傳染病預(yù)警指標(biāo)體系及三種預(yù)測(cè)模型的研究.pdf

1、以重大傳染病疫情為主的突發(fā)公共衛(wèi)生事件不僅嚴(yán)重危害人民的生命財(cái)產(chǎn)安全，還極易造成恐慌，引起社會(huì)動(dòng)蕩，影響社會(huì)生活的方方面面，甚至阻滯經(jīng)濟(jì)的發(fā)展。建立和發(fā)展傳染病預(yù)測(cè)預(yù)警技術(shù)，提高預(yù)測(cè)預(yù)警的及時(shí)性和準(zhǔn)確性，對(duì)于傳染病控制工作意義重大。實(shí)踐證明，開展預(yù)測(cè)預(yù)警研究在傳染病防制中具有良好的衛(wèi)生經(jīng)濟(jì)學(xué)指標(biāo)，具有低投入、高回報(bào)的特征。 預(yù)測(cè)是對(duì)疾病未來(lái)的發(fā)生、發(fā)展和流行趨勢(shì)開展分析；預(yù)警則不僅需要掌握疾病的發(fā)生發(fā)展趨勢(shì)，更要求能及時(shí)識(shí)別早期

2、的異常情況并發(fā)出警報(bào)，啟動(dòng)應(yīng)急反應(yīng)。預(yù)警必須建立一套指標(biāo)體系，通過(guò)綜合運(yùn)用指標(biāo)體系的方法對(duì)某一傳染病的情況進(jìn)行分析和評(píng)價(jià)，確認(rèn)發(fā)生危機(jī)的可能性和嚴(yán)重程度，決定是否發(fā)出危機(jī)報(bào)警，并提出必要的措施以尋求最低損失。確立一套靈敏、有效的預(yù)警指標(biāo)體系是預(yù)警系統(tǒng)建設(shè)成功的前提和基礎(chǔ)。 第一篇： 目的：構(gòu)建適合我國(guó)國(guó)情的傳染病應(yīng)急預(yù)警指標(biāo)體系，提出建設(shè)和保障該指標(biāo)體系有效運(yùn)行的建議，為我國(guó)傳染病預(yù)警系統(tǒng)的建設(shè)提供思路和參考。

3、研究?jī)?nèi)容： （1）通過(guò)文獻(xiàn)學(xué)習(xí)和評(píng)閱，了解國(guó)外預(yù)警系統(tǒng)的建設(shè)和預(yù)警指標(biāo)的組成情況。 （2）結(jié)合文獻(xiàn)學(xué)習(xí)和現(xiàn)場(chǎng)調(diào)查，個(gè)人深入訪談和小組訪談等形式，對(duì)我國(guó)傳染病預(yù)警現(xiàn)狀進(jìn)行分析。 （3）提出我國(guó)傳染病預(yù)警指標(biāo)體系框架。通過(guò)組織兩次專家咨詢會(huì)議、兩輪德爾菲法咨詢、以及開展小組討論等方法，確定我國(guó)傳染病疫情預(yù)警指標(biāo)體系的組成。 （4）提出建設(shè)和保障預(yù)警指標(biāo)體系有效運(yùn)行的建議。 研究方法：采用文獻(xiàn)評(píng)閱、現(xiàn)有

4、資料整理分析、現(xiàn)場(chǎng)調(diào)查、半結(jié)構(gòu)化訪談/個(gè)人深入訪談等方法構(gòu)建指標(biāo)體系框架，使用德爾菲法與專家會(huì)議法相結(jié)合構(gòu)建指標(biāo)體系的組成，使用小組討論和個(gè)別專家咨詢法對(duì)指標(biāo)體系進(jìn)一步修正和完善。 主要研究結(jié)果： （1）指標(biāo)體系的框架：結(jié)合傳染病疫情發(fā)生、發(fā)展的不同時(shí)間階段性特點(diǎn)和預(yù)警理論，提出傳染病疫情預(yù)警指標(biāo)應(yīng)包括3大類：暴發(fā)或流行前期指標(biāo)、非典型癥狀期指標(biāo)和典型癥狀期指標(biāo)。 （2）指標(biāo)體系的設(shè)置：通過(guò)文獻(xiàn)學(xué)習(xí)構(gòu)建109項(xiàng)備

