傳染病預警指標體系及三種預測模型的研究.pdf

1、以重大傳染病疫情為主的突發(fā)公共衛(wèi)生事件不僅嚴重危害人民的生命財產安全，還極易造成恐慌，引起社會動蕩，影響社會生活的方方面面，甚至阻滯經濟的發(fā)展。建立和發(fā)展傳染病預測預警技術，提高預測預警的及時性和準確性，對于傳染病控制工作意義重大。實踐證明，開展預測預警研究在傳染病防制中具有良好的衛(wèi)生經濟學指標，具有低投入、高回報的特征。 預測是對疾病未來的發(fā)生、發(fā)展和流行趨勢開展分析；預警則不僅需要掌握疾病的發(fā)生發(fā)展趨勢，更要求能及時識別早期

2、的異常情況并發(fā)出警報，啟動應急反應。預警必須建立一套指標體系，通過綜合運用指標體系的方法對某一傳染病的情況進行分析和評價，確認發(fā)生危機的可能性和嚴重程度，決定是否發(fā)出危機報警，并提出必要的措施以尋求最低損失。確立一套靈敏、有效的預警指標體系是預警系統(tǒng)建設成功的前提和基礎。 第一篇： 目的：構建適合我國國情的傳染病應急預警指標體系，提出建設和保障該指標體系有效運行的建議，為我國傳染病預警系統(tǒng)的建設提供思路和參考。

3、研究內容： （1）通過文獻學習和評閱，了解國外預警系統(tǒng)的建設和預警指標的組成情況。 （2）結合文獻學習和現場調查，個人深入訪談和小組訪談等形式，對我國傳染病預警現狀進行分析。 （3）提出我國傳染病預警指標體系框架。通過組織兩次專家咨詢會議、兩輪德爾菲法咨詢、以及開展小組討論等方法，確定我國傳染病疫情預警指標體系的組成。 （4）提出建設和保障預警指標體系有效運行的建議。 研究方法：采用文獻評閱、現有

4、資料整理分析、現場調查、半結構化訪談/個人深入訪談等方法構建指標體系框架，使用德爾菲法與專家會議法相結合構建指標體系的組成，使用小組討論和個別專家咨詢法對指標體系進一步修正和完善。 主要研究結果： （1）指標體系的框架：結合傳染病疫情發(fā)生、發(fā)展的不同時間階段性特點和預警理論，提出傳染病疫情預警指標應包括3大類：暴發(fā)或流行前期指標、非典型癥狀期指標和典型癥狀期指標。 （2）指標體系的設置：通過文獻學習構建109項備

5、選指標，根據預警指標的設置原則和結合專家咨詢會議進行討論、咨詢，篩選89項指標形成指標體系雛形。 （3）德爾菲法咨詢專家構成：主要來自傳染病防制、流行病學教學科研、突發(fā)公共衛(wèi)生事件應急處理、衛(wèi)生行政管理、健康教育等領域。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）指標篩選結果：兩輪德爾菲法咨詢專家的積極系數分別為78％和100％，在咨詢中有70％的專家對指標體系提出了書面的改進建議，說明專

6、家對本研究比較支持和關心；專家對指標熟悉程度均在0.7以上，權威系數在0.8以上，說明專家咨詢所得的結果具有權威性；兩輪咨詢后的專家意見協(xié)調系數為0.782(P<0.05)，說明專家意見協(xié)調性好；最終的指標體系共包括三大類25項指標，其中權重系數較高的指標均為目前疫情監(jiān)測、預警工作中較為重視、應用較多的指標。 （5）不同級別機構對各個指標的獲得難易程度不一，在指標體系的應用中存在差異。 主要結論： （1）已建立的

7、預警指標體系共包括3大類25項指標，可作為傳染病預測預警的基本指標。 （2）指標體系的構建結合了傳染病發(fā)生、發(fā)展過程中的不同特點和預警理論，具有一定的理論基礎 （3）預警病例的出現、傳染性疾病病例/疑似病例報告數/死亡數、其它地區(qū)發(fā)生特定疫情、人群疫苗接種率、發(fā)生重大的災害/災難這5項指標在預警指標體系中相對重要性排列居前五位，與實際情況相符。 （4）目前建立的預警指標體系是一個總體的、基本指標體系。具體應用到特

8、定疾病時存在著總體和個別的關系，需根據具體疾病和地區(qū)的特點進行指標的取舍和修訂。 建議：建設預警指標體系并保障其有效運行，有以下建議（1）完善現有的疾病監(jiān)測系統(tǒng)；（2）加強癥狀監(jiān)測的試點研究，建立和發(fā)展癥狀監(jiān)測系統(tǒng)；（3）加大對基層衛(wèi)生機構建設的投入；（4）與相關部門共建信息交流平臺；（5）健全相關的政策，法律法規(guī)建設；（6）開發(fā)、建設數據實時采集、傳遞和存儲系統(tǒng)；（7）提高數據整合、分析的技術水平；（8）加強多學科領域專家的協(xié)

