基于傳染病自動預(yù)警信息系統(tǒng)的“流行標(biāo)準(zhǔn)”最優(yōu)化選擇分析*

王瑞平 姜永根 郭曉芹 趙根明

基于傳染病自動預(yù)警信息系統(tǒng)的“流行標(biāo)準(zhǔn)”最優(yōu)化選擇分析*

王瑞平1，2姜永根2郭曉芹2趙根明1△

目的 通過納入“流行標(biāo)準(zhǔn)”備選模型，探討各模型對不同傳染病類型預(yù)警閾值設(shè)定的適用性，進(jìn)而優(yōu)選出各傳染病的適宜預(yù)警閾值，改善預(yù)警效果。方法 按照控制圖預(yù)警模型原理，分別計算各重點(diǎn)傳染病2014年周病例數(shù)指定的12個百分位數(shù)，然后分別應(yīng)用備選“流行標(biāo)準(zhǔn)”對各重點(diǎn)傳染病2014年相應(yīng)周的疫情進(jìn)行預(yù)警，通過比較備選模型和控制圖預(yù)警模型預(yù)警結(jié)果，優(yōu)選出預(yù)警閾值，然后依據(jù)2015年傳染病聚集性疫情的實際發(fā)生情況驗證預(yù)警界值預(yù)警效果。結(jié)果 納入松江區(qū)3種重點(diǎn)傳染病，流行性腮腺炎整體疫情呈下降趨勢，定為“TYPE A”，C2、累積和控制圖(CUSUM)和季節(jié)趨勢模型(SM)推薦P50，“μ+2σ”推薦P80；流行性感冒整體疫情平穩(wěn)，定為“TYPE B”，C2、CUSUM和SM推薦P40，“μ+2σ”推薦P75；猩紅熱整體疫情呈上升趨勢，為“TYPE C”，C2和SM推薦P90，CUSUM推薦P75，“μ+2σ”推薦P80。結(jié)論 C2、CUSUM和SM適合“TYPE A”型傳染病，推薦預(yù)警閾值低，結(jié)果保守；4種模型均適合“TYPE B”型傳染病，但μ+2σ的預(yù)警的成本效益好；4種模型也均適合“TYPE C”型傳染病，但傾向于推薦大的預(yù)警閾值，建議根據(jù)傳染病社會影響和現(xiàn)有防治水平對預(yù)警閾值進(jìn)行適當(dāng)調(diào)整。

傳染病自動預(yù)警信息系統(tǒng)；流行標(biāo)準(zhǔn)；優(yōu)化選擇；C2；CUSUM；SM

傳染病預(yù)測預(yù)警是根據(jù)收集到的傳染病疫情報告和疫情監(jiān)測資料，對疫情發(fā)生的區(qū)域、規(guī)模等進(jìn)行綜合評估和預(yù)測，然后在一定范圍內(nèi)，采取適當(dāng)?shù)姆绞筋A(yù)先發(fā)布事件威脅的警告[1]，進(jìn)而及時發(fā)現(xiàn)暴發(fā)和流行的苗頭，降低發(fā)病率和死亡率。目前，傳染病疫情預(yù)測預(yù)警工作已經(jīng)成為了疾病監(jiān)測信息體系的重要內(nèi)容[2-4]。在應(yīng)用控制圖法預(yù)警技術(shù)研究中，“流行”的標(biāo)準(zhǔn)依據(jù)是經(jīng)典流行病學(xué)中流行的定義，即將大于“μ+2σ”作為流行標(biāo)準(zhǔn)[5-7]，而實際應(yīng)用中，如果傳染病存在長期趨勢，直接將“μ+2σ”作為“流行”標(biāo)準(zhǔn)可能會低估或者高估暴發(fā)苗子，造成預(yù)警結(jié)果的偏差；同時如果傳染病具有明顯的季節(jié)性，僅利用這個“點(diǎn)值”作為“流行”的判斷標(biāo)準(zhǔn)也會造成預(yù)測結(jié)果的偏差[8-9]。因此，分析在傳染病預(yù)警閾值優(yōu)選過程中，如何確立合適的“流行”標(biāo)準(zhǔn)，可以提高預(yù)警閾值設(shè)定的合理性，進(jìn)而改善傳染病早期預(yù)警的效果，提高傳染病疫情的控制率和控制及時性。