5、選指標(biāo)，根據(jù)預(yù)警指標(biāo)的設(shè)置原則和結(jié)合專家咨詢會(huì)議進(jìn)行討論、咨詢，篩選89項(xiàng)指標(biāo)形成指標(biāo)體系雛形。 （3）德爾菲法咨詢專家構(gòu)成：主要來(lái)自傳染病防制、流行病學(xué)教學(xué)科研、突發(fā)公共衛(wèi)生事件應(yīng)急處理、衛(wèi)生行政管理、健康教育等領(lǐng)域。其中89％的專家具有副高以上職稱，92％的專家專業(yè)年限在10年以上。 （4）指標(biāo)篩選結(jié)果：兩輪德爾菲法咨詢專家的積極系數(shù)分別為78％和100％，在咨詢中有70％的專家對(duì)指標(biāo)體系提出了書面的改進(jìn)建議，說(shuō)明專

6、家對(duì)本研究比較支持和關(guān)心；專家對(duì)指標(biāo)熟悉程度均在0.7以上，權(quán)威系數(shù)在0.8以上，說(shuō)明專家咨詢所得的結(jié)果具有權(quán)威性；兩輪咨詢后的專家意見協(xié)調(diào)系數(shù)為0.782(P<0.05)，說(shuō)明專家意見協(xié)調(diào)性好；最終的指標(biāo)體系共包括三大類25項(xiàng)指標(biāo)，其中權(quán)重系數(shù)較高的指標(biāo)均為目前疫情監(jiān)測(cè)、預(yù)警工作中較為重視、應(yīng)用較多的指標(biāo)。 （5）不同級(jí)別機(jī)構(gòu)對(duì)各個(gè)指標(biāo)的獲得難易程度不一，在指標(biāo)體系的應(yīng)用中存在差異。 主要結(jié)論： （1）已建立的

7、預(yù)警指標(biāo)體系共包括3大類25項(xiàng)指標(biāo)，可作為傳染病預(yù)測(cè)預(yù)警的基本指標(biāo)。 （2）指標(biāo)體系的構(gòu)建結(jié)合了傳染病發(fā)生、發(fā)展過(guò)程中的不同特點(diǎn)和預(yù)警理論，具有一定的理論基礎(chǔ) （3）預(yù)警病例的出現(xiàn)、傳染性疾病病例/疑似病例報(bào)告數(shù)/死亡數(shù)、其它地區(qū)發(fā)生特定疫情、人群疫苗接種率、發(fā)生重大的災(zāi)害/災(zāi)難這5項(xiàng)指標(biāo)在預(yù)警指標(biāo)體系中相對(duì)重要性排列居前五位，與實(shí)際情況相符。 （4）目前建立的預(yù)警指標(biāo)體系是一個(gè)總體的、基本指標(biāo)體系。具體應(yīng)用到特

8、定疾病時(shí)存在著總體和個(gè)別的關(guān)系，需根據(jù)具體疾病和地區(qū)的特點(diǎn)進(jìn)行指標(biāo)的取舍和修訂。 建議：建設(shè)預(yù)警指標(biāo)體系并保障其有效運(yùn)行，有以下建議（1）完善現(xiàn)有的疾病監(jiān)測(cè)系統(tǒng)；（2）加強(qiáng)癥狀監(jiān)測(cè)的試點(diǎn)研究，建立和發(fā)展癥狀監(jiān)測(cè)系統(tǒng)；（3）加大對(duì)基層衛(wèi)生機(jī)構(gòu)建設(shè)的投入；（4）與相關(guān)部門共建信息交流平臺(tái)；（5）健全相關(guān)的政策，法律法規(guī)建設(shè)；（6）開發(fā)、建設(shè)數(shù)據(jù)實(shí)時(shí)采集、傳遞和存儲(chǔ)系統(tǒng)；（7）提高數(shù)據(jù)整合、分析的技術(shù)水平；（8）加強(qiáng)多學(xué)科領(lǐng)域?qū)＜业膮f(xié)

