江苏省淮安市 盱眙县疾病预防控制中心 211700
摘要：近年来传染病预测预警工作受到全社会的广泛关注，将传染病的流行病学特点与统计学模型相结合，通过数据分析建立传染病预测预警模型，及时发现传染病发生的异常先兆及可能趋势，真正做到防患于未然，，对于传染病控制工作意义重大。
关键词：传染病；预测；预警；评价指标
1.前言
传染病预测是对疾病未来的发生、发展和流行情况开展分析，传染病预警则是指利用预测方法，及早发现传染病异常变化的征兆，并发出警报，提醒流行病学专家和工作人员及时调查核实，以达到早发现早处理的目的。传染病的预警不仅需要掌握疾病的发生发展趋势，更要求研究系统能及时识别早期的异常情况并发出警报，启动应急反应[1]。
传染病曾是危害人类健康和社会进步的严重因素，随着医疗卫生条件和经济水平的发展已使其得到一定的改善和控制，但迄今为止，传染病仍是人类发病率较高、引起突发公共卫生事件较多的疾病。2003年的SARS事件、2014年埃博拉病毒疫情等，使政府及人们更加认识到建立合适的传染病预测预警系统的重要性，以便提前预测出传染病流行趋势和大流行发生的可能性，启动相应的预警机制，指导有关部门和社会公众及时采取相应防范措施，在最大程度上降低对社会、经济的影响。
2.传染病预测预警模型
流行病学数学模型为传染病防制从经验到理论的发展提供了有效的研究方法。它是在已知某疾病的流行过程、影响的主要因素及其相互关系的基础上，用数学表达式定量地阐述流行过程特征，反映疾病生态学的量的制约关系，是疾病传播过程的数学模拟。这类模型广泛应用于流行病学研究的各个领域，在研究疾病的流行特征、效果评价以及疾病预测中，起着十分重要的作用。近年来，传染病预测模型的发展十分迅速，方法和种类也越来越多。以下根据定量预测和定性预测的分类方法，对几种主要的模型进行简介。
2.1定性预测
定性预测是指通过对当地传染病发生发展规律及其有关因素的分析，判断该病即将流行的趋势和强度。在我国，利用流行控制图法、比数图法及利用“Z-D”现象对传染病发生进行预测应用的较多。
2.1.1 流行控制图法
流行控制图法是由美国W.A.Shewhart于1924年首先创立，最早应用于检验和判断重复实验的准确度和精密度。该方法法适用于各种分布的传染病，对于具有季节性或周期性的传染病预测效果较好。流行控制图中有3条曲线，分别代表上警戒线、下警戒线和中位数线，根据发病率的大小以及疫情发展的快慢来预测传染病发生、流行的趋势和强度。杨维中等以湖南省辽宁省等省份共366个县1997~2002年7种传染病月报数据建立数据库，建立预警模型，并综合平衡灵敏度、特异度、阳性预测值、预测功效及所预测疾病的特点后，优选出7种传染病的合适预警界值，预警疾病的灵敏度和特异度在90%以上，在传染病预测中是一种较好的预警方法。
2.1.2 比数图法
比数图法通过比数与其可信区间，来判断某传染病是否有流行征兆，适用于发病数呈正态分布的传染病。比数图法很早就被应用传染病的监测，并多次被证实是其可行性。
2.1.3 “Z-D”现象
又称“Zeng-Ding”现象，是曾光和丁雁鹏等于1997年在对全国29省17种法定报告传染病的历史资料进行分析时发现的，即若某病流行年发病曲线波峰向右偏移时，则下一流行年发病率可能上升，且向右偏移程度越大，上升的概率越大，反之则下降。目前，已有很多学者利用“Z-D”现象对部分传染病进行了预测，并证实了麻疹、猩红热、细菌性痢疾等都存在该现象。
2.2定量预测
定量预测是指借助数学方法利用原始资料来建立合适的数学模型，预测传染病未来的发病情况。目前以时间序列方法在传染病预测中应用最多，如ARIMA模型、马尔科夫链模型等。
2.2.1 ARIMA模型
