大型活动症状监测预警方法研究

论文摘要

研究背景症状监测是指持续、系统地采集患者临床确诊前出现的信息,如非处方药销量、急诊室患者主诉、学校、工厂缺勤率等,通过分析这些信息的波动提示疾病异常的发生。近十年来,症状监测以其探测疾病暴发的高度及时性和敏感性,在国内外受到了广泛关注,美国、欧洲、日本、我国台湾等许多国家和地区都已建立了较为成熟的症状监测系统,将其广泛应用公共危机应对、新发传染病预警、重点传染病暴发探测等。近年来,国内在症状监测领域的研究主要集中在概念、方法介绍,数据源的选择和可行性探讨等方面,总体来说仍处于探索、起步阶段,尚未建立丰富、系统的监测指标,也缺乏对症状监测分析预警方法的深入研究。由于症状监测在探测疾病暴发和生物恐怖事件等方面的优势,近年来国际上将其作为加强监测的手段,普遍应用于奥运会、政治集会、体育赛事等大型活动的公共卫生保障工作。2010年5月,第41届世界博览会在我国上海举行,此次盛会持续时间长,参与人数多,对公共卫生工作提出了很高的要求,因此,急需研究建立适用于我国大型活动的症状监测指标及数据分析预警方法。研究目的研究建立我国大型活动症状监测指标,探索适用于症状监测数据的暴发探测方法,为研制、开发症状监测与预警技术工具包提供参考依据。资料与方法1.监测指标筛选通过查阅《传染病学》等权威著作,结合国内外开展相关研究的经验,筛选出我国大型活动期间开展症状监测需要重点关注的目标疾病及其典型症状。运用德尔菲法对国内18位相关领域专家开展了3轮咨询,从疾病严重性和发生概率两个维度评估目标疾病的风险,并对疾病各症状的典型性评分。基于专家评分结果,绘制“大型活动症状监测目标疾病风险矩阵图”,确定监测的目标疾病并划分其风险等级,并参考国家科技重大专项“五大症候群病原谱监测”项目中提出的五大症候群监测指标,筛选目标症状及症候群。2.监测数据采集基于筛选出的监测指标,在世博会召开期间（2010年5月1日～10月31日）于上海市浦东新区的21家医疗机构开展症状监测。以世博园区所在的三林和陆家嘴为重点监测区域,选择辖区内2家三级医院,5家综合性二级医院和14家社区卫生服务中心作为监测点。数据由门诊医生通过医院信息系统（Hospital Information System,HIS）实现电子化采集,储存在监测点医院的前置机中,每日24：00前置机自动将当天该监测点的数据推送至浦东新区症状监测平台。由专人负责查看数据上报情况和数据质量,及时补充、修正漏报和错报数据。3.监测数据分析以天为单位计算各症候群病例数,每个症候群整理成一个长度为184天的时间序列。对这些序列进行描述性分析,观察每个症候群的发病水平、病例数分布形状、周末效应等。为选择、设计暴发探测方法提供依据。4.暴发探测模型根据监测数据特点,本研究在基于短期基线数据的预警模型中,选择了症状监测系统中常用的五个时间序列模型,分别是累积和（Cumulative Sum, CUSUM）模型,美国异常探测报告系统（Early Aberration Reporting System, EARS）中的C1、C2、C3模型,以及指数加权移动平均（Exponential Weight Moving Average, EWMA）模型,进行暴发探测。5.模拟暴发由于在整个监测期间,“上海世博会浦东新区症状监测预警管理信息系统”并未报告传染病暴发和生物恐怖事件,为了达到评价、比较模型探测暴发效果的目的,本研究在真实的监测数据中添加了不同类型的模拟暴发。为了充分考虑可能出现的暴发类型,研究从暴发病例数、暴发持续时间和暴发病例分布形状三个维度进行模拟。每个症候群选择了5个不同等级的暴发系数,以产生不同的暴发病例数；根据主要目标疾病的潜伏期,模拟的暴发时间选择5天、10天和15天3个水平：根据数据分布特点和疾病主要的传播方式,选择正态分布和泊松分布2种暴发形状。通过这三个维度之间的组合,共形成30（5×3×2）种暴发类型。将各种类型的暴发添加到每个症候群时间序列中。除了在序列起点为预警模型预留出运算需要的基线时间,序列终点保证最后一次暴发的完整性之外,序列中的每一天都作为1起暴发的起点,被反复模拟10次,即每种类型的暴发在每个症候群中均被模拟N次（N=10×（序列总长度-模型基线长度-暴发持续时间+1））。