Time-place clustering of outpatients in fieber illness clinic
ZHAO Xiao1, LIU Min1, LI Song-lin2, DAI Xiao-qiu1, LI Yu-ling2, HAISHAN Kadeerbai1, LU Bing-huai2, ZHU Feng-xia2, ZHAO Xu2
School of Public Health, Peking University, Beijing 100191, China
Abstract
Objective To understand the time and place distribution of fieber illness clinic visits and provide evidence for the early warning of respiratory infectious disease. Methods Medical records of the patients visiting fieber illness clinics from 00:00 April 1, 2009 to 24:00 March 31, 2010 were collected through a syndrome surveillance system in a grade 3 general hospital in Chaoyang district in Beijing, and the time-place scan statistic analysis was conducted with retrospective time place permutation scan statistic method. Influenza-like cases, influenza cases and cases of fever with unknown origin were analyzed respectively. Results The analysis of 50% of study period found the clustering of outpatients visiting fieber illness clinic, ILI cases, influenza cases and the cases with unknown origin, the difference had statistical significance. The clustering were mainly in the central area of Chaoyang district. The clustering of ILI cases and influenza cases were close to each other, the distance between the central points of 2 clustering was 0.92 km and 2 clustering were overlapped mostly. Conclusion Time-place clustering analysis of fieber illness clinic visits can accurately find the significant clustering of respiratory disease patients, which is important for the early warning of the diseases. Syndrome surveillance in fieber illness clinic visits is valuable for the prevention and control of respiratory infectious disease.
发热门诊就诊患者的时空聚集性分析
赵啸1, 刘民1, 李松林2, 代小秋1, 李玉玲2, 海山·卡德尔拜1, 鲁炳怀2, 朱凤霞2, 赵旭2
1. 北京大学公共卫生学院, 北京 100191;
2. 民航总医院
2. 民航总医院
摘要
目的 研究发热症状的时空分布特征,探索呼吸道传染病疫情的时空分布特点及时空聚集性特征,为呼吸道传染病的早期预警提供依据。 方法 利用北京市朝阳区一所三级甲等医院发热门诊所建立的症状监测系统,收集2009年4月1日00:00时至2010年3月31日24:00时期间的就诊患者的病历资料,应用回顾性时空重排扫描统计量方法进行时空扫描分析,并对其中流行性感冒(流感)样病例、流感患者、发热待查患者分别进行分析。 结果 以50%时间周期进行扫描,发热门诊就诊患者、流感样病例、流感患者、发热待查患者的分布均可探测到聚集区域,经检验差异有统计学意义,聚集区域集中在北京市朝阳区中部。流感样病例与流感患者聚集区域接近,区域中点距离为0.92 km,大部分重叠。 结论 对发热门诊就诊患者的时空聚集性探测,可以准确发现呼吸道传染病患者的聚集区域,有利于早期预警。发热门诊的症状监测系统对呼吸道传染病的防控具有较为重要的价值。
