莱姆病的感染过程主要涉及到宿主动物、媒介蜱及人^[1]。不同地区的莱姆病螺旋体、宿主动物和媒介蜱的种类可能不同，因此感染率以及途径和方式也不相同^{[2, 3]}。青海省林区面积广袤，鼠蜱带菌率高^{[4, 5]}，高危人群多^[6]。在青海省建立莱姆病分布模型既有代表性，又十分有必要。由于青海省莱姆病调查数据较少，因此直接利用传播路径“宿主动物-蜱-人”建立模型不可行。莱姆病螺旋体的传播、宿主动物分布以及媒介蜱的分布受到环境因素以及人为因素的影响^[7]，莱姆病的感染具有季节性特点^[8]，土地利用与人口足迹又反映了在感染过程中人为因素的影响^[9]。因此应用空间生态学的方法，整合环境因子及人为活动影响评估莱姆病的分布是可行的。最大熵模型（MaxEnt）软件根据物种现实分布点和分布地区的环境变量运算得出预测模型，再利用模型模拟目标物种在目标地区的可能分布^[10]。目前，MaxEnt已用于预测疾病发生的地理分布^[11]。本研究利用MaxEnt软件对青海省莱姆病的地理分布进行预测。

1. 数据来源：收集并整理了我国自1990年以来青海省人群莱姆病血清检测的数据，包括6个县的9个调查点^{[12, 13, 14]}，见表1，同时收集环境变量和人为活动影响因子[最高温的月平均温度、最低温的月平均温度、月平均温度、月平均降水量、归一化植被指数（NDVI）、土地利用、人口足迹、19个生物温度及海拔]，见表2。利用互助县、泽库县以及同德县的秀麻、谷芒和河北乡的莱姆病血清学数据建立模型；利用大通县、祁连县和循化县的数据对模型进行验证。

表 1 青海省人群莱姆病血清阳性调查数据

表选项

表 2 用于模型预测莱姆病分布的环境变量

表选项

2. 研究方法：将互助县、泽库县以及同德县的秀麻、谷芒和河北3乡的共5个点的莱姆病血清学数据作为样本，按照MaxEnt 3.3.3k软件要求整理格式，保存为.csv格式，放入模型。应用ArcGIS软件的Conversion工具，将环境变量数据Raster格式转换为ASCⅡ格式，导入MaxEnt，参数设置为软件默认，运行得出青海省环境以及人为条件适宜的莱姆病传播潜在地理分布。最后与大通县、祁连县、循化县人群血清学数据进行比较。适宜值越高代表自然与人文条件越适宜莱姆病的传播和保存。

1. 莱姆病分布预测：MaxEnt预测结果显示，一年12个月中莱姆病分布的适宜区域主要分布于青海省东部（图1）。1－4月，莱姆病适宜区域呈散发状态，5－7月，适宜区域分布较集中，8－12月，适宜区域又逐渐分散开来。由于5月游离蜱的密度较高，具有代表性，因此使用5月的预测数据对青海省的热点区域进行划分。结果显示，热点区域（风险值＞0.75）主要有3个：热点Ⅰ包括同德县的中部、玛沁县东北部、兴海县东南部以及泽库县的西部；热点Ⅱ位于同仁县和循化县中部以及尖扎县的东南部；热点Ⅲ位于湟中县中部（图2）。受试者工作特征（ROC）曲线表明模型预测良好[曲线下面积（AUC）＝ 0.980]，见图3。

图 1 MaxEnt风险预测1－12月青海省莱姆病地理分布

图选项

图 2 青海省3个莱姆病高风险区域分布

图选项

图 3 莱姆病分布预测的ROC曲线

图选项

Jacknife过程的结果表明，27个变量当中，1－4月与8－12月，NDVI对于模型的贡献最大，贡献率为32.6%～58.6%，其次是人口足迹（footprint），贡献率为28.2%～37.1%。5月平均降水（Prec）贡献最大（62.2%），人口足迹（18.3%）次之。而6、7月份不同，贡献率最大的变量为人口足迹（45.1%～49.1%），其次为NDVI（32.1%～39.5%）。

2. 莱姆病预测及实际数据比较：用于验证模型的大通县、祁连县和循化县均分布于青海省东部，其中，循化县位于热点区域Ⅱ中，大通县则位于热点区域Ⅲ的北部地区。祁连县地处青海省东北部，不在预测的热点区域中，且该地区的人群莱姆病血清阳性率在3个用于验证的县中最低。调查数据与模型结果基本吻合。

莱姆病为蜱传疾病，传播的过程涉及到宿主动物、媒介蜱以及人，因此自然因素对于莱姆病传播的影响至关重要^{[15, 16]}。本研究也印证了这一点，NDVI在模型的建立当中起到了最重要的作用。由于人为因素对莱姆病的传播也具有重要影响^[9]，本研究整合了自然因子与人为因子，Jacknife过程的结果也显示，人为因子的影响仅次于NDVI。总体上讲，在全部27个变量当中，NDVI对于模型的贡献最大，提示植被种类与分布对莱姆病的传播影响最大，这一结果对于莱姆病的预防和控制有着积极的作用，通过宏观植被分布数据，对热点区域作业的工作人员实施必要的防护措施，可以有效地保护人群免于蜱叮咬，进而防止莱姆病传播。同时，人类的行为及活动对莱姆病传播有一定影响。应用空间流行病学研究方法，根据各个因子的影响比重，对自然因子以及人为因子进行调控，从而降低疾病发生概率。然而，如何进行有效的调控，还有待进一步研究和探索。

本研究利用大通、祁连和循化3县的人群血清学调查数据对模型进行验证，结果显示，与模型预测结果基本吻合。本研究中整合了青海省流行病学调查数据，以及相关人为因素与自然因素，应用MaxEnt预测青海省莱姆病的分布，结果显示的3个热点区域可以作为流行病学调查的重点区域。莱姆病的病原学以及流行病学研究可以这3个区域作为重点。

综上所述，MaxEnt作为空间生态学的研究工具，可应用于莱姆病的空间生态学的研究，为莱姆病的流行病学及病原学提供宏观支持。然而，由于人群血清阳性率调查数据的匮乏，本研究结果存在不足，有待进一步的研究提供相关数据进行验证。