我国传染病预警监测模型研究进展综述

袁方 YUAN Fang；任海玲 REN Hai-ling；赵梦 ZHAO Meng；宋菲 SONG Fei；李洲谊 LI Zhou-yi；赵崇燕 ZHAO Chong-yan

（①银川市第一人民医院信息管理部，银川 750001；②宁夏医科大学临床学院，银川 750004；③宁夏医科大学理学院，银川 750004）

0 引言

传染病的暴发流行多为突发性，无规律可循[1]，对人民生命健康及社会稳定造成巨大危害。传染病预警是传染病预防和控制的基础，是研判疫情趋势、遏制疫情蔓延的关键。2003年传染性非典型肺炎危机事件爆发后，我国建立了传染病与突发公共卫生事件网络直报系统，但缺乏利用数据模型对传染病进行预警[2]。随着信息技术的发展和公众健康需求的增长，卫生资源不断优化，传染病预警体系发生转变，基于数据模型的传染病预警研究受到公共卫生领域的青睐。近年来，国内外学者在传染病预警模型的研究方面做了大量探索：单一预警模型（时间模型[3]、空间模型[4]）、组合预警模型（时空模型[5]、关联模型（如症状-疾病关联模型[6]））、信息可视化展示[7]、区块链技术应用[8]、人工智能技术赋能[9]、物联网增效[10]等，传染病预警模型的研究正在为公共卫生事业的发展注入“新活力”。

本研究收集2020-2022年间国内外传染病预警研究文献150余篇，从不同技术、不同监测资料在传染病预警中的应用两大方面，对传染病预警模型的研究进展进行综述，以期为传染病预警模型的未来发展提供参考。具体归纳见图1。

图1 传染病预警模型研究进展

1 不同方法在传染病预警模型中的应用

1.1 统计学方法在传染病预警模型中的应用

传染病的发生和流行存在一定的人群、时间和空间特征，科学防控的基础在于及时发现危险因素、预测流行趋势、把握流行规律，提前预警并采取有针对性的防控措施对有效控制传染病的流行和对人群的危害至关重要。基于统计学的传染病预警模型可分为时间、空间、时空三类模型。归纳见图2。

图2 统计学方法在传染病预警模型中的应用

时间模型分析常基于已监测数据，利用数学模型计算预期值。时间模型中使用较为成熟的有CU-SUM、ARIMA及其衍生模型、Holt-Winters模型，如任嘉豪[11]学者提出的基于Holt-Winters预测模型，能较精准地对趋势性和季节性变化数据序列进行预测，周孟君[12]学者利用Holt-Winters衍生模型模拟入院人次在时间序列上的变动趋势，实现了良好的拟合预测效果。Ahmar[13]学者提出的α-Sutte模型是一种新型时间序列预测方法，近年来在COVID-19、婴儿死亡率预测中表现较好。分析传染病的空间分布可以为掌握疾病的流行病学信息，进行溯源和防控提供重要依据。例如王海星[14]学者利用空间模型分析患者地理位置的相关资料，监测传染病患者是否出现空间上的聚集性，对进行溯源和防控提供了重要依据。佘凯丽[15]学者利用空间自相关等分析方法分析肾综合征出血热发病的空间分布模式，探索影响因素的空间溢出现象，对该病监测数据的空间分析具有一定参考价值。杨昭辉[16]学者针对COVID-19疫情，使用GIS方法设计出传染病实时预警溯源系统，疫情防控水平提供参考。时空模型分析基于时间、空间和疾病特征方面的数据开展分析预警，主要分析方法及工具有SatScan、贝叶斯网络、PANDA、WSARE等。如徐冰[17]学者按照流行季节和发病程度对湖南省的研究区域进行了聚集性分析，可及时为社会和医疗机构提供预警信息；周志峰[18]学者基于时空重排扫描模型对深圳市流行性腮腺炎的发病情况进行逐日模拟预警，具有较好的早期预警效果。郑嘉丽[19]学者构建的面向多尺度传染病时空分析框架，对淋病、细菌性痢疾和流行性腮腺炎三类传染病的时空分布特征进行了较好的预测分析。

1.2 数学方法在传染病预警模型中的应用

传染病预警的数学模型基于传染病的传播速度、空间范围、传播途径和动力学机理等因素可划分为SI、SIR、SIRS、SEIR等模型。如陈婉婷[20]学者构建的SIR传染病模型得到了传染病不扩散的充分条件。叶丽霞[21]学者在SIR传染病模型的基础上添加随机干扰，构建了随机SIR传染病模型，具有一定的准确性与有效性。汪袁[22]学者运用脉冲微分方程相关理论建立了传染病模型，能够减少疾病的增加，对疾病的防控起到积极作用。王宇[23]学者基于分数阶模型对修正后的数据进行仿真，对COVID-19模型的预测提供一定参考价值。传染病预警的数学模型能为医疗机构提早制定防控策略提供参考，以最大限度减少传染病所带来的疾病负担和社会经济损失。

1.3 物理学方法在传染病预警模型中的应用

基于经典仓室模型的预警模型是现阶段主流传染病物理学模型。针对某类传染病将地区人群分为若干类，每一类被称为一个仓室[24]，SIR仓室模型是典型的三仓室模型。在仓室模型的基础上，后续研究者们提出了许多分类更加精细的模型。例如以不同仓室代表不同疾病状态人群，王俊芬[25]学者通过建立微分方程组研究了疾病的传播动力学过程。胡新利[26]学者建立了具有隔离仓室和潜伏仓室的非线性高维自治微分系统SEQIJR传染病模型，发现适当地增大隔离强度，将有效地控制疾病的蔓延。顾梓玉[27]学者提出一类无标度网络上具有警觉行为和隔离行为的SAIQRS传染病传播模型，可以降低传染病的爆发规模。

