蘇彥萍，孫曉偉，高漢青，吳 芹，李園園，陳志華，張國峰

傳染病的早期發(fā)現(xiàn)并及時(shí)采取有效措施實(shí)施預(yù)防控制，是提高突發(fā)公共衛(wèi)生事件應(yīng)急處置能力的重要舉措[1-4]。2008年起，基于法定報(bào)告?zhèn)魅静〉膰覀魅静∽詣?dòng)預(yù)警系統(tǒng)（China infectious disease automated-alert and response system,CIDARS）正式投入運(yùn)行[5]，為基層疾病預(yù)防控制機(jī)構(gòu)早期識(shí)別傳染病暴發(fā)事件提供了重要輔助工具。本文對(duì)2013—2020年北京市通州區(qū)CIDARS的運(yùn)行效果進(jìn)行評(píng)價(jià)，以期為完善和優(yōu)化系統(tǒng)功能提供參考，進(jìn)一步提高傳染病監(jiān)測(cè)能力和水平。

1 資料與方法

1.1 資料來源 數(shù)據(jù)來源于“中國疾病預(yù)防控制信息系統(tǒng)”中的CIDARS上報(bào)的2013年1月1日—2020年12月31日北京市通州區(qū)傳染病預(yù)警信息。

1.2 研究方法 對(duì)CIDARS中固定閾值模型、時(shí)間模型和時(shí)空模型3種模型的預(yù)警信號(hào)進(jìn)行流行病學(xué)特征分析，包括歷年預(yù)警信號(hào)數(shù)、及時(shí)響應(yīng)率、響應(yīng)時(shí)間、疑似事件陽性率、暴發(fā)事件陽性率等。

1.2.1 固定閾值模型 固定閾值模型的病種為傳染病防治法規(guī)定為甲類或按甲類管理的疾病及較為罕見或高度關(guān)注的疾病，當(dāng)醫(yī)療機(jī)構(gòu)報(bào)告1例病例，預(yù)警系統(tǒng)會(huì)實(shí)時(shí)發(fā)出預(yù)警信號(hào)[5]。可以預(yù)警的病種共19種，包括鼠疫、霍亂、傳染性非典型肺炎、脊髓灰質(zhì)炎、人感染高致病性禽流感、人感染H7N9禽流感、肺炭疽、白喉、血吸蟲病、絲蟲病、不明原因肺炎、麻疹、手足口病、瘧疾、百日咳、狂犬病、肺結(jié)核、布魯氏菌病、新型冠狀病毒肺炎。

1.2.2 時(shí)間模型 時(shí)間模型采用移動(dòng)百分位數(shù)法、累積和控制圖法、聚集性疫情法對(duì)19種傳染病進(jìn)行異常探測(cè)[2]。其中采用移動(dòng)百分位數(shù)法的疾病有17種，包括甲型病毒性肝炎、戊型病毒性肝炎、流行性出血熱、流行性乙型腦炎、登革熱、痢疾、傷寒、流行性腦脊髓膜炎、猩紅熱、鉤端螺旋體病、流行性感冒、流行性腮腺炎、風(fēng)疹、急性出血性結(jié)膜炎、流行性和地方性斑疹傷寒、其他感染性腹瀉病、水痘。若當(dāng)前7 d病例數(shù)超過過去5年歷史同期基線數(shù)據(jù)的第n百分位數(shù)（Pn）水平時(shí)，預(yù)警系統(tǒng)發(fā)出預(yù)警信號(hào)[2]。登革熱、鉤端螺旋體病、流行性腦脊髓膜炎、流行性和地方性斑疹傷寒均采用P50，甲型病毒性肝炎采用P70，其他疾病采用P80[1]。采用累積和控制圖法的疾病有1種，即手足口病，若當(dāng)前3 d病例數(shù)超出過去7 d基線數(shù)據(jù)時(shí)，達(dá)到預(yù)警標(biāo)準(zhǔn)，預(yù)警系統(tǒng)發(fā)出預(yù)警信號(hào)[6]。采用聚集性疫情法的疾病有1種，即瘧疾，以鄉(xiāng)鎮(zhèn)為單位，30 d內(nèi)報(bào)告病例數(shù)達(dá)到2例及以上時(shí)，預(yù)警系統(tǒng)發(fā)出預(yù)警信號(hào)[7]。

