傳染病預測預警方法及應用進展（二）

翟志光

傳染病預測預警方法及應用進展（二）

翟志光

（中國中醫科學院中醫基礎理論研究所，北京100700）

傳染病；預測預警；應用進展

傳染病預測是將數學與傳染病流行病學相結合的一種統計學分析方法，應用于各種傳染病的預測、預警，對傳染病的預防與控制有積極的意義。傳染病預測預警是根據傳染病的發生、發展規律及有關因素，用分析判斷和數學模型等方法對可能發生的傳染病的發生、發展和流行趨勢做出的預測，對于提高傳染病預防控制工作的預見性和主動性、提高效率和效益起重要的作用。隨著計算機的逐步推廣應用以及預測理論的迅速發展，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。本文就國內傳染病預測預警方法應用情況進行綜述。

4.2 定量預測技術 是借助數學手段利用原始資料，建立恰當的數學模型，預測未來傳染病的發病數和發病率，其預測精度與可靠性取決于數據的準確性和模型的科學性。根據自變量的多少可分為時間序列模型和多因素模型。時間序列預測模型：假設預測對象的變化僅與時間有關，根據它的變化特征以慣性原理推測其未來狀態。時間序列模型主要包括灰色動態模型、B-J模型和回歸預測模型等。

多因素模型：多因素分析是同時對觀察對象的2個或2個以上變量進行分析，從相互聯系與制約的復雜關系中把握事物的本質。多元回歸模型、逐步判別模型、小波模型等均屬多因素模型。目前常用的是時間序列模型中的灰色動態模型和 Box-Jenkins 模型及多因素模型中的小波模型。

4.2.1 灰色動態模型 灰色動態模型是我國學者鄧聚龍教授于1982年創立的，它以顏色的深淺代表系統信息的完備程度，由于人們對傳統傳染病的發病因素還未完全掌握，所以構成了傳染病發病或明或暗的灰色系統，其中應用最廣泛的是GM（1，1）模型。灰色動態模型對樣本容量和概率分布沒有嚴格要求，模型簡單，預測效果好，適合于對流行因素較穩定的疾病進行短期預測。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點。

蔣瑩，祝太平[14]以建德市2002～2007年肺結核發病率建立預測模型，對2008年及2009年肺結核發病情況進行預測，并利用2008年肺結核實際發病率與預測發病率進行對比，計算其相對誤差來檢驗模型預測效果。結果表明建德市肺結核發病率的預測模型，經建模可行性檢驗，可獲得精度較高的GM（1，1）模型。經殘差檢驗，模型精度較好，可用于外推預測。2008年和2009年建德市肺結核發病率為78.84/10萬、80.44/10萬。經可信度檢驗，2008年肺結核發病率相對誤差為4.01%，說明整體擬合較好，預測結果可信。通過建立肺結核發病率預測模型，計算推算出的實際值和預測值基本吻合，殘差較小，擬合較好。

此外，灰色模型在細菌性痢疾[15]、甲肝[16]、傷寒[17]、淋病[18]、禽流感[19]、麻風病[20]、血吸蟲病[21]和瘧疾[22]等的流行趨勢預測中，均顯示了良好的效果。

4.2.2 Box-Jenkins 模型 簡稱B-J模型，是時間序列預測模型中最復雜、最高級的模型。它將預測對象隨時間變化形成的序列看作是一個隨機序列，并呈現一定的規律性，可以用數學模型近似描述。國外曾有人對12種不同的預測方法進行比較，認為B-J模型仍是最好的預測模型之一，適用n＜50的非平穩時序，是一種精確度較高的短期預測模型。B-J模型的缺點是計算過于復雜，影響其在實際工作中的推廣應用。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 （autoregressive integrated moving average，ARIMA）是最重要的時間序列分析預測模型，但計算較為復雜，對數據的要求較高。

張翼飛[23]等建立細菌性痢疾月發病數的預測模型，探討AR1MA季節乘積模型在時間序列資料分析中的應用。方法采用非條件最小二乘法估計模型參數，通過季節差分方法使原始序列平穩，按照殘差不相關原則、簡潔原則確定模型結構，依據AIC和SBC準則確定模型階數，建立ARIMA預測模型。對所分析的季節性時間序列建立了乘積ARIMA（0，0，1）（0，1，1）12模型。方差估計值為288.106，AIC=619.661，SBC=620.492。對模型進行白噪聲殘差分析（P=0.632），擬合優度統計量表明ARIMA的估計具體模型是適合的。通過ARIMA（0，0，1）（0，1，1）12模型與ARIMA（0，1，1）12模型對細菌性痢疾月發病數預測效果的比較，表明ARIMA季節乘積模型是一種短期預測精度較高的預測模型。