1.4 新一代信息技术在传染病预警模型中的应用

随着信息时代的到来，计算机技术愈发成熟。针对传染病预警，其对数据可视化、传输、处理技术的需求也越来越高。从众多新一代信息技术中，我们将在传染病预警方面突出的信息技术分为电子地图技术、区块链技术、深度学习技术三类。具体归纳见图3。

图3 新一代信息技术在传染病预警模型中的应用

电子地图技术可以清晰展现传染病的分布情况，使决策者可以通过更有效更直观地方法进行决策。裘炯良[28]学者综合利用统计地图的方法，实现了对全球传染病发生或流行的周期性评估、可视化展现。詹庆明[29]学者引入电子地图路径规划和列车班次等详尽的互联网交通数据，在基于时序分析及路径推断的疫情风险扩散分析和交通管制支持框架下，提高了人群流动数据与疫情空间分布的相关性。颜嘉麒[30]学者基于融合复杂网络的风险度量算法，构建了区块链传染病风险预警与数据共享系统，实现了在保护患者隐私同时自动化预警上报。深度学习技术可以将某些因素与传染病的发病相关联，对传染病的预警起到更加精确地防控作用。张翀[31]学者结合LSTM和长短期记忆网络深度学习模型对传染病发病趋势进行预测，发现LSTM模型预测的准确性较好，长短期记忆网络深度学习模型对符合时间序列流行特征的传染病发病趋势的预测，具有一定的实用价值。张帆[32]学者设计并实现了以深度学习为基础由Python web框架Django搭建的传染病预警系统，在预测肺结核上具有良好准确性。骆建香[33]学者提出基于注意力机制的传染病预测模型，有效提高传染发病人数的预测精度。

2 不同监测资料在传染病预警模型中的应用

近年来，随着数据采集方法的革新和新一代信息技术的进步，传染病预警资料的收集和分析愈发全面、高效，推动了传染病预警相关理论和实践的快速发展。针对现阶段国内外传染病预警模型的研究现状，可依据其监测资料的种类归纳为五部分：基于病例、症状、环境、病原学和互联网大数据的传染病预警模型。具体归纳见图4。

图4 不同监测资料在传染病预警模型中的应用

梅琳[34]学者以发热、咳嗽、头痛和腹泻为目标症状，构建突发呼吸道传染病症状监测预警模型，可精准预测目标症状分布趋势。甘忠志[35]等学者将症状监测应用于学校传染病预警，有效降低学校暴发疫情的风险。随着大数据时代的到来，传染病预警分析的资料来源也呈现多元化发展[36]，多源头采集数据为传染病预警的发展提供了创新思路。胡亚伟[37]学者为提高手足口病疫情预测精度，在研究中纳入手足口病的影响因素，将其归纳为地区因素、气象因素、社会因素和疾病自身因素四方面，为手足口病的精准预警提供科学依据。何海锋[38]学者提出临床决策支持系统实时处理医院内电子病历数据，利用知识库引擎辅助医师鉴别诊断新型突发传染性病例，同时对医院内疑似病例的及时发现以及鉴别诊断、质控等方面均可提供较好的解决方案。王梦莹[39]学者通过Hadoop大数据技术架构、集成HDFS分布式文件系统和HBase列式数据库，建立了真实场景下ICD编码规范的医院传染病预警系统，实现了多维度病历输入、早期筛查并发现疾病个体，从而进行群体监测预警。病例资料是传染病预警模型所应用数据来源的基础。陈洞天[40]学者设计出一种基于ICD编码和检验指标的传染病预警方案，对医生诊断进行标准化编码，对传染病检验和诊断结果进行实时监测，改善了传染病报告不及时、漏报、错报等问题。丁翀[41]、鲁芳芳[42]、高燕琳[43]等学者分别采集苏州市、宜昌市和北京市各层级医疗机构的传染病病例资料，建立了多点触发传染病预警系统，在一定程度上弥补了区域范围内原有网络直报系统的不足，提升了监测体系的性能和效果。病原学监测在病毒学传染病的预测、预报和预警中起到重要的作用。王博[44]学者提出病毒性传染病可用核酸检测和抗体血清学检测方法获取病原学资料，并作为医生的诊断辅助进行传染病预警。王琪[45]、汪丽娟[46]学者分析甘肃省发热伴出疹症候人群（Rash and fever syndrome，RFS）的病原学资料，构建SARIMA模型及其组合模型对RFS阳性率进行预测，结果显示组合模型预测精度较高。

3 总结与展望

针对传染病预警模型的构建，目前国内外学者大多都以病例、症状、互联网大数据等作为监测资料，利用统计学方法、数学方法或物理学法搭建模型，同时将新一代信息技术作为辅助方法用于完善模型的建立与运行。结果显示，现有国内外研究对于传统传染病（如流行性腮腺炎、手足口病、结核病等）预警效果较好，但对于新发传染病的预警效果欠佳，影响传染病模型预警效果的主要原因可能为：一是受数据及时性、准确性和敏感性以及数据类型局限性的影响，模型只能在单一传染病预警中表现较好或在某一阶段的传染病预警中表现良好；二是数据格式的统一化程度会影响传染病预警的准确性。因此，提高传染病预警效果可从以下两方面入手：一是医护人员要提高对传染病信息的敏感性，当临床诊断出现异常情况时要做到及时上报，避免出现预警失灵的情况；二是传染病预警模型要充分利用多源数据，优化算法性能，提高模型解释能力，同时融入互联网、生物信息和地理信息等不同领域新技术，减轻医护人员压力，改善医院传染病上报的效率和质量，为新发传染病预警提供有效帮助。