《Science in One Health》:Spatial heterogeneity of Rift Valley fever burden in Kenya: a 10-Year One Health zDALY evaluation
编辑推荐:
背景:裂谷热(Rift Valley fever, RVF)是肯尼亚一种地方性人畜共患病,其反复暴发同时影响人类和牲畜。尽管该病影响重大,但RVF的全部负担仍未得到充分量化。本研究首次采用One Health方法,提供了肯尼亚RVF负担的整合性及空间解聚估计。
背景:裂谷热(Rift Valley fever, RVF)是肯尼亚一种地方性人畜共患病,其反复暴发同时影响人类和牲畜。尽管该病影响重大,但RVF的全部负担仍未得到充分量化。本研究首次采用One Health方法,提供了肯尼亚RVF负担的整合性及空间解聚估计。方法:研究人员使用人畜共患伤残调整生命年(zoonotic disability-adjusted life years, zDALYs)框架,量化了2014年至2024年肯尼亚全国及次国家级的RVF负担,该框架结合了人类健康损失(伤残调整生命年,disability-adjusted life years [DALYs])和牲畜相关损失(以动物损失等值,animal loss equivalents [ALE]衡量)。估计基于报告的RVF病例、牲畜死亡率、流产率和治疗成本。采用蒙特卡洛模拟(Monte Carlo simulations)生成95%不确定性区间(uncertainty intervals, UIs)。结果:RVF负担(每1000人zDALY)在各县之间差异显著,肯尼亚北部负担最高。负担最高的县为Marsabit(24.67, 95% UI: 20.22–29.17)、Baringo(12.23, 95% UI: 8.05–17.22)、Wajir(9.31, 95% UI: 6.08–12.4)、Embu(9.07, 95% UI: 6.58–11.63)和Tana River(6.23, 95% UI: 4.23–8.48)。每1000居民中RVF负担最低的县为Kiambu(0.02; 95% UI: 0.00–0.07)、Kisii(0.01; 95% UI: 0.00–0.07)、Meru(0.00; 95% UI: 0.00–0.04)、Samburu(0.00; 95% UI: 0.00–0.34)、Tharaka Nithi(0.00; 95% UI: 0.00–0.00)和Uasin Gishu(0.00; 95% UI: 0.00–0.00)。DALY和ALE在各县之间存在差异,其中Marsabit的动物负担(ALE)最高,而Nairobi的人类负担(DALYs)最高。结论:本研究定量证明了RVF在肯尼亚人类和牲畜群体中的巨大负担。研究结果可为未来RVF暴发的靶向风险评估、防备规划和成本效益型One Health策略提供指导。
裂谷热(Rift Valley fever, RVF)是一种由裂谷热病毒(RVFV)引起的、对气候敏感的人畜共患虫媒病毒性疾病,在全球范围内具有深远的公共卫生和经济影响。该病于1931年在肯尼亚首次被发现,目前已在多个非洲国家和阿拉伯半岛呈地方性流行。尽管RVF暴发常导致严重的人类和动物健康损失,其全面负担的量化仍面临方法学挑战。传统的疾病负担评估主要聚焦于人类健康结局,采用伤残调整生命年(DALYs)指标,但忽略了动物部门的损失及更广泛的经济后果。为弥补这一不足,人畜共患伤残调整生命年(zDALYs)框架被开发,将DALY概念扩展至纳入动物损失(如动物生命年损失、生产力损失)及公共卫生和兽医干预成本。然而,在非洲地方性流行地区,很少有研究定量运用该框架。肯尼亚历史上RVF暴发约每10年出现一次周期性模式,常由过度降雨或洪水触发,导致蚊虫种群激增。尽管有研究估计了2006/2007年暴发期间的人类DALYs,但缺乏近期暴发的更新估计,且空间异质性评估不足。为此,本研究首次整合流行病学、经济与健康指标,利用zDALY框架评估肯尼亚全国及次国家级RVF负担,旨在揭示空间分布差异,为靶向风险评估、防备规划和成本效益型One Health策略提供证据。该论文发表在《Science in One Health》。
研究人员开展了一项回顾性负担分析,基于2014年至2024年肯尼亚所有47个县的常规监测数据。主要关键技术方法包括:1)数据来源:人类RVF病例数据来自地区卫生信息软件第2版(DHIS2)系统,牲畜数据来自兽医服务局(DVS),涵盖实验室确诊和临床诊断病例;牲畜市场价格来自农业与畜牧业发展部,流产率来自文献;2)zDALY框架:结合人类DALYs(包括因过早死亡损失的寿命年YLL和因残疾生存的寿命年YLD)和动物损失等值(ALE),ALE通过将牲畜损失(死亡、流产、治疗成本)的货币价值除以肯尼亚人均国民总收入(GNI)转换为时间当量;3)不确定性分析:采用蒙特卡洛模拟(每次迭代1000次)生成95%不确定性区间(UI),参数分布基于二项分布(流产、死亡)和正态分布(价格、残疾权重等)。样本队列为研究期间所有报告病例,无预先样本量计算,但县级估计精度取决于病例数。
研究结果如下:
**总病例数和分布**:研究期间,45个县报告了RVF病例,总计7756例牲畜病例和2914例牲畜死亡;人类病例数据通过23%病死率估算。Baringo、Embu和Marsabit是牲畜发病和死亡最严重的三个县。
**空间负担分布**:RVF负担(每1000人zDALY)在肯尼亚北部最高,Marsabit县负担最大(24.67, 95% UI: 20.22–29.17),其次是Baringo(12.23)、Wajir(9.31)、Embu(9.07)和Tana River(6.23)。负担最低的县包括Kiambu、Kisii、Meru、Samburu、Tharaka Nithi和Uasin Gishu(均≤0.02)。
**人与动物负担贡献**:牲畜(ALE)和人类(DALYs)对总负担的贡献比例各县差异显著。Nairobi县负担主要由DALYs驱动;沿海省和东北省多数县ALE贡献更大;裂谷省许多县DALYs贡献高;东部省中Marsabit、Makueni和Embu的ALE比例高,而Machakos、Kitui和Isiolo的DALYs比例高;Baringo县两者贡献相对均衡。
讨论部分强调,本研究首次运用zDALY框架整合评估了RVF负担,揭示了空间异质性,并确认了北部和东部地区为热点。zDALY框架能识别单部门指标遗漏的负担模式,如Embu县以牲畜负担为主(96% ALE),而Nairobi等县以人类负担为主(≥97% DALYs)。研究还指出,生态因素(如干旱低地、洪泛区、土壤类型)和监测强度共同影响负担分布。尽管存在局限性,如缺乏年龄/性别分层数据、RVF无特异残疾权重(采用登革热权重0.133作为代理)、报告偏倚等,但蒙特卡洛模拟将不确定性纳入UI。研究结论验证了肯尼亚人类和牲畜群体中RVF的巨大负担,并强调Marsabit、Wajir和Baringo等县应优先实施疫苗接种、蚊虫控制和早期预警系统,同时需加强兽医与公共卫生部门的联合监测。