我國傳染病預(yù)警監(jiān)測模型研究進展綜述

袁方 YUAN Fang；任海玲 REN Hai-ling；趙夢 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]，對人民生命健康及社會穩(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、遏制疫情蔓延的關(guān)鍵。2003年傳染性非典型肺炎危機事件爆發(fā)后，我國建立了傳染病與突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)直報系統(tǒng)，但缺乏利用數(shù)據(jù)模型對傳染病進行預(yù)警[2]。隨著信息技術(shù)的發(fā)展和公眾健康需求的增長，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：單一預(yù)警模型（時間模型[3]、空間模型[4]）、組合預(yù)警模型（時空模型[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年間國內(nèi)外傳染病預(yù)警研究文獻150余篇，從不同技術(shù)、不同監(jiān)測資料在傳染病預(yù)警中的應(yīng)用兩大方面，對傳染病預(yù)警模型的研究進展進行綜述，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、時間和空間特征，科學(xué)防控的基礎(chǔ)在于及時發(fā)現(xiàn)危險因素、預(yù)測流行趨勢、把握流行規(guī)律，提前預(yù)警并采取有針對性的防控措施對有效控制傳染病的流行和對人群的危害至關(guān)重要?；诮y(tǒng)計學(xué)的傳染病預(yù)警模型可分為時間、空間、時空三類模型。歸納見圖2。

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

時間模型分析?；谝驯O(jiān)測數(shù)據(jù)，利用數(shù)學(xué)模型計算預(yù)期值。時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)測模型，能較精準地對趨勢性和季節(jié)性變化數(shù)據(jù)序列進行預(yù)測，周孟君[12]學(xué)者利用Holt-Winters衍生模型模擬入院人次在時間序列上的變動趨勢，實現(xiàn)了良好的擬合預(yù)測效果。Ahmar[13]學(xué)者提出的α-Sutte模型是一種新型時間序列預(yù)測方法，近年來在COVID-19、嬰兒死亡率預(yù)測中表現(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)測傳染病患者是否出現(xiàn)空間上的聚集性，對進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，對該病監(jiān)測數(shù)據(jù)的空間分析具有一定參考價值。楊昭輝[16]學(xué)者針對COVID-19疫情，使用GIS方法設(shè)計出傳染病實時預(yù)警溯源系統(tǒng)，疫情防控水平提供參考。時空模型分析基于時間、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)病程度對湖南省的研究區(qū)域進行了聚集性分析，可及時為社會和醫(yī)療機構(gòu)提供預(yù)警信息；周志峰[18]學(xué)者基于時空重排掃描模型對深圳市流行性腮腺炎的發(fā)病情況進行逐日模擬預(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空分析框架，對淋病、細菌性痢疾和流行性腮腺炎三類傳染病的時空分布特征進行了較好的預(yù)測分析。

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、傳播途徑和動力學(xué)機理等因素可劃分為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)上添加隨機干擾，構(gòu)建了隨機SIR傳染病模型，具有一定的準確性與有效性。汪袁[22]學(xué)者運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，對疾病的防控起到積極作用。王宇[23]學(xué)者基于分數(shù)階模型對修正后的數(shù)據(jù)進行仿真，對COVID-19模型的預(yù)測提供一定參考價值。傳染病預(yù)警的數(shù)學(xué)模型能為醫(yī)療機構(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擔(dān)和社會經(jīng)濟損失。

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。針對某類傳染病將地區(qū)人群分為若干類，每一類被稱為一個倉室[24]，SIR倉室模型是典型的三倉室模型。在倉室模型的基礎(chǔ)上，后續(xù)研究者們提出了許多分類更加精細的模型。例如以不同倉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力學(xué)過程。胡新利[26]學(xué)者建立了具有隔離倉室和潛伏倉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

