308
CHINA TROPICAL M EDICINE Vol.10No.3M arch 2010中国热带医学2010年第10卷第3期
［疾病监控］
传染病预测预警方法在我国的应用现状
Current status of application of predicting and preparedness of communicable diseases in China. LIN Mei ，JI Yong-hong ，DONG Bai-qing. （Guangxi Zhuang Autonomous Region Center for Disease Control and Prevention ，Nanning 530028，Guangxi ，P. R.China ）
林玫，李永红（综述），董柏青（审校）
摘要：传染病预测是将数学与传染病流行病学相结合的一种统计学分析方法，应用于各种传染病的预测、预警，对本文就流行控制图法、比数图法、利用“Z-D ”现象预测法、灰色预测模型、自回归滑传染病的预防与控制有积极的意义。
动平均混合模型和小波预测模型等传染病预测方法在我国的应用现状进行了综述。
关键词：传染病；预测；模型中图分类号：R51
文献标识码：B
文章编号：1009-9727（2010）3-308-02
期预测（月、季、半年和1年）、中期预测（1~3年）及长期预测（>3年）；按预测方法可以分为定性预测和定量预测[6]。一般来说，短期预测为控制流行或暴发服务，而长期预测则为制订长期的预防控制策略服务，预测时期越短，预测精度越高。定量预测则比定性预测的预测精度高。可按照不同的预测目的使用不同的预测方法，制订不同的预测计划。3.1
定性预测
定性预测是通过对当地传染病发生、发展规律
及其有关因素的分析，判断该病即将流行的趋势和强度。其中比数图法及利用“Z-D ”现象进行传染病预测预流行控制图法、
警的方法在我国应用较多。3.1.1
流行控制图法
流行控制图法最早由美国Shewhart 于
1924年首创，对于具有季节性流行或周期性流行规律的传染病效果较好，而且简单易行。法国的Hanslik [7]曾在1998年世界杯杨维中等[3]以湖南省、辽宁省等省份共366个足球赛上应用过。
建立预警模县1997~2002年7种传染病月报数据建立数据库，
型，并综合平衡灵敏度、特异度、阳性预测值、预测功效以及预预警疾测疾病的特点后，优选出7种传染病的合适预警界值，病的灵敏度和特异度在90%以上。曹明华等[8]利用杨维中等的方法，以安徽省62个县和43个区的2000~2005年细菌性痢疾、其他感染性腹泻和腹泻症候群每年5~10月的腹泻病门诊监测周报的就诊和发病人数数据建立数据库并建立模型，预警灵敏度和特异度均在94%以上。3.1.2比数图法
比数图法通过比数(R ) 与其可信区间，来判断
某传染病是否有流行征兆，适用于发病数呈正态分布的传染病。美国早在80年代就将比数图法应用于国家传染病监测系统，其后研究亦证实该方法在公共卫生监测中是一种可行的好
10]
方法[9，。我国谭德斌[11]运用比数图法，以1996~2000年东风汽
传染病预测预警是根据传染病的发生、发展规律及有关因素，用分析判断和数学模型等方法对可能发生的传染病的发生、发展和流行趋势做出的预测，对于提高传染病预防控制工
2]
提高效率和效益起重要的作用[1，。随着作的预见性和主动性、
计算机的逐步推广应用以及预测理论的迅速发展与完善，已有多种预测方法在传染病的预防与控制中得到了实际应用，成为传染病预防与控制的一项有效手段。本文就各种传染病预测预警方法在我国的应用现状作一综述。
1传染病预测预警的意义
