政策研究与决策支持
COVID-19传染病区域性防控辅助信息系统的设计与初步应用
中华医学科研管理杂志, 2020,33(Z1) : 6-12. DOI: 10.3760/cma.j.cn113565-20200214-00002
摘要
目的

提出新型冠状病毒肺炎传染病暴发期区域性防控(Regional Control and Prevention, RCP)系统概念,设计基于区域现有网络架构和信息系统的应急性防疫辅助信息系统,建立远程智能医疗会诊与咨询及远程办公平台,研发区域内人群的风险评级与预警技术,提高区域性的应急重大传染病防控能力。

方法

以高校、附属(教学)医院及云应用为典型RCP区域单元,建立云与高校及附属(教学)医院现有局域网交互方法,实现网络环境的远程办公、远程医学影像、心理与伦理会诊与咨询互动;应用基于复杂网络的多主体传播模型,结合全球定位系统(Global Positioning System,GPS)、射频识别(Radio Frequency Identification, RFID)和电子围栏技术,实现区域内单元、人员的风险分级与早期预警。

结果

在RCP内采用校园网、附属(教学)医院内网以及互联网相结合的系统架构,用分布式技术、云存储方式进行动态衔接,网间中间库数据缓冲区机制,实现各单元远程医疗会诊与远程办公。依托平台,应用基于复杂网络的多主体传播模型和元胞自动机模型等,利用GPS、RFID和电子围栏技术,实现区域内人群暴露风险评分与预警。

结论

在重大传染病流行阶段,RCP系统的建设可提高应急情况下防疫响应速度,提供基于数据的合理预警和风险评级,减少易感人群的暴露风险。RCP系统的设计开发是系统化工程,需要结合区域结构与功能特点,并且区域内前期的信息化工作基础与应急开发团队水平决定了开发进度、维护和实际应用的效果,建议建立平战结合RCP模式,纳入政府疾控体系,以提升国家和区域重大传染病防控水平和能力。

引用本文: 韩鸿宾, 成雨萌, 杨墨, 等.  COVID-19传染病区域性防控辅助信息系统的设计与初步应用 [J] . 中华医学科研管理杂志, 2020, 33(Z1) : 6-12. DOI: 10.3760/cma.j.cn113565-20200214-00002.
参考文献导出:   Endnote    NoteExpress    RefWorks    NoteFirst    医学文献王
扫  描  看  全  文

正文
作者信息
基金 0  关键词  0
English Abstract
评论
阅读 0  评论  0
相关资源
引用 | 论文 | 视频

版权归中华医学会所有。

未经授权,不得转载、摘编本刊文章,不得使用本刊的版式设计。

除非特别声明,本刊刊出的所有文章不代表中华医学会和本刊编委会的观点。

1 前言

突发急性传染病是人类面临的巨大挑战,各国分别建设了以疾病预防与控制中心(Center for Disease Control and Prevention,CDC)为核心的传染病防控体系,通过建立直报系统,提高快速预警、溯源和切断传播途径的能力;建设专门传染病病源研究机构,加强实验室基础研究,提升快速检测和疫苗研发能力,推行疫苗接种计划,通过国际合作,建立国际疾病传播监管体系[1,2,3]。本次新型冠状病毒肺炎(COVID-19)疫情暴发过程中,针对致病病毒的检测、病毒结构[4]、致病靶点以及传染病流行病学研究[5]响应迅速,为COVID-19诊断、治疗、防控决策提供了科学依据,发挥了重要作用。

然而,近期暴发的传染病COVID-19的流行特征复杂,暴发流行速度快、传染性强、部分病例潜伏期长,病毒溯源和传播途径尚未全面明确,病毒对脏器的损伤机制也尚在研究中,导致疫情延续,针对上述传染病防治工作面临的阶段性困境,我国启动了乙类甲防的一级响应大规模策略,在该策略下,传染病定点指定医院、综合性医院、高校、社区、企业等区域单元的防控效果成为关键。在2020年2月3日召开的中共中央政治局常务委员会中,习近平总书记强调:"要针对这次疫情应对中暴露出来的短板和不足,健全国家应急管理体系,提高处理急难险重任务能力。"由于国际上多数国家针对重大传染病流行造成的社会灾难的紧急处理系统尚不完备,各个区域单元的社会功能、人员结构和地理特征各有特点,导致应急响应速度过慢、缺乏人群分级与暴露保护、医疗资源分布不均、防控基本知识培训以及疫区心理、伦理等诸多问题都缺少最基本的配置和解决方案;由此,建设针对重大传染病暴发的区域性应急防控体系成为必要。

