传染病预测预警方法和模型

1传染病预测预警方法和模型2主要内容•一、国内外传染病预测预警现状•二、传染病预测常用方法•三、传染病预测方法新进展•四、传染病预测预警体系发展方向探讨3•世界卫生组织（WHO）大力宣传建立传染病预警系统的重要性和必要性，致力于强化现有的传染病监测系统，发展早期预警系统。•传统监测系统与早期预警系统的区别：•传统监测系统主要依靠医务人员的诊断信息追溯疾病的流行状况•早期预警系统主要利用疾病诊断之前的临床证据以及其它一些相关信息判断是否会有传染病爆发或流行的发生。4图1传染病预测预警体系构成传染病预测预警主要由传染病监测、传染病预测、传染病预警三大核心模块构成。预测可视为一种工具，通过一些分析方法和模型把的数据资料转化为进行预警决策的信息传染病监测是预警分析的基础预警是监测的目的之一，也是预测技术在实践中的重要应用5一、国内外传染病预测预警现状61、国内•2004年1月，传染病和突发公共卫生事件网络直报系统在全国范围内开始试运行，同年4月该系统正式启用，随后又在该平台上启动了全国艾滋病、结核病网络直报工作。其他各种疾病监测工作也逐渐构建在该平台之上，逐步实现公共卫生信息资源整合和共享。•2008年3月，全国传染病监测自动预警（时空模型）系统应用试点工作正式开始。•2007年7月，中国CDC信息中心启动了网络直报系统与医院信息系统（HospitalInformationSystem，HIS）连接的试点工作，目的在于推进医疗和预防两大业务系统的互连互通，为更好实现传染病预测预警工作提供了强大的数据支持和信息平台。7图2中国疾病预防控制信息系统82、国外•2000年--2004年WHO帮助伊拉克、塞尔维亚、摩洛哥、马其顿和苏丹等国家相继建立了传染病早期预警系统。•2002年9月，伊拉克传染病控制中心用计算机处理监控数据，以促进传染病爆发的早期发现。•2002年10月，塞尔维亚公共卫生研究所建立探测疾病爆发的早期预警系统。•2003年1月，WHO与法国防疫研究所合作，支持摩洛哥的流行病和疾病控制局设计规范的计算机预警系统。•2003年5月，马其顿共和国卫生当局设计实现电子预警系统的行动计划。•2004年5月，WHO与其他联合国机构和非政府组织合作，在苏丹联邦卫生部制定了一个早期预警系统。9•美国、加拿大、欧盟等国家和地区纷纷建立传染病预测预警相关体系和专门的机构，这其中有共同之处，也各具自身特色。•美国提出全面战略研究计划•加拿大建立全国统一的综合决策部门•欧盟采用集团型传染病监测预警系统10•2.1美国——全面战略研究计划•美国的传染病监测预警系统非常全面，其主要特点是监测体系、实验室检测等方面技术先进且实力雄厚，并且注重合作和信息交流。•美国CDC注重与联邦政府部门和其他机构合作，共同进行疾病监测和预防控制工作。并且注重国际间的合作，与其他25个以上国家合作，提供国际性的疾病传播监管服务，实现早期预警，早期预防，从而避免急性传染病跨国流行。•美国的传染病监测预警系统的基础是有效的监测体系，是一个动态地、系统地采集、分析、解释和分发数据的体系。这个体系的主要任务是检测、调查、监视急性传染病发生和传播的特点以及评估预防和控制的效果。•1946年美国CDC成立后，建立了针对疟疾及热带传染性疾病的全国传染病监测系统。从1995年开始，CDC先后建立了各种急性传染病监测网络。2001年，CDC整合了全国100多个大大小小的各种专业监测系统，将全国疾病监视申报系统升级为“全国疾病电子监测系统”。11•2.2加拿大——全国统一的综合决策部门•加拿大传染病监测预警系统是以监测为核心，确定国家传染病监测重点，加强系统内部合作，充分利用监测信息。•加拿大就传染病监测方面，省和联邦卫生部门通过流行病学咨询委员会传染病分会（简称ACE）达成共识，传染病监测由省级以下卫生部门执行，但整个监测行动由联邦政府统一协调和监督。•疾病监测不仅收集数据，还要编辑、整理、统计和分析数据，最后做出判断，同时参与特殊传染病的全球性监测。