朱閔敏， 郭旭君， 范玉錚， 鐘濤， 劉盛元， 黃垚， 王健

·社區(qū)衛(wèi)生服務·

基于移動百分位數法的深圳市南山區(qū)社區(qū)級肺結核疫情預警

朱閔敏， 郭旭君， 范玉錚， 鐘濤， 劉盛元， 黃垚， 王健

目的 探尋深圳市南山區(qū)社區(qū)一級肺結核疫情預警最優(yōu)閾值。方法 采用移動百分位數法，以2010年1月—2015年5月為基線，2015年3月—2016年3月為預警期，以社區(qū)為單位，以月為觀察期，建立兩種5年基候選閾值。根據ROC曲線下面積選擇基線歷史同期擺動周期，根據約登指數結合特異度優(yōu)選閾值。結果 以25個歷史數據(前后擺動2個月)與15個歷史數據(前后擺動1個月)建立肺結核移動百分位數預警，其ROC曲線下面積分別為0.936，0.945，差異無統(tǒng)計學意義(P=0.131)。15個歷史數據的候選閾值中，P80的約登指數與P60接近(最大者)，特異度>90%。結論 綜合考慮操作性及后續(xù)處置成本，建議深圳市南山區(qū)采用5年基前后擺動1個月的P80作為社區(qū)一級肺結核預警暴發(fā)的閾值。

肺結核； 暴發(fā)預警； 移動百分位數法

我國于2008年啟動了基于移動百分位數法的傳染病自動預警信息系統(tǒng)，以P50為閾值進行預警，為傳染病暴發(fā)的早期發(fā)現奠定了基礎[1]。在后期運行中，中國疾病控制中心根據疾病病種[2]，以及地區(qū)疾病發(fā)病水平的差異進行了閾值優(yōu)化[3]。社區(qū)級肺結核疫情預警是指在社區(qū)一級行政區(qū)域范圍內進行肺結核疫情預警。因社區(qū)行政區(qū)域空間范圍小，與縣級等較大范圍病例數據以正態(tài)分布為主不同，社區(qū)級肺結核報告發(fā)病數變動大，不能簡單套用現有研究建立的閾值。因此，本研究采用移動百分位數法，探尋適宜于深圳市南山區(qū)社區(qū)級小范圍空間尺度內的肺結核疫情暴發(fā)預警的5年基擺動周期及對應的最優(yōu)閾值，從而從源頭上更早地識別疾病的暴發(fā)，實現精準、高效、低成本的疾病防控目標。

1 資料與方法

1.1 數據來源及整理

將病例報告訂正終審時間為2010年1月1日—2016年3月31日現住址為“深圳市南山區(qū)”的肺結核確診病例從中國疾病預防控制信息系統(tǒng)中導出。將個案按照現住址清晰至社區(qū)[4]，結合人口數據計算社區(qū)一級肺結核發(fā)病率，并與基礎地圖行政區(qū)域進行匹配。人口數據來源于南山區(qū)統(tǒng)計局，地圖來源于國家基礎地理信息中心網站(1：10萬比例)。

1.2 移動百分位數法

以2010年1月—2015年5月為基線，2015年3月—2016年3月為預警期。按照移動百分位數法原理，以社區(qū)為單位、以月為觀察期，分別采用以下兩種基線期數據計算各候選百分位數(P50、P60、P70、P75、P80、P85、P90及P95)：①觀察期每年同期前后擺動1個月，5年共15個歷史數據；②觀察期每年同期前后擺動2個月，5年共25個歷史數據。當預警期某月發(fā)病率>0且≥基線期候選百分位數值時，記為“暴發(fā)”預警。

1.3 閾值優(yōu)選標準

依據楊維中等[5]的研究結果，以大于基線5年同期平均發(fā)病率的“+2 S”作為判斷暴發(fā)的標準。根據候選百分數判斷預警信號與暴發(fā)標準比較，繪制受試者工作特征(receiver operator characteristic，ROC)曲線。根據ROC曲線下面積大小選擇基線擺動的月數，根據約登指數并結合特異度選擇候選百分位數。