材料與方法

1.資料來源

資料來源于“中國疾病預(yù)防控制信息系統(tǒng)”中“疾病監(jiān)測信息報告管理系統(tǒng)”模塊的傳染病報告。通過歷史疫情和預(yù)警系統(tǒng)分析將流行性腮腺炎、流行性感冒和猩紅熱確定為松江區(qū)重點(diǎn)傳染病，利用“疾病監(jiān)測信息報告管理系統(tǒng)”查詢、下載、篩選、整理出2009-2015年松江區(qū)重點(diǎn)傳染病疫情信息資料。

2.數(shù)據(jù)管理及建模

(1)建立預(yù)警模型

按照控制圖預(yù)警模型原理，分別以松江區(qū)3種重點(diǎn)傳染病觀察“周”既往5年(2009-2013年)該周及其前后各2周的周發(fā)病數(shù)為基線數(shù)據(jù)，分別計算指定的百分位數(shù)(P40、P45、P50、P55、P60、P65、P70、P75、P80、P85、P90、P95)作為預(yù)警閾值，建立預(yù)警模型。

(2)備選流行標(biāo)準(zhǔn)介紹

通過文獻(xiàn)檢索，將C2法、累積和控制圖法(cumulative sum control chart,CUSUM)和季節(jié)趨勢模型法(seasonal trend model,SM)納入為備選標(biāo)準(zhǔn)，與預(yù)警系統(tǒng)使用的“ 流行標(biāo)準(zhǔn)”進(jìn)行比較分析。

C2法基于美國早期異常探測系統(tǒng)(early abreation reporting system,EARS)，依據(jù)監(jiān)測數(shù)據(jù)為距離當(dāng)前日向前推算3至9天的數(shù)據(jù)為基線，利用統(tǒng)計模型計算當(dāng)前日的期望值，并設(shè)定預(yù)警閾值，當(dāng)實際觀測值超過預(yù)警閾值時即發(fā)出預(yù)警信號。具體計算公式如下：

其中yt是第t天監(jiān)測病例數(shù)，μ2t為第t-3天至t-9天病例數(shù)的均值，σ2t是第t-3天至t-9天病例數(shù)的標(biāo)準(zhǔn)差，k為修正系數(shù)，參考EARS的設(shè)置，k=1。本文中，將h設(shè)定為預(yù)警閾值，當(dāng)C2t>2時，認(rèn)為當(dāng)前監(jiān)測病例數(shù)為潛在“流行”，否則為一般“散發(fā)”。

累積和控制圖法模型(CUSUM)，假定每天監(jiān)測病例數(shù)yi服從泊松分布，將監(jiān)測序列正態(tài)化處理后，可計算得到標(biāo)準(zhǔn)正態(tài)離差表示當(dāng)前值與預(yù)期值之間的差異，該模型的具體計算公式如下：

其中yt是第t天監(jiān)測病例數(shù)，μi為過去i天病例數(shù)的平均值，σi為過去i天病例數(shù)的標(biāo)準(zhǔn)差，k值為該模型的重要參數(shù)，稱為修正系統(tǒng)，本研究中i=7，k=1，初始設(shè)置為S0=0，當(dāng)St>0時，即產(chǎn)生預(yù)警信號，認(rèn)為當(dāng)前監(jiān)測病例數(shù)為潛在“流行”，否則為“散發(fā)”。

季節(jié)趨勢模型(SM)是將線性回歸和殘差分析結(jié)合起來的一個預(yù)測模型，該模型同時兼顧了趨勢性和季節(jié)性的影響，同時剔除了長期趨勢對預(yù)測效果的影響，能夠得到較為接近實際的預(yù)測結(jié)果，反映了該類數(shù)據(jù)的變化規(guī)律，短期的預(yù)測效果好。該模型的具體計算公式如下：

(3)備選流行標(biāo)準(zhǔn)對應(yīng)的預(yù)警閾值的優(yōu)選

按照控制圖預(yù)警模型原理，分別以松江區(qū)2009-2013年重點(diǎn)傳染病的“周”發(fā)病數(shù)為基線數(shù)據(jù)，帶入建立的預(yù)警模型，分別用12個預(yù)警閾值對2014年52個周的傳染病發(fā)病數(shù)進(jìn)行預(yù)測，依據(jù)(實際發(fā)生數(shù)-預(yù)測發(fā)病數(shù)>0，即為流行)標(biāo)準(zhǔn)判定各預(yù)警閾值的預(yù)警結(jié)果，同時應(yīng)用各備選流行標(biāo)準(zhǔn)對2014年52個周的傳染病發(fā)病數(shù)是否“流行”進(jìn)行預(yù)測判定，通過分別計算各備選流行標(biāo)準(zhǔn)與12個預(yù)警閾值的預(yù)警靈敏度、特異度、陽性預(yù)測值、陰性預(yù)測值等指標(biāo)，繪制ROC曲線進(jìn)行預(yù)測功效的比較，確定各備選流行標(biāo)準(zhǔn)對應(yīng)的預(yù)警閾值。

