扩展功能
文章信息
- 付志智, 邓革红, 蔡富文, 宫晨, 韩姗珊, 周健宇, 许意清
- FU Zhi-zhi, DENG Ge-hong, CAI Fu-wen, GONG Chen, HAN Shan-shan, ZHOU Jian-yu, XU Yi-qing
- 应用log-binomial回归和logistic回归分析法定传染病报告质量影响因素
- Analysis on factors influencing performance of notifiable communicable diseases reporting with log-binomial regression and logistic regression models
- 疾病监测, 2017, 32(9): 768-773
- Disease Surveillance, 2017, 32(9): 768-773
- 10.3784/j.issn.1003-9961.2017.09.015
-
文章历史
- 收稿日期:2017-03-10
传染病报告管理工作是传染病防控工作的关键[1]。传染病监测信息被广泛应用于疾病发生、发展、动态分布规律研究[2],预警预测及评估疾病负担等研究[3]。医疗机构在传染病监测工作中承担着信息采集最重要的角色,其报告质量高低直接关系着能否早期识别传染病发病的异常增高。及时、准确的疫情报告信息有助于卫生防控部门做出及时的决策和响应[4]。在流行病学横断面或队列研究中,比值比(OR)被广泛地应用于危险率比(RR)/患病率比(PR)的估计值,来描述影响因素与结局变量间的关联强度,但当结局变量出现的频率较高时,可能会严重高估关联强度[5-7]。因此本研究通过拟合log-binomial模型估计PR和logistic回归模型估计OR,定量地分析广西县级以上医疗机构法定传染病报告质量影响因素的同时,比较两者估计关联强度大小的差异。
1 对象与方法 1.1 调查对象采用多阶段分层抽样的方法共抽取86家县级以上医疗机构为研究对象:随机抽取2家省级人民医院和妇幼保健院,共4家省级医疗机构;分别从全区14个地级市各随机抽取1家人民医院和妇幼保健院,共28家市级医疗机构;分别从每个地级市各随机抽取2个县(市、区),各随机抽取1家县级人民医院和妇幼保健院,由于其中2个县(市、区)尚未设立妇幼保健院,共抽取54家县级医疗机构。
1.2 调查内容与方法根据《广西2016年法定传染病报告管理质量调查工作方案》,由经过培训的调查员开展现场调查,内容包括2015年度法定报告传染病相关规章制度建设、诊疗登记、自查开展情况、奖惩实施、培训考核和人员设备配备情况等。并随机抽查各医疗机构2016年1-8月报告的30例法定传染病(不足30例,则抽查全部)的登记报告情况,评价其报告质量。
1.3 质量控制制定统一的调查方案,由经验丰富的疫情管理人员组成调查组,并进行培训;专人核查调查资料;资料录入与整理过程中,设置逻辑跳转,录入后开展逻辑核查。
1.4 研究方法拟合log-binomial模型可直接估计PR,与logistic回归模型一样,其因变量服从二项分布,且因变量取值的概率P(Y=1) 的对数与自变量呈线性关系:
(1) |
式(1) 中,βi表示在控制其他自变量时,自变量Xi与Y的关联系数,PR= P1/P2 = exp(β)。在R v 3.3.3软件中,通过glm()函数,参数设定family = binomial (link=“log”)来拟合log-binomial模型,模型中多分类变量须先生成虚拟变量。通过summary()函数查看拟合结果,exp(coef())函数和exp(confint())函数计算PR值及其95%的置信区间(95% CI)。
通过logistic回归计算的OR值被广泛应用于 RR/PR的估计值,OR= (P1/P2)×(1-P2)/(1-P1),其含义通常被描述为RR/PR,即暴露因素的增加导致患病风险增加的比例[7]。OR值被应用于估计RR/PR时,需注意其使用条件:当且仅当P1和P2相等的情况下,OR值等于PR/RR值;当P1和P2均较小或差异较小时,OR值近似等于PR/RR值[8]。
1.5 统计学分析采用EpiData 3.02软件进行数据录入,在R v 3.3.3中进行Pearson χ2检验、多变量logistic回归和log-binomial回归模型拟合,设定检验水准为α=0.05的双侧检验。
2 结果 2.1 基本情况抽查的86家医疗机构均实现网络直报,共抽查法定报告传染病2 458例,报告率为95.08%,漏报率为4.92%,及时报告率为97.74%。抽查2 248张传染病报告卡,填写完整率为77.60%,准确率为61.24%,网络直报录入信息一致率为95.27%,身份证填报完整率为75.59%。
