发热伴血小板减少综合征时空传播机制研究

Severe fever with thrombocytopenia syndrome (SFTS) is an important vector-borne infectious diseases which was firstly identified in 2009 in China by Chinese scientists. SFTS incidences have increased and its endemic areas have expanded year by year since its identification. Of note, the fatality of SFTS is very high. High incidence and high fatality lead to great damage to people’s health and life. However, factors associated with spatial-temporal dynamics and mechanism of spatial-temporal transmission are unclear up to date. As a result, we cannot conduct accurate control and prevention measures temporally and spatially. This may be the main reason for increase of annual SFTS incidence and expansion of endemic areas. In this study, we will analyze SFTS virus sequences, meteorological factors, environmental factors, host factors and vector factors using BEAST, DLNM, GAM, SEM, ENM, and so on. According to the analysis results, we will make clear the transmission pathways of SFTS, identify factors associated with SFTS spatial-temporal dynamics, construct SFTS spatial-temporal forecast models, and explore the mechanisms of spatial-temporal transmission. These results will provide scientific information for accurate control and prevention of SFTS and other tick-borne diseases.

发热伴血小板减少综合征（SFTS）是我国学者2009年发现的具有重要公共卫生意义的虫媒传染病，近年来其发病率逐渐升高、发病地区不断扩散，而且其病死率极高，对人民健康和生命安全造成了巨大损害。然而，目前其时空分布影响因素未知，时空传播机制未明，无法对其精准防控，这也是其疫情形势逐年严峻的重要原因。本项目拟在前期研究基础上结合微观的SFTS病毒基因序列及宏观的气象因素、自然因素、宿主因素和媒介因素，采用BEAST等生物信息学分析方法以及分布滞后非线性回归模型（DLNM）、广义相加模型（GAM）、结构方程模型（SEM）、生态位模型（ENM）等统计学分析方法，确定SFTS的传播路径，阐明SFTS时空分布影响因素及各因素的贡献率，构建SFTS时空预测模型，探讨SFTS时空传播机制，为SFTS的精准防控提供理论依据，也为无形体等其他蜱媒传染病的防控提供借鉴，具有较高的创新性和实用价值。

发热伴血小板减少综合征（SFTS）是我国学者2009年发现的具有重要公共卫生意义的虫媒传染病，近年来其发病率逐渐升高、发病地区不断扩散，而且其病死率极高，对人民健康和生命安全造成了巨大损害。本项目主要做了四个方面的研究：①通过对SFTSV序列的分析，发现结果显示中国、韩国和日本的SFTSV起源于一个共同的祖先，日本、韩国分离的SFTSV和浙江分离的SFTSV基因型F中形成了一个基因亚型，推算SFTSV的起源时间是20世纪初期，距今80多年。②DLNM分析结果显示气温和SFTS周发病数间关系为反“U”型，在气温低于23℃时随着气温升高SFTS疫情上升，但气温超过23℃后随着气温升高SFTS疫情下降。不同气温的滞后效应时间不同，较高气温的滞后效应持续时间较短，29.30 ℃的滞后效应在第8周就不显著了，较低气温的滞后效应持续时间较长，1.62 ℃和6.97 ℃的滞后效应可以持续24周。③采用ARIMA、NBM和GAM分别构建了SFTS时间预测模型，对三种模型的拟合值和预测值进行比较，其ICC分别为0.924、0.948和0.941，三种模型均有较好的拟合效果和预测能力，其中负二项回归模型的拟合效果最好。④基于最大熵算法构建的2011-2016年逐年生态位模型ROC曲线的AUC值均大于0.9，分别为0.957、0.958、0.955、0.950、0.956和0.942，模型拟合优秀。模型显示海拔高度、年均气温和年均降雨量与SFTS的空间分布显著相关，各变量与SFTS病例发生的反应曲线显示各变量与SFTS之间是非线性关系。生态位模型预测结果显示不同县区不同年份的发病风险存在差异，但主要分布在山东的胶东半岛和中部、河南和湖北交界处和辽宁等地。