对许多病原体而言，人们的接触交往方式是其传播的重要途径：从流感到SARS，人们罹病的风险取决于跟谁接触以及如何接触。问题是，交往方式和身体接触并非是疾病传播的唯一途径，某些疾病会通过遗留在物体表面的病毒传播。然而，流行病学家关于人们的交往方式以及疾病传播途径的资料十分匮乏。

face-time[1]

为了应对2009年4月爆发的猪流感，墨西哥城的居民在公共场所都戴上了口罩

　　在进入2013年的第二个星期，纽约州在全州范围公布了一项公共卫生紧急措施。此时，当地的流感季节已经过去一半，但全州已报告了2万余起流感病例（这一数字是去年冬天的四倍）。为了应对流感，纽约州长宣布，将增加流感疫苗的供应量并允许为18岁以下的人群接种疫苗。
　　虽然扩大疫苗的接种范围有助于控制流感的传播，但关于流感等疾病的真实传播方式还存在着很多未知的挑战。例如，传播主要发生在哪些场所？个体对疾病的易感因素如何决定？我们应当对哪些群体采取控制措施？关于流感等疾病的真实传播方式还存在着很多未知的挑战。
　　最近几年，研究人员开始致力于阐明人群中疾病的传播方式。例如，基因测序成本的不断下降对患者的病原体基因组测序更加方便，这为研究疾病传播的社会交往方式提供了可能。结合理论工具和大规模数据，流行病学家们开始构建社交方式与疾病传播之间的研究模型，旨在提供关于疾病如何传播、以及如何阻止其传播的有价值的线索。
　　早期大多数关于社会交往引起疾病传播的研究主要集中于性传播疾病。上世纪80年代，当艾滋病刚出现时，亟需辨明的是该病在人群中的传播途径。通过发放调查问卷，研究人员了解到患者的性伴侣网络，并列出他们的交往对象。研究发现，患者的社交范围相差极大：大多数人只有少量的交往对象，而少数人却拥有很多的交往对象。
　　在疾病的传播过程中，高风险的个体常常扮演重要的角色：他们不仅更容易被感染，而且还容易感染他人。人们与其交往的程度，称之为相称混合性（assortative mixing），它既是影响疾病传播速度、又是流行时间长短的重要因素。数学模型显示，在高相称性的社交网络中，疾病的传播速度更快；反之，不同风险群体之间的交往则较多，疾病传播较慢，但范围更广。
　　早期关于艾滋病传播的研究显示，性接触网络基本上遵循着一个“20%/80%定律”，即20%的病例导致了80%的传播。因此，对高风险人群进行针对性的治疗在理论上有助于控制类似疾病的扩散。然而，受制于资源有限，一时难以估量出对不同风险的人群应给予多大的投入，尤其是我们仍不能完全掌握对目标人群的干预效果是过高还是过低。

校园与疾病流行的关联

　　早在19世纪，医生们就注意到麻疹流行与学校上课的周期性重合现象：学生们不仅易于被感染，而且还处在一个密切接触的环境中。上世纪80年代，随着疾病流行的数学模型逐渐完善，研究人员开始研究儿童之间的密切接触是如何导致疾病的爆发。然而，关于不同年龄群体之间的传染率数据仍非常有限。
　　假设建立一个数学模型，把其中的人群分为儿童与成人两部分，由此可产生四种疾病传播途径：1、儿童之间的传染；2、成人传染儿童；3、儿童传染成人；4、成人之间的传染。如果进一步把人群分成三部分：5岁以下儿童、中学生和成人，那么我们就需要研究9种可能存在的疾病传播路径以及传染率。即如果有n个群体，就有n×n种传播途径。
　　不幸的是，一些能够为传染率提供研究线索的年龄分层数据――疾病诊断结果为阳性的人群比例――大多数都是单一维度的，即每个年龄群体只用一种数值标识。在有n个群体的情况下，研究人员需要在仅有的n种数据的前提下，估算出n×n种传染率存在的可能，会不可避免地导致在研究不同人群统计数据之间的交互作用时出现误判。

journal

交往接触网络：该图描述了法国某学校6岁～12岁儿童之间的交往接触关系，这些儿童身体佩戴了距离感受器，用来记录他们之间的接触行为。每个圆点代表每个学生，不同的颜色代表他们分属不同的年级（从1年级至5年级）。圆点的大小代表其交往的频繁程度。连接圆点之间的线条代表所发生的接触，线条越粗则接触时间越长。数据来源：《美国科学公共图书馆杂志·综合版》（PLOS ONE）