2.2 法定传染病报告质量影响因素分析 2.2.1 报告率认真开展自查工作、建立奖惩制度、开展报告管理相关培训组的报告率较落实不到位者高3.96%、5.62%和8.25%,且经Pearson χ2检验,差异有统计学意义(P < 0.05)。此外,电子病历系统(EMR)应用情况也影响着报告率的高低,但应用具备自动提醒功能EMR者报告率反而较低。应用具备自动提醒功能EMR的医疗机构,若认真开展自查工作提高报告率的幅度(6.65%)高于无自动提醒系统者(4.22%)。
以是否进行网络直报为因变量Y(是=1,否=0),将Pearson χ2检验中与报告率高低相关的因素纳入多因素回归分析。log-binomial回归结果表明在控制其他因素影响后,仅认真开展自查工作(PR=1.031,95% CI:1.012~1.053) 和开展相关知识培训(PR=1.079,95% CI:1.018~1.149) 能有效提高法定传染病报告率。见表 1。
变量 | 频数 | 报告率(%) | χ2值 | P值 | log-binomial回归 | logistic回归 | 偏倚a(%) | ||||
PR值 | 95% CI | PR值 | 95% CI | ||||||||
电子病历系统 | 17.902 | 0.001 | |||||||||
未建立 | 358 | 97.486 | 1.000 | - | 1.000 | - | - | ||||
建立但不能自动提醒报卡 | 1 262 | 96.038 | 0.990 | 0.980~1.011 | 0.801 | 0.370~1.751 | 19.091 | ||||
建立且能自动提醒报卡 | 838 | 92.601 | 0.969 | 0.897~1.069 | 0.909 | 0.100~8.558 | 6.192 | ||||
自查认真 | 19.607 | 0.001 | |||||||||
否 | 952 | 92.647 | 1.000 | - | 1.000 | - | - | ||||
是 | 1 506 | 96.613 | 1.031 | 1.012~1.053 | 2.252 | 1.444~3.517 | 118.429 | ||||
建立奖惩机制 | 5.665 | 0.017 | |||||||||
否 | 87 | 89.655 | 1.000 | - | 1.000 | - | - | ||||
是 | 2 371 | 95.276 | 1.031 | 0.932~1.143 | 1.801 | 0.412~7.984 | 74.685 | ||||
符合开展传染病报告管理培训班要求 | 20.468 | 0.001 | |||||||||
否 | 150 | 87.333 | 1.000 | - | 1.000 | - | - | ||||
是 | 2 308 | 95.581 | 1.079 | 1.018~1.149 | 2.432 | 1.353~4.372 | 125.394 | ||||
电子病历系统自动提醒报卡与自查 | 46.827 | 0.001 | |||||||||
自动提醒+自查欠缺 | 210 | 87.619 | 1.000 | - | 1.000 | - | - | ||||
自动提醒+自查认真 | 628 | 94.267 | 0.981 | 0.880~1.083 | 0.541 | 0.121~2.383 | 44.852 | ||||
不具备自动提醒+自查欠缺 | 742 | 94.070 | -b | - | -b | - | - | ||||
不具备自动提醒+自查认真 | 878 | 98.291 | 1.047 | 0.906~1.207 | 1.842 | 0.340~9.862 | 75.931 | ||||
注:a偏倚= |(PRi-ORi) | / PRi;b因共线性而被剔除模型 |
门诊日志项目设置齐全、出入院登记记录项目设置齐全、认真开展自查工作、建立奖惩制度和开展相关知识培训的医疗机构,临床医生完整填写报告卡概率较落实不到位者高19.87%、10.17%、12.82%、43.88%和14.43%,且经Pearson χ2检验差异有统计学意义(P < 0.05)。
以临床医生是否完整填写报告卡为因变量Y(是=1,否=0),同样将单因素分析中与完整率高低相关的因素纳入多因素分析。log-binomial回归分析结果表明,在控制其他影响因素后,门诊日志项目设置齐全(PR=1.210,95% CI:1.065~1.374)、认真开展自查工作(PR=1.087,95% CI:1.034~1.143)、建立奖惩制度(PR=2.034,95% CI:1.487~2.781) 和按要求开展相关培训(PR=1.182,95% CI:1.021~1.369) 均能有效促进报告卡完整率的提高。见表 2。
