南亚三国降雨阈值与虫媒传染病传播的时间趋势：基于印度、孟加拉国和斯里兰卡的系统综述与Meta分析（Rainfall thresholds and temporal trends in vector-borne disease transmission in India, Bangladesh and Sri Lanka: a systematic review and meta-analysis）

《Environmental Challenges》：Rainfall thresholds and temporal trends in vector-borne disease transmission in India, Bangladesh and Sri Lanka: a systematic review and meta-analysis

　　

摘要专业翻译 背景：降雨可影响虫媒传染病（vector-borne disease）的传播，但降雨阈值（rainfall threshold）、滞后周期（lag period）及气候敏感性（climate sensitivity）变化的操作意义仍不确定。研究人员对印度、孟加拉国和斯里兰卡与降雨相关的登革热（dengue）、疟疾（malaria）、基孔肯雅热（chikungunya）和日本脑炎（Japanese encephalitis）风险进行了系统综述和Meta分析。 方法：研究人员检索了PubMed、Embase、Web of Science、Scopus、Global Health、LILACS和WHO ICTRP数据库，检索时间从建库至2024年12月31日。纳入标准为考察定量降雨量（rainfall）、降水量（precipitation）、季风降雨（monsoon rainfall）或洪水（flooding）暴露与特定虫媒传染病结局之间关系的研究。效应估计值统一转化为比较高降雨或洪水暴露与参考条件相比的相对风险（relative risk, RR）。研究实施了随机效应Meta分析（random-effects meta-analysis）、剂量-反应模型（dose-response modelling）、滞后周期综合（lag-period synthesis）、时间Meta回归（temporal meta-regression）及敏感性分析（sensitivity analyses）。 结果：共纳入87项研究。强降雨或洪水暴露与虫媒传染病风险升高相关，合并相对风险为1.74（95%置信区间[confidence interval, CI] 1.52至1.99；I2=78%；95%预测区间[prediction interval, PI] 1.12至2.71）。按疾病分层，登革热的效应估计值最高，其次为日本脑炎、疟疾和基孔肯雅热，但日本脑炎的估计值基于较少研究。剂量-反应分析提示，当月降雨量超过约100毫米时风险升高，但置信区间较宽，阈值估计不精确。典型滞后周期为2至3个月。时间Meta回归提示降雨敏感性随时间增加，但残余混杂（residual confounding）和监测系统变化仍为可能的解释。 结论：在印度、孟加拉国和斯里兰卡的合格证据中，降雨相关虫媒传染病风险呈一致性正向关联，但显著的异质性限制了通用阈值的确定。研究结果支持采取审慎的、经本地验证的气候知情监测（climate-informed surveillance）策略，而非直接采用合并的降雨截断值。

论文主体内容总结

引言

虫媒传染病每年影响全球超过7亿人，其传播受气候、生态、生物和社会因素共同塑造。降雨是最常被研究的气候驱动因素之一，因为它可以创造、维持或破坏蚊虫孳生地，改变媒介存活并影响人-媒介接触。在季风影响地区，降雨效应并非线性：中等降雨可能支持媒介孳生，而极端降雨和洪水可能冲刷孳生地或在事件后形成新的积水栖息地。南亚地区因大量人口暴露于季风变率、季节性洪水、城市储水和媒介控制基础设施不均衡，尤其易受降雨相关虫媒传染病传播变化的影响。本综述聚焦于印度、孟加拉国和斯里兰卡三个国家。

既往研究已确立降雨可影响蚊媒及虫媒传染病传播，但多以定性方式或局限于单一疾病和单一国家框架。本综述旨在回答更具操作性的问题：现有证据能否支持近似降雨范围、滞后周期、疾病特异性模式和地域审慎的预警假设。综述将气候阈值定义为降雨超过某一近似水平或范围后虫媒传染病发病率相对较低或参考暴露升高的经验性、情境依赖信号，而非固定生物学截点。气候敏感性指与特定降雨暴露变化相关的疾病风险变化幅度，在本Meta分析中以相对风险或Meta回归系数表示。

三个证据缺口限制了降雨信息在气候知情疾病监测中的应用：其一，与传播增加相关的近似降雨范围未在疾病和国家间得到一致综合；其二，降雨暴露与疾病发病高峰之间的滞后周期因媒介-病原体系统而异，而这些延迟对预警和备灾规划至关重要；其三，降雨相关疾病风险是否随时间变化仍不确定，尤其是在城市化、环境变化、气候变率和监测系统演变的背景下。

