<摘要翻译>
研究人员通过编译从欧洲到南部非洲的人类病例、病毒分离数据以及来自人类和动物的血清学数据，制作了正粘病毒属出血性病毒（Orthonairovirus haemorrhagiae，旧称克里米亚–刚果出血热病毒，CCHFV）已知分布的空间数据集，旨在进行病毒分布范围建模。仅基于气候变量的模型产生了不切实际且过于广泛的预测，高估了北欧的适宜性，证实了气候因素本身难以解释CCHFV的分布范围。仅使用蜱虫物种分布的方法在非洲许多地区表现不佳，这反映了媒介–宿主相互作用的复杂性以及蜱虫与病毒之间缺乏严格的关联性。整合了嗜人蜱虫分布、牲畜密度和共现区系（chorotypes）的方法产生了最稳健的结果，通过识别最可能扩增病毒的脊椎动物组合，同时减少解释变量数量，准确地捕捉了超过90%的已知发生点。共现区系代表了共同出现的宿主集群，增强了模型性能，并改进了对该病毒古北界和非洲分布范围边界的划分。研究结果支持一种泛化流行病学模型，即多种蜱虫物种与广泛的脊椎动物宿主共同维持CCHFV的传播。正是这种生态灵活性，而非严格的媒介特异性，很可能解释了CCHFV广泛的生物地理分布范围以及偶尔跨越大陆的谱系扩张。本研究提供了迄今为止对CCHFV分布决定因素最全面的评估。尽管仍存在空白，但本研究表明，耦合非生物和生物预测因子可以提供更准确且具有生态学意义的CCHFV分布理解。
<论文解读>
克里米亚–刚果出血热病毒（Crimean-Congo haemorrhagic fever virus， CCHFV）是一种由蜱虫传播的病原体，在非洲、亚洲和欧洲引起人类严重疾病。其传播循环涉及蜱虫与多种脊椎动物宿主，但病毒的地理分布模式及其背后的生态驱动因素尚未完全阐明。此前基于气候的预测模型常高估病毒风险，尤其是在欧洲地区，预测出的高风险区往往缺乏病毒传播的媒介或宿主证据。因此，理解病毒在何处可能传播对于预测疫情暴发和指导监测至关重要。CCHFV在旧大陆呈斑块状分布，人类主要通过被感染的硬蜱科（Ixodidae）蜱虫叮咬或接触感染牲畜的血液和组织而感染。病毒在蜱虫–脊椎动物–蜱虫的动物源性循环中传播，脊椎动物宿主中，大型反刍动物如牛、羊等被视为扩增宿主，而小型哺乳动物则主要作为维持蜱虫种群的维持宿主。为了更准确地界定CCHFV的分布范围，研究人员开展了本研究。该研究整合了多种数据来源，构建了一个涵盖人类病例、病毒分离位点以及人与动物血清学调查的空间显式数据集，覆盖区域从欧洲北部延伸至非洲南部，以及从大西洋到中亚的部分地区。研究区域主要聚焦于西古北界和热带地区。研究人员使用了多种生态建模方法，包括堆叠物种分布建模（stacked species distribution modelling， SSDM）、随机森林（Random Forest， RF）算法以及基于主成分分析（Principal Component Analysis， PCA）的共现区系构建。通过综合分析气候、蜱虫、脊椎动物宿主和牲畜密度等多维度数据，本研究旨在揭示驱动CCHFV分布的关键因素，并为未来蜱传病毒疾病的生态学研究提供一个整合性框架。
研究结果表明，仅依赖气候变量的模型无法有效区分病毒存在点和伪不存在点，预测结果过于宽泛且存在大量误报，证实CCHFV不存在严格的气候生态位。仅使用蜱虫分布范围作为预测变量的随机森林模型虽然能够正确识别训练集中的已知发生点，但其预测能力局限于已知区域，无法有效推断未知区域的潜在分布。当整合了嗜人蜱虫分布、脊椎动物宿主共现区系（chorotypes）和牲畜密度，并与气候变量结合时，模型表现最佳。该综合模型成功捕捉了超过90%的已知CCHFV分布点，其阈值、敏感性、特异性及科恩卡帕系数（Cohen’s Kappa）等性能指标均优于单一变量或部分组合模型。脊椎动物共现区系通过识别空间上共同出现、可能共同维持病毒传播的宿主组合，增强了模型的预测性能，并改善了对病毒在古北界和非洲分布边界的划分。研究发现，CCHFV的分布并非与单一的媒介或宿主物种严格绑定，而是依赖于一个由多种蜱虫（尤其是能叮咬人类的蜱虫，如璃眼蜱属 *Hyalomma* 的多个物种）和广泛的脊椎动物宿主（特别是能扩增病毒的中大型哺乳动物）构成的生态网络。牲畜密度作为人类与动物接触强度的代理指标，也是重要的预测因子。这一结果支持CCHFV传播的“生态泛化模型”，即病毒的持续存在依赖于多样的媒介和宿主群落的共存，这种生态灵活性是其广泛地理分布的基础。
本研究讨论部分指出，传统基于气候的预测模型存在局限性，无法充分解释CCHFV的复杂分布，必须纳入生物因子。基于宿主–媒介相互作用的建模方法，特别是整合嗜人蜱虫、宿主群落结构和牲畜密度，能够提供更可靠、更具生态学意义的预测。研究结论强调，准确绘制CCHFV分布图需要一种整合非生物和生物预测因子的多因素方法。CCHFV的持续存在依赖于媒介与脊椎动物群落的共现，而非单一的气候生态位。将嗜人蜱虫分布、牲畜密度和脊椎动物共现区系等信息纳入模型，显著提高了预测性能，为理解维持病毒传播的生态过程提供了机制性见解。这一整合性框架为预测CCHFV风险奠定了坚实基础，并凸显了在未来蜱传人畜共患病研究中，结合高分辨率生态、媒介和宿主数据与环境变量的重要性。
