目的分析海南省2010年麻疹疫苗强化免疫活动中疑似预防接种异常反应(Adverse Events Following Immunization,以下简称AEFI)监测和与处置情况,为今后大型疫苗强化免疫活动或应急免疫活动预防接种异常反应监测工作提供策略依据。方法全...目的分析海南省2010年麻疹疫苗强化免疫活动中疑似预防接种异常反应(Adverse Events Following Immunization,以下简称AEFI)监测和与处置情况,为今后大型疫苗强化免疫活动或应急免疫活动预防接种异常反应监测工作提供策略依据。方法全省建立疑似病例救治绿色通道,所有疑似病例通过全省AEFI监测系统上报,同时送定点医院免费救治,及时进行调查诊断,采用描述性流行病学方法分析AEFI个案数据,评价处置效果。结果本次强化免疫共监测报告AEFI 573例,报告发生率为7.41/万;一般反应报告发生率为4.70/万,异常反应为1.42/万,偶合症为1.09/万;76.79%AEFI在接种后24h内发生,就诊后24h内报告率达94.07%,报告后48h内调查率达99.65%。86.4%异常反应临床诊断为过敏性皮疹,发生率为1.07/万;其它较严重反应为过敏性紫癜、脓疱疹、热性惊厥、血管性水肿和血小板减少性紫癜,发生率分别为0.03/万、0.03/万、0.02/万、0.01/万和0.01/万。15例严重的AEFI中,异常反应9例,占60%,偶合症4例,不明原因2例;除一例偶合病毒性心肌炎死亡外,其它均治愈或好转。结论强化免疫活动建立敏感的AEFI监测系统、医疗机构绿色救治通道、及时处置AEFI病例非常关键,针对不明原因的、偶合症的病例需进一步实验室诊断准备,才能保证强化免疫工作的顺利开展。展开更多
目的建立疑似预防接种异常反应(adverse event following immunization, AEFI)报告病例数的季节性自回归积分滑动平均模型(autoregressive integrated moving average model, ARIMA),对AEFI报告数进行预测。方法使用R语言做模型的识别...目的建立疑似预防接种异常反应(adverse event following immunization, AEFI)报告病例数的季节性自回归积分滑动平均模型(autoregressive integrated moving average model, ARIMA),对AEFI报告数进行预测。方法使用R语言做模型的识别、模型参数的估计、检验,建立季节性ARIMA模型,对辽宁省AEFI报告数进行模型拟合,用2019年1-12月的预测值与实际值作比较,检验模型的预测能力。结果经过多次检验,确定ARIMA(0,1,1)(1,1,1)_(12)模型预测能力最佳,其残差序列为白噪声。用2019年1-12月数据检验模型,由MAPE的绝对值可以看出,除3月外其他月份预测值与实际值相差均较小,说明模型的拟合优度相对较好,预测结果可靠。结论季节性ARIMA(0,1,1)(1,1,1)_(12)模型可以较为准确地预测辽宁省AEFI病例报告趋势,可为合理配置AEFI调查诊断所需资源提供理论依据。展开更多
文摘目的分析海南省2010年麻疹疫苗强化免疫活动中疑似预防接种异常反应(Adverse Events Following Immunization,以下简称AEFI)监测和与处置情况,为今后大型疫苗强化免疫活动或应急免疫活动预防接种异常反应监测工作提供策略依据。方法全省建立疑似病例救治绿色通道,所有疑似病例通过全省AEFI监测系统上报,同时送定点医院免费救治,及时进行调查诊断,采用描述性流行病学方法分析AEFI个案数据,评价处置效果。结果本次强化免疫共监测报告AEFI 573例,报告发生率为7.41/万;一般反应报告发生率为4.70/万,异常反应为1.42/万,偶合症为1.09/万;76.79%AEFI在接种后24h内发生,就诊后24h内报告率达94.07%,报告后48h内调查率达99.65%。86.4%异常反应临床诊断为过敏性皮疹,发生率为1.07/万;其它较严重反应为过敏性紫癜、脓疱疹、热性惊厥、血管性水肿和血小板减少性紫癜,发生率分别为0.03/万、0.03/万、0.02/万、0.01/万和0.01/万。15例严重的AEFI中,异常反应9例,占60%,偶合症4例,不明原因2例;除一例偶合病毒性心肌炎死亡外,其它均治愈或好转。结论强化免疫活动建立敏感的AEFI监测系统、医疗机构绿色救治通道、及时处置AEFI病例非常关键,针对不明原因的、偶合症的病例需进一步实验室诊断准备,才能保证强化免疫工作的顺利开展。
文摘目的建立疑似预防接种异常反应(adverse event following immunization, AEFI)报告病例数的季节性自回归积分滑动平均模型(autoregressive integrated moving average model, ARIMA),对AEFI报告数进行预测。方法使用R语言做模型的识别、模型参数的估计、检验,建立季节性ARIMA模型,对辽宁省AEFI报告数进行模型拟合,用2019年1-12月的预测值与实际值作比较,检验模型的预测能力。结果经过多次检验,确定ARIMA(0,1,1)(1,1,1)_(12)模型预测能力最佳,其残差序列为白噪声。用2019年1-12月数据检验模型,由MAPE的绝对值可以看出,除3月外其他月份预测值与实际值相差均较小,说明模型的拟合优度相对较好,预测结果可靠。结论季节性ARIMA(0,1,1)(1,1,1)_(12)模型可以较为准确地预测辽宁省AEFI病例报告趋势,可为合理配置AEFI调查诊断所需资源提供理论依据。