方法

方案与报告

本系统综述和Meta分析遵循PRISMA 2020声明，方案已在PROSPERO前瞻性注册（CRD42024000001）。

纳入标准

采用PECO框架构建纳入标准。研究对象为印度、孟加拉国和斯里兰卡的人群；暴露为降雨相关气候变率，包括降雨量、降水量、强降雨、累积降雨、季风降雨、降雨极端事件或洪水事件；对照为较低降雨暴露、参考降雨期、非洪水期、通常季节条件或研究定义的基线暴露类别；结局为登革热、疟疾、基孔肯雅热或日本脑炎的实验室确诊或监测关联的人类虫媒传染病发病率。纳入的流行病学研究须报告可提取的效应估计值及置信区间，或提供足够数据计算效应量。排除仅考察温度而无降雨暴露、仅报告昆虫学指标而无人类疾病结局、评估干预但无可提取的观测性降雨-疾病关联，以及病例报告、病例系列、社论、叙述性综述或不含观测人类疾病数据的建模研究。

检索策略与研究筛选

在PubMed、Embase、Web of Science、Scopus、Global Health、LILACS和WHO ICTRP中检索到4,247条记录，另通过参考文献核查和其他补充来源获得15条记录。去重后筛选2,739条标题和摘要，评估312篇全文的合格性。两名评审员独立筛选，分歧通过讨论解决，评审员间一致性良好（κ=0.82）。

数据提取

采用标准化提取表提取数据，包括研究标识、发表年份、国家、地理环境、研究期、研究设计、人群特征、疾病结局、结局确定方法、降雨或洪水暴露定义、气象数据来源、气候数据的时间和空间分辨率、考察的滞后周期、效应估计值、置信区间、调整变量及偏倚风险和证据确定性相关信息。当研究报告多种暴露指标时，提取最接近强降雨、极端降水、洪水或研究定义的最高降雨暴露相对于所述参考条件的估计值。对于报告多种疾病、国家、滞后周期或暴露定义的研究，在最具信息量的疾病特异性和暴露特异性层面提取数据。

气象数据质量与暴露统一

气象数据来源分为地面气象站数据、卫星降水估计、再分析数据集或组合多源产品。采用六项标准评估气象数据质量：气候数据来源的文件记录、时间完整性、相对于疾病监测人群的空间代表性、独立数据交叉验证、偏差校正或校准程序以及不确定性报告。暴露统一方面，百分位暴露（如高于第75或90百分位的降雨）保留为高降雨对比；提供足够基线降雨分布的研究中，百分位指标转换为近似毫米值用于剂量-反应综合。仅报告分类对比的研究保留在主要Meta分析中，但排除在剂量-反应建模之外。

偏倚风险与证据确定性

采用改良纽卡斯尔-渥太华量表（Newcastle-Ottawa Scale, NOS）评估偏倚风险，领域包括研究人群代表性、气候暴露测量充分性、疾病结局确定、研究设计适宜性、随访或时间覆盖充分性以及重要混杂因素调整。采用适用于观测性证据的GRADE原则评估证据确定性，考虑偏倚风险、不一致性、间接性、不精确性和发表偏倚。

混杂评估

潜在混杂因素分为时间因素、气象协变量、人口因素、社会经济因素、环境因素、医疗保健和监测因素以及生物因素。研究分为全面混杂控制（调整至少四类）、中度控制（调整两至三类）和最低限度控制（调整一类或仅报告粗估计）。

统计分析

主要估计量为高降雨或洪水暴露期间相对于较低或参考暴露的虫媒传染病发病率相对风险。效应估计值在log相对风险尺度上分析，采用DerSimonian-Laird方法的随机效应Meta分析。研究间异质性以I2、tau2和95%预测区间量化。预设亚组分析按疾病类型、国家、暴露类型、研究设计、研究期、气象数据来源、气象数据质量和混杂充分性进行。

剂量-反应分析与阈值探索

采用限制性立方样条（restricted cubic splines）探索月降雨量与疾病风险之间的非线性关系，主要模型使用位于合并降雨分布第10、50和90百分位的三个节点。以每月100毫米作为主要参考点，因为既往昆虫学工作提示低于此水平的持续降雨在许多环境中可能不足以维持生产性埃及伊蚊容器栖息地或按蚊临时孳生地，但该值仅作为近似生态参考而非固定生物学阈值。敏感性分析考察了50、75、125和150毫米/月的替代参考点，以及四节点和五节点样条模型。