尽管我国传染病防治工作在过去的几十年已取得很大的成绩，但由于近年不断出现的新发传染病和旧的传染病死灰复燃以及全球化流行、蔓延的趋势，预示着传染病防治在今后相当长时间内仍是疾病预防控制工作的重点。疫情预测预警是有效应对传染病重要的手段，且预测的病种均应是能构成重要卫生问题的重点疾病。在实际工作中，对于传染病的预测一般使用经验预测的方法，通常存在准确性和敏感性不高以及很难获得较准确的时间和空间的定位等问题，无法满足当今传染病预防控制工作形势的需要。传染病预测预警方法无论是在理论上还是在实践中均证明为指导制订防治措施依据的一项有效的方法。通过建立统计分析和数学模型的建立，探讨传染病发生、发展和流行的规律，一方面可根据预测的数据，有的放矢地提出和采取预防控制措施，并通过跟踪印证来评价预防措施的效果，能使预防控制工作更具针对性、预见性和主动性，从而达到防止暴发或流行的目的；另一方面可将实时疫情信息与同期历史资料比较，对于发病率超出所确定可信限范围者作为异常来处理，以此发出暴发或流行的警示，从而实现疾病的早期预警
[3，4]
。我国自80年代开始应用传染病预测预警方法，起步
较晚，目前仅一些省份在一些重点传染病预测上应用过。目前由于用于预测的资料来源有限而影响传染病流行的因素复杂多变，因此其研究方法及评价手段等还有待进一步完善。
车公司病毒性肝炎发病数，预测2001年的流行情况，与实际情况一致。3.1.3
利用“Z-D ”现象预测
1997年，曾光和丁雁鹏等[12]通过
对全国29省17种法定报告传染病的历史资料进行分析，发现某病流行年发病曲线波峰向右偏移时，则下一流行年发病率将
2传染病预测预警方法的分类
传染病预测方法种类繁多，一般按预测时期长短可分为短
*基金项目：广西壮族自治区卫生厅计划课题（Z2008492）
作者单位：广西南宁林玫（1966~）
中国热带医学2010年第10卷第3期CHINA TROPICAL M EDICINE Vol.10No.3M arch 2010
309
可能上升，且向右偏移程度越大，上升的概率越大，反之则下“Zeng-Ding ”即“Z-D ”现象。降，他们将传染病的这种现象称为传染病季节发病曲线波峰的偏度在一定程度上综合反映了众多因素对流行过程的影响，利用“Z-D ”现象分析传染病疫情资料进行预测研究，对指导制定传染病控制措施有积极意义。张岚[13]利用“Z-D ”现象，对南昌铁路局管区1970~1999年细菌性病毒性肝炎两种疾病的时间序列资料进行分析并作出了痢疾、
预测，结果显示两病回顾性预测符合率分别为66.67%和68.67%，三年外推性预测效果也较好。而程颖恺等[14]也证实了麻疹、猩红热流行中存在“Z-D 现象”。3.3
定量预测技术
定量预测是借助数学手段利用原始资料，
建立恰当的数学模型，预测未来传染病的发病数和发病率。目前常用的是时间序列模型中的灰色动态模型和Box-Jenkins 模型及多因素模型中的小波模型。3.3.1
灰色动态模型
灰色动态模型（grey dynamics model ）简
称灰色模型（GM ），由我国学者邓聚龙教授于1982年创立，目前该模型在各个领域得到了广泛的应用，也普遍用于多种传染建模的精度较高和预测性能病的预测，已证实其适用性较强、好的优点[15]。胡伟红[16]利用长沙市1995~2005年的传染病疫情资料进行灰色拟合及动态预测，生成预测模型，预测2006~2010年各类传染病发病率，结果显示建立的模型预测精度良好，外推预测各类传染病符合流行规律。吴小清等[17]采用灰色模型预测方法，对南京市1989~1997年流行性脑脊髓膜炎发病率进行拟合，所得理论值与实际值曲线基本一致，并对1998年发病率进行外推，预测效果良好。此外，灰色模型在伤寒[18]、淋病[19]、禽麻风病[21]、血吸虫病[15]和疟疾[22]等的流行趋势预测中，流感[20]、
均显示了良好的效果。3.3.2
Box-Jenkins 模型简称B-J 模型，是经典的时间序列预
测模型，也是精确度较高的短期预测模型之一。其中自回归滑动平均混合模型（autoregressive integrated moving average ，ARIM A ）是最重要的时间序列分析预测模型[23]，但计算较为复杂，对数据的要求较高。吴家兵等[24]对东风汽车公司1986～2002年法定传染病逐月发病率进行ARIM A 模型建模拟合，用所得到的模型对2003年各月发病率进行预测，预测值的动态趋势与实际情况基本一致。董选军等[25]对宁波市镇海区1985~2005年的伤寒疫情资料进行分析，构建ARIM A 时间序列模型预测2006年的伤寒发病率，预测效果一般，不如潘平涛构建的灰色模型理想。3.3.3