1.2.3 時(shí)空模型 時(shí)空模型是在時(shí)間模型基礎(chǔ)上，利用空間探測(cè)技術(shù)判斷傳染病是否存在空間聚集性[8]。

1.3 評(píng)價(jià)指標(biāo) ①預(yù)警信號(hào)數(shù)：2013年1月1日—2020年12月31日北京市通州區(qū)收到的所有傳染病預(yù)警信號(hào)數(shù)量。②響應(yīng)時(shí)間：發(fā)出預(yù)警信號(hào)時(shí)間至填報(bào)信息卡的時(shí)間，其中甲類和按甲類管理的傳染病2 h內(nèi)，其他傳染病24 h內(nèi)為及時(shí)響應(yīng)，及時(shí)響應(yīng)率（%）=及時(shí)響應(yīng)數(shù)/預(yù)警信號(hào)數(shù)×100%。③疑似事件數(shù)：通過監(jiān)測(cè)數(shù)據(jù)分析或核實(shí)后初步判斷為疑似事件的信號(hào)數(shù)，疑似事件陽性率（%）=疑似事件數(shù)/預(yù)警信號(hào)數(shù)×100%。④暴發(fā)事件數(shù)：調(diào)查結(jié)論為暴發(fā)事件的信號(hào)數(shù)，暴發(fā)事件陽性率（%）=暴發(fā)事件數(shù)/預(yù)警信號(hào)數(shù)×100%。⑤預(yù)警信號(hào)準(zhǔn)確率（%）=CIDARS突發(fā)公共衛(wèi)生事件數(shù)/實(shí)際報(bào)告的突發(fā)公共衛(wèi)生事件數(shù)×100%。

1.4 統(tǒng)計(jì)學(xué)處理 采用Excel 2013軟件整理數(shù)據(jù)，采用IBM SPSS 21.0 軟件統(tǒng)計(jì)分析。不同年份之間預(yù)警信號(hào)響應(yīng)時(shí)間差異采用Kruskal-Wallis秩和檢驗(yàn)。疑似事件陽性率與暴發(fā)事件陽性率采用Spearman秩相關(guān)檢驗(yàn)。不同模型暴發(fā)事件陽性率采用χ2檢驗(yàn)。P＜0.05為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié) 果

2.1 基本情況 2013—2020年北京市通州區(qū)共收到預(yù)警信號(hào)3940條，疑似事件數(shù)1049條，疑似事件陽性率為26.62%；暴發(fā)事件數(shù)58條，暴發(fā)事件陽性率為1.47%；及時(shí)響應(yīng)數(shù)3890條，及時(shí)響應(yīng)率為98.73%；預(yù)警信號(hào)平均響應(yīng)時(shí)間為0.43（0.18～1.20）h，不同年份之間響應(yīng)時(shí)間的差異有統(tǒng)計(jì)學(xué)意義（χ2=0.745，P=0.001），其中2019年預(yù)警信號(hào)平均響應(yīng)時(shí)間最長(zhǎng)，2014和2016年平均響應(yīng)時(shí)間最短。從不同年份看，2019年收到的預(yù)警信號(hào)最多（728條），2013年收到的預(yù)警信號(hào)最少（335條），其余年份均在400～550條之間。2013年及時(shí)響應(yīng)率最低（90.15%），2018—2020年及時(shí)響應(yīng)率在98.63%～99.63%之間，其余年份及時(shí)響應(yīng)率均為100%。2014年疑似事件陽性率最高（47.93%），2020年暴發(fā)事件陽性率最高（9.20%），疑似事件陽性率與暴發(fā)事件陽性率無相關(guān)性（rs=-0.661，P=0.052）。見表1。

