基于案例推理的公共衛生事件應急參考方案生成研究

□

[1. 中國地質大學 武漢 430074；2. 西安財經大學 西安 710100]

引言

近年來發生的突發公共衛生事件越來越呈現出復雜性、不可預見性和頻發性[1]。例如SARS、禽流感、豬流感和埃博拉等，突發公共衛生事件不但威脅我們的健康，還會破壞社會穩定，阻礙經濟發展。我國在遭遇SARS之后，開始對突發公共衛生事件應急體系的建設進行重視，例如對突發公共衛生事件應急預案建設形成統一的體系；建立專門的傳染病緊急疫情應急預案；針對其他群體性事件的應急預案等，仍存在可優化的地方。新型冠狀病毒肺炎暴發以后，給全球帶來巨大沖擊，對民生和經濟造成了極大影響，因此當突發公共衛生事件發生時，及時有效的應急工作十分重要。公共衛生事件中，爆發期、發展期、恢復期是應急決策中較為重要的三個階段，但突發公共衛生事件的突發性和復雜性使應急工作難度增加，所以對已發生的公共衛生事件所掌握的信息進行分析進而及時決策應急預案十分重要。應急預案是專家們根據應急參考方案和實際情況調整所得到的，是應急預案的基礎工作。公共衛生事件在大范圍爆發前預警信息比較明顯，并且此類事件的應急預案具有較為相似的參考性，所以在此類事件中應急參考方案的生成方法主要考慮預警信息充分性、方案普適性和動態調整性等因素。我們不能期待通過試錯改進的辦法來面對應急工作，但可以通過對已發生的突發公共衛生事件進行深入研究，總結出科學規律，在緊迫的時間中生成應急參考方案，為最終應急預案的確定提供可靠的現實依據，同時對其他類似的突發性公共衛生事件進行應急參考方案的拓展，以此來減輕或避免突發公共衛生事件帶來的影響。突發公共衛生事件的發生要求決策者在短時間內快速準確地給出從上至下可實施的應急預案，因此應急參考方案起到了至關重要的作用，準確的應急參考方案會大大節約應急時間，進而快速得到適合實際情況的應急預案。

案例推理（Case-based Reasoning，CBR）可以有效應用先前經驗，為當前事發案例提供決策參考[2]。CBR是通過尋找相似的歷史案例，利用已有經驗或結果來解決新問題。CBR過程包括：案例檢索，案例重用，案例修正，案例保存四個部分[3]。近年來案例推理得到了大量關注和研究，在案例檢索和案例表示方面，通過義類詞典、云模型[4]、粗糙集[5]和知識管理系統[6]等方法和手段對案例檢索和表示進行改進，例如由于相似的施工安全事故總是不斷重復上演，故張兵等[7]應用CBR技術構建了超高層建筑施工安全事故的案例表征模型，結果表明CBR 能夠有效避免當前信息不完整而產生的計算失真問題。為了應對煤礦突發事故，提高煤礦現場處置方案的實時性和可操作性，楊夢等[8]構建了一個基于專家系統的煤礦事故現場處置方案自動生成系統。張國軍等[9]針對地震應急救援決策問題，將案例推理方法應用于應急救援輔助決策過程，提出了基于案例推理的地震應急救援決策方法和基于框架的地震應急救援案例表示方法，有效地提高了應急救援輔助決策的效率。 董銀杏等[10]提出基于案例推理技術的燃氣突發事件應急決策方法，提高了燃氣突發事件應急處置能力等。以上學者的研究克服了傳統知識獲取的瓶頸問題，但過程繁瑣且不具備動態性的特點，有些方法具有一定的局限性。在案例檢索特征權重的考慮中，李丞曜等[11]考慮了事故屬性的特征，快速有效地對事故進行處理。封超等[12]結合遺傳算法和粒子群算法考慮屬性權重的影響。黃浙京等[13]提出CBR變權值引擎模型等。這些方法不僅提高了匹配的精準度，同時最小化主觀影響，但有些方法中，系數的取值對結果造成明顯的波動，且要求案例具有一定的數量。綜上，案例推理被廣泛地應用到應急決策中，提高了應急決策的效率和應急處置能力，取得預期的效果，但仍存在精度較低、步驟復雜、所需時間較長、需要完備的案例庫才可應用和系數影響較大等缺點。同時當前CBR的研究大多集中在案例檢索中相似度計算上，而對于指標的考慮較為欠缺，應急事件的指標具有差異性和多樣性，往往需要全面的考慮各個指標，否則會導致所提取的應急參考方案實施效果較差或相似度值較低等情況。因此本文應用CBR在應急工作中的優勢，針對公共衛生事件突發性和動態性的特點，針對新型冠狀病毒肺炎提出了基于案例推理的應急參考方案生成方法。

