介绍：法国高致病性禽流感（HPAI）的复发性流行病与流行病学格局的变化有关，例如在野鸟中检测频率增加以及引入到后院农场。这突显了需要更深入地理解驱动HPAI传播的因素，特别是环境因素，与其他因素不同，环境因素的研究仍然不足。
方法：在本研究中，我们考察了2022-2023年法国禽流感爆发点周边的多种农场和环境变量，以揭示检测到的爆发之间的潜在共同特征。从2022年8月到2023年3月，共有397家禽类养殖场发生感染，涉及不同种类和生产类型的禽类。对于每个爆发点，我们收集了养殖场的特征及其2公里范围内直接环境相关的变量。基于Gower距离，考虑到定性和定量变量，我们使用k-medoid聚类算法识别了集群。进一步采用随机森林分析来层级化每个变量在聚类过程中的相对作用，以评估农场结构和环境条件对爆发发生的重要性。为了区分环境因素与牛群内在特性的各自影响，该方法被应用了两次：首先，使用包含农场特性和环境变量的完整数据集（第一种情况）；其次，仅考虑环境变量（第二种情况）。
结果：总体而言，农场变量（如农场类型）在聚类过程中至关重要，超过了大部分环境因素，尽管距离“特殊风险区”和海岸线也很重要。然而，仅考虑环境变量的第二种情景下获得的聚类结果，与第一种情景保持一致。
讨论：这表明环境条件对禽群引入病毒的概率有不可忽视的影响。本研究采用了一种创新方法，探讨外部因素如何影响HPAI（高致病性禽流感）的动态，这有助于设计国家级的风险区。