传染病预测预警方法及应用进展（二）

翟志光

传染病预测预警方法及应用进展（二）

翟志光

（中国中医科学院中医基础理论研究所，北京100700）

传染病；预测预警；应用进展

传染病预测是将数学与传染病流行病学相结合的一种统计学分析方法，应用于各种传染病的预测、预警，对传染病的预防与控制有积极的意义。传染病预测预警是根据传染病的发生、发展规律及有关因素，用分析判断和数学模型等方法对可能发生的传染病的发生、发展和流行趋势做出的预测，对于提高传染病预防控制工作的预见性和主动性、提高效率和效益起重要的作用。随着计算机的逐步推广应用以及预测理论的迅速发展，已有多种预测方法在传染病的预防与控制中得到了实际应用，成为传染病预防与控制的一项有效手段。本文就国内传染病预测预警方法应用情况进行综述。

4.2 定量预测技术 是借助数学手段利用原始资料，建立恰当的数学模型，预测未来传染病的发病数和发病率，其预测精度与可靠性取决于数据的准确性和模型的科学性。根据自变量的多少可分为时间序列模型和多因素模型。时间序列预测模型：假设预测对象的变化仅与时间有关，根据它的变化特征以惯性原理推测其未来状态。时间序列模型主要包括灰色动态模型、B-J模型和回归预测模型等。

多因素模型：多因素分析是同时对观察对象的2个或2个以上变量进行分析，从相互联系与制约的复杂关系中把握事物的本质。多元回归模型、逐步判别模型、小波模型等均属多因素模型。目前常用的是时间序列模型中的灰色动态模型和 Box-Jenkins 模型及多因素模型中的小波模型。

4.2.1 灰色动态模型 灰色动态模型是我国学者邓聚龙教授于1982年创立的，它以颜色的深浅代表系统信息的完备程度，由于人们对传统传染病的发病因素还未完全掌握，所以构成了传染病发病或明或暗的灰色系统，其中应用最广泛的是GM（1，1）模型。灰色动态模型对样本容量和概率分布没有严格要求，模型简单，预测效果好，适合于对流行因素较稳定的疾病进行短期预测。目前该模型在各个领域得到了广泛的应用，也普遍用于多种传染病的预测，已证实其适用性较强、建模的精度较高和预测性能好的优点。

蒋莹，祝太平[14]以建德市2002～2007年肺结核发病率建立预测模型，对2008年及2009年肺结核发病情况进行预测，并利用2008年肺结核实际发病率与预测发病率进行对比，计算其相对误差来检验模型预测效果。结果表明建德市肺结核发病率的预测模型，经建模可行性检验，可获得精度较高的GM（1，1）模型。经残差检验，模型精度较好，可用于外推预测。2008年和2009年建德市肺结核发病率为78.84/10万、80.44/10万。经可信度检验，2008年肺结核发病率相对误差为4.01%，说明整体拟合较好，预测结果可信。通过建立肺结核发病率预测模型，计算推算出的实际值和预测值基本吻合，残差较小，拟合较好。

此外，灰色模型在细菌性痢疾[15]、甲肝[16]、伤寒[17]、淋病[18]、禽流感[19]、麻风病[20]、血吸虫病[21]和疟疾[22]等的流行趋势预测中，均显示了良好的效果。

4.2.2 Box-Jenkins 模型 简称B-J模型，是时间序列预测模型中最复杂、最高级的模型。它将预测对象随时间变化形成的序列看作是一个随机序列，并呈现一定的规律性，可以用数学模型近似描述。国外曾有人对12种不同的预测方法进行比较，认为B-J模型仍是最好的预测模型之一，适用n＜50的非平稳时序，是一种精确度较高的短期预测模型。B-J模型的缺点是计算过于复杂，影响其在实际工作中的推广应用。B-J模型是经典的时间序列预测模型，也是精确度较高的短期预测模型之一。其中自回归滑动平均混合模型 （autoregressive integrated moving average，ARIMA）是最重要的时间序列分析预测模型，但计算较为复杂，对数据的要求较高。

张翼飞[23]等建立细菌性痢疾月发病数的预测模型，探讨AR1MA季节乘积模型在时间序列资料分析中的应用。方法采用非条件最小二乘法估计模型参数，通过季节差分方法使原始序列平稳，按照残差不相关原则、简洁原则确定模型结构，依据AIC和SBC准则确定模型阶数，建立ARIMA预测模型。对所分析的季节性时间序列建立了乘积ARIMA（0，0，1）（0，1，1）12模型。方差估计值为288.106，AIC=619.661，SBC=620.492。对模型进行白噪声残差分析（P=0.632），拟合优度统计量表明ARIMA的估计具体模型是适合的。通过ARIMA（0，0，1）（0，1，1）12模型与ARIMA（0，1，1）12模型对细菌性痢疾月发病数预测效果的比较，表明ARIMA季节乘积模型是一种短期预测精度较高的预测模型。