每模拟一次,即记录每个预警模型的探测结果,包括“是否探测到该暴发”和“在暴发开始的第几天探测到”。6.暴发探测效果评价本研究选择灵敏度（Sensitivity）、特异度（Specificity）和暴发探测时间（Time To Detect）三个指标来评价、比较模型的效果。灵敏度表示暴发被模型探测到的百分比,特异度表示模型正确识别非暴发的能力,暴发探测时间表示暴发开始后的第几天被模型探测到,用于指示模型的及时性。为了增加可比性,本研究选择了95%、90%和85%三个特异度,分别比较五种模型在相等特异度条件下探测暴发的灵敏度和及时性。针对模拟的30种暴发,在每个症候群每个特异度水平下,分别计算五个模型的灵敏度和及时性,运用配对t检验的方法,比较每两个模型灵敏度、及时性之间的差异。7.数据处理与分析工具原始数据整理使用Microsoft Excel2007、Visual Foxpro6.0,使用R2.11.1软件生成模拟暴发数据,计算结果的统计分析使用SPSS17.0。研究结果1.目标疾病选择及风险评估结果通过文献法、专家咨询和风险矩阵图法,确定了我国大型活动症状监测的55种目标疾病。其中消化系统疾病8种,呼吸系统疾病11种,动物源性疾病7种,虫媒疾病8种,寄生虫病2种,血液及性传播疾病5种,生物恐怖及我国境内未出现过的疾病14利。根据专家咨询结果绘制风险矩阵图,将以上55种疾病划分为4个风险等级。其中极高风险疾病0种,霍乱、鼠疫、肉毒杆菌中毒、流脑、季节性流感等高风险疾病10种,手足口病、水痘、炭疽、乙脑、血吸虫病、蜱媒病毒性脑炎等中等风险疾病40种,布氏杆菌病、钩体病、包虫病等低风险疾病5种。2.监测指标选择结果根据专家评分,筛选出7个症候群作为我国大型活动症状监测指标,共包含25个症状,分别为：2.1.发热呼吸道症候群：发热伴如下症状中的一种或多种：咳嗽、咳痰、咯血、胸痛、呼吸困难2.2.胃肠道腹泻症候群：发热伴如下症状中的一种或多种：呕吐、腹泻、脓血便粘液便2.3.发热伴出疹症候群：发热伴如下症状中的一种或多种：疱疹、斑丘疹2.4.中枢神经系统症候群：发热伴如下症状中的一种或多种：头痛、喷射性呕吐、休克、意识改变2.5.发热伴出血症候群：发热伴如下症状中的一种或多种：皮肤黏膜淤血瘀斑、出血点、血便2.6.肉毒杆菌中毒症候群：突发视力模糊或（和）吞咽困难2.7.急性病毒性肝炎症候群：肝脾肿大或（和）急性黄疸3.监测数据分析结果7个症候群发病水平差异较大。发病水平较高的为发热呼吸道症候群和胃肠道腹泻症候群,平均每日病例数分别为325例和248例：发病水平较低的为发热伴出血和肉毒杆菌中毒症候群,平均每日病例数在1例左右。绘制直方图观察监测数据分布特点,除发热呼吸道和胃肠道腹泻症候群数据服从正态分布外,而其余五个症候群数据均服从偏正态分布。绘制箱式图并作统计检验,发现胃肠道腹泻和急性病毒性肝炎症候群数据具有明显的周末效应,体现为工作日平均每日病例数大于周末,其余症候群的周末效应不明显。4.模型在各症候群中的暴发探测效果4.1.发热呼吸道症候群特异度为95%时,模型灵敏度均在80%以上,及时性在2天左右；其中C2和CUSUM模型灵敏度最高（p<0.005）,分别为86.48%和8670%；特异度为90%时,模型灵敏度均达到90%以上,及时性均为1天,其中CUSUM模型灵敏度最高（p<0.001）,为93.39%；特异度为85%时,模型灵敏度均超过了95%,及时性为1天,其中EWMA模型灵敏度最高（0.01<p<0.05）,为97.10%。4.2.胃肠道腹泻症候群特异度为95%时,各模型灵敏度在85%和90%之间,及时性为1-2天,其中CUSUM、C1和C3模型灵敏度最高（p<0.01）,分别为89.93%、88.97%和88.97%；特异度为90%时,各模型灵敏度在90%和95%之间,及时性在1天左右,其中C2模型灵敏度最高（p<0.05）,为94.6%；特异度为85%时,各模型灵敏度均超过了95%,及时性均为1天,其中C2模型灵敏度最高（p<0.05）,达到96.75%。4.3.