9、力合作；（9）與他國(guó)積極開展相關(guān)領(lǐng)域的合作，與國(guó)際接軌；（10）應(yīng)用和完善預(yù)警指標(biāo)體系需要分階段、分步驟的完成。 第二篇： 目的：由于傳染病的月發(fā)病率數(shù)據(jù)呈現(xiàn)出線性和非線性的特征，而既往預(yù)測(cè)多以傳統(tǒng)線性模型為主。本篇擬采用傳統(tǒng)的線性ARIMA模型，非線性的神經(jīng)網(wǎng)絡(luò)徑向基函數(shù)(RBF)模型和采取串聯(lián)的方法，將線性和非線性模型進(jìn)行組合，建立組合模型對(duì)不同傳染病發(fā)病率開展預(yù)測(cè)，比較不同模型的預(yù)測(cè)效果，探討適合傳染病發(fā)病率預(yù)測(cè)的

10、新數(shù)學(xué)模型。 研究資料和內(nèi)容：以宜昌市1997-2006年法定傳染病報(bào)告數(shù)據(jù)為對(duì)象，采用ARIMA模型，RBF神經(jīng)網(wǎng)絡(luò)模型和ARIMA-GRNN組合模型分別對(duì)宜昌市的甲乙類傳染病合計(jì)報(bào)告發(fā)病率，肺結(jié)核報(bào)告發(fā)病率和細(xì)菌性痢疾報(bào)告發(fā)病率開展預(yù)測(cè)分析。通過(guò)比較不同模型的擬和效果和預(yù)測(cè)效果對(duì)模型進(jìn)行評(píng)估。 研究方法: 應(yīng)用EXCEL軟件進(jìn)行一般統(tǒng)計(jì)描述；SPSS 12.0和SAS 8.1實(shí)現(xiàn)ARIMA模型的參數(shù)估計(jì)、模型擬合及其

11、檢驗(yàn)；應(yīng)用Matlab7.1的神經(jīng)網(wǎng)絡(luò)工具箱開展RBF和GRNN神經(jīng)網(wǎng)絡(luò)模型的分析和預(yù)測(cè)研究。 主要研究結(jié)果： （1）甲乙類傳染病月報(bào)告發(fā)病率預(yù)測(cè)：以宜昌市1997-2005年的甲乙類傳染病合計(jì)報(bào)告發(fā)病率數(shù)據(jù)建模，對(duì)2006年1－6月的發(fā)病率開展預(yù)測(cè)，以2006年1－6月的實(shí)際月報(bào)告發(fā)病率作為預(yù)測(cè)的參照值，以驗(yàn)證建模的可靠性。其中ARIMA模型表達(dá)式為：，擬和誤差MSE=20.004，MAE＝3.113，MAPE＝0.1

12、72；預(yù)測(cè)誤差MSE=19.637，MAE=3.553，MAPE=0.166。RBF神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)誤差MSE=13.389，MAE=3.177，MAPE=0.127；ARIMA-GRNN組合模型的擬和誤差MSE=2.304，MAE＝0.943，MAPE＝0.053；預(yù)測(cè)誤差MSE=3.402，MAE＝1.595，MAPE＝0.068。可見組合模型的擬和誤差明顯小于ARIMA模型。預(yù)測(cè)準(zhǔn)確性表現(xiàn)為組合模型的最好，其次為RBF網(wǎng)絡(luò)模型，