变量 | 频数 | 完整率(%) | χ2值 | P值 | log-binomial回归 | logistic回归 | 偏倚a (%) | |||
PR值 | 95% CI | PR值 | 95% CI | |||||||
门诊日志项目设置 | 33.524 | 0.001 | ||||||||
不齐全 | 159 | 59.119 | 1.000 | - | 1.000 | - | - | |||
齐全 | 2 089 | 78.985 | 1.210 | 1.065~1.374 | 1.749 | 1.216~2.515 | 44.545 | |||
出入院登记项目设置 | 33.058 | 0.001 | ||||||||
不齐全 | 291 | 68.729 | 1.000 | - | 1.000 | - | - | |||
齐全 | 1 957 | 78.896 | 1.006 | 0.940~1.076 | 1.291 | 0.962~1.733 | 28.330 | |||
自查认真 | 49.633 | 0.001 | ||||||||
否 | 837 | 69.534 | 1.000 | - | 1.000 | - | - | |||
是 | 1 411 | 82.353 | 1.087 | 1.034~1.143 | 1.551 | 1.238~1.944 | 42.686 | |||
建立奖惩机制 | 79.257 | 0.001 | ||||||||
否 | 74 | 35.135 | 1.000 | - | 1.000 | - | - | |||
是 | 2 174 | 79.025 | 2.034 | 1.487~2.781 | 4.568 | 2.711~7.695 | 124.582 | |||
符合开展传染病报告管理培训班要求 | 13.810 | 0.001 | ||||||||
否 | 122 | 63.934 | 1.000 | - | 1.000 | - | - | |||
是 | 2 126 | 78.363 | 1.182 | 1.021~1.369 | 1.431 | 0.939~2.182 | 21.066 | |||
注:a偏倚= |(PRi-ORi) | / PRi |
由表 1、2可见,在定性判断影响因素对结局变量影响方面,logistic回归与log-binomial回归结果基本一致,但在结局发生率高时,其高估关联强度的程度较大,最大偏倚达125.58%。为进一步验证,研究将以上2个多因素回归分析因变量反向赋值,结果见表 3、4,漏报率分析中logistic回归高估程度远低于报告率资料,不完整率分析中高估程度也有所下降。
变量 | 漏报率(%) | log-binomial回归 | logistic回归 | 偏倚a (%) | |||
PR值 | 95% CI | OR值 | 95% CI | ||||
电子病历系统 | |||||||
未建立 | 2.514 | 1.000 | - | 1.000 | - | - | |
建立但不能自动提醒报卡 | 3.962 | 1.229 | 0.590~2.587 | 1.248 | 0.571~2.703 | 1.546 | |
建立且能自动提醒报卡 | 7.399 | 0.991 | 0.163~8.501 | 1.100 | 0.117~10.001 | 10.999 | |
自查认真 | |||||||
否 | 7.353 | 1.000 | - | 1.000 | - | - | |
是 | 3.387 | 0.452 | 0.323~0.644 | 0.444 | 0.284~0.693 | 1.770 | |
建立奖惩机制 | |||||||
否 | 10.345 | 1.000 | - | 1.000 | - | - | |
是 | 4.724 | 0.627 | 0.145~2.577 | 0.555 | 0.125~2.427 | 11.483 | |
符合开展传染病报告管理培训班要求 | |||||||
否 | 12.667 | 1.000 | - | 1.000 | - | - | |
是 | 4.419 | 0.449 | 0.269~0.748 | 0.411 | 0.229~0.739 | 8.463 | |
电子病历系统自动提醒报卡与自查 | |||||||
自动提醒+自查欠缺 | 12.381 | 1.000 | - | 1.000 | - | - | |
自动提醒+自查认真 | 5.733 | 1.950 | 0.498~7.710 | 1.848 | 0.420~8.299 | 5.231 | |
不具备自动提醒+自查欠缺 | 5.930 | -b | - | -b | - | - | |
不具备自动提醒+自查认真 | 1.709 | 0.560 | 0.114~2.742 | 0.543 | 0.101~2.941 | 3.036 | |