4.2.3 小波模型 小波模型是统计学家新近引入预测领域的模型，正在成为国际上的一个研究热点。它是近年来应用数学领域新发展起来的一个分支，已成为国际上公认的时间－频率分析的有效工具，它把小波分析方法引入了预测领域，在对离散的传染病时间序列资料，尤其是季节性的传染病时间序列资料的分析和应用方面取得了较大突破。

郭秀花[24]等利用小波分析理论构建黑河市和临沂市1995～1998年48个月的出血热肾病综合征发病率季节性时间序列的预测模型，预测两市1999年12个月的发病率，大部分预测结果均与实际发病率较为接近，认为小波分析是处理季节性时间序列的一种较好的预测方法。

吴学森等[25]则以部分县1990～2001年的出血热肾病综合征月发病率分别建立了季节性趋势时间序列小波预测模型和ARIMA时间序列预测模型，以2002年月发病率作为预测的实际参照值，ARIMA预测模型的预测精度只有66.1%。

4.3 组合预测法 在预测实践中，对于某一特定问题可以运用多种预测模型开展预测分析。不同的模型有着不同的适用范围和优势，为了有效的利用各种模型的信息，J.M.Bates和C.W.J.Granger在1969年提出了“组合预测”的思想，即将各种预测方法以适当的形式进行组合，以获得最佳预测效果。组合预测在避免单一模型的局限性，减少预测误差，提高预测精度等方面具有相对优越性，组合预测是现代统计预测方法本身发展的必然结果。目前应用组合预测方法进行传染病的预测预报分析文献报道较少。4.3.1 ARIMA和神经网络模型组合 由于传染病发病率序列的前后数据之间存在着十分复杂的影响关系，既包括线性关系又包括非线性关系。ARIMA模型是线性预测问题研究和实践中最普遍的方法，也常用于疾病的预测研究。神经网络模型现已成为非线性时间序列分析和预测中最为有效的工具之一。ARIMA和神经网络模型针对不同的问题各有其相对的优势，将这两种模型进行合理有效地组合可以提高传染病预测的效果。

严薇荣[26]等基于三种数学模型的传染病发病率预测，构建RBF神经网络模型对传染病发病率开展预测，并取得了较好的预测效果；构建ARIMA-GRNN组合模型对传染病发病率进行预测分析，效果优于传统的ARIMA模型；对ARIMA模型，RBF神经网络模型和ARIMA-GRNN组合模型的预测效果进行比较和分析，得出后两种模型的预测效果优于传统的线性ARIMA模型，且应用更为简便。

4.3.2 模糊控制模型与BP网络预测模型组合 赵冰等[27]将SIR型传染病的模糊控制模型与BP网络预测模型合并，将模糊控制器的输出作为BP网络的输入，对传染病的传播趋势进行预测，然后将预测的结果再输入给模糊控制器，又得到相应的控制措施，利用得到的控制措旌值再次对传染病进行预测。从而形成了一个SIR型传染病的集控制和预测于一体的闭环系统模型：SIR型传染病的模糊控制与预测模型。由于该模型自成一个闭路系统，模糊控制器的输出——控制措施影响疾病的传播，而对疾病传播趋势的预测结果反过来又可以调整控制措施。因此，利用该模型得到的控制措施更符合实际，确实能对疾病的蔓延起到抑制作用。而且对传播趋势的预测也会更加准确。

运用SIR型传染病的模糊控制与预测模型，不仅可以对该类传染病进行模糊控制，从中得到具体的控制措旌，而且可以对该传染病的发展趋势进行预测。该模型有四个优点：①该模型突破了传染病的控制与预测的传统的建模方式：或者控制或者预测。由模型既可以得到具体的控制措旌，又可以对传染病的传播趋势进行预测，一举两得。②由于该模型自成一个闭路系统，因此，具有较高的准确性。③在模型的运行过程中，可以调整控制措施，使之确实能控制疫情的蔓延。因此，具有实用性。④运用该模型，有可能使疫情提前结束。因此，建立SIR型传染病的模糊控制与预测模型是非常必要的，具有重要的理论和现实意义。

以2003年北京市爆发的SARS为例进行研究， 结果系统输出值与实际值非常接近，与实际相比，提前5天结束。说明由模糊控制器得到的控制措施确实可以限制疫情的蔓延。从而更加体现了建立SARS的模糊控制与预测模型是必要的、可行的。

5 总结与思考

传染病预测预警方法是指导制订和采取传染病预防控制方法的重要手段和依据，对传染病的预防与控制具有积极的现实意义。近年随着传染病规律逐步得到认识和计算机技术的普及应用，传染病的预测技术不断取得进展。但传染病预测预警的方法、应用推广以及效果、效益的评价，尚需进行更深入的探讨。在这个过程中，中医学与现代医学的理论和方法的结合甚为重要。