(4)各備選流行標(biāo)準(zhǔn)預(yù)警效果的驗證

按照傳染病自動預(yù)警信息系統(tǒng)運(yùn)作原理，分別以松江區(qū)2010-2014年重點(diǎn)傳染病的“日”發(fā)病數(shù)為基線數(shù)據(jù)，根據(jù)控制圖預(yù)警模型原理，應(yīng)用各備選“流行標(biāo)準(zhǔn)”對應(yīng)的預(yù)警閾值進(jìn)行每日預(yù)警，同時根據(jù)2015年各重點(diǎn)傳染病聚集性疫情的實際發(fā)生情況，對各備選“流行標(biāo)準(zhǔn)”的預(yù)警效果進(jìn)行評價，驗證預(yù)警效果。

3.統(tǒng)計分析

應(yīng)用EXCEL 2013和SPSS 16.0統(tǒng)計軟件進(jìn)行統(tǒng)計分析。統(tǒng)計方法包括模型建立，靈敏度(sensitivity,Se)、特異度(specificity,Sp)、陽性預(yù)測值(positive predictive value,PPV)、陰性預(yù)測值(negtive predictive value,NPV)、一致率(consistency rate,CR)、Kappa值、約登指數(shù)(Youden's Index,YI)等指標(biāo)的計算，ROC曲線繪制等。

結(jié) 果

1.松江區(qū)重點(diǎn)傳染病整體疫情趨勢

2009-2014年，松江區(qū)流行性腮腺炎疫情呈“夏季高發(fā)”特點(diǎn)，每年第13周～30周夏季的周報告病例數(shù)明顯高于37周～52周秋冬季節(jié)的周報告病例數(shù)，而2015年全年疫情平穩(wěn)，僅在25周～40周期間流行性腮腺炎的周報告病例數(shù)有所升高；從長期流行趨勢看，2009-2015年，松江區(qū)流行性腮腺炎呈下降趨勢。2009-2015年，松江區(qū)流行性感冒疫情呈“冬春季和秋季兩個發(fā)病高峰”特點(diǎn)，每年冬季和次年春季出現(xiàn)一個發(fā)病高峰，然后疫情回落，并于秋季出現(xiàn)第二個小高峰；從長期流行趨勢看，松江區(qū)流行性感冒的疫情整體平穩(wěn)。2009-2015年，松江區(qū)猩紅熱疫情呈現(xiàn)“夏季秋冬季雙高峰”的特點(diǎn)。每年16周～28周出現(xiàn)一個大高峰后疫情逐漸回落，進(jìn)入43周后出現(xiàn)第二個小高峰。從長期流行趨勢看，2009-2015年，松江區(qū)猩紅熱整體疫情輕微上升。

如圖1所示，2009-2015年流行性腮腺炎疫情呈“緩慢下降”趨勢，本文將其歸為“TYPE A”型；2009-2015年，流行性感冒的疫情整體平穩(wěn)，每年有相對穩(wěn)定的高發(fā)季節(jié)，本文將其歸為“TYPE B”；而2009-2015年松江區(qū)猩紅熱整體上呈“緩慢上升”的趨勢，本研究將其歸為“TYPE C”型。

圖1 松江區(qū)2009-2015年3種重點(diǎn)傳染病周報告病例數(shù)及長期疫情趨勢

2.“流行標(biāo)準(zhǔn)”備選模型推薦的重點(diǎn)傳染病預(yù)警閾值

以C2模型、累積和控制圖(CUSUM)、季節(jié)趨勢模型(SM)和μ+2σ為流行標(biāo)準(zhǔn)預(yù)警松江區(qū)3種重點(diǎn)傳染病，然后分別與該病種對應(yīng)的控制圖法預(yù)警模型得到的12個備選預(yù)警閾值對應(yīng)的2014年該病種的預(yù)警結(jié)果進(jìn)行逐一對比分析，計算該病種對應(yīng)的12個預(yù)警閾值的靈敏度、特異度、陽性預(yù)測值、一致率和Kappa值，綜合平衡各評價指標(biāo)后，優(yōu)選出基于C2模型、累積和控制圖(CUSUM)、季節(jié)趨勢模型(SM)和μ+2σ的最佳預(yù)警閾值。

