一種時空動態概念模型在血吸蟲病傳播與控制中的應用

這些病毒的傳播是什么原因？例如，便利的空中交通是實現全球分發的直接原因。此外，人們對這些病毒的自然傳播起源、傳播路徑和手段很少。事實上，隨著一場疾病的發生和復發，許多其他病毒也可以從其他地區引入其他地區。然而，病毒為什么在新的環境下生存并傳播？哪些病毒可以在全球化過程中作為一種外來物種被循環傳播。傳達的原因、目的地和傳播方式是什么？每種致病性微生物在新環境下生存并流行的可能性有多大？。對上述問題的解答需要預測傳染病擴散,為此必須了解它在其歷史或現行流行區的流行狀況,這是流行病學研究的基本內容之一.預測傳染病傳播可分三個階段:(i)病原微生物鑒別,其動物宿主以及在動物宿主間傳播的途徑;(ii)測量每種傳染病的時空分布,特別要分析它的分布與周圍環境的關系;(iii)深入了解傳染病傳播過程,對其進行模擬,并將模擬結果與所觀測過程相互驗證.通過這三個階段的研究建立流行病學模型并以此預計病毒擴散,及在新區域流行傳播的可能.在三個步驟中,第一步是診斷或原始探索階段.對于新的病毒,蘊含著重大發現的可能;即使已經熟悉的傳染病也有可能出現變異,如宿主類型和數量增加、傳播途徑改變等.鑒別病毒,探索其可能的傳播媒介和途徑是一項復雜的工作,這一步一般由生物醫學學者完成.第二步涉及測量并定量描述傳染病時空分布模式,分析與環境因素的關系,最適合用地理信息系統、遙感、統計(特別是空間統計)方法,應該由地理學者、遙感學者和統計學者與生物學者協同完成.遙感數據提供了地表覆蓋、地表溫度、土壤濕度和植被生長等環境信息,這些信息對間接預測病毒傳播媒介諸如蚊、蜱等或鼠、釘螺等中間宿主的數量至關重要.地理信息系統為基于環境和流行病學數據庫的統計分析打下基礎.例如,在地理信息系統支持下可以探索建立傳染病數據和環境數據間的統計關系并對研究區的傳染病危險性制圖.第三步是在前兩步的基礎上建立基于自然傳播過程的生物學定量化模型,并用實測數據對模型進行驗證.這類模型一般限于生物繁殖成長循環過程的時間序列模擬,但也有直接在環境因素與媒介發展狀況間建立統計關系的動態變化研究.例如,在特定環境下,植被生長狀況、溫度和雨量與蚊子數有很大關系,而植被和溫度狀況又可以通過不同時期的遙感影像來監測.因此,只要有了不同時期植被和溫度及不同雨量與蚊子數量的統計關系就可以用多時相的遙感資料和雨量估算蚊子數的動態.Rogers和Randolph發現在衛星探測的地表溫度和一個月后的甘比亞舌蠅死亡率之間存在很好的非線性統計關系.空間連接性的增加和環境變化是傳染病傳播加劇的兩個主要原因,與其他外來入侵物種一樣,傳染病加劇與環境變化存在正反饋關系(圖1).地理信息系統和遙感分別是研究空間連接性和環境變化的主要手段.前述傳染病研究的三個步驟通常脫節或各自獨立,尤其在后兩步中.這使對傳染病傳播流行及其受環境因素影響的認識受到很大局限,進而影響對疾病控制、預防的決策優化.本文通過血吸蟲病的例子介紹遙感和地理信息系統在研究傳染病的環境決定因子及其時空傳播過程中的作用.1血吸蟲感染螺、螺、克氏原螯蝦的時間動態傳播模型據世界衛生組織統計,血吸蟲病在世界74個國家流行,感染1億2千萬人,對6億人口構成威脅.我國目前每年大約有80萬人感染血吸蟲病,6000多萬人受到血吸蟲病威脅.近年來,隨著社會經濟、自然因素的影響,血吸蟲病的流行及控制防治出現了一些新格局.在一些流行區,甚至傳播控制地區,血吸蟲病出現反彈,甚至急血感染;另外,出現新的流行區,如四川山區一些過去有螺無病地區變為流行區;同時,隨著自然及社會經濟環境的不斷變化,血吸蟲的中間宿主釘螺能否擴散到其他地區,進而導致血吸蟲病在這些新形成的螺區傳播,形成新的流行區,引起了廣泛的關注和憂慮.根據血吸蟲生活史(圖2),建立了模擬上述過程的概念性模型.首先描述人畜體內成蟲隨時間變化:其中,Wi是第i村(縣或人(畜)分組單元)在時間t的人(畜)均血吸蟲負荷量;βi是因接觸帶有尾蚴(密度ci)的疫水的感染率;μw是人畜體內血吸蟲自然死亡率;πi是由藥物治療引起的血吸蟲死亡率.