学习·发现·交流
基于德尔菲法的急性呼吸道传染病监测数据源指标体系构建
中华流行病学杂志, 2024,45(11) : 1605-1610. DOI: 10.3760/cma.j.cn112338-20240625-00372
摘要
目的

建立急性呼吸道传染病监测数据源指标体系,为急性呼吸道传染病监测预警提供理论基础。

方法

通过文献综述初步拟定急性呼吸道传染病监测数据源指标,在此基础上运用德尔菲专家咨询法对22人进行2轮专家咨询,进一步确定指标内容。

结果

2轮专家咨询的问卷回收率分别为100.00%和86.36%,专家的权威系数均为0.83,第二轮德尔菲专家咨询的Kendall's W值为0.32,各指标变异系数均<0.25。最终构建成的急性呼吸道传染病监测数据源指标体系包括4项一级指标、10项二级指标和26项三级指标。

结论

本研究构建的急性呼吸道传染病监测数据源指标体系具有较好的科学性和可靠性,能为急性呼吸道传染病的监测预警和政策制定提供参考依据。

引用本文: 王瑶瑶, 霍大柱, 李中杰, 等.  基于德尔菲法的急性呼吸道传染病监测数据源指标体系构建 [J] . 中华流行病学杂志, 2024, 45(11) : 1605-1610. DOI: 10.3760/cma.j.cn112338-20240625-00372.
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。

科学高效的传染病监测预警体系对预防与控制传染病暴发流行至关重要1, 2。传染病监测是防控的基础与核心,传染病预警则是监测的主要目的之一。2022年12月,WHO提出用传统的监测方法监测病例数和死亡人数不足以管理复杂的公共卫生威胁3。尤其是新型冠状病毒感染疫情以来,各类呼吸道传染病流行特征和活动水平发生显著变化。病毒变异速度加快,流感病毒、新型冠状病毒、肺炎支原体等不同病原在重点人群中的叠加风险上升,构建传染病综合监测组织管理体系、数据融通共享的数字化监测预警平台有重要意义4

根据既往报道,临床信息、药店销量信息、集体机构缺勤缺课、媒体信息等数据均可用于急性呼吸道传染病综合监测预警5。部分数据源与疾病关联程度高,但电子化程度低;部分数据便于获取的同时背景噪声大,数据清理成本高;部分数据电子化程度较高然而人群代表性不足,只能体现部分人群的发病情况6。单一的监测数据来源使得传染病监测信息利用效率低下,打通这些与传染病相关数据源之间的壁垒,结合互联网的广泛共用性,获取相关的大数据,实现多元数据的共享,提高监测预警的能力7, 8。本研究旨在总结归纳数据源特点的基础上,基于德尔菲法建立一个更具代表性和可靠性的通用数据源指标体系,为提升急性呼吸道传染病监测预警工作提供理论基础,助力我国传染病监测预警能力建设和提升。

对象与方法

1. 研究对象:咨询专家纳入标准:①从事传染病预防和控制、传染病监测与预警、医学统计和数据挖掘等专业工作,熟悉急性呼吸道传染病监测相关知识;②具有中级及以上职称;③从事相关工作年限>5年;④对本研究有较高积极性并自愿参与。

2. 文献检索及指标体系初步构建:通过文献回顾和调查研究等方法初拟急性呼吸道传染病监测数据源指标,以“呼吸道感染”“respiratory tract infections”为主题词,“呼吸道传染病”“respiratory system infections”“respiratory infections”“acute respiratory infectious disease”为自由词,结合“临床信息”“临床特征”“疾病监测”“数据”“clinical information”“clinical characteristics”“disease surveillance”“data”检索词,在中国知网、万方数据知识服务平台和PubMed检索2023年10月30日前发表的文章,对急性呼吸道传染病相关监测指标进行分类整理。根据指标体系的构建原则,对指标进行初步筛选、分析、讨论和整改,最终确定的指标体系包括2项一级指标、8项二级指标和30项三级指标。

3. 德尔菲专家咨询:德尔菲法是一种通过重复问卷调查获取专家意见,并整合专家组个人意见为群组共识意见的主观评价方法9。本研究进行了2轮德尔菲专家咨询,第一轮主要调查专家的基本情况、权威程度、对每项指标是否同意纳入、具体意见和建议以及需补充纳入的指标,并在2周内回收专家意见。综合第一轮分析结果,第二轮结合指标筛选标准及专家建议再次通过邮件进行专家咨询,将其中变异系数(CV)≥0.25的指标予以删除,同时综合考虑专家意见和建议进行指标筛选,最终确定指标体系。见图1

