《JMIR Public Health and Surveillance》:Multimodal Data Approaches for Examining the 2024-2025 Highly Pathogenic Avian Influenza Outbreak in the United States: Descriptive Study
编辑推荐:
背景:高致病性禽流感(highly pathogenic avian influenza, HPAI) A(H5N1) clade 2.3.4.4b于2022年传入美国禽类,2024年首次在美国奶牛中检出并演变为波及牛、禽及人的多物种暴发,公开数据分散割裂,阻
背景:高致病性禽流感(highly pathogenic avian influenza, HPAI) A(H5N1) clade 2.3.4.4b于2022年传入美国禽类,2024年首次在美国奶牛中检出并演变为波及牛、禽及人的多物种暴发,公开数据分散割裂,阻碍及时响应。创新性多模态监测可通过全面标准化数据整合与可视化增强态势感知。目的:本研究旨在描述应用增强型监测方法采集、整合及可视化2024—2025年美国HPAI A(H5)疫情多模态数据以实时追踪疫情的过程,作为一种创新、透明、可重复且可扩展的开源公共卫生监测方法。方法:Global.health对2024年2月1日至2025年2月28日期间美国HPAI A(H5)疫情开展实时多模态监测,数据源包括人类病例(美国疾病预防控制中心 CDC)、动物疫情(美国农业部 USDA)、废水监测(WastewaterSCAN)、基因组数据(公共基因组数据库)、研究进展(学术文献)及政策应对措施(媒体与政府公告)。基于全健康(One Health)框架将数字数据流整理为流行病学个案一览表(linelist)、事件时间轴(timeline)及交互式地图以追踪新兴热点。结果:研究人员整理了13个州共70例确诊人HPAI A(H5)病例的linelist,近全部病例(n=65,92.9%)暴露史关联商业农业及相关作业;时间轴收录682条记录,涵盖6类:人、牛、应对措施(如研究、政策变更及公共卫生指南)、禽鸟、基因组、废水及哺乳动物;地图整合人病例(n=70)与动物疫情(商品牛场 n=977,商品禽场 n=325)。加利福尼亚州被识别为疫情震中,期间报告最多人病例(n=38,54.3%)、商品牛场疫情(n=748,76.6%)及商品禽场疫情(n=66,20.3%)。废水监测在加州首例确诊商品奶牛病例前至少81天即检出病毒(来源不明)。结论:在全健康框架下整合传统与非传统公共卫生监测数据的Global.health方法增强了2024—2025年美国HPAI A(H5)疫情期间早期态势感知,所创建的开源资源有助于更全面理解此次新现人畜共患事件的规模与演变。未来研究应进一步探索多模态数据在疫情监测中的潜力。
论文解读:应用多模态数据方法考察美国2024—2025年高致病性禽流感(HPAI) A(H5N1)疫情的描述性研究
本研究由Juliana Sopko、Aimee R Han、Jacqueline Powers、Jacquelin A Sauer、Mansi Avunoori、Stanislaw Zakrzewski、Allison Krugman、Abhishek Dasgupta、Kara Sewalk、Autumn Gertz、Benjamin Rader、James Sheldon、Brennan Klein、Jessica Malaty Rivera、Moritz U G Kraemer、Samuel V Scarpino、John S Brownstein等发表于《JMIR Public Health and Surveillance》。
研究背景与立项依据
全球传播的高致病性禽流感(highly pathogenic avian influenza, HPAI) A/goose/Guangdong/96谱系H5亚型clade 2.3.4.4b自2022年经野鸟溢出传入美国家禽业并持续流行。2024年美国首次报道HPAI A(H5N1) clade 2.3.4.4b感染奶牛,迅速演变为波及奶牛、家禽并溢出感染人的多物种暴发。现有美国多部门监测体系导致数据孤岛(siloed)与碎片化,公开可用数据分散,妨碍及时分析与响应。全健康(One Health, 综合考量人–动物–共享环境互作的健康理念)监测面临隐私、质量与资源瓶颈。Global.health平台系COVID-19期间建立之开源、可扩展传染病早期数据策管(curation)、分析与可视化平台,此前已用于猴痘、埃博拉等疫情。本研究利用Global.health对美国2024—2025年HPAI A(H5)疫情实施多模态数据整合与可视化,评估其在提升新现人畜共患病态势感知中的作用。
主要技术方法概述
