呼吸道傳染病個案流行病學畫像標簽體系構建研究*

楊子良 趙自雄 張業武 馬家奇

(中國疾病預防控制中心 北京 102206)

1 引言

流行病學調查(以下簡稱流調)是用流行病學方法進行的調查研究，是傳染病暴發中尋找傳染源、追蹤和判定密切接觸者、分析傳播特征與傳播關系的重要手段[1]。現實工作中流調信息紛繁復雜且具有不確定性、主觀性和缺少統一標準等特點。僅靠人工從海量非結構化流調信息中梳理出傳播特征和傳播關系費時、費力、時效性差。基于標簽體系建立個案流行學畫像，可在一定程度上解決流調信息無法直接通過計算機批量處理和分析的難點[2]，具有重要現實意義。用戶畫像是在收集用戶屬性及行為信息基礎上抽取用戶信息全貌、形成數字化標簽集以表征和預測用戶的行為，是對真實用戶的數字化建模[3]。標簽是通過人為概括或定義以唯一性語義說明其對應實體的具體含義，無需文本分析等過多預處理便可為后續信息讀取、計算、分析和可視化展示提供便利[4]。本研究將用戶畫像和標簽理論與流調相關核心業務結合，以呼吸道傳染病病例個案流調相關要素為研究對象構建個案流行病學標簽體系，將零散、復雜的流調信息轉換為形象、結構化、易懂的標簽，為提取個案流行病學特征、建立個案流行病學畫像提供模型基礎。

2 研究對象與方法

2.1 研究資料

以呼吸道傳染病病例個案流調相關要素為研究對象。研究資料為肺鼠疫、嚴重急性呼吸綜合征(Severe Acute Respiratory Syndrome，SARS)以及肺炭疽以及不明原因肺炎的病例個案流行病學調查表(以下簡稱流調表)。

2.2 標簽抽取方法

使用指標標簽化與活動要素模型從流調表中抽取標簽。指標標簽化是從數據指標出發，在保持指標含義不變的條件下，將指標轉換為以短詞語或短詞組形式為主的精簡標簽[5]。活動3要素模型將活動看作由一系列事件構成，將事件概括為何人(Who)、何時(When)、何地(Where)3要素集合[6]。

2.3 標簽分類方法

根據流調表業務屬性，采用等級列舉式分類法構建1級和2級標簽。等級列舉式分類法是一種以知識分類為基礎，依據概念劃分與概括原理，將概括文獻內容與事物的各種類目組成一個層層隸屬、詳細列舉的等級結構體系的分類法。其特點是采用等級隸屬方法規定類目間相互關系，通過全面列舉表達一組完整的并列類目，以樹型結構在類目表上將眾多類目系統排列起來組成一個體系[7]。

2.4 類目標簽提取方法

在2級標簽基礎上采用分面組配式分類方法形成多個類目標簽。分面組配式分類方法是將概括事物的主題概念分解為簡單概念，組成“分面-亞面-類目”結構體系[8]。本研究應用分面組配式分類法中冒號分類法的5個基本范疇理論進行分面分析，從本體、空間、時間、動力、物質5個范疇[9]，對2級標簽的流調具體元素進行分面分析，見表1。

表1 冒號分類法的5個基本范疇

2.5 標簽屬性定義方法

標簽屬性可以理解為針對標簽進行的再標注，即標簽的標簽，主要包括標簽類型、標簽取值與標簽組合規則等[10]。為便于理解和表達，本研究參照數據元屬性相關理論定義標簽屬性。數據元屬性包括數據名稱、定義、數據類型表示格式以及數據元允許值等多個維度[11]。本研究采用多個維度混合定義標簽屬性，定義標簽數據類型和標簽表示格式。數據表示格式中，可枚舉字符型參照流調表中指標選項進行定義，不可枚舉字符型對標簽的取值進行定義。

2.6 研究技術路線

個案流行病學畫像標簽體系構建研究技術路線包括標簽體系構建與示范場景應用研究兩部分。首先分析流調表，從中抽取關鍵指標并進行標簽化。通過等級列舉式分類法構建1級和2級標簽，利用分面組配式分類法構建類目標簽并定義類目標簽屬性，形成個案流行病學標簽體系。再通過個案流行病學畫像、病例間相互關系及傳染病傳播鏈分析3個場景進行應用示范，見圖1。

3 標簽體系構建

3.1 流行病學調查內容分析

流調表集合個案調查對象基本信息、病例發現與就診、暴露史與接觸史、實驗室檢驗等信息，可在一定程度上反映流調數據特征。通過歸納分析4種呼吸道傳染病流調表的內容并統計其包含的流行病學要素，見表2。本研究重點關注呼吸道傳染病早期暴發的流行病學調查，病例入院日期、出院日期、既往病史、轉歸及并發癥等疾病臨床發病過程暫不作為本次研究內容。因此將人口學特征、臨床癥狀、臨床體征、病原學檢測、血清學檢測、暴露史與軌跡史、疫苗接種史、病例發現8個流調要素納入標簽體系構建。