点击查看大图
图1
专家咨询流程图
点击查看大图
图1
专家咨询流程图

4. 统计学分析:运用SPSS 26.0软件进行统计学分析,通过专家积极系数、权威系数(Cr)、CV、Kendall's W值等对专家咨询结果的可靠性和科学性进行检验。双侧检验,检验水准α=0.05。

(1)熟悉程度及判断依据(Ca):专家对研究问题的熟悉程度分为5个等级,不熟悉、不太熟悉、一般熟悉、相当熟悉、非常熟悉,分别赋值0.2、0.4、0.6、0.8、1.0分;Ca分为理论分析、实践经验、参考国内外资料、直觉,将各个Ca对专家的影响程度分成大、中、小,赋予量化值得分10,Ca为理论分析、实践经验、参考国内外资料、直觉的量化值得分之和。见表1

点击查看表格
表1

判断依据及其影响程度量化表(分)

表1

判断依据及其影响程度量化表(分)

判断依据对于专家判断的影响程度大小
理论分析0.30.20.1
实践经验0.50.40.3
参考国内外资料0.10.10.1
直觉0.10.10.1

(2)可靠性指标:①专家积极系数:问卷的回收率(回收率=回收总数/发放总数),专家积极系数最低标准为50%,超过70%为很好。②Cr:专家对咨询内容的熟悉系数(Cs)和Ca的算术平均数,即Cr=(Cs+Ca)/2。Cr>0.7说明专家权威程度较高。③专家协调程度:一般通过Kendall's W值和CV来反映。经χ²检验,P<0.05说明专家评分之间具有一致性,W值取值范围为0~1,值越大说明专家意见一致性越高。CV<0.25说明专家对某项指标意见较为一致。

各项指标的权重根据评分加权平均值(Mw)所占比重来计算。公式:Mwj=(Cr1J1+Cr2J2+…+CrmJm)/m,式中,J为专家对指标的评分,m为咨询专家的数目11

结果

1. 专家基本情况:最终纳入来自北京、福建、广东、湖北、江苏、上海、四川、浙江、重庆9个省(市)的专家22人,年龄(44.0±8.5)岁,年龄范围为31~69岁,工作单位分布为CDC 10人、高校8人、科研院所2人、其他单位2人,从事相关工作时间(18.5±7.9)年,相关工作年限范围为6~37年。其中中级职称占13.64%(3/22),高级职称占86.36%(19/22)。

2. 专家积极程度:第一轮专家咨询发放问卷22份,回收22份,专家咨询的积极系数为100.00%。第二轮专家咨询发放问卷22份,回收19份,专家咨询的积极系数为86.36%。说明专家对本研究积极性较高12。2轮提出补充意见专家人数分别为16人(72.73%)和6人(31.58%)。

3. 专家权威程度:2轮Cr均为0.83,有较好的权威性。见表2

点击查看表格
表2

专家权威程度

表2

专家权威程度

轮次判断依据熟悉系数权威系数
第一轮0.730.920.83
第二轮0.750.910.83

4.专家协调程度:2轮结果的Kendall's W值分别为0.25和0.32。见表3

点击查看表格
表3

专家咨询指标的协调程度

表3

专家咨询指标的协调程度

轮次Kendall's Wχ²值P
第一轮0.25111.11<0.001
第二轮0.32204.28<0.001

5. 指标体系框架的筛选和确定:经2轮德尔菲法专家咨询,本研究共构建4项一级指标、10项二级指标和26项三级指标,利用评分加权平均值对指标权重进行赋值。见表4

点击查看表格
表4

指标体系及指标权重

表4

指标体系及指标权重

一级指标二级指标三级指标

评分

平均值

权威系数变异系数评分加权平均值权重等级排序
机构管理-业务信息教育机构及养老机构学校缺课人数7.550.830.216.263.8718
学校因病缺课的人数及比例7.910.840.176.624.0912
学校新出现症状的人数及比例8.340.840.156.984.326
养老机构新出现症状的人数及比例8.020.820.176.574.0614
零售药店药品销量止咳类药品销量7.820.810.156.303.9017
解热镇痛类药品销量7.820.810.166.363.9315
抗病毒类、抗生素类药品销量7.770.810.156.323.9116
治疗咽喉疼痛类药品销量7.660.810.176.193.8320
公众平台信息搜索引擎及社交媒体百度搜索引擎及社交媒体词频7.830.850.196.664.1211
专业医学服务平台词频7.690.780.186.033.7322
服务热线每天12320热线咨询人次数7.560.760.195.783.5825
因呼吸道症状拨打120热线人次数7.800.790.186.193.8319
国家传染病网络监测信息法定呼吸道传染病的报告情况8.680.900.137.784.812
医疗机构信息就诊信息每天门诊人次数8.060.850.136.834.228
每天急诊人次数8.080.860.136.944.297
每天发热门诊人次数8.650.910.117.914.891
每天呼吸科门诊及住院人数8.550.890.147.594.693
门诊主诉信息7.910.850.186.704.159
初步诊断信息8.260.850.157.054.365
实验室信息实验室检测信息8.050.830.146.684.1310
特定病原实验室检测阳性信息8.420.860.137.274.504
用药信息医疗机构药品开具量8.050.820.186.594.0813
监测-检测信息人口流动监测信息机场等口岸人员症状相关信息7.280.760.235.553.4326
病毒相关检测信息已有呼吸道病原变异情况7.430.830.216.143.8021
第三方检测机构病原学检测信息7.660.770.205.923.6623
污水病原学检测情况7.280.800.185.823.6024

