使用病例交叉研究和机器学习评估加拿大禽流感暴发的瞬时风险因素

《Poultry Science》：Evaluating transient risk factors for avian influenza outbreaks in Canada using case-crossover study and machine learning

　　

高致病性禽流感（HPAI）对加拿大禽业构成严重的生物和经济威胁。由于传统流行病学模型中的空间混杂，瞬时的日常气象和区域触发因素仍难以量化。为分离这些触发因素，本研究采用时间分层病例交叉设计，整合了2022-2024年的受感染场所兽医监测数据集与ERA5气象再分析数据。研究人员采用经山脊（Ridge，L2）正则化优化的条件差分法。国家模型显示出良好的判别能力（ROC-AUC = 0.978；Brier评分 = 0.060）。分析确定，与活跃暴发场所的局部邻近性是最强的统计预测因子，其模式与由高风速和相对湿度放大的风媒传播一致。省级分层揭示传播机制在地理上存在差异。在密集农业区，极端的农场邻近性所产生的效应压倒了环境气象因素。在草原地区的分散地理条件下，气象因素主导感染触发因素。这些发现表明，缓解干预措施必须针对区域因素进行定制。

**论文解读：高致病性禽流感暴发瞬时风险因素的评估——基于加拿大病例交叉研究与机器学习**

高致病性禽流感（Highly Pathogenic Avian Influenza，HPAI），尤其是H5N1亚型，对加拿大禽业构成严重的生物和经济威胁。传统流行病学模型通常依赖空间横断面设计，虽能识别区域脆弱性（如高密度养殖区），但受未测量的空间混杂因素干扰，难以捕捉引发急性暴发的瞬时、日常气象和区域触发因素。例如，温度、湿度等气象因子与局部活跃感染间的非线性交互作用尚未被量化。为解决此问题，研究人员采用时间分层病例交叉设计，结合机器学习方法，旨在隔离动态环境风险因素，为区域化防控策略提供定量依据。该论文发表在《Poultry Science》。

研究人员主要应用了以下关键技术方法：基于加拿大2022-2024年兽医监测项目记录的受感染家禽场所数据（样本队列来源），结合ERA5气象再分析数据（气温、风速、降水等），构建时间分层病例交叉设计。通过条件差分法（difference method）实现自身对照，并采用Ridge（L2）正则化优化条件逻辑回归模型。特征工程包括多项式与交互项（如风速×邻近感染数），并利用递归特征消除（Recursive Feature Elimination，RFE）筛选稳定特征。模型评估采用ROC-AUC、Brier评分等指标。

研究结果包括以下部分：

**描述性统计与时间基线**：分析显示，感染日期与对照日期相比，局部活跃感染邻居数（Number of Infected Neighbors within 20 km，NNFI）从平均17.13激增至237.23，上风方向感染邻居数（Number of Upwind Infected Neighbors，NNFUWI）从2.05增至31.22，暴发呈春季和秋季季节性高峰。

**国家模型进展与验证**：通过基线线性模型（BLM）、全工程化模型（FEM）及增强全工程化模型（FEM+）的递进建模，FEM+在留存测试集上取得ROC-AUC=0.978、平衡准确率0.932、Brier评分0.060，5折交叉验证平均ROC-AUC为0.969±0.011，稳定性良好。

**国家分析**：FEM+模型识别出10个工程化特征，揭示四种流行病学机制：
1. **邻近基线（Proximity Baseline）**：NNFI的比值比（Odds Ratio，OR）为152.16，表明活跃感染邻居的突然出现是急性暴发的最强预测因子。
2. **风媒传播（Wind-Borne Spread）**：上风方向感染邻居（NNFUWI，OR=3.32）与风速交互项（S×NNFUWI，OR=1.81）及相对湿度交互项（RH×NNFUWI，OR=1.70）均放大风险，统计模式支持风媒气溶胶传播。
3. **降水保护（Precipitation）**：降水与局部暴发密度的交互项（P×NNFI，OR=0.42）表明，并发降水可降低农场间传播风险约58%，可能通过大气冲刷消除传染性气溶胶。
4. **饱和效应（Saturation）**：NNFI的二次项（NNFI²，OR=0.47）显示风险在高密度感染时趋于平台，可能归因于生物饱和及人类干预（如严格生物安全措施和扑杀）。

**省级水平分析**：独立应用FEM+至各省，依据事件每变量比例（Events Per Variable，EPV）阈值限制特征数，结果揭示两种截然不同的传播特征：
- **分布A（密度主导型）**：在安大略省、不列颠哥伦比亚省和魁北克省等高集约化养殖区，模型由邻近指标（NNFI、NNFUWI）主导，气象变量被排除，表明密度覆盖效应（Density Override）——极端农场密度使局部传播路径（如人员、设备移动或短距风媒）压倒一般气象影响。
- **分布B（气象主导型）**：在萨斯喀彻温省和曼尼托巴省等草原分散地区，模型保留了气温二次项（T²）、相对湿度二次项（RH²）和降水（P）等环境特征，表明病毒在远距离传播中高度依赖特定天气窗口（如适宜温度、高湿度）以保持活力。

**讨论部分**：研究指出，国家风险谱中局部活跃感染邻居是最强统计预测因子，但风险呈饱和模式；风速和相对湿度放大了上风方向感染邻居的风险，与短至中程风媒传播假说一致；降水与局部暴发密度的交互作用表现为保护性环境屏蔽效应；原始气温作为线性特征被剔除，因其主要起季节性许可作用而非每日触发因素。省级分析强调传播机制的区域异质性，建议防控策略需针对区域农业地理进行定制：在密度主导区，优先实施极端物理隔离和物流封锁；在气象主导区，需动态监控天气条件并加强迁徙季节警戒。

**结论部分（翻译）**：本研究证明，加拿大禽场HPAI的急性传播受复杂、非线性且局部化的瞬时风险因素驱动。与先前将温度和湿度作为主要线性驱动因子的研究不同，本研究的条件分析重新定义了环境气象的作用。研究人员得出结论：温度主要作为广泛的季节性许可因子，而每日暴发诱因主要由局部农场邻近性主导。此外，本研究通过识别与风媒传播一致的统计模式（作为潜在加速因子），贡献于风媒传播的持续研究。上风方向感染邻居（NNFUWI）的存在，特别是在高风速和相对湿度条件下，大幅放大了传播几率。同时，研究人员识别出一种新的环境屏蔽效应，量化了并发降水事件可能降低农场间传播几率（通过冲刷局部大气中的传染性气溶胶）。关键的是，本研究的核心贡献在于统计证实国家层面的框架本身不够充分，因为传播机制高度依赖区域农业地理。研究发现了两种不同的省级传播特征：在高集约化禽区（安大略、不列颠哥伦比亚、魁北克）出现密度覆盖效应；而在开阔分散地理区（萨斯喀彻温、曼尼托巴），环境气象因素仍是关键驱动因子，因为病毒严重依赖特定天气窗口以在远距离保持活力。总之，本研究为加拿大政策制定者提供了严格的数学框架，使其能超越通用国家响应。生物安全干预必须区域化：在密度主导省重点实施极端物流封锁和气溶胶缓解，在分散省部署动态、天气响应式监测。