基于172项血清流行率研究估算中低收入环境下麻疹基本再生数R0的建模方法研究

《PLOS Global Public Health》：Estimating the basic reproduction number of measles in low-and middle-income settings using 172 seroprevalence studies: A modelling approach

　　

基本再生数（basic reproduction number, R0）是描述传染病传播能力并评估干预措施潜在效果的流行病学指标。麻疹R0历史上被认为介于12–18之间，其异质性受环境因素影响，但罕有基于多国数据的估算。本研究旨在利用标准化的基于人群的血清调查数据库，估算中低收入国家（low- and middle-income countries, LMICs）的麻疹R0。研究人员将麻疹传播动力学与疫苗接种的年龄结构区室模型（Dynamic Measles Immunization Calculation Engine, DynaMICE）拟合至近期系统综述提取的年龄别血清流行率数据。利用马尔可夫链蒙特卡洛（Markov Chain Monte Carlo, MCMC）方法，研究人员估算了来自57个国家、具有独特调查年份与地点的172项研究中特定环境的R0后验分布。研究人员根据研究特征（包括调查时期、地理区域及采样、测量和报告结果的整体偏倚）对R0估算的自举抽样进行合并。麻疹R0估算在各血清研究间差异显著，范围从0.93（95%可信区间（credible interval, CrI）：0.70–1.00）到147（95% CrI：76.5–208），仅有不到13%的研究其中位数R0值处于12–18范围内。合并的R0估算显示，在2000年后进行的或包含成年人群的血清研究中中位数更小且变异较小，而在世界卫生组织（World Health Organization, WHO）各区域间未发现明显变异。研究人员修正后的估算揭示了中低收入环境中麻疹R0的广泛范围，并强调了在建模流行病及规划干预与疫苗策略时考虑麻疹传播能力异质性的重要性。

研究背景与问题提出

麻疹作为一种高度传染性的疾病，极易引发流行并造成全球范围内的巨大健康负担。长期以来，麻疹的基本再生数（basic reproduction number, R₀）被公认为常见疫苗可预防疾病中最高的之一，传统观点认定在完全易感人群中每个原发性麻疹病例可产生12–18例继发性感染。然而，系统性回顾显示不同国家环境下麻疹R₀的估算值存在极大差异，范围跨度从1.43至770不等。这种传播能力的变异会直接影响特定环境下麻疹负担及疫苗影响的评估准确性，但目前尚不清楚这种变异在多大程度上源于数据源与估算方法的多样性，而非真实的生物学与环境异质性。既往研究多基于单一环境或假设同质混合，缺乏对中低收入国家（low- and middle-income countries, LMICs）——这一承担全球大部分麻疹负担区域的系统性量化分析。因此，研究人员开展此项研究，旨在通过标准化的人口层面血清调查（serosurveys）数据，利用动态传播模型推断特定环境下的R₀，从而厘清导致麻疹传播异质性的关键因素，为流行病学建模与免疫规划策略提供基于实证的数据支持。该研究发表于《PLOS Global Public Health》。

主要关键技术方法

研究人员基于Sbarra等人2024年的系统综述，筛选出172项独特的血清研究，涵盖57个中低收入国家于1963年至2019年间的数据，排除无年龄分布、非代表性人群及检测工具有严重偏倚的调查。研究人员采用动态麻疹免疫计算引擎（Dynamic Measles Immunization Calculation Engine, DynaMICE），这是一种包含精细年龄分层（156个周龄组及98个年岁组）及疫苗剂量分层的区室模型（compartmental model），纳入年度季节性、接触矩阵及国家特定人口统计与疫苗接种数据（含常规及补充免疫活动）。通过马尔可夫链蒙特卡洛（Markov Chain Monte Carlo, MCMC）结合分量式Metropolis算法拟合年龄别血清流行率数据，估算R₀、母传免疫持续时间及首剂含麻疹疫苗（measles-containing vaccines, MCV）有效性三个参数的后验分布，并对调查时期、人群年龄、数据点数量及方法学偏倚等因素进行自举合并分析以评估关联性。

