玻尔百科在一个日益互联的世界里，一种新型病原体的突然出现，可能以惊人的速度从局部暴发升级为全球危机。这些新发传染病是公共卫生和全球稳定面临的最重大挑战之一。理解这些威胁，不仅仅是识别新的病毒或细菌；它要求我们更深入地理解使其得以出现、演化并在我们人群中传播的复杂系统。传统的、零散的健康管理方法已不足以解决这个从根本上将人类、动物和环境的福祉联系在一起的问题。
本文通过提供对新发传染病背后科学的基础性理解来弥合这一差距。旅程始于第一章 原理与机制，该章揭开了核心概念的神秘面纱。您将了解何为“新发”疾病，病原体如何跨越物种屏障，它们用以适应和生存的演化策略，以及我们为检测它们而建立的监测系统。随后，应用与跨学科联系 章节将展示这些原理如何付诸实践。我们将探索现代流行病学的侦探工作、数学模型的预测能力，以及在面对大流行时出现的深刻伦理和社会挑战，揭示这门科学如何将从基因组学到全球政策的一切联系起来。
想象一片广阔而宁静的森林。几个世纪以来，一种特定的病毒在一种蝙蝠中无害地传播。它完全适应了它的宿主，是生态系统背景噪音的一部分。然后，有一天，情况发生了变化。一个病毒颗粒跳入了一个新宿主——一个农民、一个市场上的动物，或一个旅行者。那一次跳跃，那次微观的跨界，就可能成为点燃全球大火的火花。这就是 新发传染病 的核心。
但是，当我们称一种疾病为“新发”时，我们究竟指的是什么？它不仅仅是我们刚刚发现的一种疾病。这个术语在公共卫生领域有着特定而强大的含义。新发传染病 是指在人群中新出现的，或者虽然已经存在但新发病例数（发病率）迅速增加或其地理足迹正在扩大的疾病。至关重要的是，这种增加必须是真正的生物学或生态学事件，而不仅仅是因为我们诊断或报告病例的能力提高而造成的假象。
这一定义的关键是 新颖性。这种新颖性可以有多种形式。它可能是一种对人类来说全新的病原体，刚刚从动物宿主库中跳跃过来。它也可能是一种已知的病原体，但发生了重大的基因变化，例如突变使其更容易在人与人之间传播或逃避我们的免疫系统。
这与 再发传染病 不同。这些是我们以为已经战胜的旧敌。它们是已知的感染病，如麻疹或脊髓灰质炎，由于疫苗等有效控制措施，其发病率曾急剧下降，但现在又卷土重来。它们的再发通常是人类失败的故事——公共卫生基础设施的崩溃、疫苗接种率的下降，或是使我们最好的药物失效的抗微生物药物耐药性的演化。病原体本身并不新，但它的威胁却重生了 [@problem_o_id:4975796]。
从HIV到埃博拉再到SARS-CoV-2，绝大多数新发疾病并非始于人类，而是始于动物。病原体从动物宿主库跨越物种屏障进入人类宿主的那个关键时刻，被称为 溢出事件。这不是一个单一、统一的过程。病毒可能直接从蝙蝠跳到人身上。或者它可能走一条更曲折的路线，从其自然宿主库（如野鸟）转移到中间宿主（如家猪或异宠店里的草原犬鼠），然后最终到达人类。
这个简单的事实——我们的健康与我们共同生活的动物和环境的健康密不可分——是公共卫生领域一个革命性概念的基础：“同一健康”。传统的医学方法常常在学科之间筑起高墙：医生治疗人，兽医治疗动物，生态学家研究环境。这种孤立的观点是危险且不完整的。
“同一健康”框架推倒了这些墙壁。它认识到，如果不监测猪群中的呼吸道疾病，就无法理解人类流感的风险。如果不解决畜牧业中抗生素的使用问题，就无法应对医院中抗生素耐药性的危机。如果不了解洪水和老化的城市基础设施如何带来新的风险，就无法预测钩端螺旋体病等水源性疾病的暴发。“同一健康”是一种跨学科方法，它整合了人类、动物和环境健康，以共同预防、发现和应对威胁。这是从以人类为中心的被动应对，转变为在一个共享的星球上对健康采取主动的、系统层面的视角。
