症候群侦测-及早察觉「未预期」性传染病流行

症候群侦测-及早察觉「未预期」性传染病流行

ID:37885746

大小:567.10 KB

页数:8页

时间:2019-06-02

症候群侦测-及早察觉「未预期」性传染病流行_第1页
症候群侦测-及早察觉「未预期」性传染病流行_第2页
症候群侦测-及早察觉「未预期」性传染病流行_第3页
症候群侦测-及早察觉「未预期」性传染病流行_第4页
症候群侦测-及早察觉「未预期」性传染病流行_第5页
资源描述:

《症候群侦测-及早察觉「未预期」性传染病流行》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第21卷第5期疫情報導327症候群偵測-及早察覺「未預期」性的傳染病流行前言長久以來公共衛生傳染病防治人員,多利用偵測系統進行疾病的監測工作,做法可分為被動偵測與主動偵測兩種,由於以「主動方式」偵測疾病的敏感度與疾病的陽性預測值,均較「被動」偵測為高[1],因此美國學者早在1977年已著手構思利用急診病患就診的電子資料,進行疾病的「早期」監測工作[2],但是當時並沒有適當的技術輔佐資料分析,一直到2001年美國哈佛大學的研究群發展出可以自動蒐集資料的傳染病監測系統[3],隨後又恰遇美國發生幾項重大的公共衛生事件,促

2、使相關的自動症候群偵測系統更加迅速發展。由1918年、1957年及1968年三次人類流感病毒的世界性大流行,2001年美國世貿大樓恐怖攻擊與隨後的炭疽信件生物恐怖攻擊活動,2003年嚴重急性呼吸道症候群(SevereAcuteRespiratorySyndrome,簡稱為SARS)的跨國流行,及2004年高致病力的新型禽流感病毒H5N1,在亞洲11國橫行造成越南、泰國的人類死亡病例,這幾項重要的傳染病事件在萌發初期,公共衛生人員多遇「有力難施」的無力感,最主要的原因在於不清楚究竟流行是何時發生以及在何地首先發難,傳

3、統的傳染病被動偵測系統造成了防疫人員反而永遠跟著流行走的無奈情境,若欲進行主動偵測又無法縮小監測範圍而進行即時的防疫作為,症候群偵測系統在此迫切需求之下,恰好可以解決這些困擾,提供公共衛生人員十分有效率的「主動」偵測之參考。症候群偵測系統原理自動症候群偵測系統的概念是藉由醫療資訊系統的便利,「自動蒐集」大量的醫療衛生以及傳染病相關的訊息,由是否超過「基準值」的概念以進行長期的監測,此系統的最大好處在於無需增加醫療人員的任何額外工作負擔,即可以蒐集到穩定的大量資料來進行監測分析工作,經由結合地理資訊328疫情報導民國

4、94年5月25日系統的相關空間分析功能,快速察覺岀病例聚集處,更可以提供作為較精準的「主動」偵測之參考,避免公共衛生資源的浪費[4],其整體系統的規劃流程如圖一所示。自動化安全資料傳輸(內部網路,虛擬區網,網際網路)醫療院所電子化資訊(急診、門診疾病管制局資料庫病患加密資料)運算伺服器通訊終端機網路伺服器雙向資料查詢功能網際網路通訊技術醫療院所地方公共衛中央防疫相資訊傳真行動設備資訊電話資訊生單位關單位送達傳送傳送圖一、症候群偵測系統運作流程示意圖可以用來進行症候群偵測分析的資料包括了下列四種國外較常見的類型:1.

5、急診病患就診資料:在美國的紐約、波士頓、華府以及賓州匹茲堡的研究團隊,均是利用急診病患的相關就診資料,去除隱私相關變項後以自動資料傳輸的技術將相關資訊加密傳送,再由公衛生單位決策者進行流行病學的相關分析。2.救護車派遣資料[5]:由於美國的救護車派遣工作,已利用電腦系統詳載派第21卷第5期疫情報導329遣的資訊,包括急救類型與緊急醫療的疾病型態等,因此紐約市的公共衛生團隊也早利用這種資料進行相關的症候群監測工作。3.門診病患就診資料:透過資訊化的電子醫療病例,國外已經成功的整合了門診相關的病患資訊,同樣地利用自動化

6、傳輸的技術將資料蒐集後進行後續的分析。4.其他資料來源:除了上述幾種資料分析方法外,國外學者也嘗試使用非傳統的衛生醫療相關資訊進行傳染病的監測工作,包括了成藥的銷售量是否異常、醫療院所停車場的利用情形及護士電話專業求援紀錄等。這些透過自動蒐集得來的大量資料可以進行的分析,除了一般的流行病學描述性分析以提供整體資料概念外,更可以利用其他的統計方法建立閾值,考量公共衛生防疫人員的需求後,嘗試創建不同層級的警戒值,最後更可以透過時間序列、季節回歸模型等統計模型修正統計模式以發揮預測的功能。這些統計運算的結果還可以依照不同

7、的防疫層級分別提供自動回饋資訊給中央防疫單位、地方衛生單位、地方醫療院所內的感染、急診檢驗相關專科醫療人員與決策者。以下僅簡述目前國外發展已臻成熟的下列四種症候群偵測系統。國外症候群偵測系統介紹1.美國匹茲堡大學的即時疫情與疾病偵測系統(Real-timeOutbreakandDiseaseSurveillanceSystem;RODS)[6-8]:該研究單位透過標準化的醫療資訊交換格式(HealthLevel7,HL7),將合作醫院的急診與門診病患資料加密後,統一傳送到中央資料庫中進行運算,利用病患主訴與疾病診斷

8、碼,將每一位病患的臨床表徵分類至8種不同的症候群組中,再透過一種動態最小平方自回歸線型模型演算法(Reclusive-Least-Square,RLS),針對不同症候群組進行「異常偵測」,另外也利用另一種時空異常聚集演算法(What’sStrangeAboutRecentEvents,WSARE1.0),進行時間與空間異330疫情報導民國94年5月25日常病

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。