哥伦比亚狂犬病病毒从吸血蝠溢出至家畜的风险驱动因素：生态位模型揭示人为活动的主导作用

　　本综述通过生态位建模系统分析了哥伦比亚狂犬病病毒（RABV）从吸血蝠（Desmodus rotundus）向家畜溢出的风险驱动因素，发现人为因素（如牲畜密度、人口密度）相较于环境或气候变量具有更强的预测效力。研究强调了采样偏差校正对风险预测稳定性的重要性，并提出基于风险分级的精准疫苗接种策略，为RABV防控提供了关键科学依据。

　　

引言

狂犬病是由狂犬病病毒（RABV）引起的中枢神经系统急性进行性人畜共患病，在拉丁美洲广泛影响家畜健康。吸血蝠（Desmodus rotundus）是RABV的主要野生动物传播源，其引发的疫情对畜牧业造成显著经济损失。尽管已有百年防控努力，狂犬病仍被列为多种国家的被忽视疾病，未治疗情况下死亡率接近100%。近年来拉丁美洲国家RABV家畜病例呈现上升趋势，与吸血蝠分布区向北扩展至墨西哥新地区相吻合，因此亟需解析当地尺度下驱动RABV从吸血蝠向家畜溢出的因素。

研究方法

研究采用2014-2019年哥伦比亚农业研究所（ICA）提供的RABV溢出至家畜的地理位置数据（n=896），通过空间和环境过滤消除采样偏差，最终保留541个点位用于模型校准。选取的预测变量涵盖气候（如WorldClim生物气候数据）、景观（增强植被指数EVI、高程、连续土地覆盖数据）和人为因素（人口密度、夜间灯光、贫困指数及多种家畜密度数据）。使用MaxEnt算法进行生态位建模，通过kuenm包系统比较不同变量组合、正则化乘数和特征类的预测性能，并评估牛密度与道路可达性作为偏差表面对模型稳定性的影响。

研究结果

所有模型参数化均产生统计学显著的预测结果。仅含气候变量的模型具有最低的遗漏率，而仅含人为变量的模型在AICc值上表现最低复杂度。当使用牛密度作为偏差表面时，模型表现出更高的稳定性（AICc方差显著降低）。牛密度在未作为偏差表面时对模型贡献度最高（64.7%），其次为鸡密度（39.98%）和人口密度（10.55%）。研究发现RABV溢出风险与鸡密度呈负相关，与贫困指数呈正相关——多数溢出事件发生在鸡密度低于5000只/km²、人口密度低于100人/km²且贫困指数高于70的区域。

空间投影显示，RABV传播风险集群集中于哥伦比亚最北部地区及安第斯山脉东部的低地地带，包括科尔多瓦、苏克雷、玻利瓦尔、马格达莱纳、塞萨尔和阿拉卡等省份。当使用牛密度偏差校正后，模型中度至高度适宜区（0.5-0.75适宜性指数）面积扩大至总面积的30.6%，表明实际风险范围可能较传统评估更广泛。

讨论

本研究首次在国家级尺度上系统比较了不同类型变量对RABV溢出风险的预测效能，证实人为因素相较于传统气候或景观变量具有更强解释力。鸡密度与风险的负关联可能反映其作为替代吸血宿主或社会经济条件代理指标的作用——低鸡密度地区常与贫困、自给型农业及人居环境扰动相关，间接促进RABV传播。偏差校正显著改变风险估值格局，提示现有监测体系可能因聚焦高牲畜密度区域而低估潜在风险范围。

研究局限性包括时空静态模型未涵盖蝙蝠扩散动态、年度环境波动及群体水平因素（如季节性繁殖）。未来需结合血清流行学调查与精细尺度移动研究，进一步阐明人为活动与生态因子的交互机制。

结论

研究表明人类农业活动而非环境条件主导RABV溢出风险，变量选择与偏差控制对风险预测产生可追踪影响。结果支持在哥伦比亚加勒比地区等持续高风险区域实施广泛疫苗接种，而在风险异质性较高区域（如太平洋及奥里诺基亚地区）采用针对贫困小农场的精准干预策略。本研究为基于景观条件的风险分级管理和疫苗资源优化提供了科学依据。