malariasimple：用于疟疾传播快速模拟的R软件包

《PLOS Computational Biology》：malariasimple: An R package for fast simulations of malaria transmission

　　

基于过程的疟疾传播模型是评估干预策略、量化不确定性以及为疟疾控制政策提供信息的重要工具。以malariasimulation为代表的基于个体模型（individual-based model, IBM）计算需求高，这限制了其在大规模模拟运行应用中的实用性。本文介绍malariasimple——一个以R软件包实现的简化仓室模型（compartmental model），它在近似malariasimulation的流行病学结构和参数定义的同时，仅需一小部分计算成本。在一系列传播强度和干预场景中，malariasimple能够紧密重现malariasimulation的关键输出，同时将运行时间缩短多达99.6%。其计算效率支持完整的贝叶斯参数推断（Bayesian parameter inference），从而可估计完整的后验分布。malariasimple为伦敦帝国理工学院疟疾模型框架（Imperial College London Malaria Model framework）提供了一个快速、灵活且机制上一致的补充，弥合了计算效率与流行病学真实性之间的差距。malariasimple R软件包可在https://github.com/mrc-ide/malariasimple 免费下载。

研究背景与目的
全球疟疾传播进展停滞，疟疾控制资金缺口扩大，因此必须最大化每笔投入的效果。疟疾控制依赖多种预防措施和及时有效的治疗，但如何在预算约束下最佳地部署和组合这些工具仍很困难。基于过程的传播模型可在现场研究之外提供快速、低成本的干预组合评估，并支持探讨气候变化等未来情境和反事实情景。伦敦帝国理工学院疟疾模型框架中的核心模型malariasimulation是开源、基于个体模型（individual-based model, IBM），能够精细刻画异质性和非线性相互作用，但其计算成本很高。关键参数往往未知，需要拟合数据；而在疟疾负担最重的撒哈拉以南非洲，数据常稀疏且质量不一，因此参数存在很大不确定性。贝叶斯推断等量化不确定性方法通常需要成千上万次模拟，对计算昂贵的个体基模型而言难以实现。已有替代方案如仿真器（emulator）虽能快速近似，但需要昂贵的前期训练且本质上是黑箱，用户难以修改模型结构。为此，研究人员开发了malariasimple，作为malariasimulation的简化、离散时间仓室模型R包，力求保留核心流行病学结构、参数定义和机制逻辑，同时将计算开销降到可进行直接推断的水平。该研究发表在《PLOS Computational Biology》。

研究内容与结论
研究人员提出了malariasimple，一种离散时间仓室模型（compartmental model），刻画人与蚊虫的耦合动力学。人类种群被划分为易感、有症状疾病、无症状感染、亚显性感染、治疗感染和预防性保护六类疾病状态，并按年龄、叮咬异质性和干预组进一步分层；蚊虫生命阶段包括卵、早龄幼虫、晚龄幼虫、蛹和成蚊，成蚊分为易感、潜隐和感染状态。模型采用差分方程，在固定时间步长更新状态变量，并支持确定性版本和随机性版本。模型使用odin2（一种R语言领域特定语言，编译为C++）实现，并通过解析平衡解初始化以缩短预热时间。malariasimple目前纳入了杀虫剂处理蚊帐（insecticide-treated nets, ITN）和季节性疟疾化学预防（seasonal malaria chemoprevention, SMC）两类主要干预措施。与malariasimulation比较后，malariasimple能在多种传播强度和干预场景下紧密复现关键输出，确定性版本运行时间缩短90.2%–99.6%，随机性版本缩短73.0%–99.1%。这表明malariasimple在保持流行病学真实性的同时大幅提高计算效率，使完整的贝叶斯推断和后验分布估计成为可能，为帝国理工学院疟疾模型框架提供了快速、灵活且机制一致的补充。

主要技术方法
研究人员采用离散时间差分方程构建仓室模型；用R包和odin2将模型编译为C++以高效模拟；以解析平衡解初始化人群免疫和感染状态；通过年龄分层、对数正态叮咬异质性分组和干预分组刻画人群异质性；对ITN和SMC的覆盖、衰减、分布时机进行简化线性化建模；分别实现确定性人状态转换和随机性人状态转换（二项分布与多项分布抽样）。验证时在不同传播强度和干预场景下与malariasimulation对照，并使用MCMC方法对合成场景数据做贝叶斯参数推断。样本队列来源：未使用真实队列，采用合成数据场景。

计算成本比较
20年模拟中，malariasimulation运行时间随人群规模和基线媒介接种率（entomological inoculation rate, EIR）近似线性增加，平均从59.3秒（EIR=10，1万人）到538.0秒（EIR=200，10万人）。确定性malariasimple仅需2.1–5.7秒；随机性版本运行时间比确定性高150%–177%，且随干预数量增加而增加，因为干预层使人类子仓室数量增多。随着干预数增加，分层数以2ⁿ增长，因此计算优势会逐渐减弱。

关键模型输出比较
在季节性传播情景中，通过在重复模拟中传播参数不确定性，malariasimple（确定性和随机性）与malariasimulation在2-10岁儿童寄生虫流行率和全年龄周病例数上的90%可信区间在多数时间点高度重叠，低传播强度下一致性更高。逐点绝对差异直方图显示malariasimple的流行率估计略高于malariasimulation，主要差异源于对干预丢失的线性近似处理与非线性暴露-免疫关系之间的相互作用；但这些差异相对于效应量和参数不确定性而言可忽略。在低人口或消除阶段，随机效应和个体异质性仍很重要，因此malariasimple并非在所有场景中都最合适，建议新实验与malariasimulation进行基准验证。

干预效果比较
malariasimple（确定性和随机性）与malariasimulation对ITN和SMC干预效果的平均估计差异在四个百分点以内，且通常落在可信区间内。所有模型一致显示：ITN较SMC能更大程度减少疟疾病例；干预效果随基线EIR升高而下降。

示例用例
利用MCMC将malariasimple拟合至合成场景生成的5岁以下儿童流行率数据后，基线EIR的后验90%可信区间为8.6–14.7，表明该区域为低传播；ITN覆盖率的90%可信区间为0.45–0.85，不确定性较大。联合后验显示基线EIR与ITN覆盖率呈正相关；后验预测中，真实流行率大部分落在50%可信区间内，并完全落在90%可信区间内，说明该模型能有效量化和传播参数不确定性。

讨论与结论
malariasimple代码公开并提供教学文档，用户可扩展新干预或替代流行病学过程；但需注意其许多参数是联合拟合的，彼此条件依赖，修改结构或参数化可能产生误导结果。未来开发将扩展干预组合，包括室内残留喷洒和疫苗接种，并增强灵活性和气候敏感性。总体而言，malariasimple在保留malariasimulation核心流行病学过程的同时大幅缩短运行时间，使贝叶斯推断、参数不确定性探索和快速灵活模拟成为可能，为研究和政策应用提供了高效工具。