基于风险评估模型的呼吸道传染健康风险研究

娄方丽，温丹果，简 俭，姚 弛，李国静，田 辉

呼吸道传染病传播速度快、传播范围广，具有突发性、长期性、复杂性、高度不确定性等特点，容易大规模暴发流行并造成巨大的经济损失。病原体不断变异使病情更复杂，如已经在全球肆虐的未被完全控制的新型冠状病毒肺炎(COVID-19)，对人民健康造成极大危害，尤其是对于患有慢性基础性疾病的老年人，危害更严重。各国疾控部门已开始加强对呼吸道传染健康风险的关注力度，不断开展风险管理相关工作。本文将基于风险评估模型分析呼吸道传染健康风险，并对相应的风险管理策略进行分析。

呼吸道传染健康风险指在一定的时间或地点、导致病原体由呼吸道侵入引起人际传播疾病，造成人员死亡、城市或区域系统功能紊乱、财产损失等社会问题的风险因素。健康风险大小由致灾因子危险性、承灾体暴露性和承灾体脆弱性3个方面共同决定。健康风险评估模型为：Ri=EiWe×ViWv×HiWh，其中Ri为i区域面向呼吸道传染病的居民健康综合风险值，其值越大说明该区域居民健康风险越大；
Ei、Vi、Hi分别为i区域居民健康风险的暴露性、脆弱性和危险性的数值；
We、Wv、Wh分别为3个指标的权重[1]。

2.1 致灾因子危险性分析

2.1.1 近距离飞沫 与病源近距离接触的飞沫传播具有较大危害性，与病源越接近，传染风险较高，与病源距离增大则传染风险逐渐减小。近距离传播包括1～2 m的飞沫传播以及1.5 m的空气传播。呼吸、谈话、咳嗽和打喷嚏等呼吸活动产生的飞沫会在扩散过程中持续蒸发，直到与周围环境达到热湿平衡，内部留下不溶性的飞沫核。飞沫接近蒸发结束的时段是传播关键阶段[2]。

2.1.2 封闭环境气溶胶 室内、交通工具等相对封闭环境中，说话、大笑、咳嗽、打喷嚏等排出的液滴即气溶胶，在呼出人体后1 s甚至几十毫秒内蒸发形成飞沫核，飞沫核长期悬浮在空气中，传播距离可达数百米甚至更远，促进病毒传播，对周围人员健康造成威胁。此外，气溶胶携带的病毒可以短时间存活于环境及物品表面，易感者通过接触被污染物品后触碰眼睛、鼻腔、口腔等部位的黏膜而感染[3]。应适当控制公共交通工具上座率，分散、隔位就座，并在交通工具后部设立暂时隔离区。加强对发热人员的监测和医学观察，加强流出、流入人员监管措施，严格对陆路、民航、水运等交通设施的人员防控[4]。

2.1.3 室内流场和呼吸状态 室内流场和呼吸状态有助于预测易感人群在室内环境的感染风险，可通过评估暴露剂量、暴露时间、肺活量等因素制定防控策略。病源正常呼气、与病源相距1.0 m时，无论置换通风或混合通风，病源对易感者的干扰很小；
而当病源咳嗽、置换通风或混合通风情况下，气流可以直接冲击易感者的呼吸区，使易感者头顶的热羽流发生偏移，易感者吸入污染物浓度量级明显升高。此外，在相同室内环境和呼吸流量下，鼻部吸入飞沫数量明显少于口部吸入飞沫数量，因此在密闭室内与病源距离较近时，用鼻呼吸比用口呼吸更安全[2]。

2.2 承灾体暴露性分析

2.2.1 直接接触者和隐性感染者 禽流感病毒主要通过接触传播，如接触感染禽类及其分泌物和排泄物、污染饲料、蛋托、垫草、种蛋、鸡胚和精液等,以及呼吸道或消化道传播，也可通过气源性媒介传播[5]。COVID-19病人的潜伏期、病原携带期和恢复期均能监测到病毒，病毒通过呼吸道传播或粪-口传播及母婴传播。确诊COVID-19的新生儿出生30 h后咽拭子病毒核酸阳性，但需要进一步证实[4]。

2.2.2 密切接触者 数据显示，呼吸道传染病风险主要来自亲属(49.26%)、交通工具(25.76%)、医护人员(0.7%)等，其他因素占24.28%[6]。数据显示，来自我国31个省市自治区的1 099例COVID-19确诊病人中医护人员占2.09%。确诊病人与密切接触者、疑似病人、无法明确排除COVID-19感染的发热病人被统称为疫情重点监控对象“四类人员”[6]。对密切接触者应立即采样检测，并在医学观察解除时进行病原筛查确定是否处于排毒期[4]。

