疾病监测  2018, Vol. 33 Issue (2): 159-167

扩展功能

文章信息

张洪龙, 曾令佳, 赖圣杰, 王丽萍, 李中杰
Zhang Honglong, Zeng Lingjia, Lai Shengjie, Wang Liping, Li Zhongjie
2016年国家传染病自动预警信息系统运行情况分析
Performance of China infectious disease automated-alert and response system in 2016
疾病监测, 2018, 33(2): 159-167
Disease Surveillance, 2018, 33(2): 159-167
10.3784/j.issn.1003-9961.2018.02.011

文章历史

收稿日期:2017-11-04
2016年国家传染病自动预警信息系统运行情况分析
张洪龙, 曾令佳, 赖圣杰, 王丽萍, 李中杰     
中国疾病预防控制中心全球公共卫生中心, 中国疾病预防控制中心传染病预防控制处, 传染病监测预警中国疾病预防控制中心重点实验室, 北京 102206
摘要目的 对国家传染病自动预警信息系统(预警系统)运行情况进行分析, 为预警系统的改进与完善提供科学依据。方法 预警系统主要采用固定阈值法和时间模型方法进行异常探测, 工作流程分为预警信号发送、预警信号初步核实和现场调查确认3个步骤。收集2016年预警系统在中国内地31个省(自治区、直辖市)产生的预警系统纳入全部预警病种的预警信号数量、响应情况和判断结果, 分别从不同地区和不同疾病的维度分析预警信号的响应率和响应时间及疑似事件数和疑似事件率等指标。结果 2016年预警系统共发出325 208条预警信号, 信号响应率、24 h内响应率、疑似事件率分别为99.40%、92.44%和4.91%。预警信号数居前3位的依次为山东省、河南省和广西壮族自治区, 山东省疑似事件率最高, 为22.33%。其中, 固定阈值预警方法产生97 689条预警信号, 预警信号响应率为98.83%, 19省(自治区、直辖市)响应率达到100%。响应时间中位数为0.72 h(P25=0.16 h, P75=4.09 h), 2 h内响应率为65.66%。时间模型预警方法共产生227 519条预警信号, 疑似事件率、预警信号响应率和24 h内响应率分别为1.49%、99.65%和93.23%, 响应时间中位数(P25~P75)为0.99(0.50~2.44)h。24 h内响应率居前3位的地区依次为贵州省、湖南省和上海市, 疑似事件率最高的3种疾病为登革热、钩端螺旋体病和风疹。结论 2016年预警系统可稳定地对传染病报告数据进行自动运算并及时生成预警信号, 信号响应率和响应及时性较好, 但疑似信号比例较低, 预警系统可通过区分疾病的不同发病水平地区和不同流行季节, 探索新的预警数据源, 缩小空间探测范围等方式, 进一步提高预警系统的探测效果。
关键词预警    传染病    暴发    响应    
Performance of China infectious disease automated-alert and response system in 2016
Zhang Honglong, Zeng Lingjia, Lai Shengjie, Wang Liping, Li Zhongjie     
Center for Global Public Health, Chinese Center for Disease Control and Prevention, Beijing 102206, China
Corresponding author: Wang Liping, E-mail:wanglp@chinacdc.cn; Li Zhongjie, E-mail:lizj@chinacdc.cn.
Abstract: Objective To analyze the performance of China Infectious Diseases Automated-alert and Response System (CIDARS)established in 2008 by China CDC, and provide reference for the improvement of CIDARS. Methods CIDARS used fixed-value detection method and temporal aberration detection method for aberrant detection, with the work flowchart of signals generating, preliminary verification and field investigation. The fixed-value detection method was for 15 diseases, and the temporal aberration detection method was for 33 diseases, including 3 types of sub-methods, such as moving percentile method, cumulative sum control chart algorithm and cluster early-warning method. Data analysis also included the concerned priority diseases which were added by province according to the actual disease control needs. All the signals generated by CIDARS in 31 provinces in 2016 were collected, the response status, such as response rate and response timeliness, and preliminary verification outcome, such as the signals related to suspected outbreaks and its proportion, were deeply analyzed from the dimension of province and disease, respectively. Results A total of 325 208 signals were generated nationwide by the system, in which 323 271(99.40%)were responded, 300 614(92.44%)were responded within 24 hours. The proportion of signals of suspected outbreaks was 4.91%(15 964). The first 3 provinces with high number of signals were Shandong, Henan and Guangxi, and Shandong had highest proportion of signals of suspected outbreaks (22.33%). Among all the signals, 97 689 were generated by the fixed-value detection method, the overall response rate of the signals was 98.83%, and in 19 provinces it was 100%. The median interval of the response was 0.72 h(P25=0.16 h, P75=4.09 h), the response rate within 2 hours was 65.66%. In addition, 227 519 signals were generated by the temporal aberration detection method, in which 3 398(1.49%)were verified as suspected outbreaks. The response rate of signals was 99.65%(226 724), and the response rate within 24 hours was 93.23%. The median interval of signals was 0.99 h(P25=0.50 h, P75=2.44 h). The first 3 provinces with high response rates within 24 hours were Guizhou, Hunan and Shanghai, the first 3 diseases with highest proportion of signals of suspected outbreaks were dengue fever, leptospirosis and rubella. Conclusion In 2016, the performance of CIDARS was well, with response and timely response rates at high levels, but the proportion of signals of suspected outbreaks was low, so it is necessary to further improve CIDARS by identifying the areas and seasons with different disease incidence levels, exploring new data sources and narrowing the space detection coverage.
Key words: Early-warning     Infectious diseases     Outbreak     Response    

