背景:发热伴血小板减少综合征(Severe fever with thrombocytopenia syndrome,SFTS)是一种由新型布尼亚病毒(Severe fever with thrombocytopenia syndrome virus,SFTSV)通过血液感染的新发传染病,蜱传人是人感染SFTSV的主要途径。2010年5月,国家疾病预防控制中心于学杰教授从病人血清中分离出一种新病毒,确定为布尼亚病毒科白蛉病毒属(现为布尼亚病毒目白纤病毒科白蛉病毒属)的新型布尼亚病毒,命名为发热伴血小板减少综合征布尼亚病毒。SFTS作为一种新兴蜱媒传染病近些年于东亚广泛传播,该病于2009年首次出现在中国,韩国和日本均于2013年报告了各自国家的首例病例,根据回顾性病例调查韩国可追溯到2010年。SFTS的主要发病地区集中在中国、日本、韩国等国家,近期越南也有回顾性病例报道,台湾从反刍动物和蜱虫体内检测到SFTSV的RNA和抗体。在我国该病主要分布在河南、安徽、湖北、辽宁、山东、浙江、江苏等地,韩国全境均为流行地区,日本主要分布在南部地区尤其是沿海地带。在住院患者中该病死亡率在12%至50%之间,这一现象引起了国内社会的恐慌,已成为我国乃至全球的严重公共卫生安全问题。从中国、日本、韩国等国家相关疾病预防控制部门的门户网站以及全球SFTS病例文献调查中获取信息,可以得知截止到2018年12月31日,全球共有13,259例SFTS病例(含实验室确诊病例和疑似病例)被报道,中国、日本和韩国受SFTS影响的省级行政区分别为25个、23个和17个。中国病例分布具有高度的空间聚集性,其中河南、山东、湖北、安徽四省辖区的215个县区共上报了确诊病例6658例,占据了全国确诊病例的86.23%,日本、韩国的报告病例(含实验室确诊病例和疑似病例)分别为396例和866例。气候温湿、植被丰富的中低海拔山区、丘陵地带为促使该病病例出现的环境危险因素。SFTS发病时间具有明显的季节性,每年的3月份受感染病例数量快速上升,5-7月为高峰期,此后病例可以一直延续出现到11月份。在时间上该病发病时间分布与蜱的活跃时间吻合,这一点同其他蜱传自然疫源性疾病相同,研究证实长角血蜱(Haemaphysalis longicornis,H.longicornis)是SFTSV的主要传播媒介。发热伴血小板减少综合征(SFTS)作为一种新发传染病,国内外虽然对其在流行病学特征、病原学特征及临床特征上已取得一定的调查研究,但仍存在研究地域局限、时间跨度不够大、纳入研究因素类型少等短板,流行病学特征中的时空分布特征尚需进一步完善,相关生态环境因素的区域差异性仍缺乏较为细致的研究。因此,综合运用空间流行病学等多学科理论、方法和技术手段,开展针对新发传染病SFTS重点疫区病例及主要传播媒介的相关研究,有利于持续性掌握该病在全世界的时空流行特征、相关环境影响因素和潜在风险区,对于全球实行因地制宜、分类指导的防控策略具有重要意义。目的及内容:(1)获取2010年-2018年全国SFTS实验室确诊病例信息并构建病例数据库,建立我国生态环境因素数据库,结合现代空间信息技术,进一步了解完善SFTS的时空分布特征及其流行变化趋势,明确该病近八年在我国传播流行的热点区域并阐明与之相关联的景观结构特征,定量评估SFTS在中国大陆的流行传播风险,这项研究的目的不仅是弥补SFTS流行病学和生态学等方面的知识空白,而且还提供了一种SFTS传播风险评估方法,作为疾病监测计划和改进的基础。(2)针对SFTS的重要传播媒介长角血蜱,构建全球长角血蜱记录地区空间数据库,利用最大熵生态位模型分析预测全球长角血蜱的适宜生存地区,为选择长角血蜱的重点监测区域提供数据支持,同时为以长角血蜱作为主要传播媒介的流行病传染病防控提供媒介空间分布依据。