《Epidemics》：Spatiotemporal Transmission of Influenza in the US during the 2022/23 Season
编辑推荐：
为了解决流感在美国的季节性时空传播模式及其驱动因素问题，研究人员利用2022/23流感季的急诊就诊数据，在卫生服务区层面估算了流行起始时间，并结合重力模型分析了人口、气候、学校开学等多种驱动因子。研究揭示了南部地区较早爆发、随后向邻近区域局部扩散的传播格局，并识别出绝对湿度和学校开学是关键的驱动因素。该研究为理解流感传播动态和制定针对性公共卫生策略提供了重要见解。
季节性流感每年在美国造成大量的发病和死亡，但其传播模式在不同季节和地区间存在显著差异。了解其时空传播机制对于公共卫生准备和应对至关重要。特别是在COVID-19大流行后，2022/23流感季呈现出与以往不同的特点，部分区域在10月之前就开始流行，为研究其传播动态提供了一个独特的案例。那么，这次流感季是如何在美国各地传播的？又有哪些关键因素在驱动这一过程呢？研究人员开展了一项深入探索。
为了回答这些问题，美国疾病控制与预防中心的研究人员利用国家症状监测计划收集的流感相关急诊就诊数据，对2022/23流感季在美国的时空传播模式进行了深入研究。他们首先估计了全国多个卫生服务区（Health Service Area, HSA）的流感流行起始时间，随后将估算的起始时间结合到一个基于重力的机制模型中，该模型包含了可能与流感传播相关的多种协变量，如人口统计学、气候、人口流动和学校开学信息。通过比较多个模型，他们找到了与起始时间数据拟合最佳的模型，从而推断出驱动传播的因素，并识别出在早期传播链中最具影响力的潜在地理“枢纽”。这项研究为我们理解美国流感的空间传播提供了更新的见解，特别是在一个具有非典型时间特征的季节，其成果已发表在《Epidemics》期刊上。
本研究运用的几个关键技术方法包括：数据来源于国家症状监测计划的急诊就诊数据，覆盖了美国约80%的急诊科；采用断点法估计每个卫生服务区的流感季节起始时间；利用基于重力的时空传播模型框架，该模型结合了局部播散和空间传播两个组分，用于推断传播驱动因素和识别传播枢纽；模型参数估计采用最大似然法，并通过赤池信息准则比较模型性能；使用逆传播矩阵方法重建可能的感染路径并识别潜在的区域性传播“枢纽”。
3.1. 时空传播模式
研究人员为美国2022/23流感季的733个卫生服务区估计了流行起始时间。研究发现，德克萨斯州的加尔维斯顿HSA经历了最早的起始（MMWR第34周），而蒙大拿州和南达科他州的HSA则最晚（MMWR第49周）。时空传播模式的特征是南部和东南部HSA较早开始传播，随后在15周内向其他区域局部扩散，而较晚的起始则通常出现在北部中部和东部HSA。流行高峰时间的时空模式与此一致。从估计的起始周到高峰周之间的时间在全美各地存在异质性，从3周到11周不等。
通过分析描述性关联，研究人员发现较早的起始时间与较大的人口规模、较高的社会脆弱性指数、较早的学校开学时间、较大的出行量、较低的绝对湿度和较低的呼吸道合胞病毒活动有关，但与5-18岁人口比例、居家人口比例和新冠病毒活动无显著关联。
3.2. 传播的机制性驱动因素
在拟合不同的简化模型迭代后，研究人员发现指数型距离核优于幂律型距离核，频率依赖性传播优于密度依赖性传播。此外，在重力组分中加入供体人口规模并未改善模型拟合。因此，在随后的模型迭代中，研究人员排除了供体人口规模，并假设为带有指数距离核的频率依赖性传播。
随后，研究人员评估了不同协变量的重要性。将绝对湿度纳入模型提供了比纳入任何其他单一协变量都显著更好的拟合。研究人员因此在模型中固定了绝对湿度的影响，并重复了上述过程。他们发现，将学校开学时间添加到模型的局部传播组分中，是下一个最能改善模型拟合的因素。添加后续的协变量并未显著改善模型拟合，并可能引入参数可识别性问题。因此，研究人员得出结论，一个包含绝对湿度以及受学校开学时间调制的局部传播的模型，为起始时间的时空分布提供了最简约的解释。模型参数估计显示，宿主人口规模、绝对湿度和学校开学对传播具有重要影响。
3.3. 感染枢纽
利用最简约模型，研究人员识别出十个最可能的传播枢纽，这些是拥有最高本地播散概率的HSA。加尔维斯顿拥有最高的本地播散概率和预期爆发的数量，也是估计起始时间最早的HSA。在随后的五个最可能枢纽中，四个位于美国东南部，一个位于西北部。这些枢纽不一定是人口规模最大或起始时间最早的HSA。
研究人员进一步探讨了五个具有最高本地播散概率的枢纽的空间影响力。每个枢纽的影响存在明显的空间分区：南部和中部的疫情最有可能源自加尔维斯顿的传播链，东北部的疫情则可能源自北卡罗来纳州或佐治亚州枢纽。研究还发现，西北部有一个较小的区域，其传播很可能源自华盛顿州的刘易斯-太平洋HSA。这些发现突显了局部空间传播在决定2022/23流感季传播模式中的重要性。
研究发现，2022/23流感季的传播格局与2009年H1N1大流行以及2009年前的多个流感季节观察到的模式有相似之处，均表现为从南部开始，随后以局部化的方式传播。在传播驱动因素方面，绝对湿度、宿主人口规模和学校开学时间被确定为关键因素。绝对湿度与季节性流行在美国的起始相关已被既往研究证实，而宿主人口规模和学校开学时间在2009年H1N1大流行的时空传播中也被认为是关键因素。学校开学时间与季节性流感传播的历史关联性不强，但2022/23流感季较早的起始与开学时间更为吻合，可能强化了这种关系。
研究识别出的潜在传播枢纽并不完全等同于人口规模最大或起始时间最早的HSA，这与之前的研究发现一致。特别是，华盛顿州西北部的一个潜在枢纽，其起始时间比德克萨斯州加尔维斯顿的枢纽晚了6周，这可能反映了独立的本地播散事件，可能源于美国境外的输入或国内的长距离传播，并促进了美国西部随后的传播。枢纽的具体位置与2009年H1N1大流行期间识别的枢纽有所不同，部分原因在于分析使用的空间聚合单位不同以及流感传播固有的季节间变异性。
研究的局限性包括：未能估计全美所有HSA的起始时间，特别是在加利福尼亚州和美国中部地区覆盖率较低；用于估计起始时间的断点法存在误差；急诊就诊数据可能无法捕获一个HSA中的所有流感病例；模型复杂度增加时可能遇到参数可识别性问题；使用人口规模作为主要人口统计学协变量，替代指标可能更好；学校开学日期协变量仅是州一级的代理变量；以及2022/23流感季是一个非典型的早发季节，可能受其他独特因素调节，如人群免疫水平较低和个体行为改变，因此结果可能不具普遍性。
综上所述，本研究利用美国流感相关急诊就诊的精细空间信息，模拟了2022/23流感季的时空传播模式。总体而言，研究发现的传播模式和重要的流感传播驱动因素与既往季节和2009年H1N1大流行的发现基本一致。这些发现为理解美国季节性流感的时空传播提供了更新的见解，并加深了我们对驱动传播最具影响力因素的理解，有助于加强公共卫生监测、准备和应对能力。
