一种时空动态概念模型在血吸虫病传播与控制中的应用

一种时空动态概念模型在血吸虫病传播与控制中的应用

这些病毒的传播是什么原因？例如，便利的空中交通是实现全球分发的直接原因。此外，人们对这些病毒的自然传播起源、传播路径和手段很少。事实上，随着一场疾病的发生和复发，许多其他病毒也可以从其他地区引入其他地区。然而，病毒为什么在新的环境下生存并传播？哪些病毒可以在全球化过程中作为一种外来物种被循环传播。传达的原因、目的地和传播方式是什么？每种致病性微生物在新环境下生存并流行的可能性有多大？。对上述问题的解答需要预测传染病扩散,为此必须了解它在其历史或现行流行区的流行状况,这是流行病学研究的基本内容之一.预测传染病传播可分三个阶段:(i)病原微生物鉴别,其动物宿主以及在动物宿主间传播的途径;(ii)测量每种传染病的时空分布,特别要分析它的分布与周围环境的关系;(iii)深入了解传染病传播过程,对其进行模拟,并将模拟结果与所观测过程相互验证.通过这三个阶段的研究建立流行病学模型并以此预计病毒扩散,及在新区域流行传播的可能.在三个步骤中,第一步是诊断或原始探索阶段.对于新的病毒,蕴含着重大发现的可能;即使已经熟悉的传染病也有可能出现变异,如宿主类型和数量增加、传播途径改变等.鉴别病毒,探索其可能的传播媒介和途径是一项复杂的工作,这一步一般由生物医学学者完成.第二步涉及测量并定量描述传染病时空分布模式,分析与环境因素的关系,最适合用地理信息系统、遥感、统计(特别是空间统计)方法,应该由地理学者、遥感学者和统计学者与生物学者协同完成.遥感数据提供了地表覆盖、地表温度、土壤湿度和植被生长等环境信息,这些信息对间接预测病毒传播媒介诸如蚊、蜱等或鼠、钉螺等中间宿主的数量至关重要.地理信息系统为基于环境和流行病学数据库的统计分析打下基础.例如,在地理信息系统支持下可以探索建立传染病数据和环境数据间的统计关系并对研究区的传染病危险性制图.第三步是在前两步的基础上建立基于自然传播过程的生物学定量化模型,并用实测数据对模型进行验证.这类模型一般限于生物繁殖成长循环过程的时间序列模拟,但也有直接在环境因素与媒介发展状况间建立统计关系的动态变化研究.例如,在特定环境下,植被生长状况、温度和雨量与蚊子数有很大关系,而植被和温度状况又可以通过不同时期的遥感影像来监测.因此,只要有了不同时期植被和温度及不同雨量与蚊子数量的统计关系就可以用多时相的遥感资料和雨量估算蚊子数的动态.Rogers和Randolph发现在卫星探测的地表温度和一个月后的甘比亚舌蝇死亡率之间存在很好的非线性统计关系.空间连接性的增加和环境变化是传染病传播加剧的两个主要原因,与其他外来入侵物种一样,传染病加剧与环境变化存在正反馈关系(图1).地理信息系统和遥感分别是研究空间连接性和环境变化的主要手段.前述传染病研究的三个步骤通常脱节或各自独立,尤其在后两步中.这使对传染病传播流行及其受环境因素影响的认识受到很大局限,进而影响对疾病控制、预防的决策优化.本文通过血吸虫病的例子介绍遥感和地理信息系统在研究传染病的环境决定因子及其时空传播过程中的作用.1血吸虫感染螺、螺、克氏原螯虾的时间动态传播模型据世界卫生组织统计,血吸虫病在世界74个国家流行,感染1亿2千万人,对6亿人口构成威胁.我国目前每年大约有80万人感染血吸虫病,6000多万人受到血吸虫病威胁.近年来,随着社会经济、自然因素的影响,血吸虫病的流行及控制防治出现了一些新格局.在一些流行区,甚至传播控制地区,血吸虫病出现反弹,甚至急血感染;另外,出现新的流行区,如四川山区一些过去有螺无病地区变为流行区;同时,随着自然及社会经济环境的不断变化,血吸虫的中间宿主钉螺能否扩散到其他地区,进而导致血吸虫病在这些新形成的螺区传播,形成新的流行区,引起了广泛的关注和忧虑.根据血吸虫生活史(图2),建立了模拟上述过程的概念性模型.首先描述人畜体内成虫随时间变化:其中,Wi是第i村(县或人(畜)分组单元)在时间t的人(畜)均血吸虫负荷量;βi是因接触带有尾蚴(密度ci)的疫水的感染率;µw是人畜体内血吸虫自然死亡率;πi是由药物治疗引起的血吸虫死亡率.