注:a偏倚= |(PRi-ORi) | / PRi;b因共线性而被剔除模型 |
变量 | 不完整率(%) | log-binomial回归 | logistic回归 | 偏倚a (%) | |||
PR值 | 95% CI | OR值 | 95% CI | ||||
门诊日志项目设置 | |||||||
不齐全 | 40.881 | 1.000 | - | 1.000 | - | - | |
齐全 | 21.015 | 0.780 | 0.622~0.979 | 0.572 | 0.398~0.822 | 26.718 | |
出入院登记项目设置 | |||||||
不齐全 | 31.271 | 1.000 | - | 1.000 | - | - | |
齐全 | 21.104 | 0.846 | 0.694~1.032 | 0.775 | 0.577~1.040 | 8.474 | |
自查认真 | |||||||
否 | 30.466 | 1.000 | - | 1.000 | - | - | |
是 | 17.647 | 0.692 | 0.582~0.823 | 0.645 | 0.515~0.808 | 6.850 | |
建立奖惩机制 | |||||||
否 | 64.865 | 1.000 | - | 1.000 | - | - | |
是 | 20.975 | 0.471 | 0.371~0.599 | 0.219 | 0.130~0.369 | 53.523 | |
符合开展传染病报告管理培训班要求 | |||||||
否 | 36.066 | 1.000 | - | 1.000 | - | - | |
是 | 21.637 | 0.791 | 0.599~1.043 | 0.699 | 0.458~1.065 | 11.627 | |
注:a偏倚= |(PRi-ORi) | / PRi |
以表 1~4中估计的偏倚为因变量,以结局平均发生率P 、比较组间结局发生率差值δ为自变量进行回归分析,见表 5,结果表明,P 每增加1%,logistic回归估计值OR相较于PR高0.646%(95% CI:0.338%~ 0.954%);δ每增加1%,logistic回归估计值OR相较于PR高1.307%(95% CI:0.204%~2.410%)。
变量 | β | 95% CI | t值 | P值 |
平均发生率(P) | 0.646 | 0.338~0.954 | 4.367 | 0.001 |
比较组间发生率差值(δ) | 1.307 | 0.204~2.410 | 2.464 | 0.022 |
本次调查结果表明,广西县级以上医疗机构法定传染病报告质量总体良好,平均报告率为95.08%,高于全国水平(91.87%)[9],但与国内相关省、市仍有差距[10-11]。报告卡完整性缺失率达22.40%,信息不准确率达38.76%,有效证件缺失率达24.41%,表明应加强对临床医生完整和准确地填报传染病报告卡这一环节的管理。
采用OR值或PR/RR值估计关联强度都正确,在本质上没有任何差异。然而很多学者将OR值错误解释为RR/PR的含义[6-7]。本研究以实例分析,比较logistic回归和log-binomial回归模型估计值的差异。结果表明在定性判别方面,二者基本一致。在定量分析方面,分析报告率(P=95.08%)影响因素时,logistic回归估计关联强度的偏倚远高于漏报率(P=4.92%),证实了当结局发生率较高(P>10%)时,仍沿用OR值作为PR/RR的估计值,会高估关联强度[5,12]。此外,比较组间率差值越大时,OR偏离PR的程度也越大。log-binomial模型在自变量含有连续变量时,直接拟合易出现不收敛情况。但随着对该方法的不断改善[13-15],笔者认为在横断面或队列研究中,当结局发生频率较大,比较组间率差值较大时,可直接估计PR值。
log-binomial回归分析结果表明:在控制其他变量影响下,医疗机构定期认真开展自查工作能提高报告率0.03倍、完整率0.09倍;及时针对医务人员开展法定传染病相关知识、诊断报告标准和操作技能等培训能有效提高报告率0.08倍、完整率0.18倍;门诊日志项目设置齐全可提高完整率0.21倍;建立传染病报告相关奖惩制度,可提高完整率0.03倍。此外,与多数研究相反[9,16],广西建立具备自动提醒功能EMR的医疗机构报告率反而较低,可能是其建设处于起步阶段,仍存在一定局限性,提示不能过分依赖系统,仍需定期开展自查。
综上所述,广西县级以上医疗机构法定传染病报告质量仍有待提高,进一步规范EMR中传染病报告管理模块建设,改进院内自查方法,加强业务培训,落实奖惩制度,规范设置诊疗日志,加强医务人员传染病报告法律意识,是提高法定传染病报告质量的重中之重。此外,log-binomial回归应被推广应用于横断面或队列研究中定量估计暴露与结局变量的关联强度。
