林寶妮，周玲玲，張 蕃，張 杰，聶紹發(fā)△

1深圳市福田區(qū)疾病預(yù)防控制中心免疫規(guī)劃管理科，深圳 518040

2華中科技大學(xué)同濟(jì)醫(yī)學(xué)院公共衛(wèi)生學(xué)院流行病學(xué)與衛(wèi)生統(tǒng)計(jì)學(xué)系，武漢 430030

調(diào)查研究

基于農(nóng)村地區(qū)學(xué)校缺勤監(jiān)測系統(tǒng)的預(yù)警模型研究＊

林寶妮1＃，周玲玲2＃，張 蕃2，張 杰2，聶紹發(fā)2△

1深圳市福田區(qū)疾病預(yù)防控制中心免疫規(guī)劃管理科，深圳 518040

2華中科技大學(xué)同濟(jì)醫(yī)學(xué)院公共衛(wèi)生學(xué)院流行病學(xué)與衛(wèi)生統(tǒng)計(jì)學(xué)系，武漢 430030

目的 探索適用于農(nóng)村地區(qū)的學(xué)校缺勤監(jiān)測的最佳預(yù)警模型及其參數(shù)，為實(shí)現(xiàn)自動(dòng)預(yù)警提供技術(shù)支持。方法 應(yīng)用EWMA和CUSUM（C1、C2、C3）模型對湖北省沙洋縣某小學(xué)在2012年4月1日至2013年1月31日期間，因病缺勤的數(shù)據(jù)進(jìn)行回顧性預(yù)警分析，比較各模型在不同參數(shù)組合下的約登指數(shù)，從而優(yōu)選出最佳預(yù)警模型及其參數(shù)。結(jié)果 各模型最優(yōu)參數(shù)下的預(yù)警功效:EWMA（λ＝0.25，c＝2.0）的約登指數(shù)為0.82，C1（k＝0.5，c＝2.0）的約登指數(shù)為0.95，C2（k＝0.5，c＝3.0）的約登指數(shù)為0.98，C3（k＝0.5，c＝5.0）的約登指數(shù)為0.97，其中C2（k＝0.5，c＝3.0）的預(yù)警功效最佳。結(jié)論 4種模型中，CUSUM（C2）模型的預(yù)警功效最優(yōu)。

缺勤； 早期預(yù)警； 指數(shù)加權(quán)移動(dòng)平均模型； 累積和控制圖模型

我國在經(jīng)歷了2003年SARS大流行之后，制定并實(shí)施了一系列包括傳染病在內(nèi)的突發(fā)公共衛(wèi)生事件的法律法規(guī)、政策和預(yù)案，并在建立傳染病的早期預(yù)警及反應(yīng)系統(tǒng)方面投入了大量精力［1］。2004年，我國建成并啟用“中國疾病預(yù)防控制信息系統(tǒng)”，實(shí)現(xiàn)了傳染病監(jiān)測報(bào)告工作的電子化和網(wǎng)絡(luò)化，但該系統(tǒng)僅覆蓋了疾病預(yù)防控制機(jī)構(gòu)、醫(yī)療衛(wèi)生機(jī)構(gòu)和衛(wèi)生行政部門，未覆蓋到學(xué)校等單位。學(xué)校是當(dāng)前我國傳染病暴發(fā)流行最高發(fā)、易發(fā)的場所，如果學(xué)校發(fā)生傳染病疫情，不僅嚴(yán)重危害學(xué)生的身心健康，妨礙學(xué)校的正常教學(xué)秩序，同時(shí)，也會(huì)給家庭、社會(huì)帶來重大影響。

本研究探索了基于農(nóng)村地區(qū)學(xué)校缺勤監(jiān)測系統(tǒng)的最佳預(yù)警模型及其參數(shù)，為在其他農(nóng)村地區(qū)或資源匱乏地區(qū)建立學(xué)校缺勤監(jiān)測預(yù)警、控制學(xué)校傳染病疫情提供經(jīng)驗(yàn)和參考。

