基于传染病自动预警信息系统的“流行标准”最优化选择分析*

王瑞平 姜永根 郭晓芹 赵根明

基于传染病自动预警信息系统的“流行标准”最优化选择分析*

王瑞平1，2姜永根2郭晓芹2赵根明1△

目的 通过纳入“流行标准”备选模型，探讨各模型对不同传染病类型预警阈值设定的适用性，进而优选出各传染病的适宜预警阈值，改善预警效果。方法 按照控制图预警模型原理，分别计算各重点传染病2014年周病例数指定的12个百分位数，然后分别应用备选“流行标准”对各重点传染病2014年相应周的疫情进行预警，通过比较备选模型和控制图预警模型预警结果，优选出预警阈值，然后依据2015年传染病聚集性疫情的实际发生情况验证预警界值预警效果。结果 纳入松江区3种重点传染病，流行性腮腺炎整体疫情呈下降趋势，定为“TYPE A”，C2、累积和控制图(CUSUM)和季节趋势模型(SM)推荐P50，“μ+2σ”推荐P80；流行性感冒整体疫情平稳，定为“TYPE B”，C2、CUSUM和SM推荐P40，“μ+2σ”推荐P75；猩红热整体疫情呈上升趋势，为“TYPE C”，C2和SM推荐P90，CUSUM推荐P75，“μ+2σ”推荐P80。结论 C2、CUSUM和SM适合“TYPE A”型传染病，推荐预警阈值低，结果保守；4种模型均适合“TYPE B”型传染病，但μ+2σ的预警的成本效益好；4种模型也均适合“TYPE C”型传染病，但倾向于推荐大的预警阈值，建议根据传染病社会影响和现有防治水平对预警阈值进行适当调整。

传染病自动预警信息系统；流行标准；优化选择；C2；CUSUM；SM

传染病预测预警是根据收集到的传染病疫情报告和疫情监测资料，对疫情发生的区域、规模等进行综合评估和预测，然后在一定范围内，采取适当的方式预先发布事件威胁的警告[1]，进而及时发现暴发和流行的苗头，降低发病率和死亡率。目前，传染病疫情预测预警工作已经成为了疾病监测信息体系的重要内容[2-4]。在应用控制图法预警技术研究中，“流行”的标准依据是经典流行病学中流行的定义，即将大于“μ+2σ”作为流行标准[5-7]，而实际应用中，如果传染病存在长期趋势，直接将“μ+2σ”作为“流行”标准可能会低估或者高估暴发苗子，造成预警结果的偏差；同时如果传染病具有明显的季节性，仅利用这个“点值”作为“流行”的判断标准也会造成预测结果的偏差[8-9]。因此，分析在传染病预警阈值优选过程中，如何确立合适的“流行”标准，可以提高预警阈值设定的合理性，进而改善传染病早期预警的效果，提高传染病疫情的控制率和控制及时性。

材料与方法

1.资料来源

资料来源于“中国疾病预防控制信息系统”中“疾病监测信息报告管理系统”模块的传染病报告。通过历史疫情和预警系统分析将流行性腮腺炎、流行性感冒和猩红热确定为松江区重点传染病，利用“疾病监测信息报告管理系统”查询、下载、筛选、整理出2009-2015年松江区重点传染病疫情信息资料。

2.数据管理及建模

(1)建立预警模型

按照控制图预警模型原理，分别以松江区3种重点传染病观察“周”既往5年(2009-2013年)该周及其前后各2周的周发病数为基线数据，分别计算指定的百分位数(P40、P45、P50、P55、P60、P65、P70、P75、P80、P85、P90、P95)作为预警阈值，建立预警模型。

(2)备选流行标准介绍

通过文献检索，将C2法、累积和控制图法(cumulative sum control chart,CUSUM)和季节趋势模型法(seasonal trend model,SM)纳入为备选标准，与预警系统使用的“ 流行标准”进行比较分析。

C2法基于美国早期异常探测系统(early abreation reporting system,EARS)，依据监测数据为距离当前日向前推算3至9天的数据为基线，利用统计模型计算当前日的期望值，并设定预警阈值，当实际观测值超过预警阈值时即发出预警信号。具体计算公式如下：

其中yt是第t天监测病例数，μ2t为第t-3天至t-9天病例数的均值，σ2t是第t-3天至t-9天病例数的标准差，k为修正系数，参考EARS的设置，k=1。本文中，将h设定为预警阈值，当C2t>2时，认为当前监测病例数为潜在“流行”，否则为一般“散发”。

累积和控制图法模型(CUSUM)，假定每天监测病例数yi服从泊松分布，将监测序列正态化处理后，可计算得到标准正态离差表示当前值与预期值之间的差异，该模型的具体计算公式如下：