4.2.3 小波模型 小波模型是統計學家新近引入預測領域的模型，正在成為國際上的一個研究熱點。它是近年來應用數學領域新發展起來的一個分支，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[24]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病率季節性時間序列的預測模型，預測兩市1999年12個月的發病率，大部分預測結果均與實際發病率較為接近，認為小波分析是處理季節性時間序列的一種較好的預測方法。

吳學森等[25]則以部分縣1990～2001年的出血熱腎病綜合征月發病率分別建立了季節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年月發病率作為預測的實際參照值，ARIMA預測模型的預測精度只有66.1%。

4.3 組合預測法 在預測實踐中，對于某一特定問題可以運用多種預測模型開展預測分析。不同的模型有著不同的適用范圍和優勢，為了有效的利用各種模型的信息，J.M.Bates和C.W.J.Granger在1969年提出了“組合預測”的思想，即將各種預測方法以適當的形式進行組合，以獲得最佳預測效果。組合預測在避免單一模型的局限性，減少預測誤差，提高預測精度等方面具有相對優越性，組合預測是現代統計預測方法本身發展的必然結果。目前應用組合預測方法進行傳染病的預測預報分析文獻報道較少。4.3.1 ARIMA和神經網絡模型組合 由于傳染病發病率序列的前后數據之間存在著十分復雜的影響關系，既包括線性關系又包括非線性關系。ARIMA模型是線性預測問題研究和實踐中最普遍的方法，也常用于疾病的預測研究。神經網絡模型現已成為非線性時間序列分析和預測中最為有效的工具之一。ARIMA和神經網絡模型針對不同的問題各有其相對的優勢，將這兩種模型進行合理有效地組合可以提高傳染病預測的效果。

嚴薇榮[26]等基于三種數學模型的傳染病發病率預測，構建RBF神經網絡模型對傳染病發病率開展預測，并取得了較好的預測效果；構建ARIMA-GRNN組合模型對傳染病發病率進行預測分析，效果優于傳統的ARIMA模型；對ARIMA模型，RBF神經網絡模型和ARIMA-GRNN組合模型的預測效果進行比較和分析，得出后兩種模型的預測效果優于傳統的線性ARIMA模型，且應用更為簡便。

4.3.2 模糊控制模型與BP網絡預測模型組合 趙冰等[27]將SIR型傳染病的模糊控制模型與BP網絡預測模型合并，將模糊控制器的輸出作為BP網絡的輸入，對傳染病的傳播趨勢進行預測，然后將預測的結果再輸入給模糊控制器，又得到相應的控制措施，利用得到的控制措旌值再次對傳染病進行預測。從而形成了一個SIR型傳染病的集控制和預測于一體的閉環系統模型：SIR型傳染病的模糊控制與預測模型。由于該模型自成一個閉路系統，模糊控制器的輸出——控制措施影響疾病的傳播，而對疾病傳播趨勢的預測結果反過來又可以調整控制措施。因此，利用該模型得到的控制措施更符合實際，確實能對疾病的蔓延起到抑制作用。而且對傳播趨勢的預測也會更加準確。

運用SIR型傳染病的模糊控制與預測模型，不僅可以對該類傳染病進行模糊控制，從中得到具體的控制措旌，而且可以對該傳染病的發展趨勢進行預測。該模型有四個優點：①該模型突破了傳染病的控制與預測的傳統的建模方式：或者控制或者預測。由模型既可以得到具體的控制措旌，又可以對傳染病的傳播趨勢進行預測，一舉兩得。②由于該模型自成一個閉路系統，因此，具有較高的準確性。③在模型的運行過程中，可以調整控制措施，使之確實能控制疫情的蔓延。因此，具有實用性。④運用該模型，有可能使疫情提前結束。因此，建立SIR型傳染病的模糊控制與預測模型是非常必要的，具有重要的理論和現實意義。

以2003年北京市爆發的SARS為例進行研究， 結果系統輸出值與實際值非常接近，與實際相比，提前5天結束。說明由模糊控制器得到的控制措施確實可以限制疫情的蔓延。從而更加體現了建立SARS的模糊控制與預測模型是必要的、可行的。

5 總結與思考

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實意義。近年隨著傳染病規律逐步得到認識和計算機技術的普及應用，傳染病的預測技術不斷取得進展。但傳染病預測預警的方法、應用推廣以及效果、效益的評價，尚需進行更深入的探討。在這個過程中，中醫學與現代醫學的理論和方法的結合甚為重要。