1 資料與方法

1.1 資料

從中國農(nóng)村地區(qū)傳染病整合監(jiān)測系統(tǒng)中，選取湖北省沙洋縣某小學(xué)1～6年級的全部學(xué)生在2012年4月1日至2013年1月31日期間，因病缺勤的數(shù)據(jù)進(jìn)行模型應(yīng)用分析。該小學(xué)各年級均設(shè)有7個(gè)班級，共有學(xué)生人數(shù)2 268名，其中男生1 184名，女生1 084名，男女比例為1.09∶1。

1.2 方法

本研究中，由于監(jiān)測時(shí)間不長，選用更適合于短期歷史基線數(shù)據(jù)的指數(shù)加權(quán)移動(dòng)平均（exponentially weighted moving average，EWMA）模型與累積和控制圖（cumulative sums，CUSUM）模型，分析在不同參數(shù)組合下兩種模型探測學(xué)校傳染病疫情的效果，選出最優(yōu)參數(shù)組合，進(jìn)而比較兩種模型在最優(yōu)參數(shù)下的預(yù)警功效，優(yōu)選出最佳預(yù)警模型。研究采用EXCEL 2010和SPSS 17.0軟件進(jìn)行數(shù)據(jù)整理和統(tǒng)計(jì)分析。

1.2.1 EWMA模型 EWMA模型的基本思想是，將歷史序列數(shù)據(jù)的加權(quán)平均數(shù)作為當(dāng)前預(yù)期數(shù)的估計(jì)值，在使用歷史數(shù)據(jù)時(shí)采用指數(shù)加權(quán)策略，對歷史數(shù)據(jù)的權(quán)重呈指數(shù)遞減，即對近期歷史數(shù)據(jù)給予較高權(quán)重，而對遠(yuǎn)期數(shù)據(jù)給予較低權(quán)重。具體計(jì)算方法如下:

EWMA模型中有2個(gè)參數(shù)λ和c，λ取值越大，序列近期數(shù)據(jù)獲得的權(quán)重越大。閾值參數(shù)c的取值大小決定控制限的置信水平。λ的取值一般推薦在0.05～0.30之間［2］。根據(jù)文獻(xiàn)中c的取值范圍［34］，將其限定為0＜c≤3。參數(shù)調(diào)試方式為:每間隔0.05調(diào)節(jié)λ的大小，每間隔0.5調(diào)整c。

1.2.2 CUSUM模型 CUSUM模型的基本思想是，計(jì)算實(shí)際值和期望值之間差值的累積和，充分利用整個(gè)觀測值序列的信息，通過對信息的累積，將過程中的小偏移累加起來，達(dá)到放大的效果，當(dāng)發(fā)生小的偏移時(shí)其檢出能力較常規(guī)控制圖高［56］。根據(jù)其識別異常的靈敏度高低，將其分為輕（C1－MILD）、中（C2－MEDIUM）、重（C3－ULTRA）三類［7］。C1的計(jì)算方法如下:

CUSUM模型中有2個(gè)參數(shù)k和c，根據(jù)既往文獻(xiàn)中k和c的取值范圍［89］，將其限定為0＜k≤1.5，2≤c≤5。參數(shù)調(diào)試方式為:每間隔0.5調(diào)節(jié)k的大小，每間隔0.5調(diào)整c。

1.2.3 評價(jià)指標(biāo)及優(yōu)選方法 評價(jià)指標(biāo):約登指數(shù)＝靈敏度＋特異度－1，其范圍在0～1之間。約登指數(shù)綜合考慮了靈敏度和特異度的總效應(yīng)，反映預(yù)警模型識別真實(shí)暴發(fā)與非暴發(fā)的總能力。約登指數(shù)越大，模型識別暴發(fā)的能力越強(qiáng)。為了更好地發(fā)現(xiàn)學(xué)校傳染病疫情，在評估模型時(shí)，以“疑似疫情”作為暴發(fā)的“金標(biāo)準(zhǔn)”。