内容大纲
在发热门诊所建立的症状监测对呼吸道传染病的预警具有一定的价值[2]。时空扫描分析是一种探索疾病在时空上是否存在聚集性的研究方法，可以分析不同时间、不同区域的发病差异[3]，该方法在传染病暴发早期的预警中具有很高的特异性，具有较好的实际应用价值[4]。本文利用北京市朝阳区一所三级甲等医院发热门诊所建立的症状监测系统，收集2009年4月1日00：00时至2010年3月31日24：00时期间的就诊患者的病历资料，应用回顾性时空重排扫描统计量方法进行时空扫描分析，研究发热症状的时空分布特征，探索呼吸道传染病疫情的时空分布特点及时空聚集性特征，为呼吸道传染病的早期预警提供依据。
1 材料与方法
1.1 研究对象与方法利用国家高技术研究发展计划(863计划)资助项目在位于北京市朝阳区一所三级甲等医院发热门诊建立的发热症状监测系统，收集2009年4月1日00：00时至2010年3月31日24：00时期间所有在发热门诊就诊患者的病历资料，从中筛选研究对象。研究对象的入选标准为：①病历资料中有详细的现住址；②现住址位于北京市朝阳区内；③有发病时间记录；④有最终诊断记录。排除标准为：现住址不详或不在北京市朝阳区内，发病时间记录缺失或最终诊断记录缺失。
流感样病例的定义：发热(腋下体温≥38 ℃)，伴咳嗽或咽痛之一，缺乏其他实验室确定诊断依据。
1.2 研究方法
1.2.1 时空重排扫描统计量
时空扫描分析是在研究区域内设定一个圆柱形的扫描窗口 ，圆柱的底对应地理区域，圆柱的高对应时间，窗口可以在时间和(或)空间上移动，其大小和位置均处在动态变化之中。假定区域Z在d天中的发病数为Czd，则所有区域在所有时间的总发病例数C为：
C=∑ z ∑ d Czd
对每个区域和每天，预期发病数μzd为：
μzd= 1 C ∑ z Czd ∑ d Czd
因此，每个圆柱A的预期发病数μA为：
μA=∑ z，d ∈A μzd
令CA为每个圆柱A中的实际发病数，CA服从均数为μA的超几何分布，其概率函数为：
P CA = ∑ z∈CAA Czd C-∑ z∈A Czd
∑ d∈A Czd－CA ∑ C d∈A Czd
当∑ z∈A Czd及∑ d∈A Czd相对于C而言非常小时，CA近似服从均数为μA的泊松分布。基于这一近似，采用广义似然函数(gerneralized likelihood ratio，GLR)来衡量圆柱A中的发病数是否异常：
CA μA CA C－CA C-μA C－CA
然后利用蒙特卡罗法产生模拟数据集，计算P值，判断其统计学意义。
1.2.2 分析方法
本研究使用SatScan 9.0软件进行时空扫描，时间周期为2009年4月1日00：00时至2010年3月31日24：00时，按照最大时间聚集簇大小的不同，分别以7、14、30 d、50%的时间周期进行扫描，设定蒙特卡罗模拟次数为999次，当LLR的P值小于检验水准α=0.05时，认为差异具有统计学意义，该区域存在聚集特征。最后利用Google Earth软件对分析得到的聚集区域进行可视化成像。
2 结果
2.1 一般资料 本研究共收集2009年4月1日00：00时至2010年3月31日24：00时期间在北京市朝阳区某三级甲等医院发热门诊就诊的患者23 592例，符合入选标准的研究对象共21 209例。
根据病历资料的最终诊断，研究对象中确诊为呼吸道传染病的患者99例(0.47%)：其中流感患者43例，肺结核患者23例，麻疹13例，水痘19例，流行性腮腺炎1例。上呼吸道感染患者12 337例(58.17%)，发热待查患者2180例(10.28%)，确诊其他非传染性疾病患者6593例(31.09%)。全部研究对象中5740例(27.06%)符合流感样病例的定义。
2.2 时空扫描分析及可视化成像
按照最大时间聚集簇大小的不同，以7、14、30 d、50%的时间周期进行扫描，设定最大空间聚集大小为总人口的50%，分别对全部发热门诊就诊患者、流感样病例、流感患者和发热待查患者进行时空扫描分析。最后将探测得到的最大聚集区域在Google Earth电子地图中标出。
2.2.1 发热门诊就诊患者
以7、14、30 d为周期进行扫描，均未发现可能聚集区域。
以50%的时间周期进行扫描，发现一个最可能聚集区域，位于朝阳区中东部，以姚家园地区为中心(地理坐标39.924969N，116.520501E)，半径为1.56 km的区域，聚集时间为2010年1月31日至2010年3月31日，实际有患者422例，理论病例数为312.98，P<0.001，差异有统计学意义，表明该区域发病异常增多，呈聚集分布，见图1。
