《PLOS Computational Biology》：Exploring heterogeneity in mosquito exposure and attraction and its implications for malaria transmission
编辑推荐：
背景：疟疾传播在社区内部存在显著异质性，少数个体承受不成比例的蚊媒暴露。方法：研究人员将贝叶斯分层模型（Bayesian hierarchical models）拟合布基纳法索田间数据，比较伽马（gamma）分布与对数正态（lognormal）分布对蚊媒叮咬率
背景：疟疾传播在社区内部存在显著异质性，少数个体承受不成比例的蚊媒暴露。方法：研究人员将贝叶斯分层模型（Bayesian hierarchical models）拟合布基纳法索田间数据，比较伽马（gamma）分布与对数正态（lognormal）分布对蚊媒叮咬率异质性的描述能力，并将该异质性纳入个体基随机模型（individual-based stochastic modelling）平台 OpenMalaria 以评估其对传播动态的影响。结果发现：gamma 分布比 lognormal 分布更能描述观测数据；当个体叮咬率服从 gamma 分布且叮咬作为泊松过程发生时，叮咬计数服从负二项（negative binomial）分布，这与过度离散计数数据经验更吻合。gamma 分布尾部更轻，使饱和效应与免疫效应更温和，传播动态更现实。将异质性引入疟疾传播模拟后，各年龄组患病率和发病率总体下降，疾病负担向低龄队列转移，并改变虫媒接种率（EIR）与患病率/发病率的基本关系。将合适异质性分布整合进传播模型，可大幅提升对田间观测年龄-发病率曲线的重现能力。解释：结果表明在低传播和消除背景下，建模疟疾传播时必须考虑异质性暴露。
《PLOS Computational Biology》刊发的该项研究以社区内疟疾传播异质性为核心问题。研究背景方面，疟疾患病率在村庄之间与村庄内部均存在差异，少数“超级传播者”承担大量传播；异质性来自孳生地邻近度、干预使用、住房质量、妊娠、感染状态、遗传因素与人的行为等。许多数学模型假设同质混合（homogeneous mixing），即人群中等概率接触与蚊媒等概率叮咬，但真实传播具有年龄结构社会混合、空间聚集和媒介取食偏好等异质性。Dye 和 Hasibeder 等早期理论证明蚊媒集中叮咬会提高基本再生数（basic reproductive number, R0）和媒介能力（vectorial capacity），Ross 与 Smith 也显示异质性会改变年龄-患病率与年龄-发病率曲线。OpenMalaria 虽可考虑年龄别叮咬异质性，但额外非年龄相关叮咬异质性通常按 lognormal 分布设定，缺乏田间数据驱动的分布比较与政策含义分析，因此研究人员开展本研究。
研究人员利用布基纳法索 Saponé 地区 Balonghin 的野生蚊媒人血餐 DNA 指纹数据，对子孢子阳性蚊媒匹配到 81 名个体的人血餐计数进行建模；使用 Stan 在 Rstudio 中做贝叶斯分层推断，lognormal 模型设个体叮咬率 λi 服从 lognormal，gamma 模型通过标准正态随机效应与 Wilson-Hilferty 变换近似 gamma 分布；用 bridgesampling 估计边际对数似然并计算后验模型概率（posterior model probabilities, PMPs）。在 OpenMalaria 中，个体暴露因子从均值 1 的 gamma 分布抽取，变异系数（coefficient of variation, CV）控制异质性，叮咬数由泊松过程生成，故给定年龄与干预下叮咬计数服从 negative binomial 分布；模拟含 100 年 burn-in 以达平衡，均值 EIR 1–300、CV 0–2.5，并用田间年龄-患病率/发病率曲线反推最优 CV。
3.1. Data analysis：贝叶斯模型比较显示 gamma 模型在三个调查期与合并数据集上边际对数似然更高，PMPs 为 0.994–1；lognormal 的 CV 后验中位数 5.44–12.18，gamma 为 1.72–2.14。lognormal 重尾低估低暴露人群比例，gamma 对多数个体与偶发极端值更稳健，因此田间蚊媒暴露异质性更适合用 gamma 描述。
3.2. Effects of heterogeneity at population level：OpenMalaria 中无异质性时患病率和发病率在较低 EIR 即饱和；加入 gamma 异质性后，因分布右偏，多数人个体 EIR 低于均值，总体患病率与发病率下降，高 CV 下即便均值 EIR 300 患病率仍低于 40%；低异质性在高传播下可因低暴露者免疫不足而使总发病率略升，但高异质性时低暴露的保护效应占优。
3.3. Effects of heterogeneity across age groups：无异质性时成人发病率在低 EIR 峰值后随 EIR 上升而降，低龄组更接近单调；提高 CV 使各年龄组患病率/发病率关系更单调。相同患病率水平下，高异质性需要更高均值 EIR，暴露集中于少数高暴露个体并在幼龄快速获免疫，故疾病负担向年轻年龄组转移；高 CV 时仅部分人群处于风险中，但校正风险人群后负担仍偏向低龄，说明这是受疟疾影响亚群内部的异质性效应。
3.4. Parametrising heterogeneity from age-prevalence and age-incidence curves：对部分田间场景，加入异质性使年龄-发病率曲线与观测吻合度大幅提升，三个改善最大场景平方距离下降约 95%，Mozambique 的 Manhica 与 Matola 需很高异质性，Cameroon 的 Koundou 仅需中等异质性；年龄-患病率曲线拟合改善较小，Manhica 甚至 CV 0 最优，说明患病率与发病率所推异质性不一致，可能源于横断面与主动监测测量偏差。
讨论部分总结：该研究超越 Dye 和 Hasibeder 的理论框架，给出选择异质性分布的严格统计依据。OpenMalaria 中异质性由饱和效应与免疫效应共同驱动：高暴露者额外叮咬边际贡献下降，长期高暴露又增强获得性免疫，使成人偶尔低暴露者因免疫不足反而增加成年发病。gamma 分布无 lognormal 的重尾，不会制造极端两极人群，饱和与免疫对比更温和，动态更现实；但高 CV 下仍可出现极端暴露，可考虑左截断、三角分布或非参数 80/20 叮咬分布。低传播期与低传播区异质性更强，统一发放干预在消除场景效率较低，应识别并靶向高暴露个体。年龄-患病率与年龄-发病率拟合出的异质性不相关，可能因异质性不是唯一驱动因素，也可能因横断面患病率与主动监测发病率测量偏差相反。空间聚类与季节内异质性变化是未来方向。
研究结论部分翻译：综上，该项研究表明异质性的蚊媒暴露不仅是理论问题，而且对疟疾传播建模与防控策略设计具有实质影响。gamma 分布对个体层面暴露异质性提供了统计严谨且具实践意义的刻画，将其纳入 OpenMalaria 可显著改善对田间观测的拟合。在迈向消除的过程中，传播集中于少数高暴露个体，假设同质暴露的模型会误判流行病学负担与干预影响；在异质性效应最显著、设定错误后果最严重的低传播场景中，应将异质性纳入 OpenMalaria 等传播模型作为优先事项。
