《PLOS Pathogens》：Dengue transmission heterogeneity across Indonesia’s archipelago: Climate-driven spatiotemporal patterns and policy implications
编辑推荐：
印尼登革热（Dengue）负担高居东南亚首位，但其在跨越数千公里的群岛上的时空传播模式长期不明确。为应对此问题，研究人员分析了2010-2024年印尼全国省级监测数据，结合气候变量，揭示了登革热发病的西-东时间梯度以及与厄尔尼诺/南方涛动（ENSO）的强关联，并识别出18个省具备建立基于降雨的早期预警系统的潜力。该研究支持因地制宜的省份特异性防控策略，为优化印尼多样化的流行病学环境下的疫情响应提供了科学依据。
想象一下，在一个由超过17,000个岛屿组成的国度，每年有数十万人遭受一种蚊媒疾病的侵扰，它就是登革热。印度尼西亚，这个东南亚的“千岛之国”，正承受着该地区最沉重的登革热疾病负担。尽管疾病广泛流行，但一个根本性问题长期困扰着公共卫生决策者：在这个地理和气候极端多样的庞大群岛，登革热的疫情究竟在何时、何地暴发？其背后的驱动因素是什么？传统的、全国“一刀切”的防控策略，是否真的有效？为了回答这些问题，一项深入挖掘印尼登革热时空密码的研究在《PLOS Pathogens》上展开。
研究人员面对的核心挑战是理解印尼登革热传播的高度异质性。他们手握2010年至2024年共十五年全国34个省的月度登革热监测数据，以及同期详尽的气候变量资料。为了解码这些复杂的数据，他们运用了多种先进的分析工具，主要包括：小波相位分析，用于精确提取登革热与气候变量年度周期的“时间相位”，从而比较不同省份疫情高峰的先后顺序；动态时间规整（DTW）聚类，在不预设地理分区的情况下，客观地识别出具有相似疫情动态的省份群组；以及分布式滞后非线性模型（DLNM），用于量化气候暴露（如降雨、温度）在滞后数月内对登革热发病风险的非线性剂量-反应关系。研究还分析了区域性气候指数，如表征厄尔尼诺/南方涛动（ENSO）的海洋尼诺指数（ONI）和印度洋偶极子（IOD）指数。所有分析均基于省级人口数据进行校正。
研究结果
登革热发病的时空异质性
分析期内，印尼共报告超过180万例登革热病例，其时空分布极不均衡。各省年平均发病率相差约23倍，巴厘省最高，而马鲁古、巴布亚等东部省份较低。全国发病率呈现出明显的多年周期波动，在2015-2016年和2023-2024年出现重大疫情高峰。省份层面的季节性格局显示，西部省份（尤其是苏门答腊）的疫情高峰通常更早，而东部省份的高峰则较迟。
西-东方向的时间梯度
小波分析揭示了一个系统的、自西向东的登革热年度“波”传播时间梯度。苏门答腊和西加里曼丹的省份呈现负相位滞后（即疫情高峰平均比全国早1.4个月），而爪哇-巴厘、东加里曼丹及东部省份则呈现正相位滞后（高峰较晚）。中位疫情高峰月份从北苏门答腊的10月变化到雅加达、西爪哇、巴厘和北加里曼丹的4月。这一梯度强度随地理范围变化，在仅包含苏门答腊和爪哇-巴厘的西部省份中最强（经度与高峰月份Spearman ρ= 0.7），但在包含东部省份后显著减弱，表明该梯度是印度尼西亚西部的稳定特征，在东部群岛则失效。
地理区域内的动态异质性
动态时间规整聚类分析表明，简单的行政地理分区并不能很好地代表登革热的时间动态。即使在同一地理区域内，各省份的疫情时间和强度也存在显著差异。努沙登加拉地区（两省）的内部时间相似性最高，而巴布亚地区（两省）则最低。研究还识别出了一些“时间异常值”省份，如苏门答腊的廖内群岛、爪哇-巴厘的东爪哇和苏拉威西的西苏拉威西，它们的疫情动态明显偏离其所在区域的邻居省份。
气候与登革热的关系
区域性气候指数的影响：在多年尺度上，厄尔尼诺/南方涛动（ENSO）与全国性疫情高峰年份强烈相关。海洋尼诺指数（ONI）与流行年发病率呈显著正相关（Spearman ρ= 0.83），而印度洋偶极子（IOD）指数则无显著关联。在强厄尔尼诺年份（2015-2016, 2023-2024），平均发病率比非强厄尔尼诺年份高出96%。
局地气候变量的相位与剂量反应关系：在年度尺度上，局地气候变量与登革热的时序关系因省而异。相位分析显示，在19个省份中降雨领先于登革热，在26个省份中温度领先于登革热。相位相干性分析用于衡量这种时序关系在时间上的稳定性。研究设定阈值（≥0.85）以识别气候-登革热时序关系足够一致、可能适用于早期预警的省份，结果有18个省符合降雨条件，7个省符合温度条件。
剂量反应分析进一步量化了影响大小。在相位相干性高且相位滞后期为正的省份中，高降雨量（第90百分位数 vs 第50百分位数）在18个省中的11个导致了显著的累积相对风险升高，中位累积风险升高幅度在21%至95%之间，滞后时间为0-3个月。高温度仅在7个省中的3个显示出显著效应。
结论与讨论
本研究系统刻画了印度尼西亚登革热发病的时空异质性及其与气候的关联，得出了几个关键结论。首先，印尼西部存在一个稳健的、自西向东的登革热疫情时间梯度，这与澳亚季风系统的推进方向一致，暗示是气候驱动的季节性而非省份间的疾病序列传播导致了高峰时间差。然而，这一梯度在气候制度迥异的东部印尼瓦解。其次，地理邻近并不能保证疫情动态相似，行政区域内部存在显著异质性，因此需要省份特异性而非区域性的防控方法。最后，也是最具实践意义的发现是，小波相位相干性可以作为一种筛选工具，识别出那些气候-登革热时序关系足够稳定、可能适用于建立早期预警系统的省份。同时，分布式滞后非线性模型（DLNM）则能在这些省份中量化气候效应的具体幅度。
研究发现，气候在两种不同时间尺度上影响登革热，对应不同的备灾策略。在多年尺度上，厄尔尼诺/南方涛动（ENSO）事件与全国性高发年份强烈相关，这可用于战略层面的预警（如预算、物资和人力资源的提前规划）。在年度季节尺度上，局地气候变量（尤其是降雨）与登革热的相位关系，可为具有高相位相干性的省份提供战术层面的预警（提前1-4个月），指导具体的干预措施时机。
基于此，研究提出了一个双层早期预警系统框架。第一层基于厄尔尼诺/南方涛动（ENSO）监测，提供全国性的、长达数月甚至更久的战略预警。第二层基于局地气候监测，在相位相干性高的省份提供短期（1-4个月）的战术预警。例如，疫情高峰早的北苏门答腊省（10月）的预警信息，可用于指导疫情高峰晚的中爪哇省（2月）的准备工作，从而实现跨省份的、更高效的资源调配。
这项研究的重要意义在于，它首次在印尼全国尺度上系统揭示了登革热传播的时空结构异质性，并明确了气候驱动力的作用模式。它挑战了“全国统一”防控策略的有效性，为印尼实施更加精准、高效的省份特异性登革热防控和早期预警提供了坚实的科学依据。通过将气候监测与流行病学数据深度融合，该研究为这个登革热高负担国家迈向更智能、更主动的公共卫生应对模式指明了方向。