1.4 統(tǒng)計分析

采用Excel進行數據匯總以及全區(qū)月發(fā)病率作圖，采用Stata 11.0軟件進行百分位數計算，繪制ROC曲線及假設檢驗。用ArcGIS 10.2軟件在南山區(qū)行政地圖上呈現產生預警信號的社區(qū)。

2 結果

2.1 南山區(qū)肺結核報告發(fā)病率情況

2010年1月—2016年3月深圳市南山區(qū)共報告確診肺結核4 636例，年均報告發(fā)病率為68.77/10萬。2010—2011年每月報告發(fā)病率變動振幅大，2012—2013年變動振幅小；每年1—2月為低谷(春節(jié)期間)，高峰期每年有差異、較多出現在9和11月，各月報告發(fā)病率見圖1。

圖1 南山區(qū)2010年1月—2016年3月月報告發(fā)病率(單位：1/10萬)

2.2 基年擺動月數

經非參數統(tǒng)計分析顯示，以5年為基數前后擺動2個月或前后擺動1個月，進行肺結核暴發(fā)預警，其ROC曲線下面積分別為0.936和0.945，差異無統(tǒng)計學意義(χ2=2.28，P=0.131)。見圖2。

注：AUC-受試者操作特征曲線下面積圖2 5年基肺結核疫情暴發(fā)預警ROC曲線：前后擺動2個月與擺動1個月比較

2.3 閾值優(yōu)選

選擇ROC曲線下面積最大的15個月歷史基數(觀察期同月前后擺動1個月)進行預警，各候選百分位數的靈敏度、特異度、陽性預測值、陰性預測值和約登指數如表1。其中P50～P80的約登指數均在70以上，P60的約登指數最大為76.90?？紤]到預警信號后續(xù)處置，減少調查成本，綜合靈敏度、特異度、陽性預測值和陰性預測值四者的平衡，本研究建議深圳市南山區(qū)采用P80作為肺結核暴發(fā)的預警閾值，其靈敏度>80%，特異度>90%，相對于P60可以減少9%的假陽性預警信號。

表1 南山區(qū)肺結核候選閾值靈敏度、特異度、陽性預測值、陰性預測值及約登指數

2.4 2016年3月預警信號展示

以80分位數為閾值，南山區(qū)2016年3月共有10個預警信號，月報告發(fā)病率最小8.07/10萬，最高28.41/10萬，見表2。10個暴發(fā)預警社區(qū)較為分散，其地理分布見圖3。

表2 2016年3月按照15個歷史數據80分位深圳市南山區(qū)暴發(fā)預警情況

圖3 深圳市南山區(qū)社區(qū)級肺結核疫情暴發(fā)預警:基于移動百分位數法P80閾值

3 討論

本研究初步確定了南山區(qū)社區(qū)一級移動百分位數法肺結核預警歷史同期前后擺動周期及最優(yōu)閾值，為在較小空間范圍內核實和處置肺結核暴發(fā)疫情提供了基礎。目前，已有應用移動百分位數的研究一般以縣或以上行政區(qū)域為單位進行預警[6-8]，最小到鄉(xiāng)鎮(zhèn)/街道一級[9]，主要應用于急性傳染性疾病，如手足口病、流感、痢疾、風疹等。在社區(qū)級小范圍空間尺度內開展疫情預警，較縣區(qū)級或更大區(qū)域，可以從源頭更早識別暴發(fā)，介入控制更精準、更具可操作性，具有高效、低成本的優(yōu)勢。

2004年，基于疾病“流行”概念的基礎上，借鑒比值圖法，楊維中教授[5]建立我國傳染病移動百分位數預警法。移動百分位數法與移動平均控制圖法原理相似，區(qū)別在于移動百分位數法計算基線同期數據的百分位數，可適宜于任意分布數據，而移動平均控制圖法計算基線參比周期所有數據的平均值，對于正態(tài)分布數據預警效果較好。移動百分位數法預警具有簡單易操作、可自動調整季節(jié)因素影響以及應用范圍廣等優(yōu)點[10]，但基線數據中暴發(fā)疫情可能導致預警上限過高、預警信號假陰性增多[11]，后期研究中可嘗試剔除歷史數據中部分極大值來進行控制(如最高的15%數據)[12]。