2.2.3 人口流动性 流动人口聚集地、城郊接合部、偏远少数民族山寨、外出打工回乡儿童等，常会因时间差出现免疫空白，最先暴露的可能是麻疹，其次是流感、流脑等[7]。人口流动性反映一个地区外来人口流动的强度，流动性越强，传播呼吸道传染病的风险越高[1]。

2.2.4 易发时段 数据显示，H5N1型与H7N9型禽流感病毒1月累计报告病例占总病例数比例分别为25.78%、27.48%；
H7N9发病高峰为1～3月，夏季仅有零星散发病例；
H5N1发病高峰为11月至次年3月[5]。

2.3 承灾体脆弱性分析 在所有承灾体群体中，老年人和慢性基础疾病病人的脆弱性程度最高，尤其是60岁以上老年人群。资料显示，COVID-19病人中30～65岁占71.45%，10岁以下占0.35%；
至少合并1种基础疾病者占25.2%，如高血压、慢性阻塞性肺疾病、哮喘、糖尿病、高血压、冠心病等[4]。此外，老年人及合并基础疾病者、极度肥胖者感染COVID-19后易发展为重症，一部分因病毒性肺炎加重导致呼吸衰竭继发器官功能受损，另一部分由于病毒性肺炎引起基础疾病加重而导致器官功能衰竭。因此，老年人、合并慢性基础疾病以及呼吸频率增快、CD4+T淋巴细胞数下降、中性粒细胞/淋巴细胞比值增加、存在器官功能损害等人群均被认为是COVID-19重症化早期预警指标[4,8]。

澳大利亚新西兰风险管理标准(AS/NZS 4360:1999)指出，风险管理指对机构的活动、功能和过程的相关风险因素进行监测、预警、分析、上报4种策略[1]。

3.1 风险监测

3.1.1 症状监测 症状监测指不依赖于特定诊断，而对特定人群中特定临床症候群的发生频率进行监测。症状监测将监测及报告的起点前移，在临床和实验室确诊前提示疾病暴发的非特异性信息、发现疾病在时间或者空间上的异常聚集、早期探查并预警疫情，提升防控行动的及时性。健康监测通常由病例发现和报告、调查和证实、分析和解释、响应和行动几部分构成。有研究通过研发症状监测信息采集和统计分析软件，采用“分散采集、两级存储、中心处理、层次分析”的应用模式，构建了军队症状监测系统，包括信息采集传输、数据分析预警、异常事件响应3部分，并对监测系统在全军的适用性及公共卫生价值进行了初步评价[4]。

研究显示，COVID-19病人的发热呼吸道综合征监测指标为发热、咳痰、气短、呼吸困难等；
流感样综合征监测指标为发热、四肢酸痛、咽痛、鼻塞、流涕等；
新型冠状病毒综合征监测指标为发热、合并轻度干咳、乏力、呼吸不畅、腹泻等[5]，部分儿童及新生儿表现为呕吐、腹泻或精神弱、呼吸急促等不典型症状[9]。人感染禽流感最初表现为体温升高、咳嗽、精神不振等，后逐渐表现为呼吸道感染、黏膜充血、呼吸衰竭和多器官损害[5]。

3.1.2 基于指标监测和基于事件监测 《国际卫生条例》明确提出，为了全面达到国际卫生条例关于早期预警的要求，有必要加强和发展常规或基于指标监测(indicator-based surveillance,IBS)以及基于事件监测(event-based surveillance,EBS)[10]。IBS通过生物学信息和症候群获取信息，进行趋势监测、项目监测、慢性病原学监测、疾病负担监测等；
EBS指有组织地收集、监测、评估和解读与威胁人类健康的健康事件或风险有关的非结构化随意信息[11]。通过人类健康监测(如媒体报道、缺勤缺课、药房销售、人群迁移、社会骚乱等)、兽医监测(自然疫源性疾病)、环境/生态学监测(如气象、虫媒生物密度、作为中间宿主动物和储存宿主动物的变化、水和空气质量)等途径获取信息。IBS与EBS系统互为补充，共同发挥全威胁公共卫生监测预警响应功能[12]。有研究采用医院信息多维度监测系统对医院诊疗、药品零售、拨打健康热线、学校缺课、工厂缺勤以及病人日常生活、口服非处方药、发热咽痛症状等进行监测，某区域段某类症状超出额定数值便会自动预警[12]，与采用IBS与EBS共同进行公共卫生监测的功能类似。