6. 专家咨询:总结专家评估意见,通过评分加权平均值对各项指标的权重赋值,医疗机构信息对应的三级指标权重为4.08~4.89,在4项一级指标中监测预警的代表性较高,机构管理-业务信息中“学校新出现症状的人数及比例”权重为4.32,公众平台信息中“法定呼吸道传染病的报告情况”权重为4.81,均为有较高质量的推荐数据源指标。见图2

点击查看大图
图2
三级指标权重
点击查看大图
图2
三级指标权重
讨论

采用德尔菲法征求专家意见,可以有效避免意见来源的单一性,并通过多次反馈修正各级指标,得到兼具可靠性、权威性和一致性的指标评价体系13, 14。本研究选取的专家具有较高权威性,熟悉急性呼吸道传染病,确保研究过程的科学性、严谨性和结果的可靠性,且积极性较高。第二轮专家咨询的CV均<0.25,各级指标的Kendall's W值为0.32(P<0.001)。相比第一轮,第二轮专家咨询中Kendall's W值有所升高,可见专家意见一致性增强,结果更为可靠。结果显示,指标体系中评分和权重相对较高的指标如“每天发热门诊人次数”“每天呼吸科门诊及住院人数”在疾病预防和控制实际工作中应用广泛,具有实用价值,表明研究结果符合实际应用15。“机场等口岸人员症状相关信息”“每天12320热线咨询人次数”“污水病原学检测情况”等指标虽然对传染病预警有一定意义,但是由于敏感性和成本等原因,在指标体系中的等级排序相对较低。

本研究中一级指标涵盖管理机构、公共平台、医疗机构以及监测机构4个主要信息源,信息源获取来源广泛;二级指标关注教育及养老机构等重点人群,同时结合信息检索、购药、就医等急性呼吸道感染高度相关的行为特征,且注重疾病病原学特征和监测机构上报,对传染病进行全面监测预警;三级指标进一步细化所需的具体量化数据,为公共卫生决策提供有效信息。在急性呼吸道传染病大规模流行时,能够针对重点人群受波及程度、医疗机构压力、监测水平,制定有效的协调措施,减少医疗拥挤,控制疾病流行。根据工作实践经验,发掘医疗机构、管理机构及公共平台深度信息,提取了门诊数量、病休人数、搜索指数等具有真实性和时效性的指标体系,从居民、社区、群体等多个层级提取当前传染病流行特征。本研究的一级指标有效反映疾病的整体趋势和紧急程度,二级指标反映感染的重点人群、地区分布,三级指标具体到实验室病原检测结果以帮助深入分析疾病的特性和变化。

急性呼吸道传染病,尤其是新发型急性呼吸道传染病,由于人群免疫力较低,容易传播,不仅危害生命健康,还会引起社会恐慌,社会经济负担加重,造成负面影响16, 17。我国呼吸道传染病传统监测还存在局限性,有必要对急性呼吸道传染病未来的流行趋势进行更准确地预测18。近年大数据技术更令传染病监测在理论技术和方法上得到迅速发展,提出了传染病智慧化预警的概念19。急性呼吸道传染病监测数据源指标体系可以提供疾病传播和流行趋势的关键信息,快速识别病例,监测疫情的发展,评估疾病负担,根据实际情况优化资源分配,在公共卫生决策和应对中起着至关重要的作用20。在各种呼吸道传染病流行的背景下,构建一个全面且合理的指标体系,不仅可以提高监测数据的质量和可靠性,还可以增强早期预警能力。

既往研究表明,德尔菲法构建的指标体系具有科学性和合理性,为提升我国突发公共卫生事件监测预警能力提供了重要参考。然而,部分指标也存在局限性。例如,教育机构和养老机构在实际工作中能否准确、客观地填报监测数据存在疑问;药物销量类指标在获取和统计过程中也面临一定困难。因此,指标体系仍需进一步综合考虑和深入研究,以确保其全面性和实用性。

