《Scientific Reports》：Climatic and governance determinants of malaria transmission in Rivers State, Nigeria
编辑推荐：
本研究针对尼日利亚河流州疟疾防控需求，通过整合气候变量（温度、降雨量、相对湿度）与治理政策变量（以2015年为界划分政策阶段），系统比较了Poisson、准Poisson、负二项回归与SARIMAX模型的预测性能。结果表明，SARIMAX(1,1,0)(1,1,1)12模型在捕捉疟疾发病时空动态方面表现最优，其预测误差（MAE=3957.66，RMSE=5982.50）显著低于传统计数模型，揭示降雨量（β=259.71，p=0.022）和政策阶段（β=-38620.57，p=0.022）是影响疟疾发病的关键因素。研究为热带地区疟疾早期预警系统的构建提供了方法论支持，凸显了多维度因子协同建模的公共卫生价值。
在热带地区，疟疾仍是威胁公共健康的重大挑战，尤其以尼日利亚疫情最为严峻。河流州作为该国疟疾高发区，尽管多年推行防控措施，传播强度仍居高不下。疟疾动态受多重因素驱动：气温影响疟原虫在蚊媒体内的发育速率，降雨为蚊虫孳生创造水体环境，湿度调节蚊虫存活周期。然而，这些气候要素的效应常因地域差异而结论不一。更关键的是，政府防控策略的调整（如资金分配、蚊帐分发、卫生系统效能）可能深刻改变疾病传播轨迹。2015年河流州行政管理体制变革，为量化政策影响提供了自然实验场景。现有研究多聚焦气候变量的独立作用，缺乏对政策因素与气候协同效应的建模，且未系统比较不同统计模型在疟疾预测中的性能差异。
为破解这一难题，Egbom等人在《Scientific Reports》发表研究，首次将气候指标与治理变量纳入统一分析框架，旨在揭示河流州疟疾传播的核心驱动因子，并筛选最优预测模型。研究团队收集了2007至2021年共180个月的疟疾发病数据，结合NASA POWER卫星提取的月均温度、总降雨量、相对湿度，并设置季节变量（湿季4–10月编码为1，干季11–3月编码为0）与政策阶段变量（2007–2015年编码为0，2016–2021年编码为1）。针对因医务人员罢工导致的缺失数据，采用自回归积分滑动平均（ARIMA）模型进行插值，确保时间序列完整。技术方法核心包括：① 利用Poisson、准Poisson、负二项模型处理过度离散的计数数据，通过比较平均绝对误差（MAE）、均方根误差（RMSE）筛选最佳参数模型；② 构建季节性自回归积分滑动平均外生变量（SARIMAX）模型，引入气候与政策变量作为外生预测因子，通过超参数调优确定最优结构；③ 采用增强迪基-富勒（ADF）检验、自相关函数（ACF）与偏自相关函数（PACF）诊断序列平稳性，结合五折时间序列交叉验证评估模型泛化能力。
数据特征揭示疟疾发病时空异质性
疟疾发病数呈现明显正偏态分布（图2），且方差远高于均值（图5），证实数据存在严重过度离散（离散参数=3892.269，p<0.001），传统Poisson回归不再适用。时间序列图（图1）显示2007–2013年发病趋势平缓，2014年后波动加剧，可能与诊断标准变更、罢工事件或政策更迭相关。月均发病高峰出现在1月（约18372例），低谷为12月（约12161例），而10月变异程度最高（标准差≈9701例），暗示季节性暴发风险（图4）。
准Poisson模型优于传统计数回归
在三种计数模型中，准Poisson模型的MAE（5682.45）和RMSE（7394.77）均低于负二项模型（表5），且温度是唯一显著预测因子（β=0.298，p<0.001）。但其预测曲线过于平滑（图6），难以捕捉发病峰值，提示需引入时间依赖性建模。
SARIMAX模型精准捕捉季节与政策效应
通过ADF检验与ACF/PACF图（图9–10）确定序列需经一阶差分与季节差分（d=1，D=1）达到平稳。超参数调优选定SARIMAX(1,1,0)(1,1,1)12为最优结构（表6），其残差通过Ljung-Box检验（p=0.41），满足白噪声假设。结果（表7）显示：
- •
降雨量每增加1单位，发病数上升259.71例（p=0.022），置信区间[38.24, 481.19]全为正，印证降雨通过扩大蚊虫孳生地助推传播；
- •
政策阶段（2016–2021年）关联发病数下降38620.57例（p=0.022），表明后期治理优化可能提升防控效能；
- •
干季（相较于湿季）发病数降低34690例（p=0.017），反映季节本身对传播的独立影响；
- •
季节性移动平均项（MA(12)）系数-0.821（p<0.001）提示年度周期性强，异常波动可在一年后自我修正。
模型比较验证SARIMAX预测优势
SARIMAX模型的MAPE（65.14%）、MAE（3957.66）、RMSE（5982.50）均显著低于准Poisson模型（表8），其拟合曲线（图11）更贴合实际发病峰值，尤其在2014年后波动阶段表现稳健。联合图12直观显示，SARIMAX能同步捕捉长期趋势、季节周期与政策突变点，而准Poisson模型仅能反映基础气候效应。
结论与讨论：迈向整合气候-治理的预警系统
本研究证实，河流州疟疾传播受降雨驱动与政策干预的双重调控，而SARIMAX模型通过融合时空自相关性与外生变量，实现了更精准的短期预测。其优越性源于对序列依赖结构的显式建模——例如负自回归项（AR(1)=-0.234）提示月间发病存在反馈机制，而强季节性移动平均项（MA(12)）凸显年度循环规律。相较之下，传统计数模型因忽略时序依赖性，难以应对突发疫情。
研究局限性在于模型对2014年后结构性突变的解释力不足，未来可引入断点检测或马尔可夫机制转换模型增强灵活性。此外，遥感数据与社区级社会决定因素的嵌入，有望进一步提升模型分辨率。本成果为尼日利亚落实世界卫生组织（WHO）疟疾消除战略提供了方法论工具，亦为热带地区环境健康决策提供了跨学科范式。
