健康医疗大数据驱动下的疾病防控新模式

随着互联网技术的快速发展和医疗信息化的不断推进,健康医疗大数据已逐渐成为创新健康管理、满足人民群众日益增长的健康需求的重要资源,成为国家全面实施大数据战略的重要组成部分。宁波市鄞州区通过构建健康大数据平台及大数据技术的应用,积极探索健康医疗大数据在传染病、预防接种、慢性病等疾病防控领域的防控模式创新,期望通过“互联网+健康医疗”提高区域疾病防控和健康管理水平,培育发展新业态,成为健康中国的有力支撑。本文对鄞州区的这一防控新模式的实践探索进行介绍,并对模式的初步成效进行讨论。

宁波市鄞州区2017-2022年6岁及以下儿童疱疹性咽峡炎流行特征及与手足口病发病的互相关分析

目的了解宁波市鄞州区2017-2022年≤6岁儿童疱疹性咽峡炎(HA)流行特征并分析其与手足口病(HFMD)发病的互相关性。方法基于鄞州区域健康大数据平台2017-2022年的电子病历数据和公共卫生管理数据,分析≤6岁儿童HA流行特征。利用公共卫生管理数据中传染病报告数据计算HFMD发病率,采用自回归移动平均模型与互相关函数分析HA和HFMD发病的相关性。结果2017-2022年鄞州区≤6岁儿童中累计监测HA病例25385例,男女性别比为1.12∶1。HA年均发病率为4986.67/10万,2018年最高(10477.09/10万),2020年最低(870.88/10万)。HA发病高峰为6、7月,1岁组发病率高于其他年龄组,发病率为7950.45/10万;云龙镇、姜山镇和下应街道发病率较高,发病率依次为8764.31/10万、8377.58/10万和7965.31/10万。HA发病率与滞后0、7、12、18 d的HFMD发病率互相关系数分别为0.199、0.139、0.090、0.086(均P<0.05)。结论2017-2022年鄞州区≤6岁儿童中HA呈高流行水平,发病率存在季节性和地区差异性,HA发病与HFMD发病存在相关性,且HFMD发病有一定滞后性。应重视HA监测,开展HA和HFMD的同期监测和管理,加强两者的综合防控。

宁波市鄞州区健康大数据平台在新型冠状病毒肺炎疫情病例发现中的应用探索

在新型冠状病毒肺炎(COVID-19)疫情防控中,在没有疫苗和特异性治疗药物的情况下,控制传染源成为遏制疫情流行的最重要的防控措施之一。宁波市鄞州区在积极落实传统“早发现”综合措施的同时,通过联防联控机制实现了部门间数据信息共享,依托融合了医疗、疾控以及非卫生部门数据的健康大数据平台,创新性地探索开展大数据驱动的线上可疑病例筛选、线下核实处置的COVID-19病例发现工作模式,为今后实现更有效和高效的动态、持续的传染病监测预警奠定工作基础、积累经验。本研究对宁波市鄞州区的这一模式探索进行介绍,并对大数据驱动的监测模式在传染病防控中的作用进行讨论。

基于健康大数据平台的鄞州区新型冠状病毒肺炎监测病例流行病学特征分析

目的分析鄞州区基于健康大数据平台的新型冠状病毒肺炎(COVID-19)监测病例流行特征,为COVID-19监测网络体系建设提供依据。方法收集鄞州区新型冠状病毒肺炎监测与预警信息系统每日COVID-19监测病例数据,分析COVID-19监测病例人群构成、流行病学史比例、核酸检测率、核酸阳性检出率和确诊病例监测发现率。结果2020年1月1日至3月30日共报告COVID-19监测病例1595例,其中社区人群和重点人群分别占79.94%和20.06%。监测病例现场调查核实率100.00%,有武汉市或湖北省接触流行病学史占6.27%,社区和重点人群中有流行病学史者占比分别为2.12%和22.81%(P<0.001)。COVID-19核酸总检测率18.24%(291/1595),有、无流行病学史者核酸检测率分别为53.00%和15.92%(P<0.001),COVID-19核酸阳性检出率1.72%(5/291)。监测确诊病例发现率0.31%(5/1595),监测确诊病例和其他确诊病例初次就诊至初次核酸检测时间间隔差异无统计学意义(P>0.05)。结论基于健康大数据平台的COVID-19监测工作运转良好,但确诊病例监测发现率有待提高。