小波模型
是多因素模型中的一种，是近年来应用数学
领域新发展起来的一个分支，已成为国际上公认的时间－频率分析的有效工具[26]，它把小波分析方法引入了预测领域，在对离散的传染病时间序列资料，尤其是季节性的传染病时间序列资料的分析和应用方面取得了较大突破。郭秀花等[27]利用小波分析理论构建黑河市和临沂市1995~1998年48个月的出血热肾病综合征发病率季节性时间序列的预测模型，预测两市1999年12个月的发病率，大部分预测结果均与实际发病率较为接近，认为小波分析是处理季节性时间序列的一种较好的预测方法。吴学森等[28]则以部分县1990~2001年的出血热肾病综合征月发病率分别建立了季节性趋势时间序列小波预测模型和A ，而A
[18]
预测模型的预测精度只有66.1%。目前应用小波预测模型用于传染病预测的报道尚少。
3用于传染病预测预警的资料收集及需注意的问题
影响传染病发展趋势的因素除了与疾病本身流行的基本
在当地的发病水平有关外，还与影响疾病发生的一些气特征、
象因素如气温、地面温度、降雨量、气压、湿度等密切相关，因此用于传染病预测预警的资料除了包括被动监测的疫情报告资料、主动监测的病例及外环境检索的数据外，还应包括影响疾病发生和流行的因素的如气象等相关资料，这样的预测结果会更为准确和可信[5]，但目前该方面的报道尚较少。由于大多数报道使用的资料来源于法定传染病疫情报告系统，其完整性和可信度各地差异较大，在一定程度上影响了预测的效果，因此在结果的解释及利用上尚需审慎。
由于影响传染病流行的因素是复杂多样的，因此，基于历史资料所做出的对未来传染病流行趋势的预测，也必然有其局限性。为了保证预测预警的准确性，在进行传染病预测时，要注意以下问题：一是资料的完整性和准确性。在资料收集过程中，应根据预测传染病的流行病学特征全面、准确地收集发病数、人口数及影响传染病发病的因素的资料，为选择合理的预测方法及对预测结果的合理解释奠定基础；二是合理选择预测方法。为保证预测结果的准确性，需根据所预测传染病的预测目的、预测时期、流行病学特征和资料特点等因素合理选择，如预测某种传染病的发病率在未来是否会上升或下降，可选择定性预测方法；如预测未来的流行趋势，则选择定量预测方法。在定量预测中，流行趋势平稳的可选择ARIM A 模型预测，流行趋势不平稳的可选择灰色模型，季节性明显的可选择小波模型等。此外，ARIM A 模型适用于短期预测[28]，灰色模型和小波模型可
29]
作短、中期预测[16，等；三是要及时开展预测效果的分析和评价
工作，评价指标主要有灵敏度、特异度、阳性预测值及符合率等，以及时对预测效果差的模型进行修正，在评价过程中要充分考虑预测方法本身的局限性，还可进行预测效益的评价[1]。
4小结
传染病预测预警方法是指导制订和采取传染病预防控制
方法的重要手段和依据，对传染病的预防与控制具有积极的现实意义。近年随着传染病规律逐步得到认识以及计算机技术的普及应用，以及传染病的预测技术日臻完善，该方法得到了广泛的应用和推广。预测方法一般分为定性预测和定量预测，目前在我国应用较多、效果较好的定性预测方法主要有流行控制图法、比数图法及利用“Z-D ”现象，而在定量分析方法则主要有时间序列模型中的灰色动态模型、Box-Jenkins 模型和多因素模型中的小波模型等。可按不同的预测目的选择不同的预测方法。一般来说，定量预测比定性预测的精度高；定性预测方法简对资料要求高；短期预测比长单易行，定量预测方法计算复杂、期预测的精度高。如需判断未来流行趋势升高或下降或仅对未来疫情作出预警，则使用定性预测方法，如需精确地预测未来疫情的流行趋势，则使用定量预测的方法。近年来，我国一些省份如江苏、湖北、湖南等开展过肾综合征出血热、血吸虫、疟疾、伤寒、流行性脑脊髓膜炎等重点传染病的预测并取得较好的效果，但利用气象等因素预测的资料较少，且由于多数使用的是法定传染病报告系统的资料，存在完整性和可靠性的问题。由于影响传染病流行趋势的因素复杂多变，在预测时要注意资料348页）
348
CHINA TROPICAL M EDICINE Vol.10No.3M arch 2010中国热带医学2010年第10卷第3期