中医学历来注重对疫病的预测。中医学重视人与自然的整体联系，在《黄帝内经》中就确立了“天人合一”的思想，把人与自然环境看作密切相关的统一体。《黄帝内经》认为，人生活在自然中，必然受到自然界运动变化包括气候变化的影响。自然界的气候变化有一定的周期，人体的生理病理变化，也“与天地相应”。《黄帝内经》作者，在长期的实践中发现了天体运动的五运六气周期，联系到疾病发生的周期变化，于是产生了运气学说。运气学说，就是古人探讨自然变化的周期性规律及其对疾病影响的一门学问，是古代的疾病预测学。《内经》以降，医家运用五运六气理论对疫病发生的条件、疫病病因的属性等进行预测和把握，是中医防治疫病的重要优势和特色。《内经》“三年化疫”的理论，正是中医学疫病预测的思想注重天、人、邪三者的关系和制衡的思考和发展。

在现代新发、突发传染病的预测研究中，中医学应积极发挥自身的优势，不断继承与创新，吸收新技术新方法，与现代医学预测预警方法和模型相结合，宏观趋势预测与定性定量预测优势互补，逐步完善传染病预测模式，为现代传染病防治做出贡献，是值得深入研究的课题。

[14] 蒋莹,祝太平.灰色模型预测传染病流行趋势在基层的应用[J].浙江预防医学,2010,22(2):21-22.

[15] 胡明,赵春暖.灰色模型在传染病预测中的应用[J].铁道医学,1991,19(3): 167-168.

[16] 朱恩学,耿兴斌.灰色系统在传染病预测中的应用[J].现代预防医学, 1994,21(4):229.

[17] 潘平涛.应用灰色模型预测伤寒发病率[J].浙江预防医学,2000,12(3):7-8.

[18] 艾维莉,林新勤,徐永芳,等.南宁市淋病1996～2005年发病率灰色模型及预测研究[J].中国热带医学,2007,7(9):1554-1555.

[19] 盛庆云,罗扬珩,向昆,等.应用灰色预测技术分析禽流感流行趋势[J].中国公共卫生管理,2007,23(4):368-370.

[20] 金光楠,蔡振群.GM(1,1)灰色模型在预测麻风病患病率中的应用[J].数理医药学杂志,2007,20(5):720-727.

[21] 张姝,张强,尹治成.灰色模型在血吸虫病感染率预测中的应用[J].现代预防医学,2007,34(7):1291-1293.

[22] 裘炯良,郑剑宁,赵玉婉.应用灰色模型研究疟疾在中国的流行趋势[J].中国媒介生物学及控制杂志,2004,15(1):43-45.

[23] 张翼飞,陈洪,刘岭,等.ARIMA季节乘积模型在肠道传染病预测中的应用[J].激光杂志,2008,29(2):91.

[24] 郭秀花,林济南,曹务春,等.探讨基于小波分析的季节性时间序列预测模型[J].数理医药学杂志,2003,16(3):195-197.

[25] 吴学森,王洁贞,刘云霞,等.基于小波分析的肾综合征出血热发病率预测方法[J].中国卫生统计,2005,22(1):9-12.

[26] 严薇荣.传染病预警指标体系及三种预测模型的研究[C].博士学位论文

[27] 赵冰.SIR型传染病的模糊控制与预测[C].硕士学位论文.

洛宁县中医院创新监督管理体系

[本刊讯] 8月3日从洛宁县中医院获悉，该院推行“五大员”监督管理体系几个月来，彻底颠覆了以往“急整理、迎检查”的现象，由被动管理变为分级管理、主动管理、自我管理，取得明显成效。

洛宁县中医院探索建立的“五大员”监督管理体系，由医务科、护理部、控感办和办公室4个职能科室牵头，分别负责督导医疗、护理、控感、统计和纪律卫生工作。各科室的“五大员”将日常分管的工作记录在册，具体到天、详细到地点、确定到人、说清事由、明确处理结果，由科室负责人签字。4个职能科室定于每周二下午进行检查，对于各科室自己查出问题，责令其整改；对于科室没有查出问题，而被职能查出的科室，医院给予处罚。

现在，在洛宁县中医院广大干部职工中，思考改革、议论创新的人多了，为医院发展出主意、想办法、提建议的多了，主动学习、钻研业务的人多了，与患者加强沟通、主动为患者服务的现象多了。你追我赶、互帮互学现象蔚然成风，该院的凝聚力、向心力明显增强。

（杨建宇 张文娟）

10.3969/j.issn.1672-2779.2012.16.0115

1672-2779（2012）-16-0161-03

��韩世辉

2012-06-23）