早发现、早预警是应对新发突发传染病的一个关键策略，能有效确保相关单位、专业人员以及可能受到影响的人群及时掌握情况，做好自身防护，而实现这一策略的核心手段，就是依靠高效的传染病早期预警
[1]。21世纪以来，部分发达国家研究建立了传染病预警系统，或是开发了具有传染病预警分析功能的各类传染病监测系统
[2]。近20年来，传染病预警理论、模型与系统不断发展，根据监测数据的不同，目前传染病预警系统主要分为3类——基于病例监测、基于事件监测、基于症状监测。伴随着互联网、通讯技术和大数据分析技术的蓬勃发展，特别是以网络搜索、自媒体、移动定位、空间流行病学、人工智能等为代表的新技术，在疫情分析预测、趋势研判和风险评估中得到广泛应用
[3-7]。关于传染病预警模型、预警系统和预警方法的研究，在应对新型冠状病毒肺炎(corona virus disease 2019，COVID-19)疫情过程中，也进入了一个快速发展、不断革新的新阶段，基于多源大数据的传染病智慧化监测预警机制和平台，成为当前传染病预警领域研究的热点
[8]。本文就传染病预警技术、体系及预警方法进行综述，为我国传染病监测体系的建立健全提供参考。
1 近<bold>20</bold>年国家传染病预警领域的主要突破
1.1 启用传染病监测信息报告管理系统
早在2003年严重急性呼吸综合征(severe acute respiratory syndrome，SARS)暴发之前，中国疾病预防控制中心(Center for Disease Control and Prevention，CDC)就开展了传染病预警技术的研究，利用移动百分位数法建立了传染病暴发与流行探测方法，SARS之后得到高度重视
[9]。2003年颁布实施的《突发公共卫生事件应急条例》
[10]在应急预案章节内容中，提出了“监测与预警”的工作要求，2004年修订的《中华人民共和国传染病防治法》
[11]第十九条规定“国家建立传染病预警制度”，对预警发出后，政府和卫生部门应履行的职责进行了明确。自此，以医疗机构和疾控机构为重点，我国开始逐步构建覆盖全国的新发突发传染病监测和评价体系
[12]。2004年，正式启用传染病监测信息报告管理系统(National Net Direct Report System，NNDRS)，该系统具有信息化、便捷化、全域化的特点，特别是采用网络直报的方式，首次实现了对法定传染病报告的个案电子化，明显提升了报告的及时性和有效性。
1.2 运行国家传染病自动预警信息系统
在主要监测框架体系构建完成后，为了进一步提升基层CDC对法定传染病的早期预警能力，加强对监测数据的分析利用，国家CDC开展了法定传染病暴发早期预警技术的研究，研发了国家传染病自动预警信息系统(China Infectious Diseases Automated-Alert and Response System，CIDARS)，制定全国统一的预警信号响应流程，并于2008年在全国范围内试运行，并于2008年4月在CDC系统内正式投入使用、滚动修订完善
[13]。该系统基于国内庞大的法定传染病监测数据，采用简单、便捷、实用的预警方法，对传染病预警过程中产生的数据信息，进行收集、分析、利用，实现预警信号的自动产生和及时发送。该系统生成的预警信号主要分为两类：(1)对鼠疫、霍乱、肺炭疽等9种甲类或按照甲类管理的疾病、较为罕见或高度关注的传染病，采用固定阈值法实时探测，出现1例病例，预警系统立即发出预警信号；(2)对甲型肝炎、流行性腮腺炎等19种急性传染病，采用移动百分位数法进行每日探测，以县(区)为孔径范围，一段周期内(7 d)的病例数，如果大于历史同期基线数据(3年移动平均值) 50百分位数(P
50)时，将自动发出预警信号。该系统的运行流程有3个步骤，即预警信号发出 — 预警信号初步核实 — 现场调查确认
[14]。一旦产生预警信号，则通过手机短信的方式，自动发送给基层CDC负责疫情分析的人员，经过现场核实确认后再通过预警系统进行报告。目前，该系统已在全国各级各类医疗卫生机构中进行部署，覆盖全部的39种法定报告传染病，实现对传染病预警信息的自动收集、快速报告、系统管理和网络存储，为监测数据的高效分析处理，及早发现传染病暴发流行情况奠定了基础
[14-15]。见
图1。
