MoVe：一个用于探索人类流动与媒介传播疾病关系的综合工具

为何移动对蚊媒疾病至关重要

人们去往何处，疾病就可能随之而来。许多由蚊子传播的感染性疾病（如疟疾）不仅取决于蚊子栖息的地点，还取决于人们如何在高风险区域中移动。本文介绍了 MoVe，一款新软件平台，帮助科学家和公共卫生官员将详尽的人类出行模式与蚊媒疾病传播联系起来。MoVe 能把移动电话生成的原始位置数据转化为地图、网络和模拟，使得提出实用问题变得更容易，例如：哪些工人最易感染？哪些村庄向其他地区输出感染？如果某些行程被停止，会发生什么？

从电话轨迹到有意义的地点

MoVe 从高分辨率的移动数据开始：按时间排序的 GPS 点序列，并附带关于每个人的基本信息，如年龄、居住村庄和职业。系统不把每个记录的位置一视同仁，而是关注“停留地点”——人们相对静止、最有可能被蚊子叮咬的地方。为此，MoVe 首先剔除诸如驾车等快速移动的数据点，然后将剩余的较慢点聚类，形成代表村庄、农场或其它常去地点的簇。内置的检验工具用于评估这些聚类与真实世界地点的匹配程度，交互式地图允许用户直观检查并微调结果。

绘制无形的感染路线

一旦识别出关键地点，MoVe 会重建人们实际行走的路线、各地点对之间的移动频次以及典型停留时长。这些关系以简单的网络图呈现：地点为节点，出行路径为箭头，其粗细反映了出行量。在后台，MoVe 还将这些模式转换为概率表，描述人在某一时间步内从一个地点移动到另一个地点的可能性。这些表按不同人口学群体和季节构建，将混乱的原始数据转成可用于驱动现实疾病传播模拟的清晰输入。

模拟人群、蚊子与随机性

MoVe 的第二部分是基于个体的模拟，用以展现感染如何随时间在人人和蚊子之间传播。虚拟世界中的每个人可根据观测到的流动模式在地点间移动，并在健康状态之间转换：易感、潜伏、感染和恢复。每个地点的蚊子种群有其生命周期和感染阶段。利用已发表的蚊子叮咬率、死亡率和潜伏期等参数，以及感染性叮咬导致感染的概率估计，模拟会计算出各地点和各群体的动态风险。用户可以轻松调整季节条件、人口规模和出行模式，以探索不同的“假设情景”。

在泰缅边界的现实世界测试

为展示 MoVe 的能力，作者将其应用于泰缅边界的疟疾传播研究——该地区泰国本地疟疾发病率已大幅下降，但仍受输入性病例困扰。他们用智能手机 GPS 跟踪了 164 名泰国居民长达八个月，然后用 MoVe 识别出六个主要活动簇：泰国境内的五个地点和邻近缅甸的一个地点。农民被发现是跨境流动最多的群体，无论在雨季还是旱季都会越境，而商人很少跨境。基于这些模式的模拟显示，泰国居民的定期跨境出行在雨季推动了相当一部分疟疾病例，而来自缅甸的短期感染移民则在旱季（尤其是收获月）对第二波病例高峰贡献显著。

对抗疟疾及其他领域的启示

对非专业读者而言，核心信息是：细尺度的人类移动能显著影响蚊媒疾病在何时何地持续存在，即便总体病例数较低。通过将制图、分析与模拟整合于一体，MoVe 帮助公共卫生团队识别出哪些职业、路线和季节最为关键，并测试改变出行或实施有针对性的防护措施如何降低感染率。虽然案例研究聚焦于一处边境地区的疟疾，但该方法具备普适性，可应用于其他蚊子活动与人类流动相互影响的疾病和地点。

引用: Sa-ngamuang, C., Yin, M.S., Barkowsky, T. et al. MoVe: an integrated tool to explore the relationship between human mobility and vector-borne disease. Sci Rep 16, 5238 (2026). https://doi.org/10.1038/s41598-026-39007-3

关键词: 人类流动性, 疟疾, 媒介传播疾病, 基于个体的模拟, 跨境迁移