(3)获取2010年-2018年全球SFTS报告病例信息(含实验室确诊病例和疑似病例)并构建病例数据库,建立全球生态环境因素数据库,明确全球SFTS的时空分布特征及其流行变化趋势。建立全球SFTS传播风险增强回归树模型(Boosted regression tree,BRT),探究影响SFTS在全世界传播流行的主要风险因素,为全世界针对性防控SFTS提供信息依据。方法:(1)收集整理全国2010-2018年SFTS实验室确诊病例数据,建立中国SFTS病例数据库,再通过空间关联使数据空间化。应用空间趋势面统计方法确定我国近九年来SFTS的时空二维高发聚集区及动态变化趋势,以此为基础分析我国重点流行区SFTS的流行病学特征;收集人口经济环境因素等数据建立生态环境因素数据库,挑选合适变量构建人群发病的统计学模型和景观模型,例如Joinpoint回归模型、生存分析中的Cox比例风险回归模型,定量评估可能与SFTS扩散相关的环境危险因素,采用广义增强回归树(Generalized boosted regression tree,GBRT)模型,进一步分析九年间气候、土地利用以及其它环境因素的变化对SFTS在我国的突然发生与持续性流行所产生的影响,构建中国大陆SFTS疾病风险预测地图。(2)通过查阅相关文献、搜集专业网站数据,形成了更全面的包含调查地点和相应时间的全球长角血蜱综合数据库,搜集全球生态气候环境数据,将数据图层分辨率统一至0.1°×0.1°(赤道附近大约11km×11km),并将其转化为ASCⅡ格式。在Max Ent环境下构建长角血蜱生态位模型(Ecological niche model,ENM),分析影响长角血蜱生存的环境因素,预测长角血蜱在全球的适宜生存地区。(3)收集整理全球2010年-2018年SFTS报告病例信息(含实验室确诊病例和疑似病例),构建全球SFTS病例数据库,通过行政区划代码将其与全球数字地图进行空间关联,应用空间分析原理方法分析SFTS在全球的时空分布特征。利用R language(version 3.6.1;R Core Team 2019),以2010年1月-2018年12月中国报告SFTS病例(含实验室确诊病例和疑似病例)的区县作为阳性点,同一时期未报告SFTS病例(含实验室确诊病例和疑似病例)的区县作为阴性点,结合海拔、生态气候、土地利用、候鸟迁徙、人口密度、家畜密度、哺乳动物丰富度等环境因素数据,在区县尺度上建立BRT模型,并外推到全世界,定量评估影响SFTS在全球传播的风险因素,根据模型输出的传播风险概率值,绘制全球SFTS传播风险预测地图。(4)涉及本研究的软件主要有Microsoft office 2019,Arc GIS 10.3,STATA 14.0,SPSS Statistics 23,Maxent 3.3.3,R language 3.6.1等软件和编程环境。结果:(1)2010-2018年九年间中国报告实验室确诊SFTS病例共计7721例,病死率为10.5%,年均发病率呈逐年上升趋势,流行区域从27个乡镇扩大到1574个乡镇,SFTS确诊患者的中位数年龄从56岁增加到64岁。确定了长白山地区、胶东半岛、泰山地区和淮阳山地区等四个不同的地理聚集区,这四个聚集区表现出了不同的流行病学特征及扩散模式,不同的聚集区受不同气象驱动因素影响,但海拔,森林、灌丛、农作物的土地利用覆盖率,是否位于候鸟栖息地附近是它们的共同驱动因素。农村地区特别是有农田和茶园覆盖的地区,60岁以上的老年人患SFTS的风险更高。通过GBRT模型预测的SFTS发病率的空间分布与实际流行区域发病率空间分布基本一致,模型还预测出了更多的适宜SFTS传播的高危风险地区,这些地区大部分尚未有病例报告且位于已观察到的高发病率地区附近。