儿的可能性越小，但患者临床表现婚后流产不孕不育及死产的比例越高。
有学者[2]认为inv （9）位于异染色区内，属多态性现象。9号）上的是染色体的多态性，对染色体臂间倒位发生在（p11q12
生育及流产均无直接影响。也有报道认为inv （9）位于异染色质区外，归结于结构异常。国外研究发现9号染色体断裂点位于9p12和9q13，且较少位于9q12上，从而推断9号染色体臂间倒位更多发生于异染色质区外，倒位节段也全部定位于p11及q12远端，倒位断裂点位于异染色质区外，应属于结构异常，从而对inv （9）携带者表现的多样临床症状有了合理的解释。由于inv （9）倒位涉及的区带用传统G 显带很难将其明确定位分类，而国内文献报告的分类也多为细胞遗传学传统的G 显带定位，故定位并不准确，由此得出的9号染色体断裂点易发生于异染色质区的结论也不可靠。
随着基础医学研究的深入，对9号染色体异染色质区的功能认识越来越清晰，9号染色体的倒位片段是否位于异染色区
内，还是属于结构异常，有待于荧光原位杂交等技术进一步确定。对于流产、不孕不育、死胎、畸形等患者，在优生遗传咨询过程中应引起高度重视，并积极建议进行染色体检查，也有利于进一步提高人们对9号染色体臂间倒位的认识。同时我们的病例应不断积累，并结合分子细胞遗传学进一步了解其导致生殖异常的机制。
参考文献：
［1］高雪峰，陈咏健，杨丽萍. 9号染色体臂间倒位的遗传效应分析［J ］.
中国优生与遗传杂志，2004，12（5）：66～86，109.
［2］崔向英，林宝宁. 14例9号染色体臂间倒位患者的遗传效应分析
［J ］. 中国优生与遗传杂志，2007，15（6）：41～52.
［3］M adon PF ，A thalye AS ，Parikh FR . Polymophic variants on
chromosomes probably play a significant role in infertility ［J ］. Reprod Biomed Online ，2005，11（6）：726～773.
收稿日期：2009-08-06
编辑：杜中华
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
（上接第309页）
价预测的效果。目前，传染病预测预警的方法、应用推广以及效果、效益的评价等尚需进行更深入的探讨。
证及其预测价值研究［J ］. 中华流行病学杂志，1999，20（4）：200～203. ［15］张姝，张强，尹治成. 灰色模型在血吸虫病感染率预测中的应用
［J ］. 现代预防医学，2007，34（7）：1291~1293.
［16］胡伟红. 灰色模型对长沙市四类传染病发病率的模拟与预测［J ］.
实用预防医学，2007，14（4）：1097~1099.
［17］吴小清，丁筱竹. 应用灰色模型预测流脑发病率［J ］. 江苏预防医
学，2000，11（3）：35~36.
［18］潘平涛. 应用灰色模型预测伤寒发病率［J ］. 浙江预防医学，
2000，12（3）：7～8.
［19］艾维莉，林新勤，徐永芳，等. 南宁市淋病1996~2005年发病率灰
色模型及预测研究［J ］. 中国热带医学，2007，7（9）：1554~1555.［20］盛庆云，罗扬珩，向昆，等. 应用灰色预测技术分析禽流感流行趋
势［J ］. 中国公共卫生管理，2007，23（4）：368～370.
［21］金光楠，蔡振群. GM （1，1）灰色模型在预测麻风病患病率中的应
用［J ］. 数理医药学杂志，2007，20（5）：720，727.
［22］裘炯良，郑剑宁，赵玉婉. 应用灰色模型研究疟疾在中国的流行
趋势［J ］. 中国媒介生物学及控制杂志，2004，15（1）：43~45.［23］Box GE ，Jenkins GM ，Reinsel GC 著，顾岚译. 时间序列分析预测
与控制［M ］. 北京:中国统计出版社，1997:23，211~236，377~403.［24］吴家兵，叶临湘，尤尔科. ARIMA 模型在传染病发病率预测中的
应用［J ］. 数理医药学杂志，2007，20（1）：90~92.