滞后周期分析

滞后周期分析总结了降雨暴露与疾病发病高峰之间的报告延迟。提取与最强降雨-疾病关联相对应的滞后值，同时记录评估的滞后范围。使用Meta回归考察滞后周期是否因疾病类型、地理位置、研究设计和气象数据来源而异。

Meta回归与时间趋势

Meta回归考察研究层面特征是否与效应量相关。主要时间分析以研究中点年份为连续变量，并比较预定义时期：1990至2004年、2005至2014年和2015至2024年。采用限制最大似然估计和Knapp-Hartung调整。时间趋势被解释为探索性分析而非气候敏感性增加的因果证据。

发表偏倚与影响分析

通过漏斗图目视检查、Egger回归检验和剪补法（trim-and-fill analysis）评估发表偏倚和小研究效应。使用逐项剔除分析、残差检查和离群值评估识别对合并估计值或异质性贡献不成比例的研究。

软件

所有分析在R中完成，使用随机效应Meta分析、Meta回归、剂量-反应建模和可视化相关软件包，包括meta、metafor、dosresmeta、ggplot2、dplyr和tidyr。

结果

研究筛选与特征

系统检索获得4,247条数据库记录和15条其他来源记录。去重后筛选2,739条记录，排除2,427条。评估312篇全文，排除225篇，最常见原因为缺乏定量气候数据、使用非特异性发热结局、仅考察温度暴露、报告无人类疾病数据的昆虫学结局、数据不足以提取效应量，或评估干预但无可提取的降雨-疾病关联。81项独立研究符合纳入标准。由于部分研究贡献了多个疾病特异性、国家特异性或暴露特异性估计值，定量综合包含87项分析层面比较。纳入研究覆盖1990至2024年，中位研究持续时间为5.2年。印度贡献的研究数量最多，其次为孟加拉国和斯里兰卡。登革热是最常研究的疾病，其次为疟疾、基孔肯雅热和日本脑炎。时间序列研究构成最大设计组。质量评估显示41项分析层面条目为高质量，38项为中等质量，8项为低质量。总体证据确定性评为中等。

气象数据质量与暴露统一

54项研究使用地面气象站数据，20项使用卫星降水估计，13项使用再分析数据集，7项组合多种气象来源。31项研究具有高质量气象输入，43项为中等质量，13项为低质量。28项研究使用日降雨数据，41项使用月聚合数据，13项使用季节总量，5项使用混合时间分辨率。34项研究比较了强降雨与正常条件，26项考察洪水事件与非洪水期，19项在回归模型中使用连续降雨测量，8项使用更复杂指标。72项研究统一为可比较的效应估计值，15项仅提供定性评估或使用不兼容指标。限于高质量气象数据研究的敏感性分析产生合并相对风险1.68，接近总体估计值。

Meta分析结果

随机效应Meta分析显示强降雨或洪水事件与虫媒传染病发病率之间存在正向关联。总体合并相对风险为1.74（95% CI 1.52至1.99；p<0.001）。研究间异质性显著（I2=78%；tau2=0.14），95%预测区间为1.12至2.71。疾病特异性分析显示登革热的合并关联最大（相对风险1.89，95% CI 1.61至2.22），其次为疟疾（相对风险1.58，95% CI 1.33至1.88）和基孔肯雅热（相对风险1.45，95% CI 1.12至1.87）。日本脑炎也显示升高估计值（相对风险1.67，95% CI 1.23至2.27），但仅基于三项研究，应视为不精确。地理分析显示孟加拉国合并估计值最高（相对风险2.13，95% CI 1.78至2.55），其次为印度（相对风险1.68，95% CI 1.44至1.96）和斯里兰卡（相对风险1.42，95% CI 1.18至1.71）。暴露类型分析显示洪水事件的合并效应（相对风险2.31，95% CI 1.89至2.81）大于单纯强降雨（相对风险1.67，95% CI 1.48至1.89）。

混杂评估与敏感性分析

22项研究采用全面混杂调整，41项使用中度调整，24项仅提供最低限度调整或粗估计。限于全面混杂控制研究的分析中，合并相对风险为1.62（95% CI 1.35至1.94；I2=68%）。进一步限于高质量且全面调整的研究，估计值为1.58（95% CI 1.29至1.93；I2=64%）。时间敏感性分析中，限于具有全面时间调整的时间序列研究时，时间系数减弱（每年0.011，95% CI -0.002至0.024；p=0.089）。

