傳染病預(yù)警方法及應(yīng)用概述

焦鋒, 董蓬玉, 劉曉強, 徐鵬, 楊光, 劉宏, 張舒惟, 何國忠

傳染病全球化隨著經(jīng)濟一體化和生態(tài)環(huán)境的快速惡化愈發(fā)明顯。雖然我國暫未受到全球化疫情的影響和沖擊，但對難以防控的新發(fā)、突發(fā)和全球性傳染病的蔓延仍需提高警惕。同時，在新老傳染病的雙重夾擊下，大力提升重大傳染病預(yù)警能力成為降低疫情危害的關(guān)鍵。傳染病預(yù)警是根據(jù)收集到的病例、病原體、媒介昆蟲等監(jiān)測資料，對疫情發(fā)生的性質(zhì)、規(guī)模、地域、影響因素、危害程度等進行綜合評估和預(yù)測，以便采取相應(yīng)級別的預(yù)警行動[1]，以高靈敏精確地檢測出傳染病暴發(fā)跡象，及時采取應(yīng)對措施，達到降低發(fā)病率和死亡率[2]，減少對經(jīng)濟、社會帶來的損失[3]。傳染病預(yù)警系統(tǒng)在我國建成晚、預(yù)警陽性率低、疑似事件信號占全部預(yù)警信號比例較高、系統(tǒng)評價建設(shè)落后。因此，明晰預(yù)警方法、確認預(yù)警措施，成為擺在我們面前的課題。

1 傳染病預(yù)警方法的理論基礎(chǔ)

基于數(shù)學(xué)理論形成的傳染病預(yù)警理論主要有信號檢測論和決策理論，這兩大理論提高了檢測和預(yù)警系統(tǒng)的及時性[4]、靈敏度和特異度。

1.1 信號檢測理論

指將已獲得的一系列指標(biāo)信號(數(shù)據(jù))的幅度與閾值進行比較，用以判斷一個傳染病暴發(fā)流行與否[1，4]，根據(jù)ROC曲線來確定靈敏度和特異度的最優(yōu)組合，結(jié)合所要預(yù)警疾病的具體特征、預(yù)警系統(tǒng)精確度及所要求的時限來確定預(yù)警的指標(biāo)和方法[5]。

1.2 決策理論

決策理論是決定是否發(fā)出預(yù)警的關(guān)鍵。它通過對正確預(yù)警所帶來的收益或發(fā)生錯誤預(yù)警所需的費用成本進行評價，結(jié)合疾病潛伏期、病程長短等疾病信息，做出是否發(fā)出預(yù)警，以及什么時間發(fā)出預(yù)警的決策[4]。

2 傳染病預(yù)警方法

傳染病預(yù)警方法研究在20世紀90年代后期發(fā)展較快[6]?；趥魅静×餍械娜g(人群、時間、地區(qū))分布特點，根據(jù)分析數(shù)據(jù)項的類型將預(yù)警模型分為時間、空間和時空模型三大類[7]。

2.1 時間模型

時間預(yù)警模型是將一定空間區(qū)域內(nèi)監(jiān)測到的發(fā)病率與預(yù)警閾值進行比較，超過預(yù)警閾值則發(fā)出預(yù)警信號[8]。它是一種考慮病例時間聚集性的“時間掃描分析”方法，對預(yù)測一個大區(qū)域內(nèi)的暴發(fā)能力較強[1]，分定性和定量兩大類。