　　上述情况在2008年发生了改变。一项由欧盟资助的研究项目――POLYMOD――旨在研究八个欧盟国家不同人群人间的交往方式：招募了7 000余名不同年龄段的志愿者，并对他们的日常社交活动进行记录，每名参与者将指定的某天社交活动记录下来，不管是身体接触还是面对面谈话。这些信息极大地完善了疾病研究的数学模型，并帮助公共健康部门研发出多种疾病干预措施。
　　这种记录式的实验方法在上世纪90年代末开始推行，尽管当时还没有证据显示这种方法既是一种信息收集的实用工具，又能对呼吸系统传染病的扩散提供依据。在此基础上，POLYMOD首次大规模地对不同人群进行了分析：7 290名不同年龄段的参与者填写了问卷。研究显示，除了不同国家的文化差异外（德国人的日常交往最少，平均每天为8次；意大利人最多，每天近20次），约70%的交往时间超过1小时，其中发生在学校的交往活动50%有身体接触。而这些数据正是流行病学家们一直以来期望得到的，这意味着对类似麻风病等疾病传播的模拟终于有了详细的数据支撑。
　　最初基于POLYMOD项目数据的模拟显示，学龄段儿童在呼吸系统病毒传播过程中相对成年人和幼儿的风险最高，老年人罹病风险则最低。模拟还显示在学校放假期间，疾病的扩散将会减少。鉴于儿童对多种传染病的易感性，政府曾考虑在疾病流行期间关停所有的学校。然而，此举会增加家庭的额外负担，家长因陪护孩子而影响工作，包括在疾病流行的第一时间将孩子遣散回家是否真的有助于减轻医院的负担呢？
　　利用PLOYMOD的数据，英国沃里克大学对关停学校能否降低流感传播，包括对医院重症监护病床需求之间的关系进行了研究。他们发现，在疾病高发期，尽管关停学校可能会减少对重症监护病床数量的需求，但不会减少对其他病床的需求。在2009年流感暴发期间，英国政府决定不关停学校――这项决定正是出于对上述研究结果的考虑。
　　通过收集交往接触数据，类似PLOYMOD的项目使分辨不同年龄段的人群在疾病流行期间扮演何种角色成为可能。长期以来，我们一直认为学校在疾病传播期间是关键的防控重点，现在的社交研究则通过量化结果对其做出了具体的判断，其结果能被用来对干预措施的有效性进行预测。

无线距离感受器的应用

　　对交往接触行为的日常记录，除了参与者的主动性，还有一种用于记录交往行为的无线距离感受器――能自动记录佩戴者的地理位置、与其他人的距离远近等信息。2010年，由斯坦福大学的马塞尔·塞拉瑟（Marcel Salathé）教授领衔，为美国某一高中的800多名师生佩戴了距离感受器。研究发现――大概占全校人数的94%――大多数人进行着重复而简短的接触，个体之间的交往程度和数量并没有太大的差异。这意味着在学校这样的环境里，人们的交往方式类似于气体分子，随机发生碰撞，不存在特殊的、可主导社交网络中的个体。尽管PLOYMOD数据显示，全人群不同交往模式之间存在巨大的差异，但塞拉瑟团队认为，以学校师生为研究对象时，其群体可能具有更多的同质性。
　　这项基于感受器的研究首次对学校人群的交往数量进行了量化：记录了超过76万次交往行为，并对其密切程度以及被感染的可能性进行了预估。然而，这种实验方式也存在着局限性，尤其是感受器只有参与者的信息记录。为确保较高的参与率，实验必须将医院等特殊群体纳入，才能保证其有效性。
　　通过问卷调查和无线距离感受器获得大量信息的同时，我们还需从中了解哪种接触方式对疾病传播是至关重要的。我们可以假设，呼吸系统传染病（流感）是否主要通过触摸或接吻的方式传播？一个喷嚏、一次咳嗽，甚至一次交谈是否足以感染他人？将患者的血样分析和上述信息进行整合，应该有助于这些问题的解答。
　　比如，针对检测某特异流感病毒株的抗体水平，从中能够显示出谁被该病毒感染过。因此，通过对不同年龄段的群体进行抗体检测，并把结果与交往接触数据的流感模型预测值进行比对。结果显示，与后者导致的疾病传播相比，经由身体接触的疾病传播更符合我们之前观察得到的模式。
　　最近几年，研究人员试图利用基因测序数据来重建疾病的传播路径。比如，对某些在宿主体内繁殖的病原体，如艾滋病病毒、流感病毒等基因进行测序，以构建患者之间的疾病传播路线图（去年，格拉斯哥大学的一项研究就是利用这种方法跟踪了马病毒的传播路径）。然而，仅仅使用流行病学数据可能会低估疾病的传播规模，结合基因测序与传统的流行病学方法，将会得到更准确的结果，即使是数年前流行的疾病。比如在2008年，爱丁堡大学一研究团队利用上述方法重新构建了上世纪90年代艾滋病暴发时的传播路线图。