近年来,互联网信息技术的普及和高速发展,加之医疗机构和高校信息化工作的推进,使得区域性防控辅助信息系统(以下简称"RCP系统")的应急设计与建设成为可能。面对COVID-19传染病暴发,本研究设计了以高校及其附属(教学)医院为典型区域单元的RCP解决方案:应用云和改良数据库技术,建立了高校与附属(教学)医院等医疗机构的RCP系统,在原有局域网办公系统与远程诊断平台的基础上,建立云与局域网交互方法,实现跨区远程影像、心理与伦理互助互动;应用基于复杂网络的多主体传播模型,利用GPS、RFID和电子围栏技术,实现区域内人员或工作场景内的风险分级与预警;最后,结合实际运行,讨论系统建设中的关键工程技术及数据安全问题及其在疫情防控中的价值。

现有区域内的信息化水平、网络开放设计、数据库结构以及计算机开发队伍的情况都决定了应急设计和系统开发的效率和水平。笔者具备应急信息系统建设的经验和能力,在2003年SARS暴发流行的阶段,为重灾区的北医三院设计并建设了综合性医院放射科的隔离医学影像系统,有效地保护了医护人员,减少了传染病的院内传染和暴露风险[6,7]。北京大学是国内学科体系最为全面的综合性大学,本次的系统设计由来自北京大学附属医院、工学院、信息科学技术学院以及长期合作的中科院计算机所、清华大学等不同学科的专家队伍组成,为系统的应急开发和维护提供了有力的技术支撑。

2 方法与结果
2.1 RCP系统设计与建设方案

结合区域行政归属和社会功能的不同,采用多样灵活的互联网技术和网络架构来进行RCP的网络架构。所采用的RCP内网、行政单位内网以及互联网相结合的系统架构,整体网络不干扰区域内各行政单位的内网。RCP内网、行政单位内网与互联网间采用中间库作为数据缓冲区,保证网络通讯可行、稳定有效。互联网应用中利用云框架,采用分布式技术、云存储方式进行动态衔接。

本研究选取的RCP区域由高校、医疗机构和云应用3部分网络结构组成。高校科研院所网络环境(RCP-U)应用高校内网环境,医疗机构使用原有网络环境(RCP-H),云应用部署在互联网云端。RCP-U同RCP-H之间采用网络安全设备进行连接,可以实现10M~100M带宽的网络通信。RCP-U同RCP-H同云端数据交互通过在隔离区(Demilitarized zone, DMZ)中建立中间库机制实现。此方式可完成各方面生产数据库通过定时器、触发器等方式与中间库进行数据协同,保证生产库数据安全。

在应急状态下RCP-U中各二级学院、直属单位和职能部处产生的各类决策数据同RCP-H各临床科室产生的数据汇总到中间库中,通过中间库与云端中间库进行数据交换,在云应用中实现及时响应、区域远程办公、远程医疗服务、风险评估预警、辅助决策分析等综合应用。同时可将数据及应用同其他区域的RCP系统进行共享协同。RCP系统在疫情期间与高校科研院所及医疗机构向卫健委、CDC等政府防疫部门直报系统并行工作,平时RCP系统内各部分独立运行,与中间库的数据交换共享可用于平时演习和模拟训练与培训。

点击查看大图
图1
RCP系统网络拓扑图
点击查看大图

注:RCP-U为区域内高校单元,通过设计相对完整的中间库,RCP-U与云应用连接,并与区域内医疗机构单元(RCP-H)进行信息互通,RCP-U和RCP-H的各类决策依赖性数据汇总到云应用,系统是对原有卫健委、CDC等政府防控系统并行,在功能上实现对政府管控部门的及时响应,并提升区域内传染病的防控能力

