新城疫病毒通过候鸟途径跨境传入我国的风险定量评估

王世达 魏丽丽，3 王靖飞，3*

（1.中国农业科学院哈尔滨兽医研究所，哈尔滨 150069；2.兽医生物技术国家重点实验室，哈尔滨 150069；3.国家动物疫病数据中心，哈尔滨 150069）

1 引言

新城疫（Newcastle disease,ND）是由新城疫病毒（Newcastle disease virus，NDV）引起的一种禽急性、热性、出血性和高度接触性传染病。以高热、呼吸困难、下痢、神经紊乱、黏膜和浆膜出血为特征。具有很高的发病率和病死率，是危害禽养殖业的一种主要传染病[1]。NDV 属副黏病毒科，可通过直接接触进行传播，并且对环境抵抗能力较强，随着环境的不断改变，病毒也在不断发生变异[2]。目前全球各地都有新城疫疫病发生的报道，鸡、珍珠鸡、火鸡、野鸭、鹅、鸟类等多种动物都能够感染该病毒，其中鸡最易感。我国为禽类养殖大国，2019年禽类出栏量就达到130多亿只，因此，NDV 的传入和暴发会对我国的禽类养殖业造成不可估量的损失，同时也会威胁人的健康[3]

我国地域辽阔，气候多样，为候鸟栖息和繁衍提供了良好的环境。每年有大量候鸟跨越或驻留我国。目前全球已知的8条主要候鸟迁徙线路中有3条途经我国，分别为东非—西亚迁徙线、中亚—印度迁徙线、东亚—澳大利亚迁徙线。利用卫星定位系统对候鸟进行追踪及活动轨迹分析发现，我国几乎所有省份均有候鸟停留或经过[4-6]。由于候鸟可以携带新城疫病毒，疫病传播过程中起到重要作用[7]，由于候鸟其飞行轨迹跨度大，周期性迁飞时间长，大大提高了新城疫病毒经由候鸟途径传播至家禽中的风险，增加了该病的防控难度。目前全球各地已有较多文献报道从野鸟样本中分离到与家禽亲缘关系较近的毒株[8-9]。

有关候鸟与病毒的相关研究多以病原监测[10-11]以及同源性分析为主[12-14]，此类方法对疫病防控特别是新发疫病或变异毒株的防控存在一定滞后性，基于大数据的疫病扩散风险评估及预警研究较少。由于候鸟飞行轨迹多样且与家禽发生接触的路径较多，所以关于候鸟迁徙这一特殊路径下家禽感染NDV的风险预测研究尚存较大空缺，无法针对候鸟这一潜在风险进行疫病防控。目前国内外已有多种模型对疫病发生进行预测[15]，应用情景树方法针对不同模式[16]、不同路径及不同特点的疫病扩散风险预测已被广泛使用，特别是本研究中候鸟与家禽的具体互作界面尚不明确，通过情景树的建立，模拟最接近自然情况下的风险传播路径可取得良好的评估效果。

2 原理与方法

2.1 研究对象

本研究以潜在的新发新城疫病毒为研究对象，以该病毒易感的候鸟宿主斑头雁(Anser indicus)、白枕鹤(Grus vipio)及宗头鸥(Larus brunnicephalus)为传播媒介，以分布于全国的家禽群体为暴露及感染对象构建风险评估模型。

2.2 研究的空间单元

我国共有县级单位2 800 余个，本研究以各县为空间单元来采集相关数据进行风险评估。

2.3 研究的时间单元

候鸟迁徙呈周期性活动，大部分候鸟每年9 月份或10 月份开始，经历数周时间由北方飞往南方过冬，第二年3 月份或4 月份再由南方飞往北方筑巢，有研究表明候鸟由南方飞往北方只需要7～14 天时间[4]，因此，不同月份疫情发生风险不同，本研究以2017 年每月为时间单元，开展风险因素相关数据采集及风险评估。

2.4 数据处理

禽养殖量、土地面积、养殖户信息均来自于国家统计局（http://www.stats.gov.cn/中国统计年鉴2018以及各地方统计年鉴2018），土地利用信息来源于全国地理信息资源目录服务系统（http://www.webmap.cn/main.do?method=index），数据按照研究的空间单元利用差值法进行标准化，利用表1 中的评估办法对关键节点数据继续评估，根据情景树的逻辑关系，利用2.6中的计算公式计算不同地区不同时间家禽感染新城疫病毒的相对风险值。