(2)通过构建生态位模型对长角血蜱全球环境适宜性进行了评估,结果显示平均曲线下面积(Area under the curve,AUC)为0.967,提示该模型具有优良的预测能力。主要环境影响因素中有十个相对贡献度(Relative contribution,RC)大于1%,分别是最热季度的累计降水量、年平均气温、人口密度、家畜密度、动物种群丰富度、从封闭至开放的草本植被覆盖率、月平均气温差、旱作农田的覆盖率、海拔、封闭性落叶型阔叶林的覆盖率。长角血蜱的环境适宜地区比已报道的区域要广阔得多,主要分布在中国中东部,与中国和朝鲜接壤的俄罗斯东南部,朝鲜半岛和日本全国、澳大利亚东部沿海地区、新西兰西南沿海和北部地区以及几个大洋洲国家/地区,值得注意的是,美国中部和东部的一系列地区非常适合长角血蜱生存繁殖,比已报道的区域要大得多。此外,南美洲东南和西南沿海地区、欧洲南部地区、非洲东南沿海地区、马达加斯加岛以及西亚北部地区也表现出较高的环境适宜性。(3)利用我国SFTS病例分布预测全球发生SFTS风险区域而建立的BRT模型AUC的估计值为0.9705,表明该模型对预测全球出现人类SFTS病例的风险概率具有优良的效能。在八个相对贡献度大于5%的影响因素中,海拔的RC值最高,约为17%,与发生SFTS的风险概率呈负相关,在平均海拔低于1000米的地区,发生SFTS的风险较高;长角血蜱的分布概率与发生SFTS的风险呈正相关;与温度相关的两个因素对发生SFTS的风险均具有二次效应,当年平均气温在5℃-15℃之间、月平均气温差在8℃-11℃之间时,发生SFTS的风险较高;与降水量有关的两个因素,即最热季度和最干燥月份的累计降水量与发生SFTS的风险呈正相关;当哺乳动物丰富度小于20种时,发生SFTS的风险较高,而大于等于20种时,哺乳动物丰富度与发生SFTS的风险呈负相关;水体覆盖率对发生SFTS的风险也具有二次效应。创建的全球SFTS风险预测地图显示了高风险区域位于中国中东部、朝鲜半岛中南部、日本南部特别是沿海地区、新西兰北部地区和南部的一小部分地区。我们还使用日本、韩国和越南三个主要受SFTS影响国家的预测数据验证了该模型,结果显示,实际受影响区域与未受影响区域存在显著性差异(P<0.001),受影响区域预测值的中位数为0.74(inter-quartile range[IQR]:0.54-0.86),未受影响区域预测值的中位数为0.04(IQR:0.03-0.05)。结论:本研究有效地融合现代空间信息技术和较为成熟的数学建模理论方法,开展了针对SFTS及其传播媒介的时空分布和传播风险预测研究,研究结果表明:(1)通过全国SFTS疫情信息资料详细描述了全国人感染SFTS病例的流行病学特征,确定了四个主要疫情聚集区,揭示了不同环境因素与疾病的扩散和持续性流行之间的关系,预测出更多国内适宜SFTS传播的高危风险地区,为划定重点防控区域,更有效制定防控策略提供科学依据。(2)温度、降水、人类与家畜的活动是影响长角血蜱生存繁衍的重要驱动因素,在全球除已知长角血蜱分布地区之外,我们还预测了许多额外的长角血蜱的适宜生存区,它们跨越北美洲和大洋洲两个大洲,因此在全球范围内不同的国家和地区需要因地制宜,制定与之匹配的监测计划。(3)在导致人类感染SFTS的重要风险因素中,海拔、温度、降水、长角血蜱分布概率、哺乳动物丰富度、水体的覆盖率等因素发挥的作用尤其突出,生成的全球风险预测地图确立了不同区域发生SFTS传播风险的优先次序,这为当地公共卫生部门加强对长角血蜱和SFTSV感染情况的监测提供了数据支持,有助于早发现病媒和疫情,及时进行防控。