鲁影，田凤麟，刘艳慧，董晓梅，罗雷*
（1.广州市疾病预防控制中心 传染病预防控制部，广东 广州 510440；
2.暨南大学 基础医学与公共卫生学院，广东 广州 510632）
流感是由流感病毒引起的呼吸道传染病；
由于它起病急、传染性强且十分容易发生病毒变异，故易造成严重的公共卫生问题［1］。世界卫生组织提醒应警惕潜在的新冠-流感双重流行叠加风险。广州市地处中国南部，属于海洋性亚热带季风气候，而热带和亚热带地区流感的季节性呈现多样性，每年可能会引起多次流行，甚至全年存在［2-3］。流感监测是预防和控制流感流行的有效措施，对流感疫情进行实时监测并进行及时预警十分重要［4］。目前广州市流感监测可分为流感样病例监测、病原学监测以及流感样病例暴发疫情监测［5］。然而监测工作受监测数据来源、社会、经济等各种因素的影响，各种监测数据能否及时对流感疫情预警，目前研究较少［6-7］。时效性通常指事件发生的时间和该事件的参考标准发生时间之间的差异［8］。为了比较广州市不同流感监测数据的时效性，本研究选择2017年第1周至2021年第52周广州市流感监测数据，采用时序图比较、计算时间序列交叉相关性以及早期异常报告系统（early aberration reporting system，EARS）中的C3法分析其时效性。
1.1 资料来源
2017～2021年广州市每周流感报告病例数从中国疾病预防控制中心“传染病监测系统”获取，流感样病例百分比（ILI consultation rate，ILI%）数据从“广州市突发公共卫生事件监测与预警系统”收集，流感病毒检出率和流感样病例暴发疫情数从“中国流感监测信息系统”获取。
1.2 监测内容
1.2.1 流感报告病例数
根据《流行性感冒诊断标准》（WS285-2008）和《流行性感冒诊疗方案（2020年版）》，流感主要依据流行病学史、临床表现和病原学检查进行诊断，分为临床诊断病例和确诊病例。
1.2.2 流感样病例监测
全国流感监测技术指南（2017年版）中定义的流感样病例（influenza-like illness，ILI）为：发热（体温≥38℃），伴咳嗽或咽痛之一者。广州市每周通过广州市突发公共卫生事件监测与预警系统收集19家监测点医院的流感样病例数和门急诊就诊病例总数［9］。ILI%为流感样病例数占门急诊就诊病例总数百分比。
1.2.3 病原学监测
广州市的4家流感病原学监测点医院每周至少采集20份门诊病例和5份住院严重急性呼吸道感染患者的呼吸道标本，送至广州市疾病预防控制中心进行检测。流感病毒检测阳性率＝流感病毒检测阳性标本数／检测标本数×100%。
1.2.4 流感样病例暴发疫情监测
指同一地区或单位内在较短时间出现异常增多的流感样病例。1周内，在同一学校、托幼机构或其他集体单位出现10例及以上流感样病例。经核实确认的暴发疫情，通过“中国流感监测信息系统”报告疫情事件的相关信息。
1.3 研究方法
1.3.1 交叉相关分析
利用R 语言中的互相关函数（CCF）对ILI%、病毒阳性率与流感报告病例数、暴发疫情数分别进行时间交叉相关性分析。CCF是2个时间序列（xt和yt）的观测值之间的相关，用滞后（Lag）k个时间单位分隔（yt+k和xt之间的相关）。通过最大相关系数所对应k，初步判断各监测数据的时效性差异。
1.3.2 EARS以及CUSUM模型
在流感预警中，累积和法（cumulative sum，CUSUM）是常用方法之一［10-12］，它是通过累积期望值与观察值之间的差值对数据实现质量控制。由于它累加了历史数据的微小偏差，相对于传统控制图法增加了灵敏性［13］。在CUSUM 的基础上，美国CDC开发了EARS，常用于流感预警研究［14-15］。它包括C1、C2、C3共3种探测方法。其中C1的基线是由时间点t之前的7个时间点（即t-7至t-1）构成，而期望值则是基线的平均值。对于C2，其基线则由时间点t滞后2 d的之前7个时间点（即t-9至t-3）构成。C3基于C2，它累积时间点t和前2个时间点的C2值，因此其基线是时间点是t-11至t-3；
当实际值超过预警方法计算所得的基线值时模型将会发出预警。
1.4 统计分析
利用excel 2016建立数据库并对数据进行整理以及预处理，数据的统计分析利用R 4.1.3完成。