優(yōu)選方法以約登指數(shù)最高者作為最佳結(jié)果。比較不同參數(shù)組合下的約登指數(shù)，以約登指數(shù)最高者作為最優(yōu)參數(shù)組合；進(jìn)而比較各模型在最優(yōu)參數(shù)下的約登指數(shù)，選出最佳預(yù)警模型。

2 結(jié)果

2.1 模型參數(shù)的優(yōu)選

EWMA和CUSUM模型調(diào)試參數(shù)所產(chǎn)生的預(yù)警信號數(shù)如表1和表2所示?？梢钥闯?，不同閾值水平下，產(chǎn)生的預(yù)警信號數(shù)不同，隨閾值升高，信號數(shù)逐漸減少。在相同閾值水平下，CUSUM模型產(chǎn)生的信號數(shù)隨k值增大而減少；在相同參數(shù)組合下，C3產(chǎn)生的信號數(shù)最多，其次為C2，C1產(chǎn)生的信號數(shù)最少。

2.2 預(yù)警模型的功效評價(jià)

預(yù)警模型如在疑似疫情期間發(fā)出信號，則判斷為真陽性，在非疑似疫情期間發(fā)出信號，則判斷為假陽性。分別計(jì)算在不同參數(shù)組合下各預(yù)警模型的靈敏度、特異度及約登指數(shù)，選出兩種模型的最優(yōu)參數(shù)組合，如表3所示。

表1 EWMA模型在不同參數(shù)組合下的預(yù)警信號數(shù)Table1 Early warning signals from EWMA model with different combinations of parameters

表2 CUSUM模型在不同參數(shù)組合下的預(yù)警信號數(shù)Table2 Early warning signals from CUSUM model with different combinations of parameters

表3 各模型在最優(yōu)參數(shù)組合下的約登指數(shù)Table3 Youden’s index from different models with optimal combinations of parameters

計(jì)算各模型最優(yōu)參數(shù)組合下的約登指數(shù)，可以得到，CUSUM模型C1、C2、C3的約登指數(shù)均高于EWMA模型。其中，C2的約登指數(shù)最高，則C2（k＝0.5，c＝3.0）對本研究建立的學(xué)校缺勤監(jiān)測系統(tǒng)預(yù)警效果最佳。

3 討論

學(xué)校缺勤監(jiān)測系統(tǒng)的建立是針對學(xué)校傳染病防控工作“關(guān)口”前移的一項(xiàng)重要舉措，可以及早發(fā)現(xiàn)學(xué)校傳染病疫情的苗頭，及時(shí)采取防控措施［10］。我國學(xué)校缺勤監(jiān)測系統(tǒng)的研究尚處于探索階段，目前并沒有適合廣泛應(yīng)用和推廣的監(jiān)測方法。本研究在歐盟第七框架計(jì)劃的支持下，為實(shí)現(xiàn)對學(xué)校傳染病疫情的早期識別和自動(dòng)預(yù)警，采用數(shù)學(xué)模型和預(yù)警算法對監(jiān)測數(shù)據(jù)進(jìn)行分析，探索最適用于學(xué)校缺勤監(jiān)測系統(tǒng)的預(yù)警模型及模型參數(shù)組合。

EWMA和CUSUM模型是最常用于癥狀監(jiān)測系統(tǒng)的兩種基于短期歷史基線數(shù)據(jù)的預(yù)警模型，對微小變化的靈敏性高，適合于暴發(fā)的實(shí)時(shí)監(jiān)測［2］。對于同一模型，采用不同的模型參數(shù)，其預(yù)警的效果不同［11］。因此，在評價(jià)模型功效之前，我們對模型參數(shù)進(jìn)行了優(yōu)選，然后比較各模型在最佳參數(shù)下的功效，選出最優(yōu)模型。靈敏度和特異度是評價(jià)預(yù)警模型功效使用最普遍的指標(biāo)體系，用于評價(jià)預(yù)警結(jié)果的真實(shí)性。按照統(tǒng)計(jì)分布理論，暴發(fā)事件與非暴發(fā)事件監(jiān)測數(shù)據(jù)的概率分布可能具有一定重疊，導(dǎo)致2個(gè)指標(biāo)出現(xiàn)此消彼長的現(xiàn)象。因此，選擇預(yù)警模型時(shí)需要對靈敏度和特異度進(jìn)行平衡，約登指數(shù)綜合考慮2個(gè)指標(biāo)，反映預(yù)警模型識別真實(shí)暴發(fā)與非暴發(fā)的總能力，比單一使用靈敏度或特異度評價(jià)預(yù)警模型的真實(shí)性效果更好。本研究使用約登指數(shù)對兩種模型在不同參數(shù)組合下的預(yù)警真實(shí)性進(jìn)行了評估，最終優(yōu)選出CUSUM，C2（k＝0.5，c＝3.0）為最適用于該小學(xué)缺勤監(jiān)測系統(tǒng)的預(yù)警模型。CUSUM模型也已被成功地運(yùn)用到其他多個(gè)疾病監(jiān)測系統(tǒng)中［7，1213］。