定性預(yù)警是根據(jù)疾病歷史數(shù)據(jù)的發(fā)生、發(fā)展規(guī)律，對疾病的發(fā)展趨勢和流行強度進行估計，主要有綜合預(yù)測法、比數(shù)圖法、控制圖法、專家咨詢法等[9]?？刂茍D預(yù)警模型具有簡單易行、指標(biāo)固定容易得到、預(yù)警功效高的特點[5]，可優(yōu)選傳染病預(yù)警界值[5]。定量預(yù)警方法則根據(jù)疾病的時間進程來繪制流行或發(fā)病曲線，建立模型并定量預(yù)測未來發(fā)病水平，評估異常變化。定量預(yù)警方法主要有時間序列法、EARS(C1，C2，C3))、回歸分析法、Markov和灰色模型[9]。定量預(yù)測模型多為時間序列ARIMA模型，它綜合考慮了序列的趨勢、周期變化與隨機干擾等因素，被廣泛應(yīng)用于實踐當(dāng)中[10]，可用于模擬乙型肝炎的發(fā)病規(guī)律和趨勢[11]?；诙虝r間序列(至少1周)和累積方法，美國CDC發(fā)展了EARS C1(低預(yù)測敏感性)、C2(中度預(yù)測敏感性)和C3(高預(yù)測敏感性)三個模型，主要用于對日常監(jiān)測數(shù)據(jù)進行預(yù)警[12]。Markov模型是一種非參數(shù)離散型時間序列分析方法，通過歸納某一隨機過程不同時刻所處狀態(tài)之間的變化規(guī)律，來預(yù)測這一過程下一時刻和下幾個時間點所處的狀態(tài)[13]。該模型特別適合預(yù)測有波動性改變的疾病，它近年開始在急性傳染病預(yù)警中發(fā)揮作用。GM(1，1)是灰色系統(tǒng)中的最基本模型，它對短期內(nèi)傳染病發(fā)病規(guī)律預(yù)測效果較好，對樣本容量和概率分布沒有嚴格要求，運算處理簡單、模型精度好，是一種值得推廣的傳染病預(yù)測工具[14]。該模型比較適合腸道傳染病的發(fā)展趨勢預(yù)警[15]。

2.2 空間模型

空間預(yù)警模型適用于具有明顯空間聚集性的傳染病，方法是利用患病者的地理位置信息探測病例是否存在空間上的聚集性，如有則發(fā)出預(yù)警[8]。主要有空間掃描統(tǒng)計、3 S技術(shù)等。

基于傳染病空間聚集性建立的“空間掃描分析”方法，因不需精確考慮時間問題[1]，主要用于探測局部的病例聚集性、發(fā)出預(yù)警信號、布置防控措施等[16]。空間自相關(guān)分析是研究空間中某位置觀察值與其鄰近位置觀察值是否相關(guān)，相關(guān)程度大小的數(shù)據(jù)分析方法，對數(shù)據(jù)空間分布特點描述具有重要意義[17]。該方法適合對艾滋病流行熱點地區(qū)進行預(yù)警，具有高值聚集區(qū)價值[18]。同時，對結(jié)核病發(fā)病數(shù)據(jù)中的空間聚集性探測、確定重點防控及監(jiān)控亦能提供重要依據(jù)[19]。隨著信息技術(shù)的飛躍，“3 S”技術(shù)[地理信息系統(tǒng)(GIS)、衛(wèi)星遙感遙測技術(shù)(RS)、全球定位系統(tǒng)(GPS)相結(jié)合]在預(yù)防醫(yī)學(xué)領(lǐng)域獲得充分應(yīng)用[20]，尤其在探測病例呈暴發(fā)增加、跨地域傳播提供地域信息、控制疫情蔓延范圍等方面更具優(yōu)勢。

2.3 時空模型

傳染病實時研究和聚集性分析是時空模型建立的重要基礎(chǔ)，時空模型借助于時間和空間聚集性探測方法，來判斷固定區(qū)域內(nèi)的病例數(shù)、空間聚集熱點區(qū)域是否達到預(yù)警閾值，如果達到，系統(tǒng)則發(fā)出預(yù)警信號[21]。

為更加準(zhǔn)確預(yù)測傳染病異常變化情況，時空掃描法綜合利用病例發(fā)病時間、病程以及病例的空間信息來探測病例的時空聚集性[22]。主要分析方法及工具有SatScan、貝葉斯網(wǎng)絡(luò)、PANDA、WSARE等[23]。整合時間和空間兩個維度而開發(fā)的SatScan軟件，被廣泛用于疾病的時間和空間聚集性分析中，相對時間、空間模型而言，它的準(zhǔn)確性更高[18]。貝葉斯網(wǎng)絡(luò)時空模型，對數(shù)據(jù)的完整性要求不高，當(dāng)模型相關(guān)風(fēng)險數(shù)據(jù)存在缺失時，仍可進行風(fēng)險分析和預(yù)警。適用于手足口病預(yù)警，優(yōu)勢是發(fā)現(xiàn)預(yù)警精度高[24]?；谪惾~斯探測理論建立的PANDA時空模型，可模擬中等規(guī)模城市人口的瘧疾暴發(fā)，它在管理和推斷時間處理方面優(yōu)于貝葉斯網(wǎng)絡(luò)[25]。WSARE是由Wong等[26]提出的一種基于規(guī)則的異常模式探測方法，針對性、靈活性較強，對疾病暴發(fā)早期探測具有重要意義。適用于對猩紅熱監(jiān)測數(shù)據(jù)中的異常信號探測，并能早期提示可能出現(xiàn)的暴發(fā)疫情[27]。