如果说溢出是火花，那么病毒演化就是驱动新发疾病出现的引擎。RNA病毒，包括流感病毒、冠状病毒和埃博拉病毒，是快速变化的专家。它们的复制机制，一种名为 RNA依赖性RNA聚合酶（RdRp） 的酶，是出了名的马虎。它在复制病毒基因组时会不断出错。每一个错误都是一个突变，是遗传密码中的一个微小变化。
这些突变大多对病毒无用或有害。但偶尔，一个突变会以恰到好处的方式改变病毒的表面蛋白——即我们免疫系统看到的部分。这种由我们的免疫系统试图识别和摧毁病毒的压力驱动的点突变的逐渐积累，被称为 抗原漂移。这就是为什么你每年都需要打新的流感疫苗；病毒已经“漂移”到足以让去年的免疫力不再是完美匹配。在基因水平上，漂移表现为整个基因组中单核苷酸取代的缓慢而稳定的积累。
但有时，病毒会做出更为剧烈的飞跃。这被称为 抗原转换，它可以通过两种惊人的遗传交换机制发生。
对于具有分段基因组的病毒，如其基因位于8个独立RNA片段上的流感病毒，可能会发生一种称为 重配 的过程。如果单个宿主细胞——比如猪的细胞——同时被两种不同的流感毒株（例如，一种来自鸟类，一种来自人类）感染，那么在组装新病毒颗粒时，病毒片段可以像一副扑克牌一样混合和匹配。结果可能是一种基因组合全新的病毒，例如将禽流感的表面蛋白装到人流感的底盘上。这是大流行的配方，因为人群对新的表面蛋白没有预先存在的免疫力。从遗传学上看，这会留下一个明显的特征：病毒的不同基因片段将具有完全不同的演化历史，这种现象称为系统发育不一致性。
对于像冠状病毒这样的非分段病毒，它们拥有单一的长RNA基因组，一种称为 重组 的不同过程可以创造突变。在复制过程中，聚合酶可以从同一个共感染细胞内的一个病毒基因组模板跳到另一个模板上。这种“复制-选择”机制创造了一个嵌合或马赛克基因组，将来自不同亲本病毒的片段拼接在一起。这可以立即创造出一个具有新特性的刺突蛋白，可能导致一种能够更有效地感染人类细胞的新病毒。与重配一样，这会产生一个独特的遗传特征：在单个基因内序列身份的急剧转换，标记了聚合酶跳跃模板的点。
一个常见的问题是：如果病毒可以如此迅速地演化，为什么它们不都演化成最致命的呢？这是一个引人入胜的谜题，揭示了演化生物学的一个深刻原理。从自然选择的角度来看，病毒的“目标”不是造成伤害，而是最大化其自身的传播并制造更多自身的复制品。这种成功的“货币”是 基本再生数，即 ——在一个完全易感的人群中，由单个感染者引起的平均新感染人数。只有当 时，疫情才能暴发。
现在，让我们思考一下病毒使你生病的严重程度（毒力，我们称之为 ）与它传播的难易程度（传播力，）之间的关系。直觉上，更高的病毒载量可能会同时增加毒力和传播力。然而，这里存在一个权衡。一个人具有传染性的总时间受限于他们的康复（速率为 ）或因该疾病死亡（速率为 ）。因此，传染期的持续时间大约是 。
一个简单的数学模型可以完美地阐明这种权衡。我们可以将 写成传播力与传染期持续时间的乘积： 我们假设传播力随毒力增加而增加，但最终会趋于平稳——它不能永远增加。一个描述这种情况的简单函数是 ，其中 和 是常数。将所有部分组合在一起，我们得到： 如果你分析这个函数，你会发现一个非凡的现象。使 最大化的毒力值 既不是零，也不是无穷大。存在一个中间的、最优的毒力，由优美的公式 给出。毒力太弱（低 ）的病毒传播得不够好。毒力太强（高 ）的病毒杀死宿主太快，缩短了其传播的机会。因此，自然选择通常倾向于一个中等毒力的“最佳点”，以最大化总体传播。这是一个深刻的例子，说明简单的数学原理如何能支配复杂的演化之舞，解释了为什么“最适”的病毒不一定是最致命的。
理解威胁如何出现是一回事；在一个拥有80亿人口的世界中找到它们则是另一回事。这是公共卫生监测的领域，一门致力于在全球草堆中寻找那根针的科学。在任何新疫情中，一个中心目标是识别 指示病例，即第一个被确认感染的人。这不是为了指责，而是为了澄清。找到指示病例是重建初始传播链、识别谁在何时被暴露以及迅速实施隔离等控制措施以打破传播链的关键第一步。