一、問題描述

在新型冠狀病毒肺炎暴發之初，應對當時的緊迫形勢，需要對突發疫情信息快速分析，得到應急參考方案，并及時根據實際情況進行調整和決策，從而爭取到充分的時間。形勢的緊迫性、環境風險的脆弱性可能會造成應急工作準備和應對的不足，面對這類情況，需要可以快速提供參考的歷史公共衛生事件案例信息庫和符合實際情況的應急參考方案。

CBR在應急事件的應用中，對歷史案例十分重視，從眾多歷史案例中提取出最接近現實情況的應急參考方案，并可以實現對歷史案例庫進行動態補充和調整。公共衛生事件病例種類多樣，情況復雜，不同病種之間具有共性的同時具有異性，可以從較為相似的病種中得到經驗和提醒，因此建立歷史案例基因庫較為合適和全面，以便為后續的應急參考方案及時生成提供基礎條件。以新型冠狀病毒肺炎為例，整個過程存在不同階段，每個階段存在一定程度的差異，這些差異要求應急措施各不相同，因此本文將突發公共衛生事件整個過程的歷史基因庫以階段為劃分，爆發期和發展期每日數據變化大，情況變數多，當疫情處于恢復期時，確診人數的增幅趨于平緩。在實際情況中，爆發期和發展期這兩個階段，24小時內就會有超過萬人的新增，2～3天內各省各市就有相應的應急措施提出。針對這一現象，本文將新型冠狀病毒肺炎24小時后的統計作為前兩個階段的數據。當處于恢復期時，以計算出的平均潛伏期為依據，將6天作為一個周期[14]。因此整個公共衛生事件的周期由兩部分構成，第一部分即處于爆發期和發展期、第二部分即處于恢復期。本文所考慮的基于案例推理的突發公共衛生事件應急決策生成方法問題中，整個周期包括兩個部分，共m個階段，其中前i個階段是爆發期和發展期，m-1個階段是恢復期，即M={1,2,···,m},i∈M，設Z={Z1,Z2,···,Zi}表示歷史突發公共衛生事件所有階段的集合，其中Zi表示突發公共衛生事件的第i個階段。指標個數N={1,2,···,n} ,j∈N，設Ci={Ci1,Ci2,···,Cin}表示歷史突發公共衛生事件的指標集，其中Cin表示突發公共衛生事件第i個階段中第n個指標。C*={C*1,C*2,···,C*n}表示當前突發公共衛生事件疫情的指標集，其中C*n表示當前突發公共衛生事件疫情中第n個指標。設當前突發公共衛生事件疫情所處的階段Z*是未知的。歷史信息庫是指發生過的同類突發公共衛生事件的指標值和應急措施的完整周期的每一個階段的詳細記錄。本文解決的問題是：如何快速有效地根據過去同類突發公共衛生事件的應急工作為當前突發公共衛生事件得到可供參考的應急方案。首先依據突發公共衛生事件整個過程的不同階段Z*建立歷史信息庫，然后根據指標數值的分布特點進行區間劃分，最后進行整體相似度計算，為當前突發公共衛生事件疫情生成有效的應急參考措施。

二、應急方案生成方法介紹

（一）方法步驟

為了解決上述應急方案生成問題，本文提出基于案例推理的突發公共衛生事件應急決策生成方法，如圖1所示。首先構建突發公共衛生事件完整周期的所有階段的歷史基因庫；其次針對指標在數值上的分布特點進行區間劃分并計算所涉及階段的重復度；最后，計算綜合相似度，得到可供參考的應急參考方案。