使用EWMA和CUSUM模型進(jìn)行預(yù)警也具有一定的局限性，因?yàn)槎叩挠?jì)算均是利用歷史數(shù)據(jù)進(jìn)行預(yù)測，由于對過去樣本數(shù)據(jù)波動(dòng)的積累，不能很好發(fā)現(xiàn)過程中的突發(fā)變化［14］，疫情的季節(jié)性波動(dòng)、近期暴發(fā)都會(huì)對預(yù)警的準(zhǔn)確性造成很大影響。今后還需進(jìn)一步探索更加穩(wěn)健有效的預(yù)警模型。

預(yù)警模型的及時(shí)性也是評價(jià)其預(yù)警效果的一個(gè)重要指標(biāo)，它反映在暴發(fā)探測中，預(yù)警模型能否盡早、盡快地發(fā)現(xiàn)暴發(fā)事件。及時(shí)性的計(jì)算以從暴發(fā)事件開始到檢出暴發(fā)之間的時(shí)間長度來衡量。但獲得及時(shí)性指標(biāo)的前提是知道暴發(fā)事件的開始時(shí)間，這對真實(shí)暴發(fā)事件來說是非常困難的，這也是評價(jià)及時(shí)性的難點(diǎn)所在。為解決這一問題，Buckeridge等［15］和Hutwagner等［16］先后采用暴發(fā)模擬數(shù)據(jù)對預(yù)警模型的功效進(jìn)行評價(jià)，使及時(shí)性評價(jià)成為可能，且評價(jià)結(jié)果更為客觀有效。本研究因無法得到疑似疫情開始的時(shí)間，及時(shí)性有待進(jìn)一步的評估。在今后的研究中，需采用暴發(fā)模擬數(shù)據(jù)對預(yù)警模型的及時(shí)性和真實(shí)性進(jìn)行綜合評價(jià)。

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

［2］ 楊維中.傳染病預(yù)警理論與實(shí)踐［M］.北京:人民衛(wèi)生出版社，2012:66－68.

［3］ 薛麗.監(jiān)控均值標(biāo)準(zhǔn)差的可變抽樣區(qū)間EWMA圖經(jīng)濟(jì)設(shè)計(jì)［J］.計(jì)算機(jī)集成制造系統(tǒng)，2013，19（6）:1369－1376.

［4］ 吉明明，孫浩.具有可變抽樣區(qū)間的EWMA標(biāo)準(zhǔn)差控制圖［J］.數(shù)學(xué)的實(shí)踐與認(rèn)識，2007，37（12）:90－96.

［5］ 王敏華，張維銘.累積和控制圖的方法及應(yīng)用［J］.中國質(zhì)量，2000，（5）:40－42.

［6］ 王前洪，張宇.累積和控制圖與傳統(tǒng)控制圖同時(shí)監(jiān)控過程均值［J］.機(jī)械工程與自動(dòng)化，2006，（2）:4－6.

［7］ Hutwagner L，Thompson W，Seeman G M，et al.The bioterrorism preparedness and response Early Aberration Reporting System（EARS）［J］.J Urban Health，2003，80（2Suppl.1）: i89－i96.

