机会性周尸体计数数据，海域距离由R包gdistance计算。采用贝叶斯状态空间建模技术，核心为网络结构化SIRD模型，整合三种并行传输机制并通过观测模型校正偏差。殖民地内模块含非线性质量作用传播；群间模块使用指数衰减连通性核函数，基于AOS（明显被占据巢位）近似群体大小；网络外模块以同步性核平滑器识别外部侵入，将残留空间自相关归因于其他海鸟物种。观测模型采用正态近似二项检测过程（p_det≈9%），并辅以Bass Rock独立死亡率估计（~55%成体存活）及Bass Rock与Grassholm"黑眼"恢复诊断作为联合似然约束。模型在JAGS中实现，MCMC四链并行，通过模拟验证和先验敏感性分析确保稳健性。关键假设敏感性检验包括完美混合约束（c₁=1）和无同步性约束（τ=0）。

研究结果：

3.1 殖民地内传播：通过建模估计周死亡率m=0.7（95% CI: 0.64–0.76）、恢复率ρ=0.85（95% CI: 鼾81–0.88），由此推算感染队列仅26%预期存活。基本再生数R₀=2.03（95% CI: 1.84–2.33），与家禽群体内传播文献范围一致。接触混合参数c₁估计为1.41（95% CI: 1.18–1.65），显著大于1，提供了野生鸟类中传播早期减速的强力证据，这种曲率可能导致病例时间序列相比均匀传播更早更低峰。与完美混合模型比较表明，实际最大传播率低于完美混合且发生于感染比例更低时。检测概率仅约9%（95% CI: 8.5%–9.3%），反映了海上死亡和观测努力不足。

3.2 群间传播：连通性半距离估计为5 km，远小于最近邻群体间中位距离94 km（范围9–542 km），表明鲣鸟群体间直接传播空间尺度极为有限。

3.3 网络外传播：同步性半距离为66 km，远大于连通性半距离。移除同步性项的模型导致连通性参数λ_K估计下降（半距离扩展至约19 km），且无法产生若干偏远群体的暴发，与观测到的尸体检测矛盾，证实网络外传播机制不可或缺。

3.4 时间维度上的流行重建：全种群感染数于2022年7月初达峰，估计中位感染数1.85×10⁴（95% CI: 1.38×10⁴–2.27×10⁴）。终末死亡占种群28%（95% CI: 21%–34%）。时间序列分解显示，早期（4–6月）网络外病例高于群间输入，直至7月底群间传播才成为主要进口来源，但低水平外部侵入持续存在。

3.5 HPAI传播时空（加上时间）重建：通过控制种内网络动态后的同步性机制，重建了鲣鸟网络外的感染压力空间分布。传播呈现远距离焦点与局部行波组合：冰岛首现焦点之外，北苏格兰和北挪威存在额外早期焦点；冰岛与苏格兰部分Week 15后连通，挪威焦点始终未达其余区域水平。尽管格局破碎，空间聚集性 prevalence 表明多物种社区内疾病传播仍具空间相干性和可预测性，有效检测距离约440 km。

讨论部分总结：

本研究利用间断性、部分性北鲣鸟尸体计数，重建了2022年东大西洋流行的时间空间格局，不仅揭示了焦点物种的暴发范围，更通过代理推断指示了受影响海鸟群落中的传播。创新性建模框架同时估计种内、群间和网络外三种传输，证明常规收集但未充分利用的尸体数据可用于动态疾病监测和空间优先级确定。

模型揭示的种内传播异质性（c₁>1）可能源于行为/免疫异质性、空间结构或早期超级传播者，也可能反映高密度地形平坦区域的早期快速传播后，因地形异质性（如垂直悬崖）或死亡降低密度而减速。不同殖民地结局的广泛变异可能暗示群体间差异（如地形）而非个体差异为主因，但需更多田野数据验证。

群间极短连通性半距离（5 km）表明鲣鸟群体间直接传播可能稀少。连通性项为现象学方法，依赖空间关联而非个体接触识别，无法唯一确定陆地或海上的具体传播接触，这需病毒株详细数据支持。

网络外传播驱动早期暴发的主要发现，表明其他疾病媒介（可能是其他海鸟物种如贼鸥，或非繁殖游荡鲣鸟）作为HPAI通道的功能。区分这两种机制具挑战性，因尸体数据无法区分繁殖者与非繁殖者，且非繁殖者移动也可能与种群网络关联。然而，移除同步性项导致若干有检测记录的群体无法产生暴发，支持种间传播假说。模型中连通性与同步性项 partitioning 的固有不完美性（如某些不成熟鲣鸟可能脱离繁殖群体贡献同步性项）不影响整体结论。

研究强调，不同机制间的 prevalence 最大值差异不应作为传播重要性的直接度量，因远距离输入单个病例的长期影响（如在新未受影响群体引燃暴发）可能超过本地多发传染。

群体间终末结局的广泛变异有趣，因模型未使用可区分群体特征的协变量。这可能源于群体间交叉免疫变异、影响传播的群体特异性特征，或影响尸体检测回收概率的因素，需进一步田野研究阐明。

大规模死亡结合暴露对存活者状况和繁殖 success 的潜在有害效应，结合种群已面临的人为压力，将对种群生存力产生难以预测的后果。估计的全球和局部死亡率可 readily 纳入种群生存力分析，结合气候变化等威胁评估HPAI长期影响。

野生动物暴发难以防控：疫苗接种和扑杀对大范围、受威胁、数万个体群居繁殖动物不可行，只能 Physical 干预（如尸体移除）和响应性家畜封锁往往杯水车薪。因此，开发基于间歇性、部分性、高度误差数据的空间预测方法，既是紧迫也是挑战性问题。本研究展示如何将机会性观测组织为综合框架。

尽管模型明确表达了尸体检测努力的空间异质性并估计检测概率，但无法对每个群体单独精化。给定数据的 opportunity 性质，研究依赖时空广度而非局部重复，但框架可同时利用两种设计。未来需维持选定永久观测站（疾病"气象站"），并最大化利用无人机计数、黑眼观察、血清学采样、运动追踪等多元数据类型增强监测。特别地，与病毒测序数据的整合应成为建模优先事项。

最终，研究证实整体性分析的尸体数据可提供流行病学洞见并作为大陆传播模式的早期预警系统。将数据整合方法纳入星球健康监测主流工具箱，对大流行 preparedness 至关重要。通过解耦种内与种间传播，该方法强调将群居物种整合入全球禽流感监测应对体系的必要性。

研究结论部分翻译：

该研究证实，若进行整体性分析，尸体数据不仅能提供流行病学洞见，还可作为大陆尺度传播模式的早期预警系统。对于大流行 preparedness，将此类数据整合方法纳入星球健康监测的主流工具箱至关重要。通过解耦种内与种间传播，该方法凸显将群居物种整合入全球禽流感监测与应对体系的必要性。