［25］董选军，胡依红. 宁波市镇海区伤寒疫情ARIMA 时间序列模型
分析［J ］. 浙江预防医学，2007，19（6）：22~23.
［26］易东，刘月明，王文昌. 小波分析方法在统计理论研究中的应用
［J ］. 中国卫生统计，2000，17（2）：120~124.
［27］郭秀花，林济南，曹务春，等. 探讨基于小波分析的季节性时间序
列预测模型［J ］. 数理医药学杂志，2003，16（3）：195~197. ［28］吴学森，王洁贞，刘云霞，等. 基于小波分析的肾综合征出血热发
2005，22（1）：9-12. 病率预测方法［J ］. 中国卫生统计，
［29］张彦琦，黄彦，田考聪. SPSS 在医院统计预测中的应用［J ］. 中
2002，9（3）：131~134. 国医院统计，
收稿日期：2009-03-23
编辑：杜中华
参考文献：
［1］邢慧娴，杨维中，王汉章. 传染病预测［J ］. 预防医学情报杂志，
2004，20（6）：639~642.
［2］王丙刚，曲波，郭海强，等. 传染病预测的数学模型研究［J ］. 中国
卫生统计，2007，24（5）：536~540.
［3］杨维中，邢慧娴，王汉章，等. 七种传染病控制图法预警技术研究
［J ］. 中华流行病学杂志，2004，25（2）：1039～1041.
［4］Kenneth D ，Mandl B ，Reis C ，et al . Measueing Outbreak -Detecion
Performmance By Using Control led Feature Set Simulations ［J ］. MMWR ，2004，53（Suppl ）：130~136.
［5］施海龙，曲波，郭海强. 干旱地区呼吸道传染病气象因素及发病预
2006，22（4）：417~418. 测［J ］. 中国公共卫生，
［6］孙振球. 医学统计学［M ］. 北京:人民卫生出版社，2002:352.［7］Hanslik T ，Boelle PY ，Flahault A. The control chart ：an epidemiological
tool for public health monitoring ［J ］. Public Health. 2001;115（4）：277~281.
［8］曹明华，李群，吴家兵，等. 肠道传染病控制图法预警技术研究［J ］.
现代预防医学，2007，34（8）：1441～1443.
［9］Wharton M ，Price W ，Hoesly F ，et al . Evaluation of a method of
detecting outbreaks of diseases in six states ［J ］. Am J Prev Med ，1993，9（1）：45～49.
［10］Rigau-Perez JG ，Millard PS ，Walker DR ，et al . A deviation bar chart
for detecting dengue outbreaks in Puerto Rico ［J ］. Am J Public Health ，1999，89（3）：374～378.
［11］谭德斌. 运用比数图表法预测病毒性肝炎年度疫情趋势［J ］. 湖
北预防医学杂志，2002，13（2）：41.
［12］曾光，丁雁鹏，程颖恺. 传染病流行中存在“Z-D ”现象的论证［J ］.
中华流行病学杂志，1997，18（5）：270~274.
［13］张岚. 应用“Z-D 现象”进行传染病疫情预测的研究［J ］. 数理医
药学杂志，2002，15（3）：268~269.