早期发现传染病暴发的异常情况并进行预警,有助于及时采取相应的防控措施,降低传染病暴发造成的危害。2003年以来,中国疾病预防控制中心(CDC)联合国内外多家研究机构合作开展基于传染病法定报告监测数据的预警技术研究与试点[1-3],于2008年4月在全国31个省(直辖市、自治区)运行了国家传染病自动预警系统(预警系统),建立了暴发自动预警与响应机制[4-5]。目前,已实现33种传染病的监测数据自动分析、时空聚集性实时识别、预警信号发送和响应结果实时追踪等功能,并不断进行阶段性总结和完善研究[6-12]。为系统跟进了解该预警系统的应用效果,笔者根据地区和病种对预警系统在2016年全国的运行情况进行分析,以期改进与完善预警系统。

1 资料与方法 1.1 资料来源

预警系统采用特定探测方法,以县(区)为单位,每日(或实时)自动分析全国31个省(直辖市、自治区)基于传染病报告信息管理系统所报告的传染病监测数据,将探测到的疾病异常增加或聚集的预警信号以手机短信形式发送给相应县(区)疾病预防控制(疾控)机构的疫情监测人员,并收集记录每条预警信号的响应处理信息[4]。数据来源于2016年1月1日至12月31日预警系统产生的所有预警信号和预警信号的响应处理结果。数据下载时间为2017年3月31日。

1.2 预警方法

预警系统主要采用固定阈值法和时间模型方法两类方法进行异常探测。

1.2.1 固定阈值法

根据疾病危害和影响较大、较为罕见及我国疾病防控形势与疾病消除实际需要,分别针对鼠疫、霍乱、肺炭疽等15种传染病,采用固定阈值法进行实时探测,即在传染病报告信息管理系统中录入1例病例,预警系统就发出1条预警信号[12]。各省也可根据当地疾病防控需要,将重点关注的其他病种纳入实时探测。

1.2.2 时间模型法

目前预警系统采用3种时间模型方法(移动百分位数法、累积和控制图法、聚集性疫情法)对18种传染病进行异常探测,3种方法均以县(区)为空间探测范围,每日运算1次。对于流行性腮腺炎等16种传染病采用移动百分位数法[4],若当前7 d病例数的发病水平超过过去5年历史同期基线数据的第n百分位数(Pn)水平时,预警系统将发出1条预警信号,各病种百分位数阈值Pn设定为:登革热等4种疾病阈值为P50,甲型病毒性肝炎为P70,流行性乙型脑炎等其他疾病阈值为P80;采用累积和控制图法每日分析手足口病监测数据,累积计算当前3 d发病水平超过近7 d历史基线数据的程度来判断是否预警[13];采用聚集性疫情预警方法分析疟疾监测数据,当同一乡(镇)30 d内的报告病例数达到2例时,系统即在所属县(区)发出1条预警信号[6]。各地区也可根据疾病实际防控需要,将重点关注的其他病种纳入时间模型法进行探测,如水痘。

1.3 响应工作流程

预警系统运行流程分为预警信号发送、预警信号初步核实和现场调查确认3个步骤[4-5]。基层疾控机构需要通过预警系统报告预警信号的初步核实结果和现场调查结果。①预警信号发送:预警系统通过异常探测方法运算发现疾病发病水平异常时,就会发出1条预警信号。②预警信号初步核实:预警系统用户接收到预警信号手机短信后,将通过数据分析或电话联系报告单位等方式进行信号的初步核实,若病例可能存在空间、时间和(或)人群聚集性,或发生当地罕见(少见)病种,或疫情有扩散趋势,则判定为疑似事件,否则信号被排除。③现场调查确认:对于判断为疑似事件的信号,需要进一步开展现场调查以确认是否为一起真正的暴发,并通过“突发公共卫生事件报告信息管理系统”进行报告。

1.4 分析指标与定义

本研究采用的分析指标为预警信号数、已初步判断数、响应率、响应时间、2 h内响应数、2 h内响应率、24 h内响应数、24 h内响应率、疑似事件数和疑似事件率,分别进行定义。

(1)预警信号数:预警系统发出的预警信号数量。

(2)已初步判断数:对预警系统发出的预警信号进行初步判断的信号数量。

(3)响应率(%)=已初步判断数/预警信号数×100。

(4)响应时间:指县(区)级系统用户接收到预警信号时间与信号初步核实结果反馈至预警系统时间的间隔。

(5)2 h内响应数:预警系统发出的预警信号在2 h内进行初步判断的信号数量。

(6)2 h内响应率(%)=2 h内响应数/预警信号数×100。

(7)24 h内响应数:对预警系统发出的预警信号在24 h内进行初步判断的信号数量。

(8)24 h内响应率(%)=24 h内响应数/预警信号数×100。

(9)疑似事件数:在预警系统中,疑似事件是指初步核实预警信号后,不能排除疾病发生暴发或流行,需要进行现场调查的事件数。

(10)疑似事件率(%)=疑似事件数/预警信号数×100。

2 结果 2.1 总体情况

2016年全国预警系统共发出325 208条预警信号,涉及2 996个县(区)。其中已初步判断数323 271条,响应率为99.40%;2 h内/ 24 h内(固定阈值法预警信号响应时间为2 h内,时间模型法预警信号响应时间为24 h内)响应数为275 895条,2 h内/24 h内响应率为84.84%;24 h内响应数为300 614条,响应率为92.44%;疑似事件数为15 964起,疑似事件率为4.91%。

2016年,预警系统产生预警信号数居前5位的省份依次为山东、河南、广西、广东和湖南,占全国预警信号总数的34.77%。31个省(直辖市、自治区)有18个响应率达到100%。2 h内/24 h内响应率居前5位依次为贵州、湖南、浙江、天津和海南省(直辖市)。疑似事件率居前5位依次为山东、福建、湖南、重庆和北京市(省),见表 1