表1 2013—2020年北京市通州區(qū)傳染病預(yù)警信號(hào)及響應(yīng)情況Table 1 Early warning signals and response of infectious diseases in Tongzhou District of Beijing from 2013 to 2020

2.2 不同模型預(yù)警信號(hào)響應(yīng)情況 2013—2020年固定閾值模型預(yù)警信號(hào)1904條，占48.32%；時(shí)間模型預(yù)警信號(hào)1460條，占37.06%；時(shí)空模型預(yù)警信號(hào)576條，占14.62%。固定閾值模型預(yù)警信號(hào)2017年最少（97條），2019年最多（424條）；時(shí)間模型預(yù)警信號(hào)2020年最少（40條），2017年最多（269條）；時(shí)空模型預(yù)警信號(hào)2020年最少（4條），2017年最多（157條）。

2013—2020年固定閾值模型疑似事件陽性率為53.78%，其中2014年、2015年疑似事件陽性率較高（100%），其次為2016年（99.45%）、2013年（88.89%）；時(shí)間模型疑似事件陽性率為1.44%，其中2017年疑似事件陽性率較高（3.35%），其次為2019年（2.47%）、2018年（2.35%）；時(shí)空模型疑似事件陽性率為0.69%，其中2013年、2018年、2019年疑似事件陽性率分別為2.33%、1.67%、3.28%，其余年份無疑似事件。見表2。

表2 2013—2020年北京市通州區(qū)不同模型預(yù)警信號(hào)響應(yīng)情況Table 2 Response of early warning signals in different models in Tongzhou District of Beijing from 2013 to 2020

2013—2020年不同模型暴發(fā)事件陽性率如下，固定閾值模型為2.00%（38/1904），時(shí)間模型為1.23%（18/1460），時(shí)空模型為0.35%（2/576），3種模型暴發(fā)事件陽性率比較差異有統(tǒng)計(jì)學(xué)意義（χ2=9.201，P=0.010），固定閥值模型的暴發(fā)事件陽性率高于時(shí)空模型（P＜0.05）。

2.2.1 固定閾值模型預(yù)警信號(hào)響應(yīng)情況 固定閾值模型預(yù)警信號(hào)1904條，及時(shí)響應(yīng)1884條，及時(shí)響應(yīng)率為98.95%。涉及14種傳染病，排在前3位的傳染病是麻疹、肺結(jié)核、布魯氏菌病。除麻疹、肺結(jié)核、布魯氏菌病外，其他疾病均在2 h或24 h內(nèi)響應(yīng)，及時(shí)響應(yīng)率為100%。疑似事件陽性率為53.78%，傳染病病種主要為麻疹，其次為手足口病、瘧疾。暴發(fā)事件陽性率為2.00%，涉及病種為新型冠狀病毒肺炎。見表3。

表3 2013—2020年北京市通州區(qū)固定閾值模型預(yù)警信號(hào)響應(yīng)情況Table 3 Response of early warning signals in fixed-value detection model in Tongzhou District of Beijing from 2013 to 2020

2.2.2 時(shí)間模型預(yù)警信號(hào)響應(yīng)情況 時(shí)間模型預(yù)警信號(hào)1460條，及時(shí)響應(yīng)1434條，及時(shí)響應(yīng)率為98.22%。涉及12種傳染病，排在前3位的傳染病是流行性感冒、手足口病、猩紅熱。除流行性感冒、猩紅熱、流行性腮腺炎、其他感染性腹瀉病、痢疾、風(fēng)疹外，其他疾病均在2 h或24 h內(nèi)響應(yīng)，及時(shí)響應(yīng)率為100%。疑似事件陽性率為1.44%，其中陽性率較高的為水痘，其次為痢疾、流行性腮腺炎。暴發(fā)事件陽性率為1.23%，涉及病種為水痘、痢疾、流行性感冒。見表4。