14. “Z-D
308
CHINA TROPICAL M EDICINE Vol.10No.3M arch 2010中国热带医学2010年第10卷第3期
［疾病监控］
传染病预测预警方法在我国的应用现状
Current status of application of predicting and preparedness of communicable diseases in China. LIN Mei ，JI Yong-hong ，DONG Bai-qing. （Guangxi Zhuang Autonomous Region Center for Disease Control and Prevention ，Nanning 530028，Guangxi ，P. R.China ）
林玫，李永红（综述），董柏青（审校）
摘要：传染病预测是将数学与传染病流行病学相结合的一种统计学分析方法，应用于各种传染病的预测、预警，对本文就流行控制图法、比数图法、利用“Z-D ”现象预测法、灰色预测模型、自回归滑传染病的预防与控制有积极的意义。
动平均混合模型和小波预测模型等传染病预测方法在我国的应用现状进行了综述。
关键词：传染病；预测；模型中图分类号：R51
文献标识码：B
文章编号：1009-9727（2010）3-308-02
期预测（月、季、半年和1年）、中期预测（1~3年）及长期预测（>3年）；按预测方法可以分为定性预测和定量预测[6]。一般来说，短期预测为控制流行或暴发服务，而长期预测则为制订长期的预防控制策略服务，预测时期越短，预测精度越高。定量预测则比定性预测的预测精度高。可按照不同的预测目的使用不同的预测方法，制订不同的预测计划。3.1
定性预测
定性预测是通过对当地传染病发生、发展规律
及其有关因素的分析，判断该病即将流行的趋势和强度。其中比数图法及利用“Z-D ”现象进行传染病预测预流行控制图法、
警的方法在我国应用较多。3.1.1
流行控制图法
流行控制图法最早由美国Shewhart 于
1924年首创，对于具有季节性流行或周期性流行规律的传染病效果较好，而且简单易行。法国的Hanslik [7]曾在1998年世界杯杨维中等[3]以湖南省、辽宁省等省份共366个足球赛上应用过。
建立预警模县1997~2002年7种传染病月报数据建立数据库，
型，并综合平衡灵敏度、特异度、阳性预测值、预测功效以及预预警疾测疾病的特点后，优选出7种传染病的合适预警界值，病的灵敏度和特异度在90%以上。曹明华等[8]利用杨维中等的方法，以安徽省62个县和43个区的2000~2005年细菌性痢疾、其他感染性腹泻和腹泻症候群每年5~10月的腹泻病门诊监测周报的就诊和发病人数数据建立数据库并建立模型，预警灵敏度和特异度均在94%以上。3.1.2比数图法
比数图法通过比数(R ) 与其可信区间，来判断
某传染病是否有流行征兆，适用于发病数呈正态分布的传染病。美国早在80年代就将比数图法应用于国家传染病监测系统，其后研究亦证实该方法在公共卫生监测中是一种可行的好
10]
方法[9，。我国谭德斌[11]运用比数图法，以1996~2000年东风汽
传染病预测预警是根据传染病的发生、发展规律及有关因素，用分析判断和数学模型等方法对可能发生的传染病的发生、发展和流行趋势做出的预测，对于提高传染病预防控制工
2]
提高效率和效益起重要的作用[1，。随着作的预见性和主动性、
计算机的逐步推广应用以及预测理论的迅速发展与完善，已有多种预测方法在传染病的预防与控制中得到了实际应用，成为传染病预防与控制的一项有效手段。本文就各种传染病预测预警方法在我国的应用现状作一综述。
1传染病预测预警的意义
尽管我国传染病防治工作在过去的几十年已取得很大的成绩，但由于近年不断出现的新发传染病和旧的传染病死灰复燃以及全球化流行、蔓延的趋势，预示着传染病防治在今后相当长时间内仍是疾病预防控制工作的重点。疫情预测预警是有效应对传染病重要的手段，且预测的病种均应是能构成重要卫生问题的重点疾病。在实际工作中，对于传染病的预测一般使用经验预测的方法，通常存在准确性和敏感性不高以及很难获得较准确的时间和空间的定位等问题，无法满足当今传染病预防控制工作形势的需要。传染病预测预警方法无论是在理论上还是在实践中均证明为指导制订防治措施依据的一项有效的方法。通过建立统计分析和数学模型的建立，探讨传染病发生、发展和流行的规律，一方面可根据预测的数据，有的放矢地提出和采取预防控制措施，并通过跟踪印证来评价预防措施的效果，能使预防控制工作更具针对性、预见性和主动性，从而达到防止暴发或流行的目的；另一方面可将实时疫情信息与同期历史资料比较，对于发病率超出所确定可信限范围者作为异常来处理，以此发出暴发或流行的警示，从而实现疾病的早期预警
