日本脑炎在东印度流行区的气候驱动因素评估与多尺度预测

《Discover Public Health》：Assessing climatic drivers and multi-scale forecasting of Japanese encephalitis in endemic regions of eastern India

　　

日本脑炎（Japanese Encephalitis, JE）仍是东印度地区季节性的公共卫生问题，但各邦的气候相关因素及其预测方式存在差异。研究人员分析了五个JE流行邦的月度病例数，采用相关分析、广义加性模型（Generalised Additive Models, GAMs）、季节性自回归积分滑动平均（Seasonal Autoregressive Integrated Moving Average, SARIMA）以及小波-带外生变量的季节性自回归积分滑动平均（wavelet-Seasonal Autoregressive Integrated Moving Average with Exogenous Variables, Wavelet-SARIMAX）框架。影响JE的主要气候因素为最低温度（Tmin）、降雨量和湿度；温暖夜晚与季风湿气影响尤为显著，而最高温度（Tmax）影响较弱或不确定。GAM结果显示湿度效应与季风条件吻合，Tmin阈值约18–22 °C，对降雨量有特定响应。基础SARIMA在北方邦表现良好，但预测测试表明，在其他地区采用小波分解并加入邦级外生变量可提升精度。Wavelet-SARIMAX在阿萨姆、比哈尔、奥里萨和西孟加拉误差最小。综上，融合关键气象因素与特定分解方法可实现更可靠的短期JE预测，支撑流行区早期预警系统。

研究背景与立项依据：日本脑炎（JE）是由日本脑炎病毒（Japanese encephalitis virus, JEV，黄病毒属）引起、经库蚊（主要为三带喙库蚊Culex tritaeniorhynchus）传播的蚊媒病毒性脑炎，猪与涉禽为扩增宿主。WHO估计全球年临床病例约10万、死亡约2.5万，亚洲与西太平洋24国仍流行，超30亿人受威胁。印度多个邦持续高发，且向城市边缘扩张；北方邦通过疫苗与媒介控制显著降低儿童死亡，但阿萨姆、比哈尔等地仍随季风洪水、稻田灌溉与养猪密度上升而出现季节峰值。既有文献多聚焦单区域、单尺度或线性模型，缺乏跨邦比较，也未系统整合非线性气候响应与多尺度分解预测。该研究即在此缺口下，针对阿萨姆、比哈尔、奥里萨、北方邦、西孟加拉五邦2020–2024年月度监测数据，评估气候驱动并比较常规时间序列与小波混合模型性能，论文发表于《Discover Public Health》。

主要技术方法：研究人员从印度国家媒介传播疾病控制中心（NCVBDC）获取五邦2020年1月至2024年12月月度JE病例（每邦60条），同期NASA POWER网格气候数据提供降雨量、相对湿度（RH）、T_max、T_min。方法链包括：①Pearson相关矩阵筛查变量；②广义加性模型（GAM，高斯分布+恒等链接+惩罚样条，pyGAM实现）刻画降雨/RH/T_max/T_min非线性偏效应；③最大重叠离散小波变换（Maximal Overlap Discrete Wavelet Transform, MODWT）对病例序列做2–5层分解，按方差贡献选第2层；④季节性差分平稳化（ADF/KPSS检验）后建SARIMA(p,d,q)×(P,D,Q)^S与SARIMAX（外生量依相关强度选T_min/降雨/RH），再将小波近似与细节分量分别喂入SARIMA/SARIMAX得Wavelet-SARIMA、Wavelet-SARIMAX；⑤按80:20切分训练/测试集，滚动预测12个月，以RMSE、MAE、MAPE比较。

研究结果：

相关分析显示五邦JE与T_min、降雨量、RH均正相关，阿萨姆T_min r=0.62、降雨r=0.60；比哈尔T_min r=0.76；北方邦T_min r=0.83；西孟加拉T_min与降雨均r=0.77；T_max关联弱或负。降雨与T_min本身高度共线（r=0.68–0.84）。

GAM偏依赖图表明：降雨量呈驼峰状，中高 monsoon 雨（如阿萨姆8–9 mm/日尺度、奥里萨100–250 mm/月）正效应最强，过低无孳生地、过高冲刷幼虫；RH单调上升至80–85%达峰后略降；T_max单峰，最优低30 ℃（阿萨姆约34 ℃峰），过高抑制媒介；T_min阈值效应明显，跨邦一致在18–22 ℃以上陡升，阿萨姆至22–25 ℃最强。

MODWT分解确定第2层捕获主要信号且抑噪，作为混合模型输入。

SARIMA/SARIMAX结构中各邦阶数异质，均含季节差分D=1；北方邦纯SARIMA(具季节ARMA)最优（RMSE=4.240, MAE=2.770），加RH反恶化；比哈尔SARIMAX入T_min降至RMSE=1.657，Wavelet-SARIMAX再降至MAE=0.969/MAPE=25.32%；阿萨姆单SARIMAX入降雨RMSE=68.45，Wavelet-SARIMAX降至RMSE=14.41/MAE=7.471；奥里萨Wavelet-SARIMAX入T_min+RH得RMSE=0.730/MAE=0.425；西孟加拉Wavelet-SARIMAX入降雨RMSE=2.854。Wavelet-SARIMAX在四邦优于基准。

讨论与结论翻译：该研究证明JE气候驱动存在邦级异质，州特异性框架优于统一模型。GAM气候评估结合小波增强预测，为气候敏感疾病监测与预警提供实用框架。季风气候中T_min、降雨、RH为主预测因子，T_max弱效；温暖湿润夜晚与中高降雨延长库蚊存活、加速JEV复制与孳生。GAM非线性响应显示湿度/降雨呈饱和或驼峰，T_max低中30 ℃最优，T_min过18–22 ℃陡增，与昆虫学证据一致。预测上北方邦SARIMA足用，余邦入T_min外生+小波多尺度分解（Wavelet-SARIMAX）得最佳12月短期预报。整体表明东印度JE风险紧系暖夜、湿度和季风降雨，小波混合气候敏感模型可可靠支撑短期预警与目标化公共卫生部署。