2.2.2 流感样病例
以7、14 d为周期进行扫描，未发现明显聚集区域。 以30 d为周期进行扫描，发现一个最可能聚集区域，位于朝阳区中部，以望京街道地区为中心(地理坐标39.931 232N，116.470 133E)，半径为2.52 km的区域，聚集时间为2010年3月2日至2010年3月31日，实际有患者90例，理论病例数为83.13例，P=0.033，差异有统计学意义，表明该区域发病异常增多，呈聚集分布。
图1 发热门诊就诊患者时空扫描分析结果
Figure 1 Result of time-place scan for fieber illness clinic visits
以50%的时间周期进行扫描，发现一个最可能聚集区域，位于朝阳区中部，以望京街道地区为中心(地理坐标39.923 192N，116.479 811E)，半径为1.58 km的区域，聚集时间为2009年12月2日至2010年3月31日，实际有患者624例，理论病例数为460.11例，P<0.001，差异有统计学意义，表明该区域发病异常增多，呈聚集分布，见图2。
图2 流感患者、流感样病例、发热待查患者时空扫描分析结果
Figure 2 Result of time-place scan for influenza cases， ILI cases and cases of fever with unknown origin
2.2.3 流感患者
以7、14、30 d为周期进行扫描，均未发现可能聚集区域。以50%的时间周期进行扫描，发现一个最可能聚集区域，位于朝阳区中部，以团结湖街道地区为中心(地理坐标39.551 875N，116.289 140E)，半径为0.72 km的区域，聚集时间为2009年12月2日至2009年12月8日，实际有患者2例，理论病例数为0.090例，P<0.001，差异有统计学意义，表明该区域发病异常增多，呈聚集分布(图2)。
2.2.4 发热待查患者
以7、14、30 d为周期进行扫描，均未发现可能聚集区域。以50%的时间周期进行扫描，发现一个最可能聚集区域，位于朝阳区中西部，以光华里地区为中心(地理坐标39.911 529N，116.452 671E)，半径为1.49 km的区域，聚集时间为2009年10月3日至2010年3月31日，实际有患者113例，理论病例数为48.59例，P<0.001，差异有统计学意义，表明该区域发病异常增多，呈聚集分布(图2)。
图2显示，流感患者、流感样病例、发热待查患者的3个聚集区域位置接近，流感患者与流感样病例聚集区域中点距离0.92 km，大部分重叠；流感样病例与发热待查患者聚集区域中点距离2.66 km。
3 讨论
近年来新发呼吸道传染病频繁出现，旧传染病卷土重来，在早期及时发现和识别公共卫生事件的暴发和流行成为重中之重。时空扫描分析方法现已被应用于传染病的聚集性分析及暴发探测中 。唐咸艳等[6]应用回顾性时空扫描统计量方法对流行性乙型脑炎进行时空分布趋势的研究。徐敏等[7] 应用时空重排扫描统计量方法对深圳市甲型H1N1流感疫情进行分析，发现其聚集性特点。李中杰等[8]对时空模型与传统的时间模型比较，发现时空模型具有更好的暴发探测效果，其错误预警率更低，且暴发探测时间更短。殷菲等 模拟实时监测系统，采用前瞻性时空扫描统计量对2005年上海市、江苏省、浙江省214个区(县)麻疹病例数据进行逐日前瞻性分析，并对2005年成都市麻疹病例数据进行分析，结果显示利用时空重排扫描统计量结合地理信息软件建立的早期预警系统，可以有效地对传染病暴发做出早期预警，并对暴发进行精确的时间和空间定位。
2009年3月，暴发于墨西哥的新型甲型H1N1流感引起了全球大流行。北京市2009年5月16日报告第1例甲型H1N1流感确诊病例，截止2009年8月2日，共报告325例实验室确诊病例[11]。北京市朝阳区自2009年5月至10月8日，共报告甲型H1N1流感实验室确诊病例557例 [12]。本研究资料收集时间覆盖了甲型H1N1流感的流行阶段，研究中涉及的监测系统[2]位于北京市朝阳区，探测到的各个空间聚集区域的位置变化不大，均位于朝阳区中部，以4.45 km为半径的区域内。
本研究发现全部发热门诊就诊患者的分布可以探测到时空聚集性，显示其中传染病患者占到一定比例，其聚集时间2010年1月31日至3月31日正是呼吸道传染病高发的冬春季，提示发热门诊对传染病患者起到了早发现、早隔离的作用。对流感患者的时空扫描结果表明流感发病分布不是随机分布的，存在时空聚集性，聚集区域以朝阳区的团结湖街道为中心，与钱海坤等[3]的研究结果一致。