2.1 时序图比较
由图1可知各监测数据出现高峰的位置大致相同，尤其在2017～2019年，各监测数据均在冬春季节（11月至次年1月）出现流感大高峰，同时在其他时间出现1个或多个小高峰。各监测数据变化趋势具有相似性，均具有一定的周期性。除ILI%外的其他3种监测数据在2020年后则均呈现下降趋势，在2021年有所回升。
图1 2017～2021年广州市流感监测数据的时序图比较结果Figure 1 Sequence diagram comparison results of influenza surveillance data in Guangzhou from 2017 to 2021
2.2 交叉相关性
2.2.1 ILI%、病毒阳性率与流感报告病例数交叉相关性
由图2可知ILI%、病毒阳性率与流感报告病例数的交叉相关系数均在Lag＝1时取得最大值分别是0.272、0.567，P＜0.05。
图2 ILI%、病毒阳性率与流感报告病例数的交叉相关关系Figure 2 Cross-correlation between ILI%，virus-positive rate and the number of reported cases of influenza
2.2.2 ILI%、病毒阳性率与暴发疫情数交叉相关性
ILI%、病毒阳性率与暴发疫情数的交叉相关系数分别在Lag＝2、3时取得最大值0.229、0.435，P＜0.05。Lag＝0～6，ILI%与暴发疫情数交叉相关系数差异有统计学意义（图3）。
图3 ILI%、病毒阳性率与暴发疫情报告数交叉相关Figure 3 Cross-correlation between ILI%，virus-positive rate and the number of outbreak reports
2.3 EARS-C3预警
如图4所示，在EARS-C3预警模型中除2020年外，流感报告病例数其他4年的11月至次年1月均出现预警信号，总共发出预警信号共11组；
病毒阳性率、ILI%以及暴发疫情数在5年间分别发出9组、15组以及7组预警信号。
图4 各流感监测数据EARS预警周次Figure 4 The weeks of early warning of each influenza surveillance data
2.3.1 夏季高峰
ILI%在2017年的第23～29周预警出夏季高峰，迟于流感报告病例数预警的高峰（第17～30周）但是早于暴发疫情预警的高峰（第26～28周）；
2019年ILI%在第17～22周预警出夏季高峰，早于流感报告病例数预警的高峰（第18～22周）但是迟于暴发疫情预警的高峰（第13～15、18～19周）；
病毒阳性率在2017年的第17～20周预警出夏季高峰早于暴发疫情预警的高峰，2019年病毒阳性率在第21～23周预警出夏季高峰，迟于流感报告病例以及暴发疫情预警的高峰；
2018年夏季各流感监测数据均未预警明显高峰。
2.3.2 冬季高峰
ILI%在2017～2019年冬季均预警出明显的流感高峰，分别发生于第52周至次年第4周、第52周至次年第5周、第51周至次年第3周，这些预警均迟于流感报告病例数以及暴发疫情预警的相应年度的冬季高峰。ILI%在2021年冬季未预警明显高峰；
病毒阳性率在2017～2019年的第48周至次年第5周、第50周至次年第6周、第51周至次年第4周以及2021年的第48～52周预警出冬季高峰，且均迟于流感报告病例数的预警（表1～3）。
表1 2017～2021年各监测数据EARS预警高峰的周次一览表Table 1 The list of weeks ofmonitoring data ears early warning peak from 2017 to 2021
表2 2017～2021年监测数据与流感报告病例数的预警时效性比较Table 2 Timeliness comparison of early warning between themonitoring data and the number of influenza reported cases from 2017 to 2021