如表1所示，C2、累積和控制圖(CUSUM)和季節(jié)趨勢模型(SM)對流行性腮腺炎推薦的預(yù)警閾值為P50，而現(xiàn)用流行標(biāo)準(zhǔn)“μ+2σ”推薦的預(yù)警閾值為P80；對于流行性感冒，C2、CUSUM和SM推薦的預(yù)警閾值為P40，而“μ+2σ”推薦的預(yù)警閾值為P75；對于猩紅熱，C2和SM推薦的預(yù)警閾值為P90，累積和控制圖(CUSUM)推薦的預(yù)警閾值為P75，而“μ+2σ”推薦的預(yù)警閾值為P80。

表1 備選“流行標(biāo)準(zhǔn)”對重點(diǎn)傳染病推薦的預(yù)警閾值和相應(yīng)指標(biāo)值

3 “流行標(biāo)準(zhǔn)”備選模型推薦的預(yù)警閾值預(yù)警效果驗證

根據(jù)國家傳染病自動預(yù)警信息系統(tǒng)的運(yùn)作原理，計算預(yù)警“日”所在“周”的周報告病例數(shù)，以及既往5年(2010-2014年)該周前后各2周的周發(fā)病數(shù)，應(yīng)用各備選“流行標(biāo)準(zhǔn)”優(yōu)選出的預(yù)警閾值對2015年各病種的“日”疫情進(jìn)行預(yù)警，同時根據(jù)2015年各重點(diǎn)傳染病聚集性疫情的實際發(fā)生情況，對各備選“流行標(biāo)準(zhǔn)”的預(yù)警效果進(jìn)行評價，計算各備選“流行標(biāo)準(zhǔn)”優(yōu)選出的預(yù)警閾值對各重點(diǎn)傳染病預(yù)警的靈敏度、特異度、陽性預(yù)測值、陰性預(yù)測值、約登指數(shù)、一致率等指標(biāo)，驗證預(yù)警效果。

如表2所示，流行性腮腺炎為“TYPE A型”傳染病，表現(xiàn)為緩慢下降的長期趨勢，各備選“流行標(biāo)準(zhǔn)”中，C2模型、累積和控制圖法和季節(jié)趨勢模型推薦的預(yù)警閾值適用性好，推薦的預(yù)警閾值較低，結(jié)果比較保守；而μ+2σ標(biāo)準(zhǔn)推薦的預(yù)警閾值偏高，預(yù)警的靈敏度低，不適用。流行性感冒為“TYPE B型”傳染病，疫情表現(xiàn)為無明顯上升或下降的長期趨勢，各備選“流行標(biāo)準(zhǔn)”推薦的預(yù)警閾值均適用，C2模型、累積和控制圖法和季節(jié)趨勢模型推薦的預(yù)警閾值較低，結(jié)果比較保守；而μ+2σ法推薦的預(yù)警閾值偏高，預(yù)警的成本效益好，在實際應(yīng)用中有較好的效果。猩紅熱為“TYPE C型”傳染病，疫情表現(xiàn)為緩慢上升的長期趨勢，各備選“流行標(biāo)準(zhǔn)”推薦的預(yù)警閾值適用性均較好，同時傾向于推薦較高的預(yù)警閾值。