志谢: 感谢各级疾病预防控制机构疫情管理人员协助现场调查作者贡献:
付志智 ORCID:0000-0002-8499-0093
付志智:主要完成人
邓革红:调查方案设计、现场调查、协助数据收集与整理
蔡富文:现场调查,协助数据收集与整理,协助统计分析
宫晨:现场调查,协助数据收集与整理
韩姗珊:协助数据收集与整理
周健宇:协助数据收集与整理
许意清:主要完成人,审核
[1] |
Janati A, Hosseiny M, Gouya MM, et al. Communicable disease reporting systems in the world: a systematic review article[J]. Iran J Public Health, 2015, 44(11): 1453-1465. |
[2] |
Gibney KB, Cheng AC, Hall R, et al. Sociodemographic and geographical inequalities in notifiable infectious diseases in Australia: a retrospective analysis of 21 years of national disease surveillance data[J]. Lancet Infect Dis, 2017, 17(1): 86-97. DOI:10.1016/S1473-3099(16)30309-7 |
[3] |
Liu ZD, Ding GY, Zhang Y, et al. Analysis of risk and burden of dysentery associated with floods from 2004 to 2010 in Nanning, China[J]. Am J Trop Med Hyg, 2015, 93(5): 925-930. DOI:10.4269/ajtmh.14-0825 |
[4] |
Yang WZ, Li ZJ, Lan YJ, et al. A nationwide web-based automated system for outbreak early detection and rapid response in China[J]. Western Pac Surveill Response J, 2011, 2(1): 10-15. |
[5] |
Zhou SD, Gao YH, Li LX, et al. A comparative study between robust Poisson and log-binomial model with random effects models to estimate RR/PR in Non-independent data[J]. Chinese Journal of Health Statistics, 2014, 31(5): 804-808. (in Chinese) 周舒冬, 郜艳晖, 李丽霞, 等. 非独立数据时稳健Poisson和log-binomial随机效应模型研究[J]. 中国卫生统计, 2014, 31(5): 804-808. |
[6] |
Barros AJD, Hirakata VN. Alternatives for logistic regression in cross-sectional studies: an empirical comparison of models that directly estimate the prevalence ratio[J]. BMC Med Res Methodol, 2003, 3: 21. DOI:10.1186/1471-2288-3-21 |
[7] |
Knol MJ, Le Cessie S, Algra A, et al. Overestimation of risk ratios by odds ratios in trials and cohort studies: alternatives to logistic regression[J]. CMAJ, 2012, 184(8): 895-899. DOI:10.1503/cmaj.101715 |
[8] |
Li ZH. Estimated error of the application of OR to estimate RR in epidemiology[J]. Modern Medicine Journal of China, 2006, 8(12): 137. (in Chinese) 李祝华. 流行病学中适用OR估计RR的误差分析[J]. 中国现代医药杂志, 2006, 8(12): 137. DOI:10.3969/j.issn.1672-9463.2006.12.089 |