本研究结果显示，流感样病例聚集区域与流感患者聚集区域接近，且大部分重叠，流感患者发病聚集时间也与流感样病例聚集时间重叠，两者时空分布特征相似。另一项对天津社区流感监测资料的时空聚集性分析[13]也得到了与本研究同样的结论。对流感样病例的聚集性探测可以更有效的发现流感患者的聚集区域和时间，为早期预警提供参考依据，在实际防控工作具有一定指导意义。
一项对发热待查患者临床资料的回顾性研究显示[14]，发热待查的首位病因为感染性疾病(平均62.73%)，呼吸道感染占30.1%，其中结核分枝杆菌感染占16.7%，流感病毒、流脑病毒、EB病毒、腮腺炎病毒等感染占14.6%。另一项研究也显示部分传染性疾病以发热待查为主要临床表现[15]。本研究也发现发热待查患者的时空分布存在聚集性现象，提示其中存在一定数量的传染性疾病患者。对这些患者的忽视使得其可能成为社区传染源。在实际临床工作中，诊断发热待查时不可忽视传染病，应调查流行病学资料，对其进行进一步的确诊，对传染病的监测及控制具有一定意义。
参考文献
[1] Beijing health bureau fever clinic project team. Evaluation on the functions and cost of 'fever clinics’ during the period of severe acute respiratory syndrome epidemics in Beijing[J]. Chinese Journal of Epidemiology,2003,24(11):999-1004.(in Chinese) 北京市卫生局发热门诊课题组.北京市后SARS时期发热门诊现状和合理设置模式的研究[J].中华流行病学杂志,2003,24(11):999-1004.
[2] Dai XQ, Liu M, Kadeerbai HS, et al. Analysis of syndromic surveillance of 63 325 outpatients in Fever Clinic in Beijing[J]. Journal of Peking University:Health Sciences,2011,42(3):375-378.(in Chinese) 代小秋,刘民,海山·卡德尔拜.北京市发热门诊63 325例就诊患者症状监测分析[J].北京大学学报:医学版,2011,42(3):375-378.
[3] Qian HK, Yang P, Zhang Y, et al. Study on the application of Space-time scan to detect clusters of influenza A(H1N1) 2009 in Beijing [J]. Interational Journal of Virology,2011,18(6):170-174.(in Chinese) 钱海坤,杨鹏,张奕,等.时空扫描方法在北京市甲型H1N1流感聚集性探测中的应用[J].国际病毒学杂志,2011,18(6):170-174.
[4] Yin F, Li XS, Feng ZJ, et al. The application of the prospective space-time statistic in early warning of infectious disease [J]. Chinese Journal of Preventive Medicine,2007,41(6):155-158.(in Chinese) 殷菲,李晓松,冯子健,等.前瞻性时空扫描统计量在传染病早期预 警中的应用[J].中华预防医学杂志,2007,41(6):155-158.
[5] Kulldroff M,Heffernan R,Hartman J,et al.A space-timepermutation scan statistic for the early detection of disease outbreaks[J].PIDS Med,2005,2:216-224.
[6] Tang XY, Gan WY, Xu B,et al. Study on the spatiotemporal trend of Japanese encephalitis in Guangxi,based on geographic information system and space-time permutation scan statistic [J]. Chinese Journal of Epidemiology,2011,32(3):274-278.(in Chinese) 唐咸艳,甘文烨,徐斌,等.广西壮族自治区1989-2006年流行性乙型脑炎时空动态趋势分析[J].中华流行病学杂志,2011,32(3):274-278.