表2 備選“流行標(biāo)準(zhǔn)”推薦的重點(diǎn)傳染病的預(yù)警閾值預(yù)警效果

討 論

盡早發(fā)現(xiàn)傳染病暴發(fā)苗子，及時采取有效的控制措施，可有效降低傳染病造成的發(fā)病和死亡，具有重要的公共衛(wèi)生意義[7]。因此，開展傳染病預(yù)警預(yù)測，早期探測發(fā)現(xiàn)暴發(fā)事件始終是公共衛(wèi)生領(lǐng)域關(guān)注的一個熱點(diǎn)問題[10]。2008年，國家傳染病自動預(yù)警信息系統(tǒng)的建立為我國傳染病預(yù)警預(yù)測工作的開展奠定了技術(shù)基礎(chǔ)，并提供了工作平臺。目前，我國在傳染病預(yù)警領(lǐng)域已開展了有益的探索和實踐，初步取得了一些成效，但圍繞傳染病預(yù)警還有許多值得深入探討和研究的問題[11-12]。本文從預(yù)警信息系統(tǒng)“流行標(biāo)準(zhǔn)”優(yōu)化選擇入手，通過模型擬合，應(yīng)用4種“流行標(biāo)準(zhǔn)”分別對松江區(qū)3種重點(diǎn)傳染病的預(yù)警結(jié)果進(jìn)行了擬合，初步優(yōu)選出各“流行標(biāo)準(zhǔn)”對應(yīng)的預(yù)警閾值，同時對各“流行標(biāo)準(zhǔn)”對應(yīng)的預(yù)警閾值的預(yù)警效果進(jìn)行了評價，取得了較好的效果。

本研究結(jié)果提示，對于不同的傳染病類型，各備選“流行標(biāo)準(zhǔn)”所推薦的預(yù)警閾值不盡相同，但仍有規(guī)律可循。“TYPE A型”傳染病，C2模型、累積和控制圖法和季節(jié)趨勢模型推薦的預(yù)警閾值適用性好，同時3種方法推薦的預(yù)警閾值較低，結(jié)果比較保守；而μ+2σ推薦的預(yù)警閾值的預(yù)警靈敏度不高，不適用?！癟YPE B型”傳染病，4個備選“流行標(biāo)準(zhǔn)”推薦的預(yù)警閾值均適用，C2模型、累積和控制圖法和季節(jié)趨勢模型推薦的預(yù)警閾值較低，結(jié)果比較保守；而μ+2σ推薦的預(yù)警閾值偏高，預(yù)警的成本效益好?！癟YPE C型”傳染病，C2模型、累積和控制圖法推薦的預(yù)警閾值適用性好，但4個備選“流行標(biāo)準(zhǔn)”均傾向于推薦較高的預(yù)警閾值。因此，對于有長期趨勢的傳染病，無論是“上升”趨勢還是“下降”趨勢，C2模型、累積和控制圖法推薦的預(yù)警閾值適用性好，但“上升”長期趨勢傳染病的預(yù)警閾值普遍偏高，實際應(yīng)用時需適當(dāng)調(diào)整；對于無長期趨勢的傳染病，4個備選“流行標(biāo)準(zhǔn)”推薦的預(yù)警閾值均適用，預(yù)警閾值普遍較低，μ+2σ推薦的預(yù)警閾值相對較高，預(yù)警的成本效益好。

在實際工作中，由于傳染病預(yù)警閾值是根據(jù)發(fā)病前5年的數(shù)據(jù)通過控制圖法擬合得出的[10]，因此合適預(yù)警閾值需要每年進(jìn)行及時調(diào)整[11,13]。同時預(yù)警閾值的選擇還要看傳染病的特點(diǎn)，如果傳染病的危害較大，漏掉疫情可能會帶來嚴(yán)重后果，且目前有可靠的預(yù)防控制措施方法，此時的預(yù)警閾值可以考慮提高靈敏度，盡可能多的發(fā)現(xiàn)暴發(fā)苗子，及時采取控制措施。如果傳染病的危害較小，調(diào)查處置費(fèi)用高，此時的預(yù)警閾值設(shè)定可以考慮提高特異度，盡可能多的剔除假預(yù)警，提高傳染病疫情處置的效率。

本研究具有一定的局限性。首先，本文僅納入3種傳染病，在歸納總結(jié)各模型的適用性時在一定程度上會影響研究結(jié)論的外推性；其次，“流行標(biāo)準(zhǔn)”備選模型納入了C2、CUSUM和SM，備選模型的數(shù)量偏少；最后，以松江區(qū)的傳染病周疫情為基礎(chǔ)開展研究，由于地域范圍的影響，個別傳染病的周報告病例數(shù)為0，一定程度上影響了備選模型的運(yùn)行，對研究結(jié)果有影響。因此，今后需開展延展性研究，選擇更大的地域范圍，納入更多的傳染病病種和更優(yōu)化的“流行標(biāo)準(zhǔn)”模型，進(jìn)而完善我國傳染病自動預(yù)警信息系統(tǒng)。

[1]馬芬,王麗,李輝.傳染病預(yù)警方法研究進(jìn)展.衛(wèi)生研究,2008,37(2):249-251.

