李小洲王勁峰楊維中李中杰賴圣杰廖一蘭

基于不同參數(shù)的空間掃描統(tǒng)計(jì)量方法在傳染病暴發(fā)探測(cè)中的效果比較*

李小洲1王勁峰2△楊維中3李中杰3賴圣杰3廖一蘭2

目的根據(jù)不同傳染病，比較和篩選空間掃描統(tǒng)計(jì)量方法適宜的預(yù)警參數(shù)，從而更好地應(yīng)用于傳染病暴發(fā)早期探測(cè)預(yù)警。方法以2009年湖南省報(bào)告的痢疾和山東省報(bào)告的手足口病的病例與暴發(fā)事件為數(shù)據(jù)來(lái)源，以靈敏度和陽(yáng)性預(yù)測(cè)率為評(píng)價(jià)指標(biāo)，比較空間掃描統(tǒng)計(jì)量30種參數(shù)設(shè)置方案對(duì)不同傳染病的預(yù)警效果。結(jié)果對(duì)于痢疾，將4天的病例數(shù)按1階權(quán)重取和后再進(jìn)行空間掃描統(tǒng)計(jì)量預(yù)警運(yùn)算，具有最優(yōu)的預(yù)警效果；對(duì)于手足口病，將當(dāng)前病例數(shù)采用3天的病例數(shù)之和再進(jìn)行預(yù)警運(yùn)算，具有最佳的預(yù)警效果。結(jié)論采用空間掃描統(tǒng)計(jì)量進(jìn)行傳染病暴發(fā)預(yù)警時(shí)，不同傳染病具有不同的最優(yōu)參數(shù)，但下一步應(yīng)根據(jù)傳染病的不同發(fā)病水平，進(jìn)一步篩選最優(yōu)參數(shù)。

空間掃描統(tǒng)計(jì)量 傳染病 早期預(yù)警

盡早發(fā)現(xiàn)傳染病暴發(fā)，及時(shí)采取有效的控制措施，可有效降低疾病造成的發(fā)病和死亡，因此如何在早期探測(cè)發(fā)現(xiàn)暴發(fā)事件是公共衛(wèi)生領(lǐng)域始終關(guān)注的一個(gè)熱點(diǎn)問(wèn)題［1］。在2003年SARS暴發(fā)后，我國(guó)建立了一套基于互聯(lián)網(wǎng)的國(guó)家“疾病監(jiān)測(cè)信息報(bào)告管理系統(tǒng)”，該系統(tǒng)使全國(guó)各級(jí)各類醫(yī)療衛(wèi)生機(jī)構(gòu)可通過(guò)互聯(lián)網(wǎng)，將法定報(bào)告?zhèn)魅静〉膫€(gè)案信息實(shí)時(shí)地報(bào)告至國(guó)家傳染病監(jiān)測(cè)數(shù)據(jù)庫(kù)［2］。

傳染病暴發(fā)一般表現(xiàn)為局部范圍內(nèi)的病例數(shù)異常上升，但可能發(fā)生病例聚集的地區(qū)范圍無(wú)法事先作出預(yù)測(cè)?？臻g掃描統(tǒng)計(jì)量方法［3-4］是由Dr.Kulldorff提出的一種探測(cè)空間聚集性的統(tǒng)計(jì)方法，在傳染病暴發(fā)預(yù)警方面也已經(jīng)有了廣泛的應(yīng)用，例如美國(guó)紐約市的癥狀監(jiān)測(cè)預(yù)警系統(tǒng)［5-6］。使用空間掃描方法可以探測(cè)到局部的病例聚集區(qū)域，發(fā)出預(yù)警信號(hào)，為疾控機(jī)構(gòu)調(diào)查核實(shí)和防控提供幫助。

