傳染病預測的意義

傳染病預測的意義

根據發(fā)病率的發(fā)生、發(fā)展規(guī)律和相關因素，預測疫情流行趨勢，對提高預防和控制傳染病的預見性、主觀性、提高效率和利益起到重要作用。隨著計算機的逐步推廣應用以及預測理論的迅速發(fā)展與完善,已有多種預測方法在傳染病的預防與控制中得到了實際應用,成為傳染病預防與控制的一項有效手段。本文就各種傳染病預測預警方法在我國的應用現(xiàn)狀作一綜述。1傳染病預測預警方法盡管我國傳染病防治工作在過去的幾十年已取得很大的成績,但由于近年不斷出現(xiàn)的新發(fā)傳染病和舊的傳染病死灰復燃以及全球化流行、蔓延的趨勢,預示著傳染病防治在今后相當長時間內仍是疾病預防控制工作的重點。疫情預測預警是有效應對傳染病重要的手段,且預測的病種均應是能構成重要衛(wèi)生問題的重點疾病。在實際工作中,對于傳染病的預測一般使用經驗預測的方法,通常存在準確性和敏感性不高以及很難獲得較準確的時間和空間的定位等問題,無法滿足當今傳染病預防控制工作形勢的需要。傳染病預測預警方法無論是在理論上還是在實踐中均證明為指導制訂防治措施依據的一項有效的方法。通過建立統(tǒng)計分析和數(shù)學模型的建立,探討傳染病發(fā)生、發(fā)展和流行的規(guī)律,一方面可根據預測的數(shù)據,有的放矢地提出和采取預防控制措施,并通過跟蹤印證來評價預防措施的效果,能使預防控制工作更具針對性、預見性和主動性,從而達到防止暴發(fā)或流行的目的;另一方面可將實時疫情信息與同期歷史資料比較,對于發(fā)病率超出所確定可信限范圍者作為異常來處理,以此發(fā)出暴發(fā)或流行的警示,從而實現(xiàn)疾病的早期預警。我國自80年代開始應用傳染病預測預警方法,起步較晚,目前僅一些省份在一些重點傳染病預測上應用過。目前由于用于預測的資料來源有限而影響傳染病流行的因素復雜多變,因此其研究方法及評價手段等還有待進一步完善。2預測精度的確定傳染病預測方法種類繁多,一般按預測時期長短可分為短期預測(月、季、半年和1年)、中期預測(1~3年)及長期預測(>3年);按預測方法可以分為定性預測和定量預測。一般來說,短期預測為控制流行或暴發(fā)服務,而長期預測則為制訂長期的預防控制策略服務,預測時期越短,預測精度越高。定量預測則比定性預測的預測精度高?？砂凑詹煌念A測目的使用不同的預測方法,制訂不同的預測計劃。3.1有關因素的分析定性預測是通過對當?shù)貍魅静“l(fā)生、發(fā)展規(guī)律及其有關因素的分析,判斷該病即將流行的趨勢和強度。其中流行控制圖法、比數(shù)圖法及利用“Z-D”現(xiàn)象進行傳染病預測預警的方法在我國應用較多。3.1.1傳染病預警模型流行控制圖法最早由美國Shewhart于1924年首創(chuàng),對于具有季節(jié)性流行或周期性流行規(guī)律的傳染病效果較好,而且簡單易行。法國的Hanslik曾在1998年世界杯足球賽上應用過。楊維中等以湖南省、遼寧省等省份共366個縣1997~2002年7種傳染病月報數(shù)據建立數(shù)據庫,建立預警模型,并綜合平衡靈敏度、特異度、陽性預測值、預測功效以及預測疾病的特點后,優(yōu)選出7種傳染病的合適預警界值,預警疾病的靈敏度和特異度在90%以上。曹明華等利用楊維中等的方法,以安徽省62個縣和43個區(qū)的2000~2005年細菌性痢疾、其他感染性腹瀉和腹瀉癥候群每年5~10月的腹瀉病門診監(jiān)測周報的就診和發(fā)病人數(shù)數(shù)據建立數(shù)據庫并建立模型,預警靈敏度和特異度均在94%以上。3.1.2正態(tài)分布的傳染病比數(shù)圖法通過比數(shù)(R)與其可信區(qū)間,來判斷某傳染病是否有流行征兆,適用于發(fā)病數(shù)呈正態(tài)分布的傳染病。