圖1 基于案例推理的突發公共衛生事件應急參考方案生成方法技術路線圖

（二）相關指標的選取

根據公共衛生事件相關文獻中指標選取，公共衛生事件通常選擇將發展勢態和病例醫療救治[15]、應急措施執行能力[16]、應急準備能力[17]、應急措施啟動后的實用性等作為反映其疫情情況的應急指標[18]。以新型冠狀病毒肺炎事件為例，首先累計確診人數、累計死亡人數、累計治愈人數、重癥患者人數和危重癥患者人數可以反映疫情發展勢態和病例醫療救治情況，當人數增幅情況有所緩和時，我們可以認為疫情發展勢態有所好轉且病例醫療救治有效。其次根據突發公共衛生事件的特點，密切接觸者也是很重要的指標。同時為了減少醫療資源的浪費和充分考慮病人情緒，解除醫學觀察的密切接觸者也作為重要指標。所以在整個疫情中，累計密切接觸者人數和解除醫學觀察人數存在明顯的增幅變化，這離不開應急預案的執行力和有效性，所以本文也將兩者作為需要考慮的指標。綜上所述，根據突發公共衛生事件的不同情況選取最能反映事件狀態的指標，構建歷史基因庫。

（三）新型冠狀病毒肺炎歷史信息庫的構建

由于新型冠狀病毒肺炎事件整個周期中存在不同階段，國家及地方衛健委會根據不同階段給出不同的應急措施，并且在全國范圍內同類公共衛生突發事件應對措施基本一致，所以針對此類事件最有效的就是構建其不同階段的歷史信息庫，以便后續類似突發公共衛生事件的應急參考。基于此，根據突發公共衛生事件存在不同的階段，本文以新型冠狀病毒肺炎事件為例，構建了不同階段的歷史案例基因庫，將每一階段的指標值及相關應急措施分類詳細列出，包括醫療、經濟、民生、交通等方面，具體措施來自于中華人民共和國家衛生健康委員會及相關地方發布的政策內容，如圖2所示。

圖2 新型冠狀病毒肺炎事件完整周期中每一階段的歷史信息表

三、案例篩選的具體步驟

（一）數據處理和指標區間劃分計算過程

首先對歷史基因庫中的指標數據fi進行中心化處理、標準化處理及歸一化處理。以往的研究中并沒有深入考慮指標數值集中分布的區域，大多是直接進行相似度計算，考慮到不同指標的數據分布區域特點不一樣，所以將指標值進行單一的數據處理是不充分的，這樣可能會導致所篩選出的應急措施有效性的降低及當前疫情所處階段的判斷與實際有偏差，所以本文考慮針對指標數值集中分布的區域進行區間劃分。根據平均數反映一組數的集中趨勢，標準差反映一組數的離散趨勢，將兩者結合考慮，首先求出合適組距，再利用SPSS進行正態分布檢驗，確定指標數值都為正態分布，結合正態分布在實際中的應用，選擇將在橫軸區間(μ-1.96σ,μ+1.96σ)內的數據作為正常值，在此之外的數據視為異常值，進行區間劃分。組數的選擇則根據一組數據的分布和決策者的需要來選擇。如何考慮組距是一個非常重要的問題，本文既考慮了正常值的分布，又考慮了極端值的分布，且盡可能使每個區間等概率，如圖3所示。