[7] Xu M,Cao CX,Cheng JQ,et al.GIS analysis of influenza A(H1N1) [J]. Geo-Information Science,2010,12(5):707-712.(in Chinese) 徐敏,曹春香,程锦泉,等. 甲流感疫情时空聚集性GIS分析[J]. 地球信息科学学报,2010,12(5):707-712.
[8] 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]. Chinese Journal of Epidemiology,2011,32(5):436-441.(in Chinese) 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.
[9] Yin F, Feng ZJ, Li XS. Application of Google Earth in the three dimensional visualization(TDV)of the warnings signaled by early warning system of infectious disease [J]. Chinese Journal of Epidemiology,2011,32(4):396-399.(in Chinese) 殷菲,冯子建,李晓松.Google Earth在传染病早期预警结果三维可视化中的应用[J].中华流行病学杂志,2011,32(4):396-399.
[10] Yin F, Feng ZJ, Li XS. The early warning system based on the prospective space-time permutation statistic [J]. Journal of Hygiene Research,2007,36(4):455-458.(in Chinese) 殷菲,冯子建,李晓松.基于前瞻性时空重排扫描统计量的传染病早期预警系统[J].卫生研究,2007,36(4):455-458.
[11] Wang XL, Yang P, Dou XF, et al. Estimation on the real number of novel influenza A(H1N1) cases, Beijing,2009 [J]. Chinese Journal of Epidemiology,2010,31(5):497-499.(in Chinese) 王小莉,杨鹏,窦相峰,等.北京市2009年甲型H1N1流感实际感染人数的估算[J].中华流行病学杂志,2010,31(5):497-499.
[12] Guo BH.Analysis of influenza A(H1N1) in Chaoyang district in Beijing [C]. The eighth public health forum in Beijing-the influenza a H1N1 influenza prevention and Control Seminar,2009:24-26.(in Chinese) 郭炳虹.北京市朝阳区甲型H1N1流感疫情统计分析 [C].北京:第八届公共卫生北京论坛——甲型H1N1流感防控高层研讨会论文集,2009.
[13] Xu WT,Li L,Dong CX. Spatial and temporal cluster analysis of influenza epidemic in community surveillance of Tianjin city [J]. Chinese Journal of Public Health,2011,27(11):1399-1401.(in Chinese) 徐文体,李琳,董春晓.天津市社区流感监测时空聚集性分析[J].中国公共卫生,2011,27(11):1399-1401.
[14] Xu M, Ma AL, Yuan LC. Analysis on 1854 cases with fever of unkown origin [J]. Chinese Journal of Experimental and Clinical Infectious Diseases,2009,3(4):421-425.(in Chinese) 徐蒙,马安林,袁立超.发热待查1854例临床分析[J].中华实验和临床感染病杂志,2009,3(4):421-425.
[15] Tong ZW,Zhang LQ,Shi BN. Clinical analysis of 54 cases of infectious disease with fever as the main manifestation [J]. Zhejiang Medical Journal,2007,29(10):1098-1099.(in Chinese) 童照威,张龙琪,施柏年.以发热待查为主要表现的54例传染病临床分析[J].浙江医学,2007,29(10):1098-1099.
[2] Dai XQ, Liu M, Kadeerbai HS, et al. Analysis of syndromic surveillance of 63 325 outpatients in Fever Clinic in Beijing[J]. Journal of Peking University:Health Sciences,2011,42(3):375-378.(in Chinese) 代小秋,刘民,海山·卡德尔拜.北京市发热门诊63 325例就诊患者症状监测分析[J].北京大学学报:医学版,2011,42(3):375-378.
[3] Qian HK, Yang P, Zhang Y, et al. Study on the application of Space-time scan to detect clusters of influenza A(H1N1) 2009 in Beijing [J]. Interational Journal of Virology,2011,18(6):170-174.(in Chinese) 钱海坤,杨鹏,张奕,等.时空扫描方法在北京市甲型H1N1流感聚集性探测中的应用[J].国际病毒学杂志,2011,18(6):170-174.