2.5 新城疫病毒经候鸟途径传入情景模型构建

候鸟与家禽发生有效接触导致病毒传播的路径多种多样，本研究结合候鸟迁徙路径、迁徙特点以及可能与家禽产生的互作界面，以候鸟感染→候鸟与家禽接触→家禽感染为研究路径，在该路径下选取候鸟携带病毒概率、候鸟存活概率、候鸟在目标区域出现/停留概率、候鸟与家禽接触概率、候鸟与家禽有效接触概率、免疫覆盖率及免疫保护效率7 个因素为路径内的关键节点，建立新城疫病毒由候鸟途径感染家禽的情景树。候鸟途径引入新城疫病毒分为两个阶段[16]，第一个阶段为引入部分（PI），第二阶段为暴露部分（PS），具体节点及逻辑关系见图1。

表1 情景树节点数据来源及评估方法Table 1 Description of data used in the scenario tree

2.6 风险值计算

P=PI×PS

至少一只家禽感染概率分为两部分计算，分别为PI 即候鸟将新城疫病毒引入目标地区的概率值以及PS 即家禽群体暴露于候鸟携带的NDV，并感染的概率值；

PI=Pa×Pb×Pc

嵌入式操作系统方面，应向学生介绍几种主流的嵌入式操作系统，让学生对商用和开源嵌入式操作系统的发展概况和各自特点有一定了解。最后可以引导学生根据文档自学Keil-MDK集成开发环境下自带的RTX操作系统，体会任务并发执行带来的高效率，让学生体验任务轮询方式和并行执行方式编程思路的区别，也为实践教学环节打下基础。

Pa为研究对象群体中至少有一只候鸟携带新城疫病毒的概率；

Pb为至少一只候鸟存活至在目标区域出现的概率；

Pc为至少一只候鸟出现或停留在研究区域的概率；

PS=PR×PM×[(1-PU)+PU×(1-PY)]

PR为至少一只候鸟可以与家禽接触的概率；

PM为至少一只候鸟与家禽有效接触即候鸟将新城疫传入家禽的概率；

PU为目标区域疫苗免疫覆盖率；

PY为使用疫苗的保护效率。

各节点具体数据来源及评估办法见表1。

2.7 敏感性分析

针对候鸟携带病毒概率、候鸟存活概率、候鸟在目标区域出现/停留概率、候鸟与家禽有接触概率、候鸟与家禽有效接触概率、免疫覆盖率及免疫保护效率7 个因素进行敏感性分析，将单一因素值从-50%至50%进行浮动，计算出风险值变化，筛选出对风险值影响较大的因素[18]，应用Eecel 软件进行数值统计并绘制折线图。

3 结果与讨论

3.1 不同时间不同地域风险定量分析

定量计算结果表明1 月、2 月我国上海及广东等东南部沿海地区为家禽通过候鸟途径感染新城疫病毒的相对高风险区域；3 月、4 月天津、安徽及重庆等地区相对风险高于其他区域；5 月及6 月家禽感染新城疫病毒的相对高风险区域主要集中于我国陕西及东北部地区；7月至8月，山东半岛及其周边地区出现一个明显的家禽感染新城疫病毒相对高风险区域，9月、10 月相对高风险区域集中于上海、江苏、山东、辽宁等候鸟迁徙通道上；11 月至12 月相对高风险区域主要出现在广东等南部区域。不同月份不同地区家禽通过候鸟途径感染新城疫病毒风险值见表2，风险趋势及分布比例见图2。

3.2 敏感性分析

选取情景树中的7 个关键节点因素进行敏感性分析，由于计算结果数量级较小，7 个因素敏感性分析结果数据均进行106扩大后可视化制图，结果显示候鸟携带病毒概率、候鸟存活概率、候鸟在目标区域出现/停留概率、候鸟与家禽接触概率、候鸟与家禽有效接触概率（Pa、Pb、Pc、PR、PM）5 个因素的改变对风险模型输出结果影响效果较小且数值相近，均在0 至0.2 之间，将这5 种因素调节至极限值时也未对结果产生实质上的影响。而免疫覆盖率及免疫保护效率2 个因素（PU、PY）对模型输出结果影响较大，当免疫效果达到一定效果后即可使家禽感染新城疫病毒的风险值降到极低甚至是零风险。具体结果见图3。

3.3 讨论与结论

表2 不同月份新城疫病毒通过候鸟途径传入风险Table 2 The risk of Newcastle disease viruses introduced by migratory birds at different months

