基于風險評估模型的呼吸道傳染健康風險研究

婁方麗，溫丹果，簡 儉，姚 弛，李國靜，田 輝

呼吸道傳染病傳播速度快、傳播范圍廣，具有突發性、長期性、復雜性、高度不確定性等特點，容易大規模暴發流行并造成巨大的經濟損失。病原體不斷變異使病情更復雜，如已經在全球肆虐的未被完全控制的新型冠狀病毒肺炎(COVID-19)，對人民健康造成極大危害，尤其是對于患有慢性基礎性疾病的老年人，危害更嚴重。各國疾控部門已開始加強對呼吸道傳染健康風險的關注力度，不斷開展風險管理相關工作。本文將基于風險評估模型分析呼吸道傳染健康風險，并對相應的風險管理策略進行分析。

1 健康風險評估模型

呼吸道傳染健康風險指在一定的時間或地點、導致病原體由呼吸道侵入引起人際傳播疾病，造成人員死亡、城市或區域系統功能紊亂、財產損失等社會問題的風險因素。健康風險大小由致災因子危險性、承災體暴露性和承災體脆弱性3個方面共同決定。健康風險評估模型為：Ri=EiWe×ViWv×HiWh，其中Ri為i區域面向呼吸道傳染病的居民健康綜合風險值，其值越大說明該區域居民健康風險越大；Ei、Vi、Hi分別為i區域居民健康風險的暴露性、脆弱性和危險性的數值；We、Wv、Wh分別為3個指標的權重[1]。

2 呼吸道傳染健康風險分析

2.1 致災因子危險性分析

2.1.1 近距離飛沫 與病源近距離接觸的飛沫傳播具有較大危害性，與病源越接近，傳染風險較高，與病源距離增大則傳染風險逐漸減小。近距離傳播包括1～2 m的飛沫傳播以及1.5 m的空氣傳播。呼吸、談話、咳嗽和打噴嚏等呼吸活動產生的飛沫會在擴散過程中持續蒸發，直到與周圍環境達到熱濕平衡，內部留下不溶性的飛沫核。飛沫接近蒸發結束的時段是傳播關鍵階段[2]。

2.1.2 封閉環境氣溶膠 室內、交通工具等相對封閉環境中，說話、大笑、咳嗽、打噴嚏等排出的液滴即氣溶膠，在呼出人體后1 s甚至幾十毫秒內蒸發形成飛沫核，飛沫核長期懸浮在空氣中，傳播距離可達數百米甚至更遠，促進病毒傳播，對周圍人員健康造成威脅。此外，氣溶膠攜帶的病毒可以短時間存活于環境及物品表面，易感者通過接觸被污染物品后觸碰眼睛、鼻腔、口腔等部位的黏膜而感染[3]。應適當控制公共交通工具上座率，分散、隔位就座，并在交通工具后部設立暫時隔離區。加強對發熱人員的監測和醫學觀察，加強流出、流入人員監管措施，嚴格對陸路、民航、水運等交通設施的人員防控[4]。

2.1.3 室內流場和呼吸狀態 室內流場和呼吸狀態有助于預測易感人群在室內環境的感染風險，可通過評估暴露劑量、暴露時間、肺活量等因素制定防控策略。病源正常呼氣、與病源相距1.0 m時，無論置換通風或混合通風，病源對易感者的干擾很小；而當病源咳嗽、置換通風或混合通風情況下，氣流可以直接沖擊易感者的呼吸區，使易感者頭頂的熱羽流發生偏移，易感者吸入污染物濃度量級明顯升高。此外，在相同室內環境和呼吸流量下，鼻部吸入飛沫數量明顯少于口部吸入飛沫數量，因此在密閉室內與病源距離較近時，用鼻呼吸比用口呼吸更安全[2]。

2.2 承災體暴露性分析

2.2.1 直接接觸者和隱性感染者 禽流感病毒主要通過接觸傳播，如接觸感染禽類及其分泌物和排泄物、污染飼料、蛋托、墊草、種蛋、雞胚和精液等,以及呼吸道或消化道傳播，也可通過氣源性媒介傳播[5]。COVID-19病人的潛伏期、病原攜帶期和恢復期均能監測到病毒，病毒通過呼吸道傳播或糞-口傳播及母嬰傳播。確診COVID-19的新生兒出生30 h后咽拭子病毒核酸陽性，但需要進一步證實[4]。

2.2.2 密切接觸者 數據顯示，呼吸道傳染病風險主要來自親屬(49.26%)、交通工具(25.76%)、醫護人員(0.7%)等，其他因素占24.28%[6]。數據顯示，來自我國31個省市自治區的1 099例COVID-19確診病人中醫護人員占2.09%。確診病人與密切接觸者、疑似病人、無法明確排除COVID-19感染的發熱病人被統稱為疫情重點監控對象“四類人員”[6]。對密切接觸者應立即采樣檢測，并在醫學觀察解除時進行病原篩查確定是否處于排毒期[4]。