图1
RCP系统网络拓扑图
2.2 RCP系统的特色功能设计
2.2.1 远程会诊系统

通过RCP环境可实现疫情期间紧急通过多RCP联合建立网络影像会诊平台,使得不同区域间医护人员群体获得对接,疫区与非疫区医疗机构互相进行远程指导,并通过该平台由非疫区向疫区区域内各类工作人员提供防控基本知识咨询、心理咨询、伦理咨询。各类用户通过系统将患者基本信息、影像信息等传输至系统,医生通过网上申请会诊方式,组织跨区域、跨科室、跨领域专家完成线上会诊,在院内有效避免交叉感染、院间得到良好交流的同时,间接提高了专家防疫工作效率。同时,线上远程会诊可讨论最新人工智能(Artificial Intelligence, AI)技术辅助诊断得出的信息[8],进行专家多地协商(图2),有利于突发性新传染病的诊断标准快速提出。

点击查看大图
图2
远程会诊系统局部效果图(a)及其内AI标注界面(b)
点击查看大图
图2
远程会诊系统局部效果图(a)及其内AI标注界面(b)
2.2.2 远程办公系统的建立

在RCP环境下,基于OA组件实现远程办公系统,通过远程办公系统,完成多个区域各RCP-U、RCP-H之间信息共享、信息上传下达、重要事项审核审批等功能,在最少人员接触下,实现日常办公的有序开展。

2.2.3 区域内风险评估与预警

从宏观角度,根据传染病发病时间、发病人数、政府干预措施等构建疫情传播曲线,通过Weibull分布[9]等模型来估计潜伏期、序列发病时间间隔、疫情传播的增长率等。从流行病学分析的角度,系统还需要国家、地区和其他区域RCP的疫情数据,并结合天气、地理等因素对模型修正。针对区域,甚至局部区域的工作单元和人群,尚缺少细化的预警和风险评估策略与方案[10]

区域内的风险评估和预警以及有效阻断传播途径是RCP系统设计建设的重要目标。应用基于复杂网络的多主体传播等现有模型,利用GPS、RFID和电子围栏技术,可实现对区域内人群的暴露风险进行分级评分与模拟预警。高校内部活动空间有限、可以实行封闭式管理、区域内人群可采用网络远程办公来保护易感人群,因此,采用元胞自动机模型就可对系统内四种元胞状态S(易感状态对应易感者)、E(潜伏状态对应潜伏者)、I(感染状态对应感染者)、R(移除状态对应移除康复者)4类人群的风险评估与预警[11]。综合性医院情况更为复杂,可采用基于复杂网络的多主体建模方法[12]

针对综合性医院,依托RCP信息平台,应用基于复杂网络的多主体传播等模型,利用GPS、RFID[13,14]和电子围栏技术,来还原个体之间的复杂的接触网络,可实现对区域内人群的暴露风险进行分级评分与模拟预警。通过计算机软件处理上述方法得到的信息,可以还原个体在区域内的移动路径,进一步得到区域内人群相互接触的复杂网络节点和边数据,进一步通过以下公式计算得到感染风险公式(公式1):

点击查看大图
点击查看大图

其中,Rat代表个体在第t天总的风险;Ra,0为个体a经过临床评测得到的基础风险,它反映了年龄、性别、血压、脉搏、肺活量和基础疾病等易感信息;n1n2n3代表了接触的确诊、疑似和无明显症状个体的数量,lii=1,2,3...则代表了对应的接触时长,这些数据基于上文所述的GPS、RFID和电子围栏技术经过软件还原区域内的接触网络来得到;pii=1,2.3则表示了在具有第保护措施情况下接触上述几类人群的风险系数;wi=1,2,3是接触上述几类人群的风险权重;f(atm)代表了方式m(包括体温、影像、核酸等)排除的风险。

