袁方 YUAN Fang；任海玲 REN Hai-ling；趙夢(mèng) ZHAO Meng；宋菲 SONG Fei；李洲誼 LI Zhou-yi；趙崇燕 ZHAO Chong-yan

（①銀川市第一人民醫(yī)院信息管理部，銀川 750001；②寧夏醫(yī)科大學(xué)臨床學(xué)院，銀川 750004；③寧夏醫(yī)科大學(xué)理學(xué)院，銀川 750004）

0 引言

傳染病的暴發(fā)流行多為突發(fā)性，無規(guī)律可循[1]，對(duì)人民生命健康及社會(huì)穩(wěn)定造成巨大危害。傳染病預(yù)警是傳染病預(yù)防和控制的基礎(chǔ)，是研判疫情趨勢(shì)、遏制疫情蔓延的關(guān)鍵。2003年傳染性非典型肺炎危機(jī)事件爆發(fā)后，我國(guó)建立了傳染病與突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)直報(bào)系統(tǒng)，但缺乏利用數(shù)據(jù)模型對(duì)傳染病進(jìn)行預(yù)警[2]。隨著信息技術(shù)的發(fā)展和公眾健康需求的增長(zhǎng)，衛(wèi)生資源不斷優(yōu)化，傳染病預(yù)警體系發(fā)生轉(zhuǎn)變，基于數(shù)據(jù)模型的傳染病預(yù)警研究受到公共衛(wèi)生領(lǐng)域的青睞。近年來，國(guó)內(nèi)外學(xué)者在傳染病預(yù)警模型的研究方面做了大量探索：?jiǎn)我活A(yù)警模型（時(shí)間模型[3]、空間模型[4]）、組合預(yù)警模型（時(shí)空模型[5]、關(guān)聯(lián)模型（如癥狀-疾病關(guān)聯(lián)模型[6]））、信息可視化展示[7]、區(qū)塊鏈技術(shù)應(yīng)用[8]、人工智能技術(shù)賦能[9]、物聯(lián)網(wǎng)增效[10]等，傳染病預(yù)警模型的研究正在為公共衛(wèi)生事業(yè)的發(fā)展注入“新活力”。

本研究收集2020-2022年間國(guó)內(nèi)外傳染病預(yù)警研究文獻(xiàn)150余篇，從不同技術(shù)、不同監(jiān)測(cè)資料在傳染病預(yù)警中的應(yīng)用兩大方面，對(duì)傳染病預(yù)警模型的研究進(jìn)展進(jìn)行綜述，以期為傳染病預(yù)警模型的未來發(fā)展提供參考。具體歸納見圖1。

圖1 傳染病預(yù)警模型研究進(jìn)展

1 不同方法在傳染病預(yù)警模型中的應(yīng)用

1.1 統(tǒng)計(jì)學(xué)方法在傳染病預(yù)警模型中的應(yīng)用

傳染病的發(fā)生和流行存在一定的人群、時(shí)間和空間特征，科學(xué)防控的基礎(chǔ)在于及時(shí)發(fā)現(xiàn)危險(xiǎn)因素、預(yù)測(cè)流行趨勢(shì)、把握流行規(guī)律，提前預(yù)警并采取有針對(duì)性的防控措施對(duì)有效控制傳染病的流行和對(duì)人群的危害至關(guān)重要?；诮y(tǒng)計(jì)學(xué)的傳染病預(yù)警模型可分為時(shí)間、空間、時(shí)空三類模型。歸納見圖2。