已有的研究［7-9］一般將空間掃描統(tǒng)計(jì)量方法直接用于各病種的探測(cè)，未能夠根據(jù)不同疾病的特點(diǎn)，設(shè)置相應(yīng)適合的預(yù)警參數(shù)。因此，本研究根據(jù)不同傳染病的特點(diǎn)，比較和篩選空間掃描統(tǒng)計(jì)量方法不同的預(yù)警參數(shù)，從而更好地應(yīng)用于傳染病暴發(fā)早期探測(cè)預(yù)警。

數(shù)據(jù)來(lái)源與方法

1.數(shù)據(jù)來(lái)源

本研究選取2009年1月1日至12月31日，“疾病監(jiān)測(cè)信息報(bào)告管理系統(tǒng)”中報(bào)告的湖南省痢疾和山東省手足口病病例，以及“突發(fā)公共衛(wèi)生事件報(bào)告管理信息系統(tǒng)”報(bào)告的相應(yīng)省份和病種的暴發(fā)事件作為數(shù)據(jù)源。

2.方法

（1）空間掃描統(tǒng)計(jì)量方法介紹

該方法主要具有三個(gè)特點(diǎn)［3-4］：一是考慮了在整個(gè)研究區(qū)域內(nèi)，具有患病風(fēng)險(xiǎn)的人口數(shù)具有非均勻分布的特點(diǎn)；二是對(duì)于聚集區(qū)域的范圍、位置都不需要預(yù)先判斷，就可以探測(cè)出實(shí)際發(fā)生聚集的具體位置和范圍；三是對(duì)于探測(cè)到的聚集性區(qū)域，可以進(jìn)行統(tǒng)計(jì)推斷，幫助用戶判斷這種聚集是否隨機(jī)偶然出現(xiàn)。

空間掃描統(tǒng)計(jì)量方法的主要步驟如下［3-4］：

首先，列出所有可能發(fā)生病例聚集的候選聚集區(qū)域。然后，利用各個(gè)候選區(qū)域已知的病例數(shù)和具有患病風(fēng)險(xiǎn)的人口數(shù)，一般也可以用該區(qū)域的人口普查數(shù)據(jù)代替，計(jì)算出每個(gè)候選聚集區(qū)域的似然比值。計(jì)算似然比值時(shí)，需要假定，至少在某一個(gè)候選聚集區(qū)域內(nèi)的患病風(fēng)險(xiǎn)值，大于該區(qū)域外的患病風(fēng)險(xiǎn)值。其中，具有最大似然比值的候選聚集區(qū)域即為最大可能性病例聚集區(qū)域。最后，通過(guò)Monte Carlo模擬方法對(duì)所探測(cè)到的最大可能性聚集區(qū)域進(jìn)行統(tǒng)計(jì)學(xué)檢驗(yàn)，計(jì)算P值。P值小于設(shè)定的預(yù)警閾值，即認(rèn)為該區(qū)域存在病例聚集。參照國(guó)家傳染病自動(dòng)預(yù)警系統(tǒng)的運(yùn)行方式［1］，本研究對(duì)各縣每天分別進(jìn)行空間掃描，尋找和判斷病例的聚集性區(qū)域（包含1個(gè)或若干個(gè)鄉(xiāng)鎮(zhèn)），并發(fā)出預(yù)警信號(hào)。

（2）參數(shù)設(shè)置和測(cè)試方案

我們每天都需要把空間掃描統(tǒng)計(jì)量方法應(yīng)用于各鄉(xiāng)鎮(zhèn)上報(bào)的病例數(shù)據(jù)，以便及時(shí)地探測(cè)到可能的傳染病暴發(fā)事件。對(duì)于每天病例數(shù)的預(yù)處理方式和預(yù)警閥值P的選擇，是本方法在應(yīng)用中的主要可調(diào)整參數(shù)。不同的參數(shù)設(shè)置可能會(huì)導(dǎo)致非常不同的預(yù)警效果。考慮到不同地區(qū)不同疾病的傳播規(guī)律會(huì)有較大的區(qū)別，本研究一共設(shè)計(jì)并提出了30套參數(shù)方案。利用已經(jīng)收集到的病例數(shù)據(jù)進(jìn)行測(cè)試，希望從中選擇出適合特定區(qū)域、特定病種的最優(yōu)參數(shù)。每一套參數(shù)包括以下三種可調(diào)的參數(shù)：