圖3 指標值分布圖

步驟如下：

1. 對歷史信息庫中的指標數據進行中心化處理

2. 對歷史信息庫中的指標數據進行標準化處理

3. 對歷史信息庫中的指標數據進行歸一化處理

6. 將異常值放置異常區間后，其余正常值作為主體重新單獨考慮，計算平均值；

8. 利用所得Qahead,Qbehind確定主體數據在前區間個數 Countahead和后區間個數Countbehind

其中

其中 {0 ≤Num≤2,Numexp∈N}；

9. 確定前組距 Disahead和后組距 Disbehind，其中

（本文默認總組數為10）得到區間如下表1所示。

表1 區間劃分類型

其中：

N-cen表 示中心化處理后的指標數據；

N-nor表示標準化處理后的指標數據；

N-one表示歸一化處理后的指標數據；

si表示指標數據的標準差；

r表示分布比例下確定前案例個數；

q表示分布比例下確定前案例個數；

Qahead表示正常值在上分布比值；

Qbehind表示正常值在下分布比值；

Countahead表示在前區間個數；

Countbehind表示在后區間個數；

Numexp表示極端值區間個數；

Disahead表示前組距；

Disbehind表示后組距；

得到每個指標劃分好的區間之后，對當前所給公共衛生突發事件的指標找到所屬區間，然后找出指標所處區間在整個疫情中所涉及到的階段，在表2中，當顯示“√”時，表示指標在整個公共衛生事件中所涉及的階段。

表2 指標所處區間在整個疫情中所涉及到的階段

根據表2可以列出每個指標所處區間整個疫情中所涉及到的階段，如表3所示。

表3 指標所對應的區間在疫情中涉及階段

最后計算所涉及的階段的重復度Ri，選擇重復度Ri?θ時的階段，其中θ 由決策者給出。

（二）整體相似度計算

通過計算兩個向量之間相似度值[14]，來代表歷史公共衛生事件不同階段和當前突發公共衛生事件之間的相似度；

其中，

然后

1. 求得歷史公共衛生事件不同階段的指標值和當前疫情指標值的 S imj(Z*,Zi);

2. 求綜合相似度

其中，

其中，ws為熵權法求出的權值，wc為層次分析法求出的權值， α為兩者的重要程度；

3. 設置一個閾值 λ，如果 λ =τ·max{Sim(Z*,Zi)}，則選出符合條件的歷史公共衛生事件階段，其中τ取決于決策者的要求。

四、算例說明

本文以新型冠狀病毒肺炎疫情作為算例進行說明。由于暴發期是是控制疫情至關重要的階段，且前文提到將24小時的統計作為計算數據，則假設某一天的疫情情況如下表4所示，且假設歷史案例基因庫中，此類公共衛生事件有18個階段的不同的應急預案可供參考。

表4 2020年2月16日新型冠狀病毒肺炎情況

（一）建立公共衛生突發事件的歷史信息庫

以新型冠狀病毒肺炎為例建立的歷史案例基因庫，如圖4所示。

圖4 新型冠狀病毒肺炎的歷史基因表

（二）劃分區間及找出當前疫情指標所屬區間

本文將對指標數據分別進行5組、10組、15組的分組數據處理，由于篇幅原因，僅詳細說明以10組為劃分的結果，結果如表5～表11所示。

表5 指標1確診人數區間劃分

表6 指標2死亡人數區間劃分

表7 指標3治愈人數區間劃分

表8 指標4重癥人數區間劃分

表9 指標5危重癥人數區間劃分

表10 指標6密切接觸人數區間劃分

表11 指標7解除觀察人數區間劃分

首先得到指標劃分好的區間之后，對當前所給公共衛生突發事件的指標找到所屬區間，如表12所示；其次，找出指標所處區間在整個疫情中所涉及到的階段，如表13所示；然后，根據表13中指標所處區間在整個疫情中所涉及到的階段，列出所涉及的階段，如表14所示；最后，計算所涉及的階段的重復度Ri，并選擇Ri＞3的階段，如表15所示。

表12 2020年2月16日所給疫情的指標值所在區間分布

表13 指標所處區間在整個疫情中所涉及到的階段

表14 指標所對應的區間在整個疫情中所涉及的階段

表15 所涉及的階段的重復度Ri

當以5組為區間劃分時根據重復度所選擇出的階段是第10階段、第11階段、第12 階段、第13階段、第15階段為所篩選出的重要參考階段，并且可以看到，相比以10組為區間劃分和以15組為區間劃分，涉及了更多可能相似度并不高的階段。可以看出，以10組為區間劃分所選擇出的階段為第10階段、第11階段、第12 階段、第13階段；以15組為區間劃分所選擇出的階段為第10階段、第11階段、第12 階段。可以發現，區間的細分使得篩選出的信息越發相似，可以有效地過濾相似度不高的信息。

