综述：了解血吸虫病的传播机制：数学模型的系统综述

《Scientific African》：Understanding schistosomiasis transmission: A systematic review of mathematical models

疾病传播动力学、数学建模、干预策略优化、环境因素、跨学科合作|

　　在本研究中，我们系统回顾了关于血吸虫病的数学模型，并将它们按照研究重点和建模方法进行了分类。这一系统性的回顾揭示了在建模疾病传播过程中存在的多种实质性挑战，包括流行病学异质性、疾病系统的内在复杂性、数据准确性方面的不确定性，以及跨学科研究合作的必要性。此外，我们的回顾还指出，许多模型采用了常微分方程（ODEs），而另一些则结合了偏微分方程（PDEs）、随机微分方程（SDEs）、时滞微分方程（DDEs）以及机器学习技术，这反映了在捕捉传染病传播多维性质时所采用的方法论多样性。一些模型还纳入了人口结构以及环境因素，如季节性条件和水接触模式。我们还发现，许多模型存在局限性，并强调了未来研究需要关注的领域，特别强调了在模型构建中需要更好的协调和标准化。疫苗相关的模型有助于展示疫苗在可用时如何帮助控制疾病，而探讨共感染的模型则展示了血吸虫病与其他疾病之间的相互作用。总体而言，我们的研究展示了数学模型在解决现实问题中的重要作用。此外，血吸虫病带来的挑战也突显了投资于利用数学建模进行研究的重要性。我们强调了不同领域研究人员需要更加紧密合作以应对血吸虫病的传播问题。建议未来模型采用可靠的方法论，结合多阶段建模、混合方法和基于代理的框架。这些模型还应明确考虑地区差异，以增强其在不同情境下的准确性、相关性和适用性。

血吸虫病是一种影响全球超过2.3亿人口的持续性蠕虫感染，其传播涉及哺乳动物和淡水蜗牛。该疾病具有两种主要形式：泌尿性和肠道血吸虫病。全球约90%的疾病负担发生在非洲，其中尼日利亚是受影响最严重的国家之一。据估计，每30人中就有1人受到感染，2016年有超过2.06亿人需要预防性治疗，预计到2025年，感染率将达到22%。该疾病在撒哈拉以南非洲地区尤为普遍，尤其是在贫困区域，女性和儿童由于频繁接触受污染的水体而面临更高的风险。

血吸虫病的生命周期非常复杂，涉及多个阶段，包括从哺乳动物宿主排泄的虫卵进入淡水，虫卵孵化并释放出一种称为毛蚴的微小生物，毛蚴进入淡水蜗牛体内后发育为母囊蚴，然后产生子囊蚴，这些子囊蚴进一步发育为尾蚴，并在水体中自由游动，寻找新的哺乳动物宿主。这些尾蚴可以感染人类，导致疾病的发生。血吸虫病在人体内经历三个阶段：急性、慢性和晚期。急性阶段通常发生在感染后的4至8周，可能包括发热和腹痛等症状，尤其在非流行地区的人群中较为常见。症状的严重程度往往取决于个体的免疫反应，因为成虫可以在体内存活3至10年。慢性阶段中，虫卵的持续沉积会导致持续的炎症、疤痕组织形成和器官损伤。晚期阶段可能在疾病未得到治疗的情况下出现，尤其是在反复感染的个体中。成虫可以长期存活，并且已经进化出逃避宿主免疫系统的机制，使得感染能够持续存在。

消除血吸虫病主要依赖于防止再感染，因为治疗本身无法完全根除疾病。治疗主要影响疾病在环境中的稳定速度，但可能有助于降低患病率。通过有效的蜗牛控制策略，可以显著减少血吸虫病的传播，这些策略与现代的大规模药物治疗项目相辅相成，有助于控制初始感染和再感染。建立有效的预防措施仍然具有挑战性，因为频繁接触受污染的水体、持续暴露于受感染的环境中以及公众对血吸虫病的认知有限。这些因素共同促成了该疾病作为重大公共卫生问题的持续存在。疾病的进展似乎源于感染引发的免疫激活，因为血吸虫病并不在宿主体内复制，而是通过增加虫体负担导致较高的寄生虫卵负荷，进而引发严重的健康并发症。

治疗血吸虫病的主要目标是通过清除寄生虫来治愈患者。成功治愈血吸虫病可以阻止虫卵的沉积，从而防止内部器官的损害。大规模药物治疗（MDA）仍然是控制血吸虫病的主要策略，但其并不能防止再感染。再感染率通常在治疗后24个月内恢复到基线水平，因此需要根据社区的风险水平进行定期的药物治疗。是否需要在特定人群中实施MDA，无论是为了控制发病率还是消除传播，都取决于当地的流行病学背景。Gurarie等人指出，单独依赖药物治疗不足以中断传播，停止治疗可能导致疾病的再次爆发，甚至在25至30年内恢复到控制前的水平。

