为了增强呼吸道传染病尤其是急性呼吸道传染病症状监测预警的能力，探索其未来的应用及发展，本文概述了国外传染病症状监测系统的现状，对我国现有的急性呼吸道传染病症状监测体系及应用进行综述，并对未来急性呼吸道传染病症状监测预警技术的发展进行了探讨。

　　杨津, 冯录召, 赖圣杰, 马礼兵, 张婷, 张惺惺, 王晴, 杨维中, 王辰. 急性呼吸道传染病症状监测及预警技术的现状与展望[J]. 中华流行病学杂志1-00606

　　人类对于呼吸道传染病的认识仍有限，尤其是新发、突发的急性呼吸道传染病。然而这类传染病一旦大流行，可对健康、、经济和社会产生巨大的危害。人们希望通过监测及早发现传染病异动并及时发出预警。症状监测作为传统监测的有效补充，已在公共卫生界得到越来越多的关注。本文概述了国外传染病监测系统的现状，对我国的急性呼吸道传染病症状监测体系及应用进行了综述，并对未来急性呼吸道传染病症状监测预警技术的发展进行了探讨。

　　呼吸道传染病包括一大组由病毒、细菌、支原体等病原体引起的急性和慢性呼吸系统疾病。急性呼吸道传染病可在短时间内从某一个国家或地区迅速蔓延至全球，造成大流行[1]。例如，新型冠状病毒感染席卷全球，毒株不断变异，对人类的生命健康、经济发展及社会稳定都造成了巨大的威胁。因此，建立和发展呼吸道传染病监测预警技术，提高呼吸道传染病尤其是急性呼吸道传染病监测预警系统的能力迫在眉睫。

　　症状监测起初主要是以早期发现生物恐怖为目标，之后逐渐扩展至公共卫生领域[2-3]。从狭义上来讲，症状监测又称症候群监测，指持续、系统地收集患者临床确诊前出现的症候群信息，并对这些信息进行分析，例如发热、腹泻等呼吸道症状。广义上症状监测还包括其他非特异信息，如非处方药销量、急诊室患者主诉、学校缺勤率、工厂缺勤率等，分析非特异信息与疾病之间的联系，探测疾病波动是否异常[4]。由于症状监测采集的信息来自于多种数据源，且通常早于临床明确的诊断信息，所以比传统的监测方法可能具有更高的及时性和敏感性，有助于快速预警公共卫生事件[5]（图 1）。因此，症状监测作为传统监测的有效补充，已在公共卫生界得到越来越多的关注。

　　为了增强呼吸道传染病尤其是急性呼吸道传染病症状监测预警的能力，探索其未来的应用及发展，本文概述了国外传染病症状监测系统的现状，对我国现有的急性呼吸道传染病症状监测体系及应用进行综述，并对未来急性呼吸道传染病症状监测预警技术的发展进行了探讨。

　　美国建立了社区疾病早期报告监测系统（Electronic Surveillance System for the Early Notification of Community-Based Epidemics）、国家传染病监测系统（National Notifiable Diseases Surveillance System）、电子实验报告系统（Electronic Laboratory Reporting）、BioSense监测系统、流感监测系统等[6-7]。这些系统的监测对象包括医院、社区诊所、药店、病原学检测机构、哨点机构、急救中心、学校、气象环境、卫生热线记录和媒体信息等，一旦发生呼吸道传染病，各部门能够充分整合各个渠道的资源进行监测[8-9]。日本于1999年实施了国家传染病流行病学监测计划（National Epidemiological Surveillance of Infectious Diseases），通过信息的收集、分析与整理，评估包括呼吸道传染病在内的多种传染病的疫情形势[10]。2007年该系统加入了疑似病例监测哨点，从指定的医疗机构收集疑似但尚未经医生确诊的病例信息，可对传染病的发生进行快速识别[11-12]。此外，日本开发的处方监测系统可通过自动统计和计算处方数量估计传染病的患者人数[13]。欧洲传染病监测预警系统包括欧洲传染病网络（European Network of Infectious Diseases）、欧洲CDC（European Centre for Disease Prevention and Control）以及各项传染病应对计划和国际合作三部分[14-16]，各成员国之间的预防与控制机构可整合、利用并共享卫生资源，以对呼吸道传染病等多种传染病进行监测。此外，欧洲还开发了威胁追踪工具（Threat Tracking Tool），可以对网络媒体（ProMed，GPHIN，MediSys等）、特定网站（WHO、各国政府、CDC、卫生研究所等）和传染病公告（欧洲监测、发病和死亡周报等）进行威胁事件的持续追踪[17]。韩国的急诊科症状监测预警系统和军事主动实时症状监测系统能够根据呼吸道症候群对疾病进行监测[18-19]。