在寄生蟲生命周期中蟲卵在單位時間的排出量為:人(畜)均蟲卵量(ei)是第i組(村或其他單元)感染的人(畜)數ni;一半成蟲產卵(Wiφ);h為每蟲產卵量;g為每克糞便含蟲卵量.由于成蟲生命周期遠長于其他形式,因此不用微分方程,而用一個成蟲數的函數模擬卵量.孵化成毛蚴的卵由下式確定:mi是第i組(村或其他單元)的毛蚴密度,它包括從其他組流入排出本組流出的毛蚴.毛蚴密度根據卵孵化率α除以水面面積bi,乘以鄰里組、村或其他單元的空間分配系數Sij.n代表村或組的個數.寄生蟲空間擴散的關鍵是確定由不同尺度的空間交互作用而定的空間分配系數,它由各種尺度的空間連接過程確定,需采用一種分層模型方案構建空間分配系數.由于缺乏關于多尺度空間交互作用的數據,本文僅對一定距離(如1.5km)內的自然村間通過溝渠聯系輸送毛蚴和尾蚴的連接關系建立模型,這需要在地理信息系統支持下完成(見第2節).毛蚴在水中感染釘螺:其中Zi是被感染并晰出尾蚴的釘螺密度.它取決于易感釘螺的總密度xi,毛蚴密度mi,釘螺感染率ρ和釘螺死亡率μZ.釘螺總密度xi用遙感方法確定(見第4節).最后從感染釘螺產生尾蚴的數量由下式確定:其中σ為每個感染釘螺的每日尾蚴產出量,aj為釘螺棲息水面面積,其他同前.上述模型省略了圖2中的感染釘螺,而把兩者合并.從Y到Z只需乘以一個感染釘螺的死亡率.上述5個公式給出了血吸蟲病時空動態傳播的概念模型,這是在傳統時間動態模型給出更詳細的時間動態分析模型基礎上加入空間連接性,簡化時間動態模擬之后得來的.上述模型基于如下假設:(i)人群在血吸蟲病感染過程中產生的獲得性免疫力或伴隨免疫力可以忽略;(ii)血吸蟲在人群感染過程中沒有密度依賴效應,這一假設在短期(5年左右)的血吸蟲病傳播模擬是符合情理的;(iii)感染性釘螺的逸蚴量與感染釘螺的毛蚴數無關;(iv)血吸蟲在人群中的聚集性分布系數k是恒定的;(v)人群數量在整個感染過程中是恒定的;(vi)沒考慮氣候的逐年變化.表1列出了上述公式中的參數取值范圍.2獲取平均高程和距離的村民數選擇血吸蟲病流行區,圍繞邛海的西昌市郊區被一景IKONOS覆蓋(11km×11km)的227個自然村為研究對象(27o47′～27o50′N,102o14′～102o18′E)(圖3).該地區位于四川西部山區,地形高程從1500m升高到2700m.用2002年8月獲取的西昌地區ASTER立體像對(0.7～0.9μm波段)獲得該地區15m分辨率的數字地形模型(DEM),與29個GPS測量點比較誤差在6m以內(圖4),精度可以滿足本研究的需要.數字化227個自然村的邊界,輸入數據庫:在地理信息系統中計算各個自然村的幾何中心點的位置計算自然村間的距離;同時,計算接壤的鄰村數用以表示村與村間的空間連接性;將自然村邊界疊加到DEM上,計算各個自然村的平均高程;按照自然村中心點間的高程確定溝渠水流方向;按鄰村間的坡度和本村的面積大小確定本村毛蚴和尾蚴的存留數量;每個村從其上游村獲得毛蚴和尾蚴輸入,并向下游村輸出毛蚴和尾蚴.構建一個村村間空間連接二維矩陣S.在S中,第i行第j列表示毛蚴和尾蚴從i村傳輸到j村,記為Sij.本研究未考慮釘螺和蟲卵的遷移,因為釘螺主動遷移范圍在數米間,蟲卵隨糞便做為有機肥施放在農家自家的田內,因此在村與村間的交互有限.釘螺被動遷移一般隨當地農產品被較長距離運往外地,因此也不需考慮.S中對角線上的元素Sii代表本村存留率,與本村面積和坡度有關.其計算方法是通過確立存留率上下限(0.3～0.9),然后在對應于存留率上下限的面積或坡度間建立線性關系,分別依據每村的面積或村的坡度求出一個存留率,然后取平均做為該村的毛蚴或尾蚴存留率.四川省寄生蟲病研究所對該地區的水文條件下毛蚴和尾蚴生命周期觀察結果是它們伴生隨水移動約400m,而該地區自然村的平均大小大約為方圓500m,因此除考慮直接接壤的鄰村交互作用外,沒考慮間接村鄰.很顯然矩陣是非對稱的,如果Sij>0,則Sji=0,原因是毛蚴和尾蚴只能從高處流向低處.Sij的估算方法是:ne指第i村的有效鄰村數,β是兩村間的坡度,ω是歸一化系數.