上海市嘉定區流感控制圖法預警技術研究

陳冬華 錢杰 李強 湯偉琴 楊帆 陳斌 季瑩 張一英 周浩 鐘培松

(1. 上海市嘉定區疾病預防控制中心 上海 201800; 2. 上海市嘉定區華亭社區衛生服務中心 上海 201816）

流感是第一個實行全球性監測的傳染病，我國較早建立了流感監測報告系統。但是在缺少有效的分析手段的情況下，基層工作者重復著每日的常規工作，歷史資料只是累積卻很少得到開發利用，更不用說預警工作，使傳染病的防制工作在一定程度上處于被動應付的局面。因此，十分有必要開展基層預警技術研究。本文依據嘉定區近年來的流感監測資料，確定流感的合適預警界值，進而提高流感的預警能力。

1 資料與方法

1.1 資料來源

2004-2009年上海市嘉定區流感監測資料，以“周”為單位整理數據并建立數據庫。按照WHO和國家流感中心推薦的流感樣病例（influenza like illness, ILI）定義：體溫≥38℃，伴有咳嗽或咽痛之一者，缺乏其他實驗室確定診斷依據。流感樣病例就診百分比（ILI%），門急診就診總數中流感樣病例的比例，為流感發病情況的指標。

1.2 確定流行標準

經典的“流行”定義指某種疾病的發病水平超過歷年一般水平。本文流行依據楊維中[1]等人的研究結果，“歷年”以5年為好；“超過一般水平”為大于“均數+2S”。

1.3 建立預警模型

按照控制圖法預警模型原理[2]，以流感觀察周既往5年該周及其前后各2周的ILI%為基線數據，計算指定的百分位數（如P5、P10、P15 … P90、P95），作為候選預警界值，建立預警模型（圖1）。

1.4 預警界值優選

以嘉定區2004-2008年流感周ILI%數據為基線數據，帶入模型，用各候選預警界值對2009年的流感周ILI%數據進行預警，同時用流行標準對其判斷是否流行，從而計算各候選預警界值的靈敏度、特異度、陽性預測值等指標，并繪制ROC曲線進行預測功效比較，優選出嘉定區流感的合適預警界值（圖2）。

圖1 5年基線數據建立預警模型的原理

1.5 統計分析

應用Excel和SPSS 13.0統計軟件進行分析，統計方法包括建模、靈敏度、特異度、陽性預測值計算和ROC曲線繪制等。

2 結果

合適的預警界值：在綜合平衡靈敏度、特異度、陽性預測值、預測功效等指標后，將P55作為嘉定區流感預警界值，預警流感時的靈敏度和特異度分別為81.2%和96.9%，陽性預測值為92.9%(表1)。

表1 嘉定區流感候選預警界值靈敏度、特異度、陽性預測值和陰性預測值

3 討論

控制圖法預警技術，具有簡單易行、適用面廣、預警功效高的特點，避免了像其他方法那樣需要不斷對參數進行調整的弊端，為基層單位提供了良好的預警技術[3]。張軫麒[4]等人認為非流行年數據失去了流行年的流行強度與速度等信息且流行與非流行也是人為劃定的，所以本研究利用連續基線數據；長基線數據提高預警準確性但增大了變異[5]，因此選擇連續5年的基線數據；對于7天潛伏期的流感來說，基線數據以周為單位，解決了時間滯后性的缺點。

圖2 P55作為預警界值時流感早期預警ROC曲線

“流行”判定仍無國際統一標準。“金標準”本身一直隨著科技的發展而變化，而楊維中等[2]人的標準是當前較為認可的標準，所以本文采用了楊維中的標準作為“金標準”。

評價預警方法的靈敏性和準確性的基本指標是靈敏度、特異度和陽性預測值，在優選時，要權衡三者。ROC曲線可以很直觀的顯示出三者的平衡點。但是在實際工作中，合適預警界值的選擇不僅要考慮預警功效，同時又要考慮不同疾病的特點，或偏重于靈敏度或偏重于特異度。在選擇流感早期預警界值時，隨著預警界值的增大，特異度和陽性預測值增大而靈敏度降低，可以明顯看到P55相比于P50靈敏度不變而特異度增大6.3%和陽性預測值增大11.7%。同時與P60相比，在靈敏度增大3.1%的情況下，靈敏度降低12.4%，綜合考慮，選擇P55為最佳。

[1] 章楊熙. 醫學統計預測[M]. 5版. 北京: 中國科學技術出版社, 1995: 20-30.

[2] 楊維中, 邢慧嫻, 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.

[3] 王瑞平, 春雅麗, 畢安華, 等. 上海市松江區流行性感冒控制圖法預警界值優選研究[J]. 中國初級衛生保健, 2010,24(7): 77-78.

[4] 張軫麒, 章楊熙. 流行控制圖法[J]. 疾病監測, 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.