在寄生虫生命周期中虫卵在单位时间的排出量为:人(畜)均虫卵量(ei)是第i组(村或其他单元)感染的人(畜)数ni;一半成虫产卵(Wiφ);h为每虫产卵量;g为每克粪便含虫卵量.由于成虫生命周期远长于其他形式,因此不用微分方程,而用一个成虫数的函数模拟卵量.孵化成毛蚴的卵由下式确定:mi是第i组(村或其他单元)的毛蚴密度,它包括从其他组流入排出本组流出的毛蚴.毛蚴密度根据卵孵化率α除以水面面积bi,乘以邻里组、村或其他单元的空间分配系数Sij.n代表村或组的个数.寄生虫空间扩散的关键是确定由不同尺度的空间交互作用而定的空间分配系数,它由各种尺度的空间连接过程确定,需采用一种分层模型方案构建空间分配系数.由于缺乏关于多尺度空间交互作用的数据,本文仅对一定距离(如1.5km)内的自然村间通过沟渠联系输送毛蚴和尾蚴的连接关系建立模型,这需要在地理信息系统支持下完成(见第2节).毛蚴在水中感染钉螺:其中Zi是被感染并晰出尾蚴的钉螺密度.它取决于易感钉螺的总密度xi,毛蚴密度mi,钉螺感染率ρ和钉螺死亡率µZ.钉螺总密度xi用遥感方法确定(见第4节).最后从感染钉螺产生尾蚴的数量由下式确定:其中σ为每个感染钉螺的每日尾蚴产出量,aj为钉螺栖息水面面积,其他同前.上述模型省略了图2中的感染钉螺,而把两者合并.从Y到Z只需乘以一个感染钉螺的死亡率.上述5个公式给出了血吸虫病时空动态传播的概念模型,这是在传统时间动态模型给出更详细的时间动态分析模型基础上加入空间连接性,简化时间动态模拟之后得来的.上述模型基于如下假设:(i)人群在血吸虫病感染过程中产生的获得性免疫力或伴随免疫力可以忽略;(ii)血吸虫在人群感染过程中没有密度依赖效应,这一假设在短期(5年左右)的血吸虫病传播模拟是符合情理的;(iii)感染性钉螺的逸蚴量与感染钉螺的毛蚴数无关;(iv)血吸虫在人群中的聚集性分布系数k是恒定的;(v)人群数量在整个感染过程中是恒定的;(vi)没考虑气候的逐年变化.表1列出了上述公式中的参数取值范围.2获取平均高程和距离的村民数选择血吸虫病流行区,围绕邛海的西昌市郊区被一景IKONOS覆盖(11km×11km)的227个自然村为研究对象(27o47′～27o50′N,102o14′～102o18′E)(图3).该地区位于四川西部山区,地形高程从1500m升高到2700m.用2002年8月获取的西昌地区ASTER立体像对(0.7～0.9µm波段)获得该地区15m分辨率的数字地形模型(DEM),与29个GPS测量点比较误差在6m以内(图4),精度可以满足本研究的需要.数字化227个自然村的边界,输入数据库:在地理信息系统中计算各个自然村的几何中心点的位置计算自然村间的距离;同时,计算接壤的邻村数用以表示村与村间的空间连接性;将自然村边界叠加到DEM上,计算各个自然村的平均高程;按照自然村中心点间的高程确定沟渠水流方向;按邻村间的坡度和本村的面积大小确定本村毛蚴和尾蚴的存留数量;每个村从其上游村获得毛蚴和尾蚴输入,并向下游村输出毛蚴和尾蚴.构建一个村村间空间连接二维矩阵S.在S中,第i行第j列表示毛蚴和尾蚴从i村传输到j村,记为Sij.本研究未考虑钉螺和虫卵的迁移,因为钉螺主动迁移范围在数米间,虫卵随粪便做为有机肥施放在农家自家的田内,因此在村与村间的交互有限.钉螺被动迁移一般随当地农产品被较长距离运往外地,因此也不需考虑.S中对角线上的元素Sii代表本村存留率,与本村面积和坡度有关.其计算方法是通过确立存留率上下限(0.3～0.9),然后在对应于存留率上下限的面积或坡度间建立线性关系,分别依据每村的面积或村的坡度求出一个存留率,然后取平均做为该村的毛蚴或尾蚴存留率.四川省寄生虫病研究所对该地区的水文条件下毛蚴和尾蚴生命周期观察结果是它们伴生随水移动约400m,而该地区自然村的平均大小大约为方圆500m,因此除考虑直接接壤的邻村交互作用外,没考虑间接村邻.很显然矩阵是非对称的,如果Sij>0,则Sji=0,原因是毛蚴和尾蚴只能从高处流向低处.Sij的估算方法是:ne指第i村的有效邻村数,β是两村间的坡度,ω是归一化系数.