传染病预测预警是以监测为基础,根据传染病的发生、发展规律及有关因素早期发现异常 的先兆或事件发展的不良趋势,从而提高传染病预防控制工作的主动性和预见性。预测预警是对公众的预防行为进行超前调控的一种手段,其目的是把事后补救转变为事先防范,建立一种积极主动的保障机制,避免传染病事件造成影响的不断扩大。 古人云,预则立,不预则废!根据历年流感大流行发生的规律,我们斗胆预测新的流感大流行即将到来!多重关键因素的叠加是流感等新发病毒传染病发生的基础!预计时间就在2019年前后!敬请关注! 今冬厄尔尼诺的强度将是决定是否会发生流感大流行的关键!因为历史上的流感大流行的发生有如下特点,多发生在太阳黑子活动峰值年或谷值年附近,前一年出现中等强度的拉尼娜现象,当年会出现中等强度以上的厄尔尼诺现象,大多数新发病毒传染病的发生必然伴随着一些特殊的因素,比如,剧烈的气候变化,候鸟的异常迁徙,动物种群的混合,射线活动的增强,最终导致病毒发生大的变异或重组,并且获得新的动物病毒基因,导致人体免疫力无法对抗而发生大规模的爆发或流行。 由于地球磁场的急剧减弱,南美洲地区宇宙射线活动会异常增强,加上厄尔尼诺的强大影响,导致这一地区发生新的流感大流行或寨卡病毒大爆发的可能性非常大!其次为非洲地区,这一地区主要以埃博拉病毒和马尔堡病毒为主。全球急需做好重大传染病预警和应急准备工作!毕竟,人类对新发病毒传染病的认识还远远不到位,人类在大自然面前还很渺小。传染病的防治仍然任重而道远,人定胜天的想法,即使在科技高度发达的今天也不太容易实现!今后几年,出现一种或几种新发病毒传染病的概率越来越高,考验公共卫生系统的时候即将到来! 预测的理论依据如下 太阳黑子数与太阳的活动密切相关,在太阳黑子峰年前后,太阳活动到达高峰 , 耀斑出现的次数最多 , 耀斑辐射出的大量的紫外线、强 X 射线,以及宇宙线和非高能粒子。当太阳处于活跃期的时候,太阳周边的磁场就会变强,从而阻止来自太阳系外的 宇宙射线 ,使到达到地球的 宇宙射线 大大减少。 但是当太阳处于低谷期的时候,太阳周边磁场则会变弱,辐射到地球上的银河宇宙射线 的密度就会达到最大。 下图显示,太阳黑子活动非常微弱,宇宙射线在全面加强。 大气所预测秋冬季将发生中等强度厄尔尼诺 本报讯热带太平洋厄尔尼诺/南方涛动(ENSO)和热带印度洋的偶极子(IOD)是热带地区的两大重要的自然变率,是全球气候季节到年际变化的主要影响因子。日前,中科院大气所大气科学和地球流体力学数值模拟国家重点实验室(LASG)研发的CAS-FGOALS-f 2季节内—季节预测试验系统,对2018/19年秋冬IOD事件和ENSO事件进行了预测试验,预测结果将作为中国多模式集合预测系统(CMME)的参与成员,在国家气候中心短期气候预测业务上应用。 过去60年的IOD指数演变表现出显著的季节位相锁定的特征,一般来说,IOD事件从北半球夏季开始发展,秋季达到峰值,冬季衰减。 IOD事件的发生对热带非洲、印度半岛和东亚季风区都有重要的影响。7月LASG最新预测试验显示,今年秋冬季节印度洋地区IOD一直维持正位相,正的IOD事件在10月份达到最强,比常年值偏高0.4℃到0.5℃。 ENSO是热带太平洋中东部地区海表温度不规则周期性波动的一种现象,对全球气候具有重要影响。ENSO在三种相位中波动,即厄尔尼诺、拉尼娜和“中性”状态。 出现厄尔尼诺时热带太平洋中东部海表温度偏高,而拉尼娜时则相反。厄尔尼诺/拉尼娜事件的发生,不仅会直接造成热带太平洋及其附近地区的干旱、暴雨等灾害性极端天气气候事件,还会以遥相关的形式间接地影响到全球其他地区天气气候并引发气象灾害。 CAS-FGOALS-f2预测试验系统对2018/19年秋冬季全球海温异常预测的结果显示,热带印度洋地区和赤道东太平洋地区的海温异常偏高,预测结果表明今年秋冬季节赤道中东太平洋地区将逐渐发展成一次中等强度的厄尔尼诺事件,海温比常年值偏高1℃到1.5℃,这一强度比此前预报的要高。 因此,LASG预测我国秋冬季节发生极端事件的频次和强度可能相比往年有所提高,需要提高警惕,应对厄尔尼诺及正IOD带来的气候异常影响。(沈春蕾) http://news.sciencenet.cn/sbhtmlnews/2018/8/337817.shtm?id=337817 厄尔尼诺即将到来 新京报快讯(记者邓琦)根据国家气候中心最新的ENSO监测和预测信息,2017年10月开始的拉尼娜事件于2018年4月结束之后,赤道中东太平洋海表温度持续上升,预计于2018年秋季进入厄尔尼诺状态,可能在冬季形成一次厄尔尼诺事件,将对我国秋冬季气候产生影响。 根据国家气候中心监测,2017年10月开始的拉尼娜事件于2018年4月结束,之后中东太平洋海温逐步上升。