受患者就診延遲(如Xu等[13]調查結果顯示，深圳市肺結核患者平均就診延遲10天)、醫(yī)療機構報病周末效應(周一和周五報告病例最多)[14]、中等發(fā)病率水平及人口流動等因素影響，在以天或周為觀察周期內病例數波動性大，預警效果差。因此，本研究選擇以月為觀察周期，以增加觀察數據的穩(wěn)定性。

本文研究結果顯示，5年基觀察月同期前后擺動2個月與擺動1個月，預警效果差異無統(tǒng)計學意義。因肺結核發(fā)病存在一定季節(jié)性，考慮到選擇前后擺動2個月作為基線跨越季節(jié)過多，可能導致低估或高估預警月份肺結核疫情水平，建議選擇前后擺動1個月作為基線。

本研究得出的最優(yōu)閾值P80低于楊維中教授等[5]以全國范圍研究確定的最優(yōu)閾值(P90)，可能是因為南山區(qū)與全國肺結核發(fā)病率不同導致。發(fā)病率越低的地區(qū)，在相同百分位數閾值情況下靈敏度與特異度高于發(fā)病率高的地區(qū)[2-3]。張洪龍等[3]研究結果顯示，在發(fā)病率水平不同地區(qū)，流行性腮腺炎等6種疾病的最優(yōu)閾值不同。同時，其他以較小區(qū)域范圍進行肺結核預警的研究，所確定最優(yōu)閾值與本研究接近，如楊春梅等[15]研究得出2012年蘭州軍區(qū)某部隊的預警閾值為P80，孫利文等[16]得出北京市懷柔區(qū)2016年肺結核預警閾值為P85。

在較小空間范圍內應用移動百分數法進行預警時尚需慎重，從本研究表2中看出，4個預警社區(qū)的病例數只有1例，可能存在偶然因素。因此，建議單一預警信號應結合病例絕對數(如≥2例)，或數據產生連續(xù)多個預警信號(如連續(xù)2個)才發(fā)出暴發(fā)預警[17]。合適的病例絕對數或連續(xù)信號數需進一步研究，并通過實際應用中核實的暴發(fā)疫情來確定。

[1] 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)：1240-1244.

[2] 孫喬，賴圣杰，張洪龍，等.移動百分位數法不同閾值在傳染病暴發(fā)預警中的效果比較[J].中華流行病學雜志，2011，32(5)：450-453.

[3] 張洪龍，孫喬，賴圣杰，等.移動百分位數法分地區(qū)設定預警閾值對傳染病預警效果的影響分析[J].中華流行病學雜志，2014，48(4)：265-269.

[4] 朱閔敏，范玉錚，郭旭君，等.基于社區(qū)水平的深圳市南山區(qū)2011-2015年肺結核疫情時空分析[J].熱帶醫(yī)學雜志，2016，16(9)：1194-1197，1084.

[5] 楊維中，邢慧嫻，王漢章，等.七種傳染病控制圖法預警技術研究[J].中華流行病學雜志，2004，25(12)：1039-1041.

[6] 陳小英，張義，金艷，等.寶雞市手足口病移動百分位數法預警界值優(yōu)選分析[J].公共衛(wèi)生與預防醫(yī)學，2015，26(5)：34-36.

[7] 王瑞平，陳立凌，劉成，等.蘇州市重點傳染病移動百分位數法預警界值優(yōu)選分析[J].中國衛(wèi)生統(tǒng)計，2014，31(4)：598-601，605.

[8] 熊田甜，周小濤，朱奕，等.基于移動百分位數法流感預警模型的探討[J].中國熱帶醫(yī)學，2013，13(7)：822-825.