尽管许多研究已经探讨了血吸虫病的疾病追踪和临床方面，但专门针对其数学建模的综述相对较少。数学模型为组织信息、简化疾病动态的理解以及识别有效的管理策略提供了全面的框架。本综述旨在批判性地审查现有的模型，它们所采用的方法和对理解及控制血吸虫病的贡献。为了实现这一目标，综述将包括1990年1月到2025年3月期间发表的研究，这些研究是通过与血吸虫病和数学建模相关的关键词识别出来的。特别是，由于数学建模技术的显著进步，早期的研究被排除在外，因为它们的方法论较为陈旧，疾病动态可能已经发生变化，而且数据的可获取性也有所提高。1990年1月被选为起始时间，因为这是20世纪末传染病建模方法论发生重大变化的时期。这一时期见证了计算机工具的广泛使用，以及系统性研究疾病传播的更系统方法的采用，反映了建模方法论的重大进步。

数学模型已被开发用于研究血吸虫病的传播动力学并评估其控制策略。这些模型为疾病追踪、传播机制和干预措施（如蜗牛控制和公众意识提升）的有效性提供了有价值的见解。例如，Chiyaka和Garira提出了一种确定性模型，用于研究人类和蜗牛宿主之间的传播，明确纳入了寄生虫种群。他们的研究聚焦于一个简化的框架，分析了毛蚴和尾蚴种群的动态。同样，Li等人开发了一种非自主模型，通过纳入周期性传播率来捕捉血吸虫病的季节性发病率，从而反映了中国湖泊和沼泽地区流行病学背景下的动态。Abokwara和Madubueze评估了公众意识运动和杀蜗牛措施对疾病动态的影响，提供了关于这些干预措施有效性的见解。Lopez等人指出，自愿接种疫苗可能不足以根除血吸虫病。此外，Madubueze等人强调，由于某些杀蜗牛措施对生态环境的潜在破坏，应实施公众教育运动与早期诊断和治疗措施相结合的策略。

虽然数学模型在理解血吸虫病传播动力学方面取得了显著进展，但它们仍存在局限性。这些模型通常依赖于简化假设，这些假设可能无法完全反映疾病传播的复杂性。数据的有限可用性和知识的空白，尤其是在感染历史和免疫方面的了解不足，可能会削弱模型的准确性。例如，刚果民主共和国缺乏与蜗牛相关的数据，这成为有效杀蜗牛策略的一个重大障碍。此外，由于组织病理学评估的敏感性有限，胎盘血吸虫病经常被忽视。缺乏自发报告的不良结果以及一些初级研究的质量较差进一步阻碍了进展。此外，许多研究未能批判性地评估现有模型的优缺点，这在文献中留下了明显的空白。为了应对这些不足，我们进行了对血吸虫病数学模型的全面回顾，综合了发表研究中的见解，以指导未来更准确和稳健的模型开发。

我们仔细检查了每个模型，考虑了它们旨在解决的问题、使用的数据以及所采用的方法，包括它们的优势和局限性。关注建模风格是至关重要的，因为所选方法显著影响模型的质量和适用性。例如，现象学模型在缺乏关于疾病随时间进展的详细信息时具有重要价值。这些模型帮助解释和预测疾病行为，基于观察到的模式。相比之下，机制模型在有足够的数据来理解疾病如何传播和演变时更为有效，允许更准确和详细的预测。一些模型通过研究三个关键维度来探讨疾病传播：宿主内部的传播、不同地点之间宿主之间的传播以及环境对传播的影响。宿主内部传播模型解释了血吸虫病如何与宿主体内的特定细胞和组织相互作用，这在宿主可能面临健康风险时至关重要。

在建模方法方面，我们考虑了确定性模型、随机模型、空间模型、基于代理的模型（ABMs）以及混合模型。这些模型在解释、预测或理解系统行为方面各有侧重。在血吸虫病的背景下，这些模型包括确定性模型、随机模型、空间模型、基于代理的模型以及混合模型。随机模型旨在复制或近似随机或概率元素，尤其是在感染个体数量较少的情况下，如小群体、疫情初期、控制措施有效实施时或疫情周期低谷时，随机性的作用变得尤为显著。相比之下，确定性模型将感染的可能性，如从单次暴露或住院中感染的概率视为固定值。这些模型对于给定的输入参数会产生一致的结果，预测的不确定性仅来源于输入的不确定性。空间模型描述了疾病传播往往具有局部化的特点，主要发生在个体之间密切接触的环境中，而人口中心之间的移动则驱动了更广泛的地理传播。基于代理的模型在研究人员需要考虑人口中众多个体层面特征时特别有用。混合模型结合了基于第一原理的方法和数据驱动的方法，以提高准确性、稳健性和可解释性。

