全球流感亚型动态的表征与预测

为何流感菌株组合很重要

每到冬季，我们常听说“流感在流行”，但流感并不是单一病毒。几种相关的菌株同时传播，哪一种占主导会影响患病人数、受影响最重的年龄组，以及疫苗和医院的应对能力。该研究分析了二十多年的全球实验室数据，以了解主要流感菌株如何在全球轮替——以及这种潜在模式如何帮助更好地预测各国来年的流感季。

追踪流感面貌的变化

作者关注三种关键的季节性流感形式：两种甲型流感（通常称为 H1N1 与 H3N2）和乙型流感。研究并非统计原始病例数（各国与各年间差异很大），而是使用世界卫生组织 FluNet 系统的数据，考察自 2000 年以来每个国家每年的各菌株所占百分比。由于这些百分比之和必须为 100%，他们采用了一种称为组成数据分析的数学方法，将三成分的组合映射到二维图上。每个国家随时间在这张图上的轨迹，显示其本地菌株平衡如何逐年变化。

单一菌株占据主导的年份

通过追踪这些轨迹，团队构建了一个简单的“混合评分”，用以衡量某国流感季是由多种菌株共享，还是被单一种类主导。多数年份呈现菌株混合，但有少数年份例外：2003 年一种特定的 H3N2 变体席卷全球；2009 年新出现的流感大流行 H1N1 菌株占据主导；2020–2021 年在 COVID‑19 导致的出行与接触限制下，不同地区各有不同菌株占优，全球范围内未能混合均匀。这些特殊年份表明，突发的病毒变化或人类行为转变可显著倾斜菌株平衡，从而带来连锁效应，如受影响年龄组变化，甚至某些谱系的消失。

地理与出行如何塑造流感格局

为了解为何各国的菌株组合互相类似，研究者将轨迹之间的距离与气候差异、流感季节时点差别以及航空出行联系程度进行了比较。气温与湿度相近、流感季节时间重叠并且航空往来密集的国家，往往呈现相似的菌株历史。当仅依据菌株混合随时间的变化对国家进行分组时，出现了两大类群。一类主要包括欧洲、北非与西亚，表现出两种甲型流感在年际间明显且同步的交替；另一类则包含许多热带国家以及北美和东亚，显示出更持久的混合状态，年际交替不那么紧密。

让模型放眼全球

研究团队接着探讨这些模式是否能帮助预测各国下一年的菌株构成。他们比较了五种预测方法，从非常简单的“重复过去”规则到更复杂的统计时序模型。表现最好的方法是一种层级向量自回归模型，它汇聚来自具有相似菌株历史的国家的信息，而不是将每个国家孤立对待。这种具有全球视角并考虑簇分布的模型，在预测哪个菌株将占主导或接近缺失时，优于更简单的方法，尤其在那些交替模式强烈的地区效果显著。

对流感季准备工作的意义

该研究表明，全球流感格局蕴含由气候、国际旅行与共有的流行时序塑造的清晰结构。通过以现代统计工具可处理的方式表达菌株组合，作者揭示出国家可归入若干广泛模式群体，而这些群体可用于提高一年期的预测精度。尽管预测并不完美，在像 COVID‑19 这样的剧变期间会失效，但此框架推动公共卫生规划超越凭直觉猜测。它提供了一种利用全球数据预判某地来年更可能占优的菌株的方法——这可为疫苗配备、医院准备和公众沟通提供参考。

引用: Bonacina, F., Boëlle, PY., Colizza, V. et al. Characterization and forecast of global influenza subtype dynamics. Nat. Health 1, 390–402 (2026). https://doi.org/10.1038/s44360-026-00069-2

关键词: 季节性流感, 病毒亚型, 全球监测, 航空旅行与疾病传播, 流行病预测