您的位置:主页>>>> 当前新闻
揭示H7N9流感高危区域
来源:《国际家禽》    2014年12月16日    点击:1978

 一种新的模型能够显示出H7N9 禽流感会在哪里出现,从而执行更好的预防措施。

Mark Clements

                                                   峰越高代表H7N9定植的风险越大

 

目前,一个研究小组已绘制出亚洲的H7N9禽流感高风险区域。他们的研究表明,孟加拉国、印度和越南能够易遭受这种病毒侵害,印度尼西亚和菲律宾的部分地区也是如此。

中国是迄今遭受这种病毒最为严重的国家,但中国的有些地区并不具有感染禽流感病毒的高风险。由于文化上的差异,泰国也被排除在高风险区域之外。

这项研究发表在《自然通讯》(Nature Communications)上。研究者使用的数据集包含了中国的8943个活禽市场及其周边环境的地图。研究组由此开发出一个统计模型来预测亚洲其他国家的H7N9禽流感感染风险。

活禽市场的密度被认为是市场上H7N9禽流感感染风险的最重要预测变量,与其他禽类的存在、土地覆盖以及人为的预测变量等因素一起成为该病毒空间流行病学的关键考虑因素。

活禽市场是关键

迄今为止,来自人类、鸡或者环境样品的阳性H7N9分离株大多数直接或间接地与活禽市场有关。

从这些样本中获得的基因序列的多样性表明,H7N9病毒已获得广泛传播,而且在鸡只上市之前,大多数H7N9病毒并没有被检测到——并传染给人类。

对其他野生或家养的病毒宿主进行的调查则并没有得到确定结论。

为了开发这一模型,研究人员在中国的活禽市场进行了广泛的全国性普查,更新并改进了禽类和人类在全国各地分布图的空间分辨率。建立了活禽分布模型以便他们的预测能够推广应用到国内外的其他地区。

研究小组认为,本地活禽市场的密度是市场方面受到H7N9病毒感染的最重要预测变量。其它的预测变量包括散养或集约化养殖系统内饲养的鸡群密度、水体、与主要城市的距离、家鸭群的密度及水稻种植情况。

对市场所占据的环境空间(由禽流感的重要预测变量值所决定)进行的评价显示出虽然受感染的市场只在有限的区域内,但其影响力会进一步扩大。此外,从新受到感染的市场的位置分布地域来看,受感染市场的影响区域早已比早期流行的区域更为广泛。

这表明,迄今为止,病原体的环境传播途径相当保守,并没有扩展。

传播网络

活禽市场将来自不同区域的禽类汇集到了一起。未售出的禽只通常会被交易到其他市场。这导致活禽市场网络具有了千丝万缕的联系。

在很长一段时间内,市场网络的性质以及网络内的个体市场特征会影响着疫病的传播性和持久性,即使疫病并不是从农场再次引入。区域内具有较高密度的活禽市场会抬高禽流感

感染风险。

对易感市场的密集网络的流行病学研究的重要性也受到了中国政府宏观调控的有效支持。这些措施包括关闭活禽市场、禁止或监管家禽贸易。

对一个地区或一个国家的人口规模、贸易种类组成、贸易量和活禽市场间的联系性进行特征鉴定有助于更好地对各种类型的市场在疾病蔓延和持续性中所起的作用进行定量,有助于更好地针对具体情况采取控制措施。

并不是所有地方的生产方式都相同

H7N9的存在与集约化养鸡方式之间的负相关可用于解释中国东北为没有爆发H7N9禽流感。中国东北地区的家禽生产方式是高度集约化的。

其他变量包括地表存在着较多的水覆盖以及城乡结合部情况对感染的适宜性。这些特征可反映出该疫病首先会出现的区域。

基于H5N1病毒建立模型对H5N1病毒毒株分布的早期研究显示,该病毒在亚洲的数次暴发与家鸭、人类和湿地的分布区域密切相关。这些关联随后被用来绘制疫病分布图。

然而,这项工作是在H5N1病毒毒株分布被揭示之后开展的。只有记录最早的一些病例,才能显著改善预测新发疫病风险并制定应急计划的能力。研究组的工作可能会使这项工作变得更容易。

2013年初,首次发现H7N9病毒从禽类传染到人类。目前至少已有433例人感染H7N9禽流感的病例,已超过60人死于这种疾病,主要在中国。

该模型并不能解释疾病将如何蔓延或何时会蔓延,只能够提示病毒能够在何处成功地定植。但它对可能的感染提供了提前预警,这对政府机构和家禽生产商是有用的。随着H7N9疫情的突显,许多人认为它可能会进一步蔓延。建立这种模型可将推测其他地域暴发疫病的可能性,并由此评估其预测的实用性,必要时可利用该模型采取预防措施。

 

作者:Mark Clements

译者:翁善钢

选自:WATT Poultry USA 15卷第10


微信扫一扫分享到朋友圈

声明:本网站凡注明有“【独家】”的内容,其作品制作权均属国际畜牧网所有。已经本网协议授权的媒体、网站,在下载使用时必须注明"稿件来源:国际畜牧网",违者本网将依法追究责任。(详见本网版权声明及豁免声明)


Baidu
map