其中yt是第t天监测病例数，μi为过去i天病例数的平均值，σi为过去i天病例数的标准差，k值为该模型的重要参数，称为修正系统，本研究中i=7，k=1，初始设置为S0=0，当St>0时，即产生预警信号，认为当前监测病例数为潜在“流行”，否则为“散发”。

季节趋势模型(SM)是将线性回归和残差分析结合起来的一个预测模型，该模型同时兼顾了趋势性和季节性的影响，同时剔除了长期趋势对预测效果的影响，能够得到较为接近实际的预测结果，反映了该类数据的变化规律，短期的预测效果好。该模型的具体计算公式如下：

(3)备选流行标准对应的预警阈值的优选

按照控制图预警模型原理，分别以松江区2009-2013年重点传染病的“周”发病数为基线数据，带入建立的预警模型，分别用12个预警阈值对2014年52个周的传染病发病数进行预测，依据(实际发生数-预测发病数>0，即为流行)标准判定各预警阈值的预警结果，同时应用各备选流行标准对2014年52个周的传染病发病数是否“流行”进行预测判定，通过分别计算各备选流行标准与12个预警阈值的预警灵敏度、特异度、阳性预测值、阴性预测值等指标，绘制ROC曲线进行预测功效的比较，确定各备选流行标准对应的预警阈值。

(4)各备选流行标准预警效果的验证

按照传染病自动预警信息系统运作原理，分别以松江区2010-2014年重点传染病的“日”发病数为基线数据，根据控制图预警模型原理，应用各备选“流行标准”对应的预警阈值进行每日预警，同时根据2015年各重点传染病聚集性疫情的实际发生情况，对各备选“流行标准”的预警效果进行评价，验证预警效果。

3.统计分析

应用EXCEL 2013和SPSS 16.0统计软件进行统计分析。统计方法包括模型建立，灵敏度(sensitivity,Se)、特异度(specificity,Sp)、阳性预测值(positive predictive value,PPV)、阴性预测值(negtive predictive value,NPV)、一致率(consistency rate,CR)、Kappa值、约登指数(Youden's Index,YI)等指标的计算，ROC曲线绘制等。

结 果

1.松江区重点传染病整体疫情趋势

2009-2014年，松江区流行性腮腺炎疫情呈“夏季高发”特点，每年第13周～30周夏季的周报告病例数明显高于37周～52周秋冬季节的周报告病例数，而2015年全年疫情平稳，仅在25周～40周期间流行性腮腺炎的周报告病例数有所升高；从长期流行趋势看，2009-2015年，松江区流行性腮腺炎呈下降趋势。2009-2015年，松江区流行性感冒疫情呈“冬春季和秋季两个发病高峰”特点，每年冬季和次年春季出现一个发病高峰，然后疫情回落，并于秋季出现第二个小高峰；从长期流行趋势看，松江区流行性感冒的疫情整体平稳。2009-2015年，松江区猩红热疫情呈现“夏季秋冬季双高峰”的特点。每年16周～28周出现一个大高峰后疫情逐渐回落，进入43周后出现第二个小高峰。从长期流行趋势看，2009-2015年，松江区猩红热整体疫情轻微上升。

如图1所示，2009-2015年流行性腮腺炎疫情呈“缓慢下降”趋势，本文将其归为“TYPE A”型；2009-2015年，流行性感冒的疫情整体平稳，每年有相对稳定的高发季节，本文将其归为“TYPE B”；而2009-2015年松江区猩红热整体上呈“缓慢上升”的趋势，本研究将其归为“TYPE C”型。

图1 松江区2009-2015年3种重点传染病周报告病例数及长期疫情趋势

2.“流行标准”备选模型推荐的重点传染病预警阈值

以C2模型、累积和控制图(CUSUM)、季节趋势模型(SM)和μ+2σ为流行标准预警松江区3种重点传染病，然后分别与该病种对应的控制图法预警模型得到的12个备选预警阈值对应的2014年该病种的预警结果进行逐一对比分析，计算该病种对应的12个预警阈值的灵敏度、特异度、阳性预测值、一致率和Kappa值，综合平衡各评价指标后，优选出基于C2模型、累积和控制图(CUSUM)、季节趋势模型(SM)和μ+2σ的最佳预警阈值。

如表1所示，C2、累积和控制图(CUSUM)和季节趋势模型(SM)对流行性腮腺炎推荐的预警阈值为P50，而现用流行标准“μ+2σ”推荐的预警阈值为P80；对于流行性感冒，C2、CUSUM和SM推荐的预警阈值为P40，而“μ+2σ”推荐的预警阈值为P75；对于猩红热，C2和SM推荐的预警阈值为P90，累积和控制图(CUSUM)推荐的预警阈值为P75，而“μ+2σ”推荐的预警阈值为P80。

