BACKGROUND Scrub typhus (ST) and murine typhus (MT) are common but poorly understood causes of fever in Laos. We examined the spatial and temporal distribution of ST and MT, with the intent of informing interventions to prevent and control both diseases. METHODOLOGY AND PRINCIPLE FINDINGS This study included samples submitted from 2003 to 2017 to Mahosot Hospital, Vientiane, for ST and MT investigation. Serum samples were tested using IgM rapid diagnostic tests. Patient demographic data along with meteorological and environmental data from Laos were analysed. Approximately 17% of patients were positive for either ST (1,337/8,150 patients tested) or MT (1,283/7,552 patients tested). While both diseases occurred in inhabitants from Vientiane Capital, from the univariable analysis MT was positively and ST negatively associated with residence in Vientiane Capital. ST was highly seasonal, with cases two times more likely to occur during the wet season months of July-September compared to the dry season whilst MT peaked in the dry season. Multivariable regression analysis linked ST incidence to fluctuations in relative humidity whereas MT was linked to variation in temperature. Patients with ST infection were more likely to come from villages with higher levels of surface flooding and vegetation in the 16 days leading up to diagnosis. CONCLUSIONS The data suggest that as cities expand, high risk areas for MT will also expand. With global heating and risks of attendant higher precipitation, these data suggest that the incidence and spatial distribution of both MT and ST will increase.

中文翻译：

---

老挝恙虫病和鼠斑疹伤寒的时空分析；景观和气候变化的影响。

背景 鼠伤寒 (ST) 和鼠斑疹伤寒 (MT) 是老挝常见但知之甚少的发热原因。我们检查了 ST 和 MT 的空间和时间分布，目的是为预防和控制这两种疾病的干预措施提供信息。方法学和原则发现 本研究包括从 2003 年到 2017 年提交给万象 Mahosot 医院进行 ST 和 MT 调查的样本。血清样本使用 IgM 快速诊断测试进行测试。分析了来自老挝的患者人口统计数据以及气象和环境数据。大约 17% 的患者对 ST（测试的 1,337/8,150 名患者）或 MT（测试的 1,283/7,552 名患者）呈阳性。虽然这两种疾病都发生在万象首都的居民身上，从单变量分析来看，MT与在万象首都的居住地呈正相关，ST与居住地呈负相关。ST 具有很强的季节性，与旱季相比，7 月至 9 月的雨季月份发生病例的可能性是旱季的两倍，而 MT 在旱季达到顶峰。多变量回归分析将 ST 发生率与相对湿度的波动联系起来，而 MT 与温度变化有关。在诊断前的 16 天内，ST 感染患者更有可能来自地表洪水和植被水平较高的村庄。结论 数据表明，随着城市的扩张，MT 的高风险区域也将扩大。随着全球变暖和随之而来的更高降水风险，这些数据表明 MT 和 ST 的发生率和空间分布都将增加。ST 具有很强的季节性，与旱季相比，7 月至 9 月的雨季月份发生病例的可能性是旱季的两倍，而 MT 在旱季达到顶峰。多变量回归分析将 ST 发生率与相对湿度的波动联系起来，而 MT 与温度变化有关。在诊断前的 16 天内，ST 感染患者更有可能来自地表洪水和植被水平较高的村庄。结论 数据表明，随着城市的扩张，MT 的高风险区域也将扩大。随着全球变暖和随之而来的更高降水风险，这些数据表明 MT 和 ST 的发生率和空间分布都将增加。ST 具有很强的季节性，与旱季相比，7 月至 9 月的雨季月份发生病例的可能性是旱季的两倍，而 MT 在旱季达到顶峰。多变量回归分析将 ST 发生率与相对湿度的波动联系起来，而 MT 与温度变化有关。在诊断前的 16 天内，ST 感染患者更有可能来自地表洪水和植被水平较高的村庄。结论 数据表明，随着城市的扩张，MT 的高风险区域也将扩大。随着全球变暖和随之而来的更高降水风险，这些数据表明 MT 和 ST 的发生率和空间分布都将增加。与旱季相比，7 月至 9 月的雨季月份发生病例的可能性是旱季的两倍，而 MT 在旱季达到顶峰。多变量回归分析将 ST 发生率与相对湿度的波动联系起来，而 MT 与温度变化有关。在诊断前的 16 天内，ST 感染患者更有可能来自地表洪水和植被水平较高的村庄。结论 数据表明，随着城市的扩张，MT 的高风险区域也将扩大。随着全球变暖和随之而来的更高降水风险，这些数据表明 MT 和 ST 的发生率和空间分布都将增加。与旱季相比，7 月至 9 月的雨季月份发生病例的可能性是旱季的两倍，而 MT 在旱季达到顶峰。多变量回归分析将 ST 发生率与相对湿度的波动联系起来，而 MT 与温度变化有关。在诊断前的 16 天内，ST 感染患者更有可能来自地表洪水和植被水平较高的村庄。结论 数据表明，随着城市的扩张，MT 的高风险区域也将扩大。随着全球变暖和随之而来的更高降水风险，这些数据表明 MT 和 ST 的发生率和空间分布都将增加。多变量回归分析将 ST 发生率与相对湿度的波动联系起来，而 MT 与温度变化有关。在诊断前的 16 天内，ST 感染患者更有可能来自地表洪水和植被水平较高的村庄。结论 数据表明，随着城市的扩张，MT 的高风险区域也将扩大。随着全球变暖和随之而来的更高降水风险，这些数据表明 MT 和 ST 的发生率和空间分布都将增加。多变量回归分析将 ST 发生率与相对湿度的波动联系起来，而 MT 与温度变化有关。在诊断前的 16 天内，ST 感染患者更有可能来自地表洪水和植被水平较高的村庄。结论 数据表明，随着城市的扩张，MT 的高风险区域也将扩大。随着全球变暖和随之而来的更高降水风险，这些数据表明 MT 和 ST 的发生率和空间分布都将增加。