技术与方法
运用风险指数法对新冠肺炎疫情开展快速风险评估—以新发地市场疫情为例
国际病毒学杂志, 2021,28(5) : 407-411. DOI: 10.3760/cma.j.issn.1673-4092.2021.05.012
摘要
目的

分析新发地新冠肺炎暴发疫情的公开数据,建立快速风险评估方法,为疫情防控并采取有效应对措施提供科学依据。

方法

收集2020年6月11日至7月15日北京市卫生健康委员会官方公布的新冠肺炎疫情数据,采用风险指数的方法,从每日新增病例人数、现存病例人数、3 d平均发病率、5 d新增病例均值四个方面综合评估新发地市场新冠肺炎疫情暴发期间的风险等级。

结果

新发地新冠肺炎疫情病例涉及11个行政区,风险指数结果显示,6月13日至6月29日北京市处于新冠肺炎疫情高风险阶段(RI≥16)。在此期间,仅丰台区、大兴区分别有88.89%(16 d/18 d)、38.89%(7 d/18 d)的时间处于高风险阶段。海淀区、东城区有5.56%(1 d/18 d)的时间处于较高风险阶段。剩余行政区均无高风险或较高风险阶段。

结论

利用风险指数对疫情发展态势开展快速风险评估,能够使广大公共卫生专业人员特别是基层技术人员迅速判断疫情风险级别,并可与同等规模城市或地区进行横向对比,快速风险评估工作的开展有助于分区分级精准施策。

引用本文: 郑阳, 陈艳伟, 李爽, 等.  运用风险指数法对新冠肺炎疫情开展快速风险评估—以新发地市场疫情为例 [J] . 国际病毒学杂志, 2021, 28(5) : 407-411. DOI: 10.3760/cma.j.issn.1673-4092.2021.05.012.
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。

近年来,全球新发突发传染病疫情不断发生,诸如新型冠状病毒肺炎(以下简称"新冠肺炎")、中东呼吸综合征、寨卡病毒病等疾病,在全世界多个国家或者地区造成了广泛的健康威胁和严重的经济损失[1,2]。随着全球一体化深入发展和国际交流日益频繁,传染病在国际间的传播速度不断加快,影响范围也在不断扩大。为了有效应对新发突发传染病的发生风险,以及一旦出现疫情后在不同阶段疾病产生的新风险及其影响,需要利用适宜的方法技术对风险事件进行识别、分析与评价,从而及早预警传染病疫情发生苗头,快速调整防控策略,做到分区分级精准施策,实现新发传染病的防控关口前移。

新冠肺炎疫情的暴发流行,暴露出了我国对新发突发传染病发生风险的识别与分析能力还有待提高[3]。对于此类传染病开展风险评估时,还存在资料信息不充分、评价方法单一等问题,而且现有方法主要以定性描述为主,缺乏通过定量方法开展的快速风险评估系统。相对于应用复杂的数学模型进行疫情风险评估,在实际工作中,方便、快捷的评估方法对于广大基层防控人员来说,需求更为迫切。已有研究团队尝试利用不同地区政府官方发布的有限疫情信息进行不同城市间疫情发生风险等级的比较[4]。本研究计划利用风险指数的方法,结合北京市官方公布的新冠肺炎数据信息,对新发地疫情期间北京市新冠肺炎疫情的风险等级进行快速评估。

1 方法
1.1 资料来源

北京市新冠肺炎病例数据来源于北京市卫生健康委员会官方网站每日公布的信息,检索时间范围为2020年6月11日至2020年7月15日24时。数据包括每日新增病例数,每日出院病例数,累计病例数。

1.2 研究内容
1.2.1 风险评估方法

根据从官方网站上获得的新冠肺炎疫情数据,对新发地疫情期间北京市每日疫情风险指数(risk index,RI)进行计算。官方发布数据包括每日新增病例人数、出院病例人数。通过专家咨询法,本研究从四个方面对RI进行综合测量:每日新增病例人数、现存病例人数、3 d平均发病率、5 d新增病例均值。(1)每日新增病例数(A)指当天报告新增确诊病例数,反映疫情变化情况。(2)现存确诊病例数(B)=累计报告确诊病例数-累计死亡病例数-累计治愈出院数,反映疫情的严重情况。(3)3 d平均发病率(C)为累计3 d报告新增本地感染病例数的均值/地区总人口数,反映疫情短时间内的平均发病情况,提示疫情的变化趋势。(4)5 d新增病例均值(D),根据研究提示的新冠肺炎平均潜伏期5.2 d[5],按照5d计算累计5 d报告新增本地感染病例数的均值(D),即前5 d新增确诊病例数合计总数/5。将均值连线制作成日新增病例数5日移动平均线,反映不同(1个平均)潜伏期内的病例变化情况。

