摘要： 傳染病暴發(fā)早期預警研究是全球公共衛(wèi)生領域研究的熱點。早期識別傳染病暴發(fā)，并迅速采取有效的控制措施，降低相關傳染病的發(fā)病率和死亡率，本文對傳染病的預警研究進展進行了綜述。

關鍵詞：傳染病預警；研究進展

傳染病暴發(fā)早期預警研究是全球公共衛(wèi)生領域研究的熱點。早期識別傳染病暴發(fā)，并迅速采取有效的措施，降低相關傳染病的發(fā)病率和死亡率。研究表明，在過去50年間，新發(fā)傳染病的數(shù)量增長了4倍[1～4]，如何快速準確的建立傳染病的早期預警系統(tǒng)成為人們關注的重點。

1 傳染病預警模型的種類

目前應用在疾病監(jiān)測的預警模型按資料類型可分為時間預警模型、空間預警模型及時空預警模型。

2預警模型

2.1時間預警模型 時間預警模型包括基于控制圖的預警模型、時間序列模型、線性回歸模型、基于隱馬爾可夫鏈模型等。此類統(tǒng)計模型的特點在于，根據(jù)過去一段時間監(jiān)測變量值的大小，利用上述統(tǒng)計模型預測未來該變量值的大小，根據(jù)預測值的大小，按時間資料的分布特點確定備選預警閾值，并結合實際情況，調整預警閾值的大小，當實際水平超過閾值則發(fā)出警訊。

ARIMA模型，作為一元時間序列分析中的經典模型，是時間序列分析中較為成熟和應用較為廣泛的方法之一[11]。ARIMA模型由Box與Jenkins于1976年提出，作為目前時間序列建模中最重要和常用的方法之一，不僅適用于一般時間序列模型要求的平穩(wěn)時間資料，還適用于經過d階差分后可平穩(wěn)化的非平穩(wěn)時間序列。ARIMA模型已廣泛應用于傳染病的預測預警研究。北京市的研究利用2005年9月～2009年3月順義區(qū)各月流感樣病例報告資料建立ARIMA模型。結果顯示預測值與實際值相當吻合，預測的動態(tài)趨勢與實際情況基本一致，但各月實測報告數(shù)全部落入了預測值的95%可信區(qū)間范圍[5～7]。

2.2空間預警模型 空間預警模型利用病例的空間地理信息，如行政區(qū)域名稱、家庭住址、工作單位等發(fā)現(xiàn)病例的地理聚集程度，及早識別傳染病的異常情況。目前廣泛使用的一種空間預警模型有廣義線性混合模型（GLMM，Generalized Linear Mixed Modeling）、小區(qū)域回歸分析檢驗法（SMART，Small Area Regression And Testing）、空間掃描統(tǒng)計（Space Scan Statistic）等模型。

2.3時間-空間預警模型 時間-空間預警模型通過綜合利用病例的發(fā)病時間、持續(xù)時間長短以及發(fā)病的地理信息，分析疾病的聚集性。目前使用較為普遍的有：WSARE（What'sStrange About Recent Events）、PANDA（Population-WideAnomaly Detection And Assessment）、時空掃描統(tǒng)計（Space-Time Scan Statistic）等。

2.4各類模型的特點 實踐表明時間序列探查一個較大區(qū)域疫情暴發(fā)的能力較強，且預警時間分布多提示與疾病的季節(jié)性高發(fā)相互一致；時空探測探查局部暴發(fā)的能力較強，其對疫情聚集時間和空間雙重條件的提示，使之在實際預警工作中更具意義[8，9]。