2.4 傳染病預(yù)警方法總結(jié)

基于傳染病流行的三間分布特點，結(jié)合兩者優(yōu)勢，時空模型在靈敏度、特異度、及時性和熱點定位方面具有優(yōu)勢[21]。時空模型預(yù)警效果總體好于時間模型[28-29]，對發(fā)病水平較低的傳染病，兩種方法探測效果相近；對發(fā)病水平較高的傳染病，前者的靈敏度略低于后者[28]。時間模型對整個城市發(fā)病率上升的疫情探測聚集性效果好，但對局部地區(qū)的散發(fā)病例探測效果不如空間模型。

3 我國傳染病預(yù)警系統(tǒng)的發(fā)展應(yīng)用及展望

2003年SARS疫情暴發(fā)后，為及時識別傳染病暴發(fā)與流行的早期跡象，基于全國法定報告?zhèn)魅静?shù)據(jù)，2004年中國疾控建立了移動百分位數(shù)法預(yù)警模型(時間模型)，在此基礎(chǔ)上，國家傳染病自動預(yù)警信息系統(tǒng)于2008年4月投入運行。為充分利用傳染病空間分布特點，彌補單純時間探測方法在空間準(zhǔn)確性方面可能存在不足，在時間模型基礎(chǔ)上，采用空間掃描統(tǒng)計量方法，建立了時間-空間聚集性探測預(yù)警模型(時空模型)，該系統(tǒng)于2009年12月6日在全國試點運行，是目前國內(nèi)最為龐大的法定傳染病監(jiān)測數(shù)據(jù)系統(tǒng)。

基于病例、癥狀、病原學(xué)、媒介等監(jiān)測數(shù)據(jù)建立的傳染病自動預(yù)警系統(tǒng)已開始應(yīng)用于疾病監(jiān)測預(yù)警[30]。2009年，Google利用用戶在搜索引擎中輸入的流感關(guān)鍵詞，比美國疾控中心提前一周預(yù)測了流感暴發(fā)[31]。Ginsberg[32]通過匯總用戶在Google中輸入的關(guān)鍵詞，建立的流感流行模型與當(dāng)?shù)孛绹咔榱餍袔缀跷呛?。Woo等[33]利用韓國社交軟件Daum預(yù)測流感，發(fā)現(xiàn)具有現(xiàn)實意義。2013年12月，埃博拉病毒在幾內(nèi)亞、利比里亞、塞拉利昂和尼日利亞4國暴發(fā)；2015年美洲暴發(fā)大規(guī)模的寨卡病毒疫情。新發(fā)傳染病出現(xiàn)預(yù)警的最佳方式是增加新的數(shù)據(jù)源監(jiān)測點，國務(wù)院于2016年6月21日發(fā)布的《關(guān)于促進和規(guī)范健康醫(yī)療大數(shù)據(jù)應(yīng)用發(fā)展的指導(dǎo)意見》中指出，推進公共衛(wèi)生大數(shù)據(jù)應(yīng)用的同時，要加強健康大數(shù)據(jù)存儲、分析、挖掘、安全等關(guān)鍵技術(shù)的攻關(guān)。同年10月25日，國務(wù)院印發(fā)《“健康中國2030”規(guī)劃綱要》，提出要加強重大傳染病防控，完善傳染病監(jiān)測預(yù)警機制。

綜上，傳染病預(yù)警理論與大數(shù)據(jù)應(yīng)用在預(yù)防傳染病傳播方面具有提升早期預(yù)警時間的優(yōu)勢，但在實際應(yīng)用中，需在準(zhǔn)確度、數(shù)據(jù)公開、隱私保護等方面加強監(jiān)管。同時，要避免在數(shù)據(jù)采集、分析時出現(xiàn)信息孤島，尤其在數(shù)據(jù)來源趨于多變與碎片化整合時，需主管部門牽頭，多機構(gòu)協(xié)同溝通、聯(lián)合攻關(guān)、聯(lián)合預(yù)警和公報。