上海市嘉定区流感控制图法预警技术研究

陈冬华 钱杰 李强 汤伟琴 杨帆 陈斌 季莹 张一英 周浩 钟培松

(1. 上海市嘉定区疾病预防控制中心 上海 201800; 2. 上海市嘉定区华亭社区卫生服务中心 上海 201816）

流感是第一个实行全球性监测的传染病，我国较早建立了流感监测报告系统。但是在缺少有效的分析手段的情况下，基层工作者重复着每日的常规工作，历史资料只是累积却很少得到开发利用，更不用说预警工作，使传染病的防制工作在一定程度上处于被动应付的局面。因此，十分有必要开展基层预警技术研究。本文依据嘉定区近年来的流感监测资料，确定流感的合适预警界值，进而提高流感的预警能力。

1 资料与方法

1.1 资料来源

2004-2009年上海市嘉定区流感监测资料，以“周”为单位整理数据并建立数据库。按照WHO和国家流感中心推荐的流感样病例（influenza like illness, ILI）定义：体温≥38℃，伴有咳嗽或咽痛之一者，缺乏其他实验室确定诊断依据。流感样病例就诊百分比（ILI%），门急诊就诊总数中流感样病例的比例，为流感发病情况的指标。

1.2 确定流行标准

经典的“流行”定义指某种疾病的发病水平超过历年一般水平。本文流行依据杨维中[1]等人的研究结果，“历年”以5年为好；“超过一般水平”为大于“均数+2S”。

1.3 建立预警模型

按照控制图法预警模型原理[2]，以流感观察周既往5年该周及其前后各2周的ILI%为基线数据，计算指定的百分位数（如P5、P10、P15 … P90、P95），作为候选预警界值，建立预警模型（图1）。

1.4 预警界值优选

以嘉定区2004-2008年流感周ILI%数据为基线数据，带入模型，用各候选预警界值对2009年的流感周ILI%数据进行预警，同时用流行标准对其判断是否流行，从而计算各候选预警界值的灵敏度、特异度、阳性预测值等指标，并绘制ROC曲线进行预测功效比较，优选出嘉定区流感的合适预警界值（图2）。

图1 5年基线数据建立预警模型的原理

1.5 统计分析

应用Excel和SPSS 13.0统计软件进行分析，统计方法包括建模、灵敏度、特异度、阳性预测值计算和ROC曲线绘制等。

2 结果

合适的预警界值：在综合平衡灵敏度、特异度、阳性预测值、预测功效等指标后，将P55作为嘉定区流感预警界值，预警流感时的灵敏度和特异度分别为81.2%和96.9%，阳性预测值为92.9%(表1)。

表1 嘉定区流感候选预警界值灵敏度、特异度、阳性预测值和阴性预测值

3 讨论

控制图法预警技术，具有简单易行、适用面广、预警功效高的特点，避免了像其他方法那样需要不断对参数进行调整的弊端，为基层单位提供了良好的预警技术[3]。张軫麒[4]等人认为非流行年数据失去了流行年的流行强度与速度等信息且流行与非流行也是人为划定的，所以本研究利用连续基线数据；长基线数据提高预警准确性但增大了变异[5]，因此选择连续5年的基线数据；对于7天潜伏期的流感来说，基线数据以周为单位，解决了时间滞后性的缺点。

图2 P55作为预警界值时流感早期预警ROC曲线

“流行”判定仍无国际统一标准。“金标准”本身一直随着科技的发展而变化，而杨维中等[2]人的标准是当前较为认可的标准，所以本文采用了杨维中的标准作为“金标准”。

评价预警方法的灵敏性和准确性的基本指标是灵敏度、特异度和阳性预测值，在优选时，要权衡三者。ROC曲线可以很直观的显示出三者的平衡点。但是在实际工作中，合适预警界值的选择不仅要考虑预警功效，同时又要考虑不同疾病的特点，或偏重于灵敏度或偏重于特异度。在选择流感早期预警界值时，随着预警界值的增大，特异度和阳性预测值增大而灵敏度降低，可以明显看到P55相比于P50灵敏度不变而特异度增大6.3%和阳性预测值增大11.7%。同时与P60相比，在灵敏度增大3.1%的情况下，灵敏度降低12.4%，综合考虑，选择P55为最佳。

[1] 章杨熙. 医学统计预测[M]. 5版. 北京: 中国科学技术出版社, 1995: 20-30.

[2] 杨维中, 邢慧娴, 王汉章, 等. 七种传染病控制图法预警技术研究[J]. 中华流行病学杂志, 2004, 25(12): 1039-1041.

[3] 王瑞平, 春雅丽, 毕安华, 等. 上海市松江区流行性感冒控制图法预警界值优选研究[J]. 中国初级卫生保健, 2010,24(7): 77-78.

[4] 张軫麒, 章杨熙. 流行控制图法[J]. 疾病监测, 1994, 9(1):17-18.

[5] Stroup DF, Wharton M, Kafadar K, et al. Evalution of a method for detecting aberrations in public health surveillance data[J]. Am J Epidemiol, 1993, 137(3): 373-380.