将按上述方法构建的空间交互矩阵(图5),应用到式(3)和(5)就可以实现尾蚴和毛蚴在227个村间的空间再分配.此外,Xu等人介绍了另一个模拟空间交互的方法.3钉螺分布多元回归模型以前在血吸虫病研究中遥感主要被用于对可能的钉螺栖息地制图.本试验中,用遥感数据与野外实测的钉螺密度数据建立统计关系,从而对整个研究区钉螺密度制图.对4m分辨率的IKONOS多光谱影像和插值为4m的数字地形高程进行分类,得到16类土地利用和覆盖类型(图6).经过实地抽样验证平均精度达到89%,主要类型如居民区、冲积平原耕地、河床、低地梯田、高地梯田和林地等的精度均在87%以上.将土地覆盖划分为对季节不敏感的类型体系,这样可以与不同季节获得的钉螺密度数据建立统计关系.为了验证在30m分辨率的图像上通过子像元分解得到各类土地在一个像元中所占比例在钉螺密度估算中的作用,将从IKONOS得到的土地分类结果转换成7×7个像元大小,即使其接近30m分辨率,然后在合并后的像元中计算各类所占比例,再应用下列多元回归模型:计算整个研究区的钉螺分布密度SA.f为各类土地覆盖在像元内所占的比例,α为方程系数.用19个村沟渠采集到的10000多采样点的钉螺密度数据构建方程(7),预测值与实测值间的R2为0.87.由于野外查螺困难,只在2001年夏天对19个村沿所有沟渠每10m放置筐进行采样,从而得到钉螺密度.在建立多元回归模型时,这些样本全部用上了,因此没有独立样本验证钉螺密度多元回归模型,这是此次实验的一个不足.另外,钉螺密度随季节变化,今后应使用多季相遥感数据提高钉螺分布估算精度.但是,本研究的目的只是初步试验应用遥感和地理信息系统技术辅助构建血吸虫病传播时空动态模型.因此,在这里没继续研究如何提高钉螺密度的估算精度.我们使用得到的多元统计关系估算了整个研究区227个村钉螺密度,将每村的钉螺密度乘以估算的钉螺面积得到每村的钉螺数(图7)应用到式(4).4无控制时空动态模拟结合调验其他参数,使用式(1)～(5)逐村对血吸虫病流行动态进行模拟.有了空间连接性,本实验的动态模型就成为一个血吸虫病传播的时空动态模型.从2000年6月15日雨季刚来临开始逐日模拟了5年.图8为模拟的第1年和第5年的血吸虫负荷量地图.可见在不加任何控制的情况下,每村的血吸虫负荷量逐年增加.图中一些没有变化的地区主要是林场、荒山等无人居住的区域.到第5年结束时,模拟的总血吸虫负荷量为789467.对上述无控制时空动态模拟稍加干预就可以预测不同干预可能带来的效果.假如每年只能给5个村的居民服药1周,这种模型可以帮助回答给哪5个村服药控制效果更好.例如,可以选择给血吸虫负荷量最大的5个村服药控制血吸虫病传播;还可以选另外5个村,既考虑血吸虫负荷量大(但不是最大)又对邻村影响大的村,即这5个村是尾蚴和毛蚴存留率低,有效邻村数多的村.图9比较这两种服药方案5年后的效果,结果显示给5个血吸虫负荷量最大的村服药导致血吸虫减少13211条,而综合考虑空间关联和血吸虫负荷量的方案可减少17505条血吸虫.而且,从图中可见显然第二种方案可以帮助更多的村减少血吸虫感染.可见,有必要比较不同空间控制决策方案:可以尝试选择许多种方案,寻找对血吸虫病控制最有利的村,优先控制;还可以比较每年在血吸虫病流行最严重是给居民服药还是选择其他时间段等.本文所建的模型均可对不同控制给出答案,辅助空间决策.图10比较不加控制和采用第二种控制方案模型预测每村晰出尾蚴的钉螺数和血吸虫负荷量的结果,每条曲线代表1个村随时间的变化.从逸出尾蚴的钉螺数较难看出两种预测的区别,但是由于给5个村居民服药主要杀死人体内的血吸虫,图10(d)中可以明显看出一些村的血吸虫负荷量显著下降.5存在问题及展望上述结果证明:(i)我们提出的血吸虫病时空动态概念模型可以实现;(ii)遥感和地理信息系统是该模型空间动态模拟不可缺少的组成部分;(iii)可以用这类模型辅助空间决策,使血吸虫病控制更有效.但是,要达到实用模型阶段还需要做更多验证.(i)还需要进一步深入研究血吸虫中间宿主钉螺密度估算的方法,使其更能充分利用越来越多的不同分辨率的遥感数据.(ii)多种流行因素及多尺度的空间关联性研究还需要继续开展