目前已有较多研究证明候鸟可以携带多种禽类病毒，不同候鸟新城疫病原阳性率在1%至10%之间[10,19]，同时有些研究表明候鸟新城疫抗体阳性率可达50%左右[20-21]。候鸟随着季节性迁徙活动将病原传播至不同地区家禽中，造成疫病的发生[22]，而且由于活动轨迹的不确定性，提高了对候鸟传播病原尤其是新病原的预警及防控难度。本研究结合世界动物卫生组织(World Organisation for Animal Health)[23]及中国农业农村部相关数据信息，收集禽养殖密度、养殖模式、候鸟迁徙路线等信息，构建了新城疫病毒通过候鸟迁徙扩散至家禽中的风险路径情景树，建立了风险评估模型，在定性分析的基础上进行定量评估，增加了数据的可变性，提高了分析结果的准确性。该研究分析结果将对新城疫的发生进行预警预报，为疫病防控及疫苗免疫效果评价提供一定的数据支撑[24-26]。

定量分析结果显示，2017 年1 月与2 月我国云南、广西、广东及安徽部分地区家禽感染新城疫病毒相对风险较高，这是由于大部分候鸟开始为由南向北迁徙做准备，我国南部沿海地区已经可以少量观察到候鸟的踪迹，使家禽暴露在与候鸟接触的风险之中。3 月至4 月候鸟已经开始从南方向北方进行迁徙，且时间较快，部分候鸟仅需2 周便可完成迁徙，此时陕西、河南及河北等中部地区处于候鸟迁徙的主要路线上，相对风险高于其他地区。5 月、6 月春季迁徙已经接近尾声，由于有较多候鸟群落出现在我国东北地区，因此黑龙江、吉林及辽宁地区家禽通过候鸟途径感染新城疫病毒的相对风险值偏高。7月至8月候鸟开始新一轮的迁徙准备活动，但此时转为由北向南，这一时间段内在山东、河南及河北等地出现一个明显的相对高风险区域，这可能是由于候鸟需要在此地进行一个长时间的修整，储备足够的能量进行长距离迁徙，这也与其他研究表明冬季迁徙持续时间要远远高于春季迁徙相符[5-6]。9月、10月的情况与3月、4月较为相似，处于候鸟迁徙路线上的地区呈现出相对高风险情况。11 月至12 月与1 月、2 月情况相似，南部沿海地区呈现出相对风险较高现象。候鸟迁徙作为本研究的先决条件，候鸟出现或者停留尤其是长时间的停留会导致与家禽的接触概率增加，再加上养殖模式及免疫手段等因素，从而导致该地区家禽感染新城疫病毒的相对风险增加,有研究表明集约化饲养可大大降低携带病毒候鸟与家禽接触的可能性[27-28]，散养户居多的地区家禽感染病毒的风险明显增加[29]。已有许多文献报道在华南、东北地区的候鸟体内分离到新城疫病毒，且与分离地附近区域家禽分离到的毒株亲缘关系较近[30]，这与本次研究结果显示东南部沿海地区及东北部地区为相对高风险区域结果相似[31]，同样有大量文献报道在青海等西北地区候鸟体内分离到新城疫病毒[14]，但在本次研究中青海、甘肃等地均为相对低风险区域，这可能与当地的养殖情况密切相关，我国主要禽类养殖集中在中东部，虽然西北地区有大量候鸟存在，但受养殖密度及人口密度等因素影响，相对风险较低。

从敏感性分析结果来看，疫苗是影响家禽通过候鸟途径感染新城疫病毒的主要因素。我国家禽种类繁多，疫苗使用情况复杂，而且我国近几年也有不同毒株流行，这就使疫苗的免疫效果不能达到最佳状态，增加了疫病的防控难度[32]。

针对定量分析结果，我国家禽存在经候鸟途径感染新城疫病毒的风险且随着时间的变化各地区感染的相对风险存在差别。经计算，虽然至少1 只我国家禽通过候鸟途径感染新城疫病毒的概率值较低（P 值较低）。但这一风险会随着养殖数量的增大而增加，结合敏感性分析结果，由于候鸟活动并不能由人们的主观意愿进行控制，所以研发安全有效的疫苗，尤其是针对多种流行毒株的疫苗，增加对家禽的免疫保护是降低家禽通过候鸟途径感染新城疫病毒风险的最有效手段。

本研究与目前众多关于风险分析研究的项目一样，一方面受数据影响极大，我国养殖数量庞大、养殖模式多样、各地区养殖情况尤其是散养户养殖情况较为复杂。同时，系统研究候鸟与家禽互做界面的相关报道较少，这些因素导致本研究部分数据需采用预测的方式进行评估[33]，风险评估尤其是目前基于大数据的风险评估模型建立是一项长期工作，需要更多详尽准确的基础数据作为支撑。另一方面候鸟迁徙导致的病毒传播实际情况可能更为复杂，本研究中评估了其中的7 种因素。人为捕捉、病毒跨物种传播、气候变化、候鸟种群中的个体差异以及病原本身的变异等其他因素均会对风险评估结果造成不同程度的影响，在后续的研究中可将这些因素增加至情景树中，提高预测模型的准确度。