综上所述,基于德尔菲法构建的急性呼吸道传染病监测数据源指标体系,能够为急性呼吸道传染病的监测预警和防治提供有力的公共卫生决策依据。然而,其信度和效度及应用效果还需进一步评估,以确保实际应用中的可靠性和有效性。

引用本文:

王瑶瑶, 霍大柱, 李中杰, 等. 基于德尔菲法的急性呼吸道传染病监测数据源指标体系构建[J]. 中华流行病学杂志, 2024, 45(11): 1605-1610. DOI: 10.3760/cma.j.cn112338-20240625-00372.

Wang YY, Huo DZ, Li ZJ, et al. Construction of data source indicator system for acute respiratory infectious disease surveillance based on the Delphi method[J]. Chin J Epidemiol, 2024, 45(11):1605-1610. DOI: 10.3760/cma.j.cn112338-20240625-00372.

利益冲突
利益冲突

所有作者声明无利益冲突

参考文献
[1]
杨维中, 兰亚佳, 吕炜, . 建立我国传染病智慧化预警多点触发机制和多渠道监测预警机制[J]. 中华流行病学杂志, 2020, 41(11):1753-1757. DOI: 10.3760/cma.j.cn112338-20200722-00972.
YangWZ, LanYJ, LyuW, et al. Establishment of multi-point trigger and multi-channel surveillance mechanism for intelligent early warning of infectious diseases in China[J]. Chin J Epidemiol, 2020, 41(11):1753-1757. DOI: 10.3760/cma.j.cn112338-20200722-00972.
[2]
黄硕, 刘才兄, 邓源, . 世界主要国家和地区传染病监测预警实践进展[J]. 中华流行病学杂志, 2022, 43(4):591- 597. DOI: 10.3760/cma.j.cn112338-20211105-00856.
HuangS, LiuCX, DengY, et al. Progress in the practice of surveillance and early warning of infectious diseases in major countries and regions[J]. Chin J Epidemiol, 2022, 43(4):591-597. DOI: 10.3760/cma.j.cn112338-20211105-00856.
[3]
MorganOW, AbdelmalikP, Perez-GutierrezE, et al. How better pandemic and epidemic intelligence will prepare the world for future threats[J]. Nat Med, 2022, 28(8):1526-1528. DOI: 10.1038/s41591-022-01900-5.
[4]
程雁鹏, 张振, 舒跃龙, . 基于"同一健康"理念的重点传染病综合监测体系建设专家共识[J]. 新发传染病电子杂志, 2023, 8(4):69-79. DOI: 10.19871/j.cnki.xfcrbzz.2023.04.015.
ChengYP, ZhangZ, ShuYL, et al. Expert consensus on establishing an enhanced integrated surveillance system for key infectious diseases based on the "one health"[J]. Electron J Emerging Infect Dis, 2023, 8(4):69-79. DOI: 10.19871/j.cnki.xfcrbzz.2023.04.015.
[5]
SugawaraT, OhkusaY, KawanoharaH, et al. Prescription surveillance for early detection system of emerging and reemerging infectious disease outbreaks[J]. Biosci Trends, 2018, 12(5):523-525. DOI: 10.5582/bst.2018.01201.
[6]
SuW, SunL, ZhaoWJ, et al. The prediction of influenza-like illness using national influenza surveillance data and Baidu query data[J]. BMC Public Health, 2024, 24(1):513. DOI: 10.1186/s12889-024-17978-0.
[7]
DesjardinsMR. Syndromic surveillance of COVID-19 using crowdsourced data[J]. Lancet Reg Health West Pac, 2020, 4:100024. DOI: 10.1016/j.lanwpc.2020.100024.
[8]
陈朝辉, 熊茜. 应用互联网健康信息监测流行病的数字流行病学[J]. 中国公共卫生, 2024, 40(1):103-108. DOI: 10.11847/zgggws1142158.
ChenCH, XiongQ. Applying internet health information to epidemiologocal surveillance through digital epidemiology:a review[J]. Chin J Public Health, 2024, 40(1):103-108. DOI: 10.11847/zgggws1142158.
[9]
McphersonS, ReeseC, WendlerMC. Methodology update:Delphi studies[J]. Nurs Res, 2018, 67(5):404-410. DOI: 10.1097/NNR.0000000000000297.
[10]
罗业飞, 杜瑶瑶, 徐慧芳, . 应用德尔菲法构建青年学生HIV感染风险评估指标体系[J]. 中华流行病学杂志, 2021, 42(11):1918-1922. DOI: 10.3760/cma.j.cn112338-20210114-00038.
LuoYF, DuYY, XuHF, et al. Development of Risk Assessment Index System on HIV infection among young students based on Delphi method[J]. Chin J Epidemiol, 2021, 42(11):1918-1922. DOI: 10.3760/cma.j.cn112338-20210114-00038.
