本研究《pathogen profiles and co-infection characteristics of acute respiratory infections based on active surveillance in a large district of southern china》是一项在中国南方一个大区开展的关于急性呼吸道感染（Acute Respiratory Infection， ARI）病原谱和共感染特征的原始研究。该研究旨在通过主动监测，阐明该地区ARI患者的多病原感染流行病学特征和共感染模式。
一、 主要作者、研究机构与发表信息 本研究主要由深圳市宝安区疾病预防控制中心（Bao’an Center for Disease Control and Prevention， Shenzhen）的研究团队主导完成。第一作者（并列通讯作者）为Meng Ren，其他主要作者包括Yixiong Chen、Sheng Zhang、Zhifeng Ma、Ziqi Wang、Jinfeng Liu、Dandan Niu、Jingjing Li、Xindong Zhang（来自宝安区公共卫生服务中心， Bao’an Center for Public Health Service）以及Bing Chen（并列通讯作者）。该研究已投稿至学术期刊《Frontiers in Public Health》（前沿公共卫生），具体为“Infectious Diseases: Epidemiology and Prevention”（传染病：流行病学与预防）专业版块。投稿时间为2026年4月13日，稿件ID为1854385。
二、 学术背景与研究目标 急性呼吸道感染（ARI）是全球范围内发病率高、负担重的重大公共卫生问题，是导致死亡的主要原因之一。近年来，多种新发呼吸道病原体不断出现，同时既有病原体的流行模式也在持续演变，这使得对ARI进行长期、连续的多病原体监测对于防控呼吸道传染病至关重要。然而，现有监测系统往往侧重于特定病原体（如流感、麻疹等），覆盖面和时效性有限，难以全面、及时地反映呼吸道病原谱的复杂变化。特别是在COVID-19大流行之后，呼吸道病原体的流行特征尚不明确，缺乏近期多病原监测数据的系统分析。
研究选址于中国南方某大型行政区，位于粤港澳大湾区核心地带，人口密度高、流动性大，为ARI的传播和监测提供了典型的研究场景。该区域已建立起基于多病原检测的ARI主动监测系统。因此，本研究的主要目标是：明确该地区ARI患者的多病原感染流行病学特征及其共感染模式。研究的具体目标包括：识别主要的病毒和细菌病原体；分析不同年龄组、不同疾病严重程度（门诊/住院、肺炎/非肺炎）患者之间的病原谱差异；探究不同病原体（病毒-病毒、细菌-细菌、病毒-细菌）之间的相互作用模式。这些发现将为完善ARI监测系统、优化预防和控制策略提供依据。
三、 详细研究流程与方法 本研究是一项多中心前瞻性主动监测研究，详细流程与方法如下：
研究对象招募与样本收集（2024年8月1日至2025年12月31日）：
- 研究地点与对象：研究在南方某区（根据内容推断为深圳市宝安区）的8家哨点医院开展。这些医院均为二级及以上公立医院，遍布全区，以确保监测点的代表性。研究对象为在发热门诊、呼吸科、急诊科或重症监护室初步诊断为ARI和/或肺炎的门诊和住院患者。ARI和肺炎的定义依据2016年《中国成人社区获得性肺炎诊断和治疗指南》。
- 排除标准：诊断非感染性呼吸道疾病（如哮喘、癌症）的患者被排除。
- 样本收集策略：在患者就诊72小时内且治疗前，采集呼吸道样本（口咽拭子、鼻咽拭子或支气管肺泡灌洗液）。优先为上呼吸道感染患者采集口咽/鼻咽拭子，为下呼吸道感染患者采集支气管肺泡灌洗液。为确保样本的平衡性和代表性，采用固定抽样策略：每周二、四、六从每家医院采集2例上呼吸道感染患者样本；每月从每家医院采集10例肺炎患者样本。
- 数据收集：通过问卷收集患者就诊科室、基本信息、临床症状、样本类型及知情同意等信息。
病原体检测：
- 检测技术：研究采用多重聚合酶链式反应（multiplex polymerase chain reaction， PCR）技术对样本进行检测。
- 检测病原体谱：共检测20种呼吸道病原体，包括：
- 14种病毒：严重急性呼吸综合征冠状病毒2型（SARS-CoV-2）、甲型流感病毒（Influenza A Virus， IAV）、乙型流感病毒（IBV）、呼吸道合胞病毒（RSV）、腺病毒（ADV）、人偏肺病毒（HMPV）、副流感病毒（PIV）、人冠状病毒NL63（HCoV-NL63）、人冠状病毒HKU1（HCoV-HKU1）、人冠状病毒229E（HCoV-229E）、人冠状病毒OC43（HCoV-OC43）、人博卡病毒（HBoV）、鼻病毒（RV）、肠道病毒（EV）。