根据赤道太平洋海洋大气近期演变特征以及国内外多家气候动力模式和统计方法预测,预计赤道中东太平洋将于2018年秋季进入厄尔尼诺状态,可能在冬季形成一次厄尔尼诺事件,将对我国秋冬季气候产生影响。 一般情况下,赤道中东太平洋于秋季进入厄尔尼诺状态,我国秋季降水易出现南多北少的空间分布,全国气温以偏暖为主;冬季,东亚冬季风易偏弱,全国气温以偏暖为主,我国南方地区降水易偏多。秋季影响我国的台风个数可能较常年偏少,但台风强度偏强。 编辑:郭超 艾峥 http://news.sina.com.cn/c/2018-07-19/doc-ihfnsvza6935204.shtml http://sh.qihoo.com/pc/929b4af38efafd3b6?cota=1sign=360_e39369d1 流感大流行太阳黑子学说的科学解释 http://blog.sciencenet.cn/blog-529903-1093648.html 为什么说2019年前后会发生一次新的流感大流行? http://blog.sciencenet.cn/blog-529903-1093911.html http://blog.sciencenet.cn/blog-529903-1095552.html 寨卡病毒大流行或与巴西地区突然增强的宇宙射线有关 http://blog.sciencenet.cn/blog-529903-1122608.html 厄尔尼诺助推寨卡疫情蔓延 2016-12-21 07:53 一项基于流行病学模型开展的新研究19日说,2015年发生的强厄尔尼诺事件助推寨卡疫情在南美大规模暴发。这项研究还预测,美国东南部、中国南部和欧洲南部存在潜在的季节性寨卡传播风险。 英国利物浦大学的研究人员当天在美国《国家科学院学报》上报告说,寨卡病毒主要有两种传播媒介——埃及伊蚊和白纹伊蚊。他们利用流行病学模型分析发现,厄尔尼诺为伊蚊在南美大规模传播寨卡病毒创造了最有利的气候环境,导致伊蚊死亡率降低、叮咬频率提高等后果。 负责研究的利物浦大学的西里尔·卡米纳德说,科学界通常认为寨卡病毒在2013年就从东南亚或太平洋岛屿登陆巴西,“但我们的模型显示,正是与2015年厄尔尼诺事件相关的温度环境在寨卡疫情暴发的过程中发挥了关键作用,而这发生在寨卡病毒进入南美洲大陆约两年之后”。 卡米纳德说,除了厄尔尼诺外,其他导致南美寨卡疫情的关键因素还包括旅行与贸易导致的风险、寨卡病毒毒株的毒性以及与登革病毒等病毒的交叉感染等。(记者林小春) http://www.sohu.com/a/122141066_114731 http://world.huanqiu.com/hot/2016-12/9835799.html Article: Global risk model for vector-borne transmission of Zika virus reveals the role of El Niño 2015 , Caminade C, J. Turner, S. Metelmannb, J.C. Hessona, M. Blagrovea, T. Solomon, A.P. Morse, M. Baylis, Proceedings of the National Academy of Sciences , doi: 10.1073/pnas.1614303114, published online 19 December 2016. Global risk model for vector-borne transmission of Zika virus reveals the role o.pdf 2016年2月20日《The Lancet》刊载的一项研究,探讨了气候变化对寨卡病毒传播的影响。 在前不久的一篇Letter中,Isaac I Bogoch及其同事预料寨卡病毒将通过空中交通从巴西扩散到全世界。适合斑蚊生长繁殖的气候条件,可能是寨卡病毒在巴西迅速蔓延的原因。事实上,2015年厄尔尼诺现象导致了南半球南美洲东北部地区的特殊气候。根据美国国家海洋和大气管理局发布的数据,整个2015年下半年南美洲北部和东部的温度为“史上最高”,同时伴随着严重干旱。这些导致寨卡病毒迅速传播的极端条件,可能是气候变化的一种表现形式。 研究者们将某个月出现极端气候条件的区域与下个月的寨卡病毒地理分布区对照时,看到区域产生了明显的重叠。温度可以影响成年媒介生物的生存、病毒复制和传染期,这是已知事实。温度升高(在一个温度范围内)可以扩大媒介生物的地理分布范围,减少病原体的外潜伏期,提高母蚊叮咬率。尽管在斑蚊生命周期的水生阶段,降雨为其幼虫提供必要的生境,但干旱可以直接扩大媒介生物的栖身范围。