　　我国的症状监测起步较晚，2003年严重急性呼吸综合征（非典型肺炎）流行后，各级医疗卫生机构针对流行冒（流感）、不明原因肺炎等呼吸道传染病开展监测，由此症状监测得以逐步探索和发展。2009年，我国在传染病防治科技重大专项支持下搭建了“传染病监测技术平台”，发热呼吸道症候群的症状监测在我国得到了进一步推广与应用，监测网络包括中心实验室、检测实验室和哨点医院。其中，哨点医院至少要覆盖一级医院一家，二级或以上儿童医院一家，二级或以上综合医院三家。监测的症状包括发热、白细胞升高/降低或分布异常、寒战、体温、咽部不适、咽干或咽痛、鼻塞、流涕、鼻/咽/喉明显充血或水肿、咳嗽、咳痰、气短、听诊呼吸音异常（湿啰音、干啰音、哮鸣音、浊音）和胸痛。监测的流程通常先由哨点医院的医生和在门诊、急诊或病房使用标准问卷收集符合监测定义的病例信息，然后将采集的相关标本送至病原学检测实验室进行病原学检测，定期进行结果分析。中心实验室定期对病原学实验室的检测标本进行复核，并定期对结果进行分析与整合。哨点医院由专人对原始表格进行严格管理，采用具有保护性措施的计算机程序进行数据的录入与保存[20]。发热呼吸道症候群的监测覆盖面广，有众多实验室和医院参与，研究内容丰富多样，使得急性呼吸道传染病的症状监测能力大幅提升。

　　医疗机构可能是最早发现疫情的场所，采集医疗机构的信息对急性呼吸道传染病的监测十分重要。2004年我国创建了不明原因肺炎监测系统，要求各级各类医疗卫生机构对以肺炎为主要临床表现的原因不明的聚集性呼吸道传染病进行监测，排除非典型肺炎、人禽流感等已知病原后，重点关注聚集性不明原因肺炎病例。2009年，我国搭建的“传染病监测技术平台”就包括对发热呼吸道症候群的病原谱及病原体变异变迁的规律进行研究，提高了急性呼吸道传染病预测预警的能力[20]。中国CDC于2021年在Nature Communications发表了一项研究，该研究采用2009-2019年的呼吸道传染病症候群监测数据，阐明了引起中国人群急性呼吸道感染的主要病原体及其流行病学特征，体现了急性呼吸道感染的主动监测网络[21]。

　　（1）流感样病例监测：2004年我国正式建立了流感监测系统，主要针对哨点医院门/急诊中的流感样病例进行监测，收集年龄、性别、流感样病例数和门/急诊就诊总数等信息。哨点医院根据患者就诊情况选择一部分流感样病例采集标本，包括咽拭子、鼻拭子、鼻咽拭子，并将采集到的病例标本送至流感监测网络实验室进行核酸检测。流感样病例监测是典型的症候群监测，时间提前到病例确诊之前，根据流感样病例和病例标本检测结果分析流感的动态变化趋势和病毒变异情况，以对流感流行态势进行评估和预警[22]。