为了找到那个指示病例和随后的感染，卫生当局依赖两种互补的监测策略：
指标监测（IBS）：这是传统的、有条不紊的方法。它涉及从医院、诊所和实验室例行、结构化地收集数据。它基于正式的病例定义，寻找预定义的“指标”，如肺炎患者数量异常。IBS 可靠且能产生高质量数据，但其固定的报告周期可能使其速度较慢。在一个平均检测延迟为 的简单模型中，IBS 可能具有较小的检测率 ，导致更长的延迟。
事件监测（EBS）：这是现代的、快节奏的对应方法。它主动扫描海量的非结构化信息——新闻报道、在线论坛、社交媒体帖子，甚至来自敏锐临床医生关于“某些怪事”的非正式警报。EBS 为速度而设计，优先考虑快速检测新颖或意外的威胁。它就像一个早期预警雷达，其特点是检测率 更高，延迟更短。其代价是可能会产生噪音，生成更多需要调查的假警报。
理想的监测系统不是非此即彼，而是两者的有力结合——利用EBS的速度捕捉初始信号，并利用IBS的严谨性来验证和理解它。
新发疾病的原理和机制——从溢出到病毒演化再到监测——不仅仅是学术概念。它们是我们全球防御系统的科学基础。这个系统在 《国际卫生条例》（IHR） 中被正式化，这是一项各国共同努力预防和应对公共卫生威胁的协议。
IHR 要求各国建立和维持一套 核心能力。这些不是官僚主义的复选框；它们是国家和全球免疫系统的基本组成部分。它们包括强大的 监测 系统以快速检测威胁（缩短检测时间 ）、高质量的 实验室 以准确识别病原体（缩短实验室时间 ），以及高效的 协调 和沟通系统以向世界报告威胁（缩短通报时间 ）。目标是缩短从病原体出现到全球协调响应的总时间。
最终，这个全球框架的强度取决于其创立哲学。它必须拥抱 “同一健康” 范式，认识到我们的命运与我们周围动物和生态系统的健康息息相关。建立一个真正的全球免疫系统意味着不仅要在我们的诊所里，还要在我们的农场、森林和海洋中倾听危险的低语。这是最终的认识：在错综复杂的生命之网中，任何地方的感染都是对所有地方的潜在威胁。
在了解了新疾病如何出现和传播的基本原理之后，人们可能会对这一切的复杂性感到敬畏，甚至可能有些不安。但科学的真正美妙之处不仅在于它描述世界的能力，还在于它改变我们与世界关系的力量。我们讨论的原理不仅仅是学术上的抽象概念；它们正是我们用来窥视无形世界、预测未来以及在疫情带来的艰难抉择迷宫中导航的工具。在这里，流行病学的物理学变成了公共卫生的艺术。
新发传染病的研究是一部宏大的交响曲，在本章中，我们将聆听它的各个乐章。我们将看到同样的核心逻辑——关于速率、概率和反馈循环——如何在一个城市的下水道系统、一个医院的手术室、一台计算机的代码和一个国家的议会中产生共鸣。我们将发现，这门科学并非遥远而枯燥的东西，而是一项深刻的人类事业，融入了我们相互联系的世界的结构之中。
在与敌人战斗之前，我们必须首先看到它。对抗新发疾病的大部分战斗都是一项复杂的侦探工作，在喧嚣世界的噪音中寻找威胁的微弱信号。而我们的工具正变得越来越巧妙。
想象一下，能够掌握整个城市的脉搏，不是通过走访每家每户，而是通过分析一个单一的样本。这就是基于废水的流行病学的革命性前景。每天，成千上万人的排泄物汇集到污水处理厂，其中携带着社区健康的生化日记。通过在这些城市污水中寻找特定的病毒基因片段，公共卫生科学家可以在人们开始去诊所就诊的前几天甚至几周检测到感染的上升。为此，他们必须成为量化侦探，考虑病毒RNA在下水道管道中降解的速率以及其基因检测的灵敏度限制，以估计触发警报所需的最低感染人数。这是将市政基础设施转变为城市规模公共卫生传感器的非凡变革。