在几个区域中(包括巴西东北部),埃及斑蚊栖身范围扩大的风险与地区持续干旱期间家庭储水量的增大具有相关性。因此,这个严重的厄尔尼诺事件造成的独特气候条件,应被视为寨卡病毒在美洲传播的促成因素,而且随着病毒的不断传播,应予以重视。 原文出处:Paz S,Semenza JC. El Niño and climate change--contributing factors in the dispersalof Zika virus in the Americas? .Lancet. 2016 Feb 20;387(10020):745. doi:10.1016/S0140-6736(16)00256-7. 10.1016_S0140-6736(16)00256-7.pdf
传染病预测预警是当前世界范围内广泛关注的热点和难点问题。传染病预测预警的主要目的是通过监测早期发现传染病发生的异常先兆或事件发展的不良趋势,进而提高传染病预防控制工作的主动性和预见性。目前传染病预测预警的方法包括应用互联网和社交媒体等数字化手段进行预测预警,利用症状监测进行预测预警,通过监测传染病发生的影响因素进行预测预警,应用现代科学技术和各种数学模型进行预测预警等。传染病预测预警工作的研究方法不再局限于原有的流行病学理论,已经向学科交叉和综合应用转变,对现代公共卫生和流行病学的发展产生了深远影响。 传染病预测预警是以监测为基础,根据传染病的发生、发展规律及有关因素早期发现异常的先兆或事件发展的不良趋势,从而提高传染病预防控制工作的主动性和预见性。预测预警是对公众的预防行为进行超前调控的一种手段,其目的是把事后补救转变为事先防范,建立一种积极主动的保障机制,避免传染病事件造成影响的不断扩大。近些年来,传染病的预测预警已逐渐成为公共卫生领域研究的热点问题,并出现了许多新理论和新方法。本文将就传染病预测预警的现状和目前常用的研究方法进行综述,为今后的传染病的防制提供理论依据。 (一)应用互联网和社交媒体等数字化手段进行预测预警 如果互联网上关于某种传染病的搜索结果在短期内激增,这可能准确预示着此种疾病将会暴发。 例如,在流感暴发季节,人们会通过 Google 等搜索引擎了解流感的暴发情况以及应对流感的一些措施,那么在这段时间内某些与流感的关键词,如流感、勤洗手、带口罩、流感疫苗等会高频率出现。同样地,在流感暴发季节,人们也会通过 twitter 等聊天工具反映用户本人、朋友是否感染流感,或者与流感相关的信息等。因此,利用 Google/twitter 等工具抓取与流感相关的关键词,通过分析这些关键词的频率可以准确地判断流感在哪里扩散。美国科学家将 2004-2009 年查询所得的不同国家和地区的流感估算结果与官方的流感监测数据进行对比,发现 Google 流感搜索引擎查询所得到的估测结果与历史流感疫情非常接近 , 并且可以 赶在政府和流行病学专家之前两个星期提前预测到流感暴发的出现 [ 1 ] 。 Jiwei L 等 通对 Twitter 数据流加以过滤,留取与流感相关的信息,并为这些信息加上地理位置标签,以显示相关流感 Twitter 信息来自哪里,以及这些信息在一定时间段内的变化情况,他们统计了 2008 年 6 月到 2010 年 6 月约 100 万用户发布的 360 万条同流感相关的 Twitter 信息,研究显示 Twitter 的流感信息同美国疾病预防控制中心提供的流感暴发数据之间呈高度正相关性,能够成功推断出哪些地区出现了流感暴发的初期症状,进而提前预测到某个地区流感即将到来 [ 2 ] 。虽然 应用数字化监测手段能比传统监测方法能够提前预测到传染病的暴发, 但是它 并不能取代传统监测系统,而只能作为疾病监测预警手段的一种扩展 [ 3 ] 。 (二) 利用症状监测系统进行预测预警 症状监测是指通过长期连续系统地收集与所监测的疾病相关的一组临床特征 ( 症状 ) 和 / 或相关社会现象的发生频率来获取传统公共卫生监测不能提供的疾病防控信息,及时发现疾病在时间和空间分布上的异常聚集,以期对生物恐怖袭击、新发传染病、原因不明传染病及其他聚集性不良公共健康事件的暴发进行早期探查、预警和快速反应的监测方法。目前在症状监测方面应用最成熟的应当属于急性迟缓性麻痹 (AFP)病例 监测,中国自 2000 年被世界卫生组织 证实无脊灰野病毒传播以后,在全国范围内建立了包括14种疾病在内的急性迟缓性麻痹病例主动监测系统用以早期发现输入性脊髓灰质炎病例,2011年7月,监测人员通过该系统在新疆和田地区成功的发现急性迟缓性麻痹病例增多,经实验室确证系源自巴基斯坦的输入性脊髓灰质炎野病毒传播,并通过5轮强化免疫使疫情迅速得到有效的控制,最终成功的阻断了野病毒的传播 [ 4 ] 。 