將按上述方法構建的空間交互矩陣(圖5),應用到式(3)和(5)就可以實現尾蚴和毛蚴在227個村間的空間再分配.此外,Xu等人介紹了另一個模擬空間交互的方法.3釘螺分布多元回歸模型以前在血吸蟲病研究中遙感主要被用于對可能的釘螺棲息地制圖.本試驗中,用遙感數據與野外實測的釘螺密度數據建立統計關系,從而對整個研究區釘螺密度制圖.對4m分辨率的IKONOS多光譜影像和插值為4m的數字地形高程進行分類,得到16類土地利用和覆蓋類型(圖6).經過實地抽樣驗證平均精度達到89%,主要類型如居民區、沖積平原耕地、河床、低地梯田、高地梯田和林地等的精度均在87%以上.將土地覆蓋劃分為對季節不敏感的類型體系,這樣可以與不同季節獲得的釘螺密度數據建立統計關系.為了驗證在30m分辨率的圖像上通過子像元分解得到各類土地在一個像元中所占比例在釘螺密度估算中的作用,將從IKONOS得到的土地分類結果轉換成7×7個像元大小,即使其接近30m分辨率,然后在合并后的像元中計算各類所占比例,再應用下列多元回歸模型:計算整個研究區的釘螺分布密度SA.f為各類土地覆蓋在像元內所占的比例,α為方程系數.用19個村溝渠采集到的10000多采樣點的釘螺密度數據構建方程(7),預測值與實測值間的R2為0.87.由于野外查螺困難,只在2001年夏天對19個村沿所有溝渠每10m放置筐進行采樣,從而得到釘螺密度.在建立多元回歸模型時,這些樣本全部用上了,因此沒有獨立樣本驗證釘螺密度多元回歸模型,這是此次實驗的一個不足.另外,釘螺密度隨季節變化,今后應使用多季相遙感數據提高釘螺分布估算精度.但是,本研究的目的只是初步試驗應用遙感和地理信息系統技術輔助構建血吸蟲病傳播時空動態模型.因此,在這里沒繼續研究如何提高釘螺密度的估算精度.我們使用得到的多元統計關系估算了整個研究區227個村釘螺密度,將每村的釘螺密度乘以估算的釘螺面積得到每村的釘螺數(圖7)應用到式(4).4無控制時空動態模擬結合調驗其他參數,使用式(1)～(5)逐村對血吸蟲病流行動態進行模擬.有了空間連接性,本實驗的動態模型就成為一個血吸蟲病傳播的時空動態模型.從2000年6月15日雨季剛來臨開始逐日模擬了5年.圖8為模擬的第1年和第5年的血吸蟲負荷量地圖.可見在不加任何控制的情況下,每村的血吸蟲負荷量逐年增加.圖中一些沒有變化的地區主要是林場、荒山等無人居住的區域.到第5年結束時,模擬的總血吸蟲負荷量為789467.對上述無控制時空動態模擬稍加干預就可以預測不同干預可能帶來的效果.假如每年只能給5個村的居民服藥1周,這種模型可以幫助回答給哪5個村服藥控制效果更好.例如,可以選擇給血吸蟲負荷量最大的5個村服藥控制血吸蟲病傳播;還可以選另外5個村,既考慮血吸蟲負荷量大(但不是最大)又對鄰村影響大的村,即這5個村是尾蚴和毛蚴存留率低,有效鄰村數多的村.圖9比較這兩種服藥方案5年后的效果,結果顯示給5個血吸蟲負荷量最大的村服藥導致血吸蟲減少13211條,而綜合考慮空間關聯和血吸蟲負荷量的方案可減少17505條血吸蟲.而且,從圖中可見顯然第二種方案可以幫助更多的村減少血吸蟲感染.可見,有必要比較不同空間控制決策方案:可以嘗試選擇許多種方案,尋找對血吸蟲病控制最有利的村,優先控制;還可以比較每年在血吸蟲病流行最嚴重是給居民服藥還是選擇其他時間段等.本文所建的模型均可對不同控制給出答案,輔助空間決策.圖10比較不加控制和采用第二種控制方案模型預測每村晰出尾蚴的釘螺數和血吸蟲負荷量的結果,每條曲線代表1個村隨時間的變化.從逸出尾蚴的釘螺數較難看出兩種預測的區別,但是由于給5個村居民服藥主要殺死人體內的血吸蟲,圖10(d)中可以明顯看出一些村的血吸蟲負荷量顯著下降.5存在問題及展望上述結果證明:(i)我們提出的血吸蟲病時空動態概念模型可以實現;(ii)遙感和地理信息系統是該模型空間動態模擬不可缺少的組成部分;(iii)可以用這類模型輔助空間決策,使血吸蟲病控制更有效.但是,要達到實用模型階段還需要做更多驗證.(i)還需要進一步深入研究血吸蟲中間宿主釘螺密度估算的方法,使其更能充分利用越來越多的不同分辨率的遙感數據.(ii)多種流行因素及多尺度的空間關聯性研究還需要繼續開展