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

[3]孟軍.突發(fā)公共衛(wèi)生事件預(yù)警現(xiàn)狀與模式探討.廣西醫(yī)學(xué),2006,28(11):1742-1743.

[4]葛利輝,徐斌,梁紅慧.利用電子地圖實行傳染病預(yù)警預(yù)測的探討.實用預(yù)防醫(yī)學(xué),2006,13(1):37-38.

[5]Najera J,Kouznetasov R,Dilacollette C.Malaria epidemics.Detection and control.Forecasting and prevention.Geneva,World Health Organization,1998.

[6]Early warning syetems.Communicable disease surveillance and response(CSR).2004.http://www.who.int/csr/labepidemiology/projects/earlywarnsystem.

[7]楊維中,蘭亞佳,李中杰,等.國家傳染病自動預(yù)警系統(tǒng)的設(shè)計與應(yīng)用.中華流行病學(xué)雜志,2010,31(11):1240-1244.

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

[9]Yang W,Li Z,Lan Y,et al.A nationwide web based automated system for early outbreak detection and rapid response in China.WPSAR,2011,2(1):1-6.

[10]楊維中,李中杰,賴圣杰,等.國家傳染病自動預(yù)警系統(tǒng)運(yùn)行狀況分析.中華流行病學(xué)雜志,2011,32(5):431-435.

[11]梁萬年.加強(qiáng)我國傳染病預(yù)警的研究和應(yīng)用.中華流行病學(xué)雜志,2011,32(5):429-430.

[12]劉文東,胡建利,艾靜,等.CUSUM模型在流行性腮腺炎早期預(yù)警中的應(yīng)用研究.中國衛(wèi)生統(tǒng)計,2014,31(4):563-565.

[13]徐旭卿,魯琴寶,王臻,等.浙江省傳染病自動預(yù)警系統(tǒng)暴發(fā)預(yù)警效果評價.中華流行病學(xué)雜志,2011,32(5):442-445.

(責(zé)任編輯：劉 壯)

Optimized Outbreak Standard Selection based on China Infectious Disease Automated-alert and Response System(CIDARS)

Wang Ruiping,Jiang Yonggen,Guo Xiaoqin,et al

(SongjiangCenterforDiseaseControlandPrevention(200032),Shanghai)

Objective To explore the adaptability of 4 outbreak detection algorithms to provide optimized early warning thresholds(OEWT)for different infectious diseases,and then recommend proper OEWT for each infectious disease to improve early warning effect.Methods According to principle of early warning control graph model(EWCGM),outbreak signals of the 12 alternative Px were calculated in 2014,and ‘μ+2σ’,C2,seasonal model(SM),and cumulative sum(CUSUM)were applied.When outbreak signals generated by algorithm were consistent with a Px,this Px was then ascertained as the optimized threshold by this algorithm,finally all ascertained Px of different infectious diseases were verified in CIDARS by real outbreak events in 2015.Results Three key infectious diseases were finally ascertained,mumps showed a declining trend which was set as TYPE A,C2,CUSUM and SM recommendedP50for mumps,and ‘μ+2σ’ recommendedP80;influenza showed no increasing or decreasing trend which was set as TYPE B,C2,CUSUM and SM recommendedP40for mumps,and ‘μ+2σ’ recommendedP75;scarlet fever showed an slightly ascending trend which was set as TYPE C,C2,SM recommenedP90,CUSUM recommenedP75,and ‘μ+2σ’ recommendedP80.Conclusion C2,CUSUM,and SM were suitable for TYPE A with lower thresholds,all 4 algorithms(OGS)were suitable for TYPE B,and were all also suitable for TYPE C but with higher thresholds.The selection of optimized thresholds should also consider the social and economical influence of infectious diseases as well as the response capacity of local CDCs.

China infectious disease automated-alert and response system;Outbreak standard;Optimized selection;C2;Cumulative sum;Seasonal model

公共衛(wèi)生安全教育部重點(diǎn)實驗室開放基金(GW2015-1)

1 復(fù)旦大學(xué)公共衛(wèi)生學(xué)院 (200032 )

2 松江區(qū)疾病預(yù)防控制中心

△通信作者：趙根明，E-mail:gmzhao@shmu.edu.cn