研究人员以2024年2月1日至2025年2月28日为研究期,启动Global.health标准疫情响应三阶段流程(基础设施搭建—数据策管—资源发布)。(1)人类病例数据:采用Global.health通用疫情模式(outbreak schema),依美国CSTE及CDC确诊病例定义从CDC及各州/地卫生部门官网提取并去标识化(de-identified),建人类病例流行病学linelist,字段扩充含Pathogen_subtype1(血凝素hemagglutinin, HA)、Pathogen_subtype2(神经氨酸酶neuraminidase, NA)及基因组clade/genotype,每条记录经双人独立核对。(2)多模态时间轴:从USDA获取商品牛场与商品禽(含WOAH禽类分类)场疫情,从WastewaterSCAN手动核查全美192个废水站点H5亚型阳性检测,从GISAID/GENBANK获取基因组序列信息,从政府公告及学术期刊获取应对政策与研究更新,按人/牛/应对/禽/废水/基因组/哺乳动物七类标注时间轴条目并双人审核。(3)可视化:基于Mapbox Boundaries与Mapbox GL JS构建州级人病例与县级动物疫情叠加交互地图。研究使用二手公开去标识数据,遵循STROBE报告规范,未做缺失值填补。
研究结果
Outbreak Linelist, Human Data(人类病例一览表)
研究期内全美13州共录得70例确诊人HPAI A(H5N1)病例,此前美国仅曾报告1例。92.9%(n=65)暴露关联商业农业及相关作业——58.6%(n=41)为感染商品奶牛群暴露,34.3%(n=24)为感染商品家禽场及扑杀作业暴露,2例为其他动物(后院家禽、野鸟等)暴露,3例(密苏里州1人、加利福尼亚州2名儿童)暴露源不明。测序均为clade 2.3.4.4b,检出B3.13、D1.1及D1.3三种基因型。截至2025年2月28日无人传人证据,所有已知暴露源病例均为动物—人溢出性畜间传播。全美报告死亡1例,病死率1.4%。61例有症状记录,最常见为发热、结膜炎/眼不适或水样分泌物、咳嗽。
Outbreak Timeline, Multimodal Data(多模态疫情时间轴)
时间轴共收录682条:人(n=60)、禽(n=116,对应全美37州+1属地共325起商品禽场阳性)、牛(n=191,对应17州共977起商品奶牛场阳性)、废水(n=189,覆盖CA、TX、MI等20州阳性点位)、基因组(n=31)、其他哺乳动物(n=29,含猫、鼠、猪、海豹等)、应对措施(n=66,含政策与研究动态)。时间轴与linelist及地图配套发布于Global.health官网、GitHub及Think Global Health平台。
Visualizing Multimodal Data(多模态数据可视化)
交互式地图同屏显示人病例数(按州)与商品牛/禽场疫情数(按县),识别出加利福尼亚州为疫情热点——该州占全美人病例54.3%(38/70)、商品牛场疫情76.6%(748/977)、商品禽场疫情20.3%(66/325),其中36例人病例关联牛暴露。
Case Study: California(加利福尼亚州案例研究)
加州废水2024年6月10日首检H5阳性(WastewaterSCAN),早于首例商品奶牛场确诊(2024年8月30日,萨克拉门托县)81天,早于首例商品禽场再发(2024年9月18日,默塞德县,此前加州2024年6月28日刚宣布无HPAI)100天,早于该州首两例人感染(2024年10月3日,职业暴露于感染牛,无人际传播证据)115天。后续废水H5信号自2024年10月起升高,与人病例峰值月(2024年10月n=16、11月n=12、12月n=8)及牛/禽疫情扩增趋势吻合。基因组测序支持农场工人感染源于奶牛溢出。
讨论与结论(翻译浓缩)
本研究展示了Global.health对美国2024—2025年HPAI A(H5)疫情之多模态数据采集、整合与可视化成效,产出开源人病例linelist、多模态时间轴及人—动物叠加疫情地图。将人、动物及废水数据实时整体审视可识别新兴热点、凸显趋势并提升态势感知;加州案例表明废水H5检出较动物及人确诊提前约2—3.5个月,提供早期预警窗口。废水监测存在局限:无法区分人/动物(家畜、野生候鸟)来源,受农业/乳品加工排水、雨水、检测方法差异等影响,当前靶标不特指H5N1亦可检出低致病性H5,需结合候鸟迁徙等因素解读。未来须明确废水H5起源并对病毒基因组片段测序,加强公众沟通解释废水中流感A及亚型检出的含义。在全健康框架下整合官方的与非官方的异源公开数据可弥补官方报告延迟与数据真空,该多模态开源监测方法具创新性、可重复性及可扩展性,可为未来新人畜共患病或再燃病原体监测提供参考。全健康取向辅以多模态数据融合有助深化对新现人畜共患病起源、演化及波及范围之理解,早期开放数据与可视化工具是韧性公共卫生响应的基石。