对鸟类的死亡和患病情况进行监测也是症状监测的一种重要方式,死鸟的出现是监测西尼罗病毒早期传播最为敏感的指标 [ 5 ] 。自 1999 年在美国纽约首次暴发后,西尼罗病毒在美国的流行日益严重。为了有效预防和控制西尼罗病毒,以美国疾病预防控制中心牵头,建立了死鸟监测体系来早期发现西尼罗河病毒的活动,监测内容包括定期报告和分析病鸟或死鸟的情况以及有针对性的对鸟类是否感染西尼罗病毒进行实验室检测。 2002 年,美国共有 582 个市县出现了西尼罗病毒感染病例,其中有 543 个通过本项监测获得了西尼罗病毒的早期活动信号,死鸟出现的时间比人类病例的出现平均提前了一个多月 [ 6 ] 。英国科学家通过对感冒和流感呼救电话进行监测,在利用泊松模型建立预警阈值的基础上,与临床上流感样病例和实验室确诊病例进行对比,回顾性研究发现能够提前 2 周提前预警到流感暴发,前瞻性研究发现能够提前 6 天预警流感暴发 [ 7 ] 。 (三)通过监测传染病发生的影响因素进行预测预警 新发传染病的预测预警是一个全球性的难题。 新发传染病的不断出现促使科学界加紧研究用于追踪和应对传染病的新技术和新方法。 曲江文等 采用 Logistic 回归研究太阳黑子活动与新发病毒性传染病以及流感大流行之间的关系时发现太阳黑子极值年或前、后一年是新发病毒性传染病和流感大流行发生的一个重要的危险因素,并从太阳黑子活动影响病毒基因变异、动物迁徙以及气候变化等角度科学的分析了太阳黑子活动影响新发病毒性传染病和流感大流行发生的原因,为阐明流感大流行和新发病毒传染病的起源和预测预警提供了新的依据和方法 。虞震东等发现新星爆发和宇宙线大的地面增强事件与流感流行有着重要的关系,认为这种流感大流行都是由宇宙线环境大的增强引起的,从而提出了科学预警流感大流行的对策,即通过加强对宇宙线环境的监测来预警流感大流行 。 Shamana J 等 发现拉尼娜现象造成的气候异常同全球大范围的流感暴发之间有一定的对应关系。 20 世纪 4 次流感的全球性大流行都发生在拉尼娜现象之后,他们认为拉尼娜现象可以改变人类流感病毒的主要宿主候鸟的迁徙模式,影响它们在迁徙途中的健康和种群混合,进而影响到彼此间的基因交换,导致某些更危险的流感新毒株出现。此外,拉尼娜现象还会导致候鸟与猪等家畜接触,并通过基因重配形成更危险的毒株。因此,通过监测拉尼娜现象为将来预警流感大流行提供了可能 。 (四)利用现代先进科学技术进行预测预警 卫星图像不仅能用来绘制各种地图,还能帮助人们早期预测什么时候会暴发流行病。为了监控肾综合征出血热的流行,美国科学家以往采用调查老鼠种群,捕捉老鼠验血、植入微芯片等方法,但这些传统监测方法均费时费力。 2004 年,研究人员通过当地卫星图像分析地球表面植被数量变化来追踪鼠群变化,他们发现经过一个多雨的冬季,草木生长繁盛,为老鼠带来更多食物,老鼠的种群数量迅速增长,而更多老鼠也就意味着更多汉坦病毒可能接触到人类。根据连续 3 年来的数据分析发现,从植物数量增加,到老鼠种群产生致病可能,期间间隔约为 12 到 16 个月,从而为肾综合征出血热的流行的预警提供了可能 。麻疹是儿童最常见的急性呼吸道传染病之一,在尼日尔和尼日利亚北部地区,研究人员推测麻疹的季节性暴发可能与人们在旱季开始时迁徙到尼日尔的活动有关,但是他们却没有一个简单的方法来量化这些活动。于是研究人员采用夜晚光线的变化作为衡量人口密度的一个参数,并且通过卫星图像成功发现该地区 夜晚亮度的增加伴随着麻疹的暴发,从而为解释和预测麻疹在这一地区的暴发情况提供了可靠的科学依据 。 Shaman J 等 采用了一种被广泛用于现代数据天气预报的资料同化技术,设计出了一个实时、基于网页的地方季节性流感估算的框架,研究人员使用来自纽约市 2003-2008 年相关流感季节性暴发的资料,计算出了每周整体流感预报数据。实验结果显示,这种技术可以在流感暴发峰值的 7 个多星期之前预测出一场流感暴发峰值的出现时间,从而使得季节性流感定量预测成为可能 。 (五)应用各种数学模型进行预测预警 一种新出现的传染病接下来会在哪里及在何时出现是一个难以解决的问题,以往预测一种新出现的传染病的传播模型一般侧重于地理上的距离,或者采用一些结合了流动性与流行病学数据的现代、复杂的疾病蔓延模型,但是这些预测方法应用于现代社会效果并不是很好。 Brockmann D 等通过“有效距离”来分析传染病的蔓延,这种“有效距离”的提出是基于不同地区之间的迁移概率,如果两个地区之间的迁移概率越大,那么他们之间的“有效距离就越小。根据他们对距离的新的定义,研究人员研发了一种可预测某种新发的传染病会在哪里以及在何时发生的“反应扩散模型”,在新模型中通过计算航空运输网络的运输强度来表征地区间的有效距离,他们应用新数学模型分析了2003年的SARS疫情和2009年甲型H1N1流感的疾病暴发路径并得到很好的验证 。