（三）歷史公共衛生事件不同階段指標和當前疫情指標之間相似度的計算

Sim(Z*,Zi)值如下表16所示。最后，本文將分別從wj=0.5ws+0.5wc、wj=0.3ws+0.7wc、wj=0.7ws+0.3wc這三個賦權的方式計算，得到 S im(Z*,Zi)值如下表17所示。

表16 Sim(Z*,Zi)值

表17 Sim(Z*,Zi)值

假設 τ= 0.9，得到 λ =0.707，發現三種賦權的方式得到的排序結果都為第11階段＞第12階段＞第10階段＞第13階段，則將歷史案例基因庫中第11階段的應急預案作為參考。根據篩選結果可以得到，從歷史基因庫篩選出的指標數據大小全部與當前公共衛生事件情況盡可能保持一致，為應急決策提供較為準確的參考依據，如表18所示。

表18 所提取出的歷史公共衛生事件的參考應急措施表

根據本文所提出的基于案例推理的突發公共衛生事件應急方案生成方法所篩選出的階段指標值與所假設疫情的指標值進行比較，如表19所示，可以發現指標值十分接近，即所篩選出的歷史案例基因庫中的最接近階段的應急預案與當前疫情情況十分相似，可以有效地將當時的應急措施作為當前疫情的應急參考措施并根據實際情況做出調整，對于新增的措施繼續放置到歷史信息庫中作為補充。

表19 所篩選出的階段指標值與所假設疫情的指標值比較

綜上所述，首先，建立突發公共衛生事件完整周期所有階段的歷史信息庫，詳細羅列出每個階段的指標數據和所對應的應急措施。其次，針對指標在數據處理后的數值分布情況進行區間劃分，更好地區別正常值和異常值，使應急措施的篩選更有針對性。然后，根據劃分好的區間找到當前疫情指標所屬區間，并找出所涉及階段，計算所涉及階段的重復度。最后，計算綜合相似度，得到當前突發公共衛生事件應急參考措施。

五、對比分析

文獻[19]李永海等針對缺乏有效應急預案的一類突發事件應急響應問題，提出了一種基于相似歷史案例分析的突發事件應急預案生成方法。不同的e值，會得到不同的結果，如表20所示。

表20 不同 τ值下篩選出的案例集

其中e= τ·max(Sim)， τ值取決于主觀賦值，根據運行結果可以發現 τ值的細微變化就極大地影響案例的提取數量，使應急預案決策波動性較大。本文提出指標區間劃分與剪枝，使得所得結果具有穩定性，將熵權法和層次分析法相結合，分別從三種方式上進行賦權，得到的結果均為相同的且篩選出的階段都為相似度最高的，提高了案例篩選有效性。

六、結論

本文提出了一種基于案例推理的突發公共衛生事件疫情應急參考方案生成方法，突發公共衛生事件整個周期包含情況不同的階段，所以在生成應急方案時，需要根據當前情況結合歷史基因庫中最為相似的階段來進行參考。根據基因結構的特點，構建了公共衛生事件歷史案例基因庫，存放了具體的案例信息和數據，對歷史數據進行有效的利用。根據指標數值的特征，進行針對性數據處理，結合案例推理，計算公共衛生事件目標案例與歷史案例的綜合相似度，為應急決策者提供科學的、有效的應急參考方案。相比于已有的研究，本文根據數據分布特點對指標進行區間細分，可以有效地找出與當前疫情最為相似的歷史突發公共衛生事件的階段，實現了簡單快速高效的檢索過程。然而，大多數突發公共衛生事件都伴隨著對其他方面的極大影響，例如經濟、民生、教育等方面的影響，但本文未考慮所受影響的這些方面，所以對于突發公共衛生事件應急方案的生成應重視所受影響的其他方面的考慮，本方法并未涉及，這也是今后需要研究的重心。