- 4种细菌：A组链球菌（Group A Streptococcus， GAS）、百日咳杆菌（Bordetella pertussis）、肺炎链球菌（Streptococcus pneumoniae， Spn）、流感嗜血杆菌（Haemophilus influenzae， H. influenzae）。
- 2种非典型病原体：肺炎衣原体（C. pneumoniae）和肺炎支原体（M. pneumoniae）。
- 实验室检测遵循生物安全管理规定和国家病原微生物实验室标准操作程序（SOP）。
数据管理与统计分析：
- 数据清理：初始招募7145例ARI患者，排除样本采集延迟、重复或信息不全的946例后，最终纳入6199例进行分析。
- 描述性分析：对患者人口学特征、病原体检出率进行描述。定性变量以频数和百分比表示，定量变量根据分布情况以均值±标准差或中位数（四分位距）表示。将研究对象按年龄分为四组：岁儿童、5-17岁学龄儿童、18-59岁成人、≥60岁老年人。使用卡方检验（经Bonferroni校正）比较不同组间病原体检出率的差异。使用Cochran-Armitage趋势检验分析检出率随年龄的变化趋势。
- 病原体相互作用分析：这是本研究的核心分析方法，采用了一种多阶段逻辑回归模型（multi-stage logistic regression model） 来推断个体水平上病原体间的相互作用。
- 第一阶段（初步筛选）：将每个病原体Y依次作为因变量，其他非Y病原体X作为自变量，并调整年龄、性别、疾病严重程度和季节特征等协变量，进行二元逻辑回归。此阶段在20种病原体中初步筛选出190对潜在的成对相互作用。
- 第二阶段（多病原混杂校正）：为了排除其他病原体同时存在造成的混杂效应，在第二阶段，当以某个病原体Y为因变量时，将所有其他非Y病原体的检测结果同时作为解释变量引入模型，并调整相同的协变量。此步骤旨在控制其他病原体共存的影响，更精确地评估两两病原体之间的独立关联。
- 第三阶段（综合判定）：综合前两阶段的结果，只有当病原体A和B在分别作为自变量和因变量的模型中，其关联都具有统计学显著性时，才确认两者存在相互作用。根据比值比（Odds Ratio， OR）判断相互作用的性质：OR > 1表示存在正协同效应（Synergistic Effect），即一种病原体的存在增加另一种病原体存在的几率；OR < 1表示存在负竞争效应（Competitive Effect），即一种病原体的存在减少另一种病原体存在的几率。
- Join-point回归分析：用于探索病原体检出率随年龄变化的趋势，识别趋势发生变化的“拐点”年龄。
四、 主要研究结果 研究对6199例患者进行了分析，患者中位年龄为24岁，男性占54.1%，住院患者占15.1%，肺炎患者占9.9%。
总体感染与共感染情况：
- 至少检出一种病原体的阳性率为62.5%（3876/6199）。
- 检出两种或以上病原体的共感染率为18.5%（1148/6199）。其中，检出2种、3-4种、≥5种病原体的比例分别为14.2%、4.2%和0.06%。
- 共感染率呈现显著的年龄差异，且随年龄增长而下降。5岁以下儿童和学龄儿童的共感染率最高，分别为34.9%和32.0%，而老年人仅为5.5%。
主要病原体谱：
- 病毒谱：总体检出率最高的三种病毒是鼻病毒（RV， 13.6%）、甲型流感病毒（IAV， 11.7%） 和SARS-CoV-2（8.4%）。
- 年龄差异：在5岁以下儿童中，主要病毒为RV（23.4%）、RSV（17.6%）和PIV（9.6%）；在学龄儿童中为RV（19.2%）和IAV（15.4%）；在成人和老年人中，主要病毒均为IAV、SARS-CoV-2和RV，但检出率随年龄增长而降低。
- 疾病严重程度差异：在门诊患者中，检出率前三的病毒是RV、IAV、SARS-CoV-2；在住院患者中，则是RSV（14.2%）、IAV和RV。RV和SARS-CoV-2在门诊患者中检出率更高，而RSV、EV和HBoV在住院患者中检出率更高。在肺炎患者中，RSV（15.3%）检出率最高，其次为RV和IAV；非肺炎患者中则为RV、IAV和SARS-CoV-2。
- 细菌谱：总体检出率最高的三种细菌是流感嗜血杆菌（H. influenzae， 17.5%）、肺炎链球菌（Spn， 10.7%） 和A组链球菌（GAS， 3.2%）。
- 年龄差异：5岁以下儿童细菌检出率最高的是Spn（22.1%）和H. influenzae（18.9%）；学龄儿童、成人和老年人中均为H. influenzae、Spn和GAS，但检出率在学龄儿童中达到峰值（H. influenzae 29.0%， Spn 19.3%），随后下降。Spn的检出率随年龄增长呈下降趋势。
- 疾病严重程度差异：门诊患者中主要为H. influenzae、Spn和GAS；住院患者中主要为Spn、H. influenzae和GAS。Spn在住院患者中的检出率显著高于门诊患者，而GAS在门诊患者中更高。在肺炎与非肺炎患者中，主要细菌种类一致，但Spn在肺炎患者中的检出率更高。