圖2 統(tǒng)計(jì)學(xué)方法在傳染病預(yù)警模型中的應(yīng)用

時(shí)間模型分析?；谝驯O(jiān)測(cè)數(shù)據(jù)，利用數(shù)學(xué)模型計(jì)算預(yù)期值。時(shí)間模型中使用較為成熟的有CU-SUM、ARIMA及其衍生模型、Holt-Winters模型，如任嘉豪[11]學(xué)者提出的基于Holt-Winters預(yù)測(cè)模型，能較精準(zhǔn)地對(duì)趨勢(shì)性和季節(jié)性變化數(shù)據(jù)序列進(jìn)行預(yù)測(cè)，周孟君[12]學(xué)者利用Holt-Winters衍生模型模擬入院人次在時(shí)間序列上的變動(dòng)趨勢(shì)，實(shí)現(xiàn)了良好的擬合預(yù)測(cè)效果。Ahmar[13]學(xué)者提出的α-Sutte模型是一種新型時(shí)間序列預(yù)測(cè)方法，近年來在COVID-19、嬰兒死亡率預(yù)測(cè)中表現(xiàn)較好。分析傳染病的空間分布可以為掌握疾病的流行病學(xué)信息，進(jìn)行溯源和防控提供重要依據(jù)。例如王海星[14]學(xué)者利用空間模型分析患者地理位置的相關(guān)資料，監(jiān)測(cè)傳染病患者是否出現(xiàn)空間上的聚集性，對(duì)進(jìn)行溯源和防控提供了重要依據(jù)。佘凱麗[15]學(xué)者利用空間自相關(guān)等分析方法分析腎綜合征出血熱發(fā)病的空間分布模式，探索影響因素的空間溢出現(xiàn)象，對(duì)該病監(jiān)測(cè)數(shù)據(jù)的空間分析具有一定參考價(jià)值。楊昭輝[16]學(xué)者針對(duì)COVID-19疫情，使用GIS方法設(shè)計(jì)出傳染病實(shí)時(shí)預(yù)警溯源系統(tǒng)，疫情防控水平提供參考。時(shí)空模型分析基于時(shí)間、空間和疾病特征方面的數(shù)據(jù)開展分析預(yù)警，主要分析方法及工具有SatScan、貝葉斯網(wǎng)絡(luò)、PANDA、WSARE等。如徐冰[17]學(xué)者按照流行季節(jié)和發(fā)病程度對(duì)湖南省的研究區(qū)域進(jìn)行了聚集性分析，可及時(shí)為社會(huì)和醫(yī)療機(jī)構(gòu)提供預(yù)警信息；周志峰[18]學(xué)者基于時(shí)空重排掃描模型對(duì)深圳市流行性腮腺炎的發(fā)病情況進(jìn)行逐日模擬預(yù)警，具有較好的早期預(yù)警效果。鄭嘉麗[19]學(xué)者構(gòu)建的面向多尺度傳染病時(shí)空分析框架，對(duì)淋病、細(xì)菌性痢疾和流行性腮腺炎三類傳染病的時(shí)空分布特征進(jìn)行了較好的預(yù)測(cè)分析。

1.2 數(shù)學(xué)方法在傳染病預(yù)警模型中的應(yīng)用

傳染病預(yù)警的數(shù)學(xué)模型基于傳染病的傳播速度、空間范圍、傳播途徑和動(dòng)力學(xué)機(jī)理等因素可劃分為SI、SIR、SIRS、SEIR等模型。如陳婉婷[20]學(xué)者構(gòu)建的SIR傳染病模型得到了傳染病不擴(kuò)散的充分條件。葉麗霞[21]學(xué)者在SIR傳染病模型的基礎(chǔ)上添加隨機(jī)干擾，構(gòu)建了隨機(jī)SIR傳染病模型，具有一定的準(zhǔn)確性與有效性。汪袁[22]學(xué)者運(yùn)用脈沖微分方程相關(guān)理論建立了傳染病模型，能夠減少疾病的增加，對(duì)疾病的防控起到積極作用。王宇[23]學(xué)者基于分?jǐn)?shù)階模型對(duì)修正后的數(shù)據(jù)進(jìn)行仿真，對(duì)COVID-19模型的預(yù)測(cè)提供一定參考價(jià)值。傳染病預(yù)警的數(shù)學(xué)模型能為醫(yī)療機(jī)構(gòu)提早制定防控策略提供參考，以最大限度減少傳染病所帶來的疾病負(fù)擔(dān)和社會(huì)經(jīng)濟(jì)損失。

