新研究：纬度和温度与新冠传播有关联，这些地区未来或有风险

当地时间3月9日，论文预印网站SSRN发表了马里兰大学医学院人类病毒研究所、全球病毒网络（GVN）卓越中心的一篇论文，发现新冠肺炎疫情与纬度、温度之间存在相关性。

该论文根据模型预测：随着气温升高，目前疫情地区将有所缓解，而目前疫情区以北的区域则可能进入流行风险，从东至西分别是：东北亚、中亚、高加索地区、东欧、中欧、不列颠群岛、美国东北部和中西部、以及不列颠哥伦比亚省。

该论文的通讯作者为马里兰大学医学院人类病毒研究所、全球病毒网络（GVN）卓越中心副教授Mohammad Sajadi博士。该论文未经同行评议。

研究者提出了一个简化的模型，该模型能显示一个区域内的新冠肺炎传播风险是否增加。具体来说，就是通过使用天气模型，预测在未来几周内最有可能出现新冠肺炎社区严重传播的高风险区，从而可以将公共卫生工作重点放在对这些区域的关注和遏制上。

研究发现，迄今为止，由新冠病毒引起的疫情主要沿狭窄的东西向分布，大致沿北纬30°-50°的走廊，这一带的有着类似的温度：5摄氏度-11摄氏度，类似的湿度：47%-79％。

研究者表示，包括人类冠状病毒在内，许多传染病均有其季节性规律。该研究假设：新冠病毒传播也具有季节性。许多传染病的发病率呈季节性变化，流感就是典型的例子，其对全球卫生保健系统是沉重的负担。流感病毒在世界温带地区表现出明显的季节性波动，但在热带地区却表现出较小的季节性波动。尽管学者们提出了许多可能的机制来解释这种变化，但目前，学界对这种现象理解仍非常肤浅。

此次新冠病毒引发的疫情最早暴发于中国的湖北，随后通过全球旅行扩展到世界其他地区。研究发现，新冠病毒的社区传播主要沿狭窄的东西向地带展开，疫情的中心大致在北纬30°-50°区域；从韩国，日本，到伊朗和意大利北部。

在伊朗意外暴发后，研究团队最早在2月下旬制作了这张地图。此后，出现社区传播的新地区包括美国西北部和法国。值得注意的是，与此同时，新冠肺炎疫情未能大量传播到紧邻中国南部的其他亚洲国家。与上述温带地区相比，东南亚的患者人数和报告的死亡人数要少得多。

研究团队进一步使用2米（2m）温度图而不是一个标准大气压温度图进行分析，可得出相似结果。武汉2020年1月的温度和其他受此影响地区2020年2月的平均温度（5-11℃）和相对湿度（RH，47-79％）存在惊人的相似性。

除了具有相似的平均温度、湿度和纬度分布外，这些地方也表现出共同点，即疫情暴发时间与年度温度周期的最低点相吻合。

受新冠疫情影响城市与温度之间的相关性值得特别注意。在受影响城市中，平均温度（5-11℃）和相对湿度（47-79％）都比较相似。此前研究已经得出，适宜的温度和湿度是SARS-CoV，MERS-CoV和流感病毒生存的重要条件。这些表明：温度与新冠病毒生存与扩散之间存在潜在的关系。

论文中提到，考虑到温度和纬度相似的地区之间的时间分布，可以初步预测未来几周，新冠疫情的潜在社区传播区域是哪里。使用2019年3月和4月的温度数据，研究团队可以预测：社区传播的高风险地区会北移，其中可能包括（从东到西）东北亚、中亚、高加索地区、东欧、中欧、不列颠群岛、美国东北部和中西部、以及不列颠哥伦比亚省。

2019年3月至4月全球温度图，一个标准大气压，以摄氏度为单位。根据2019年的数据预测今年3月至4月全球5-10摄氏度区域，研究认为该区域短期内有可能出现大量社区传播。该区域包括浅绿色区，以深黑色勾勒出轮廓。

但是，这种简化的分析未考虑温度升高的影响。武汉地区病例显著下降除了有力的人为干预遏制外，可能与那里近期相应的气温升高也有一定关联。另外，随着病毒向北移动，考虑再往北，人口密度会随之降低，这也不利于病毒的社区传播。同时，模型中的气候变量未考虑或分析云量、最高温度等，未考虑或分析的人为因素，比如人为干预，也未考虑或分析的病毒变异率等，所以目前该预测考虑的变量优先，需谨慎对待。

研究团队还参考了其他的人类冠状病毒（HCoV-229E，HCoV-HKUI，HCOV-NL63和HCoV-OC43）的季节性表现。这些冠状病毒通常会引起普通感冒症状，在温带地区，这些冠状病毒往往在12月至次年4月之间流行，表现出强烈的冬季季节性，在夏季则基本无法检测到。

研究团队表示，尽管在此阶段对新冠病毒进行长期预测会非常困难，但预计未来几个月内，目前受疫情影响的区域将大大减少。研究团队认为，有一种可能：新冠病毒将在热带地区以低水平继续传播，并在秋末、冬季及下一年的开始，在温带地区再次流行。另一种可能性是，随着夏季到来，新冠病毒将无法在热带和南半球存活，并最终消失。

这意味着，6月至9月之间，对新西兰、澳大利亚、南非、阿根廷和智利等地的新冠病毒监视工作将意义重大。

研究团队认为，沿着这些思路，进一步研究的途径将是整合流行病学-人类系统模型。该模型可以结合气候和天气等变量（例如温度，湿度的动态变化）及其时空变化，同时加入对人类互动场景的模拟（例如，旅行，人口密度造成的传播），这将大大改进目前的模型。

这种类型的预测方法可以探索问题，例如哪些人口中心城市面临的风险最大以及持续多长时间；在哪里加强大规模监视并加强控制措施以防止扩散；如何更好地了解限制病毒在南半球扩散；了解冠状病毒和其他呼吸道病毒的季节性原因，预测2021-2022年的季节性表现，无疑将有助于更好的预防，并有助于确定哪些地区需要加强监测。