（1）為計(jì)算當(dāng)前病例數(shù)所取的時(shí)間范圍。一共需要利用前面多少天的病例數(shù)來(lái)計(jì)算得到病例數(shù)當(dāng)前值？我們?cè)O(shè)定的預(yù)警方案有四種選擇，分別是當(dāng)天數(shù)據(jù)、當(dāng)天以及前1天、當(dāng)天以及前2天、當(dāng)天以及前3天。利用“疾病監(jiān)測(cè)信息報(bào)告管理系統(tǒng)”的個(gè)案數(shù)據(jù)，可以得到每個(gè)鄉(xiāng)鎮(zhèn)的每日?qǐng)?bào)告病例數(shù)。利用每個(gè)鄉(xiāng)鎮(zhèn)當(dāng)天以及前面若干天的報(bào)告病例數(shù)據(jù)，經(jīng)預(yù)處理之后，作為該鄉(xiāng)鎮(zhèn)的當(dāng)前病例數(shù)，再應(yīng)用到空間掃描統(tǒng)計(jì)量方法中進(jìn)行探測(cè)預(yù)警。

（2）對(duì)病例數(shù)如何預(yù)處理。對(duì)前面多少天的病例數(shù)據(jù)進(jìn)行了何種預(yù)處理以得到當(dāng)前值？如果只利用當(dāng)天數(shù)據(jù)，則顯然不需要預(yù)處理。如果計(jì)算當(dāng)前值考慮到了前面若干天的病例數(shù)據(jù)，則需要對(duì)不同的時(shí)間所得到的病例數(shù)值賦予不同的權(quán)重，然后取和得到新的當(dāng)前值［10］。我們?cè)O(shè)c（i）表示某個(gè)鄉(xiāng)鎮(zhèn)在第i天上報(bào)的實(shí)際病例數(shù)，C（i）表示在第i天參與預(yù)警運(yùn)算時(shí)的當(dāng)前值。假設(shè)我們利用了當(dāng)天以及前2天的病例數(shù)據(jù)，則C（i）＝f（c（i-2），c（i-1），c（i）），f（）表示某種預(yù)處理函數(shù)。我們?cè)O(shè)定的預(yù)警方案可以選擇三種預(yù)處理函數(shù)。

其中fs（）表示直接取和，f1（）表示對(duì)每日病例數(shù)賦予一階權(quán)重系數(shù)，f2（）表示對(duì)每日病例數(shù)賦予二階權(quán)重系數(shù)。

（3）預(yù)警閾值：分別設(shè)定了三種閾值，0.01、0.02、0.03。

將上面的三種參數(shù)的不同設(shè)定值進(jìn)行組合，共產(chǎn)生30套不同的預(yù)警參數(shù)方案，如表1所示。

3.評(píng)價(jià)指標(biāo)

本研究中我們對(duì)于研究區(qū)域（湖南省和山東?。﹥?nèi)的每一個(gè)縣（由若干個(gè)鄉(xiāng)組成）、每一天分別采用以上設(shè)定的30種不同預(yù)警參數(shù)進(jìn)行空間掃描。本文中利用“突發(fā)公共衛(wèi)生事件報(bào)告管理信息系統(tǒng)”中報(bào)告的傳染病暴發(fā)事件數(shù)據(jù)作為評(píng)判預(yù)警信號(hào)的參考標(biāo)準(zhǔn)。每起暴發(fā)事件信息包括每日?qǐng)?bào)告病例數(shù)、報(bào)告日期和病例所在的鄉(xiāng)鎮(zhèn)。本研究選定暴發(fā)首次報(bào)告病例日期為暴發(fā)開(kāi)始時(shí)間，末次報(bào)告病例日期為暴發(fā)結(jié)束時(shí)間，二者之間為暴發(fā)持續(xù)時(shí)間。在此期間，預(yù)警方法發(fā)出1個(gè)及以上信號(hào)且預(yù)警信號(hào)探測(cè)到的病例聚集鄉(xiāng)鎮(zhèn)在暴發(fā)事件當(dāng)日?qǐng)?bào)告病例所在鄉(xiāng)鎮(zhèn)范圍內(nèi)，即認(rèn)為探測(cè)到該起暴發(fā)，該條預(yù)警信號(hào)是有效的信號(hào)。