3我國目前的傳染病預警系統(tǒng)應用

我國傳染病的預警方法按照不同病種分為兩類對甲類和按照甲類管理的乙類傳染?。òɑ魜y、鼠疫、SARS、肺炭疽）（人感染高致病性禽流感2013年11月起按照乙類進行管理），按照直接設定絕對預警值的方式進行預警；對乙類、丙類傳染病根據(jù)既往同期（近3年或5年）歷史周期的發(fā)病數(shù)并采用加權的方法盡量排除暴發(fā)疫情對周期歷史發(fā)病水平的影響，同步移動計算歷史同期各百分位數(shù)，確定預警閾值，實現(xiàn)動態(tài)自動預警。

國內目前采用的預警研究主要是單一時間序列數(shù)據(jù)的預警方法SPC，其中，控制圖法（control charts）是一種重要的SPC方法，在國外應用較為普遍的是移動平均控制圖（moving average control charts）和指數(shù)權重移動平均（the exponentially weighted moving average，EWMA）方法。主要原理是使用歷史病例報告數(shù)據(jù)建立預警數(shù)據(jù)庫，采用控制圖法建立預警模型，專家咨詢法確定流行參照標準，通過計算、比較靈敏度、特異度、陽性預測值和繪制ROC曲線，選出合適的預警界值。對某些傳染病預測結果表明控制圖法有較高的靈敏度和特異度。但這些方法要對基線的水平進行估計，并確定閾值，會產生一定的假陽性。2007年深圳市利用深圳市人民醫(yī)院和深圳市婦幼保健院（國家流感監(jiān)測哨點醫(yī)院）的ILI數(shù)據(jù)，結合統(tǒng)計方法，制定了流感監(jiān)測參考線[9]，并于2007年7月初啟用流感預警機制，通過媒體首次對廣大公眾實行流感預警，取得了較好的社會效益。預警曲線的設計由警戒曲線和算術平均水平線組成。警戒曲線是通過對深圳市人民醫(yī)院和深圳市婦幼保健院2003～2006年的ILI%數(shù)據(jù)，以周為單位，對同期前后共3w的ILI%，用SAS9.13軟件統(tǒng)計分析，分別取第75、25百分位數(shù)作為警戒曲線的上下限，依次連接成線。而算術平均水平曲線亦以周為單位，對上述兩監(jiān)測醫(yī)院2003～2006年同期前后共3w的ILI數(shù)據(jù)取平均值（和和平均），連接成線。分別應用了控制圖法、歷史限法和指數(shù)加權移動平均法對廣東省流感樣病例監(jiān)測數(shù)據(jù)進行了預警效果分析，發(fā)現(xiàn)控制圖法的敏感性最高[10]。

衛(wèi)生部于2005年利用中央財政資金采購計算機，用于西部地區(qū)縣醫(yī)療機構和鄉(xiāng)鎮(zhèn)衛(wèi)生機構網絡直報工作[4]，按照規(guī)劃，到2010年我國縣級以上醫(yī)療衛(wèi)生機構傳染病網絡直報覆蓋率達100%，鄉(xiāng)鎮(zhèn)醫(yī)療衛(wèi)生機構網絡直報覆蓋率達到80%以上[10]。

我國于2008年4月在中國內地31個省份試運行了傳染病自動預警信息系統(tǒng)，我國傳染病的預警方法按照不同病種分為兩類：對甲類和按照甲類管理的乙類傳染?。òɑ魜y、鼠疫、SARS、肺炭疽和人感染高致病性禽流感），按照直接設定絕對預警值的方式進行預警；對乙類、丙類傳染病根據(jù)既往同期（近3年或5年）歷史周期的發(fā)病數(shù)并采用加權的方法盡量排除暴發(fā)疫情對周期歷史發(fā)病水平的影響，采用移動百分位數(shù)法，觀察以天為單位移動的周期發(fā)病水平，同步移動計算歷史同期各百分位數(shù)，確定預警閾值，實現(xiàn)動態(tài)自動預警[12～14]。