[11]
BannoM, TsujimotoY, KataokaY. The majority of reporting guidelines are not developed with the Delphi method:a systematic review of reporting guidelines[J]. J Clin Epidemiol, 2020, 124:50-57. DOI: 10.1016/j.jclinepi.2020.04.010.
[12]
LallooD, DemouE, KiranS, et al. International perspective on common core competencies for occupational physicians:a modified Delphi study[J]. Occup Environ Med, 2016, 73(7):452-458. DOI: 10.1136/oemed-2015-103285.
[13]
WuC, WuP, LiP, et al. Construction of an index system of core competence assessment for infectious disease specialist nurse in China:a Delphi study[J]. BMC Infect Dis, 2021, 21(1):791. DOI: 10.1186/s12879-021-06402-2.
[14]
SoltanzadehA, AdeliSH, Sadeghi YarandiM, et al. Developing a risk assessment method for infectious diseases focusing on COVID-19 based on the Delphi method and fuzzy analytical hierarchy process[J]. Work, 2022, 73(3):799-808. DOI: 10.3233/WOR-220084.
[15]
梅琳, 张弢, 胡弘, . 基于医疗机构的突发呼吸道传染病症状监测预警机制研究[J]. 中国医院管理, 2022, 42(2):54-56, 68. DOI: 10.11950/j.issn.1001-5329.2022.2.zgyygl202202015.
MeiL, ZhangT, HuH, et al. Research on the monitoring and early warning mechanism of sudden respiratory infectious disease symptoms based on medical institutions[J]. Chin Hosp Manage, 2022, 42(2):54-56, 68. DOI: 10.11950/j.issn.1001-5329.2022.2.zgyygl202202015.
[16]
赵宏婷, 范思萌, 杨孝坤, . 季节性流感在不同年龄人群中的临床特征及严重程度研究概述[J]. 国际病毒学杂志, 2021, 28(5):424-427. DOI: 10.3760/cma.j.issn.1673-4092.2021.05.016.
ZhaoHT, FanSM, YangXK, et al. Summary of researches on clinical features and severity of seasonal influenza in different age groups[J]. Int J Virol, 2021, 28(5):424-427. DOI: 10.3760/cma.j.issn.1673-4092.2021.05.016.
[17]
ShiT, DenouelA, TietjenAK, et al. Global disease burden estimates of respiratory syncytial virus-associated acute respiratory infection in older adults in 2015:a systematic review and meta-analysis[J]. J Infect Dis, 2020, 222Suppl 7: S577-583. DOI: 10.1093/infdis/jiz059.
[18]
马宇航, 殷一, 江欣, . 新发呼吸道传染病多渠道监测和多维度预警体系研究与思考[J]. 中华流行病学杂志, 2023, 44(4):529-535. DOI: 10.3760/cma.j.cn112338-20221201-01029.
MaYH, YinY, JiangX, et al. Thinking about development of multi-channel surveillance and multi-dimensional early warning system of emerging respiratory communicable diseases[J]. Chin J Epidemiol, 2023, 44(4):529-535. DOI: 10.3760/cma.j.cn112338-20221201-01029.
[19]
杨津, 冯录召, 赖圣杰, . 急性呼吸道传染病症状监测及预警技术的现状与展望[J]. 中华流行病学杂志, 2023, 44(1):60-66. DOI: 10.3760/cma.j.cn112338-20220706-00606.
YangJ, FengLZ, LaiSJ, et al. Syndrome surveillance and early warning technology for acute respiratory infectious diseases:current status and future development[J]. Chin J Epidemiol, 2023, 44(1):60-66. DOI: 10.3760/cma.j.cn112338-20220706-00606.
[20]
李自慧, 赵琦, 赵根明, . 上海市新发急性呼吸道传染病风险评估预警指标体系构建[J]. 上海预防医学, 2021, 33(7):588-592, 615. DOI: 10.19428/j.cnki.sjpm.2021.20583.
LiZH, ZhaoQ, ZhaoGM, et al. Development of an early warning index system for emerging respiratory infectious diseases in Shanghai[J]. Shanghai J Prev Med, 2021, 33(7):588-592, 615. DOI: 10.19428/j.cnki.sjpm.2021.20583.
 
 
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