1.3 物理學(xué)方法在傳染病預(yù)警模型中的應(yīng)用

基于經(jīng)典倉(cāng)室模型的預(yù)警模型是現(xiàn)階段主流傳染病物理學(xué)模型。針對(duì)某類傳染病將地區(qū)人群分為若干類，每一類被稱為一個(gè)倉(cāng)室[24]，SIR倉(cāng)室模型是典型的三倉(cāng)室模型。在倉(cāng)室模型的基礎(chǔ)上，后續(xù)研究者們提出了許多分類更加精細(xì)的模型。例如以不同倉(cāng)室代表不同疾病狀態(tài)人群，王俊芬[25]學(xué)者通過建立微分方程組研究了疾病的傳播動(dòng)力學(xué)過程。胡新利[26]學(xué)者建立了具有隔離倉(cāng)室和潛伏倉(cāng)室的非線性高維自治微分系統(tǒng)SEQIJR傳染病模型，發(fā)現(xiàn)適當(dāng)?shù)卦龃蟾綦x強(qiáng)度，將有效地控制疾病的蔓延。顧梓玉[27]學(xué)者提出一類無標(biāo)度網(wǎng)絡(luò)上具有警覺行為和隔離行為的SAIQRS傳染病傳播模型，可以降低傳染病的爆發(fā)規(guī)模。

1.4 新一代信息技術(shù)在傳染病預(yù)警模型中的應(yīng)用

隨著信息時(shí)代的到來，計(jì)算機(jī)技術(shù)愈發(fā)成熟。針對(duì)傳染病預(yù)警，其對(duì)數(shù)據(jù)可視化、傳輸、處理技術(shù)的需求也越來越高。從眾多新一代信息技術(shù)中，我們將在傳染病預(yù)警方面突出的信息技術(shù)分為電子地圖技術(shù)、區(qū)塊鏈技術(shù)、深度學(xué)習(xí)技術(shù)三類。具體歸納見圖3。

圖3 新一代信息技術(shù)在傳染病預(yù)警模型中的應(yīng)用

電子地圖技術(shù)可以清晰展現(xiàn)傳染病的分布情況，使決策者可以通過更有效更直觀地方法進(jìn)行決策。裘炯良[28]學(xué)者綜合利用統(tǒng)計(jì)地圖的方法，實(shí)現(xiàn)了對(duì)全球傳染病發(fā)生或流行的周期性評(píng)估、可視化展現(xiàn)。詹慶明[29]學(xué)者引入電子地圖路徑規(guī)劃和列車班次等詳盡的互聯(lián)網(wǎng)交通數(shù)據(jù)，在基于時(shí)序分析及路徑推斷的疫情風(fēng)險(xiǎn)擴(kuò)散分析和交通管制支持框架下，提高了人群流動(dòng)數(shù)據(jù)與疫情空間分布的相關(guān)性。顏嘉麒[30]學(xué)者基于融合復(fù)雜網(wǎng)絡(luò)的風(fēng)險(xiǎn)度量算法，構(gòu)建了區(qū)塊鏈傳染病風(fēng)險(xiǎn)預(yù)警與數(shù)據(jù)共享系統(tǒng)，實(shí)現(xiàn)了在保護(hù)患者隱私同時(shí)自動(dòng)化預(yù)警上報(bào)。深度學(xué)習(xí)技術(shù)可以將某些因素與傳染病的發(fā)病相關(guān)聯(lián)，對(duì)傳染病的預(yù)警起到更加精確地防控作用。張翀[31]學(xué)者結(jié)合LSTM和長(zhǎng)短期記憶網(wǎng)絡(luò)深度學(xué)習(xí)模型對(duì)傳染病發(fā)病趨勢(shì)進(jìn)行預(yù)測(cè)，發(fā)現(xiàn)LSTM模型預(yù)測(cè)的準(zhǔn)確性較好，長(zhǎng)短期記憶網(wǎng)絡(luò)深度學(xué)習(xí)模型對(duì)符合時(shí)間序列流行特征的傳染病發(fā)病趨勢(shì)的預(yù)測(cè)，具有一定的實(shí)用價(jià)值。張帆[32]學(xué)者設(shè)計(jì)并實(shí)現(xiàn)了以深度學(xué)習(xí)為基礎(chǔ)由Python web框架Django搭建的傳染病預(yù)警系統(tǒng)，在預(yù)測(cè)肺結(jié)核上具有良好準(zhǔn)確性。駱建香[33]學(xué)者提出基于注意力機(jī)制的傳染病預(yù)測(cè)模型，有效提高傳染發(fā)病人數(shù)的預(yù)測(cè)精度。