表1 备选“流行标准”对重点传染病推荐的预警阈值和相应指标值

3 “流行标准”备选模型推荐的预警阈值预警效果验证

根据国家传染病自动预警信息系统的运作原理，计算预警“日”所在“周”的周报告病例数，以及既往5年(2010-2014年)该周前后各2周的周发病数，应用各备选“流行标准”优选出的预警阈值对2015年各病种的“日”疫情进行预警，同时根据2015年各重点传染病聚集性疫情的实际发生情况，对各备选“流行标准”的预警效果进行评价，计算各备选“流行标准”优选出的预警阈值对各重点传染病预警的灵敏度、特异度、阳性预测值、阴性预测值、约登指数、一致率等指标，验证预警效果。

如表2所示，流行性腮腺炎为“TYPE A型”传染病，表现为缓慢下降的长期趋势，各备选“流行标准”中，C2模型、累积和控制图法和季节趋势模型推荐的预警阈值适用性好，推荐的预警阈值较低，结果比较保守；而μ+2σ标准推荐的预警阈值偏高，预警的灵敏度低，不适用。流行性感冒为“TYPE B型”传染病，疫情表现为无明显上升或下降的长期趋势，各备选“流行标准”推荐的预警阈值均适用，C2模型、累积和控制图法和季节趋势模型推荐的预警阈值较低，结果比较保守；而μ+2σ法推荐的预警阈值偏高，预警的成本效益好，在实际应用中有较好的效果。猩红热为“TYPE C型”传染病，疫情表现为缓慢上升的长期趋势，各备选“流行标准”推荐的预警阈值适用性均较好，同时倾向于推荐较高的预警阈值。

表2 备选“流行标准”推荐的重点传染病的预警阈值预警效果

讨 论

尽早发现传染病暴发苗子，及时采取有效的控制措施，可有效降低传染病造成的发病和死亡，具有重要的公共卫生意义[7]。因此，开展传染病预警预测，早期探测发现暴发事件始终是公共卫生领域关注的一个热点问题[10]。2008年，国家传染病自动预警信息系统的建立为我国传染病预警预测工作的开展奠定了技术基础，并提供了工作平台。目前，我国在传染病预警领域已开展了有益的探索和实践，初步取得了一些成效，但围绕传染病预警还有许多值得深入探讨和研究的问题[11-12]。本文从预警信息系统“流行标准”优化选择入手，通过模型拟合，应用4种“流行标准”分别对松江区3种重点传染病的预警结果进行了拟合，初步优选出各“流行标准”对应的预警阈值，同时对各“流行标准”对应的预警阈值的预警效果进行了评价，取得了较好的效果。

本研究结果提示，对于不同的传染病类型，各备选“流行标准”所推荐的预警阈值不尽相同，但仍有规律可循。“TYPE A型”传染病，C2模型、累积和控制图法和季节趋势模型推荐的预警阈值适用性好，同时3种方法推荐的预警阈值较低，结果比较保守；而μ+2σ推荐的预警阈值的预警灵敏度不高，不适用。“TYPE B型”传染病，4个备选“流行标准”推荐的预警阈值均适用，C2模型、累积和控制图法和季节趋势模型推荐的预警阈值较低，结果比较保守；而μ+2σ推荐的预警阈值偏高，预警的成本效益好。“TYPE C型”传染病，C2模型、累积和控制图法推荐的预警阈值适用性好，但4个备选“流行标准”均倾向于推荐较高的预警阈值。因此，对于有长期趋势的传染病，无论是“上升”趋势还是“下降”趋势，C2模型、累积和控制图法推荐的预警阈值适用性好，但“上升”长期趋势传染病的预警阈值普遍偏高，实际应用时需适当调整；对于无长期趋势的传染病，4个备选“流行标准”推荐的预警阈值均适用，预警阈值普遍较低，μ+2σ推荐的预警阈值相对较高，预警的成本效益好。

在实际工作中，由于传染病预警阈值是根据发病前5年的数据通过控制图法拟合得出的[10]，因此合适预警阈值需要每年进行及时调整[11,13]。同时预警阈值的选择还要看传染病的特点，如果传染病的危害较大，漏掉疫情可能会带来严重后果，且目前有可靠的预防控制措施方法，此时的预警阈值可以考虑提高灵敏度，尽可能多的发现暴发苗子，及时采取控制措施。如果传染病的危害较小，调查处置费用高，此时的预警阈值设定可以考虑提高特异度，尽可能多的剔除假预警，提高传染病疫情处置的效率。