美國早在80年代就將比數(shù)圖法應用于國家傳染病監(jiān)測系統(tǒng),其后研究亦證實該方法在公共衛(wèi)生監(jiān)測中是一種可行的好方法。我國譚德斌運用比數(shù)圖法,以1996~2000年東風汽車公司病毒性肝炎發(fā)病數(shù),預測2001年的流行情況,與實際情況一致。3.1.3基于“z-d”現(xiàn)象分析傳染病傳播過程1997年,曾光和丁雁鵬等通過對全國29省17種法定報告?zhèn)魅静〉臍v史資料進行分析,發(fā)現(xiàn)某病流行年發(fā)病曲線波峰向右偏移時,則下一流行年發(fā)病率將可能上升,且向右偏移程度越大,上升的概率越大,反之則下降,他們將傳染病的這種現(xiàn)象稱為“Zeng-Ding”即“Z-D”現(xiàn)象。傳染病季節(jié)發(fā)病曲線波峰的偏度在一定程度上綜合反映了眾多因素對流行過程的影響,利用“Z-D”現(xiàn)象分析傳染病疫情資料進行預測研究,對指導制定傳染病控制措施有積極意義。張嵐利用“Z-D”現(xiàn)象,對南昌鐵路局管區(qū)1970~1999年細菌性痢疾、病毒性肝炎兩種疾病的時間序列資料進行分析并作出了預測,結果顯示兩病回顧性預測符合率分別為66.67%和68.67%,三年外推性預測效果也較好。而程穎愷等也證實了麻疹、猩紅熱流行中存在“Z-D現(xiàn)象”。3.3傳染病預測模型定量預測是借助數(shù)學手段利用原始資料,建立恰當?shù)臄?shù)學模型,預測未來傳染病的發(fā)病數(shù)和發(fā)病率。目前常用的是時間序列模型中的灰色動態(tài)模型和Box-Jenkins模型及多因素模型中的小波模型。3.3.1建立灰色模型預測模型灰色動態(tài)模型(greydynamicsmodel)簡稱灰色模型(GM),由我國學者鄧聚龍教授于1982年創(chuàng)立,目前該模型在各個領域得到了廣泛的應用,也普遍用于多種傳染病的預測,已證實其適用性較強、建模的精度較高和預測性能好的優(yōu)點。胡偉紅利用長沙市1995~2005年的傳染病疫情資料進行灰色擬合及動態(tài)預測,生成預測模型,預測2006~2010年各類傳染病發(fā)病率,結果顯示建立的模型預測精度良好,外推預測各類傳染病符合流行規(guī)律。吳小清等采用灰色模型預測方法,對南京市1989~1997年流行性腦脊髓膜炎發(fā)病率進行擬合,所得理論值與實際值曲線基本一致,并對1998年發(fā)病率進行外推,預測效果良好。此外,灰色模型在傷寒、淋病、禽流感、麻風病、血吸蟲病和瘧疾等的流行趨勢預測中,均顯示了良好的效果。3.3.2預測模型的建立簡稱B-J模型,是經典的時間序列預測模型,也是精確度較高的短期預測模型之一。其中自回歸滑動平均混合模型(autoregressiveintegratedmovingaverage,ARIMA)是最重要的時間序列分析預測模型,但計算較為復雜,對數(shù)據的要求較高。吳家兵等對東風汽車公司1986~2002年法定傳染病逐月發(fā)病率進行ARIMA模型建模擬合,用所得到的模型對2003年各月發(fā)病率進行預測,預測值的動態(tài)趨勢與實際情況基本一致。董選軍等對寧波市鎮(zhèn)海區(qū)1985~2005年的傷寒疫情資料進行分析,構建ARIMA時間序列模型預測2006年的傷寒發(fā)病率,預測效果一般,不如潘平濤構建的灰色模型理想。3.3.3預測模型的選取及預測精度分析是多因素模型中的一種,是近年來應用數(shù)學領域新發(fā)展起來的一個分支,已成為國際上公認的時間-頻率分析的有效工具,它把小波分析方法引入了預測領域,在對離散的傳染病時間序列資料,尤其是季節(jié)性的傳染病時間序列資料的分析和應用方面取得了較大突破。