发热伴出疹症候群特异度为95%时,C3和C2模型灵敏度达到了80%以上,显著高于其它三个模型的灵敏度（p<0.001）,及时性均为0天。特异度为90%时,C3和C2模型灵敏度达到了90%以上,显著高于其它三个模型的灵敏度(（p<0.001）,及时性均为0天。特异度为85%时,CUSUM、C1和C3模型灵敏度超过了95%,及时性为0天,数据之间不存在统计学差异（p>0.05）。4.4.中枢神经系统症候群特异度为95%时,各模型灵敏度均在90%以上,其中C3模型灵敏度为95.95%,显著高于其它四个模型灵敏度（p<0.01）,各模型及时性均为0天。特异度为90%时,各模型灵敏度均达到95%以上,其中CUSUM和C3模型灵敏度最高（p<0.05）,分别为98.08%和97.51%,模型探测及时性均为0天。特异度为85%时,各模型灵敏度均超过了98%,及时性均为0天,数据之间无统计学差异（p>0.05）。4.5.发热伴出血症候群特异度为95%时,各模型灵敏度在40%～60%之间,及时性为3.5～10天,相对而言,C2模型灵敏度和及时性最高（p<0.001）,分别为58.60%和3.5天。特异度为90%时,各模型灵敏度在75%-80%之间,及时性均为1天,其中C3模型灵敏度相对最高（p<0.01）,为79.76%。特异度为85%时,各模型灵敏度达到80%以上,及时性均达到0天,其中C2和C3模型灵敏度均为84.57%,显著高于其它三个模型（p<0.001）。4.6.肉毒杆菌中毒症候群特异度为95%时,C3模型灵敏度为66.65%,及时性为1天,显著优于其它四个模型的探测效果（p<0.005）；特异度为90%时,各模型灵敏度接近80%,及时性为0天,其中C3和CUSUM模型灵敏度最高,分别为79.43%和79.41%（p<0.05）；特异度为85%时,各模型的灵敏度超过了85%,但均未达到90%,模型灵敏度之间无显著性差异,及时性均为0天。4.7.急性病毒性肝炎症候群特异度为95%时,五个模型中,只有C3和C2模型灵敏度高于80%,分别为82.20%和81.670%0,与其它模型灵敏度相比有显著性差异（p<0.001）,模型及时性均为0天。特异度为90%时,模型灵敏度在80%85%之间,及时性均为0天,其中C3和EWMA模型灵敏度显著高于其它三个模型（p<0.05）。特异度为85%时,五个模型灵敏度均超过了90%,及时性为0天,数据之间没有统计学差异（p>0.05）。研究结论1. CUSUM、C1、C2、C3和EWMA模型在发热呼吸道、胃肠道腹泻和中枢神经系统症候群中的应用效果均较为理想。当特异度为95%时,模型灵敏度基本都超过85%,及时性在2天以内；当特异度为90%时,各模型灵敏度均超过90%,及时性在1天以内；当特异度为85%时,各模型灵敏度全部超过95%,及时性在1天以内。这五个模型可以部署在类似的症状监测数据中用于暴发探测。2.以零报告为主的两类症候群（肉毒杆菌中毒和发热伴出血）,在研究选择的95%、90%和85%三个特异度水平下,CUSUM、C1、C2、C3和EWMA模型应用效果均不理想。即使在特异度为85%时,模型的灵敏度也没有超过90%。对于此类监测数据,可以根据监测目的,探索选择其他方法进行暴发探测预警。3.在不同的特异度下,各模型灵敏度和及时性差异很大。大型活动期间,能充分动员卫生资源,响应更多的预警信号。因此,在选择症状监测预警模型时,以其灵敏度和及时性性能优先。当特异度为85%时,CUSUM、C1、C2、C3和EWMA模型在发热伴出疹和急性病毒性肝炎症候群中灵敏度均能超过90%,及时性为0天,应用效果仍较好。

论文目录

• 中文摘要
• Abstract
• 研究背景
• 研究目的
• 研究技术路线
• 资料与方法
• 1.监测指标筛选
• 2.监测数据收集
• 3.模拟暴发
• 4.暴发探测模型
• 5.模型参数选择
• 6.模型效果评价
• 7.统计分析工具
• 研究结果
• 1.症状监测指标筛选结果
• 2.监测数据特征分析
• 3.模型阈值选择结果
• 4.暴发探测效果
• 讨论
• 结论
• 参考文献
• 附录1
• 附录2
• 附录3
• 附录4
• 附录5
• 附录6
• 附件
• 致谢
• 个人简历