本研究采用靈敏度、暴發(fā)探測(cè)時(shí)間和陽(yáng)性預(yù)測(cè)值等指標(biāo)評(píng)價(jià)不同預(yù)警參數(shù)設(shè)置的效果。靈敏度指探測(cè)到的暴發(fā)事件數(shù)占全部暴發(fā)事件數(shù)的百分比。暴發(fā)探測(cè)時(shí)間是指暴發(fā)開(kāi)始至空間掃描統(tǒng)計(jì)量方法首次正確發(fā)出預(yù)警信號(hào)的時(shí)間間隔，采用所有暴發(fā)探測(cè)時(shí)間的中位數(shù)來(lái)評(píng)價(jià)預(yù)警的及時(shí)性［10］。陽(yáng)性預(yù)測(cè)值指有效的預(yù)警信號(hào)所占預(yù)警信號(hào)總數(shù)的百分比。

本研究采用最高靈敏度、最短暴發(fā)探測(cè)時(shí)間、最高陽(yáng)性預(yù)測(cè)值作為最優(yōu)閾值的依次篩選依據(jù)［11］，即靈敏度越高，方法探測(cè)效果越好；靈敏度相同，則暴發(fā)探測(cè)時(shí)間越短，方法探測(cè)效果越好；若靈敏度和暴發(fā)探測(cè)時(shí)間相同，則陽(yáng)性預(yù)測(cè)值越高，方法探測(cè)效果越好。

4.數(shù)據(jù)處理與分析軟件

采用R統(tǒng)計(jì)軟件［12］編寫(xiě)空間掃描統(tǒng)計(jì)量算法運(yùn)算程序，對(duì)數(shù)據(jù)進(jìn)行處理和分析。

結(jié) 果

1.湖南省痢疾探測(cè)效果

湖南省在2009年一共報(bào)告了11352個(gè)痢疾病例，全年總的發(fā)病率為18/10萬(wàn)。其中的暴發(fā)事件有3起，一共由6條暴發(fā)事件記錄構(gòu)成，包括了56個(gè)暴發(fā)事件病例。30種預(yù)警方案的結(jié)果如表1所示。

30種預(yù)警方案在靈敏度方面都取得了比較好的結(jié)果。所有的預(yù)警方案都探測(cè)到了全部3起暴發(fā)事件。被探測(cè)到的暴發(fā)事件也全部在事件發(fā)生的第一天就被探測(cè)到了，有較好的及時(shí)性。預(yù)警信號(hào)數(shù)和預(yù)警信號(hào)陽(yáng)性預(yù)測(cè)值方面有較大的差別。根據(jù)評(píng)價(jià)標(biāo)準(zhǔn)，第22套參數(shù)最優(yōu)，它具有最好靈敏度值1、最短暴發(fā)探測(cè)時(shí)間1天和最高的陽(yáng)性預(yù)測(cè)值0.333，而且預(yù)警信號(hào)數(shù)最少，為18條。

2.山東省手足口病探測(cè)效果

山東省在2009年一共上報(bào)了138387個(gè)手足口病例，全年總的發(fā)病率為180/10萬(wàn)。其中的暴發(fā)事件有108起，一共由939條暴發(fā)事件記錄構(gòu)成，包括了1673個(gè)暴發(fā)事件病例。30種預(yù)警方案的結(jié)果如表1所示。