[4] Yin F, Li XS, Feng ZJ, et al. The application of the prospective space-time statistic in early warning of infectious disease [J]. Chinese Journal of Preventive Medicine,2007,41(6):155-158.(in Chinese) 殷菲,李晓松,冯子健,等.前瞻性时空扫描统计量在传染病早期预 警中的应用[J].中华预防医学杂志,2007,41(6):155-158.
[5] Kulldroff M,Heffernan R,Hartman J,et al.A space-timepermutation scan statistic for the early detection of disease outbreaks[J].PIDS Med,2005,2:216-224.
[6] Tang XY, Gan WY, Xu B,et al. Study on the spatiotemporal trend of Japanese encephalitis in Guangxi,based on geographic information system and space-time permutation scan statistic [J]. Chinese Journal of Epidemiology,2011,32(3):274-278.(in Chinese) 唐咸艳,甘文烨,徐斌,等.广西壮族自治区1989-2006年流行性乙型脑炎时空动态趋势分析[J].中华流行病学杂志,2011,32(3):274-278.
[7] Xu M,Cao CX,Cheng JQ,et al.GIS analysis of influenza A(H1N1) [J]. Geo-Information Science,2010,12(5):707-712.(in Chinese) 徐敏,曹春香,程锦泉,等. 甲流感疫情时空聚集性GIS分析[J]. 地球信息科学学报,2010,12(5):707-712.
[8] 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]. Chinese Journal of Epidemiology,2011,32(5):436-441.(in Chinese) 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.
[9] Yin F, Feng ZJ, Li XS. Application of Google Earth in the three dimensional visualization(TDV)of the warnings signaled by early warning system of infectious disease [J]. Chinese Journal of Epidemiology,2011,32(4):396-399.(in Chinese) 殷菲,冯子建,李晓松.Google Earth在传染病早期预警结果三维可视化中的应用[J].中华流行病学杂志,2011,32(4):396-399.
[10] Yin F, Feng ZJ, Li XS. The early warning system based on the prospective space-time permutation statistic [J]. Journal of Hygiene Research,2007,36(4):455-458.(in Chinese) 殷菲,冯子建,李晓松.基于前瞻性时空重排扫描统计量的传染病早期预警系统[J].卫生研究,2007,36(4):455-458.
[11] Wang XL, Yang P, Dou XF, et al. Estimation on the real number of novel influenza A(H1N1) cases, Beijing,2009 [J]. Chinese Journal of Epidemiology,2010,31(5):497-499.(in Chinese) 王小莉,杨鹏,窦相峰,等.北京市2009年甲型H1N1流感实际感染人数的估算[J].中华流行病学杂志,2010,31(5):497-499.
[12] Guo BH.Analysis of influenza A(H1N1) in Chaoyang district in Beijing [C]. The eighth public health forum in Beijing-the influenza a H1N1 influenza prevention and Control Seminar,2009:24-26.(in Chinese) 郭炳虹.北京市朝阳区甲型H1N1流感疫情统计分析 [C].北京:第八届公共卫生北京论坛——甲型H1N1流感防控高层研讨会论文集,2009.
[13] Xu WT,Li L,Dong CX. Spatial and temporal cluster analysis of influenza epidemic in community surveillance of Tianjin city [J]. Chinese Journal of Public Health,2011,27(11):1399-1401.(in Chinese) 徐文体,李琳,董春晓.天津市社区流感监测时空聚集性分析[J].中国公共卫生,2011,27(11):1399-1401.
[14] Xu M, Ma AL, Yuan LC. Analysis on 1854 cases with fever of unkown origin [J]. Chinese Journal of Experimental and Clinical Infectious Diseases,2009,3(4):421-425.(in Chinese) 徐蒙,马安林,袁立超.发热待查1854例临床分析[J].中华实验和临床感染病杂志,2009,3(4):421-425.
[15] Tong ZW,Zhang LQ,Shi BN. Clinical analysis of 54 cases of infectious disease with fever as the main manifestation [J]. Zhejiang Medical Journal,2007,29(10):1098-1099.(in Chinese) 童照威,张龙琪,施柏年.以发热待查为主要表现的54例传染病临床分析[J].浙江医学,2007,29(10):1098-1099.