郭秀花等利用小波分析理論構建黑河市和臨沂市1995~1998年48個月的出血熱腎病綜合征發(fā)病率季節(jié)性時間序列的預測模型,預測兩市1999年12個月的發(fā)病率,大部分預測結果均與實際發(fā)病率較為接近,認為小波分析是處理季節(jié)性時間序列的一種較好的預測方法。吳學森等則以部分縣1990~2001年的出血熱腎病綜合征月發(fā)病率分別建立了季節(jié)性趨勢時間序列小波預測模型和ARIMA時間序列預測模型,以2002年月發(fā)病率作為預測的實際參照值,結果小波預測模型的預測精度為84.8%,而ARIMA預測模型的預測精度只有66.1%。目前應用小波預測模型用于傳染病預測的報道尚少。3用于傳染病預測預警的資料收集及需注意的問題影響傳染病發(fā)展趨勢的因素除了與疾病本身流行的基本特征、在當?shù)氐陌l(fā)病水平有關外,還與影響疾病發(fā)生的一些氣象因素如氣溫、地面溫度、降雨量、氣壓、濕度等密切相關,因此用于傳染病預測預警的資料除了包括被動監(jiān)測的疫情報告資料、主動監(jiān)測的病例及外環(huán)境檢索的數(shù)據外,還應包括影響疾病發(fā)生和流行的因素的如氣象等相關資料,這樣的預測結果會更為準確和可信,但目前該方面的報道尚較少。由于大多數(shù)報道使用的資料來源于法定傳染病疫情報告系統(tǒng),其完整性和可信度各地差異較大,在一定程度上影響了預測的效果,因此在結果的解釋及利用上尚需審慎。由于影響傳染病流行的因素是復雜多樣的,因此,基于歷史資料所做出的對未來傳染病流行趨勢的預測,也必然有其局限性。為了保證預測預警的準確性,在進行傳染病預測時,要注意以下問題:一是資料的完整性和準確性。在資料收集過程中,應根據預測傳染病的流行病學特征全面、準確地收集發(fā)病數(shù)、人口數(shù)及影響傳染病發(fā)病的因素的資料,為選擇合理的預測方法及對預測結果的合理解釋奠定基礎;二是合理選擇預測方法。為保證預測結果的準確性,需根據所預測傳染病的預測目的、預測時期、流行病學特征和資料特點等因素合理選擇,如預測某種傳染病的發(fā)病率在未來是否會上升或下降,可選擇定性預測方法;如預測未來的流行趨勢,則選擇定量預測方法。在定量預測中,流行趨勢平穩(wěn)的可選擇ARIMA模型預測,流行趨勢不平穩(wěn)的可選擇灰色模型,季節(jié)性明顯的可選擇小波模型等。此外,ARIMA模型適用于短期預測,灰色模型和小波模型可作短、中期預測等;三是要及時開展預測效果的分析和評價工作,評價指標主要有靈敏度、特異度、陽性預測值及符合率等,以及時對預測效果差的模型進行修正,在評價過程中要充分考慮預測方法本身的局限性,還可進行預測效益的評價。4定量預測模型傳染病預測預警方法是指導制訂和采取傳染病預防控制方法的重要手段和依據,對傳染病的預防與控制具有積極的現(xiàn)實意義。近年隨著傳染病規(guī)律逐步得到認識以及計算機技術的普及應用,以及傳染病的預測技術日臻完善,該方法得到了廣泛的應用和推廣。預測方法一般分為定性預測和定量預測,目前在我國應用較多、效果較好的定性預測方法主要有流行控制圖法、比數(shù)圖法及利用“Z-D”現(xiàn)象,而在定量分析方法則主要有時間序列模型中的灰色動態(tài)模型、Box-Jenkins模型和多因素模型中的小波模型等?？砂床煌念A測目的選擇不同的預測方法。一般來說,定量預測比定性預測的精度高;定性預測方法簡單易行,定量預測方法計算復雜、對資料要求高;短期預測比長期預測的精度高。如需判斷未來流行趨勢升高或下降或僅對未來疫情作出預警,則使用定性預測方法,如需精確地預測未來疫情的流行趨勢,則