综述：一项关于全球及地区范围内奶牛和人类中牛分枝杆菌（Mycobacterium bovis）感染率的“同一健康”系统评价与荟萃分析（2020–2024年）：诊断方法及群体层面因素的影响

《Preventive Veterinary Medicine》：A One-Health Systematic Review and Meta-analysis (2020–2024) of Global and Regional Prevalence of Mycobacterium bovis in Dairy Cattle and Humans: Influence of Diagnostic Methods and Herd-Level Determinants

牛分支杆菌全球患病率研究显示，采用不同统计模型（如双反正弦转换-随机效应模型、对数转换模型）和诊断方法（如实验室检测）会导致显著不同的患病率估计（2.71% vs 7-9%），异质性极高（I2≈99.6%）。建议结合国家实际情况，优先统一诊断方法并加强高风险养殖系统的监测。

　　

Mehrdad Ebrahimi

伊朗克尔曼沙赫拉齐大学兽医学院

摘要

背景

Mycobacterium bovis是一种具有“同一健康”（One-Health）意义的人畜共患病原体，但其流行率因宿主种类、诊断方法、生产系统和分析方法的不同而存在显著差异。本综述综合了最新的全球证据，以生成可操作的流行率估计值，并确定研究间异质性的关键驱动因素。

方法

本研究采用系统评价和多模型荟萃分析方法，纳入了2020年至2024年间发表的186项研究数据。主要汇总估计值通过Freeman–Tukey双反正弦变换和REML随机效应模型得出。敏感性分析比较了DerSimonian–Laird方法（基于FT尺度）、logit-REML模型、带有逻辑链接的GLMM模型以及多水平rma.mv模型。异质性通过τ2、I2和Cochran’s Q值进行量化；同时计算了95%预测区间（PI）。对宿主类型、诊断方法、地区和畜群管理因素进行了亚组分析，并通过单变量/多变量荟萃回归模型评估了时间和管理相关的影响。出版偏倚通过Egger’s检验和Begg’s检验以及trim-and-fill方法进行评估。

结果

基于FT/REML模型的汇总流行率为2.71%（95%置信区间：2.20–3.26%）。其他模型的估计值更高（logit-REML约为8.33%；GLMM约为7.02%；rma.mv约为8.8%）。异质性非常显著（τ2约为0.0492；I2约为99.6%；Q值为22,014.76；p<0.0001），预测区间范围较宽（约为0.8–26%）。与混合牛群和人类群体相比，奶牛场的汇总流行率显著升高（约为15.6%；PI约为4.35–42.84%）。荟萃回归分析显示存在负的时间趋势（年变化系数约为-0.283；p=0.00052），且在集约化奶牛场中流行率更高（系数约为+1.349；p=0.0378）。Egger’s检验结果不显著（p约为0.92），但某些模型中通过trim-and-fill方法补充了约31项研究数据。

结论

M. bovis的流行率估计值高度依赖于所使用的模型，并受到极端异质性的影响。对于政策和监测规划而言，国家级别的亚组估计值或预测区间比单一的全球汇总值更具参考价值。应优先考虑统一诊断方法并加强高风险集约化奶牛场的“同一健康”监测工作。

引言

Mycobacterium bovis仍然是人畜共患结核病的主要病原体，对动物健康和人类福祉构成威胁。在奶牛生产系统中，该病原体会导致牛奶产量下降、经济损失和贸易限制。此外，人类接触M. bovis会带来重大的公共卫生问题，尤其是对于与牲畜密切接触的人群而言。

尽管许多研究报道了不同地区的流行情况，但M. bovis的全球流行病学情况仍不明确。诊断方法、采样策略、监测强度和报告标准的差异使得跨研究和地区的比较变得复杂。在定量综合分析中，由于转换方法和统计模型的不同，汇总流行率估计值可能存在显著差异，尤其是在事件发生率较低或为零的情况下。

为了提供支持“同一健康”规划的证据，本研究对2020年至2024年间关于奶牛、其他牛类和人类中M. bovis流行率的研究进行了系统评价和多模型荟萃分析。研究目的包括：（1）使用多种分析框架估计全球和地区层面的汇总流行率；（2）量化研究间的异质性和预测区间；（3）通过亚组分析和荟萃回归评估诊断方法、畜群层面和时间因素的调节作用；（4）评估汇总估计值的稳健性及其对模型选择和出版偏倚的敏感性。预计诊断方法和管理强度是导致异质性的关键因素，不同的建模方法可能会产生显著不同的流行率估计结果。

材料与方法

本综述遵循了PRISMA 2020指南进行流行率数据的系统评价。图1展示了研究识别、筛选、资格评估和纳入过程的PRISMA流程图。

纳入标准：2020年1月1日至2024年12月31日期间发表的主要研究，如果这些研究提供了可提取的Mycobacterium bovis感染或奶牛检测阳性的数据，则符合纳入条件。

结果

共有186项研究数据符合纳入标准并被纳入定量分析（见图1）。纳入人类数据是为了反映M. bovis的人畜共患特性以及职业和环境暴露途径，而非直接比较不同物种间的流行率。因此，人类数据在亚组分析和探索性分析中进行了解读，而非作为可直接比较的流行率估计值。

讨论

本系统评价和荟萃分析综合了关于Mycobacterium bovis流行率的最新全球证据，表明报告的流行率受诊断方法、畜群层面因素及所选分析框架的显著影响。基于Freeman–Tukey方法的估计值与基于logit或多水平模型的估计值之间存在显著差异（约2.7% vs 约7–9%），这表明建模选择会显著影响汇总流行率，尤其是在数据量较少或为零的情况下。

结论

本“同一健康”系统评价和多模型荟萃分析表明，M. bovis的全球流行率估计值高度依赖于所使用的模型，并受到诊断方法、生产系统和地区背景的影响。极端的异质性和宽泛的预测区间限制了单一全球汇总估计值的解释能力。对于监测和政策制定而言，国家级别的亚组估计值和预测区间比全球平均值更具实际指导意义。

伦理批准

本研究是对已发表数据的二次分析，无需伦理批准。研究过程中未涉及任何人类或动物实验。

作者贡献

Mehrdad Ebrahimi负责研究的概念构思、搜索策略的设计、数据提取与分析、结果解读及手稿撰写。

未引用文献

Bridges和van Winden（2021年）、Byrne和Barrett（2024年）、Dahourou等人（2023年）、Hussein等人（2024年）、Kapalamula等人（2023年）、Mekonnen等人（2020年）、van der Westhuizen等人（2023年）、Wangmo等人（2024年）

资助

本研究未获得任何公共、商业或非营利机构的资助。

CRediT作者贡献声明

Mehrdad Ebrahimi：负责撰写与编辑、初稿撰写、数据可视化、验证、监督、软件使用、资源协调、项目管理、方法设计、数据分析、数据整理及概念构思。

写作过程中的人工智能辅助技术声明

在撰写过程中，使用了人工智能辅助工具进行语言编辑和结构组织。作者审阅并编辑了所有内容，对最终手稿负全责。

利益冲突声明

作者声明不存在可能影响本研究结果的已知财务利益冲突或个人关系。

致谢

我要衷心感谢我的家人以及Maedeh Afshar女士在本研究过程中给予的坚定支持。