3.1.3 智能模拟监测 利用自然语言处理技术，将热线咨询非结构化文本内容进行精准智能归类、提取、自动推送并设计智能疫情研判系统，以涉疫防控地图形式展现，可快速查询疫情防控点情况。采用传染病模型(SIR模型)模拟COVID-19发展曲线、推导发展趋势，并进行监测和预警[13]。近年来国外运用文本挖掘和可视化技术如全球疫情监控网(HealthMap)、全球公共卫生情报监测系统(GPHIN)、社区疾病流行早期报告电子监测系统(ESSENCE)、风险追踪工具(TTT)等进行疾病暴发监测[14]。应用呼吸道传染健康风险评估预警指标体系对重点区域进行全天候预警监测，可统筹同步疫情信息，加强区域间联动机制，形成多部门跨区域协作格局。美国建成以“3S”为核心的从海底到太空的信息监测网络，包括各级公共卫生部门伙伴关系网以及全球移动检疫网络等危机预警网络，并建有疾病分子数据库，有利于传染病监测、及时掌握病毒信息，研制治疗方案[1]。

3.2 风险预警 构建区域性公共卫生事件信息集散中心，将监测信息汇总到EBS系统，经过数据清洗、情况核实成为事件预警信号，提交给EBS监测评估专家组进行数据分析和风险评估[12]。将传染病自动预警、网络直报、公共卫生数据交换、医院信息管理等整合成预警协同链，将疾控中心、医院、药店、社区等整合成医疗信息安全共享数据链，将传染病报告卡、传染病风险特征标签、电子健康档案等整合成疫情暴发证据链，利用区块链技术的分布式加密存储、数字身份认证、智能合约自动化执行和数据防篡改、数据安全共享等建立传染病早期联合预警监测平台[15]。选择呼吸道传染病代表病种研究预测模型，初步构建呼吸道传染病的预警平台，利用自回归积分滑动平均模型(ARIMA模型)及ARIMA与人工神经网络组合模型进行疾病预测。如医院开通COVID-19出院后健康管理平台，病人端收集健康信息、建档；
医护端医生监测、预警、在线接诊、会诊等，护士实施健康评估、健康宣教、康复指导、隔离管理、心理疏导等；
后台管理端设计健康管理模块如人工智能机器人随访、制订康复锻炼方案等，并进行大数据分析[16]。人口流动大数据具有比城市联系度、铁路客运密度更高的疫情空间扩散趋势推测准确度，有利于推动多源数据融合、细化预警空间范围及开展数字化社区治理等[4]。

3.3 风险分析 传染病疫情扩散仿真系统能够从疫情的地理位置分布入手，模拟病毒携带者的活动路线，再现病毒传播过程，并进行模拟和分析研究，对疫情暴发的应急指挥过程进行模拟和评估。利用SQL Server 2005平台，结合人口数据、自然环境数据和气象数据设计了传染病数据仓库，实现了多维分析和数据挖掘。数据仓库技术对传染病数据及其环境危险因素、媒介生物数据、人口与社会经济数据、基础地理环境数据等进行了综合集成，并应用决策树、聚类、神经网络等算法进行数据挖掘，初步筛选出不同类型传染病的环境影响因素，为进一步开展重点传染病环境影响因素的研究奠定了基础。基于2009年北京甲型H1N1流感和2003年重症急性呼吸综合征(SARS)特点对甲型H1N1流感、SARS的传播特点等进行模拟和分析研究，结果表明呼吸道传染病的传播与场馆内的人口密度、乘坐交通工具的方式、防御措施等有密切关系，机场检疫和隔离措施直接关系到SARS的传播速度和范围[17]。美国建立了应对突发传染病的组织体系，包括疾病预防控制中心(CDC)联邦疾病控制与预防系统，负责疫病监测并定期发布；
地区/州医院应急准备系统(HRSA)，将具体疾病信息通过网络与CDC实时联系；
地方城市医疗应急系统(MMRS)与地方医院和地方机构等协调互动[1]。

3.4 风险上报 采用云计算、区块链、人工智能等技术建立智慧化预警多点触发机制，集成人口规模、空气、污染物、水电使用、交通运输客流等平台，兼顾动物园、养殖场、自然保护区、兽医等动物生存和健康信息，进行未知疾病症状数据上传、横向信息共享、同类症状数据对比、同行审核确认等，允许疑问病例首发上报[18]。发现疑似病例后立即进行单人间隔离治疗，在2 h内进行网络直报，并采集标本进行新型冠状病毒核酸检测，同时在确保转运安全前提下立即将疑似病例转运至定点医院。疑似病例连续两次新型冠状病毒核酸检测阴性(采样时间至少间隔24 h)且发病7 d后新型冠状病毒特异性抗体IgM和IgG仍为阴性可排除疑似病例诊断[9]。