30種預(yù)警方案在靈敏度和陽(yáng)性預(yù)測(cè)率兩方面都有著較大的差異。幾套性能較優(yōu)參數(shù)方案的靈敏度都大于92%，但陽(yáng)性預(yù)測(cè)值均較低，預(yù)警信號(hào)數(shù)較多。根據(jù)評(píng)價(jià)標(biāo)準(zhǔn)，第21套參數(shù)最優(yōu)，它具有最好靈敏度值0.944、最短的暴發(fā)探測(cè)時(shí)間2天，但陽(yáng)性預(yù)測(cè)值不高，為0.053，預(yù)警信號(hào)數(shù)為8567條。

表1 30種預(yù)警方案應(yīng)用于2009年湖南省痢疾病例和山東省手足口病例數(shù)據(jù)

討 論

當(dāng)將空間掃描算法應(yīng)用于傳染病暴發(fā)探測(cè)時(shí)，為了達(dá)到最優(yōu)的預(yù)警效果，對(duì)于不同地區(qū)的不同傳染病需要選擇完全不同的參數(shù)方案。不同疾病在發(fā)病水平上的較大差異，可能是導(dǎo)致不同參數(shù)預(yù)警效果差異的原因之一。

手足口病在山東省2009年的總體發(fā)病率幾乎是痢疾在湖南省2009年的總體發(fā)病率的10倍，相應(yīng)的暴發(fā)事件以及暴發(fā)事件病例數(shù)，山東省也遠(yuǎn)遠(yuǎn)高于湖南省。對(duì)于總體發(fā)病率較低的湖南省，最優(yōu)的預(yù)警方案是將4天的病例數(shù)按1階權(quán)重取和得到當(dāng)前值，然后再參與空間掃描運(yùn)算。這樣可以在一定程度上消除某一天偶然病例數(shù)上升的影響。而對(duì)于總體發(fā)病率相對(duì)較高的山東省，最優(yōu)的預(yù)警方案是將3天的病例數(shù)直接取和得到當(dāng)前值，然后再參與空間掃描運(yùn)算。這說(shuō)明，在真實(shí)的傳染病暴發(fā)區(qū)域內(nèi)，只采用1天的病例數(shù)尚不足以產(chǎn)生預(yù)警信號(hào)，只有將3天病例數(shù)取和之后再參與運(yùn)算，才能夠?qū)Υ蠖鄶?shù)的暴發(fā)事件作出響應(yīng)。另外，不同傳染病本身的特點(diǎn)也會(huì)對(duì)參數(shù)方案的選擇產(chǎn)生較大的影響。

本研究只是對(duì)比了不同疾病在不同地區(qū)的參數(shù)預(yù)警效果，這時(shí)兩種不同疾病的各自特點(diǎn)會(huì)在一定程度上影響對(duì)不同參數(shù)方案的選擇。下一步可以考慮同一種疾病在不同發(fā)病水平地區(qū)的參數(shù)預(yù)警效果比較，這樣可以消除不同疾病間差異的影響。另外，采用“突發(fā)公共衛(wèi)生事件報(bào)告管理信息系統(tǒng)”報(bào)告的暴發(fā)事件作為真實(shí)暴發(fā)的判斷標(biāo)準(zhǔn)也存在一定的局限性，可能存在一些真實(shí)的較小暴發(fā)事件，因?yàn)槟承┛陀^原因，并沒(méi)有被系統(tǒng)上報(bào)。這可能是導(dǎo)致預(yù)警陽(yáng)性預(yù)測(cè)值不高的原因之一。

1.楊維中，蘭亞佳，李中杰，等.國(guó)家傳染病自動(dòng)預(yù)警系統(tǒng)的設(shè)計(jì)與應(yīng)用.中華流行病學(xué)雜志，2010，31（11）：535-539.

2.Wang L，Wang Y，Jin S，et al.Emergence and control of infectious diseases in China.Lancet，2008，372（9649）：1598-1605.

3.Kulldorff M，Nagarwalla N.Spatial disease clusters：Detection and inference.Statistics in Medicine，1995，14（8）：799-810.

4.Kulldorff M.A spatial scan statistic.Communication in Statistics-Theory and Methods，1997，26（6）：1481-1496.