表 1 全国预警信号响应情况 Table 1 Response of early warning signals in China
省份 预警信号数(条) 已初步判断数(条) 响应率(%) 2 h内/24 h内 24 h内 疑似事件
响应数(条) 响应率a(%) 响应数(条) 响应率a(%) 数(起) 率(%)
北京 4 518 4 518 100.00 3 768 83.40 4 241 93.87 279 6.18
天津 3 000 3 000 100.00 2 950 98.33 2 982 99.40 60 2.00
河北 17 094 17 010 99.51 11 833 69.22 13 123 76.77 56 0.33
山西 5 856 5 843 99.78 5 532 94.47 5 628 96.11 87 1.49
内蒙古 3 466 3 434 99.08 2 262 65.26 2 638 76.11 71 2.05
辽宁 6 991 6 990 99.99 6 620 94.69 6 820 97.55 39 0.56
吉林 1 800 1 800 100.00 1 670 92.78 1 760 97.78 9 0.50
黑龙江 2 324 2 324 100.00 2 129 91.61 2 230 95.96 41 1.76
上海 4 996 4 996 100.00 4 723 94.54 4 972 99.52 117 2.34
江苏 12 754 12 754 100.00 12 043 94.43 12 674 99.37 106 0.83
浙江 12 731 12 731 100.00 12 571 98.74 12 657 99.42 252 1.98
安徽 17 350 17 334 99.91 13 078 75.38 14 998 86.44 487 2.81
福建 10 626 10611 99.86 8 680 81.69 9 806 92.28 1 343 12.64
江西 7 442 7 442 100.00 5 984 80.41 6 734 90.49 149 2.00
山东 27 135 27 135 100.00 24 705 91.04 26 898 99.13 6 058 22.33
河南 26 378 26 378 100.00 23 297 88.32 26 179 99.25 1 566 5.94
湖北 14 145 14 145 100.00 13 035 92.15 13 497 95.42 230 1.63
湖南 18 979 18 979 100.00 18 758 98.84 18 951 99.85 1 761 9.28
广东 20 230 20 230 100.00 16 821 83.15 18 473 91.31 662 3.27
广西 20 341 20 341 100.00 17 368 85.38 19 397 95.36 201 0.99
海南 2 924 2 924 100.00 2 859 97.78 2 906 99.38 15 0.51
重庆 7 531 7 303 96.97 5 098 67.69 5 646 74.97 561 7.45
四川 17 798 17 795 99.98 15 633 87.84 17 290 97.15 501 2.81
贵州 10 692 10 692 100.00 10 614 99.27 10 676 99.85 345 3.23
云南 12 032 11 971 99.49 9 093 75.57 10 065 83.65 150 1.25
西藏 512 0 0.00 0 0.00 0 0.00 0 0.00
陕西 8 780 8 779 99.99 8 078 92.00 8 693 99.01 92 1.05
甘肃 8 945 8 945 100.00 7 963 89.02 8 873 99.20 194 2.17
青海 1 787 1 768 98.94 1 260 70.51 1 479 82.76 12 0.67
宁夏 1 973 1 973 100.00 1 804 91.43 1 889 95.74 33 1.67
新疆 14 078 13 126 93.24 5 666 40.25 8 439 59.94 487 3.46
合计 325 208 323 271 99.40 275 895 84.84 300 614 92.44 15 964 4.91
  注:a.以固定阈值法预警信号响应时间为2 h内,时间模型法预警信号响应时间为24 h内的信号数进行统计
2.2 固定阈值法预警信号核实结果

2016年全国固定阈值法共发出97 689条预警信号,占预警信号总数的30.04%。其中已初步判断数96 547条,响应率为98.83%;响应时间中位数为0.74 h(P25=0.17 h,P75=4.23 h);2 h内响应数为63 780条,响应率为65.29%;疑似事件数为12 566起,疑似事件率为12.86%。2016年固定阈值法产生预警信号数居前5位的依次为山东、河南、新疆、广西和安徽省(自治区),占全国预警信号总数的41.22%。有19个省(自治区、直辖市)响应率达到100%。2 h内响应率居前5位的省份依次为贵州、天津、浙江、湖南和海南省(直辖市)。疑似事件率居前5位的省份依次为山东、福建、湖南、重庆和河南省(直辖市),见表 2