[3，4]
。我国自80年代开始应用传染病预测预警方法，起步
较晚，目前仅一些省份在一些重点传染病预测上应用过。目前由于用于预测的资料来源有限而影响传染病流行的因素复杂多变，因此其研究方法及评价手段等还有待进一步完善。
车公司病毒性肝炎发病数，预测2001年的流行情况，与实际情况一致。3.1.3
利用“Z-D ”现象预测
1997年，曾光和丁雁鹏等[12]通过
对全国29省17种法定报告传染病的历史资料进行分析，发现某病流行年发病曲线波峰向右偏移时，则下一流行年发病率将
2传染病预测预警方法的分类
传染病预测方法种类繁多，一般按预测时期长短可分为短
*基金项目：广西壮族自治区卫生厅计划课题（Z2008492）
作者单位：广西南宁林玫（1966~）
中国热带医学2010年第10卷第3期CHINA TROPICAL M EDICINE Vol.10No.3M arch 2010
309
可能上升，且向右偏移程度越大，上升的概率越大，反之则下“Zeng-Ding ”即“Z-D ”现象。降，他们将传染病的这种现象称为传染病季节发病曲线波峰的偏度在一定程度上综合反映了众多因素对流行过程的影响，利用“Z-D ”现象分析传染病疫情资料进行预测研究，对指导制定传染病控制措施有积极意义。张岚[13]利用“Z-D ”现象，对南昌铁路局管区1970~1999年细菌性病毒性肝炎两种疾病的时间序列资料进行分析并作出了痢疾、
预测，结果显示两病回顾性预测符合率分别为66.67%和68.67%，三年外推性预测效果也较好。而程颖恺等[14]也证实了麻疹、猩红热流行中存在“Z-D 现象”。3.3
定量预测技术
定量预测是借助数学手段利用原始资料，
建立恰当的数学模型，预测未来传染病的发病数和发病率。目前常用的是时间序列模型中的灰色动态模型和Box-Jenkins 模型及多因素模型中的小波模型。3.3.1
灰色动态模型
灰色动态模型（grey dynamics model ）简
称灰色模型（GM ），由我国学者邓聚龙教授于1982年创立，目前该模型在各个领域得到了广泛的应用，也普遍用于多种传染建模的精度较高和预测性能病的预测，已证实其适用性较强、好的优点[15]。胡伟红[16]利用长沙市1995~2005年的传染病疫情资料进行灰色拟合及动态预测，生成预测模型，预测2006~2010年各类传染病发病率，结果显示建立的模型预测精度良好，外推预测各类传染病符合流行规律。吴小清等[17]采用灰色模型预测方法，对南京市1989~1997年流行性脑脊髓膜炎发病率进行拟合，所得理论值与实际值曲线基本一致，并对1998年发病率进行外推，预测效果良好。此外，灰色模型在伤寒[18]、淋病[19]、禽麻风病[21]、血吸虫病[15]和疟疾[22]等的流行趋势预测中，流感[20]、
均显示了良好的效果。3.3.2
Box-Jenkins 模型简称B-J 模型，是经典的时间序列预
测模型，也是精确度较高的短期预测模型之一。其中自回归滑动平均混合模型（autoregressive integrated moving average ，ARIM A ）是最重要的时间序列分析预测模型[23]，但计算较为复杂，对数据的要求较高。吴家兵等[24]对东风汽车公司1986～2002年法定传染病逐月发病率进行ARIM A 模型建模拟合，用所得到的模型对2003年各月发病率进行预测，预测值的动态趋势与实际情况基本一致。董选军等[25]对宁波市镇海区1985~2005年的伤寒疫情资料进行分析，构建ARIM A 时间序列模型预测2006年的伤寒发病率，预测效果一般，不如潘平涛构建的灰色模型理想。3.3.3
小波模型
是多因素模型中的一种，是近年来应用数学
领域新发展起来的一个分支，已成为国际上公认的时间－频率分析的有效工具[26]，它把小波分析方法引入了预测领域，在对离散的传染病时间序列资料，尤其是季节性的传染病时间序列资料的分析和应用方面取得了较大突破。郭秀花等[27]利用小波分析理论构建黑河市和临沂市1995~1998年48个月的出血热肾病综合征发病率季节性时间序列的预测模型，预测两市1999年12个月的发病率，大部分预测结果均与实际发病率较为接近，认为小波分析是处理季节性时间序列的一种较好的预测方法。吴学森等[28]则以部分县1990~2001年的出血热肾病综合征月发病率分别建立了季节性趋势时间序列小波预测模型和A ，而A
