《One Health》：Climatic drivers of the 2024 malaria outbreak in two neighbouring districts in northeastern India and its corridor: The indirect role of El Ni?o
编辑推荐：
背景：尽管取得了进展，疟疾仍然构成重大的全球和区域负担。印度贡献了东南亚地区近一半的疟疾病例。2024年，印度东北部的阿利普杜阿尔（Alipurduar）及邻近的科克拉贾尔（Kokrajhar）地区观察到疟疾病例异常增加，这些地区多年来维持年寄生虫发病率（AP
背景：尽管取得了进展，疟疾仍然构成重大的全球和区域负担。印度贡献了东南亚地区近一半的疟疾病例。2024年，印度东北部的阿利普杜阿尔（Alipurduar）及邻近的科克拉贾尔（Kokrajhar）地区观察到疟疾病例异常增加，这些地区多年来维持年寄生虫发病率（API）低于1。因此，了解此次暴发的气候和环境因素对于早期检测和预防至关重要。方法：研究人员分析了2018年至2024年两个地区经确认的疟疾病例的月度流行病学数据，以及气象变量和厄尔尼诺-南方涛动（ENSO）指数。研究人员分别构建了纳入滞后气候参数的多个泊松（Poisson）回归模型，并使用均方根误差（RMSE）评估样本外预测性能。结果：2024年8月至12月两个地区疟疾病例的显著增加主要由间日疟原虫（Plasmodium vivax）感染驱动（阿利普杜阿尔约95%病例）。模型显示无异方差性（p?>?0.05），并良好地捕捉了两个地区的暴发趋势。滞后温度被确定为两个地区共同的显著预测变量，具有2–3个月的延迟效应。降水量在两个地区均与疟疾呈负相关，阿利普杜阿尔有1个月滞后影响，而科克拉贾尔无滞后影响。模型不可转移性证实了天气变量以及当地媒介动态的差异化影响，以及厄尔尼诺（El Ni?o）条件对两个地区报告疟疾病例的独立、间接效应修饰。结论：与厄尔尼诺驱动的气候异常相关的滞后温度增加对2024年阿利普杜阿尔和科克拉贾尔的疟疾暴发产生了强烈影响。这些结果强调了将基于ENSO的预测整合到疟疾早期预警系统中的作用。早期、气候知情的监测和媒介控制规划可防止局部复燃，并维持疟疾消除成果，尤其在低API地区。
**论文解读：气候驱动因素与印度东北部2024年疟疾暴发的关联分析**
**研究背景**
疟疾依然是全球公共卫生的重大挑战，2023年全球估计有2.63亿例病例和59.7万例死亡。印度占世界卫生组织（WHO）东南亚区域疟疾负担的近一半，尽管整体发病率呈下降趋势，但低传播地区的局部暴发仍可能迅速逆转消除进展。2024年，印度东北部西孟加拉邦的阿利普杜阿尔（Alipurduar）地区和阿萨姆邦的科克拉贾尔（Kokrajhar）地区出现异常疟疾病例激增，这两个地区此前多年维持年寄生虫发病率（API）低于1，未纳入大规模媒介控制干预（如长效杀虫蚊帐LLINs和室内滞留喷洒IRS）。既往研究显示，气候变异性（包括温度、降水、相对湿度）可通过影响按蚊繁殖、媒介存活、叮咬行为及疟原虫发育来改变传播风险，而大尺度气候现象如厄尔尼诺-南方涛动（ENSO）可长期改变区域降水和温度模式。然而，关于印度东北部低传播地区暴发中气候驱动因素，尤其是ENSO间接作用的证据有限。该地区位于连接印度东北部与本土的“鸡颈走廊”，具有重要流行病学意义，且当地存在多种媒介（如Anopheles annularis、An. maculatus、An. culicifacies）。因此，研究人员旨在阐明气候变异性（包括滞后效应和ENSO影响）在2024年暴发中的作用，为早期预警系统提供依据。该研究发表于《One Health》期刊。
