症状监测研究领域发展态势分析*
2013-11-20杨志滨张晓燕杨晓茹孙建中
程 瑾,张 群,杨志滨,王 磊,张晓燕,杨晓茹,郑 涛,孙建中
1)解放军医学图书馆 北京 100039 2)军事医学科学院生物工程研究所 北京 100071
基于诊断信息的临床病例监测和实验室网络监测属于传统的疾病监测,是一种被动监测。鉴于患者从出现症状、到就诊、再到病例的临床和实验室诊断存在滞后,所以传统的疾病监测方法对生物威胁事件预警的及时性和敏感性存在缺陷[1]。症状监测(syndromic surveillance),也被称为症候群监测、前驱症状监测、诊断前监测等,是指不依赖特定的诊断,对人群中特定临床症候群的发生频率进行持续监测,以便尽早发现疾病发生发展的迹象并据此做出公共卫生应对,强调以非特异的症候群和(或)其他相关指示数据为基础[2]。症状监测正是为了弥补传统疾病监测方法的不足而应运而生。2001年发生的“9·11”恐怖袭击和炭疽粉末事件大大促进了世界范围内对症状监测的研究和应用,一些症状监测系统的效果已经在许多系统评估研究中被证实,并在2004年雅典奥运会、2005年苏格兰八国集团首脑会议等大型活动中得到了初步验证[3-7]。而我国在该领域的研究起步晚,多是学习借鉴国外的一些小范围探索性研究,研究者比较单一,缺乏跨学科、跨专业的协作交流,缺乏深入研究和创新性研究。作者从科学计量学的角度,对症状监测研究领域的研究热点和发展趋势进行了分析,以期为该领域内的深入研究提供有价值的依据和参考。
1 数据来源与分析方法
1.1数据来源
1.1.1 外文数据 来源于美国科技信息研究所(ISI)科学引文索引数据库(Science Citation Index, SCI),汤森路透Web of Science平台下SCI-Expanded和科学会议录索引数据库(Conference Proceedings Citation Index-Science,CPCIS)。通过关键词途径检索,检索策略为:主题=(syndromic surveillan*)OR主题=(syndrome surveillan*)OR主题=(symptom-based surveillan*)OR主题=(pre-diagnosis surveillan*)OR主题=(prodrome surveillan*)OR主题=(prodromic surveillan*)。文献出版日期截止到2012-12-31。为保证2012年记录的完整性,多次获取更新数据,最新数据获取日期为2013-04-26(数据库更新日期为2013-04-24)。去除掉新闻、通信等类型文献,纳入分析的文献类型包括期刊研究性论文和综述性文献、会议文献、软件评述等,再通过逐篇浏览去除非症状监测相关领域的文献,最终得到的外文分析数据集纳入了689篇文献记录。
1.1.2 中文数据 进入Web of Science平台、万方数据知识服务平台和中国知网CNKI总库,在题名、关键词和摘要字段检索“症状监测”或“症候群监测”的相关文献。万方数据知识服务平台和中国知网CNKI总库两个数据库的检索结果接近,鉴于两个数据库数据结构不同,最终以万方数据知识服务平台的数据作为中文数据来源,数据的获取日期为2013-04-26,逐篇浏览后最终得到116篇中文文献记录。
1.2分析方法采用汤森路透公司开发的数据分析工具TDA(Thomson Data Analyzer)进行分析。采用的分析方法主要有主成分分析法、自相关分析法、交叉相关分析法。在开展分析之前,进行了数据清洗。通过TDA工具生成反映研究主题的混合关键词字段,即将作者关键词和将论文标题、参考文献标题进行自然语言处理后得到的短语组成混合关键词字段,来表示研究主题;抽取症状监测研究领域的高频次关键词,进行关键词共现聚类分析;对研究主题的时间分布和变化规律进行年代序列分析。
2 结果
2.1外文文献分析结果
2.1.1 总体情况 所分析的689篇文献,被引频次总计为6 122次,施引文献有4 129篇,去除自引的施引文献有3 717篇,篇均被引次数为8.89次,H指数为36。与其他生物医学专业领域(比如内科、普通外科、眼科、骨科、麻醉专业等)[8]相比,症状监测研究领域的篇均被引次数和H指数较高,说明该领域研究机构或研究者的科研生产力和影响力较高。2001年以前的研究很少,2001年以后,该领域的发文量和施引文献量均呈逐年较快增加的趋势(图1)。
图1 发文量(上)和施引文献量(下)随年份变化趋势图