将上述4个指标按照具体数值分为5个等级,不同的风险等级赋予不同的数值,取值范围均为1~5,即高风险(5分)、较高风险(4分)、中风险(3分)、低风险(2分)、无风险(1分)。由于新冠肺炎疫情已经发生,且处于全球范围的大流行状态,因此,4个指标均不涉及无风险的等级,每个指标最小值为2。风险指数RI=A+B+C+D。RI的取值范围为8~20,依据取值范围划分出4个风险等级:RI≥16评为高风险,12<RI<16评为较高风险,10≤RI≤12评为中风险,8≤RI<10评为低风险。各指标赋值详见表1

点击查看表格
表1

风险指标不同范围值的赋值表

表1

风险指标不同范围值的赋值表

指标低风险(2分)中风险(3分)较高风险(4分)高风险(5分)
现存确诊病例数<55≤N≤1516≤N≤45>45
当日新增病例数<22≤N≤44<N≤8>8
3 d平均发病率<0.02/10万0.02/10万≤N≤0.08/10万0.06/10万<N≤0.16/10万>0.16/10万
5 d新增病例均值<22≤N≤44<N≤8>8

根据文献报道,新冠肺炎的R0为3.32(95%CI:2.81~3.82)[6],以R0=3.32为计算标准,本研究中4个指标最低风险标准的赋值原则为:(1)现存病例数按照小于5个人为低风险;(2)当日新增病例数按照发病1个人为低风险;(3)北京市的人口总数按照2018年官方统计数字2 154.2万来进行计算,则出现一个病例后,可能的发病率为(1+3.32)/2 154.2万*10=0.02/10万,以发病率为0.02/10万作为3 d平均发病率的低风险级别限值;(4)5 d新增病例均值按照1个病例为低风险。中风险、较高风险、高风险的各指标界值,根据低风险级别的指标值按倍数增加。

1.2.2 疫情发生节点描述

2020年6月11日,北京市在连续56 d无本地新增新冠肺炎病例报告的情况下,报告1例新冠肺炎确诊病例,经流行病学调查确认疫情与新发地市场有关。疫情发生后,北京市多项措施并举,在全市展开疫情防控工作,实现两个潜伏期内(28 d)确诊病例零增长。6月29日,新发地疫情中第一例病例治愈出院。

1.3 统计分析

所有数据使用Excel 2016软件建立数据库,使用SPSS 20.0进行统计分析并绘制统计图表。发病率按2020年6月11日至7月15日期间该地区累计报告确诊病例数除以当时该地区人口数。检验水准均为双侧,以P<0.05为差异有统计学意义。

2 结果
2.1 每日新增病例变化情况

2020年6月11日至7月15日北京市新发地疫情累计报告确诊病例335例,无症状感染者33例。病例分布在11个行政区,其中丰台区报告病例数最多(230例),其次依次为大兴区(65例)、海淀区(18例)、西城区(6例)、东城区(5例)、房山区(4例)、朝阳区(2例)、门头沟区(2例)、昌平区(1例)、石景山区(1例)和通州区(1例)。

6月13日和6月14日北京市单日报告病例数为36例,达到此次疫情单日报告病例数最高峰,之后每日新增病例数呈下降趋势。在新发地市场疫情中北京市3 d移动平均发病率在6月15日达到峰值(0.15/10万),后呈下降趋势。2020年6月11日至7月15日北京市5 d新增确诊病例数移动平均值范围为0~30.2。见图1

点击查看大图
图1
新发地新冠肺炎疫情期间确诊病例变化趋势图
点击查看大图

A:北京市5 d新增确诊病例数变化趋势;B:北京市3 d平均发病率变化趋势

图1
新发地新冠肺炎疫情期间确诊病例变化趋势图
2.2 疫情期间累计病例变化情况

2020年6月29日,新发地市场疫情期间的确诊病例开始陆续出院,截至7月15日北京市累计出院167例,占新发地疫情报告确诊病例数的50.00%,之后累计出院人数超过现存病例数,不断增加,具体趋势见图2