隨著信息時代的到來，計算機技術(shù)愈發(fā)成熟。針對傳染病預(yù)警，其對數(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行決策。裘炯良[28]學(xué)者綜合利用統(tǒng)計地圖的方法，實現(xiàn)了對全球傳染病發(fā)生或流行的周期性評估、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)，在基于時序分析及路徑推斷的疫情風(fēng)險擴散分析和交通管制支持框架下，提高了人群流動數(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)險度量算法，構(gòu)建了區(qū)塊鏈傳染病風(fēng)險預(yù)警與數(shù)據(jù)共享系統(tǒng)，實現(xiàn)了在保護患者隱私同時自動化預(yù)警上報。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和長短期記憶網(wǎng)絡(luò)深度學(xué)習(xí)模型對傳染病發(fā)病趨勢進行預(yù)測，發(fā)現(xiàn)LSTM模型預(yù)測的準確性較好，長短期記憶網(wǎng)絡(luò)深度學(xué)習(xí)模型對符合時間序列流行特征的傳染病發(fā)病趨勢的預(yù)測，具有一定的實用價值。張帆[32]學(xué)者設(shè)計并實現(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)測肺結(jié)核上具有良好準確性。駱建香[33]學(xué)者提出基于注意力機制的傳染病預(yù)測模型，有效提高傳染發(fā)病人數(shù)的預(yù)測精度。

2 不同監(jiān)測資料在傳染病預(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)的進步，傳染病預(yù)警資料的收集和分析愈發(fā)全面、高效，推動了傳染病預(yù)警相關(guān)理論和實踐的快速發(fā)展。針對現(xiàn)階段國內(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、頭痛和腹瀉為目標癥狀，構(gòu)建突發(fā)呼吸道傳染病癥狀監(jiān)測預(yù)警模型，可精準預(yù)測目標癥狀分布趨勢。甘忠志[35]等學(xué)者將癥狀監(jiān)測應(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。隨著大數(shù)據(jù)時代的到來，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、社會因素和疾病自身因素四方面，為手足口病的精準預(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)實時處理醫(yī)院內(nèi)電子病歷數(shù)據(jù)，利用知識庫引擎輔助醫(yī)師鑒別診斷新型突發(fā)傳染性病例，同時對醫(yī)院內(nèi)疑似病例的及時發(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，建立了真實場景下ICD編碼規(guī)范的醫(yī)院傳染病預(yù)警系統(tǒng)，實現(xiàn)了多維度病歷輸入、早期篩查并發(fā)現(xiàn)疾病個體，從而進行群體監(jiān)測預(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)計出一種基于ICD編碼和檢驗指標的傳染病預(yù)警方案，對醫(yī)生診斷進行標準化編碼，對傳染病檢驗和診斷結(jié)果進行實時監(jiān)測，改善了傳染病報告不及時、漏報、錯報等問題。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醫(yī)療機構(gòu)的傳染病病例資料，建立了多點觸發(fā)傳染病預(yù)警系統(tǒng)，在一定程度上彌補了區(qū)域范圍內(nèi)原有網(wǎng)絡(luò)直報系統(tǒng)的不足，提升了監(jiān)測體系的性能和效果。病原學(xué)監(jiān)測在病毒學(xué)傳染病的預(yù)測、預(yù)報和預(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和抗體血清學(xué)檢測方法獲取病原學(xué)資料，并作為醫(yī)生的診斷輔助進行傳染病預(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RFS陽性率進行預(yù)測，結(jié)果顯示組合模型預(yù)測精度較高。

3 總結(jié)與展望

針對傳染病預(yù)警模型的構(gòu)建，目前國內(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)測資料，利用統(tǒng)計學(xué)方法、數(shù)學(xué)方法或物理學(xué)法搭建模型，同時將新一代信息技術(shù)作為輔助方法用于完善模型的建立與運行。結(jié)果顯示，現(xiàn)有國內(nèi)外研究對于傳統(tǒng)傳染?。ㄈ缌餍行匀傺?、手足口病、結(jié)核病等）預(yù)警效果較好，但對于新發(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)及時性、準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)一化程度會影響傳染病預(yù)警的準確性。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)護人員要提高對傳染病信息的敏感性，當(dāng)臨床診斷出現(xiàn)異常情況時要做到及時上報，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)護人員壓力，改善醫(yī)院傳染病上報的效率和質(zhì)量，為新發(fā)傳染病預(yù)警提供有效幫助。