利用连接点回归与估计传播比量化菲律宾（2019–2023）非洲猪瘟暴发动态

《Animals》：Quantifying ASF Outbreak Dynamics in the Philippines (2019–2023) Using Joinpoint Regression and the Estimated Dissemination Ratio

　　

研究人员分析了2019年8月至2023年12月的家猪监测记录。经精确整行去重与有效性筛选后，保留50,852条实验室记录，包括8,929条非洲猪瘟(ASF)阳性记录与324,741份检测样本。研究人员评估了月度阳性记录数、年度与监测流特异性样本阳性率、地理与区域轨迹、年标准化季节性指数、贝叶斯信息准则(BIC)选择的连接点回归(joinpoint regression)，以及滑动窗口估计传播比(EDR)。阳性实验室记录在2020年9月达峰值733条。年度样本阳性率在2020年为20.6%，到2023年降至3.9%，尽管检测样本量从41,035增至102,333。区域峰值在2020至2023年间错峰出现，显示检测活动异步。9月与10月平均季节性指数最高，但95%置信区间包含1。所选连接点模型识别出2020年6月、9月、12月与2022年8月断点；一阶自回归AR(1)敏感性模型支持2020年变化，不支持2022年8月变化。14天EDR识别25段持续扩展与28段持续收缩；7天估计更波动，14天与21天更一致。结果表明：从2020年全国高强度检测活动，转为2023年低样本阳性率但持续、反复、区域异质活动。整合记录数、检测分母、区域模式、连接点回归与EDR可提供可复现监测框架，但不估计群体流行率、政策因果效应或未来传播。

研究背景方面，非洲猪瘟(ASF)是由非洲猪瘟病毒(ASFV)引起、家猪与野猪科动物发生的严重跨境病毒病，可造成出血性疾病、高死亡率并扰乱生猪生产、贸易与粮食系统。亚洲生产体系中，生猪关联农户收入、粮食安全与高度互联价值链；小型庭院养殖户生产分散、资源有限，正式与非正式移动并存，使监测既要及时发现疫情变化，又要处理报告、采样与确诊概率的空间异质。菲律宾2019年报告ASF后影响吕宋、米沙鄢与棉兰老；国家监测数据受检测量、区域与生产部门抽样、监测目的、诊断可及性与报告行为影响。风险导向监测并非全国猪群概率抽样，因此阳性记录数下降不代表感染成比例下降，记录数上升也可能来自扩大监测。既有菲律宾研究多聚焦空间、管理或分子证据，缺少把实验室记录数、检测样本量、样本阳性率、监测流异质、区域时间轨迹、带不确定性的季节性、结构趋势变化、短期传播片段与数据完整性放在同一可复现框架中的全国分析。研究人员因此在《Animals》开展本研究，以描述检测到的监测动态，而非估计群体流行率、政策因果或未来传播。

主要关键技术方法方面，研究人员使用菲律宾动物产业局国家ASF监测库，取2019年8月8日至2023年12月31日家猪记录；经精确整行去重与无效结果剔除得50,852条主分析记录，并另列不完整2024扩展集。分析单元为去重实验室记录，样本阳性率用阳性样本数除以阳性加阴性样本数、未检测样本不进分母。监测目的归为常规监测、事件驱动疫病调查、复养筛查与地方运输检测四类。时间方法包括年标准化季节性指数、BIC选连接点数的分段线性连接点回归，以及用相邻等长窗口比定义的估计传播比(EDR)；并以AR(1)广义最小二乘作敏感性分析，用14天为主、7天与21天作窗口敏感性。

