Modelling Malaria at the Human–Environment Interface in the Cross-Border Oiapoque Basin: A One Health ABM-GIS Approach

在横跨巴西与法属圭亚那边界的茂密潮湿森林中，一场针对疟疾的持久战正在进行。这种由蚊子传播的疾病并非随机扩散，而是遵循着气候的节奏与人口流动的轨迹。几十年来，卫生官员一直明白气候驱动着蚊虫种群，但他们却难以追踪其中的“人为因素”。传统的健康记录通常将一个村庄视为地图上的一个单一、静态的点，假设只要一个人居住在那里，其风险就是固定的。然而，在这个边境地区，人们并不停留原地。他们在城镇之间以及森林深处不断穿梭，形成了一个复杂的暴露网络，而静态地图无法捕捉到这一点。为了理解这一现象，科学家必须观察三个要素的交汇点：变化的景观、移动的气候，以及当地居民日常的旅程。这正是“同一健康”（One Health）理念的精髓，该理念承认人类健康与环境及其中动物的健康是密不可分的。

来自里斯本大学的一个研究小组通过为奥亚皮克河流域（Oiapoque basin）构建一个“数字孪生”来应对这一挑战，这是一个疟疾问题依然顽固的广阔跨境领地。研究人员并没有依赖简单的统计数据，而是创建了一个复杂的计算机模拟系统，使其充当一个虚拟实验室。在这个数字世界里，他们在地图上安置了数千个代表真实人类的“智能体”——每个智能体都有特定的职业和特定的移动方式。这些智能体包括金矿工、农民和城市居民。研究人员向模型输入了关于温度、降雨量和土地利用的高分辨率数据，使计算机能够计算出蚊虫可能在哪里繁衍，以及变化的森林如何创造新的滋生地。至关重要的是，该模型不仅是从上方观察这些人，它还模拟了他们的日常生活，追踪他们在河流和土路上行驶的时间，并计算他们在返回家中之前在高度风险区停留的时长。

模拟结果揭示了一个关于谁面临风险以及为何面临风险的残酷现实。模型显示，危险分布并不均匀。虽然城市居民面临的风险极低，但对于那些离开城镇安全区前往森林工作的群体来说，危险程度会剧烈飙升。模拟计算得出，前往荒野开采黄金的矿工，其感染风险比城市居民高出一百倍以上。农民面临中等风险，但矿工则属于另一个极端类别。研究发现，在典型的一年中，矿工占该地区疟疾病例总数的80%以上。这种高度的脆弱性并非因为矿工天生更容易感染疾病，而是因为他们的工作迫使他们在偏远的森林区域连续停留数周，而这些区域正是由于他们自身的挖掘活动而形成了积水池，从而成为了蚊虫的滋生地。模型证明，如果这些工人留在家里而不前往森林，病例数将降至目前的极小部分，这证实了向森林通勤的行为是驱动这场流行病的主要引擎。

研究人员还测试了仅仅增加该地区的医疗人员是否能解决问题。他们模拟了一个场景：将流动医疗队的数量增加20%，希望看到感染人数显著下降。结果令人沮丧。即使增加了这些资源，疟疾病例数也几乎没有变化，在流行季节高峰期下降幅度不足5%。模拟表明，卫生系统已经遇到了瓶颈。无论这些医疗队多么专业，都无法跟上矿工移动的速度和范围。当医疗队到达偏远营地时，工人们往往要么已经暴露在风险中，要么已经离开了。研究表明，目前这种将医疗人员驻扎在城镇或等待人们主动就医的策略，在面对一个不断移动的人群时已不再有效。

这项研究指出，在这些边境地区，疟疾控制方法需要发生根本性的转变。将疾病视为一个静态问题的传统方法——即在城镇建立诊所并等待患者——之所以失败，是因为风险是动态且流动的。计算机模型表明，遏制传播最有效的方法是预判人的移动，而非对其做出反应。与其等待矿工带着疾病回到城镇，医疗队应当部署到这些工人最可能暴露的特定交通要点和森林边缘。通过利用气候数据来预测风险最高的时间和地点，当局可以派遣流动医疗队，在工人被感染前拦截他们。研究结论认为，虽然在固定地点增加人员带来的收益递减，但一种跟随人群进入森林的、有针对性的移动式方案，才是打破这一复杂跨境景观中传播循环的唯一现实路径。