中醫學歷來注重對疫病的預測。中醫學重視人與自然的整體聯系，在《黃帝內經》中就確立了“天人合一”的思想，把人與自然環境看作密切相關的統一體。《黃帝內經》認為，人生活在自然中，必然受到自然界運動變化包括氣候變化的影響。自然界的氣候變化有一定的周期，人體的生理病理變化，也“與天地相應”。《黃帝內經》作者，在長期的實踐中發現了天體運動的五運六氣周期，聯系到疾病發生的周期變化，于是產生了運氣學說。運氣學說，就是古人探討自然變化的周期性規律及其對疾病影響的一門學問，是古代的疾病預測學。《內經》以降，醫家運用五運六氣理論對疫病發生的條件、疫病病因的屬性等進行預測和把握，是中醫防治疫病的重要優勢和特色。《內經》“三年化疫”的理論，正是中醫學疫病預測的思想注重天、人、邪三者的關系和制衡的思考和發展。

在現代新發、突發傳染病的預測研究中，中醫學應積極發揮自身的優勢，不斷繼承與創新，吸收新技術新方法，與現代醫學預測預警方法和模型相結合，宏觀趨勢預測與定性定量預測優勢互補，逐步完善傳染病預測模式，為現代傳染病防治做出貢獻，是值得深入研究的課題。

[14] 蔣瑩,祝太平.灰色模型預測傳染病流行趨勢在基層的應用[J].浙江預防醫學,2010,22(2):21-22.

[15] 胡明,趙春暖.灰色模型在傳染病預測中的應用[J].鐵道醫學,1991,19(3): 167-168.

[16] 朱恩學,耿興斌.灰色系統在傳染病預測中的應用[J].現代預防醫學, 1994,21(4):229.

[17] 潘平濤.應用灰色模型預測傷寒發病率[J].浙江預防醫學,2000,12(3):7-8.

[18] 艾維莉,林新勤,徐永芳,等.南寧市淋病1996～2005年發病率灰色模型及預測研究[J].中國熱帶醫學,2007,7(9):1554-1555.

[19] 盛慶云,羅揚珩,向昆,等.應用灰色預測技術分析禽流感流行趨勢[J].中國公共衛生管理,2007,23(4):368-370.

[20] 金光楠,蔡振群.GM(1,1)灰色模型在預測麻風病患病率中的應用[J].數理醫藥學雜志,2007,20(5):720-727.

[21] 張姝,張強,尹治成.灰色模型在血吸蟲病感染率預測中的應用[J].現代預防醫學,2007,34(7):1291-1293.

[22] 裘炯良,鄭劍寧,趙玉婉.應用灰色模型研究瘧疾在中國的流行趨勢[J].中國媒介生物學及控制雜志,2004,15(1):43-45.

[23] 張翼飛,陳洪,劉嶺,等.ARIMA季節乘積模型在腸道傳染病預測中的應用[J].激光雜志,2008,29(2):91.

[24] 郭秀花,林濟南,曹務春,等.探討基于小波分析的季節性時間序列預測模型[J].數理醫藥學雜志,2003,16(3):195-197.

[25] 吳學森,王潔貞,劉云霞,等.基于小波分析的腎綜合征出血熱發病率預測方法[J].中國衛生統計,2005,22(1):9-12.

[26] 嚴薇榮.傳染病預警指標體系及三種預測模型的研究[C].博士學位論文

[27] 趙冰.SIR型傳染病的模糊控制與預測[C].碩士學位論文.

洛寧縣中醫院創新監督管理體系

[本刊訊] 8月3日從洛寧縣中醫院獲悉，該院推行“五大員”監督管理體系幾個月來，徹底顛覆了以往“急整理、迎檢查”的現象，由被動管理變為分級管理、主動管理、自我管理，取得明顯成效。

洛寧縣中醫院探索建立的“五大員”監督管理體系，由醫務科、護理部、控感辦和辦公室4個職能科室牽頭，分別負責督導醫療、護理、控感、統計和紀律衛生工作。各科室的“五大員”將日常分管的工作記錄在冊，具體到天、詳細到地點、確定到人、說清事由、明確處理結果，由科室負責人簽字。4個職能科室定于每周二下午進行檢查，對于各科室自己查出問題，責令其整改；對于科室沒有查出問題，而被職能查出的科室，醫院給予處罰。

現在，在洛寧縣中醫院廣大干部職工中，思考改革、議論創新的人多了，為醫院發展出主意、想辦法、提建議的多了，主動學習、鉆研業務的人多了，與患者加強溝通、主動為患者服務的現象多了。你追我趕、互幫互學現象蔚然成風，該院的凝聚力、向心力明顯增強。

（楊建宇 張文娟）

10.3969/j.issn.1672-2779.2012.16.0115

1672-2779（2012）-16-0161-03

??韓世輝

2012-06-23）