ARIMA模型是由博克思（Box）和詹金斯（Jenkins）提出的著名时间序列预测方法，又称为Box-Jenkins模型。该模型是目前最常用的时间序列预测方法，它综合考虑了序列的趋势变化、周期变化及随机干扰，并借助模型参数进行了量化表达[2]。
标准的ARIMA模型ARIMA（p，d，q）（P，D，Q）s，其中p，q分别表示自相关函数和偏自相关函数的阶，d 表示进行差分的次数，P、Q、D 分别表示季节性自相关、偏自相关函数的阶和差分的次数，s表示季节性的周期。ARIMA模型最大的特点在于它仅以过去观测值进行分析与预测，不需考虑其他外部数据。以时间综合替代各种影响因素，分析过程简便、经济，短期预测精度较高。缺点在于，若数据较复杂，则此模型的参数挑选比较困难，且若数据在某些时间有特定事件发生，模型无法考虑此特定时间的数据，因此需要对模型参数进行修正。对小样本预测时的预测精度较差，对于小规模暴发的早期预警的难度较大，对于长期的历史数据，其预测的精度也不如其他模型[3]。
2.2.2马尔可夫链法
马尔可夫链模型是以俄国数学家A.A.Markov来命名的，是一种非参数的离散型时间序列分析方法。该方法以概率论为基础，运用基础数学模型来分析对象发展变化过程中数量关系。
期刊文章分类查询,尽在期刊图书馆该模型是通过对随机过程在不同时刻所处状态之间的变化规律，预测这一过程在下一时刻和下几个时间所处状态。
Markov模型最大的特点是无后效性，就是在已知现在状态的条件下，其将来的状态只与现在有关，不依赖过去。它根据疾病的不同阶段和各种状态间的转换概率来模拟疾病进行和结局，相比其他模型能较好地反映疾病的过程，被认为更适用于慢性疾病的研究。
近年来，许多学者将马尔可夫链理论应用于传染病发病的预测，并建立了一些相关的数学模型对各类传染病的发病情况进行综合分析与研究。这些定量分析方法因其对历史数据依赖较少、准确性较高、对各种分布均具有适应性而受到了广泛欢迎[4]。然而，运用传统的马尔可夫链方法对传染病发病的情况进行预测分析也有其难以回避的不足和缺陷，如无法证明此马尔可夫链是否满足齐次性、模型预测的准确性受客观因素的影响较大等。
3.预警指标体系
传染病的预警还必须建立一套指标体系，通过综合运用指标体系对某一传染病的情况进行分析和评价，确认发生危机的可能性和严重程度，决定是否发出报警[5]。确立一套灵敏、有效的预警指标体系是预警系统建设成功的前提和基础。就传染病预警指标而言，应具备及时性、准确性和可操作性强等特点。针对以上特点，结合传染性疾病的发生、发展过程和预警指标的分类，传染病预警体系的建立主要分为以下步骤：
3.1预警指标体系基本框架
传染性疾病在发生和发展过程中要经历暴露期－潜伏期－非典型症状期－典型症状期4个阶段，故预警指标体系的建立需具备层次性。在此基础上，通过文献研究和专家论证，提出预警指标体系框架图。具体见表1。
3.2初步确定传染病预警指标的层次及相应的指标
经过分析，该预警指标层次应分为三个层次，包括疫情暴发或流行前期指标、非典型症状期指标和典型症状期指标。在此基础上，分析每一层的特点，提出每一层的具体指标。
在最终确定传染病预警指标的过程中，常需要用到德尔菲法咨询结果。德尔菲法是在20世纪40年代由O.赫尔姆和N.达尔克首创，经过T.J.戈尔登和兰德公司进一步发展而成的。该方法主要是由调查者拟定调查表，按照既定程序，以函件的方式分别向专家组成员进行征询；而专家组成员又以匿名的方式提交意见。经过几次反复征询和反馈，专家组成员的意见逐步趋于集中，最后获得具有很高准确率的集体判断结果。
3.3传染病预警指标体系的确立
根据最后一次德尔菲法咨询结果，结合项目中期汇报中专家的建议和意见，经过小组讨论和个别专家访谈，对建立的指标进一步的提炼，综合和修改，选取最终指标构成传染病预警指标体系。在这一过程中，还需要确定指标权重系数，调节专家咨询系数等。
