一组来自欧洲的经济学家和统计学家团队，创建了一个全球疾病数据库，收集并整合了自1996年以来的全球疫情数据，以此分析疫情跨境传播的模式。目的是帮助全球建立早期预警机制，做好政策准备，以期在未来任何疫情暴发之初就能够予以有效回击，避免其发展成新冠这样的全球大流行。

近几年，世界见证了一系列引人注目的疫情跨境传播和全球大流行。新冠疫情和多国暴发的猴痘只是其中两个例子。

但是，很少有科学证据能清楚地说明传染病跨境传播的速度和频率。创建全球疾病数据库的一大挑战是数据来源的分散。低收入国家追踪疾病暴发的统计能力有限，由于不同的报告标准，来自不同国家的数据库也很难整合。

■ 面对新冠，世界各国都没有做好准备。/ 盖蒂图片社

为更好地了解全球传染病的传播模式，一组欧洲的经济学家和统计学家组成的团队着手创建了一个全球数据库，从世界卫生组织的“疾病暴发新闻”和“冠状病毒数据库”（Coronavirus Dashboard）中采集数据。

“疾病暴发新闻”包含来自各地卫生部门和研究网络已确认的公共卫生突发事件或令人关注的事件的信息，包括可能对人类健康产生负面影响并需要立即评估和采取行动的所有疾病暴发或迅速演变的情况。遗憾的是，这些信息大多是非结构化的，并非为了统计目的而产生，所以不能直接用于系统分析。为了获得结构化的统计信息，团队依靠网络抓取技术提取了特定传染病发生的时间和地点。

对这些数据进行统计重组，研究人员得以描绘出传染病传播的系统图景。这项统计是基于疾病暴发的统计概率，而非病毒的强弱。研究发现，大多数疫情发生在非洲国家。当然，高收入国家也受到了严重影响，特别是在2009年甲型H1N1流感（猪流感）和新冠大流行期间。

这种大流行事件凸显了预防性政策的重要性。通过分析疫情如何跨境传播，各地卫生部门可以制定针对性的措施以控制未来的疫情。

数据揭示了什么？

该数据库包含了自1996年以来在233个国家和地区发生的2000多起公共卫生事件，涉及70种不同的传染病。下图是这些疫情暴发的频率时间表。

■ 疫情暴发的频率（1996-2021）/ 胡安·阿曼多·托雷斯Munguía

从时间上看，疫情没有明显的增长趋势：每年大约有50起公共卫生事件触发了疫情暴发的新闻。疫情并没有随着时间的推移而愈加频繁地暴发，而是在几个时间节点上激增，如2009年的甲流和2019年的新冠。这些疾病基本上是全球性的，在众多国家触发了疾病暴发的新闻。

数据仅仅抓取了每种疾病在每个国家每年发出的1次疫情公告。这意味着该数据库不反映疾病的严重程度，也不反映一个国家有多少人受到了影响。相反，每年的数据只反映了有多少种疾病被记录了下来，以及受影响国家的数量。从政策角度看，这种统计很有用，因为所有记录在案的疫情都要求立即采取行动。

新冠是疫情新闻公告中最突出的疾病。在数据库记录的2227起健康事件中，近三分之一与新冠有关，紧随其后的是人畜共患的流感。霍乱是记录最多的第三大传染病，但频率远低于新冠或流感（流感记录的疫情新闻约为170条)。

传染病暴发次数最多的国家大多是幅员辽阔（就面积和人口而言）、分布在赤道周围的中低收入水平国家。其中，非洲的疫情记录占全部的40%。而暴发疫情最多的两个国家也坐落在这里：刚果民主共和国和尼日利亚，自1996年以来，这两个国家分别发生了40多次疫情。

高收入水平并不能阻止疫情暴发。较富裕的国家尽管拥有财政资源以采取公共卫生措施，但仍会受到疫情暴发的影响。美国的疫情暴发数量位居世界第三，法国和英国各有20多起独立疫情。

数据如何发挥作用

数据分析表明，随着时间的推移，全球疫情并没有明显增加。事实上，影响了许多国家的某种疾病主要在某个时间点集中暴发。因此，公共卫生系统需要迅速评估疾病在另一个国家暴发的威胁程度，以及该采取哪些措施以防止其跨境传播并在国内蔓延。

有效的公共卫生应对措施通常取决于疾病如何在地理上传播，该数据库有潜力更好地对此进行分析。

疾病暴发与地理位置有关，并非随机分布在全球各地。此外，疫情在地理上有一定的聚集性——通过观察北美、非洲、东亚和南亚的疾病传播模式，我们可以初步了解这一机制。在未来，随着数据库的丰富，我们将有可能更全面的了解疾病暴发的规律。

还需要更多研究以更好地了解疾病大流行的传播途径，这可能因疾病而异。该数据库将是此类分析的重要辅助工具。

政策准备

更好地了解不同传染病如何跨境传播有助于建立早期预警机制和应对方案。人们可以估计一种疾病在一个国家暴发后传播到另一个国家的几率有多大以及需要多长时间。

政策制定者甚至可以在某种疾病有传播风险之初就制定应对措施，如推出疫苗或旅行警告。

同样，国际组织可以利用流行病传播的地理模型，推断哪些国家最有可能受到疫情的影响，并相应集中资源予以应对，避免像新冠期间那样在口罩和疫苗等卫生资源分配方面的混乱。

本文译自“对话”官网文章：Predicting epidemics isn’t easy. We’ve created a global dataset to help