2.2.3 人口流動性 流動人口聚集地、城郊接合部、偏遠少數民族山寨、外出打工回鄉兒童等，常會因時間差出現免疫空白，最先暴露的可能是麻疹，其次是流感、流腦等[7]。人口流動性反映一個地區外來人口流動的強度，流動性越強，傳播呼吸道傳染病的風險越高[1]。

2.2.4 易發時段 數據顯示，H5N1型與H7N9型禽流感病毒1月累計報告病例占總病例數比例分別為25.78%、27.48%；H7N9發病高峰為1～3月，夏季僅有零星散發病例；H5N1發病高峰為11月至次年3月[5]。

2.3 承災體脆弱性分析 在所有承災體群體中，老年人和慢性基礎疾病病人的脆弱性程度最高，尤其是60歲以上老年人群。資料顯示，COVID-19病人中30～65歲占71.45%，10歲以下占0.35%；至少合并1種基礎疾病者占25.2%，如高血壓、慢性阻塞性肺疾病、哮喘、糖尿病、高血壓、冠心病等[4]。此外，老年人及合并基礎疾病者、極度肥胖者感染COVID-19后易發展為重癥，一部分因病毒性肺炎加重導致呼吸衰竭繼發器官功能受損，另一部分由于病毒性肺炎引起基礎疾病加重而導致器官功能衰竭。因此，老年人、合并慢性基礎疾病以及呼吸頻率增快、CD4+T淋巴細胞數下降、中性粒細胞/淋巴細胞比值增加、存在器官功能損害等人群均被認為是COVID-19重癥化早期預警指標[4,8]。

3 呼吸道傳染健康風險管理策略

澳大利亞新西蘭風險管理標準(AS/NZS 4360:1999)指出，風險管理指對機構的活動、功能和過程的相關風險因素進行監測、預警、分析、上報4種策略[1]。

3.1 風險監測

3.1.1 癥狀監測 癥狀監測指不依賴于特定診斷，而對特定人群中特定臨床癥候群的發生頻率進行監測。癥狀監測將監測及報告的起點前移，在臨床和實驗室確診前提示疾病暴發的非特異性信息、發現疾病在時間或者空間上的異常聚集、早期探查并預警疫情，提升防控行動的及時性。健康監測通常由病例發現和報告、調查和證實、分析和解釋、響應和行動幾部分構成。有研究通過研發癥狀監測信息采集和統計分析軟件，采用“分散采集、兩級存儲、中心處理、層次分析”的應用模式，構建了軍隊癥狀監測系統，包括信息采集傳輸、數據分析預警、異常事件響應3部分，并對監測系統在全軍的適用性及公共衛生價值進行了初步評價[4]。

研究顯示，COVID-19病人的發熱呼吸道綜合征監測指標為發熱、咳痰、氣短、呼吸困難等；流感樣綜合征監測指標為發熱、四肢酸痛、咽痛、鼻塞、流涕等；新型冠狀病毒綜合征監測指標為發熱、合并輕度干咳、乏力、呼吸不暢、腹瀉等[5]，部分兒童及新生兒表現為嘔吐、腹瀉或精神弱、呼吸急促等不典型癥狀[9]。人感染禽流感最初表現為體溫升高、咳嗽、精神不振等，后逐漸表現為呼吸道感染、黏膜充血、呼吸衰竭和多器官損害[5]。

3.1.2 基于指標監測和基于事件監測 《國際衛生條例》明確提出，為了全面達到國際衛生條例關于早期預警的要求，有必要加強和發展常規或基于指標監測(indicator-based surveillance,IBS)以及基于事件監測(event-based surveillance,EBS)[10]。IBS通過生物學信息和癥候群獲取信息，進行趨勢監測、項目監測、慢性病原學監測、疾病負擔監測等；EBS指有組織地收集、監測、評估和解讀與威脅人類健康的健康事件或風險有關的非結構化隨意信息[11]。通過人類健康監測(如媒體報道、缺勤缺課、藥房銷售、人群遷移、社會騷亂等)、獸醫監測(自然疫源性疾病)、環境/生態學監測(如氣象、蟲媒生物密度、作為中間宿主動物和儲存宿主動物的變化、水和空氣質量)等途徑獲取信息。IBS與EBS系統互為補充，共同發揮全威脅公共衛生監測預警響應功能[12]。有研究采用醫院信息多維度監測系統對醫院診療、藥品零售、撥打健康熱線、學校缺課、工廠缺勤以及病人日常生活、口服非處方藥、發熱咽痛癥狀等進行監測，某區域段某類癥狀超出額定數值便會自動預警[12]，與采用IBS與EBS共同進行公共衛生監測的功能類似。