2017-2021年鄞州区流行性感冒时空聚集性分析

目的了解2017—2021年浙江省宁波市鄞州区流行性感冒(流感)的时空聚集特征,为流感防控提供参考。方法通过中国疾病预防控制信息系统收集2017—2021年鄞州区流感监测资料,采用ArcGIS 10.8软件进行空间自相关分析,采用SaTScan 10.1软件进行时空扫描,分析鄞州区流感发病的时空聚集特征。结果2017—2021年鄞州区共报告流感60543例,年均发病率为0.76%。2019年12月和2020年1月为发病高峰时段,发病率分别为9.35%和9.28%。空间自相关分析显示,2018—2021年鄞州区流感发病存在空间正相关(均P<0.05),2019年和2021年呈高发聚集性;其中,中河街道在2017—2020年呈低-高聚集;姜山镇在2017年和2020年呈低-高聚集,2019年和2021年呈高-高聚集;首南街道在2018—2020年呈高-高聚集;云龙镇在2021年呈高-高聚集。时空扫描结果显示,2017年8月一级聚集区位于以东钱湖镇为中心的中部地区;2018—2020年12月和1月一级聚集区位于西北部地区;2021年8月一级聚集区位于西部地区。结论2017—2021年鄞州区流感发病存在时空聚集性,冬季和夏季为发病高峰,主要聚集于西北部地区。

鄞州区2009—2018年出生儿童水痘疫苗接种保护效果分析

目的了解宁波市鄞州区2009—2018年出生儿童接种不同剂次水痘疫苗的保护效果,为水痘疫情防控提供依据。方法通过鄞州区预防接种信息系统和中国疾病预防控制信息系统传染病报告管理系统收集鄞州区2009—2018年出生儿童的水痘疫苗接种和发病资料,分析接种不同剂次儿童的水痘发病密度和疫苗保护效果;采用多因素Poisson回归模型分析水痘发病与疫苗接种剂次的关系。结果2009—2018年鄞州区出生儿童154973人,未接种水痘疫苗人群发病密度41.32/万人年;1剂次疫苗接种率为24.97%,人群发病密度14.22/万人年;2剂次疫苗接种率为69.82%,人群发病密度1.85/万人年。多因素Poisson回归分析结果显示,接种2剂次水痘疫苗能有效降低水痘发病率(RR=0.044,95%CI:0.034~0.057),保护效果比1剂次更好(RR=0.385,95%CI:0.298~0.496)。结论接种水痘疫苗可有效降低水痘发病率,接种2剂次较1剂次的保护效果更好。

宁波市鄞州区2012-2020年HIV感染者确证后住院率及影响因素分析

目的分析基于真实世界数据的HIV感染者确证后住院率及影响因素,为艾滋病防控和管理提供依据。方法基于艾滋病综合防治信息系统和宁波市鄞州区健康大数据平台的回顾性队列研究,收集2012-2020年鄞州区确证HIV感染者病例报告卡、随访管理、抗病毒治疗和住院记录等资料,分析HIV感染者的住院率、住院人次数、住院疾病并用logistic回归模型分析住院的影响因素。结果在鄞州区2012-2020年确证的763例HIV感染者中,总住院率和总住院人次数分别为6.95%(53/763)和2.59人次/100人年。<30、30~、45~、≥60岁年龄组HIV感染者住院率分别为3.16%(10/316)、6.07%(15/247)、7.86%(11/140)、28.33%(17/60),住院人次数分别为0.81、1.59、4.05、17.40人次/100人年。logistic多因素回归分析结果显示,年龄≥60岁年龄组与HIV感染者有住院史呈显著相关(аOR=14.44,95%CI:3.57~58.46)。艾滋病及相关疾病、心脑血管疾病和代谢异常、其他疾病导致的住院率分别为1.83%(14/763)、1.05%(8/763)、3.93%(30/763)。结论在抗病毒治疗策略下,鄞州区HIV感染者的住院负担重点人群与普通人群相似,仍然是≥60岁年龄组为主,艾滋病及相关疾病导致的住院比例较少,HIV感染者的总体住院负担增加不明显。