表 2 固定阈值法全国各地预警信号响应情况 Table 2 Response of early warning signals generated by fixed-value detection method in China
省份 预警信号数(条) 已初步判断数(条) 响应率(%) 2 h内 24 h内 疑似事件
响应数(条) 响应率(%) 响应数(条) 响应率(%) 数(起) 率(%)
北京 2 366 2 366 100.00 1 787 75.53 2 260 95.52 243 10.27
天津 1 086 1 086 100.00 1 054 97.05 1 086 100.00 53 4.88
河北 4 587 4 545 99.08 2 107 45.93 3 397 74.06 49 1.07
山西 697 693 99.43 577 82.78 673 96.56 64 9.18
内蒙古 1 077 1 056 98.05 419 38.90 795 73.82 32 2.97
辽宁 943 942 99.89 727 77.09 927 98.30 23 2.44
吉林 334 334 100.00 238 71.26 328 98.20 7 2.10
黑龙江 293 293 100.00 170 58.02 271 92.49 19 6.48
上海 849 849 100.00 596 70.20 845 99.53 46 5.42
江苏 4 321 4 321 100.00 3 670 84.93 4 301 99.54 26 0.60
浙江 2 259 2 259 100.00 2 161 95.66 2 247 99.47 76 3.36
安徽 5 323 5 313 99.81 2 730 51.29 4 650 87.36 199 3.74
福建 3 544 3 537 99.80 2 201 62.10 3 327 93.88 1 213 34.23
江西 2 662 2 662 100.00 1 683 63.22 2 433 91.40 118 4.43
山东 10 361 10 361 100.00 8 125 78.42 10318 99.58 5 438 52.49
河南 9 329 9 329 100.00 6 383 68.42 9 265 99.31 1 515 16.24
湖北 2 353 2 353 100.00 1 826 77.60 2 288 97.24 86 3.65
湖南 4 327 4 327 100.00 4 128 95.40 4 321 99.86 1 289 29.79
广东 4 470 4 470 100.00 2 464 55.12 4 116 92.08 392 8.77
广西 5 959 5 959 100.00 3 703 62.14 5 732 96.19 27 0.45
海南 836 836 100.00 784 93.78 831 99.40 2 0.24
重庆 1 499 1 457 97.20 470 31.35 1 018 67.91 305 20.35
四川 5 247 5 244 99.94 3 265 62.23 4 922 93.81 389 7.41
贵州 2 353 2 353 100.00 2 287 97.20 2 349 99.83 210 8.92
云南 3 272 3 271 99.97 1 791 54.74 2 763 84.44 43 1.31
西藏 281 0 0.00 0 0.00 0 0.00 0 0.00
陕西 2 309 2 309 100.00 1 673 72.46 2 288 99.09 68 2.94
甘肃 4 332 4 332 100.00 3 380 78.02 4 290 99.03 168 3.88
青海 868 857 98.73 465 53.57 684 78.80 11 1.27
宁夏 260 260 100.00 160 61.54 245 94.23 10 3.85
新疆 9 292 8 573 92.26 2 756 29.66 5 529 59.50 445 4.79
合计 97 689 96 547 98.83 63 780 65.29 88 499 90.59 12 566 12.86

2016年我国规定15种疾病采用固定阈值法产生的预警信号数90 793条,占采用固定阈值法信号总数的92.94%,预警信号居前5位的病种依次为麻疹、手足口病(重症或死亡)、疟疾、丝虫病和人感染H7N9禽流感,占预警信号总数的99.20%。15种疾病中有9种响应率达到100%,其他6种疾病响应率均≥95%。响应时间中位数为0.72 h(P25=0.16 h,P75=4.09 h)。2 h内响应数为59 618条,响应率为65.66%,2 h内响应率居前5位的病种依次为鼠疫、人感染高致病性禽流感、人感染H7N9禽流感、霍乱和脊髓灰质炎。疑似事件率居前5位的病种依次为埃博拉出血热、人感染H7N9禽流感、不明原因肺炎、霍乱和麻疹。

各省增加的病种产生的预警信号数6 896条,占采用固定阈值法信号总数的7.06%,响应率为99.58%,响应时间中位数为1.06 h(P25=0.27 h,P75= 6.10 h),2 h内响应数为4 162条,响应率为60.35%,疑似事件数为348起,疑似事件率为5.05%,见表 3