13、預(yù)測(cè)準(zhǔn)確性最低的為ARIMA模型。 （2）肺結(jié)核月報(bào)告發(fā)病率預(yù)測(cè)：以宜昌市1997-2005年的肺結(jié)核報(bào)告發(fā)病率數(shù)據(jù)建模，對(duì)2006年1－6月的發(fā)病率開展預(yù)測(cè)。確定ARIMA模型的最優(yōu)模型為ARIMA(1，1，1)，表達(dá)式為，模型擬和誤差MSE=4.316，MAE＝1.547，MAPE＝0.227；預(yù)測(cè)誤差MSE=9.748，MAE＝2.661，MAPE＝0.199。RBF神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)誤差MSE=2.867，MAE=1.1

14、40，MAPE=0.091；ARIMA-GRNN組合模型的擬和誤差MSE=0.535，MAE＝0.472，MAPE＝0.074；預(yù)測(cè)誤差MSE=3.580，MAE＝1.563，MAPE＝0.124?？梢娊M合模型的擬和誤差明顯小于ARIMA模型。預(yù)測(cè)準(zhǔn)確性表現(xiàn)為RBF網(wǎng)絡(luò)模型>組合模型>ARIMA模型。 （3）細(xì)菌性痢疾月報(bào)告發(fā)病率預(yù)測(cè)：以宜昌市2000-2005年的細(xì)菌性痢疾報(bào)告發(fā)病率數(shù)據(jù)建模，對(duì)2006年1－6月的發(fā)病率開展預(yù)

15、測(cè)。經(jīng)篩選，確定模型為SARIMA(0，1，1)(1，1，0)12，模型表達(dá)式如下：，模型的擬和誤差MSE=0.263，MAE＝0.406，MAPE＝0.185；預(yù)測(cè)誤差MSE=0.088，MAE＝0.286，MAPE＝0.182。RBF神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)誤差MSE=0.084，MAE=0.222，MAPE=0.136；ARIMA-GRNN組合模型的擬和誤差MSE=0.051，MAE＝0.177，MAPE＝0.079；預(yù)測(cè)誤差MSE=0

16、.026，MAE＝0.139，MAPE＝0.083?？梢娊M合模型的擬和誤差明顯小于SARIMA模型。預(yù)測(cè)準(zhǔn)確性表現(xiàn)為組合模型>RBF網(wǎng)絡(luò)模型>SARIMA模型。 主要結(jié)論： （1）基于歷史發(fā)病序列的趨勢(shì)外推法可用于傳染病發(fā)病率預(yù)測(cè)。 （2）RBF神經(jīng)網(wǎng)絡(luò)模型為非線性建模法，預(yù)測(cè)效果優(yōu)于ARIMA模型。 （3）組合模型兼有線性和非線性建模的優(yōu)點(diǎn)，擬和效果和預(yù)測(cè)效果優(yōu)于線性的ARIMA模型法。 （4）

17、神經(jīng)網(wǎng)絡(luò)方法不必建立復(fù)雜的數(shù)學(xué)模型，不需要了解模型的數(shù)學(xué)結(jié)構(gòu)、輸入和輸出變量之間的關(guān)系，建模方法較傳統(tǒng)數(shù)學(xué)模型更為簡(jiǎn)單。 （5）應(yīng)用時(shí)間序列進(jìn)行趨勢(shì)外延分析僅適用于短期預(yù)測(cè)。 本文首先探討傳染病預(yù)警指標(biāo)體系的建立，確定適合早期預(yù)警的數(shù)據(jù)源，為發(fā)展和完善我國(guó)傳染病預(yù)警監(jiān)測(cè)網(wǎng)絡(luò)提供依據(jù)。其次以預(yù)警指標(biāo)體系中，最常見、目前可獲得性最高的法定傳染病報(bào)告數(shù)據(jù)為基礎(chǔ)開展新預(yù)測(cè)模型的研究，比較不同模型的預(yù)測(cè)效果，建立適合傳染病發(fā)病率預(yù)