社区卫生应急人员抗逆力调查

目的了解新型冠状病毒肺炎疫情下浙江省社区卫生应急人员抗逆力及其影响因素。方法采用分层整群抽样方法,选取浙江省6个县(市、区)所有社区卫生服务中心(乡镇卫生院)卫生应急人员为调查对象。采用自行设计的调查问卷、医务人员突发公共卫生事件核心应急能力量表和简易抗逆力量表进行调查;采用多重线性回归模型分析社区卫生应急人员抗逆力的影响因素。结果发放调查问卷749份,回收有效问卷699份,回收有效率为93.32%。社区卫生应急人员抗逆力得分为(34.97±7.95)分,核心应急能力总分为(118.38±27.60)分。多重线性回归分析结果显示,核心应急能力(β'=0.410)、文化程度(大专:β'=0.158;本科及以上:β'=0.196)、职务(高层:β'=0.083)和身体素质符合应急工作需要(不符合:β'=-0.152;不太符合:β'=-0.235;基本符合:β'=-0.219;比较符合:β'=-0.107)是社区卫生应急人员抗逆力的影响因素。结论浙江省社区卫生应急人员抗逆力处于中等水平。核心应急能力、文化程度、职务和身体素质符合应急工作需要是社区卫生应急人员抗逆力的影响因素。

多状态马尔科夫模型估计2型糖尿病患者慢性并发症累积数量的转移概率及影响因素研究

目的建立2型糖尿病(T2DM)患者多状态马尔科夫模型,探讨不同慢性并发症累积数量状态间的转移规律,估计状态间的转移概率和转移强度,并探索影响状态改变的可能因素。方法对33575例T2DM患者进行回顾性队列研究,根据基线情况和随访观察期间累积慢性并发症的数量将状态划分为单纯T2DM、合并1、2、3、≥4类并发症共5个状态,分别用S0、S1、S2、S3和S4表示。采用时间连续、状态离散的多状态不可逆马尔科夫模型进行统计学分析。结果共纳入33575名研究对象,平均年龄60岁,随访时间M=8年,32653例患者基线无并发症。随访期间,S0→S1、S1→S2、S2→S3和S3→S4的转移概率分别为16.4%、32.4%、45.6%和25.9%。多因素分析结果显示,女性(HR=0.919)、<60岁(HR=0.929)、FPG升高(HR=1.601)、HDL-C降低(HR=1.087)、TC升高(HR=1.090)、每周运动(HR=0.897)、素食为主饮食(HR=0.852)和重口味饮食(HR=1.887)为S0→S1转移的危险因素。女性(HR=0.768)、<60岁(HR=0.859)和HDL-C降低(HR=1.160)是S1→S2转移的危险因素。结论T2DM患者合并多种并发症的概率随着时间的推移而增高,其中S2→S3的转移强度最大,其次为S1→S2的转移,故我们需要兼顾患病初期和长期的指标监测和病情防范工作。从患病初期(合并2~3类并发症之前)即重点加强对患者日常生活习惯的宣传教育工作,适当运动,均衡饮食。尤其要加强对FPG、TC和HDL-C等指标的监测,防止患者病情进一步恶化。