表 3 固定阈值法全国分病种预警信号响应情况 Table 3 Response of disease specific early warning signals generated by fixed-value detection method in China
预警病种 预警信号数(条) 已初步判断数(条) 响应率(%) 响应时间中位数(h) 2 h内 24 h内 疑似事件
响应数(条) 响应率(%) 响应数(条) 响应率(%) 数(起) 率(%)
鼠疫 6 6 100.00 0.15 5 83.33 6 100.00 0 0.00
霍乱 153 153 100.00 0.19 117 76.47 145 94.77 25 16.34
传染性非典型肺炎 15 15 100.00 0.17 10 66.67 13 86.67 0 0.00
脊髓灰质炎 56 56 100.00 0.27 42 75.00 50 89.29 1 1.79
人感染高致病性禽流感 83 83 100.00 0.22 68 81.93 80 96.39 7 8.43
人感染H7N9禽流感 299 299 100.00 0.13 234 78.26 288 96.32 110 36.79
肺炭疽 39 39 100.00 0.26 26 66.67 33 84.62 0 0.00
急性血吸虫病 36 36 100.00 0.50 24 66.67 35 97.22 4 11.11
埃博拉出血热 2 2 100.00 3.85 1 50.00 2 100.00 1 50.00
疟疾 5 791 5 785 99.90 0.74 3 815 65.88 5 408 93.39 0.00
手足口病(重症或死亡) 17 086 17 081 99.97 0.19 11 835 69.27 16 482 96.46 2 119 12.40
丝虫病 382 381 99.74 0.21 273 71.47 356 93.19 4 1.05
不明原因肺炎 294 293 99.66 0.22 214 72.79 283 96.26 73 24.83
麻疹 66 511 65 413 98.35 0.15 42 928 64.54 59 093 88.85 8 259 12.42
白喉 40 38 95.00 0.23 26 65.00 37 92.50 3 7.50
小计 90 793 89 680 98.77 0.72 59 618 65.66 82 311 90.66 10 606 11.68
省级增加的病种
流行性乙型脑炎 103 103 100.00 0.17 75 72.82 98 95.15 5 4.85
登革热 2 073 2 073 100.00 0.32 1 305 62.95 2 000 96.48 1 174 56.63
丙型病毒性肝炎 46 46 100.00 2.21 11 23.91 30 65.22 0 0.00
HIV 60 60 100.00 0.78 25 41.67 42 70.00 6 10.00
甲型病毒性肝炎 48 48 100.00 1.87 13 27.08 23 47.92 0 0.00
皮肤炭疽 181 181 100.00 0.14 166 91.71 178 98.34 21 11.60
炭疽(未分型) 3 3 100.00 0.28 3 100.00 3 100.00 0 0.00
阿米巴性痢疾 16 16 100.00 0.46 8 50.00 16 100.00 0 0.00
副伤寒 6 6 100.00 1.19 3 50.00 6 100.00 0 0.00
百日咳 110 110 100.00 0.47 57 51.82 93 84.55 25 22.73
新生儿破伤风 2 2 100.00 0.23 2 100.00 2 100.00 0 0.00
猩红热 62 62 100.00 0.21 42 67.74 60 96.77 2 3.23
钩端螺旋体病 44 44 100.00 0.20 29 65.91 39 88.64 9 20.45
流行性感冒 2 2 100.00 0.02 2 100.00 2 100.00 0 0.00
急性出血性结膜炎 28 28 100.00 0.37 19 67.86 28 100.00 0 0.00
麻风病 7 7 100.00 0.63 3 42.86 5 71.43 0 0.00
流行性斑疹伤寒 33 33 100.00 0.15 23 69.70 30 90.91 8 24.24
黑热病 21 21 100.00 0.35 16 76.19 20 95.24 4 19.05
包虫病 27 27 100.00 0.32 18 66.67 26 96.30 0 0.00
水痘 1 1 100.00 2.75 0 0.00 1 100.00 0 0.00
肝吸虫病 2 2 100.00 0.37 2 100.00 2 100.00 0 0.00
恙虫病 30 30 100.00 0.93 12 40.00 27 90.00 2 6.67
森林脑炎 6 6 100.00 0.18 6 100.00 6 100.00 0 0.00
人感染猪链球菌 18 18 100.00 0.31 12 66.67 14 77.78 5 27.78
人粒细胞无形体病 1 1 100.00 1.08 1 100.00 1 100.00 0 0.00
不明原因 16 16 100.00 0.23 16 100.00 16 100.00 0 0.00
发热伴血小板减少综合征 150 150 100.00 0.60 61 40.67 114 76.00 9 6.00
寨卡病毒病 23 23 100.00 0.51 11 47.83 18 78.26 3 13.04
风疹 866 864 99.77 0.21 606 69.98 829 95.73 76 8.78
布鲁氏菌病 793 791 99.75 0.17 541 68.22 738 93.06 99 12.48
流行性出血热 352 351 99.72 0.15 240 68.18 313 88.92 49 13.92
狂犬病 99 98 98.99 0.26 53 53.54 82 82.83 11 11.11
急性弛缓性麻痹 1 083 1 071 98.89 0.35 530 48.94 874 80.70 14 1.29
流行性腮腺炎 181 178 98.34 0.54 88 48.62 164 90.61 0 0.00
流行性脑炎 111 109 98.20 0.26 64 57.66 84 75.68 3 2.70
伤寒 203 199 98.03 1.24 56 27.59 129 63.55 8 3.94
艾滋病 89 87 97.75 0.13 43 48.31 75 84.27 0 0.00
小计 6 896 6 867 99.58 1.06 4 162 60.35 6 188 89.73 1 533 5.05
2.3 时间模型方法预警信号核实结果

2016年全国时间模型法共发出227 519条预警信号,占预警信号总数的69.96%。其中已初步判断数226 724条,响应率为99.65%;响应时间中位数为0.99 h(P25=0.50 h,P75=2.44 h);24 h内响应数为212 115条,响应率为93.23%;疑似事件数为3 398起,疑似事件率为1.49%。预警信号数居前5位的依次为河南、山东、广东、湖南和广西壮族自治区(省),占全国预警信号总数的34.55%。有20个省(自治区、直辖市)响应率达到100%。24 h内响应率居前5位的依次为贵州、湖南、上海、浙江和海南省(直辖市)。疑似事件率居前5位依次为重庆、山东、湖南、安徽和福建省(直辖市),见表 4

表 4 时间模型法全国各地预警信号响应情况 Table 4 Response of early warning signals generated by temporal aberration detection method in China
省份 预警信号数(条) 已初步判断数(条) 响应率(%) 24 h内 疑似事件
响应数(条) 响应率(%) 数(起) 率(%)
北京 2 152 2 152 100.00 1 981 92.05 36 1.67
天津 1 914 1 914 100.00 1 896 99.06 7 0.37
河北 12 507 12 465 99.66 9 726 77.76 7 0.06
山西 5 159 5 150 99.83 4 955 96.05 23 0.45
内蒙古 2 389 2 378 99.54 1 843 77.15 39 1.63
辽宁 6 048 6 048 100.00 5 893 97.44 16 0.26
吉林 1 466 1 466 100.00 1 432 97.68 2 0.14
黑龙江 2 031 2 031 100.00 1 959 96.45 22 1.08
上海 4 147 4 147 100.00 4 127 99.52 71 1.71
江苏 8 433 8 433 100.00 8 373 99.29 80 0.95
浙江 10 472 10 472 100.00 10 410 99.41 176 1.68
安徽 12 027 12 021 99.95 10 348 86.04 288 2.39
福建 7 082 7 074 99.89 6 479 91.49 130 1.84
江西 4 780 4 780 100.00 4 301 89.98 31 0.65
山东 16 774 16 774 100.00 16 580 98.84 620 3.70
河南 17 049 17 049 100.00 16 914 99.21 51 0.30
湖北 11 792 11 792 100.00 11 209 95.06 144 1.22
湖南 14 652 14 652 100.00 14 630 99.85 472 3.22
广东 15 760 15 760 100.00 14 357 91.10 270 1.71
广西 14 382 14 382 100.00 13 665 95.01 174 1.21
海南 2 088 2 088 100.00 2 075 99.38 13 0.62
重庆 6 032 5 846 96.92 4 628 76.72 256 4.24
四川 12 551 12 551 100.00 12 368 98.54 112 0.89
贵州 8 339 8 339 100.00 8 327 99.86 135 1.62
云南 8 760 8 700 99.32 7 302 83.36 107 1.22
西藏 231 0 0.00 0 0.00 0 0.00
陕西 6 471 6 470 99.98 6 405 98.98 24 0.37
甘肃 4 613 4 613 100.00 4 583 99.35 26 0.56
青海 919 911 99.13 795 86.51 1 0.11
宁夏 1 713 1 713 100.00 1 644 95.97 23 1.34
新疆 4 786 4 553 95.13 2 910 60.80 42 0.88
合计 227 519 22 6724 99.65 212 115 93.23 3 398 1.49