**主要技术方法**
研究人员收集了阿利普杜阿尔（2018年1月至2024年12月）和科克拉贾尔（2019年1月至2024年12月）经确认的疟疾病例月度数据（来自地区疟疾项目），以及ERA5再分析数据集的气象变量（相对湿度RH、温度Temp、降水Prec.）和NOAA气候预测中心的ENSO（尼诺3.4区海温异常）数据。通过Granger因果检验评估ENSO对局地气象变量的时序预测关系，并构建滞后变量（气象变量滞后0–6个月，ENSO滞后0–12个月）。使用泊松（Poisson）回归模型，以月度病例为响应变量，以滞后气象变量及其与ENSO的交互项为预测变量，并用2018–2023年数据训练，2024年数据验证，通过AIC、BIC、R2和RMSE选择最优模型。同时进行了敏感性分析（纳入ENSO主效应）和异方差检验（White检验）。
**研究结果**
**1. 报告疟疾病例与天气变化的时序趋势**
阿利普杜阿尔2024年阳性病例从2023年的41例骤增至744例，科克拉贾尔从256例增至3808例。病例高峰集中在9–11月（Kruskal-Wallis检验显示显著月间变异，p<0.01）。科克拉贾尔2024年API达35.9，阿利普杜阿尔为4.5，远超全国平均水平（约0.18）。气象数据显示，季风期（6–8月）降水充沛（月均>250 mm），而9–11月降水显著下降（月均~45 mm），相对湿度全年较高（>84%）。ENSO异常在2023年5月转为正异常，2023年12月达峰值，2024年1月仍保持高位。
**2. 模型推断**
泊松回归模型捕获了暴发趋势，无异方差性（p>0.05）。阿利普杜阿尔最优模型RMSE=12.9，R2=0.84；科克拉贾尔RMSE=26.1，R2=0.97。
- **阿利普杜阿尔**：滞后2个月的温度和相对湿度与疟疾呈正相关（边际效应：温度0.2，相对湿度0.04），滞后1个月的降水呈弱负相关（-0.003）。ENSO与温度交互项为正（0.28），与相对湿度交互项为负（-0.07），与降水交互项为负（-0.0007），表明ENSO增强温度的正效应，削弱相对湿度和降水的负效应。
- **科克拉贾尔**：滞后3个月的温度正相关（0.33），滞后4个月的相对湿度负相关（-0.03），滞后0个月的降水负相关（-0.0015）。ENSO与温度交互项正（0.055），与相对湿度和降水交互项负（-0.004，-0.002），表明ENSO调节局地气象变量的影响。
模型不可转移性（跨区预测性能下降）证实了局地媒介动态和气象变量的差异化影响。敏感性分析中，纳入ENSO主效应仅改善阿利普杜阿尔模型（RMSE=12.3），但整体解释一致。
**3. 讨论与结论**
温度通过影响媒介发育、外潜伏期和人类症状延迟，对疟疾传播具有2–3个月滞后效应，这与先前研究一致。ENSO通过改变局地温度、降水和湿度，间接修饰疟疾风险，支持了气候介导通路假说。模型性能差异归因于局地生境、干预覆盖和未测因素异质性。研究局限性包括：再分析数据空间分辨率（0.25°×0.25°）可能无法捕捉局地降水变异；偏校正方程共享可能引入不确定性；未纳入媒介密度、土地利用、人群流动和干预措施等变量；聚合数据具有生态学谬误风险；ENSO-疟疾关联为时序预测而非因果机制。
**研究结论翻译**：总之，本研究证明了ENSO变异性、局地气象条件与阿利普杜阿尔和科克拉贾尔疟疾发病率之间的显著时序关联，突显了气候知情的早期预警系统在历史上低传播环境中暴发准备中的潜在效用。观察到的温度及其他气候变量的滞后效应具有生物学合理性，并与涉及媒介发育、存活和寄生虫成熟的既定疟疾传播动力学一致。2024年暴发期间传播期延长及间日疟原虫（P. vivax）主导进一步表明，即便在常规干预优先级较低的地区，有利的季风后环境条件也可能促成局部暴发。同时，邻近地区间预测模型转移性降低强调了局地生态和流行病学异质性在塑造疟疾动态中的重要性。尽管研究识别的是预测性时序关系而非直接因果机制，但结果支持将气候指标（包括ENSO信号）整合到区域特异性疟疾监测和准备策略中，同时强调需要进一步开展多学科研究，涵盖媒介生态、环境驱动因素和干预有效性。然而，由于分析基于聚合地区级数据，未纳入个体水平暴露或昆虫学测量，观察到的关联应被解释为人群水平模式，而非个体水平疟疾风险或潜在传播机制的直接证据。