常见共感染组合：
- 最常见的三种共感染病原体组合分别是：肺炎链球菌与流感嗜血杆菌（3.4%）、鼻病毒与流感嗜血杆菌（2.8%）、鼻病毒与肺炎链球菌（2.0%）。
病原体相互作用模式（核心发现）：
- 病毒-病毒相互作用：主要表现出竞争效应。例如，IAV与RV共存的可能性降低（OR=0.20， 95%CI: 0.13-0.30），IAV与RSV之间（OR=0.12， 95%CI: 0.03-0.51）以及SARS-CoV-2与RSV之间（OR=0.41， 95%CI: 0.20-0.81）也存在竞争。仅HBoV与HCoV-229E（OR=10.98）以及HBoV与RV（OR=2.04）表现出协同效应。
- 细菌-细菌相互作用：主要表现出协同效应。例如，Spn的存在与H. influenzae的存在显著正相关（OR=2.09， 95%CI: 1.73-2.53），Spn与GAS之间也存在协同（OR=1.51， 95%CI: 1.02-2.22）。
- 病毒-细菌相互作用：模式较为复杂，既有协同也有竞争。例如，HMPV与H. influenzae（OR=1.54）、RSV与Spn（OR=1.62）表现出协同效应；而IAV与GAS（OR=0.49）、HBoV与Spn（OR=0.42）则表现出竞争效应。
五、 研究结论与意义 本研究的结论是：在中国南方该大型行政区，ARI患者中病原谱存在显著差异，主要受患者年龄和疾病严重程度影响。具体而言，RV、IAV和SARS-CoV-2是最常见的病毒，H. influenzae、Spn和GAS是最常见的细菌。不同病原体之间的相互作用模式不同：病毒间以竞争为主，细菌间以协作为主，而病毒与细菌间的相互作用则兼具两种模式。
科学价值与应用价值： 1. 填补知识空白：研究系统揭示了COVID-19大流行后特定地区ARI的多病原流行现状和共感染特征，为理解病原体生态学和流行病学提供了最新的数据支持。 2. 揭示相互作用机制：通过创新的多阶段逻辑回归模型，在个体层面量化了不同病原体间的相互作用，首次在该地区系统地描述了病毒-病毒、细菌-细菌、病毒-细菌相互作用的竞争与协同网络，深化了对多病原感染动态的理解。 3. 指导精准防控：研究明确了不同年龄组和临床严重程度患者的主要病原体差异，提示防控措施应更具针对性。例如，对儿童需重点关注RSV和Spn，对学龄儿童和成人需关注IAV和H. influenzae等。 4. 验证监测策略：研究表明，基于多重PCR的多病原主动监测系统能够有效、全面地捕捉呼吸道病原谱，为建立和优化覆盖更广、响应更及时的ARI综合监测网络提供了实践范本和证据支持。 5. 提示研究方向：研究发现的复杂相互作用模式，提示呼吸道感染的起始和传播是多病原相互作用和联合效应的结果，未来需要进一步研究其生物学机制，以指导多病原感染的整合防治。
六、 研究亮点 1. 大规模主动监测设计：研究基于区县级多哨点医院网络，进行了为期近一年半的大规模前瞻性主动监测，样本量大（n=6199），数据具有较好的代表性和时效性。 2. 全面的病原体谱：同时检测20种常见呼吸道病原体，涵盖了病毒、细菌和非典型病原体，提供了全面的病原谱画像。 3. 创新的分析方法：采用多阶段逻辑回归模型分析病原体相互作用，该方法通过控制其他共现病原体的混杂，能够更可靠地推断两两病原体之间的独立关联，是方法学上的一个亮点。 4. 深入的相互作用分析：研究不仅描述了共感染率，更重要的是深入分析了不同类型病原体间的相互作用模式（竞争/协同），得出了“病毒间竞争、细菌间协同、病毒细菌间关系复杂”的核心结论，具有重要的科学洞察力。 5. 细致的分层分析：研究对结果进行了多维度的分层分析（年龄、门诊/住院、肺炎/非肺炎），揭示了病原体分布的异质性，使结论更具公共卫生指导意义。
七、 其他有价值内容 1. 趋势分析：通过Join-point回归，研究展示了主要病原体检出率随年龄变化的动态趋势及拐点，例如IAV和SARS-CoV-2的检出率在特定年龄（7岁和26岁）达到峰值后下降，而Spn在23岁后检出率与年龄呈正相关。这些趋势为理解不同年龄段的感染风险提供了更精细的视角。 2. 局限性坦诚：研究客观指出了自身的局限性，包括：相互作用的结论仅为统计学关联，需进一步机制研究；未分析标本类型对检出率的可能影响；缺乏合并症数据，无法分析其对病原谱的影响。这种坦诚增强了研究的科学性。 3. 技术展望：研究在讨论中指出，未来可结合靶向二代测序（Targeted Next Generation Sequencing， T-NGS）和宏基因组二代测序（Metagenomic Next Generation Sequencing， mNGS）等高通量技术，以弥补多重PCR可能存在的检测盲区，为未来技术路线的升级指明了方向。