12•2.3欧盟——集团型传染病监测预警系统•欧盟采用集团型传染病监测预警系统，其主要特点表现在注重集团内部多个国家的合作，为成员国对传染病防控提供交流的平台，同时注重国际间的合作。•1998年成立流行病监测和传染病控制网络，由监控系统和预警应对系统（Earlywarningresponsesystem，EWRS）两大支柱构成，当存在可能爆发潜在传染病并有向多国蔓延之势时，对欧盟委员会及其成员国发出警告，以便采取统一协调的应对举措。•EWRS要求报告疾病的范畴有三个方面：①在某个欧盟成员国蔓延的传染性疾病；②可能由病原体引起且有欧盟成员国间蔓延风险的疾病；③需要欧盟及时采取协调行动遏制的死灰复燃的传染病。13二、传染病预测常用方法14•1、定性预测•①流行控制图法：季节性流行或周期性流行•②比数图法：发病数呈正态分布的传染病•③Delphi法：提供参考意见，要用进一步的调查来证实•2、定量预测•①时间序列预测模型灰色模型：流行因素较稳定的疾病进行短期预测B-J模型（ARIMA):适用n50的非平稳时序列，是一种精确度较高的短期预测模型•②多因素模型：2个或2个以上变量进行分析多元回归模型、神经网络模型•3、综合预测法15二、传染病预测常用方法•1、定性预测•定性预测是通过对当地传染病发生、发展规律及其有关因素的具体分析，判断该病即将流行的趋势和强度。•定性预测主要包括流行控制图法、比数图法、Delphi法等等。16•①流行控制图法：1924年美国休哈特（W.A.Shewhart）首创，是对过程质量特性值进行测定、记录、评估，从而监察过程是否处于控制状态的一种用统计方法设计的图。•控制图法适用于各种分布的传染病，对于具有季节性流行或周期性流行规律的传染病，效果较好。流行控制图法方法简单，指标容易得到，在疾病监测中是一种较好的“预警”方法。图3控制图法示例中心线（中位线）上控制线（上警戒线）下控制线（下警戒线）17应用步骤•选定研究病种和预测时间（如某月的发病率）•确定数据库：一般连续3-5年资料•确定流行标准：通常采用专家咨询法量化(如以5年资料为好，用±2s判断流行，s为标准差）•建立预警模型：以研究疾病观察月既往5年该月及前后一个月的月发病率数据为基线数据，计算出指定的百分位数作为预警界值(如P50、P80等），建立预警模型•优选合适的预警界值：绘制ROC曲线•分析软件：EXCEL，SPSSX18图45年基线数据建立预警模型的原理19•②比数图法：比数图法在传染病预测中是一种可行的好方法，适用于发病数呈正态分布的传染病，比数(R)的计算公式如下R=A/，R的95%的可信区间：1±1.96s/，A为分析当月某病的发病数，为该病近5年同月及其前后1个月(即15个月)的发病数的月发病均数，s为标准差，一般是利用某地近5年传染病的月(或4周)发病数据来计算比数。若比数超出此上限范围，表示有流行的征兆。XX20•③Delphi法：即德尔菲法，也称为专家评分法或专家咨询法。是采取匿名的方式广泛征求专家的意见，经过反复多次的信息交流和反馈修正，使专家的意见逐步趋向一致，最后根据专家的综合意见，从而对评价对象作出评价的一种定量与定性相结合的预测、评价方法。•20世纪40年代由O．赫尔姆和N．达尔克首创，1946年，兰德公司首次用这种方法进行预测，后来该方法被迅速广泛采用。直到20世纪70年代中期，Delphi法才开始在医学领域中有所应用，在传染病监测系统中的应用也甚为广泛。•WHO曾经使用此方法对今后10年艾滋病流行趋势进行了预测，并根据预测的结果，制订出防治规划和干预措施。•特别注意：Delphi方法只是为传染病预防控制提供参考意见的一种方法，不能过份依靠，要用进一步的调查来证实这些意见是否正确。