表4 2013—2020年北京市通州區(qū)時(shí)間模型預(yù)警信號(hào)響應(yīng)情況Table 4 Response of early warning signals in temporal model in Tongzhou District of Beijing from 2013 to 2020

2.2.3 時(shí)空模型預(yù)警信號(hào)響應(yīng)情況 時(shí)空模型預(yù)警信號(hào)576條，及時(shí)響應(yīng)571條，及時(shí)響應(yīng)率為99.13%。涉及7種傳染病，排在前3位的傳染病是流行性感冒、其他感染性腹瀉病、猩紅熱。其中猩紅熱、痢疾、流行性乙型腦炎均在2 h或24 h內(nèi)響應(yīng)，及時(shí)響應(yīng)率為100%。疑似事件陽性率為0.69%，其中陽性率較高的為痢疾，其次為流行性腮腺炎、猩紅熱。暴發(fā)事件陽性率為0.35%，涉及病種為流行性感冒、痢疾，見表5。

表5 2013—2020年北京市通州區(qū)時(shí)空模型預(yù)警信號(hào)響應(yīng)情況Table 5 Response of early warning signals in temporal-spatial model in Tongzhou District of Beijing from 2013 to 2020

2.3 預(yù)警效果評(píng)價(jià) 2013—2020年北京市通州區(qū)突發(fā)公共衛(wèi)生事件管理信息系統(tǒng)報(bào)告?zhèn)魅静☆愅话l(fā)公共衛(wèi)生事件21起，CIDARC報(bào)告?zhèn)魅静☆愅话l(fā)公共衛(wèi)生事件12起，預(yù)警信號(hào)準(zhǔn)確率為57.14%。其中痢疾、新型冠狀病毒肺炎、流行性感冒3種傳染病預(yù)警信號(hào)準(zhǔn)確率較高，均為100%，其次為水痘，流行性乙型腦炎、人感染H7N9禽流感、手足口病等傳染病預(yù)警信號(hào)準(zhǔn)確率較低。見表6。

表6 2013—2020年北京市通州區(qū)傳染病類突發(fā)公共衛(wèi)生事件預(yù)警信號(hào)效果評(píng)價(jià)Table 6 Evaluation on early warning signal effect of infectious diseases public health emergencies in Tongzhou District of Beijing from 2013 to 2020

3 討 論

近年來，傳染病暴發(fā)流行已經(jīng)成為國家公共衛(wèi)生事件處置的重點(diǎn)，對(duì)傳染病進(jìn)行早期預(yù)警并及早處置對(duì)于提高突發(fā)公共衛(wèi)生事件應(yīng)急處置能力具有重要意義。2008年起， CIDARS正式投入運(yùn)行，為基層疾病預(yù)防控制機(jī)構(gòu)早期識(shí)別傳染病暴發(fā)事件提供了重要輔助工具。本研究對(duì)該系統(tǒng)在北京市通州區(qū)的運(yùn)行情況進(jìn)行評(píng)價(jià)，為其改進(jìn)與完善提供參考。

研究發(fā)現(xiàn)，2013—2020年北京市通州區(qū)CIDARS預(yù)警信號(hào)共3940條，平均每年約490余條，2013年預(yù)警信號(hào)及時(shí)響應(yīng)率較低，為90.15%，其余年份均在98.00%以上，初期可能與系統(tǒng)運(yùn)行時(shí)間較短，接收預(yù)警信息不穩(wěn)定或延遲有關(guān)。不同年份預(yù)警信號(hào)響應(yīng)時(shí)間是不同的，平均響應(yīng)時(shí)間為0.43（0.18～1.20）h。預(yù)警系統(tǒng)采用的3種模型均探測(cè)到暴發(fā)事件，由此看出，該系統(tǒng)運(yùn)行穩(wěn)定，監(jiān)測(cè)人員及時(shí)響應(yīng)率較高，是基層疾控機(jī)構(gòu)及時(shí)發(fā)現(xiàn)和識(shí)別傳染病暴發(fā)事件的重要輔助手段和工具，可以較好地減少基層工作人員工作量，提高傳染病預(yù)警的工作效率[9-13]。