上述风险评估算法基于人群之间相互接触的复杂网络,充分考虑了个体的生理状况差异、使用的保护措施和使用各种检查手段排除的潜在风险,高度还原了个体在区域内所处的环境,量化了个体的潜在感染风险。

在以上风险评估的基础上,可以通过调整网络结构等方式来降低个体的感染风险以及区域内的累计风险,实现对区域内高风险个体的及时隔离诊治以及区域内传染病暴发的预警与防控。例如,优化网络结构在实际场景就对应着尽量减少不必要的接触。以医院为例,根据上述风险评估,可以建立起风险依赖性路径规划。在对个体、区域分别进行个体风险与区域累计风险评估得到对应的风险指数,系统会综合考虑两种风险指数按照由低到高的规则,为院内医护人员选择最佳路径,指示其由风险最低即感染可能性最小的区域向风险最高即感染可能性最大的区域行进,由此可最大程度降低传染病在院内各区域间的风险传播。此外可依据当日最新数据进行每日风险评估实时动态更新,并据此重新规划路线,确保系统决策的及时性与准确性。图3介绍了某综合性医院在传染病暴发时路线图,设计最佳路线和实战模拟是最大程度降低暴露风险,保护医护和非传染病病患的合理方法。

点击查看大图
图3
依据评估系统对医疗活动路线图的规划和动态调整
点击查看大图

注:应用RCP系统的预警和风险评估模块,可实现实时的医疗结构不同科室或不同区域的医疗行为决策,智能设计当天需要完成的医疗任务的流程,以最大程度的减少暴露风险,保护医护和非传染病病患,提升区域防控水平和效果

图3
依据评估系统对医疗活动路线图的规划和动态调整
3 讨论

截止到2020年2月中旬,新冠病毒造成的一级重大突发公共卫生事件尚未出现明确的拐点,疫情传播迅速而广泛,传染性强,人群普遍易感[15]。对抗疫情,我国启动了乙类甲防的一级响应大规模策略,作为大规模策略的基本单元,区域性防控辅助信息系统是实时监控疫情、控制传染源、切断传播途径、保护医护人员与其他易感人群、有效诊治传染病患及合理分配有限医疗资源的关键。

3.1 RCP系统建设的意义和作用分析

美国CDC不定期发布美国CDC隔离预防指南,以防止传染源在医疗卫生机构的传播,在此次疫情中,美国于1月31日更新并发布了新冠病毒诊治的临床指南[16]。欧盟建设了4级生物安全实验室(BSL4/P4)网络(Euronet-P4),实施欧洲干预流行病学培训计划以及传染病网络(EUNID),实现各成员国交换信息,加强国家(或地区)预防控制中心之间的联系,以此来改善欧洲地区卫生安全,加强传染病紧急情况应对能力[3]。我国台湾地区也建立了传染病控制医疗网络(CDCMN),网络系统由指挥系统、响应医院和支持医院组成感染性疾病预防网络,借助该系统整合资源,协调学术、医疗和私营单位共同应对突发传染性疾病,其主要特点是集中隔离严重高传染性疾病患者和集中医疗资源,指挥系统连接公共卫生和医疗系统,以改善中央和地方两级的人力和资源分配[2]

自2003年SARS暴发流行以来,我国投入建设了传染病疫情和突发公共卫生事件的网络直报系统,建立了疾控机构、医院、基层医疗卫生机构的联动服务网络,科研机构和企业在病毒检测、病毒基础研究、疫苗研制能力上取得长足进步。2018年3月我国成立了中华人民共和国应急管理部,其职能涵盖自然灾害、事故灾难、社会安全、公共卫生生物安全等。但目前我国针对公共卫生的应急管理体系尚待健全。从2019年12月以来,新冠重大病毒性传染病在武汉开始传播,国内外开展了系列研究,这些研究有助于了解病毒的起源和进化[18],明确诊断[19,20]和患者临床特征[20,21],从而帮助一线临床医生等进行诊治与救助。