剂量-反应模式与阈值识别的不确定性

限制性立方样条分析提示月降雨量与虫媒传染病风险之间存在非线性关系，但整个暴露范围的置信区间较宽。所有疾病中，风险在月降雨量约100毫米以下相对稳定，高于此水平后增加。登革热的剂量-反应曲线提示风险在约100毫米/月以上增加，在约200毫米/月附近出现表观峰值，该峰值处相对风险约为2.3。在约400毫米/月以上的极高降雨水平，曲线出现平台或下降，但极端值处研究较少，不确定性较大。疟疾的剂量-反应模式更复杂，样条曲线在约125毫米/月和约350毫米/月附近出现两个表观升高。该双峰模式可能反映不同水文机制，但曲线形状对节点位置和模型设定敏感，应视为探索性而非两个操作性降雨阈值的证据。基孔肯雅热显示跨降雨范围风险逐渐增加，无明显阈值样模式。

气候敏感性的时间趋势

Meta回归提示降雨相关效应量在研究期内增加。合并相对风险从1990至2004年研究的1.52（95% CI 1.28至1.81）升至2005至2014年的1.67（95% CI 1.41至1.98）和2015至2024年的1.91（95% CI 1.58至2.31）。研究中点年份的Meta回归系数为每年0.018（95% CI 0.005至0.031；p=0.008），对应最早和最晚时期之间合并降雨-疾病关联约增加26%。该趋势在调整研究质量、研究设计和地理位置后持续存在，但在限于具有全面时间调整的时间序列研究的分析中减弱。

滞后周期分析

滞后周期分析确定降雨暴露与疾病发病高峰之间的典型延迟为2至3个月。67项报告滞后分析的研究中，合并滞后周期为2.4个月（95% CI 2.1至2.7个月）。疾病特异性估计值分别为登革热2.2个月（95% CI 1.9至2.5）、疟疾2.8个月（95% CI 2.4至3.2）和基孔肯雅热1.9个月（95% CI 1.5至2.3）。Meta回归提示较高纬度处滞后周期更长（系数：每纬度0.08个月，95% CI 0.02至0.14；p=0.011）。孟加拉国平均滞后最短为2.1个月，印度为2.5个月，斯里兰卡最长2.7个月。

发表偏倚与研究质量效应

漏斗图检查提示轻度不对称。Egger回归检验显示临界显著的小研究效应（截距1.23，95% CI 0.08至2.38；p=0.034）。剪补法估计有六项可能缺失的较小效应研究，调整后合并估计值从1.74降至1.67（95% CI 1.49至1.88）。限于高质量研究的敏感性分析产生合并相对风险1.68（95% CI 1.47至1.92；I2=72%）。限于高质量且全面混杂控制研究的分析产生相对风险1.58（95% CI 1.29至1.93；I2=64%）。

影响分析与离群值评估

逐项剔除分析显示，移除五项研究使合并相对风险变化超过0.10个单位。Cook距离识别出八项基于杠杆和残差模式的离群值，这些离群值不成比例地来自孟加拉国且更常考察洪水。排除离群值后合并相对风险为1.68（95% CI 1.48至1.91；I2=71%）。Baujat图提示异质性并非由单一研究或小簇研究驱动，而是分布在整个证据基础中。

地理变异与脆弱性评估

地理分析显示各国降雨相关疾病风险存在显著变异。Meta回归显示孟加拉国的效应量显著高于印度（系数0.24，95% CI 0.08至0.40；p=0.003）和斯里兰卡（系数0.41，95% CI 0.18至0.64；p=0.001）。这些差异可能反映洪水暴露、人口密度、城市排水、基线传播、医疗保健可及性、监测强度和媒介控制能力的变异。洪水事件产生的合并效应大于单纯强降雨，提示积水、基础设施破坏和洪水后暴露的组合对疾病放大尤其重要。

讨论

主要发现

本系统综述和Meta分析发现，在印度、孟加拉国和斯里兰卡的合格证据中，降雨相关暴露与虫媒传染病风险增加一致相关。合并估计值显示强降雨或洪水暴露期间风险比参考条件高74%，但预测区间较宽，表明新环境中的真实效应可能小得多或大得多。本综述的贡献不仅在于确认降雨与虫媒传染病传播相关，更在于量化了跨疾病和国家的关联幅度，描述了近似降雨-风险模式，总结了与预警相关的滞后周期，并显示了证据在哪些方面过于异质而无法使用通用阈值。