通过部署使用NNDRS和CIDARS，很大程度上解决了传染病的信息报告和早期预警问题，为我国稳妥有效做好传染病防控奠定了基础。但客观上讲，该预警系统主要依赖病例数据上报，系统的效能取决于数据上报的质量。同时，在预警关口、监测技术、数据来源和数据分析上，面对已知传染病的效果远远高于面对未知传染病，尤其是在应对百年不遇的COVID-19疫情中，监测预警方面出现了诸多问题
[16]。
1.3 引入时空预警模型
CIDARS后续又引入了时空预警模型
[17]，具体流程是采用层级上报的方法，由基层卫生单位实时收集、上传、审核传染病信息，上一级机构进行复核。随后，相关数据再由时空预警模型进行分析研判，检查是否存在聚集性的传播可能，如若存在，系统将会发出相应的预警信号，见
图2。由于该系统采用层级上报，必然会出现信号的延迟，这就容易导致预警效率变低、预警时效性不够等问题。时空预警模型对新发突发传染病难以给出有效的预警。与此同时，国际上多位学者提出，进一步加大病例报告数据和症状监测指标在早期预警中的应用，可通过不同空间探测窗口的时空扫描统计量进行时空聚集性分析
[4,18-19]。也有学者将影响传染病流行的气候条件、传播媒介、动物数量、人口流动、经济状况等因素，纳入传染病预警模型中，争取提升预警的准确性。如采用贝叶斯时空回归模型，将影响传染病流行的危险因素和实际数据进行综合分析，以此评估传染病的流行时间和高风险区域，在时空维度上分析传染病的传播风险，可纳入的实际数据，包括医院工作人员的报告、教师或校医的报告、CDC的疫情监测、家庭或媒体的报告等
[20]。
1.4 构建传染病预警体系
主要由三大核心模块构成——传染病监测、传染病预测和传染病预警。39种法定报告传染病已全部纳入网络直报系统
[21]。目前，我国基于自身国情，构建了国家、省、市、县、镇五级疾病预防控制网络，并在国家、省及市级的CDC建立起三级局域网络，使传染病的预警报告从过去的被动报告转换为主动预警。但还有很多需要完善的地方，如可监测的传染病种类不够全面；受限于临床医师专业能力，对早期传染病的识别判断难度大，“疑似病例”是否需要上报，法律未进行明确要求；以“确诊病例”为监测起点，会导致预警时间滞后，延误疫情防控最佳时机。正是由于这些问题，单纯依靠CIDARS，很难对新发突发传染病进行早期预警。近年来，特别是经过了COVID-19疫情后，很多研究提出建设多点自动触发传染病预警体系的建议
[12,22]。
2 医院传染病预警的主要方法
医院是获得早期病患、病源以及流行病学调查、临床症状表现、实验室检测结果、影像学表现等第一手数据的最佳渠道，在病患与病源的诊断、信息上报、预警应对、临床诊疗等方面发挥着重要作用[23]。当遇到聚集性疾病、突发性疾病或不明原因的疾病时，医院应该在第一时间进行及时、准确、规范的预警，充分发挥“吹哨人”的作用，这是早期控制疫情传播的关键[24]。因此，建立一套以大数据为支撑，以智能化信息化为依托，充分发挥政府、CDC、医院、社区多方联动效能的新发突发传染病识别、预警、应对和防控管理系统就显得十分必要[25]。
新发突发传染病暴发频率的快速上升，迫使传染病预警系统不断发展，国内医院在如何快速有效、安全有序地开展新发突发传染病的预警、治疗、防控及管理等方面，开展了大量研究，取得了丰硕成果。在监测方法上，主要有基于非特异性综合征开展的症状监测，基于患者基本信息、症状体征、临床诊断、检验结果开展的临床异常病例事件监测，通过这些方法不断扩大监测范围，弥补传统监测病例不足的问题，不断提高新发突发传染病监测的敏感性[24]。除了监测方法外，准确便捷的信息采集与数据共享、科学实用的预警技术、及时灵敏的监测指标、系统高效的预警体系与决策系统，都是实现新发突发传染病预警的关键[26-27]。目前医院常用的传染病预警方法如下。
2.1 综合征预警
医院对新发突发传染病早期监测，主要是基于综合征进行，也被称为症状监测。这种监测是在临床明确诊断前，通过持续收集与疾病相关的资料，包括院前急救转运途中，救护车上采集的患者生命体征、症状及处置记录等；急诊分诊采集的患者信息、急诊医师接诊过程中采集的患者主诉、症状体征信息；临床实验室送检标本及其检测结果，影像学检查结果，药物处方等；学校缺课或企业、单位缺勤信息等。通过对这些与疾病有直接关联的信息进行科学分析，以此提出公共卫生调查或干预措施[28]。综合征预警的主要优势在于能早期识别并发出预警信号，同时也包含“征兆预警”的内容[29]。目前，全球范围内开展的流感监测就是一种典型的综合征预警。