[9] 楊林清，吳明蘇，居燕珍，等.2008—2014年三江縣傳染病自動預警信息系統(tǒng)運行情況分析[J].應用預防醫(yī)學，2015，21(6)：424-425.

[10] Kuang J，Yang WZ，Zhou DL，et al.Epidemic features affecting the performance of outbreak detection algorithms[J].BMC Public Health，2012(12)：418.

[11] 白杉，穆金萍.控制圖法在傳染病暴發(fā)探測中的應用現狀[J].疾病預防控制通報，2012，27(1)：89-91，94.

[12] Unkel S，Farrington CP，Garthwaite PH，et al.Statistical methods for the prospective detection of infectious disease outbreaks：a review[J].J Royal Statist Soc：Series A，2012，175(1)：49-82.

[13] Xu X，Liu JH，Cao SY，et al.Delays in care seeking，diagnosis and treatment among pulmonary tuberculosis patients in Shenzhen，China[J].Int J Tuberc Lung Dis，2013，17(5)：615-20.

[14] Amirov C，Walton RN，Ahmed S，et al.Distribution of outbreak reporting in health care institutions by day of the week[J].Am J Infect Control，2012，40(10)：979-982.

[15] 楊春梅，王輝，盧娟，等.控制圖法對某部三種主要傳染病預測預警的效果評價[J].中華疾病控制雜志，2012，16(9)：809-811.

[16] 孫利文，劉羽.北京市懷柔區(qū)重點傳染病預警技術優(yōu)選研究分析[J].職業(yè)與健康，2015，31(12)：1659-1663.[17] Pelat C，Bo?lle PY，Cowling BJ，et al.Online detection and quantification of epidemics[J].BMC Med Inform Decis Mak，2007(7)：29.

Outbreaks Detection of Community-level Pulmonary Tuberculosis based Moving Percentile Methods at Nanshan District，Shenzhen City

ZHU Minmin，GUO Xujun，WANG Jian，et al.

ShenzhenNanshanCenterforChronicDiseaseControl，Shenzhen，518054，China

ObjectivesToexploretheoptimalthresholdforoutbreakearlywarningofpulmonarytuberculosis(PTB)atcommunitylevelinNanshanDistrict，Shenzhen.MethodsWeusedthemovingpercentilemethod(MPM)tocalculatetwotypesoffive-yearbasedcandidatethresholdsformonthlyPTBoutbreaksdetection，withdatafromJanuary2010toMay2015asabaselineanddatafromMarch2015toMarch2016asatestingdata.Thenwedecidedreferencemonthsatbaselinebasedonareasunderreceiveroperatingcharacteristiccurve(AUC)andchosethethresholdbasedonYoudenindex.ResultsTheAUCswere0.936and0.945，respectively，forthe25historicaldata(dataatcorrespondingmonth，twoprecedingmonths，andthetwofollowingmonths)and15historicaldata(dataatcorrespondingmonth，theprecedingmonth，andthefollowingmonth)，andthedifferencesbetweenthemwerenotstatisticallysignificant(P=0.131).Forthe15baselinedata，theP80gotaclosevalueofYoudenindextothatofP60，whichwasthemaximum，withaspecificity> 90%.ConclusionsConsideringthepracticalityandcost，itissuggestedthatdataatcorrespondingmonth，theprecedingmonth，andthefollowingmonthfortheprevious5yearsshouldbethereferencedata，andP80shouldbeawarningthresholdoftheMPMforcommunity-levelPTBoutbreakdetectionatNanshanDistrict，ShenzhenCity.

Pulmonarytuberculosis；Outbreakdetection；Movingpercentilemethod

深圳市南山區(qū)科技創(chuàng)新局科技計劃項目(南科研衛(wèi)2014033)

深圳市南山區(qū)慢性病防治院，廣東深圳，518054

王健

R181.3

A

10.3969/j.issn.1673-5625.2017.03.017

2016-09-15)(本文編輯 王芳)