《Food Microbiology》：Analysis of foodborne disease outbreak surveillance in the China Mainland 2014-2023
编辑推荐：
李婷芳|李晓宇|刘梦思|扎希德·沙巴兹|尤建松|权志中|李建国|刘艳芬|徐永平|王莉莉中国大连工业大学生物工程学院生物智能制造教育部重点实验室，大连，116024摘要食源性疾病对全球公共卫生和经济造成了重大负担。本研究系统分析了中国大陆2014年至2023年十年的国家监测数据，共
李婷芳|李晓宇|刘梦思|扎希德·沙巴兹|尤建松|权志中|李建国|刘艳芬|徐永平|王莉莉
中国大连工业大学生物工程学院生物智能制造教育部重点实验室，大连，116024
摘要
食源性疾病对全球公共卫生和经济造成了重大负担。本研究系统分析了中国大陆2014年至2023年十年的国家监测数据，共涉及50,434起疫情、311,672例疾病病例和1,330例死亡病例。研究结果显示出明显的地理差异：五个省份（山东、云南、湖南、贵州和四川）的疫情总数占全国总数的59.27%。疫情在6月至8月间达到高峰，这与高温和高湿度有关。有毒蘑菇是主要致病原因，占已明确病因的疫情的50.65%，且导致最高的病例死亡率。微生物病原体，尤其是副溶血性弧菌（Vibrio parahaemolyticus）和沙门氏菌（Salmonella spp.），也是重要的致病因素。大多数疫情和死亡病例发生在家庭环境中，尤其是在COVID-19大流行期间尤为明显。我们的研究结果强调了采取有针对性的干预措施、加强公众对有毒蘑菇的认识以及完善监测系统的紧迫性，以减少中国食源性疾病带来的负担。
引言
在全球化时代，食源性疾病是一个日益严重的全球公共卫生问题。根据世界卫生组织（WHO）的数据，每年约有6亿人因食物污染而生病，42万人因此死亡，导致大约3300万健康生命年的损失。这一数字可能低估了实际负担（世界卫生组织，2015年）。经济影响同样严重，特别是在低收入和中等收入国家，这些国家因食源性疾病每年损失约952亿美元的生产力，并承担150亿美元的治疗费用（Jaffee等人，2019年）。
作为世界上人口最多的国家，中国面临着确保食品安全的艰巨任务，这对公共卫生和社会稳定具有深远影响。中国政府为此加大了力度，例如制定了《食品安全法》并进行了修订（全国人民代表大会常务委员会，2018年），该法律在第150条中对食源性疾病进行了明确定义。同时，中国建立了全面的食源性疾病监测体系，整合了病例监测、疫情监测和分子溯源网络。
这一综合框架的核心是食源性疾病监测系统。它是一个重要的工具，用于系统收集、分析和解释流行病学确认的疫情数据。该系统有助于识别污染源、主要风险因素和高风险食品类别，从而为制定有针对性的干预措施和监管政策提供科学依据。
尽管该监测网络已经投入运行，但对其在较长时间内的综合纵向分析仍较为缺乏。现有研究往往仅关注较短的时间段、特定的病原体或孤立的地理区域，因此未能全面了解中国大陆食源性疾病爆发的时空模式、病因谱和演变趋势（Wang等人，2021年；Chen等人，2024年）。这种全景分析对于评估当前控制措施的有效性、识别持续存在的威胁（如有毒蘑菇中毒的严重负担）以及与邦克雷克酸（bongkrekic acid）等毒素相关的高死亡率至关重要，同时也有助于确定未来的公共卫生优先事项。
因此，本研究对中国大陆2014年至2023年的国家食源性疾病监测数据进行了详细的描述性分析。我们旨在描绘关键的流行病学特征，包括地理异质性、季节性变化和长期趋势。此外，我们试图确定主要的致病因子和传播媒介，并评估疫情最常发生的环境。从这项十年分析中获得的见解有助于更深入地了解中国食源性疾病的长期模式，为完善基于证据的食品安全政策、优化资源配置以及最终保护公共卫生做出重要贡献。
部分摘录
数据来源
本研究分析了2014年至2023年中国大陆的食源性疾病疫情（FBDO）数据，数据来源于两份官方出版物。
总体特征
2014年至2023年间，中国大陆共报告了50,434起食源性疾病疫情，导致311,672例疾病病例和1,330例死亡病例。这些疫情在各省的分布情况如表1所示。山东省报告的疫情数量最多（8,945起；占17.75%），其次是云南省（7,892起；15.66%）、湖南省（5,623起；11.16%）、贵州省（4,512起；8.95%）和四川省（3,987起；7.91%）。这五个省份的疫情总数占全国总数的59.27%
食源性疾病疫情的地域差异
对2014年至2023年中国大陆食源性疾病疫情的分析显示了明显的地域差异。疫情最严重的地区集中在五个省份：山东、云南、湖南、贵州和四川，这种分布可能与当地的饮食习惯、气候和人口密度等区域性因素有关。云南省是一个典型的例子，该地区野生蘑菇资源丰富，同时食源性疾病发病率也较高。
资助
本研究得到了辽宁省振兴人才计划（资助编号：XLYC2411031）和辽宁省科技计划（资助编号：2023JH1/10200006）的支持。
CRediT作者贡献声明
李婷芳：数据整理、方法论、可视化、初稿撰写。李晓宇：数据整理、方法论。刘梦思：正式分析。扎希德·沙巴兹：撰写、审阅与编辑。尤建松：调查。权志中：调查。李建国：可视化。刘艳芬：资金获取、项目管理、撰写、审阅与编辑。徐永平：方法论。王莉莉：项目管理、撰写、审阅与编辑。
利益冲突声明
作者声明他们没有已知的财务利益或个人关系可能会影响本文的研究结果。