这种“同一健康”的视角——认识到人类、动物和环境健康密不可分——至关重要。许多新发病原体从动物宿主库跳到人类身上，通常是通过我们的食物供应链。想象一个现代化的家禽加工厂，这是工业效率的奇迹。然而，过程中的每一步都可能是微生物扩增或减少的潜在点。定量微生物风险评估将这一过程建模为一种微生物障碍赛。科学家们不将每只屠体上的病原体负荷视为一个单一数字，而是视为一个概率分布。然后他们可以计算每个阶段概率如何变化：杀死细菌的烫毛过程，可能导致交叉污染的去内脏步骤，以及抑制生长的最终冷却。通过对增减（通常在对数尺度上）求和，他们可以预测最终产品超过危险污染阈值的概率，从而指导干预措施，使我们的食物更安全。
侦探工作延伸到我们最先进的医疗环境中。对于需要器官移植的患者来说，获得一个肾脏或心脏的礼物是重生的机会。但这份礼物在极少数情况下可能携带一个隐藏的特洛伊木马：来自捐赠者的感染。移植团队面临着一个痛苦的任务，即在对器官的迫切需求与传播像HIV这样的已知病原体或新出现威胁的风险之间取得平衡。他们不能简单地依赖单一的检测结果。他们必须成为贝叶斯推理的大师，根据捐赠者的病史、地理位置和检测的“窗口期”——即感染后病毒可能存在但仍无法检测到的关键时期——不断更新他们对风险的评估。通过结合血清学和高灵敏度的核酸检测（NAT），并理解它们的统计局限性，临床医生在不确定性面前做出经过计算的、拯救生命的决定。
如果说监测是为了清晰地看到现在，那么建模就是为了窥见未来。数学模型是流行病学家的水晶球。它们不是魔法；它们是严谨的逻辑构造，让我们能够探索我们假设的后果并提出“如果……会怎样？”的问题。
一场疫情通常始于一个火花：一个人感染了少数几个人。我们可以将这个早期的、混乱的阶段建模为一个“分支过程”，就像一棵生长中的树的枝干。每个感染者平均会引起 个新感染，这就是著名的基本再生数。但这只是一个平均值。偶然情况下，一个人可能谁也不感染，而另一个人可能感染十个。这种固有的随机性，或称随机性，是早期疫情如此难以预测的原因。基于这一过程的模型，如Galton-Watson过程，不仅可以预测每一代传播中的平均病例数，还可以预测其方差——从幸运的自行消退到爆炸性暴发的可能性范围。
随着我们了解得更多，我们发现并非所有的树枝都是平等的。许多传染病的一个迷人而关键的特征是“过度离散”，这是一个深刻概念的简单名称：大多数传播来自少数感染者。这就是“超级传播”现象。这一单一见解彻底重塑了我们的控制方法。如果你随机选择一个感染者，谁可能是他们的感染源？统计理论告诉我们一个奇妙且不直观的结论：他们更有可能被一个导致大量感染的人所感染。这被称为“规模偏倚抽样”。这就是回溯性接触者追踪背后的优美逻辑。我们不只是向前追踪患者的接触者，而是问：“是谁感染了你？”然后追踪那个源头病例感染的所有其他人。这个策略非常高效，因为它优先找到了作为疫情引擎的大型聚集性病例。这一策略的预期收益不仅是平均传播数 的函数，也是离散参数 的函数，该参数衡量了传播的异质性程度。
当一场疫情从几个火花发展成熊熊大火时，我们的模型从个体链条的尺度转向整个人群。经典的易感-感染-康复（SIR）模型将人群划分为不同仓室，并描述它们之间的流动。但我们可以让这些模型变得更智能。我们知道，当一种疾病变得非常普遍时，人们会改变他们的行为。他们可能会待在家里、戴口罩或避开人群。这意味着新感染的速率并不会一直线性增加；它开始饱和。通过借鉴生态学的概念，如Holling II型功能反应，建模者可以将这种饱和效应纳入其中。这不仅使他们能够计算出疾病将成为地方性流行（在人群中持续存在）的条件，还能预测将保持感染状态的人群的长期比例，从而提供一个更现实的预测。
没有哪种疾病是一座孤岛。在我们的现代世界里，病毒从一个偏远村庄传播到一个全球大都市的时间，可能只相当于从一个大洲飞到另一个大洲的时间。全球化已经重绘了传染病的地图。