5.Heffernan R，Mostashari F，Das D，et al.Syndrom ic surveillance in public health practice，New York City.Emerg Infect Dis，2004，10（5）：858-864.

6.Kulldorff M，Heffernan R，Hartman J，et al.A space-time permutation scan statistic for the early detection of disease outbreaks.PLoSMedicine，2005，2（3）：216-224.

7.徐敏，曹春香，程錦泉，等.甲流感疫情時(shí)空聚集性的GIS分析.地球信息科學(xué)學(xué)報(bào)，2010，12（5）：707-712.

8.殷菲，李曉松，馮子健，等.基于網(wǎng)絡(luò)直報(bào)系統(tǒng)和時(shí)空聚集性探測(cè)的傳染病模擬實(shí)時(shí)監(jiān)測(cè)與預(yù)警.現(xiàn)代預(yù)防醫(yī)學(xué)，2009，36（12）：2204-2207.

9.張文增，李長(zhǎng)青，冀國(guó)強(qiáng)，等.空間掃描統(tǒng)計(jì)量在手足口病空間聚集性研究中的應(yīng)用.中國(guó)衛(wèi)生統(tǒng)計(jì)，2012，29（4）：507-509.

10.Reis BY，Pagano M，Mandl KD.Using temporal context to improve biosurveillance.Proc Natl Acad Sci，2003，100（4）：1961-1965.

11.賴圣杰，李中杰，金連梅，等.傳染病暴發(fā)早期預(yù)警系統(tǒng)評(píng)價(jià)內(nèi)容及其指標(biāo).中華流行病學(xué)雜志，2009，30（6）：637-640.

12.R Development Core Team（2010）.R：A language and environment for statistical computing.R Foundation for Statistical Computing，Vienna，Austria 2010-11-10.http：//www.R-project.org

（責(zé)任編輯：丁海龍）

The Effect Com parison of Spatial Scan Statistic M ethod Based on Different Parameters in Early W arning of Infectious Disease Outbreak

Li Xiaozhou，Wang Jinfeng，Yang Weizhong，et al（School of Public Health，Wuhan University of Science and Technology（430065）．Wuhan）

ObjectiveFor better application of spatial scan statistic method in early warning of infectious disease outbreak，we need to choose different parameters for spatial scan statistic method.MethodsWe took the cases and outbreaks of hand-foot-and-mouth disease（HFMD）and dysentery reported by Shandong and Hunan provinces in 2009 as data source.Taking sensitivity and positive prediction ratio as evaluation indices，we compared the performance of thirty groups of parameters on these two diseases.ResultsFor the dysentery cases in Hunan province，taking the sum of cases in four days w ith 1-rank coefficients，we could get the best performance.For the hand-foot-and-mouth disease（HFMD）cases in Shandong province，taking the sum of cases in three days directly，we could get the best performance.ConclusionWhen applying spatial scan statistic method in early warning of infectious disease outbreak，we ought to choose different parameters for different kinds of infectious disease in order to get the best results.In next steps，we out to choose the best parameters based on the different incidence rates.

Spatial scan statistic；Infectious disease；Early warning

國(guó)家科技重大專項(xiàng)/子課題（課題號(hào)2012ZX10004-201）；衛(wèi)生行業(yè)科研專項(xiàng)項(xiàng)目（課題號(hào)201202006）

1.武漢科技大學(xué)醫(yī)學(xué)院公共衛(wèi)生學(xué)院（430065）；

2.中國(guó)科學(xué)院地理科學(xué)與資源研究所資源與環(huán)境信息系統(tǒng)國(guó)家重點(diǎn)實(shí)驗(yàn)室

3.中國(guó)疾病預(yù)防控制中心傳染病預(yù)防控制處，傳染病監(jiān)測(cè)預(yù)警中國(guó)疾病預(yù)防控制中心重點(diǎn)實(shí)驗(yàn)室

△通信作者：王勁峰E-mail：wangjf＠lreis.ac.cn