2 不同監(jiān)測(cè)資料在傳染病預(yù)警模型中的應(yīng)用

近年來，隨著數(shù)據(jù)采集方法的革新和新一代信息技術(shù)的進(jìn)步，傳染病預(yù)警資料的收集和分析愈發(fā)全面、高效，推動(dòng)了傳染病預(yù)警相關(guān)理論和實(shí)踐的快速發(fā)展。針對(duì)現(xiàn)階段國(guó)內(nèi)外傳染病預(yù)警模型的研究現(xiàn)狀，可依據(jù)其監(jiān)測(cè)資料的種類歸納為五部分：基于病例、癥狀、環(huán)境、病原學(xué)和互聯(lián)網(wǎng)大數(shù)據(jù)的傳染病預(yù)警模型。具體歸納見圖4。

圖4 不同監(jiān)測(cè)資料在傳染病預(yù)警模型中的應(yīng)用

梅琳[34]學(xué)者以發(fā)熱、咳嗽、頭痛和腹瀉為目標(biāo)癥狀，構(gòu)建突發(fā)呼吸道傳染病癥狀監(jiān)測(cè)預(yù)警模型，可精準(zhǔn)預(yù)測(cè)目標(biāo)癥狀分布趨勢(shì)。甘忠志[35]等學(xué)者將癥狀監(jiān)測(cè)應(yīng)用于學(xué)校傳染病預(yù)警，有效降低學(xué)校暴發(fā)疫情的風(fēng)險(xiǎn)。隨著大數(shù)據(jù)時(shí)代的到來，傳染病預(yù)警分析的資料來源也呈現(xiàn)多元化發(fā)展[36]，多源頭采集數(shù)據(jù)為傳染病預(yù)警的發(fā)展提供了創(chuàng)新思路。胡亞偉[37]學(xué)者為提高手足口病疫情預(yù)測(cè)精度，在研究中納入手足口病的影響因素，將其歸納為地區(qū)因素、氣象因素、社會(huì)因素和疾病自身因素四方面，為手足口病的精準(zhǔn)預(yù)警提供科學(xué)依據(jù)。何海鋒[38]學(xué)者提出臨床決策支持系統(tǒng)實(shí)時(shí)處理醫(yī)院內(nèi)電子病歷數(shù)據(jù)，利用知識(shí)庫(kù)引擎輔助醫(yī)師鑒別診斷新型突發(fā)傳染性病例，同時(shí)對(duì)醫(yī)院內(nèi)疑似病例的及時(shí)發(fā)現(xiàn)以及鑒別診斷、質(zhì)控等方面均可提供較好的解決方案。王夢(mèng)瑩[39]學(xué)者通過Hadoop大數(shù)據(jù)技術(shù)架構(gòu)、集成HDFS分布式文件系統(tǒng)和HBase列式數(shù)據(jù)庫(kù)，建立了真實(shí)場(chǎng)景下ICD編碼規(guī)范的醫(yī)院傳染病預(yù)警系統(tǒng)，實(shí)現(xiàn)了多維度病歷輸入、早期篩查并發(fā)現(xiàn)疾病個(gè)體，從而進(jìn)行群體監(jiān)測(cè)預(yù)警。病例資料是傳染病預(yù)警模型所應(yīng)用數(shù)據(jù)來源的基礎(chǔ)。陳洞天[40]學(xué)者設(shè)計(jì)出一種基于ICD編碼和檢驗(yàn)指標(biāo)的傳染病預(yù)警方案，對(duì)醫(yī)生診斷進(jìn)行標(biāo)準(zhǔn)化編碼，對(duì)傳染病檢驗(yàn)和診斷結(jié)果進(jìn)行實(shí)時(shí)監(jiān)測(cè)，改善了傳染病報(bào)告不及時(shí)、漏報(bào)、錯(cuò)報(bào)等問題。丁翀[41]、魯芳芳[42]、高燕琳[43]等學(xué)者分別采集蘇州市、宜昌市和北京市各層級(jí)醫(yī)療機(jī)構(gòu)的傳染病病例資料，建立了多點(diǎn)觸發(fā)傳染病預(yù)警系統(tǒng)，在一定程度上彌補(bǔ)了區(qū)域范圍內(nèi)原有網(wǎng)絡(luò)直報(bào)系統(tǒng)的不足，提升了監(jiān)測(cè)體系的性能和效果。病原學(xué)監(jiān)測(cè)在病毒學(xué)傳染病的預(yù)測(cè)、預(yù)報(bào)和預(yù)警中起到重要的作用。王博[44]學(xué)者提出病毒性傳染病可用核酸檢測(cè)和抗體血清學(xué)檢測(cè)方法獲取病原學(xué)資料，并作為醫(yī)生的診斷輔助進(jìn)行傳染病預(yù)警。王琪[45]、汪麗娟[46]學(xué)者分析甘肅省發(fā)熱伴出疹癥候人群（Rash and fever syndrome，RFS）的病原學(xué)資料，構(gòu)建SARIMA模型及其組合模型對(duì)RFS陽(yáng)性率進(jìn)行預(yù)測(cè)，結(jié)果顯示組合模型預(yù)測(cè)精度較高。