[9] |
Guo Q, Zhang CX, Wang XF, et al. Quality and management of notifiable communicable disease reporting in China, 2013[J]. Disease Surveillance, 2015, 30(2): 145-149. (in Chinese) 郭青, 张春曦, 王晓风, 等. 2013年度全国法定传染病信息报告质量和管理现状调查[J]. 疾病监测, 2015, 30(2): 145-149. DOI:10.3784/j.issn.1003-9961.2015.02.015 |
[10] |
Chen H, Xia WD, Xu J, et al. Investigation of quality of communicable disease reporting in medical institutions in Tianjin, 2013[J]. Disease Surveillance, 2014, 29(7): 586-589. (in Chinese) 陈虹, 夏卫东, 许婕, 等. 2013年天津市医疗机构传染病报告质量调查[J]. 疾病监测, 2014, 29(7): 586-589. DOI:10.3784/j.issn.1003-9961.2014.07.021 |
[11] |
Zhu XF, Yao WT, Liu GT, et al. Quality of notifiable communicable diseases reporting in medical institutions in Huzhou, Zhejiang province, 2009-2010[J]. Disease Surveillance, 2012, 27(1): 71-73. (in Chinese) 朱新凤, 姚文庭, 刘光涛, 等. 2009 2010年浙江省湖州市医疗机构传染病报告质量与漏报调查分析[J]. 疾病监测, 2012, 27(1): 71-73. |
[12] |
Ye R, Gao YH, Yang Y, et al. Using log-binomial model for estimating the prevalence ratio[J]. Chinese Journal of Epidemiology, 2010, 31(5): 576-578. (in Chinese) 叶荣, 郜艳晖, 杨翌, 等. Log-binomial模型估计的患病比及其应用[J]. 中华流行病学杂志, 2010, 31(5): 576-578. |
[13] |
Deddens JA, Petersen MR. Approaches for estimating prevalence ratios[J]. Occup Environ Med, 2008, 65(7): 501-506. DOI:10.1136/oem.2007.034777 |
[14] |
Marschner IC, Gillett AC. Relative risk regression: reliable and flexible methods for log-binomial models[J]. Biostatistics, 2012, 13(1): 179-192. DOI:10.1093/biostatistics/kxr030 |
[15] |
Gao WL, Lin H, Liu XN, et al. Evaluation of estimation of prevalence ratio using bayesian log-binomial regression model[J]. Chinese Journal of Epidemiology, 2017, 38(3): 400-405. (in Chinese) 高文龙, 林和, 刘小宁, 等. 贝叶斯log-binomial回归方法评估患病率比的研究[J]. 中华流行病学杂志, 2017, 38(3): 400-405. |
[16] |
Kang K, Li FL, Wu Q, et al. The effect of the medical information system applied in the management of infectious diseases report[J]. China Health Industry, 2016, 13(10): 125-127. (in Chinese) 康锴, 李凤丽, 吴琼, 等. 医疗信息系统应用于传染病报告管理中的效果探析[J]. 中国卫生产业, 2016, 13(10): 125-127. |