此外，本研究還發(fā)現(xiàn)，該地區(qū)CIDARS預(yù)警信號(hào)中疑似事件陽性率為26.62%，暴發(fā)事件陽性率為1.47%，與蘇州市、漯河市、白銀市、北京市西城區(qū)、揚(yáng)州市等文獻(xiàn)報(bào)道疑似事件陽性率、暴發(fā)事件陽性率差異較大[9-11，14-15]，存在差異的原因可能與全國各地未采用統(tǒng)一的預(yù)警方法和參數(shù)設(shè)置有關(guān)[2]。本研究暴發(fā)事件陽性率較低的可能原因有兩個(gè)方面：一是因?yàn)閭魅静》揽卮胧?fù)雜、病毒本身變異、診療方案變化、病例確診滯后等情況，超出了預(yù)警模型的技術(shù)手段[16]；二是傳染病預(yù)警模型產(chǎn)生大量冗余信號(hào)，可能會(huì)影響預(yù)警信號(hào)的數(shù)量及靈敏度[13，17-18]。

從CIDARS采用的不同模型看，固定閾值模型、時(shí)間模型、時(shí)空模型的暴發(fā)事件陽性率不同。采用固定閾值模型暴發(fā)事件陽性率較高的病種為新型冠狀病毒肺炎。時(shí)間模型應(yīng)用移動(dòng)百分位數(shù)法，暴發(fā)事件陽性率較高的病種為水痘、痢疾和流行性感冒3種傳染??；應(yīng)用累積和控制圖法及聚集性疫情法未探測(cè)到暴發(fā)事件。有研究表明，使用累積和控制圖法的疾病預(yù)警信號(hào)數(shù)與發(fā)病例數(shù)不相關(guān)，而移動(dòng)百分位數(shù)法發(fā)病例數(shù)波動(dòng)也不一定導(dǎo)致預(yù)警信號(hào)的變化[19]。時(shí)空模型暴發(fā)事件涉及病種為流行性感冒、痢疾。上述結(jié)果表明，CIDARS對(duì)新型冠狀病毒肺炎、痢疾、流行性感冒、水痘的預(yù)測(cè)準(zhǔn)確率較高。

本研究尚存在一定局限性，法定傳染病報(bào)告系統(tǒng)是被動(dòng)監(jiān)測(cè)，有漏報(bào)病例的可能，而本研究CIDARS基于法定傳染病報(bào)告系統(tǒng)，因此對(duì)漏報(bào)病例無法預(yù)警，可能存在監(jiān)測(cè)數(shù)據(jù)被低估的風(fēng)險(xiǎn)。

綜上所述，2013—2020年北京市通州區(qū)CIDARS預(yù)警信號(hào)響應(yīng)時(shí)間和及時(shí)響應(yīng)率保持較高水平，固定閾值模型、時(shí)間模型、時(shí)空模型3種模型均探測(cè)到傳染病暴發(fā)事件，CIDARS運(yùn)行有效，但預(yù)警系統(tǒng)參數(shù)和功能應(yīng)進(jìn)一步完善，建議根據(jù)當(dāng)?shù)丶膊×餍幸?guī)律和防控需要，個(gè)性化設(shè)置多種預(yù)警方法，開發(fā)不同疾病的最優(yōu)方法和參數(shù)，調(diào)整預(yù)警閾值和病種，將系統(tǒng)靈敏度降低至可接受范圍內(nèi)，減少假陽性預(yù)警信號(hào)，從而提高預(yù)警系統(tǒng)的陽性預(yù)測(cè)值和準(zhǔn)確性[2，20-21]。