这种基于全球各地联系关系来分析流行病动态的数学模型能够帮助我们确定疾病暴发起源和预测疾病蔓延路径,从而提前做到预警和应对。Lu L等 采用“泊松时间序列模型”对包括最低气温、最高温度、最小相对湿度、风速和降雨量在内的气象数据与 2001-2006 年 6 年期间中国广州市内的登革热发病数作了对比研究,结果发现,更高的最低气温和更低的风速与登革热发病总数相关。如果在数学模型中将湿度的影响也考虑在内,建立的模型与实际情况更为相符,而且发现最低气温和最小相对湿度出现后大约一个月才会实际引发登革热疫情,风速的影响在当月即可体现出来,从而为当地的登革热疫情预警提供了可能 。流感病毒每年都会发生一定程度的变异,为了能够提前预测下一次流感病毒的进化方向和预判未来流感病毒的特征, Luksza M 等结合物理学和计算机科学,详细分析了世界卫生组织历年甲型 H3N2 病毒的基因组特征,确认了一些有助于判断病毒进化方向的指标,并建立了预测流感病毒的“适应性模型”,为预测下一年可能流行的毒株种类提供了可行性 。 综上所述,传染病预测预警工作的研究方法和理论已经向学科交叉和综合应用转变,并且取得了长足的进步,逐渐走向成熟。这些新方法和新理论的应用有利于完善和充实目前的传染病监测体系,提高今后传染病预防控制工作的预见性和主动性,从而更好的维护国家正常的公共秩序和人民群众的健康。 参考文献 1. Ginsberg J, Mohebbi MH, Patel RS, et al. Detecting influenza epidemics using search engine query data . Nature, 2009,457(7232): 1012–1014. 2. Jiwei L, Claire C. Early Stage Influenza Detection from Twitter . Social and Information Networks, 2013; arXiv: 1309.7340 3. Milinovich GJ, Williams GM, Clements ACA, et al. Internet-based surveillance systems for monitoring emerging infectious diseases. The Lancet Infectious Diseases, 2014, 14: 160-168 4. Luo HM , Zhang Y , Wang XQ , et al. Identification and control of a poliomyelitis outbreak in Xinjiang, China ..N Engl J Med, 2013, 369(21):1981-1990. 5. Carney RM, Ahearn SC, McConchie A, et al. Early Warning System for West Nile Virus Risk Areas, California, USA .Emerging Infectious Diseases, 2011, 17(8):1445-1454 6. Julian KG , Eidson M , Kipp AM , et al. Early season crow mortality as a sentinel for West Nile virus disease in humans, northeastern United States . Vector Borne Zoonotic Dis, 2002, 2(3):145-155. 7. Cooper DL, Verlander NQ, Elliot AJ, et al. Can syndromic thresholds provide early warning of national influenza outbreaks? .Journal of Public Health. 2007, 31, (1), 17-25. 8. Qu J. Is sunspot activity a factor in influenza pandemics? Rev Med Virol. 2016; 309-313.. 9. 曲江文,高志刚 . 太阳黑子活动对新发病毒性传染病发生的影响 . 环境与健康杂志 ,2012,29 (2): 188-190. 10. 虞震东 . 应对流感大流行威胁急需的一项对策 . 