3 總結(jié)與展望

針對(duì)傳染病預(yù)警模型的構(gòu)建，目前國(guó)內(nèi)外學(xué)者大多都以病例、癥狀、互聯(lián)網(wǎng)大數(shù)據(jù)等作為監(jiān)測(cè)資料，利用統(tǒng)計(jì)學(xué)方法、數(shù)學(xué)方法或物理學(xué)法搭建模型，同時(shí)將新一代信息技術(shù)作為輔助方法用于完善模型的建立與運(yùn)行。結(jié)果顯示，現(xiàn)有國(guó)內(nèi)外研究對(duì)于傳統(tǒng)傳染病（如流行性腮腺炎、手足口病、結(jié)核病等）預(yù)警效果較好，但對(duì)于新發(fā)傳染病的預(yù)警效果欠佳，影響傳染病模型預(yù)警效果的主要原因可能為：一是受數(shù)據(jù)及時(shí)性、準(zhǔn)確性和敏感性以及數(shù)據(jù)類型局限性的影響，模型只能在單一傳染病預(yù)警中表現(xiàn)較好或在某一階段的傳染病預(yù)警中表現(xiàn)良好；二是數(shù)據(jù)格式的統(tǒng)一化程度會(huì)影響傳染病預(yù)警的準(zhǔn)確性。因此，提高傳染病預(yù)警效果可從以下兩方面入手：一是醫(yī)護(hù)人員要提高對(duì)傳染病信息的敏感性，當(dāng)臨床診斷出現(xiàn)異常情況時(shí)要做到及時(shí)上報(bào)，避免出現(xiàn)預(yù)警失靈的情況；二是傳染病預(yù)警模型要充分利用多源數(shù)據(jù)，優(yōu)化算法性能，提高模型解釋能力，同時(shí)融入互聯(lián)網(wǎng)、生物信息和地理信息等不同領(lǐng)域新技術(shù)，減輕醫(yī)護(hù)人員壓力，改善醫(yī)院傳染病上報(bào)的效率和質(zhì)量，為新發(fā)傳染病預(yù)警提供有效幫助。