本研究提出在重大传染病暴发流行阶段建立RCP系统概念,旨在充分利用区域的现有网络结构,综合应用计算机、信息与数学技术,实现区域内和跨区域联合防控,以提升区域的整体防控水平和能力。从初步的运行和实践来看,RCP系统可以更有力地支持国家和地方针对传染病的防控管控措施的执行工作,在区域内发挥减少区域内交叉传染,保护易感人群的作用。比如,随着疫情发展而更新的《新型冠状病毒感染的肺炎诊疗方案(试行第五版)》强调了影像诊断对疾病诊断的重要性和诊断价值,本研究利用远程会诊功能实现具有前线丰富诊断经验的医生与非传染病专科医院的医生的指导和交流,同时,利用高校在AI医学成像处理方面的能力,实现快速的AI智能化辅助诊断的研究工作;系统也支持对医疗资源紧张或者医疗水平欠发达地区的远程医疗支持和会诊。利用RFID和GPS技术,对于区域内的各类人群、工作单元(临床不同科室、高校的学院、行政办公处室等)提供了量化的暴露风险评估。

3.2 RCP系统涉及的关键工程技术及数据安全问题讨论

跨区域网络信息互联是RCP系统中工程技术实现的关键。设计参考了国家应急管理和公共卫生管理政府部门的系统建设经验,系统以内网为主,互联网为辅,双网互联交互的运行模式;尽管可利用网闸或其他安全设施解决公有云同内部网络的互联互通,但这也取决于区域内原有网络环境和信息化水平。本研究中RCP设计中加装网闸,实现信息单项推送,在确保网络安全的同时实现单向信息推送,通过加装堡垒机方式,实现双向互联互通。采用中间库作为数据缓冲区,保证网络通讯可行、稳定有效,利用云框架,采用分布式技术、云存储方式进行动态衔接。

尽管防疫期间存在通过行政干预实现不同行政归属单位的传染病防控相关数据分享,但是系统的设计也需要充分考虑信息采集、利用分析和医疗服务过程中产生的潜在伦理和数据安全问题。医疗信息隐私和信息共享中存在伦理、法律和数据安全问题也需要更深入和广发的研究。隐私保护可采用信息脱敏方式解决,信息脱敏是通过对敏感信息(原则上也包括可识别个体身份的信息)加解密、异步存储方式实现。系统中存在的涉及隐私或敏感信息的内容,在信息获取过程中进行加密,在网络传输中进行防篡改、防盗取的传输方式,对数据安全进行有效保护。数据基于现代密码学采用密钥方式进行传输,公钥密钥可以实现数据加密传输,同时也可以用于验证信息发布者的身份。公钥加密,只有私钥可以解密公钥加密的内容。此外,公钥密码也可以用于数字签名,对消息进行签名,防止消息被篡改和进行身份认证。各应用端加密传输后,云端通过云计算技术进行解密处理。云端获取正确信息后将对信息进行脱敏存储,脱敏存储后的信息可用于远程会诊、人工智能识别、人工智能学习应用。基于不同应用目的,用户对于"脱敏"的要求不一,系统内部加密是隐私保护策略,可通过设置不同数据权限实现。

结合本研究应急开发的RCP系统的初步应用,建议国家采取区域性传染病防控系统的网络架构和基本数据库,建立标准,设置国家防控系统在区域的基本配置。区域信息化和技术服务水平,防疫专业队伍的储备和培训是系统运行和实战的基本条件,系统在传染病溯源、保护易感人群、切断传播途径以及平战演练培训、医疗资源分配与决策等方面的作用需要实践与系统研究。