［8］ Carpenter T E.Evaluation and extension of the cusum technique with an application to Salmonella surveillance［J］.J Vet Diagn Invest，2002，14（3）:211－218.

［9］ 何楨，劉豹.累計(jì)和控制圖在測量系統(tǒng)穩(wěn)定性中的應(yīng)用研究［J］.系統(tǒng)工程學(xué)報(bào)，2002，（6）:547－550.

［10］ 袁寶君，戴月，王艷，等.學(xué)生缺課監(jiān)測預(yù)警系統(tǒng)防控甲流效果研究［J］.中國學(xué)校衛(wèi)生，2011，32（2）:218－220.

［11］ 王小莉，王全意，劉東磊，等.采用北京市麻疹的暴發(fā)模擬數(shù)據(jù)比較幾種預(yù)警模型的功效［J］.中華流行病學(xué)雜志，2009，30（2）:159－162.

［12］ 孫喬，傅益飛，朱渭萍，等.癥狀監(jiān)測與預(yù)警系統(tǒng)建立及應(yīng)用［J］.預(yù)防醫(yī)學(xué)情報(bào)雜志，2012，28（6）:430－433.

［13］ 田麗紅，譚莉，范允舟，等.綜合癥狀監(jiān)測系統(tǒng)在兒童流行性感冒疫情監(jiān)測中的應(yīng)用［J］.中華預(yù)防醫(yī)學(xué)雜志，2013，47（12）: 1095－1099.

［14］ 王小莉，王全意，欒榮生，等.傳染病疫情早期預(yù)警的主要模型［J］.現(xiàn)代預(yù)防醫(yī)學(xué)，2008，35（22）:4339－4341.

［15］ Buckeridge D L，Switzer P，Owens D，et al.An evaluation model for syndromic surveillance:assessing the performance of a temporal algorithm［J］.Morb Mortal Wkly Rep，2005，54（Suppl.）:109－115.

［16］ Hutwagner L C，Thompson W W，Seeman G M，et al.A simulation model for assessing aberration detection methods used in public health surveillance for systems with limited baselines［J］.Stat Med，2005，24（4）:543－550.

（2014－07－08 收稿）

Early Warning Model Based on School Absenteeism Surveillance System in Rural Areas

Lin Baoni1＃，Zhou Lingling2＃，Zhang Fan2et al
1Immune Planning Management Section of Futian Center for Disease Control and Prevention，Shenzhen 518040，China
2Department of Epidemiology and Biostatistics，School of Public Health，Tongji Medical College，Huazhong University of Science and Technology，Wuhan 430030，China

Objective To explore the optimal early warning model and its related parameters for school absenteeism surveillance in rural areas so as to provide technical support for developing an Auto Warning System（AWS）.Methods The data of absentees due to illness in an elementary school in Shayang county of Hubei province from April 1，2012to January 31，2013were retrospectively analyzed by using exponentially weighted moving average（EWMA）model and cumulative sums（CUSUM，C1，C2，C3）model to identify an optimal early warning model.Youden’s index was calculated in each model with different combinations of parameters and compared.Results The warning efficacy of each model with the optimal parameters was as follows:the Youden’s index of EWMA（λ＝0.25，c＝2.0）was 0.82，that of C1（k＝0.5，c＝2.0）was 0.95，that of C2（k＝0.5，c＝3.0）was 0.98，and that of C3（k＝0.5，c＝5.0）was 0.97，which suggested that the C2（k＝0.5，c＝3.0）model had the highest efficacy.Conclusion Among the 4models applied，CUSUM C2model is optimal for early warning.

absenteeism； early warning； exponentially weighted moving average model； cumulative sum model

R195.1

10.3870／j.issn.1672－0741.2015.01.024

＊?dú)W盟第七框架計(jì)劃合作項(xiàng)目（No.241990）

＃同為第一作者

林寶妮，女，1981年生，醫(yī)學(xué)碩士；周玲玲，女，1988年生，碩士研究生

△通訊作者，Corresponding author，E－mail:sf＿nie＠m(xù)ails.tjmu.edu.cn