journal

疾病传染路径：马流感病毒（Equine influenza virus）的传染路线图来自对48匹马的病毒基因测序结果。每匹马都用一个带数字的圆圈代表，不同颜色代表不同的训马场。圆圈大小代表混合感染的程度，由病马携带不同病毒的基因多样性计算得出。箭头代表病毒传播的可能路径：不同马之间的线条粗细代表病毒之间的基因相似程度，并由此推断出感染的先后顺序。数据来源：《美国科学公共图书馆杂志·病原体分刊》（PLOS ONE）

接触与疾病传染的相关性

　　2011年，英国剑桥医院的3名婴儿感染了耐甲氧西林金黄色葡萄球菌（MRSA）。为了弄清这些病例之间有无关联，韦尔科姆基金会桑格研究所的遗传学家决定对婴儿体内的病原体进行测序。除3个婴儿以外，他们还对前六个月内感染过MRSA的其他12名患者进行了取样检测。结果显示，这3起病例与之前的8起病例属于同一种病原体传染。此后不久，该医院对病房进行了全面消毒，疾病传播似乎就此终止。
　　然而，2个月以后，又发现了另一起MRSA新感染病例。为了追踪其来源，研究者们对该院的150多名员工进行了病原体筛查，最终发现在一名没有感染症状的员工身上发现了与之前相同的MRSA病菌。在这名员工接受治疗之后，传染病才终告结束。这是世界上首次利用基因组测序技术控制院内感染的案例，同时也凸显了测序技术在追踪疾病传播路线中的重要作用。
　　关于疾病如何通过社交网络传播的问题，还有许多有待我们发掘的方法。除了日常接触记录和无线距离传感器的应用，对于某些疾病（如流感），我们更需要了解交往接触对其传播的实际影响。同时，我们还必须明确由社交方式传播的以及其他方式传播的疾病比例，如空气中散布的病毒，或病原体附着在物体表面致使他人感染，包括人与动物的接触等，例如，不久前在中国发生的H7N9病毒就来源于禽类感染。能否确切了解哪些类型的社会交往影响人们的罹病风险――以及如何影响――将有助于提高我们对疫情流行方式的预测水平，使未来的研究更聚焦于这些关键的交往接触方式。
　　另一个未解之谜是关于人体自身免疫功能。对许多疾病而言，无论流感还是登革热，预先预测可以降低人们被感染或传播继发疾病的风险。除了社交接触方式不同以外，不同年龄段群体也存在不同的传染病病史（免疫力水平参差不齐），除非我们预先测算出这些群体免疫力水平的差别，否则很难确定患病原因究竟是社交方式的影响，还是缘于自身免疫力的缺陷。
　　疾病流行同样也会影响人们的行为方式。尽管我们已初步掌握了人们在日常生活中的交往方式，但对疾病流行对交往方式产生的影响仍不清楚。据2009年流感期间的一项调查显示，人们在这一期间的社交接触大大减少（疾病流行期间，人们或在家休息或照顾患病的家人），其程度甚至远大于疾病带来的影响。下一步，我们需要对此进行更广范围和更加具体的分析或研究。
　　如果想了解年初发生在纽约州的流感疫情，首先我们必须要搞清楚病原体是通过何种途径传播的，以及人们的免疫力和行为方式是如何随时间而改变的。随着社交信息数据的积累和基因测序等方式的出现，未来我们能更好地对这些问题进行梳理，并在疾病预防中凸显其巨大价值。如果我们能发现更多关于流感等疾病传播的细节，我们就能更好地对其加以控制和防范。

资料来源The Scientist

责任编辑 则 鸣

――――――

本文作者：亚当·库哈尔斯基（Adam Kucharski），伦敦帝国学院疾病流行与建模研究中心研究员，长期从事疾病传播、免疫和社会文化之间关系的探索。