《One Health Outlook》：Geospatial modelling for zoonotic disease hotspot identification within a One Health framework: a systematic review
编辑推荐：
本文系统综述了2000-2025年全球46项研究，揭示了地理空间建模（GIS）在识别人兽共患病（Zoonoses）热点中的关键作用，指出气候变量（温度/降水）主导预测因子而社会生态因素整合不足，为强化跨领域（人-动物-环境）协同防控提供科学依据。
人兽共患病持续威胁全球公共卫生，其传播机制涉及人-动物-环境界面的复杂交互。地理空间建模（Geospatial Modelling）作为识别疾病热点（Hotspots）的关键工具，在支持"同一健康"（One Health）导向的监测策略中日益重要。然而，现有研究对地理空间方法如何具体落实One Health原则的系统整合仍显不足。本综述遵循PRISMA 2021指南，系统分析了2000-2025年间46项相关研究，揭示了该领域的方法学进展与实践挑战。
方法学严谨性与研究分布
文献筛选采用双盲审流程，质量评估涵盖研究设计、数据透明度、模型适用性及One Health整合度四大维度。纳入研究呈现明显时空特征：2020年后发文量激增（2025年达峰值10篇），非洲（52.2%）、亚洲（21.7%）和欧洲（13.5%）为三大研究热点区域，伊朗（6篇）、中国（3篇）、肯尼亚（3篇）等国研究活跃。这种分布既反映高负担地区的防控需求，也暴露了区域研究能力差异。
主流建模技术图谱
贝叶斯空间模型（Bayesian Spatial Models）、卫星影像分析（Satellite Imagery-Based Analyses）、机器学习（Machine Learning）和生态位建模（Ecological Niche Modelling）构成技术核心。具体方法中，Getis-Ord Gi*热点分析、土地利用分类（Land Use/Land Cover）和Moran's I空间自相关（Spatial Autocorrelation）应用频率最高。这些技术通过整合多源数据（如遥感植被指数、气象观测、人口普查）构建风险概率曲面，有效识别了皮肤利什曼病（9篇）、炭疽（8篇）、钩端螺旋体病（5篇）等疾病的空间聚集区。
预测因子整合的失衡现象
气候变量（温度52.2%、降水47.8%）占据绝对主导，而社会生态因素整合不足——人口密度（37.0%）虽常用，但贫困指标、城市化进程等深层变量仅见于个别研究。动物健康数据（如牲畜密度、野生动物迁徙）的整合同样受限，导致模型难以捕捉人-动物接触界面的关键风险路径。这种"重自然、轻社会"的倾向制约了干预策略的精准性。
One Health原则的执行梯度
仅15.2%研究实现人-动物-环境三领域完全整合，多数（45.7%）仅耦合两领域（如环境因子+人类病例）。尽管39.1%研究明确提及One Health框架，但实际操作仍以数据拼贴为主，缺乏跨部门协同分析机制。典型案例如东非裂谷热（Rift Valley Fever）模型，虽整合了气候情景与牲畜密度，却未关联人类医疗可及性等社会脆弱性指标。
技术瓶颈与数据困局
41.3%研究指出数据可及性与质量是最大障碍，尤其在撒哈拉以南非洲，地面监测数据碎片化严重。时空分辨率不足（如遥感影像更新滞后）、样本量限制（如地方性人兽共患病报告不全）及模型验证缺失（如缺乏独立测试集）进一步削弱结果可靠性。此外，机器学习模型存在"黑箱"问题，贝叶斯方法对先验分布敏感，均影响决策透明度。
前沿进展与系统优化
近年研究呈现三大突破：一是多尺度时空模型（Spatiotemporal Models）动态追踪风险演变（如季节性疟疾传播廊道）；二是社会生态变量创新（如移动通信数据映射人群流动模式）；三是交叉验证技术（如空间留一法）提升预测稳健性。这些进展推动热点识别从"风险制图"向"机制解析"转型，例如通过路径分析揭示气候变暖→媒介孳生→家畜感染→人间传播的级联效应。
政策启示与未来方向
当前地理空间建模已具备支持One Health决策的技术基础，但需突破四大瓶颈：建立跨部门数据共享平台（如卫生-农业-环保数据互联）、开发社会生态预测因子库（如生计脆弱性指数）、制定模型标准化协议（如PRISMA-Spatial扩展指南）、强化在地化建模能力（如社区参与式数据采集）。唯有通过技术革新与制度协同，才能使热点地图真正转化为可执行的早期预警工具。