疾病特异性解释与合理机制

登革热显示最强的合并关联，生物学上合理，因为埃及伊蚊常在人工容器、废弃物品、屋顶排水沟、储水容器和其他周家栖息地孳生，这些栖息地可能在降雨后增加。登革热剂量-反应曲线提示风险在月降雨量约100毫米以上增加，在约200毫米附近出现表观峰值，但曲线应谨慎解读。疟疾显示低于登革热的合并效应但更复杂的剂量-反应模式。表观双峰模式可能有生态学和统计学解释：生态学上，中等降雨可能创造临时按蚊孳生池，而更强降雨可能先破坏部分孳生栖息地，随后产生洪水后水池、灌溉相关水体或缓慢流动的残余水。统计学上，曲线形状可能受限制性立方样条设定、节点位置和研究间降雨值分布影响。基孔肯雅热显示正向但较不精确的关联，贡献研究较少。日本脑炎也显示升高关联，但仅少量研究贡献，其传播可能通过水稻农业、养猪生态、库蚊栖息地和更广泛的农村环境条件起作用。洪水事件产生的合并估计值大于单纯强降雨，反映积水、卫生和排水系统破坏、人口迁移、医疗保健可及性改变和洪水后人-媒介接触增加的组合效应。

滞后周期与预警相关性

约2至3个月的合并滞后周期是综述中操作上最有用的发现之一。该延迟生物学上合理，因为降雨可能先改变孳生栖息地，然后改变媒介丰度，再改变病原体传播，最后改变报告的人类疾病发病率。对于预警，关键点不是应在所有地方应用单一滞后周期，而是降雨基础警报应测试本地相关的滞后窗口。2至3个月窗口可作为监测建模的有用起点，但应针对本地病例数据、可用媒介数据和报告延迟进行校准。

气候敏感性的时间趋势

Meta回归提示降雨相关疾病风险随时间增加。该发现可能表明人群因城市扩张、非正规住区、排水压力、环境退化和气候变率而对降雨极端事件更加脆弱，但也可能反映研究方法的改变、更强的监测系统、改进的诊断、气候-健康研究发表的增加或近年来暴发检测的改善。敏感性分析中，限于具有更强时间调整的时间序列研究时时间关联减弱，提示部分趋势可能是方法学性的或受长期变化混杂。平衡的解释是证据与气候敏感性增加相容，但不证明气候变化单独导致该增加。

地理变异及对印度、孟加拉国和斯里兰卡的意义

地理分析显示孟加拉国的合并关联强于印度或斯里兰卡，可能反映更高的洪水暴露、密集的定居模式、河流和三角洲地理、排水限制以及监测或医疗保健可及性的差异。印度贡献了最多研究，具有更多样化的生态和流行病学环境，可能部分解释其中等合并估计值和显著异质性。斯里兰卡显示最低合并效应，但仍为正向。这些国家间差异强化了综述的核心信息：降雨-疾病关联并非普遍可转移的。气候知情监测应进行本地校准。对孟加拉国，洪水敏感预警可能尤其相关；对印度，亚国家模型可能比国家阈值更合适；对斯里兰卡，降雨信号仍可能有用，但其操作价值应结合现有监测和媒介控制数据进行检验。

对气候知情监测的意义

本综述的实际意义在于降雨可以支持预警，但不应单独使用。有用的预警系统应将降雨监测与疾病监测、媒介数据、温度和湿度、人口脆弱性、排水和洪水指标以及近期干预活动相结合。降雨阈值应被视为触发更密切监测或备灾的警报信号，而非确定性的暴发预测因子。约100毫米月降雨信号可作为本地模型开发的起点，但未经验证的直接操作使用可能产生假警报或漏报。洪水应与强降雨分开处理，因为洪水可能比单纯降雨总量更直接地捕捉基础设施破坏和积水。在洪水易发环境中，预警模型应尽可能纳入洪水范围、水持久性、排水能力和人口迁移。对登革热和基孔肯雅热，家庭储水和城市废物管理可能尤其相关；对疟疾和日本脑炎，农业水系统、灌溉、牲畜邻近性和农村水文可能需要更多关注。

优势与局限性

本综述的优势包括前瞻性注册、遵循PRISMA 2020指南、多数据库检索策略、PECO结构化纳入标准，以及跨疾病特异性、地理、暴露类型、剂量-反应、滞后周期、时间和发表偏倚分析的综合。还评估了气象数据质量、混杂控制和研究质量及分析设定的敏感性。局限性始于显著的异质性。降雨-疾病关系因媒介物种、疾病系统、基线气候、城市形态、排水基础设施、储水行为、医疗保健可及性、监测质量和媒介控制活动而异。高I2值和宽预测区间不仅是统计弱点，也表明降雨并非统一暴露。月总量在密集的洪水易发城市、农村灌溉区、沿海地区或有功能排水和活跃媒介控制的环境中可能具有截然不同的流行病学意义。