21应用步骤•成立预测专家小组•确定预测地区和预测病种•调查：提供背景资料----专家回答预测问题----汇总分析----反馈给专家----专家再次回答，反复2-4次，使预测意见趋于一致•综合整理预测结果22•2、定量预测•定量预测是借助数学手段利用原始资料，建立恰当的数学模型，预测未来传染病的发病数和发病率，其预测精度与可靠性取决于数据的准确性和模型的科学性。•根据自变量的多少可分为时间序列模型和多因素模型。•2.1时间序列预测模型：•时间序列预测模型假设预测对象的变化仅与时间有关，根据它的变化特征，以惯性原理推测其未来状态。时间序列模型主要包括灰色动态模型、B-J模型等。23•①灰色动态模型：灰色动态模型是我国学者邓聚龙教授于1982年创立的，后在各个领域得到了广泛的应用。它以颜色的深浅代表系统信息的完备程度，其中应用最广泛的是GM(1，1)模型。•近年来，我国的疾病监测工作者也在尝试将灰色系统理论引入到传染病的预测中，目前关于这方而的应用实例比较多。•灰色动态模型对样本容量和概率分布没有严格要求，模型简单，预测效果好，适合于对流行因素较稳定的疾病进行短期预测。24•GM(1，1)模型应用步骤25•②Box—Jenkins模型：Box—Jenkins模型简称B-J模型，是时间序列预测模型中最复杂、最高级的模型，其中重要的应用广泛的预测模型是自回归滑动平均混合模型法(autoregressiveintegratedmovingaverage，ARIMA)。•ARIMA将预测对象随时间变化形成的序列，看作是一个随机序列，呈现一定的规律性，用数学模型近似描述。模型识别是整个建模型阶段最为重要的一步，而对建立的预测模型的实际意义的检验则是预测应用阶段中极为重要的一步。•该模型适用n50的非平稳时序列，是一种精确度较高的短期预测模型。B—J模型的缺点是计算过于复杂，不过现有许多统计软件包已克服了应用B—J模型进行预测的计算的复杂性。26应用步骤：ARIMA（p,d,q)•根据时间序列的散点图、自相关函数和偏自相关函数图检验其方差、趋势及其季节性变化规律，对序列的平稳性进行识别。•对非平稳序列进行平稳化处理。如果数据序列是非平稳的，并存在一定的增长或下降趋势，则需要对数据进行差分处理，如果数据存在异方差，则需对数据进行技术处理，直到处理后的数据的自相关函数值和偏相关函数值无显著地异于零。•根据时间序列模型的识别规则，建立相应的模型。•进行参数估计，检验是否具有统计意义。•进行假设检验，诊断残差序列是否为白噪声。•利用已通过检验的模型进行预测分析。•分析软件：SPSS27•2.2多因素模型：多因素分析是同时对观察对象的2个或2个以上变量进行分析，从相互联系与制约的复杂关系中把握事物的本质。多元回归模型、逐步判别模型、小波模型、人工神经网络模型等均属多因素模型。•由于传染病流行特征的复杂性和多变性，模型中的变量在不同地区、不同病种、不同时段都有不同的参数，在实践中需不断进行调整，限制了多因素模型的应用和推广。•主要有多元回归模型和人工神经网络模型。28•①多元回归模型：回归模型预测传染病发病及流行趋势通常是应用直线或曲线拟合原始发病数据，用数字和等式来表达传染病的流行规律，从而找到控制疾病的有效方法。在定性分析确定现象或指标之间确实存在相关关系之后，才能利用回归预测法研究和测定相关关系的数量表现。但是回归预测不能任意外推，如果任意外推，预测远期目标，那么误差就大。•Logistic回归分析在医学研究中应用广泛，主要是用于流行病学研究中危险因索的筛选，同时具有良好的判别和预测功能，尤其是在资料类型不能满足Fisher判别和Bayes判别的条件时，更显示出Logistic回归判别的优势和效能。29图5日累计发病人数实际值与预测值曲线图Logistic回归分析应用步骤（分析软件：SPSS）①选取疫情数据②函数拟合④进行预测③建立模型30•②人工神经网络模型：是近十年来迅速发展起来的一门集神经科学、计算机科学、信息科学、工程科学为一体的边缘交叉学科，已应用于信号处理、模型识别、综合评价、预测分析等领域。•常用的神经网络模型有BP神经网络模型（误差逆向传播模型