2.1.2 主要研究机构和研究者分布 排名前15位的科研机构见图2,该领域的关键研究者均来源于这15家机构。研究机构的自相关分析结果表明,英国健康保护部和英国West Midland郡健康保护局是合作最紧密的机构,其次是美国哈佛大学、波士顿儿童医院和麻省理工学院3家机构,以及美国斯坦福大学和加拿大麦吉尔大学。研究机构的互相关矩阵表明美国哈佛大学、波士顿儿童医院、麻省理工学院、约翰霍普金斯大学、Walter Reed军事研究所、美国CDC、加拿大麦吉尔大学、澳大利亚新南威尔士大学等主要机构的研究主题有交叉重合。
图2 世界前15位科研机构的发文及其被引用情况
2.1.3 研究热点和趋势 以混合关键词来表示研究主题,抽取症状监测研究领域的高频次关键词,通过关键词共现聚类分析,分别得到关键词聚类矩阵图(图3)和Aduna聚类分析图(图4),同时分别绘制了症状监测技术类研究主题(比如异常检测算法、症候群分类、数据标准等)和其他研究主题的年代序列图(图5和图6)。
图3 关键词聚类矩阵图
图4 关键词Aduna聚类分析图
图5 症状监测技术类关键词-年代序列图
图6 症状监测其他关键词-年代序列图
2.2中文文献分析结果我国症状监测领域的研究起步晚,相关的研究机构和人员分布都比较分散,没有明显集中分布和合作研究趋势,大部分研究单位都是国家和各省(市)疾病预防控制中心,国内的研究群体是比较单一的疾控人员,而国外的症状监测研究人员及其所属机构均属于多学科领域。国内研究热点主要集中在脑炎/脑膜炎症候群监测、学校症状监测、大型活动症状监测、流感样疾病或不明原因肺炎症状监测的实践探索。
3 讨论
症状监测是指不依赖特定的诊断,对人群中特定临床症候群的发生频率进行持续监测,从而对疾病暴发进行早期预警和态势感知,具有及时性和敏感性的突出优势。以美国为主的主要发达国家(美、英、加、法、澳)在症状监测领域的研究与实践中占有绝对优势。
该研究结果显示,2001年之前,对症状监测的研究很少,2001年以后,该研究领域的发文量和施引文献量均呈逐年较快增加的趋势。这与症状监测的发展历史非常吻合。最早的症状监测思想可以追溯到20世纪80年代,法国巴斯德研究所的Hannoun等提出可以联合使用传统的特异性指标(确诊病例)和非特异性指标(医生诊疗次数、药品销售、缺勤等)来预测流感暴发,这种利用非特异性症状指示性数据的监测方法,其实就是症状监测的雏形[9-10]。但是当时受到信息技术和统计分析技术的限制,这种方法未得到重视和发展。2001年美国先后发生了“9·11”恐怖袭击和炭疽粉末事件,标志着恐怖袭击发展到一个新阶段,应对生物恐怖袭击也迅速在世界各国得到了前所未有的重视。之后发生的西尼罗河病毒感染、SARS、H1N1流感等公共卫生事件表明,全球性的重大传染病疫情呈现上升趋势,进一步促进了世界各国重视生物威胁应对的研究与实践。症状监测具有及时性、敏感性的优势,可发挥生物威胁早期预警和态势感知的作用,所以得到了快速发展。
该研究结果还显示,该领域研究机构和人员均集中于哈佛大学、美国CDC、约翰霍普金斯大学、匹兹堡大学、英国West Midland郡健康保护局、美国波士顿儿童医院、美国纽约市卫生局、加拿大麦吉尔大学、美国华盛顿大学(西雅图)、美国乔治华盛顿大学、英国健康保护部、美国加利福尼亚大学、美国Walter Reed军事研究所、美国埃默里大学和澳大利亚新南威尔士大学等。这些研究机构的发文量和被引量均较高,并且机构间有合作、研究主题有交叉重合。研究的热点问题包括暴发探测算法、症候群分类和自然语言处理、对数据源的研究及其数据标准、数据可视化、系统评估、症状监测应用及其作用的研究等[11-14]。
对中文文献的分析结果显示,我国开展的症状监测项目仍处于探索起步阶段,症状监测系统的总体设计简单,没有自动挖掘和利用现有医疗信息系统中产生的实时数据,尚未建立丰富、系统的监测指标,异常监测算法相对单一,缺乏对症状监测分析预警方法的深入研究,缺乏项目评估。我国急需加强症状监测领域的相关研究与实践,弥补现有疾病监测系统的缺陷,增强对生物威胁早期预警、监测和态势感知的能力。
[1]曹明华,李群,胡传来. 疾病暴发早期预警系统研究进展[J]. 中华流行病学杂志,2006,27(11):1005
[2]Katz R, May L, Baker J, et al. Redefining syndromic surveillance[J]. J Epidemiol Glob Health, 2011,1(1): 21
[3]Suzuki S,Ohyama T,Taniguchi K,et al. Web-based Japanese syndromic surveilance for the FIFA World Cup 2002[J]. J Urban Health,2003,80(Suppl 1):i123