表3 2017～2021年监测数据与暴发疫情的预警时效性相比Table 3 Timeliness comparison of early warning between themonitoring data and the number of outbreaks from 2017 to 2021
本研究显示广州市流感流行存在一个大高峰伴一个或多个小高峰的特征，大高峰在每年11月至次年1月左右出现，这与以往的研究一致［9］。4种流感监测数据反映的流行趋势大体一致，具有一定的相关性。在2020年后除ILI%以外的3种监测数据均呈现断崖式下降，在2021年2月之后有所回升。这与我国大陆流感活动在2020年冠状病毒疾病大流行开始时急剧下降，并在2021年逐渐增加一致［16］，可能得益于新冠防控中公众戴口罩、洗手等非药物干预措施［17］。然而2017～2021年广州市ILI%未见明显下降。由于流感样病例监测是症状学监测，可能由流感以外的其他病因引起，此外还可能与新冠期间规范了流感样病例就诊以及出现流感样症状时公众寻求医疗保健行为增加有关［18］。
本研究显示各监测数据均发出多组预警信号，其中以ILI%发出的预警信号最多。此外，在大多数流感报告病例数及暴发疫情预警信号的前后，ILI%也发出预警信号，且对于流感报告病例数大多为提前预警或同时预警，偶有滞后但其滞后周数不超过6周。但病毒阳性率在这几处发出的预警信号相对较少，较流感报告病例数最大滞后周数较大，这表明ILI%在预警流感夏季高峰以及其他小高峰时可能优于病毒阳性率，这与秦康等［19］的研究结论一致。ILI%预警的冬季流行高峰均滞后于流感报告病例以及暴发疫情，相对于流感报告病例数最大滞后周数为6周，且它与两者的交叉相关系数在Lag＝1以及Lag＝2取得最大值，故可以认为其时效性存在滞后，这与陈楚莹等［20］的研究一致。可能与流感报告病例异常增多或者出现暴发疫情之后官方发出警报、媒体加大宣传等使ILI病人更关注自身健康并规范就诊有关。
病毒阳性率在每年11月至次年1月左右的冬季高峰处均发出预警，虽然这些信号的发生大多迟于流感报告病例数以及暴发疫情，但其最大滞后周数不超过两周，这提示病毒阳性率对广州市流感冬季大高峰来临有较好的提示作用。此外本研究显示，病毒阳性率预警时效性存在滞后，这与YANG等［7］的研究结果一致。这种滞后可能与流感病毒送样、实验室检测以及结果录入所需时间较长有关。
本研究选择2017～2021年共5年的监测数据。2020～2021年，新冠防控工作占据大量基层监测和防控力量，监测数据的稳定性受到挑战，此外，新冠疫情后广州市流感流行特征也发生较大改变，然而广州市历年来高度重视流感监测工作，目前开展的流感暴发疫情监测、症状学监测、病原学监测等均稳定运行，对于及时掌握我市流感流行态势有重要作用。
综上，广州市4种流感监测数据反映的流行趋势大体一致。其中ILI%对于夏季高峰和其他小高峰有较好的预警能力，而对于冬春季节高峰，病毒阳性率的预警可能更加准确。不同监测数据时效性存在差异，表明多种监测方法相结合并互补对于流感疫情防控及预警十分必要。
作者贡献声明
鲁影：提出研究思路，撰写并修改论文；
田凤麟：查阅文献，数据分析，撰写并修改论文；
刘艳慧：数据收集与处理；
董晓梅：指导论文撰写和修改；
罗雷：提出研究框架，指导论文撰写和修改。
利益冲突声明
本研究未受到企业、公司等第三方资助，各作者不存在潜在利益冲突。
猜你喜欢监测数据高峰流感流感大作战早期教育(家庭教育)(2022年5期)2022-07-02病毒病将迎“小高峰”全方位布控巧应对今日农业(2021年8期)2021-07-28简单易行防流感六法基层中医药(2020年4期)2020-09-11冬春流感高发 加强防治最重要基层中医药(2020年12期)2020-07-22石庆云书香两岸(2020年3期)2020-06-29GSM-R接口监测数据精确地理化方法及应用铁道通信信号(2019年11期)2019-05-21努力攀登文艺高峰中华诗词(2017年1期)2017-07-21环评中引用大气现状监测数据的研究中国资源综合利用(2016年11期)2016-01-22GPS异常监测数据的关联负选择分步识别算法振动工程学报(2015年1期)2015-03-01基于小波函数对GNSS监测数据降噪的应用研究全球定位系统(2015年4期)2015-02-28