　　（2）住院严重急性呼吸道感染病例监测：2009年甲型H1N1大流行后，我国建立了住院严重急性呼吸道感染病例监测系统（Severe Acute Respiratory Infection，SARI），通过SARI病例和标本检测结果，及时判断我国甲型H1N1流感的疫情态势，描述甲型H1N1流感和季节性流感重症病例的临床和流行病学特征，重点监测重症病例发生的危险因素和病毒的变化情况[23-24]，以对重症病例中流感的传播情况进行评估和预警。

　　奥运会、世博会等大型活动通常会使某些国家的某些地区在一定时间内进入几百万甚至几千万人次，大量来自世界各国的人员会给当地的公共卫生带来严峻挑战。在大型活动症状监测中，呼吸道传染病相关症状往往是监测内容的重中之重，人们希望通过开展症状监测进一步提高呼吸道传染病，尤其是急性呼吸道传染病的监测与暴发识别能力[25]。例如，2022年我国承办了冬奥会，面对新型冠状病毒感染疫情蔓延的严峻挑战，我国制定了《北京2022年冬奥会和冬残奥会防疫手册》，对全体人员进行每日健康监测，针对就诊人员开展症状监测，旨在对传染病尤其是新型冠状病毒感染的早发现[26]。我国也曾陆续承办了奥运会、世博会等大型活动，并在活动期间通过症状监测成功探测出一些聚集性病例，可预警急性呼吸道传染病的暴发，提高了相关传染病早期识别的敏感性[27-28]。

　　症状监测系统涵盖多种数据源，公共卫生界逐渐对新的数据源感兴趣，如急诊室就诊、救护车调度、药店购药、互联网搜索等。一些研究人员采用百度指数平台搜索流感相关的关键词，利用关键词的波动情况进行分析，预测效果较好[29]。2020年，国家卫生健康委员会发布学校传染病症状监测预警技术指南，了解学生有无发热、咳嗽、头痛、咽痛、腹痛、腹泻、呕吐、头晕、乏力等症状，以及症状发生的时间、地点，预警包括急性呼吸道传染病在内的一些传染病的暴发[30]。有研究收集了2015-2019年广州市36家连锁药店流感相关非处方药物的销售数据和国家级流感监测哨点医院的流感样病例监测数据，分析结果发现药店流感相关的非处方药物销售监测可应用于流感监测与早期预警[31]。

　　基于急性呼吸道传染病症状监测数据的预测预警方法通常包括阈值法、时序分析法、时空分析、传染病动力学模型等方法。此外，随着大数据的应用与发展，机器学习方法也被应用到该领域进行预测预警。

　　根据不同急性呼吸道传染病的特征设定阈值，将实际病例数与阈值相比较，达到或超过阈值则发出预警[32]。例如，有研究利用移动百分位数法对不同阈值下的流感等呼吸道传染病的暴发预警效果进行了对比，并提出国家传染病自动预警系统可以根据不同的传染病病种优化预警的阈值，提高预警系统的准确性与及时性[33]。也有研究利用C1、C2和C3法分析了北京市流感监测数据并成功预测了北京市2007-2008年流行季开始的时间[34]。阈值法原理简单，计算方便，可基于短时间内的数据进行探测，但无法对某局部地区聚集性的疫情进行预警。

　　将时间序列分解，分析其趋势、周期性和季节性特征，以预测未来某一段时间内急性呼吸道传染病的流行情况。例如，有研究利用差分整合移动平均自回归模型（autoregressive integrated moving average model，ARIMA）预测了2021-2022年中国、英国和美国在不同非药物干预措施下的流感动态，模型效果良好[35]。时间序列模型大都适合短期预测，对于长期预测模型的精准度会下降，尤其是当发生突发事件时，模型往往会有较大偏差。时序分析法也不涉及空间信息，无法对某一局部区域的聚集性疫情进行精准预警。

　　分析急性呼吸道传染病监测数据的时间和空间特征，识别其暴发或流行的时空聚集区域。例如，有研究对江西省2017-2019年的流行冒情况进行了时空聚集分。