3.1.3 智能模擬監測 利用自然語言處理技術，將熱線咨詢非結構化文本內容進行精準智能歸類、提取、自動推送并設計智能疫情研判系統，以涉疫防控地圖形式展現，可快速查詢疫情防控點情況。采用傳染病模型(SIR模型)模擬COVID-19發展曲線、推導發展趨勢，并進行監測和預警[13]。近年來國外運用文本挖掘和可視化技術如全球疫情監控網(HealthMap)、全球公共衛生情報監測系統(GPHIN)、社區疾病流行早期報告電子監測系統(ESSENCE)、風險追蹤工具(TTT)等進行疾病暴發監測[14]。應用呼吸道傳染健康風險評估預警指標體系對重點區域進行全天候預警監測，可統籌同步疫情信息，加強區域間聯動機制，形成多部門跨區域協作格局。美國建成以“3S”為核心的從海底到太空的信息監測網絡，包括各級公共衛生部門伙伴關系網以及全球移動檢疫網絡等危機預警網絡，并建有疾病分子數據庫，有利于傳染病監測、及時掌握病毒信息，研制治療方案[1]。

3.2 風險預警 構建區域性公共衛生事件信息集散中心，將監測信息匯總到EBS系統，經過數據清洗、情況核實成為事件預警信號，提交給EBS監測評估專家組進行數據分析和風險評估[12]。將傳染病自動預警、網絡直報、公共衛生數據交換、醫院信息管理等整合成預警協同鏈，將疾控中心、醫院、藥店、社區等整合成醫療信息安全共享數據鏈，將傳染病報告卡、傳染病風險特征標簽、電子健康檔案等整合成疫情暴發證據鏈，利用區塊鏈技術的分布式加密存儲、數字身份認證、智能合約自動化執行和數據防篡改、數據安全共享等建立傳染病早期聯合預警監測平臺[15]。選擇呼吸道傳染病代表病種研究預測模型，初步構建呼吸道傳染病的預警平臺，利用自回歸積分滑動平均模型(ARIMA模型)及ARIMA與人工神經網絡組合模型進行疾病預測。如醫院開通COVID-19出院后健康管理平臺，病人端收集健康信息、建檔；醫護端醫生監測、預警、在線接診、會診等，護士實施健康評估、健康宣教、康復指導、隔離管理、心理疏導等；后臺管理端設計健康管理模塊如人工智能機器人隨訪、制訂康復鍛煉方案等，并進行大數據分析[16]。人口流動大數據具有比城市聯系度、鐵路客運密度更高的疫情空間擴散趨勢推測準確度，有利于推動多源數據融合、細化預警空間范圍及開展數字化社區治理等[4]。

3.3 風險分析 傳染病疫情擴散仿真系統能夠從疫情的地理位置分布入手，模擬病毒攜帶者的活動路線，再現病毒傳播過程，并進行模擬和分析研究，對疫情暴發的應急指揮過程進行模擬和評估。利用SQL Server 2005平臺，結合人口數據、自然環境數據和氣象數據設計了傳染病數據倉庫，實現了多維分析和數據挖掘。數據倉庫技術對傳染病數據及其環境危險因素、媒介生物數據、人口與社會經濟數據、基礎地理環境數據等進行了綜合集成，并應用決策樹、聚類、神經網絡等算法進行數據挖掘，初步篩選出不同類型傳染病的環境影響因素，為進一步開展重點傳染病環境影響因素的研究奠定了基礎。基于2009年北京甲型H1N1流感和2003年重癥急性呼吸綜合征(SARS)特點對甲型H1N1流感、SARS的傳播特點等進行模擬和分析研究，結果表明呼吸道傳染病的傳播與場館內的人口密度、乘坐交通工具的方式、防御措施等有密切關系，機場檢疫和隔離措施直接關系到SARS的傳播速度和范圍[17]。美國建立了應對突發傳染病的組織體系，包括疾病預防控制中心(CDC)聯邦疾病控制與預防系統，負責疫病監測并定期發布；地區/州醫院應急準備系統(HRSA)，將具體疾病信息通過網絡與CDC實時聯系；地方城市醫療應急系統(MMRS)與地方醫院和地方機構等協調互動[1]。

3.4 風險上報 采用云計算、區塊鏈、人工智能等技術建立智慧化預警多點觸發機制，集成人口規模、空氣、污染物、水電使用、交通運輸客流等平臺，兼顧動物園、養殖場、自然保護區、獸醫等動物生存和健康信息，進行未知疾病癥狀數據上傳、橫向信息共享、同類癥狀數據對比、同行審核確認等，允許疑問病例首發上報[18]。發現疑似病例后立即進行單人間隔離治療，在2 h內進行網絡直報，并采集標本進行新型冠狀病毒核酸檢測，同時在確保轉運安全前提下立即將疑似病例轉運至定點醫院。疑似病例連續兩次新型冠狀病毒核酸檢測陰性(采樣時間至少間隔24 h)且發病7 d后新型冠狀病毒特異性抗體IgM和IgG仍為陰性可排除疑似病例診斷[9]。