研究结果

Posterior R₀ estimates

研究人员通过MCMC诊断获得收敛链的后验参数，模型对年龄别血清流行率的拟合良好，三分之二的研究观测与模拟差异小于10%。R₀后验估算呈右偏分布，跨研究范围极广，从0.93（95%可信区间（credible interval, CrI）：0.70–1.00）至147（95% CrI：76.5–208）。仅12.8%的研究中位数R₀落在常规的12–18范围内，75.0%低于12，12.2%高于18。15.2%的研究95% CrI跨度超过10，多见于样本量小、年龄数据点少或前疫苗时代的研究。地理上，WHO东地中海区域估算多集中于15以下，其他区域上限可达30以上，同一国家内（如中国、印度、巴西、土耳其）中位R₀跨度亦可超20。

Factors associated with R₀

合并R₀估算多呈右偏且峰值常小于10。研究发现调查时期与人群年龄与R₀分布峰值及形态相关：1990年前中位R₀为8.99（四分位距（interquartile range, IQR）=10.4），1991–2000年为12.8（IQR=14.0），2001–2010年为4.48（IQR=3.62），2011–2019年为5.17（IQR=3.73），显示近期研究估算值更小且变异性窄。仅涉及儿童的研究R₀中位数为13.2（IQR=11.6），高于涵盖儿童与成人的5.19（IQR=4.42）。6项R₀低于1的研究处于接近消除环境且MCV1覆盖率较高；2项最高值（>50）见于前疫苗时代幼儿高血清阳性率环境。宏观层面，中位R₀与人类发展指数（Human Development Index, HDI）呈弱负相关（R=-0.2787, p=0.0002），与平均家庭规模呈弱正相关（R=0.2437, p=0.0015），与人口密度无显著相关。

Estimated measles cases

在155项可比研究中，60%的模型中位病例估算高于WHO报告病例，假定模型反映实际发病规模，则仅约1.27%（25^th–75^th百分位数：0.56%–2.94%）的病例被报告给WHO，提示监测系统存在低报告率。36项中模型上限<100例而WHO报告>1000例。与全球疾病负担（Global Burden of Disease, GBD）2021研究比较134项研究（1988–2019），84项（62.7%）的不确定性区间无重叠，模型多低估病例且中位差异显著（62项非重叠项中均低逾80%）。

Sensitivity analysis

模型拟合的中位均方根误差（root mean square error, RMSE）为6.16%（25^th–75^th百分位数：2.40%–11.6%）。拟合较差者多具更多年龄数据点、年份较早且整体偏倚非低中度。剔除20%误差最大研究（RMSE<15.2%）后，受限集与全集的合并R₀点估计与宽区间在各特征下相似，表明结果对拟合优度具有一定稳健性。

讨论与结论总结

研究人员在讨论中指出，本分析系统利用中低收入国家已发表的龄别血清数据估算麻疹R₀，识别出172项研究环境中极大的变异性，多数估算低于常规12–18范围且在同国或同WHO区域内亦存显著异质。R₀在2000年前或仅含儿童人群的调查中倾向更高，并与HDI呈负关联。基于血清学的R₀推算的病例数提示监测系统疾病负担报告不足。变异性与既往综述一致，但本研究通过统一筛选框架与纳入精细年龄结构、国家特定人口及接触模式的DynaMICE模型，改进了对R₀异质性的量化与归因评估。医疗、教育及生活水平进步部分解释变异，模型中合成接触矩阵可能调整了家庭结构与拥挤度效应。利用血清数据估算病例较通报数据不受症状与就医限制，但与WHO及GBD比较仅具探索性。研究局限性包括假设血清调查具全国代表性而实际多受限地理范围、假设R₀与时间恒定忽略非线性时态趋势、血清阳性判定阈值与检测性能异质性未完全校正、未考虑IgG抗体衰减（在低消除环境外影响较小）。结论强调，通过拟合系统综述血清数据并考量国家特定特征，揭示了麻疹R₀在中低收入环境下的显著变异，此变异非仅由模型结构驱动，亦依赖血清研究特征及国家发展特性。提升血清研究与模型输入数据的质量与粒度将增进R₀估算及其决定因素理解。研究凸显国家与次国家层面异质性对麻疹干预与疫苗策略规划的重要性，特定环境R₀对识别流行速度与所需免疫水平至关重要，应利用可得的特定环境血清调查支持流行病学分析与决策。

需要我帮你把这篇论文解读里的关键专业术语（如R₀、DynaMICE、CrI等）整理成一个带简明解释的词汇表吗？