研究结果方面，3.1 分析数据集：经去重与筛选后，主数据集50,852条实验室记录含8,929条阳性记录与324,741份检测样本，总样本阳性率7.52%，说明后续记录计数与样本阳性率应分开解释。3.2 监测构成：常规监测记录最多，事件驱动疫病调查样本阳性率63.2%，常规监测4.3%，地方运输检测1.1%，复养筛查0.6%；说明监测流前置风险不同，全国阳性率会随流构成变化。3.3 全国时间分布与年度阳性率：月度阳性记录2020年9月最高为733条；年检测量上升同时，样本阳性率从2020年20.6%降到2023年3.9%，提示受检样本阳性比例下降但不能推及群体发病率。3.4 地理分布与区域疫情轨迹：阳性记录由吕宋早期集中扩到三大岛群；Region III与Region IV-A最早于2019年8月检出，Region VI、Region VII、BARMM较晚；区域峰值从2020年延续到2023年，Region II累积最多且样本阳性率27.2%，显示全国曲线掩盖区域异步扩展、收缩与再发。3.5 阳性记录季节性：2020–2023四年中9月平均季节性指数1.98、10月1.58最高，但95%置信区间含1；12月指数0.58且区间不含1的情况在文中仅作描述，整体仅为迟年年尾集中倾向而非确立全国季节周期。3.6 连接点回归：零到五连接点模型中四连接点BIC最低；2019年8月–2020年6月无清晰线性变化，2020年6–9月每月增144.40条，2020年9–12月每月减129.31条，其后两段无清晰线性趋势；Ljung–Box显示残差自相关，AR(1)模型支持2020三个断点而不支持2022年8月断点。3.7 估计传播比：14天EDR在初始27天后1580天均可算，中位数0.98；按至少连续14天定义得25段持续扩展、28段持续收缩，最大扩展含2020年8月13日–9月14日755条记录；7天更波动，14天与21天Pearson相关0.52、分类一致73.1%；区域EDR因前窗零记录常不可算，说明亚国家EDR需报有效天数。

讨论部分总结：研究人员指出2020年是全国检测扩张最强阶段，高位记录数与高位样本阳性率并存，不能只归为检测扩大；后期检测量增、阳性率降更符合受试管群阳性比例下降，但不是全国发病率或流行率下降。监测流阳性率差异来自前置概率不同，低阳性流动筛查不代表无用。区域异步说明国家聚合会遮掩局部再发；岛国地理减缓连续扩散但不防人类介导的活猪、猪肉、车辆与设备引入。迟年尾集中可能来自节庆与市场移动、环境存活、运输前检测行政安排等，但四年数据不能分离气候、商业、行为与行政机制。连接点回归给出宏观结构，EDR给出短周期动量；EDR不是R₀、R_t或世代繁殖数。后期强度下降可能来自死亡、扑杀与易感宿主耗减，也被复养、再引入与监测变化抵消。COVID-19既可能减少合法移动也可能延误调查与促进非正式交易，不能单因解释。政策与时间序列重合不等于因果有效。研究优势在全集区域、记录数与样本分母分离、按监测流分层与多时间尺度整合；局限在无唯一场点标识、非概率抽样、事件日为采样/检测日而非感染日、缺猪群分母与移动网络、季节仅四年、连接点残差自相关、稀疏区域EDR常未定义、无野猪专用流。未来需唯一场点与标本标识、标准日期、群体分母、移动与基因组联动。

结论部分翻译：国家监测数据显示，菲律宾检测到的ASF活动在2020年最强，当时出现月度阳性记录最大值、最高年度样本阳性率与最强连接点变化；此后样本阳性率下降而检测量大幅扩大，这比单纯原始记录数下降更有力地证明受检动物阳性样本比例降低，但不能证明全国发病率或流行率相应下降。全国模式具显著区域异步：若干吕宋区域早峰，棉兰老与米沙鄢部分区域晚峰；9月与10月季节性点估计最高，但不确定区间不支持固定全国季节周期。连接点回归与EDR互补：连接点分析识别2020年全国上升与下降，14天EDR显示短扩展与收缩段持续至2023年；后期特征为全国阳性率降低但区域风险未消失。监测与控制应跨疫情阶段持续，区域调查、移动管理、生物安全支持与实验室能力应适配地方轨迹与监测流目标。唯一场点标识、猪群分母、标准发病与报告日期、移动网络数据、基因组关联与政策实施测度可加强未来分析。因本研究为观察性描述，控制措施的时间对应不代表有效性证明，历史模式也不应作为未来ASF活动的确定性预测。