本研究具有一定的局限性。首先，本文仅纳入3种传染病，在归纳总结各模型的适用性时在一定程度上会影响研究结论的外推性；其次，“流行标准”备选模型纳入了C2、CUSUM和SM，备选模型的数量偏少；最后，以松江区的传染病周疫情为基础开展研究，由于地域范围的影响，个别传染病的周报告病例数为0，一定程度上影响了备选模型的运行，对研究结果有影响。因此，今后需开展延展性研究，选择更大的地域范围，纳入更多的传染病病种和更优化的“流行标准”模型，进而完善我国传染病自动预警信息系统。

[1]马芬,王丽,李辉.传染病预警方法研究进展.卫生研究,2008,37(2):249-251.

[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.中华流行病学杂志,2004,25(12):1039-1041.

[3]孟军.突发公共卫生事件预警现状与模式探讨.广西医学,2006,28(11):1742-1743.

[4]葛利辉,徐斌,梁红慧.利用电子地图实行传染病预警预测的探讨.实用预防医学,2006,13(1):37-38.

[5]Najera J,Kouznetasov R,Dilacollette C.Malaria epidemics.Detection and control.Forecasting and prevention.Geneva,World Health Organization,1998.

[6]Early warning syetems.Communicable disease surveillance and response(CSR).2004.http://www.who.int/csr/labepidemiology/projects/earlywarnsystem.

[7]杨维中,兰亚佳,李中杰,等.国家传染病自动预警系统的设计与应用.中华流行病学杂志,2010,31(11):1240-1244.

[8]王瑞平,陈立凌,刘成,等.苏州市重点传染病移动百分位数法预警界值优选分析.中国卫生统计,2014,31(4):598-601.

[9]Yang W,Li Z,Lan Y,et al.A nationwide web based automated system for early outbreak detection and rapid response in China.WPSAR,2011,2(1):1-6.

[10]杨维中,李中杰,赖圣杰,等.国家传染病自动预警系统运行状况分析.中华流行病学杂志,2011,32(5):431-435.

[11]梁万年.加强我国传染病预警的研究和应用.中华流行病学杂志,2011,32(5):429-430.

[12]刘文东,胡建利,艾静,等.CUSUM模型在流行性腮腺炎早期预警中的应用研究.中国卫生统计,2014,31(4):563-565.

[13]徐旭卿,鲁琴宝,王臻,等.浙江省传染病自动预警系统暴发预警效果评价.中华流行病学杂志,2011,32(5):442-445.

(责任编辑：刘 壮)

Optimized Outbreak Standard Selection based on China Infectious Disease Automated-alert and Response System(CIDARS)

Wang Ruiping,Jiang Yonggen,Guo Xiaoqin,et al

(SongjiangCenterforDiseaseControlandPrevention(200032),Shanghai)

Objective To explore the adaptability of 4 outbreak detection algorithms to provide optimized early warning thresholds(OEWT)for different infectious diseases,and then recommend proper OEWT for each infectious disease to improve early warning effect.Methods According to principle of early warning control graph model(EWCGM),outbreak signals of the 12 alternative Px were calculated in 2014,and ‘μ+2σ’,C2,seasonal model(SM),and cumulative sum(CUSUM)were applied.When outbreak signals generated by algorithm were consistent with a Px,this Px was then ascertained as the optimized threshold by this algorithm,finally all ascertained Px of different infectious diseases were verified in CIDARS by real outbreak events in 2015.Results Three key infectious diseases were finally ascertained,mumps showed a declining trend which was set as TYPE A,C2,CUSUM and SM recommendedP50for mumps,and ‘μ+2σ’ recommendedP80;influenza showed no increasing or decreasing trend which was set as TYPE B,C2,CUSUM and SM recommendedP40for mumps,and ‘μ+2σ’ recommendedP75;scarlet fever showed an slightly ascending trend which was set as TYPE C,C2,SM recommenedP90,CUSUM recommenedP75,and ‘μ+2σ’ recommendedP80.Conclusion C2,CUSUM,and SM were suitable for TYPE A with lower thresholds,all 4 algorithms(OGS)were suitable for TYPE B,and were all also suitable for TYPE C but with higher thresholds.The selection of optimized thresholds should also consider the social and economical influence of infectious diseases as well as the response capacity of local CDCs.

China infectious disease automated-alert and response system;Outbreak standard;Optimized selection;C2;Cumulative sum;Seasonal model

公共卫生安全教育部重点实验室开放基金(GW2015-1)

1 复旦大学公共卫生学院 (200032 )

2 松江区疾病预防控制中心

△通信作者：赵根明，E-mail:gmzhao@shmu.edu.cn