在实际应用各指标对传染病预警系统进行评价时，还应根据具体疾病、具体情况进行分析。因为对于同一预警指标，不同级别的疾控中心可获得性不同，因此还需进一步明确有关指标的定义，指标体系的完善也还需要在实践中摸索和验证。
3.4预警指标体系的完善
传染病预警指标体系建立之后，必定还存在一些没有考虑周到的问题，还需在应用中不断进行完善。如部分指标间存在相关，内涵部分重叠，综合分析以及设定相应的警戒线等都是预警系统建立过程中迫切需要解决的问题。
此外，还应结合我国症状监测的试点研究，利用实际监测数据对相关指标进行评价，探讨不同指标的预警价值和预警阈值的设定，尝试不同指标的组合和预警数学模型的建立。并结合具体的特定传染病，明确、细化指标的定义，探讨指标的监测方案和评价方法，在保障指标体系有效性的前提下，尽可能的简化指标体系，减少建立和运行指标体系的成本，提高指标体系的实际可操作性。
4.总结
4.1我国传染病预测预警体系存在的主要问题
我国传染病防治工作在过去的几十年已取得很大的成绩，但近年不断出现的新发传染病以及全球化流行蔓延的趋势，预示着传染病防治在今后相当长时间内仍是疾病预防控制工作的重点[6]。
我国预测预警研究起步较晚，特别是预警研究。我国关于预警的研究基本上是在2003年SARS暴发流行以后，才逐渐得到重视并取得一定的成绩，缺乏长期、系统的研究。且预测预警研究大多是针列某一地区单一病种开展的。由于不同传染病的差异和不同地区的发病特点，使不同研究方法之间不具可比性，也难以其他地区推广[7]。
此外，在进行传染病预测时，还要注意资料的完整性和准确性以及预测方法的合理选择等问题。及时开展预测效果的分析和评价工作，以便对预测效果差的模型进行修正也十分重要。
4.2展望
二十一世纪以来，我国经济文化正不断快速发展，卫生条件也在逐渐改善，政府对传染病预测、预防、预警的重视程度也不断提高，目前传染病的防治工作已取得了十分显著的成效[8]。尤其是近几年来，随着传染病规律逐步得到认识何计算机技术的普及应用，以及传染病预测预警技术日臻完善，传染病预测预警工作得到了广泛的应用和推广，相信，在相关统计学模型的应用下，传染病的发生率及危害将降至最低，我们的医疗卫生环境将越来越好。
参考文献：
[1].林玫，李永红，董柏青.我国传染病的预测预警现状[J].中国热带医学，2010，10（3）：308~310.
[2].吴家兵，叶临湘，尤尔科.ARIMA模型在传染病发病率预测中的应用[J].数理医药学杂志，2007，20（1）：90~92.
[3].史继新，张文增，冀国强，等.ARIMA模型在流感样病例预测预警中的应用[J].首都公共卫生，2010，4（1）：12~15.
[4].王丙刚，曲波，郭海强，等.传染病预测的数学模型研究[J].中国卫生统计，2007，24（5）：536~540.
[5].肖洪，田怀玉，赵鍊，等.传染病模型分析与预测方法研究进展[J].中华流行病学杂志，2011，32（1）：81~85.
[6].梁万年.加强我国传染病预警的研究与应用[J].中华流行病学杂志，2011，32（5）：429~430.
[7].熊玮仪，冯子健.中国传染病监测的发展历程、现状与问题[J].中华流行病学杂志，2011，32（10）：957~960.
[8].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（12）：1406~1409.
论文作者:湛蓝,周霞
论文发表刊物:《健康世界》2015年21期
论文发表时间:2016/3/8
标签：传染病论文; 模型论文; 指标体系论文; 指标论文; 方法论文; 疾病论文; 发生论文; 《健康世界》2015年21期论文;