[4]Gesteland PH, Gardner RM, Tsui FC, et al. Automated syndromic surveillance for the 2002 Winter Olympics[J]. J Am Med Inform Assoc,2003,10(6):547
[5]Dafni UG, Tsiodras S, Panagiotakos D, et al. Algorithm for statistical detection of peaks:syndromic surveillance system for the Athens 2004 Olympic Games[J]. MMWR Morb Mortal Wkly Rep,2004,53(Suppl):86
[6]Williams CJ, Schenkel K, Eckmanns T, et al. FIFA World Cup 2006 in Germany:enhanced surveillance improved timeliness and detection[J]. Epidemiol Infect,2009,137(4):597
[7]Meyer N, McMenamin J, Robertson C, et al. A multi-data source surveillance system to detect a bioterrorism attack during the G8 Summit in Scotland[J]. Epidemiol Infect,2008, 136(7):876
[8]Svider PF,Choudhry ZA,Choudhry OJ, et al. The use of the h-index in academic otolaryngology[J]. Laryngoscope,2013, 123(1):103
[9]Hannoun C, Dab W, Cohen JM. A new influenza surveillance system in France: the lle-de-France “GROG”. 1. Principles and methodology[J]. Eur J Epidemiol, 1989, 5(3):285
[10]Dab W, Quenel P, Cohen JM, et al. A new influenza surveillance system in France: the lle-de-France “GROG”. 2. Validity of indicators (1984-1989)[J]. Eur J Epidemiol, 1991, 7(6):579
[11]Kman NE,Bachmann DJ. Biosurveillance: a review and update[J]. Adv Prev Med,2012,2012:301408
[12]Buehler JW, Sonricker A, Paladini M, et al. Syndromic surveillance practice in the United States: findings from a survey of state, territorial, and selected local health departments[J]. Advances in Disease Surveillance, 2008, 6(3):1
[13]Kass-Hout TA.Update on the BioSense Program Redesign. [EB/OL]. [2013-02-12].http://www.cdc.gov/osels/phsipo/DOCS/PDF/Kass-Hout_CoE-PHI_03-07-2011_508.pdf
[14]Meynard JB, Chaudet H, Green AD, et al. Proposal of a framework for evaluating military surveillance systems for early detection of outbreaks on duty areas[J]. BMC Public Health, 2008, 8:146