2016年国家规定的18种疾病时间模型预警信号为222 243条,占时间模型法产生信号总数的97.68%,预警信号居前5位的病种依次为手足口病、其他感染性腹泻病、流行性感冒、流行性腮腺炎及细菌性和阿米巴性痢疾,占预警信号总数的89.20%。18种疾病中有7种响应率达到100%,其他11种疾病响应率均≥99%。响应时间中位数为0.99 h(P25=0.50 h,P75=2.44 h)。24 h内响应数为206 901条,响应率为93.10%,24 h内响应率居前5位的病种依次为流行性出血热、猩红热、手足口病、伤寒/副伤寒、流行性乙型脑炎(乙脑)。疑似事件率居前5位的病种依次为登革热、钩端螺旋体病、风疹、流行性感冒和乙脑。

省级增加的病种(仅水痘1种)产生预警信号5 276条,占时间模型信号总数的2.32%,响应率为100%,响应时间中位数为0.99 h(P25=0.53 h,P75=2.27 h),24 h内响应数为5 214条,响应率为98.82%,疑似事件数为152起,疑似事件率为2.88%,见表 5

表 5 时间模型法分病种预警信号响应情况 Table 5 Response of disease specific early warning signals generated by temporal aberration detection method in China
预警病种 预警信号数(条) 已初步判断数(条) 响应率(%) 响应时间中位数(h) 24 h内 疑似事件数(起) 疑似事件率(%)
响应数(条) 响应率(%)
国家规定的18种疾病
  流行性出血热 1 012 1 012 100.00 0.88 969 95.75 18 1.78
  流行性乙型脑炎 685 685 100.00 0.80 639 93.28 17 2.48
  登革热 212 212 100.00 1.18 188 88.68 54 25.47
  流行性脑脊髓膜炎 98 98 100.00 1.61 83 84.69 1 1.02
  钩端螺旋体病 43 43 100.00 1.70 36 83.72 4 9.30
  疟疾 827 827 100.00 1.03 736 89.00 20 2.42
  斑疹伤寒 120 120 100.00 1.00 107 89.17 0 0.00
  伤寒和副伤寒 1 298 1 297 99.92 0.99 1 216 93.68 15 1.16
  其他感染性腹泻病 65 537 65 410 99.81 1.04 61 079 93.20 364 0.56
  流行性感冒 24 543 24 465 99.68 1.03 22 639 92.24 659 2.69
  手足口病 71 626 71 374 99.65 0.93 67 109 93.69 1 596 2.23
  戊型病毒性肝炎 2 936 2924 99.59 1.00 2 733 93.09 1 0.03
  急性出血性结膜炎 4 693 4 672 99.55 0.96 4 308 91.80 11 0.23
  流行性腮腺炎 21 842 21 744 99.55 0.97 20 354 93.19 335 1.53
  风疹 1 031 1 026 99.52 0.91 933 90.49 54 5.24
  猩红热 9 211 9 160 99.45 1.04 8 639 93.79 43 0.47
  甲型病毒性肝炎 1 839 1 824 99.18 1.80 1 533 83.36 6 0.33
  痢疾 14 690 14 555 99.08 1.00 13 600 92.58 48 0.33
小计 222 243 221 448 99.64 0.99 206 901 93.10 3 246 1.46
省级新增疾病
  水痘 5 276 5 276 100.00 0.99 5 214 98.82 152 2.88
3 讨论

2016年预警系统可稳定地对传染病报告数据进行自动运算并能及时生成预警信号。共发出325 208条预警信号,涉及2 996个县(区)。以县(区)为单位,平均每周发出预警信号2.04条。全国预警信号响应率为99.40%,2 h内/24 h内响应率为84.84%,24 h内响应率为92.44%。有研究表明,预警系统具有良好的灵敏度和特异度,促进疾病暴发的早期发现与响应处理,有助于控制疾病的暴发规模[13-14]

预警系统中固定阈值法主要针对一些危害和影响较大、较为罕见的疾病。固定阈值法的响应率为98.83%,2 h内响应率为65.29%,24 h内响应率为90.59%。根据《全国传染病自动预警(时间模型)试运行工作方案》要求,固定阈值法预警信号发出2 h内,需登录预警系统填报《异常信息卡》。分析发现,麻疹和手足口病(重症或死亡病例)预警信号量较大,2 h内对预警信号进行响应的工作要求可能偏高,下一步可考虑将手足口病和麻疹的单病例预警响应时限要求进行适当调整,或调整预警方法。此外,预警信号发出的某些时间点(如午餐/午休时间、下班后等)可能影响预警信号的及时响应,当预警系统不能正常运行(如生成短信推送至发送平台出现故障),影响预警信号响应的及时性。固定阈值法的疑似事件率为12.86%,生成的预警信号大多被排除,大多因医疗机构通过法定报告传染病信息报告管理系统报告时,错误地选填了疾病名称;或在临床诊断时,填报为固定阈值病种,后期被订正为其他传染病。