点击查看大图
图2
新发地新冠肺炎疫情期间现存住院病例数变化趋势图
点击查看大图
图2
新发地新冠肺炎疫情期间现存住院病例数变化趋势图
2.3 疫情风险评估

通过计算风险指数,并按照分值进行分级,6月13日至6月29日,北京市处于新冠肺炎疫情的高风险阶段(RI≥16)。在完成全市应检尽检人员筛查工作等一系列防控措施后,RI指数开始呈现快速下降趋势。6月30日起5 d新增确诊病例移动平均值维持在个位数,并于7月10日降至0。见图3

点击查看大图
图3
北京市新发地疫情期间风险指数的变化趋势
点击查看大图
图3
北京市新发地疫情期间风险指数的变化趋势

6月11日至6月28日,北京市在此轮疫情中无出院确诊病例,88.89%(16 d/18 d)的时间处于高风险阶段。为明确不同行政区在此期间的风险等级,对11个发现病例的行政区的疫情风险分别进行评估,结果如图4所示。其中,丰台区于6月13日RI上升至16,有88.89%(16 d/18 d)的时间处于高风险阶段(RI≥16),处于低风险和中风险阶段的时间各占5.56%(1 d/18 d)。报告病例数第二位的大兴区有38.89%(7 d/18 d)的时间处于高风险阶段,44.44%(8 d/18 d)的时间处于较高风险阶段。海淀区和东城区比丰台区、大兴区报告病例数少,但均有5.56%(1 d/18 d)的时间处于较高风险阶段。昌平区、朝阳区、房山区、石景山区和通州区一直处于低风险阶段(RI<10)。

点击查看大图
图4
北京市11个行政区RI风险评估结果图
点击查看大图
图4
北京市11个行政区RI风险评估结果图
3 讨论

风险评估是从源头管控风险事件发生的重要工作,是降低各类损失最有效的途径[7]。以新冠肺炎为代表的新发传染病严重威胁着人群健康、经济发展与社会稳定,做好此类疾病的风险评估,能够为应急决策提供支持,实现防控关口前移、恰当应对。

风险评估的方法种类众多。在传染病防控领域,当确认某一传染病疫情属实且认为这一疫情可能引发紧急的公共卫生风险时,需要专业人员快速开展风险评估,确定其风险等级并提出措施建议。已有多个研究团队利用不同的数学模型、多渠道来源的大数据信息等对不同传染病疫情趋势进行预测和模拟,研判疫情的发生规模和影响范围[8],但是这些工作需要较强的数据分析等专业知识背景作为支撑,且前期准备阶段需要时间较长,不能满足基层工作人员对新发、突发传染病疫情进行快速应急风险评估的需要,因此,采取方便易行的方法,利用可直接获取的数据信息进行快速风险评估更加契合专业技术人员的应急需求,适用范围更为宽广。

风险指数是一种对风险事件进行半定量评测的风险评估方法,它将影响事件发生发展的因素考虑并整合在分析中,利用顺序尺度记分法的形式得出估算值,在获得量化结果后,能够对风险等级进行划分和比较,操作简便且容易理解,适合传染病疫情的快速评估[9]。本研究利用风险指数的方法,对北京市新发地市场新冠肺炎疫情进行了风险等级的评估,依据每日北京市卫生健康委官方公布的数据信息,从累计病例数、每日新增病例情况、移动发病情况、现存病例情况等方面进行考量,以期用最方便获取的数据信息对疫情进行分析研判,同时也可以实现不同区域之间的比较。北京在新发地市场疫情出现前已连续56日无本土病例,首例病例发现后,每日新增病例数迅速上升[10]。通过计算风险指数开展风险评估,结果显示北京市的新冠肺炎疫情风险等级在3日内快速上升至高风险阶段。北京市政府依据快速、全面的溯源结果,果断采取了一系列的防控措施,有效遏制了疫情的蔓延[11],从本次风险评估结果也能体现出来采取措施后的防控效果。在疫情初期,每日报告大量病例,且均在治疗阶段,疫情风险处于较高等级。随着疫情进展,北京市实施了重点场所、重点行业严格管理,主动搜索病例、加强病例排查,增大全社会社交距离等措施,且通过多种手段迅速扩大检测能力,按照重点人群"应检尽检"、其他人群"愿检尽检"的原则,使潜在的感染者能够及时被识别。6月28日在完成"应检尽检"人群核酸筛查工作后,每日确诊病例数迅速下降,且6月29日起此轮疫情中的病例开始逐渐治愈出院,风险指数快速下降,北京市的整体疫情风险等级也开始降低[12]