表2 流調要素分析

3.2 指標標簽化

從流調要素中歸納提煉出關鍵指標，將指標統一歸類、合并重復。該過程共提煉出37個關鍵指標，其中有無疫苗接種史、發病前是否去過外地以及可能感染來源3個指標表達復雜不宜直接拿來作為標簽，因此標簽化為短語形式的標簽，見表3。流調表中軌跡史與暴露史部分的指標復雜且不具體，無法直接進行標簽化。暴露史與軌跡史可看作隨時間變化的事件集合，因此通過構建活動要素模型對其進行描述。傳染病的傳播依靠人-人或人-物-人之間的接觸，因此人-物、人-人之間的關系是流調過程中重點關注的要素[12]。結合流調軌跡史與暴露史特征，本研究在3要素活動模型的基礎上添加關系要素，提出流行病學4要素活動模型，用時間(When)、地點(Where)、對象(Item)、關系(Relationship)描述調查對象的暴露史與軌跡史。為使活動要素與流行病學標簽體系相銜接，將流行病學4要素模型標簽化為接觸時間、接觸地點、接觸對象和與接觸關系4個標簽，其中接觸對象包含接觸的人、環境與物品。

表3 指標標簽化結果

3.3 個案流行病學標簽體系框架

在指標標簽化的基礎上，根據《中華人民共和國衛生行業標準》中呼吸道傳染病診斷依據，即傳染病的診斷需要有確切的流行病學史、相應臨床表現以及特異性實驗室檢查結果[13-15]。采用等級列舉式分類法將個案流行病學調查活動列舉為基本信息、臨床癥狀與體征、實驗室檢測與流行病學史4個基本大類，作為1級標簽。在基本大類基礎上，按照其構成列舉出8個基本類，作為2級標簽，形成個案流行病學畫像標簽體系框架，見圖2。

3.4 類目標簽的分面分析與屬性定義

3.4.1 類目標簽的分面分析 類目標簽是在2級標簽基礎上采用分面組配式分類法分析形成的標簽，表4為分面分析得到的35個類目標簽，其中標*號的為按照5個基本范疇理論，結合具體業務得到的拓展標簽，其余為在流調表的基礎上進行分面分析得到的基礎標簽。

表4 類目標簽分面分析結果

3.4.2 類目標簽的屬性定義 通過整理提煉各個類目標簽的屬性特征，對標簽屬性進行歸類，得到類目標簽屬性定義的結果，見表5。

表5 個案流行病學畫像類目標簽屬性定義

3.5 個案流行病學畫像標簽體系

標簽體系是通過對多種標簽進行歸類并對標簽屬性加以定義形成的。通過等級列舉式分類法構建1級與2級標簽，利用冒號分類法進行分面分析構建類目標簽，并對標簽體系每一層添加標識符定位標簽位置(如患者信息可表示為1aP)，形成個案流行病學畫像標簽體系，見圖3。

4 示范場景應用

4.1 描述個案流行病學畫像

通過自然語言處理等技術，從復雜流調信息中提取標簽體系所需要信息要素形成數字化標簽，刻畫個案流行病學信息，通過畫像可視化方式展示。此方式有別于傳統意義上的文本描述，能夠讓研究者更加生動、直觀、全面地了解該調查對象的流行病學特征。利用本研究構建的標簽體系可對病例進行流行病學畫像，見圖4。

4.2 發掘病例間的關系

在構建個案畫像的基礎上，通過對兩個病例暴露史及接觸史中有聯系的標簽進行組合碰撞，可發掘其關聯關系，提升分析效率。利用本研究構建的標簽體系，對病例A和病例B進行流行病學畫像，通過標簽碰撞發掘出病例間關系，虛線框內為兩病例共同標簽交匯信息，見圖5。

4.3 傳播鏈分析

在發掘兩病例間關系的基礎上，可進一步拓展多個病例間的傳播關系，輔助繪制傳播鏈，為防控傳染病和排查密切接觸人群提供指導。對模擬的一起病例進行流行病學畫像，通過尋找共同軌跡史中的類目標簽建立關聯關系，形成的傳播鏈示意圖，見圖6。

5 結論

本研究從流行病學調查信息的結構化處理出發，以呼吸道傳染病病例個案調查表為研究對象，按照基于個案調查表中流調指標構建個案流行病學標簽體系的技術路線，應用等級列舉式分類法和分面組配式分類法構建形成了包括4個1級標簽、8個2級標簽和35個類目標簽共47個標簽的個案流行病學畫像標簽體系，其中通過流調表標簽化37個，通過活動要素模型得到4個，通過分面分析拓展得到6個。3個示范場景應用表明，本研究構建的標簽體系兼具穩定性和可擴展性，能夠為非結構化流行病學調查信息的結構化處理提供動態的分級分類規范化標引，可用于個案流行病學畫像、病例間傳播及相互關系的信息關聯匹配，為進一步構建流行病學知識圖譜，實現基于大數據和人工智能技術的智能流調提供信息分級分類的基礎。本研究構建的標簽體系還存在一定不足。首先，由于無法獲得完整、真實的流調數據，僅以個案調查表為研究對象，構建的標簽體系還有待在實踐中進一步驗證。其次，該標簽體系主要關注傳染病感染及發現過程的關鍵指標，并未涉及既往史、并發癥、毒株分型等現實流調過程中關注較少的標簽，有待根據實際工作需要進一步擴展和豐富標簽體系。