9、力合作；（9）與他國積極開展相關領域的合作，與國際接軌；（10）應用和完善預警指標體系需要分階段、分步驟的完成。 第二篇： 目的：由于傳染病的月發(fā)病率數據呈現出線性和非線性的特征，而既往預測多以傳統(tǒng)線性模型為主。本篇擬采用傳統(tǒng)的線性ARIMA模型，非線性的神經網絡徑向基函數(RBF)模型和采取串聯(lián)的方法，將線性和非線性模型進行組合，建立組合模型對不同傳染病發(fā)病率開展預測，比較不同模型的預測效果，探討適合傳染病發(fā)病率預測的

10、新數學模型。 研究資料和內容：以宜昌市1997-2006年法定傳染病報告數據為對象，采用ARIMA模型，RBF神經網絡模型和ARIMA-GRNN組合模型分別對宜昌市的甲乙類傳染病合計報告發(fā)病率，肺結核報告發(fā)病率和細菌性痢疾報告發(fā)病率開展預測分析。通過比較不同模型的擬和效果和預測效果對模型進行評估。 研究方法: 應用EXCEL軟件進行一般統(tǒng)計描述；SPSS 12.0和SAS 8.1實現ARIMA模型的參數估計、模型擬合及其

11、檢驗；應用Matlab7.1的神經網絡工具箱開展RBF和GRNN神經網絡模型的分析和預測研究。 主要研究結果： （1）甲乙類傳染病月報告發(fā)病率預測：以宜昌市1997-2005年的甲乙類傳染病合計報告發(fā)病率數據建模，對2006年1－6月的發(fā)病率開展預測，以2006年1－6月的實際月報告發(fā)病率作為預測的參照值，以驗證建模的可靠性。其中ARIMA模型表達式為：，擬和誤差MSE=20.004，MAE＝3.113，MAPE＝0.1

12、72；預測誤差MSE=19.637，MAE=3.553，MAPE=0.166。RBF神經網絡模型的預測誤差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；預測誤差MSE=3.402，MAE＝1.595，MAPE＝0.068?？梢娊M合模型的擬和誤差明顯小于ARIMA模型。預測準確性表現為組合模型的最好，其次為RBF網絡模型，

13、預測準確性最低的為ARIMA模型。 （2）肺結核月報告發(fā)病率預測：以宜昌市1997-2005年的肺結核報告發(fā)病率數據建模，對2006年1－6月的發(fā)病率開展預測。確定ARIMA模型的最優(yōu)模型為ARIMA(1，1，1)，表達式為，模型擬和誤差MSE=4.316，MAE＝1.547，MAPE＝0.227；預測誤差MSE=9.748，MAE＝2.661，MAPE＝0.199。RBF神經網絡模型的預測誤差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；預測誤差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。預測準確性表現為RBF網絡模型>組合模型>ARIMA模型。 （3）細菌性痢疾月報告發(fā)病率預測：以宜昌市2000-2005年的細菌性痢疾報告發(fā)病率數據建模，對2006年1－6月的發(fā)病率開展預

15、測。經篩選，確定模型為SARIMA(0，1，1)(1，1，0)12，模型表達式如下：，模型的擬和誤差MSE=0.263，MAE＝0.406，MAPE＝0.185；預測誤差MSE=0.088，MAE＝0.286，MAPE＝0.182。RBF神經網絡模型的預測誤差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；預測誤差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。預測準確性表現為組合模型>RBF網絡模型>SARIMA模型。 主要結論： （1）基于歷史發(fā)病序列的趨勢外推法可用于傳染病發(fā)病率預測。 （2）RBF神經網絡模型為非線性建模法，預測效果優(yōu)于ARIMA模型。 （3）組合模型兼有線性和非線性建模的優(yōu)點，擬和效果和預測效果優(yōu)于線性的ARIMA模型法。 （4）

17、神經網絡方法不必建立復雜的數學模型，不需要了解模型的數學結構、輸入和輸出變量之間的關系，建模方法較傳統(tǒng)數學模型更為簡單。 （5）應用時間序列進行趨勢外延分析僅適用于短期預測。 本文首先探討傳染病預警指標體系的建立，確定適合早期預警的數據源，為發(fā)展和完善我國傳染病預警監(jiān)測網絡提供依據。其次以預警指標體系中，最常見、目前可獲得性最高的法定傳染病報告數據為基礎開展新預測模型的研究，比較不同模型的預測效果，建立適合傳染病發(fā)病率預