参考文献
[1]
陈少军国内外传染病管理进展[J].职业与健康201632(24):3444-3447.
[2]
张晓新张黎明石梅美国急性传染病的预防控制体系[J].中国医院2003(8):69-74.
[3]
BannisterBPuroVFusco FMet al.Framework for the design and operation of high-level isolation units:consensus of the European Network of Infectious Diseases[J].The Lancet Infectious Diseases20099(1):45-56.DOI:10.1016/S1473-3099(08)70304-9.
[4]
ZhuN,Ph.DZhangDet al.A Novel Coronavirus from Patients with Pneumonia in China, 2019[J].N Engl J Med2020(382):727-733.DOI:10.1056/NEJMoa2001017.
[5]
ChenNZhouMDongXet al.Epidemiological and clinical characteristics of 99 cases of 2019 novel coronavirus pneumonia in Wuhan,China:a descriptive study[J].Lancet2020(395): 507-513.DOI:10.1016/S0140-6736(20)30211-7.
[6]
韩鸿宾李选曲雯综合性医院SARS流行阶段放射科应急隔离影像信息管理系统的建设与实践[J].北京大学学报:医学版200335(z1):86-88.DOI:10.3321/j.issn:1671-167X.2003.z1.026.
[7]
韩鸿宾李选曲雯放射科应急隔离信息管理系统等隔离措施的应用与医务人员SARS感染率的相关分析[J].北京大学学报(医学版)200335(z1):89-91.DOI:10.3321/j.issn:1671-167X.2003.z1.027.
[8]
和清源高跃崔斌重大传染病AI辅助下远程影像诊断体系的建立初探[J].中华医学科研管理202033(S1):62-66.DOI:10.3760/cma.j.cn113565-20200214-00012.
[9]
LiQunGuanXuhuaWuPenget al.Early Transmission Dynamics in Wuhan, China, of Novel Coronavirus-Infected Pneumonia[J].New England Journal of Medicine202033(S1):62-66.DOI:10.1056/NEJMoa2001316.
[10]
Tong MXHansenAHanson-EaseySet al.China's capacity of hospitals to deal with infectious diseases in the context of climate change[J].Social Science & Medicine2018(206):60-66.DOI:10.1016/j.socscimed.2018.04.021.
[11]
Fuentes M AKuperman MNCellular automata and epidemiological models with spatial dependence[J].Physica A1999267(3):471-486.DOI:10.1016/s0378-4371(99)00027-8.
[12]
许骏基于复杂网络的传染病突发事件应急管理研究[D].武汉华中科技大学2013.DOI:10.7666/d.D409182.
[13]
IranmaneshMZailaniSNikbinDRFID Continuance Usage Intention in Health Care Industry[J].Quality Management in Health Care201726(2):116-123.DOI:10.1097/QMH.0000000000000134.
[14]
Yuriálvarez LópezJacquelineFGuillermoálvarez Narciandiet al.RFID Technology for Management and Tracking:e-Health Applications[J].Sensors201818(8):2663.DOI:10.3390/s18082663.
[15]
王琛王旋新型冠状病毒感染的流行、医院感染及心理预防[J].全科护理202018(3):309-310.
[16]
CDC.Interim Clinical Guidance for Management of Patients with Confirmed 2019 Novel Coronavirus (2019-nCoV) Infection, Updated January 30, 2020[EB/OL].[2020-02-27].https://www.cdc.gov/coronavirus/2019-ncov/hcp/clinical-guidance-management-patients.html.
[17]
WangWTangJWeiFUpdated understanding of the outbreak of 2019 novel coronavirus (2019-nCoV) in Wuhan, China[J].J Med Virol202092(4):441-447.DOI:10.1002/jmv.25689.
[18]
LuRZhaoXLiJet al.Genomic characterisation and epidemiology of 2019 novel coronavirus: implications for virus origins and receptor binding[J].Lancet2020(395):565-574.DOI:10.1016/S0140-6736(20)30251-8.
[19]
CormanVMLandtOKaiserMet al.Detection of 2019 novel coronavirus (2019-nCoV)by real-time RT-PCR[J].Euro Surveill202025(3):2000045.DOI:10.2807/1560-7917.ES.2020.25.3.2000045.
[20]
ParaskevisDKostakiEGMagiorkinisGet al.Full-genome evolutionary analysis of the novel corona virus (2019-nCoV) rejects the hypothesis of emergence as a result of a recent recombination event[J].Infect Genet Evol2020(79):104212.DOI:10.1016/j.meegid.2020.104212.
 
 
展开/关闭提纲
查看图表详情
回到顶部
放大字体
缩小字体
标签
关键词