前沿科学 ,2011,5(18): 37-47 11. Shamana J, Lipsitchb M. The El Nintilde;o–Southern Oscillation (ENSO)–pandemic Influenza connection: Coincident or causal? . PNAS, 2012, 109 (12):1-3 12. Cao L, Cova TJ, Dennison PE, et al. Using MODIS satellite imagery to predict hantavirus risk . Global Ecology and Biogeography, 2011, 20(4): 620–629 13. Bharti, N, Tatem, AJ, Ferrari MJ.et al, Explaining Seasonal Fluctuations of Measles in Niger Using Nighttime Lights Imagery . Science, 2011,334, (6061): 1424-1427 14. Shaman J , Karspeck A. Forecasting seasonal outbreaks of influenza . PNAS, 2012,109 ( 50 ) :20425–20430 15. Brockmann D, Helbing D. The Hidden Geometry of Complex, Network-Driven Contagion Phenomena . Science, 2013,342 (6164 ):1337-1342 16. Lu L, Lin H, Tian L,et al.Time series analysis of dengue fever and weather in Guangzhou, China . BMC Public Health, 2009, 9(395):1-5 17. Luksza M, Lassig M. A predictive fitness model for influenza . Nature, 2014, 1-5 Progress in methods to prediction and early warning of infectious diseases I nfectious diseases prediction and early warning is hot and difficult issues of widespread concern in the current world. The main objective is to forecast and early warning infectious disease threatened abnormal or undesirable trend of events occurring infectious disease through early detection and improve the initiative and foresight of prevention and control of infectious diseases. Methods currently forecast and early warning of infectious diseases include the application of Internet and social media and other digital means, the use of symptom surveillance, influencing factors, modern advanced science and technology and a variety of mathematical models. The research methods are no longer confined to the existing epidemiological theory. These methods have transformed to interdisciplinary and integrated application and had a profound impact on the development of modern public health and epidemiology. Key words : Infectious diseases; prediction and early warning; Disease surveillance