美国综合征检测系统，在“白色粉末”生物恐怖和SARS病例早期预警过程中发挥了重要作用[30]，核心就是通过及时收集和分析连锁药店药品销售量、急救车派送量、临床实验室检测资料等信息，来提升发现和识别突发公共卫生事件的能力[31]。美国炭疽生物恐怖事件后，越来越多的国家和地区开始探索并建立灵敏、高效、全维的症状监测系统，通过数据自动提取技术，从医疗机构实时收集具有传染病症状的病例信息，以此来提高信息收集和报告的时效性[32]。国际新发传染病监测协会建立了新发传染病监测系统，世界卫生组织建立了全球卫生情报网络，两者均大量采用互联网信息开展综合征监测，在全球范围内对新发突发传染病进行预警[33]。
2.2 报告病例数预警
对于某些流行范围广或流行时间长的传染病，如流行性感冒、麻疹等，可开展基于报告病例数的预警，这种预警主要是通过分析病例数在空间、时间维度上的异常变化，采用流行因素监测，以此启动控制措施。这种监测技术的关键在于确定科学合理的预警阈值并进行动态调整。
2.3 特殊传染病预警
我国对甲类传染病、列入乙类但按照甲类管理的传染病，或突发传染病原因不明的，不论例数，只要发现就必须上报并发出预警。
2.4 类似事件预警
当某一区域内发生中毒、传染病等突发公共卫生事件后，应立即向有可能发生类似事件的临近区域、关联区域进行预警。如一个居民区发生聚集性流感事件后，应立即向相邻的居民区发出预警。这种预警的核心是以事件本身为评判，根据事件趋势及潜在影响来确定预警范围。
2.5 数据模型预测
这种预警主要依靠信息技术的优势，通过建立数据模型来进行，更便捷、客观、高效。根据方法分类，主要有统计学方法、数学方法、物理学方法、大数据分析方法等。通过监测资料分类，主要有病例资料、症状资料、环境资料、时空资料、病原学资料和互联网大数据资料等。常用的模型主要有单一预警模型、空间模型、数学模型、组合预警模型[34]。常用的监测资料主要有病例资料、症状资料、环境资料、病原学资料、互联网大数据资料[34]。
传染病预警模型应用示例包括模型相关数据量的时间序列图
[35]、传染病相关指标动态情况与公共卫生控制措施的关系
[36]、病原体的时空分布特征
[37]、模型预测传染病生态位分布及风险评估
[38]、传染病原种类矩阵
[39]等，宋世鸿等
[40]总结了常用传染病预警模型及其适用场景，见
表1。
2.6 新兴技术预警
COVID-19暴发期间，大数据、人工智能、云计算等技术被广泛应用于传染病预警、预测、防控中，充分发挥了新兴技术在疫情防控、政民互动与社会维稳中的积极作用，为全球性公共卫生危机治理提供了思路和策略[41]。新一代信息技术包括信息的可视化展示，如电子化地图技术中的统计地图方法、图文显示方法、路径规划方法等；区块链技术，借鉴利用其去中心化、防篡改、可追溯等优势，如联盟技术、智能合约等[42]；人工智能技术，如LSTM模型、轨迹跟踪、PCA + GRU模型、循环神经网络等；物联网技术，如通过大数据分析疫情传播路径，运用人工智能技术，设计疫情发展预测模型，构建电子化健康评估系统，以便协助政府部门全面掌握公众健康情况。
3 问题与展望
目前，传染病预警模型研究中，大多都以病例、症状等作为预警模型的底层逻辑和实施监测的资料来源，多数采用统计学方法、数学方法或物理学方法。现有传染病预警模型，对于传统传染病，如流行性腮腺炎、手足口病、结核病等，预警效果较好，但对于新发突发传染病的预警效果欠佳，主要原因：(1)数据填报人员的重视程度不够；(2)受到数据及时性、准确性、敏感性和数据类型局限性的影响；(3)数据格式的标准化程度不够规范；(4)多源数据不能实现共享互用[34]。
在近20年的发展中，我国初步构建了务实高效、科学合理的传染病监测系统、模型和技术方法，并在实践中得到了很好的检验，有效提升了传染病应对效能，为稳妥高效做好公共卫生事件应对提供了支撑。但我们也要清醒地看到，随着新一代科学技术的广泛应用，特别是大数据、5G远程、人工智能、虚拟现实技术的快速发展，必将推动传染病预警模型和预警方法的快速革新，传染病预警体系和预警模式也将取得新的进步。新发突发传染病威胁日益增加，不仅危害人类生命健康，更成为生物安全的重大威胁，未来要更加重视传染病监测预警工作，将监测预警与前沿科技深度融合，优化完善传染病监测预警体系和方法，在时效性、准确性、智能性、便捷性等方面寻求新的突破。
京公网安备11010202008535号
PDF
(919KB)
