某區腹瀉癥狀監測控制圖法預警技術研究

錢 杰 鐘培松 陳時千 顧麗萍

（上海市嘉定區疾病預防控制中心，上海 201800）

近年來，隨著經濟的發展和新興產業大量涌現，人口流動日趨頻繁，致使傳染病的傳播速度加快，傳播途徑也日趨復雜。暴發和流行苗頭時有出現，給傳染病的防制工作帶來了巨大挑戰[1]。傳染病預測預警是根據收集到的傳染病疫情報告和疫情監測資料。對疫情發生的區域、規模等進行綜合評估和預測，然后在一定范圍內，采取適當的方式預先發布事件威脅的警告[2]，進而及時發現暴發和流行的苗頭，以便盡早采取防控措施，降低發病率和死亡率。我國較早就建立了疫情報告系統，但一直缺乏有效的分析手段和方法，對歷史資料的開發和利用未能有效開展，難以早期發現傳染病爆發和流行苗子，使得防控工作在某種程度上處于被動應付的局面[3]。2004年，中國疾病預防控制中心建立了我國傳染病自動預警信息系統，但由于該系統預警覆蓋面過大，存在著不能對局部地區出現的疫情做出靈敏預警等方面的困難。因此，非常有必要開展以區、縣為單位的預警技術研究.本文依據嘉定區腹瀉癥狀監測的特點，確定合適預警閾值，進而提高預警能力。

1 資料與方法

1.1 資料來源

以2006至2009年5-11月腹瀉病例每日監測數據建立數據庫。以“周”為單位整理監測數據。

1.2 確定流行標準

經典“流行”定義指某種疾病的發病水平超過歷年一般水平。本研究依據楊維中等的研究結果，以＞“χ—+2s”為判斷標準，即“超過一般水平”。

1.3 按控制圖法原理建立預警模型：

以觀察周既往4年該周及前后各一周的腹瀉病例數為基線數據，計算出指定的百分位數（P50，P60，P65，P70，P75，P80，P85，P90，P95），作為候選的預警界值，建立預警模型（圖1）。

圖1 預警模型建立原理

表2 嘉定區腹瀉癥狀監測候選預警界值靈敏度、特異度、陽性預測值、陰性預測值

1.4 ROC曲線法優選合適的預警界值

以嘉定區2006至2009年5-11月腹瀉病例周發病數作為基線數據，代入模型，用各候選的預警界值對2010年分周預警，同時用流行參照標準判斷是否流行，進而計算各候選的預警界值的靈敏度、特異度、陽性預測值等，并繪制ROC曲線，比較預警功效，優選出最佳預警界值。計算公式見表1。

表1 流行與非流行判定結果

1.5 統計分析

應用EXCEL和SPSS18.0統計軟件進行統計分析。統計方法包括模型建立，靈敏度、特異度、陽性預測值、陰性預測值計算及ROC曲線繪制等。

2 結 果

2.1 各預警界值靈敏度均為100%，在第95百分位數時，特異度92%，陽性預測值66.67%，異常信號共6起；在第90百分位數時，特異度88%，陽性預測值57.14%，異常信號共7起；在第85百分位數時，特異度68%，陽性預測值33.33%，異常信號共12起。綜合平衡靈敏度、特異度、陽性預測值、預測功效和預測疾病的特點后，優選出合適預警界值：將P90作為嘉定區腹瀉病例癥狀監測的預警界值，見圖2、表2。

圖2 腹瀉癥狀監測早期預警ROC曲線

2.2 接警后處置模式探索

異常信號或報警的發生，只是提示某種疾病可能會在該地暴發或流行。實際情況需要我們進一步的分析數據和核實疫情。預警信號調查中最重要的一步是確診，這是一個相當復雜的過程，特別是對非特異性的癥狀監測來說。本研究通過以P90為預警界值，對2010年7個異常信號進行處置。分別采取了通過區內信息平臺將信息通知區衛生行政部門及各醫療單位；加強腸道傳染病疫情搜索；在世博保障形式下召開全區防病工作會議，對重點腸道傳染病防治進行培訓；組織對相關單位腸道門診及腸道傳染病方控物資儲備督察；在高峰期開展針對性防控桌面推演等措施。經過初步探索，單一一周預警信號的提示作用大大弱于連續2周預警信號的提示，在遇到連續兩周預警信號后加強處置措施可以有效應對疫情上升趨勢（圖3）。

圖3 以P90為預警界值接警后處置模式探索

3 討 論

監測預警系統的建立首先依賴于歷史數據的收集和利用即基線的建立，應該選擇多長時間的歷史數據是一個不得不考慮的問題。研究表明較長期的歷史數據可能提高預警準確性，但傳染病流行趨勢的變化增加了數據的變異從而抵消了長期數據帶來的好處。近幾年來傳染疫情趨勢相對平穩，維持在一個較低水平（個別傳染病如肺結核除外）。在這種情況下，歷史數據太長，會大大降低預警的敏感性[3]。所以，本研究用4年基線數據建模。由于數據相對偏少，模型穩定和指標計算有可能受到影響。為解決這種矛盾，美國疾病預防控制中心將預警時間向前和向后各移動一個單位，增加了2倍數據量，起到了很好的預警效果。本研究采用了這種方法，將觀察周既往4年該月及其前后一個周的病例數都作為基線數據，使原來的4個數據增加為12個數據。

以月報數據為基礎的預警和以周報數據預警比較，在預警一些短潛伏期的傳染病暴發可能存在時間滯后性的缺陷[4]，本研究所用的腹瀉病門診監測周報資料可有效解決這一問題。另外考慮在今后的運用中，還需要持續收集日報數據建立以日報為基礎的數據庫，以便于采用日移動平均法、日移動百分位法、時間序列分析方法（ARIMA等）開展更加靈敏有效的預警工作。

在優選預警界值時，既要考慮預警的功效，又要考慮實際應用，從本研究中的ROC曲線看，最靠近縱坐標軸左上角的是P95，但此點已至所設定“流行”的水平，預警作用相對較弱，因此選擇P90作為合適預警界值，此位點靈敏度為100%，能夠預警出所有異常信號，特異度也在85%以上，與P95位點相比只增加1起的異常信號處理工作量，實際預警功效更大。當然，合適預警界值的選擇還要根據不同傳染病的特點，綜合考慮危險性、調查處置費用等因素，從而動態調整預警界值以尋求各方面的平衡。另外，本研究在接警處理等方面開展了一定程度的探索，取得了相關單位的好評及疾病控制的實際效果。

[1]戴榮華.傳染病預警體系運行模式的探討[J].現代預防醫學,2006,33(2):139.

[2]馬芬,王麗,李輝.傳染病預警方法研究進展[J].衛生研究,2008,37(2):249-251.

[3]楊維中,邢維嫻,王漢章,等.七種傳染病控制圖法預警技術研究[J].中華流行病學雜志,2004,25(12):1039-1041.

[4]Najera J,Kouznetasov R,Dilacollette C.Malaria epidemics.Detection and and control.Forecasting and prevention[R].Genva,World health organization,1998.