此外，由于血吸虫病是由多种血吸虫种类引起的，我们还单独考虑了共感染模型。共感染是指个体同时感染多种疾病的情况，这并不罕见。这种情况可能导致更严重的健康并发症，因为重叠的症状可能妨碍准确诊断和有效治疗。一些研究指出，共感染可能影响治疗效果和疾病传播，因此需要进一步探讨。研究还发现，共感染模型有助于识别有效的策略，以防止疾病的传播，同时也可以帮助研究人员理解宿主和病原体之间的复杂互动。

综上所述，数学模型在理解血吸虫病传播动力学和制定有效控制策略方面发挥着关键作用。通过引入时间延迟、随机性、迁移模型、周期性模型以及优化控制框架，这些模型可以更好地捕捉疾病的多维特性。这些模型通常结合实地数据以提高预测的准确性。此外，它们强调了影响疾病动态的关键因素，包括获得性免疫、河流流速对寄生虫密度的影响，以及蜗牛年龄结构对人类感染率的影响，从而突显了在干预计划中考虑宿主异质性的重要性。主要发现强调，纳入年龄结构和潜伏期可以显著提高疾病建模的准确性。有效的控制策略包括蜗牛种群管理、改善奶牛农场的卫生实践以及结合人类治疗与水氯化处理的综合方法。

尽管数学模型在理解血吸虫病传播动力学方面提供了重要的见解，但它们仍然面临一些挑战。例如，许多模型未能充分考虑流行病学异质性，尤其是在数据有限的地区。季节性变化和气候条件可能影响传播动态，但这些因素在大多数模型中并未得到充分的纳入。此外，许多模型忽略了宿主行为和态度的变化，这在某些情况下可能影响模型的准确性。通过使用年龄结构化的模型，可以更好地反映不同年龄组之间的感染率差异，特别是在女性和儿童等高风险人群中。Kanyi等人指出，社区对有效预防措施的教育是至关重要的。Madubueze等人建议，应在早期诊断和治疗的基础上实施公众健康教育，以有效根除血吸虫病的传播。Abokwara和Madubueze，以及Nur等人强调，通过创建广泛的社区意识和实施高效的杀蜗牛措施，可以减少感染个体的数量。这种应对措施对于血吸虫病尤为重要，因为个体可能会根据疾病的传播情况调整其行为。这些行为调整可能包括改善个人卫生、选择替代水源以减少在河流和湖泊中的暴露，以及参与意识提升活动以限制与水生环境的接触。这些行为反应对于塑造疫情的轨迹和增强我们对血吸虫病传播动态的理解至关重要。

在建模方法的分类中，我们发现一些模型在处理传播动力学时采用了不同的方法。例如，确定性模型可以预测在不同时间点的感染率，并通过稳定性分析评估控制策略的有效性。随机模型则强调了时间延迟和概率变量在流行病学分析中的重要性，从而提高了控制和干预策略的准确性。空间模型考虑了气候和温度变化对血吸虫病传播的影响，而基于代理的模型则能够模拟个体行为和社交连接，从而提供更详细的预测。混合模型结合了第一原理和数据驱动的方法，以增强模型的准确性和解释性。这些模型在捕捉疾病的复杂动态方面具有独特的价值，同时也揭示了模型在不同环境和流行病学背景下可能存在的局限性。

此外，一些模型在探讨血吸虫病与其他疾病的共感染时，提供了有价值的见解。例如，研究血吸虫病与结核病共感染的模型表明，除了结核病的再感染外，感染向活动性结核病和活动性血吸虫病的过渡也是关键因素。另一些研究则探讨了疟疾与血吸虫病共感染的情况，发现血吸虫病的感染率增加可能会减少疟疾的病例数。这些模型有助于制定综合的干预策略，以应对多重感染的情况。然而，由于目前尚无获批且广泛使用的血吸虫病疫苗，这些研究的发现可能面临有限的接受度。

总体而言，本研究强调了数学模型在应对血吸虫病传播挑战中的重要性。然而，要实现有意义的进展，需要跨学科合作、改进数据收集和更深入地理解疾病的复杂动态。数学模型的综合应用和持续优化对于制定有效的公共卫生政策和干预措施至关重要。未来的研究应致力于开发更全面、更准确的模型，以更好地预测和控制血吸虫病的传播。同时，应加强不同领域研究人员之间的协作，以应对血吸虫病这一全球性公共卫生问题。