利用风险指数能够实现对不同行政区之间疫情风险的比较。本研究对比了北京市处于高风险阶段时不同行政区的风险指数,发现仅丰台区和大兴区大部分时间处于高风险阶段,海淀区和东城区仅有一天处于较高风险阶段,昌平区、朝阳区、房山区等6个行政区虽然有病例报告,但风险等级均以低风险为主,反映出需要针对不同区域开展"精准"防控措施的重要性。在精准防控的政策指导下,利用风险指数实现分区细化风险等级,能够更加有针对性的对重点区域开展措施,对于那些有病例报告但是处于低风险等级的区域,则不需要过度进行防控措施的升级。对不同风险区域的人群根据风险等级开展防控工作,采取针对性的防控措施与建议,能够较大程度降低疫情对人群生活、社会秩序、经济发展等带来的影响[13]

利用风险指数等方法对疫情发展态势开展快速风险评估,能够使广大公共卫生专业人员特别是基层技术人员迅速对疫情的风险级别进行判断,并可以与同等规模城市或地区进行横向对比,这些工作的开展有助于更加科学有效地进行疫情防控,达到"科学防治、精准施策"的目的。

利益冲突
利益冲突

所有作者均声明不存在利益冲突

参考文献
[1]
王华庆. 严重呼吸系统综合征、甲型H1N1大流行性流感、新型冠状病毒肺炎流行病学和临床学特征比较及启示[J]. 中华预防医学杂志, 2020, 54(7): 713-719. DOI: 10.3760/cma.j.cn112150-20200403-00508.
[2]
张雪莹, 王涛. 全球新型冠状病毒肺炎疫情流行趋势分析[J]. 国际病毒学杂志, 2020, 27(5): 356-361. DOI: 10.3760/cma.j.issn.1673-4092.2020.05.002.
[3]
任敏睿, 刘凤凤, 孙军玲, . 新型冠状病毒肺炎重症及死亡的影响因素研究进展[J]. 国际病毒学杂志, 2020, 27(6): 516-520. DOI: 10.3760/cma.j.issn.1673-4092.2020.06.019.
[4]
胡建雄, 刘涛, 肖建鹏, . 广东省21个地级市新型冠状病毒肺炎输入风险评估与预警[J]. 中华流行病学杂志, 2020, 41(5): 658-662. DOI: 10.3760/cma.j.cn112338-20200226-00190.
[5]
LiQ, GuanX, WuP, et al. Early transmission dynamics in Wuhan, China, of novel coronavirus-infected pneumonia[J]. N Engl J Med, 2020, 382(13): 1199-1207. DOI: 10.1056/NEJMoa2001316.
[6]
AlimohamadiY, TaghdirM, SepandiM. Estimate of the basic reproduction number for COVID-19: a systematic review and meta-analysis[J]. J Prev Med Public Health, 2020, 53(3): 151-157. DOI: 10.3961/jpmph.20.076.
[7]
MorganD, KirkbrideH, HewittK, et al. Assessing the risk from emerging infections[J]. Epidemiol Infect, 2009, 137(11): 1521-1530. DOI: 10.1017/S0950268809990227.
[8]
王震坤, 陈知水, 杜艾桦, . 基于大数据与有效距离模型的突发急性传染病宏观预警及防控管理工作探讨:COVID-19疫情数据的启示[J]. 中华流行病学杂志, 2020, 41(12): 1989-1993. DOI: 10.3760/cma.j.cn112338-20200306-00269.
[9]
张曾莲. 风险评估方法[M]. 北京: 机械工业出版社, 2017: 78.
[10]
马春娜, 吴双胜, 孙瑛, . 2020年1—7月北京市不同阶段新型冠状病毒肺炎疫情特征分析[J]. 国际病毒学杂志, 2020, 27(6): 448-454. DOI: 10.3760/cma.j.issn.1673-4092.2020.06.003.
[11]
郑阳, 王小莉, 霍达, . 北京市新发地市场新冠肺炎暴发疫情发现与处置[J]. 国际病毒学杂志, 2020, 27(6): 444-447. DOI: 10.3760/cma.j.issn.1673-4092.2020.06.002.
[12]
Beijing Municipal Health Communication. News Releases[EB/OL]. (2020-6-30) [2020-9-30]. http://wjw.beijing.gov.cn/xwzx_20031/xwfb/202006/t20200630_1935112.html.
[13]
梁万年, 姚建红, 吴敬, . 我国新型冠状病毒肺炎疫情防控常态化阶段的经验与思考[J]. 中华医学杂志, 2021, 101(10): 695-699. DOI: 10.3760/cma.j.cn112137-20210104-00008.
 
 
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