香港大学张彤团队、深圳疾控扈庆华团队联合ES&T:优化污水监测采样策略实现高性价比公共卫生预警

引言

污水流行病学（Wastewater-based Epidemiology, WBE），又称污水监测（Wastewater Surveillance, WWS），是通过检测污水中病原体核酸信号来追踪人群感染状况的公共卫生工具，在监测新冠病毒、流感病毒、猴痘病毒及腹泻病毒等多种病原体中均展现出重要价值。新冠疫情期间，WBE在全球范围内得到广泛部署，截至2026年2月，全球已在72个国家建立逾4600个污水采样点，并建立195个污水监测数据平台，在临床检测能力不足或检测方法受限的情境下，污水监测为实施公共卫生干预措施提供了不可替代的预警信息。然而，在后疫情时代，维持高频率、大规模的常规污水采样网络面临成本高、劳动强度大和资源配置压力等挑战，亟需在保证趋势判读准确性的前提下优化采样策略。目前，关于采样点数量和采样频率的科学优化仍缺乏系统的证据支持。香港与深圳作为两座紧密相邻的城市，不仅经历了相似的疫情演变轨迹，还采用了相同的污水中新冠病毒检测方法，为开展跨城市、大规模的采样策略评估工作提供了难得的数据基础。

图文导读

提出两种优化采样策略的方法

图1：两种优化采样策略的方法。(a) 枚举法；(b) 迭代层级法。

首先，本研究构建了两套互为补充的优化采样策略的方法体系。策略一（枚举法） 系统枚举所有可能的采样点组合，通过Pearson相关系数（r）与配对 t 检验双重统计准则，筛选出与基于全部采样点获得的城市趋势吻合度最高的最优子集；该策略逻辑清晰、结果可溯，适用于采样点数量有限（如香港12个采样点）的场景。策略二（迭代层级法） 则以分批次逐步删减的方式进行迭代优化：每一轮从现有采样点集合中删去若干点，保留与全部样点获得的趋势相关性最高的组合，以此为新起点重复迭代，直至达到目标采样点规模；该策略兼顾计算可行性与结果稳健性，特别适用于采样点数量庞大（如深圳38个地点采样点）的情景。两种策略在香港数据集上的交叉验证结果完全一致，进一步证实了方法的可靠性。

两个城市采样点优化结果

图2：两个城市采样点优化结果。(a) 被选中和被剔除的地点所处的地理位置；(b) 香港采样点优化前后的趋势对比；(c) 深圳采样点优化前后的趋势对比。

香港： 将枚举法应用于12个采样点数据集后，以相关系数 r > 0.80 为阈值，最少可减少至6个采样点而仍维持对城市病毒流行趋势的有效捕捉。所有924种6个地点组合中，99.57%（920/924）满足相关系数 r > 0.80的标准；最优6个采样点组合的相关系数高达 r = 0.9995，配对t检验结果无显著差异（p > 0.05），与12个地点全覆盖监测的城市趋势几乎完全吻合。

深圳： 迭代层级法在三种不同批次删减数量（每批2或4或5个点）下，均一致收敛于同一最优18个地点组合，与38个地点的Pearson相关系数达 r = 0.9999，配对 t检验结果无显著差异（p > 0.05）。进一步分析表明，简单选取流量最大的18个地点或随机选取18个地点，虽能反映整体趋势，但在病毒浓度峰值期出现明显系统偏差；相比之下，迭代层级法能最大化趋势的准确性与一致性，更适合作为大规模多采样点污水监测网络的优化工具。

影响采样点选择与趋势代表性的关键因素

图3：两个城市被选中与被剔除采样点的日均流量特征分析。

基于采样点优化结果，研究对两个城市被选中与被剔除采样点的日均流量特征进行了系统比较分析。结果显示，两城市中被选中采样点普遍具有更高的日均流量中位值和更低的时序波动性，能够整合来自更多服务人群的病毒信号，对城市整体浓度趋势的贡献更为稳定；反之，被剔除的采样点流量偏低、时序波动较大，在总体监测网络中的信号权重有限。进一步分析发现，服务人口覆盖率的提升整体上有利于趋势代表性的改善，但单纯依赖采样点数量或人口覆盖率任一指标，均不足以可靠预测监测网络的代表性水平。不同空间布局的采样点组合，即便具有相近的人口覆盖比例，其趋势相关性可能存在显著差异，表明地理分布与采样点的固有代表性同样是不可忽视的关键维度。值得关注的是，深港两城多个被选中采样点均临近重要交通枢纽，揭示了交通流动格局在病毒空间传播中的重要作用。

不同采样频率下的趋势代表性

图4：两个城市在不同采样频率下的趋势代表性。

此外，运用枚举法，本研究系统评估了每周1次至每周6次等多种采样频率下，不同采样日期组合获得的趋势与采用日采样（每周7次）获得的趋势之间的Pearson相关系数分布特征。结果表明，随着采样频率降低，各组合间的趋势差异性显著增大，高相关性（r > 0.8）组合比例随之下降，而趋势存在显著差异（配对 t检验结果p < 0.05）的组合比例则相应上升。在两个城市的数据集中均观察到一致的规律。最低采样频率情形（每周1次）下，仅有57%的组合达到高相关性标准，29%～43%的组合与日采样趋势存在统计学显著差异。相较而言，每周3次采样在高相关性比例和显著差异比例两项核心指标上均表现出显著改善，如显著差异组合比例较每周1次减少约50%，显示出更强的趋势一致性与统计稳健性。因此，在Omicron等传播速度较快的变异株流行背景下，每周三次采样可较好反映城市传播趋势。但采样频率并非一成不变的，应根据流行阶段、变异株特性和公共卫生目标动态调整。

不同采样频率下的城市趋势可视化比较

  图5：两个城市在不同采样频率下的城市趋势可视化比较。

将不同采样频率下的城市趋势线与日采样基准趋势线（红色）进行直观比较。每周1次及每周2次采样时，灰色趋势线（各采样日期组合）与基准趋势线之间呈现出较大的离散性，尤其在病毒浓度峰值附近偏差明显；而每周3次采样时，各趋势线已能较好地包络基准趋势，偏差程度大幅减少。值得注意的是，尽管不同采样频率下的整体趋势轮廓保持相对一致，具体的病毒浓度数值仍存在不可忽视的差异，如在峰值期的最高浓度值，这将直接影响对病毒传播风险水平及流行病学参数（如患病率、发病率）的定量估算，需在实际应用中审慎考量。

小结