预警系统对一些常见传染病采用移动百分位数法、累积和控制图方法和聚集性疫情预警方法进行探测。从运行结果看,时间模型方法可对全部传染病暴发发出提示信号。时间模型方法为基于当前报告病例数与历史基线数据进行比较分析,故当前报告病例数越多,预警信号数可能越多。2016年时间模型方法预警信号的响应率为99.65%,24 h内响应率为93.23%。总体上,时间模型的疑似事件信号占其预警信号的比例较低(1.49%),提示需要进一步提高预警信号的特异度,减少假阳性。分析显示,不同传染病预警效果存在较大差异,各病种的疑似事件信号占其预警信号的比例不同。不同省份的预警信号响应率和及时性均处于较高水平,但各地预警信号数和疑似事件率差异较大,预警效果仍存在较大差异。因此,提示全国各地采用统一的预警方法等参数设置也无法满足实际工作需要,下一步可考虑通过区分疾病的发病水平地区[15]和不同流行季节[16]或区分基线数据的工作日和周末[17-18],进一步提高预警系统的探测效果。也可根据不同疾病特点,深入比较基于短期和长期基线数据的时间模型方法的效果,为不同疾病选择最优方法和相关参数。各地传染病在时间空间上流行特征不同,疫情管理也不尽相同,因此,应研究开发适用于不同地区的预警方法和阈值。对于手足口病、其他感染性腹泻、流行性感冒、流行性腮腺炎、细菌性和阿米巴性痢疾常见病,累计信号量占我国规定采用时间模型法的18种疾病预警信号总量的89.20%,也可优先考虑优化其时间模型预警方法和阈值[12]

良好的监测数据来源和质量是有效预警的基础,采用法定报告传染病数据作为暴发探测数据来源具有明显优势,积极探索新的预警数据资源,如学校或单位因病缺课、缺勤监测、医疗机构的症状监测、药店的药品监测等,也将大大提高预警的及时性。目前,预警系统以县(区)为单位进行异常探测,空间范围仍较大。国内大多省份传染病个案报告信息填写要求已细化到乡镇(街道)甚至村(社区)一级,同时幼托儿童、学生等人群在报告卡中录入了单位信息,具备基于乡镇(街道)为探测单元的条件[19]。考虑采用采用以乡镇(街道)为单位或基于特殊人群的单位进行异常探测,也将大幅提高预警系统的准确性。

根据不同疾病流行规律和防控需要,在预警系统中针对不同疾病个性化设置多种预警方法。目前,预警系统疑似事件率较低,在某种程度上为基层工作人员增加了工作负担。预警系统作为辅助基层工作人员早期发现疾病暴发的工具,早发现疾病暴发的可能态势后,只有借助疾控工作人员的工作经验和专业判断,才能真正实现疾病暴发的早发现和早处理。在追求预警准确性高(灵敏度和及时性好)的前提下,不能保证系统的特异度,导致阳性预测值偏低,是国际上传染病预警领域普遍面临的现实问题。实际工作中也可根据各地不同疾病防控需求,通过适当地提高方法的预警阈值,将系统灵敏度降低至可接受范围内,以此大幅度提高系统的阳性预测值。

综上所述,预警系统已成为各级疾控机构开展传染病暴发探测的辅助工具,下一步将重点探索通过区分疾病的发病水平地区和流行季节,挖掘新的预警数据源及缩小空间探测范围等方式,丰富和优化预警方法,从而提高其探测的准确性。

作者贡献:

张洪龙  ORCID:0000-0002-0352-0023

曾令佳  ORCID:0000-0002-8325-7527

张洪龙、曾令佳、王丽萍、李中杰:设计研究思路

张洪龙、曾令佳:收集和整理数据

曾令佳、赖圣杰、王丽萍:提供数据分析方法

张洪龙、曾令佳、赖圣杰、王丽萍、李中杰:共同完成文章撰写

参考文献
[1]
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[J]. 中华流行病学杂志, 2004, 25(12): 1039-1041.
Yang WZ, Xing HX, Wang HZ, et al. A study on early detection for seven infectious diseases[J]. Chin J Epidemiol, 2004, 25(12): 1039-1041. DOI:10.3760/j.issn:0254-6450.2004.12.007
[2]
赖圣杰, 李中杰, 金连梅, 等. 传染病暴发早期预警系统评价内容及其指标[J]. 中华流行病学杂志, 2009, 30(6): 637-640.
Lai SJ, Li ZJ, Jin LM, et al. The overview of evaluating contents and indicators on early warning system of infectious disease outbreak[J]. Chin J Epidemiol, 2009, 30(6): 637-640.
[3]
张洪龙, 赖圣杰, 李中杰, 等. 累积和控制图法在传染病暴发探测中的应用[J]. 中华流行病学杂志, 2010, 31(12): 1406-1409.
Zhang HL, Lai SJ, Li ZJ, et al. Application of cumulative sum control chart algorithm in the detection of infectious disease outbreaks[J]. Chin J Epidemiol, 2010, 31(12): 1406-1409. DOI:10.3760/emaj.issn.0254-6450.2010.12.019
[4]
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[J]. 中华流行病学杂志, 2010, 31(11): 1240-1244.
Yang WZ, Lan YJ, Li ZJ, et al. The application of national outbreak automatic detection and response system[J]. Chin J Epidemiol, 2010, 31(11): 1240-1244. DOI:10.3760/cma.j.issn.0254-6450.2010.11.009
[5]
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. DOI:10.5365/WPSAR.2010.1.1.009
[6]
李中杰, 马家奇, 赖圣杰, 等. 2011-2013年国家传染病自动预警系统运行结果分析[J]. 中华预防医学杂志, 2014, 48(4): 252-258.
Li ZJ, Ma JQ, Lai SJ, et al. The implement performance of China infections diseases automated-alert and response system in 2011-2013[J]. Chin J Prev Med, 2014, 48(4): 252-258. DOI:10.3760/cma.j.issn.0253-9624.2014.04.004
[7]
赖圣杰, 廖一兰, 张洪龙, 等. 2011-2013年国家传染病自动预警系统中时间模型和时空模型应用效果比较[J]. 中华预防医学杂志, 2014, 48(4): 259-264.
Lai SJ, Liao YL, Zhang HL, et al. Comparing the performance of temporal model and temporal-spatial model for outbreak detection in China Infectious Diseases Automated-alert and Response System, 2011-2013, China[J]. Chin J Prev Med, 2014, 48(4): 259-264. DOI:10.3760/cma.j.issn.0253-9624.2014.04.005
[8]
张洪龙, 孙乔, 赖圣杰, 等. 移动百分位数法分地区设定预警阈值对传染病预警效果的影响分析[J]. 中华预防医学杂志, 2014, 48(4): 265-269.
Zhang HL, Sun Q, Lai SJ, et al. Analysis of effect on infectious diseases outbreak detection performance by classifying provinces for moving percentile method[J]. Chin J Prev Med, 2014, 48(4): 265-269. DOI:10.3760/cma.j.issn.0253-9624.2014.04.006
[9]
孙乔, 赖圣杰, 李中杰, 等. 移动百分位数法不同阈值在传染病暴发预警中的效果比较[J]. 中华流行病学杂志, 2011, 32(5): 450-453.
Sun Q, Lai SJ, Li ZJ, et al. Comparison on the different thresholds on the 'moving percentile method' for outbreak detection[J]. Chin J Epidemiol, 2011, 32(5): 450-453. DOI:10.3760/cma.j.issn.0254-6450.2011.05.006
[10]
余斐, 张洪龙, 赖圣杰, 等. 国家传染病自动预警系统在基层应用效果初步分析[J]. 中华流行病学杂志, 2011, 32(5): 446-449.
Yu F, Zhang HL, Lai SJ, et al. The effectiveness of China infectious disease automated-alert and response system (CIDARS)in the local regions[J]. Chin J Epidemiol, 2011, 32(5): 446-449. DOI:10.3760/cma.j.issn.0254-6450.2011.05.005
[11]
李中杰, 廖一兰, 赖圣杰, 等. 传染病暴发探测时间模型和时空模型的应用效果比较[J]. 中华流行病学杂志, 2011, 32(5): 436-441.
Li ZJ, Liao YL, Lai SJ, et al. Comparison on the performance of both temporal and temporal-spatial models for outbreak detection through China infectious diseases automated-alert and response system(CIDARS)[J]. Chin J Epidemiol, 2011, 32(5): 436-441. DOI:10.3760/cma.j.issn.0254-6450.2011.05.003
[12]
张洪龙, 赖圣杰, 张子科, 等. 2014年国家传染病自动预警系统运行结果分析[J]. 疾病监测, 2016, 31(11): 896-902.
Zhang HL, Lai SJ, Zhang ZK, et al. Performance of China infectious disease automated -alert and response system in 2014[J]. Dis Surveill, 2016, 31(11): 896-902. DOI:10.3784/j.issn.1003-9961.2016.11.004
[13]
Li ZJ, Lai SJ, Zhang HL, et al. Hand, foot and mouth disease in China:evaluating an automated system for the detection of outbreaks[J]. Bull World Health Organ, 2014, 92(9): 656-663. DOI:10.2471/BLT.13.130666
[14]
Zhang HL, Li ZJ, Lai SJ, et al. Evaluation of the performance of a dengue outbreak detection tool for China[J]. PLoS One, 2014, 9(8): e106144. DOI:10.1371/journal.pone.0106144
[15]
Zhang HL, Lai SJ, Wang LP, et al. Improving the performance of outbreak detection algorithms by classifying the levels of disease incidence[J]. PLoS One, 2013, 8(8): e71803. DOI:10.1371/journal.pone.0071803
[16]
Li ZJ, Lai SJ, Buckeridge DL, et al. Adjusting Outbreak Detection Algorithms for Surveillance during Epidemic and Non-epidemic Periods[J]. J Am Med Inform Assoc, 2011, 19(e1): e51-53.
[17]
赖圣杰, 李中杰, 张洪龙, 等. 基于不同基线数据的传染病暴发探测方法效果比较[J]. 中华流行病学杂志, 2011, 32(6): 579-582.
Lai SJ, Li ZJ, Zhang HL, et al. The comparison of two different types of baseline data regarding the performance of aberration detection algorithm for infectious disease outbreaks[J]. Chin J Epidemiol, 2011, 32(6): 579-582. DOI:10.3760/cma.j.issn.0254-6450.2011.06.011.j.issn.0254-6450.2011.06.011
[18]
Centers for Disease Control and Prevention. BioSense real-time hospital data user guide application version 2. 11, 2007[EB/OL]. [2017-08-24]. http://www.cdc.gov/biosense/files/CDC_BioSense_BioSense_Hospital_Data_User_Guide_V2.11.pdf.
[19]
鲁琴宝, 徐旭卿, 林君芬, 等. 浙江省2012年传染病自动预警系统运行情况分析[J]. 中华流行病学杂志, 2013, 34(6): 594-597.
Lu QB, Xu XQ, Lin JF, et al. The application of China infectious diseases automated-alert and response system in Zhejiang province, 2012[J]. Chin J Epidemiol, 2013, 34(6): 594-597. DOI:10.3760/cma.j.issn.0254-6450.2013.06.013