公共卫生机构现在需要应对源源不断的潜在输入病例。当世界上某个地方出现新的威胁时，一个常见的反应是实施旅行限制。这些措施有效吗？在这里，简单的数学模型再次提供了清晰的答案。通过将感染旅客的到达建模为泊松过程，我们可以量化此类措施的影响。我们发现，减少旅行量通常并不能阻止疾病的最终到达，但它做了一件同样有价值的事情：它赢得了时间。计算首个病例到达的预期延迟，可以精确地显示一个国家可能获得多少时间来准备医院、与公众沟通并准备其响应。在大流行中，时间是最宝贵的资源。
当全球化将我们跨越遥远距离连接起来时，基因组学的革命则将我们与病原体最深远的历史联系起来。一个生物体的遗传密码是一本用DNA或RNA语言写成的历史书。每当病毒复制时，都可能发生微小的复制错误，即突变。这些突变会传递给其后代，形成不同的谱系。通过对许多不同患者的病毒进行测序并比较它们的遗传密码，科学家可以重建病原体的家族树。这个名为系统动力学（phylodynamics）的领域，就像一台分子时间机器。利用一个名为溯祖理论（coalescent theory）的强大思想，我们可以沿着这棵树的枝干“回溯时间”。谱系合并或“溯祖”的速率，告诉我们它们来自的群体的大小。这使我们能够估计病原体随时间变化的“有效群体大小”()，这与感染人数直接相关。通过分析遗传数据，我们可以真实地观察到一场疫情的增长、达到顶峰和消退，从而使我们能够在控制措施实施很久之后评估其在现实世界中的影响。
最后，我们来到了最困难，也许也是最重要的联系。新发传染病不仅仅是生物现象；它们也是社会、政治和伦理危机。科学的工具可以告诉我们我们能做什么，但它们本身并不能告诉我们我们应该做什么。
考虑一个中低收入国家地区卫生管理者面临的可怕困境。一种新病毒正在迅速传播。将她有限的护士和社区卫生工作者重新分配去对抗疫情可以挽救许多生命。但每从常规岗位上抽调一名工作人员，就意味着少了一个提供儿童免疫接种、产前保健或管理慢性病的人。从疫情中挽救的生命，可能被换成因其他更熟悉的病因而失去的生命。这不是一个有简单答案的问题。这是一个深刻的伦理挑战，迫使我们在行善（beneficence）和不伤害（non-maleficence）的原则与公正（justice）和公平（equity）之间进行权衡。像《阿拉木图宣言》这样的框架提醒我们，健康是一项人权，即使在危机中，我们也必须努力保护最脆弱的群体。最好的计划不是那些简单地将某个数字最小化的计划，而是那些以透明、社区参与和对公平的承诺来平衡这些相互竞争的责任的计划。
与病毒流行并行，我们几乎总会面临一场“信息疫情”——一场信息的浪潮，其中一些准确，一些不准确。在一个自由社会中，我们如何才能在不损害我们所珍视的言论自由原则的情况下，打击有害虚假信息的传播？在这里，我们必须精确。我们必须区分错误信息（无恶意分享的虚假内容）、虚假信息（为欺骗和造成伤害而故意武器化的虚假内容）和恶意信息（为伤害某人而分享的真实内容，如私人医疗记录）。基于国际人权法的伦理回应遵循“限制最少的方式”原则。首选的第一反应永远是更多的言论：公共教育、事实核查和“预先辟谣”。更具限制性的措施，如内容删除，必须保留给那些构成清晰、迫在眉睫且重大伤害风险的言论——即便如此，也必须由透明的程序和申诉渠道来管理。这是在保护公共健康和保护公民自由之间进行的一种微妙、持续的平衡行为。
从下水道到州议会，从基因到全球，新发传染病的研究揭示了连接我们所有人的美丽而错综复杂的网络。这是一个要求我们不仅是优秀的科学家，还是优秀的统计学家、优秀的侦探、优秀的历史学家，并最终是优秀的公民的领域。我们所探索的原理是我们在这个复杂世界中航行的地图和指南针，不是带着恐惧，而是带着理解。