目前的傳染病監(jiān)測信息系統(tǒng)具有以下優(yōu)勢：提高了傳染病報告的及時性、監(jiān)測資料的完整性和準確性，提高了傳染病暴發(fā)的早期察覺能力及新發(fā)傳染病早期識別的能力。癥狀監(jiān)測根本目的是在診斷、確診和公共衛(wèi)生機構報告有傳染病發(fā)生之前，早期識別傳染病，并采取快速反應，以最大限度地減少損失。癥狀監(jiān)測具有一般監(jiān)測方法很難做到的早期發(fā)現(xiàn)疾病暴發(fā)的優(yōu)點[15]。這一方法目前日漸被公共衛(wèi)生人員應用于突發(fā)事件的探測研究和日常疾病監(jiān)測之中。其中，有基于臨床癥狀的監(jiān)測；有基于處方藥物銷量的監(jiān)測；有基于急癥電話訪問量的監(jiān)測；有基于學生缺課的監(jiān)測等。

參考文獻：

[1]陳碧云、高立冬、李忠杰等，湖南省傳染病自動預警系統(tǒng)預警效果分析[J].實用預防醫(yī)學，2012，19（12），1767-1771

[2]Zhang H，Lai S，Wang L，et al.Improving the Perfo -rmance of Outbreak Detection Algorithms by Classi-fying the Levels of Disease Incidence[J].PLoS ONE，2013，8（8）：e71803.

[3]Yang W，Li Z，Lan Y，et al.A nationwide web-based automated system for outbreak early detection and rapid response in China[J].Western Pacific Surveil-lance and Response Journal，2011，2（1）：1-6.

[4]楊維中，蘭亞佳，李中杰，等.國家傳染病自動預警系統(tǒng)的設計與應用[J].中華流行病學雜志，2010，31（11）：27-31.

[5]賴圣杰，李中杰，張洪龍，等.基于不同基線數(shù)據(jù)的傳染病暴發(fā)探測方法效果比較[J].中華流行病學雜志，2011，32（6）：579-582.

[6]王婧、趙琦、趙根明；傳染病監(jiān)測和預警系統(tǒng)研究進展[J].中國預防醫(yī)學雜志，2010，7（11）753-755

[7]Li Z，Lai S，Buckeridge D.L.，et al.Adjusting Outbreak Detection Algorithms for Surveillance during Epidemic and Non-epidemic Periods[J].Journal of American Medical Informatics Association，2011，19（e1）：e51-e53.

[8]陳秀云、岑永莊、汪濤2008-2011年廣東省中山市傳染病自動預警系統(tǒng)效果評價[J].疾病監(jiān)測，2013，（2）：73-76.

[9]馮瑋、陶芳芳、毛志盛等上海市傳染病自動預警信息應用分析[J].中國公共衛(wèi)生管理，2010，26（5）：558-560.

[10]賴圣杰，李中杰，金連梅，等傳染病爆發(fā)早期預警系統(tǒng)評價內容及其指標[J].中華流行病學雜志，2009，30（6）：6372-6401.

[11]史繼新張文增冀國強等ARIMA模型在流感樣病例預測預警中的應用[J].首都公共衛(wèi)生，2010，4（1）12-15.

[12]陳正利、陳偉、馬芳基于網絡直報下的傳染病自動預警系統(tǒng)運行情況分析[J].現(xiàn)代預防醫(yī)學，2013，（5）170-171 178.

[13]Dawood FS，Jain S，F(xiàn)inelli L，et al.Emergence of a novel swine2origin influenza A（H1N1）virus in humans[J].N Engl J Med，2009，360（25）：2 605-2 615.

[14]徐真鐘培松沈鴻上海市嘉定區(qū)傳染病自動預警系統(tǒng)運行現(xiàn)狀分析[J].中國公共衛(wèi)生管理，2010 26（2）147-149.

[15]Wang X，Zeng D，Seale H，et al.Comparing early outbreak detection algorithms based on their optimized parameter values[J].Journal of Biomedical Informatics，2010.

編輯/許言