[18]
预测模型的预测精度只有66.1%。目前应用小波预测模型用于传染病预测的报道尚少。
3用于传染病预测预警的资料收集及需注意的问题
影响传染病发展趋势的因素除了与疾病本身流行的基本
在当地的发病水平有关外，还与影响疾病发生的一些气特征、
象因素如气温、地面温度、降雨量、气压、湿度等密切相关，因此用于传染病预测预警的资料除了包括被动监测的疫情报告资料、主动监测的病例及外环境检索的数据外，还应包括影响疾病发生和流行的因素的如气象等相关资料，这样的预测结果会更为准确和可信[5]，但目前该方面的报道尚较少。由于大多数报道使用的资料来源于法定传染病疫情报告系统，其完整性和可信度各地差异较大，在一定程度上影响了预测的效果，因此在结果的解释及利用上尚需审慎。
由于影响传染病流行的因素是复杂多样的，因此，基于历史资料所做出的对未来传染病流行趋势的预测，也必然有其局限性。为了保证预测预警的准确性，在进行传染病预测时，要注意以下问题：一是资料的完整性和准确性。在资料收集过程中，应根据预测传染病的流行病学特征全面、准确地收集发病数、人口数及影响传染病发病的因素的资料，为选择合理的预测方法及对预测结果的合理解释奠定基础；二是合理选择预测方法。为保证预测结果的准确性，需根据所预测传染病的预测目的、预测时期、流行病学特征和资料特点等因素合理选择，如预测某种传染病的发病率在未来是否会上升或下降，可选择定性预测方法；如预测未来的流行趋势，则选择定量预测方法。在定量预测中，流行趋势平稳的可选择ARIM A 模型预测，流行趋势不平稳的可选择灰色模型，季节性明显的可选择小波模型等。此外，ARIM A 模型适用于短期预测[28]，灰色模型和小波模型可
29]
作短、中期预测[16，等；三是要及时开展预测效果的分析和评价
工作，评价指标主要有灵敏度、特异度、阳性预测值及符合率等，以及时对预测效果差的模型进行修正，在评价过程中要充分考虑预测方法本身的局限性，还可进行预测效益的评价[1]。
4小结
传染病预测预警方法是指导制订和采取传染病预防控制
方法的重要手段和依据，对传染病的预防与控制具有积极的现实意义。近年随着传染病规律逐步得到认识以及计算机技术的普及应用，以及传染病的预测技术日臻完善，该方法得到了广泛的应用和推广。预测方法一般分为定性预测和定量预测，目前在我国应用较多、效果较好的定性预测方法主要有流行控制图法、比数图法及利用“Z-D ”现象，而在定量分析方法则主要有时间序列模型中的灰色动态模型、Box-Jenkins 模型和多因素模型中的小波模型等。可按不同的预测目的选择不同的预测方法。一般来说，定量预测比定性预测的精度高；定性预测方法简对资料要求高；短期预测比长单易行，定量预测方法计算复杂、期预测的精度高。如需判断未来流行趋势升高或下降或仅对未来疫情作出预警，则使用定性预测方法，如需精确地预测未来疫情的流行趋势，则使用定量预测的方法。近年来，我国一些省份如江苏、湖北、湖南等开展过肾综合征出血热、血吸虫、疟疾、伤寒、流行性脑脊髓膜炎等重点传染病的预测并取得较好的效果，但利用气象等因素预测的资料较少，且由于多数使用的是法定传染病报告系统的资料，存在完整性和可靠性的问题。由于影响传染病流行趋势的因素复杂多变，在预测时要注意资料348页）
348
CHINA TROPICAL M EDICINE Vol.10No.3M arch 2010中国热带医学2010年第10卷第3期
儿的可能性越小，但患者临床表现婚后流产不孕不育及死产的比例越高。
有学者[2]认为inv （9）位于异染色区内，属多态性现象。9号）上的是染色体的多态性，对染色体臂间倒位发生在（p11q12
生育及流产均无直接影响。也有报道认为inv （9）位于异染色质区外，归结于结构异常。国外研究发现9号染色体断裂点位于9p12和9q13，且较少位于9q12上，从而推断9号染色体臂间倒位更多发生于异染色质区外，倒位节段也全部定位于p11及q12远端，倒位断裂点位于异染色质区外，应属于结构异常，从而对inv （9）携带者表现的多样临床症状有了合理的解释。由于inv （9）倒位涉及的区带用传统G 显带很难将其明确定位分类，而国内文献报告的分类也多为细胞遗传学传统的G 显带定位，故定位并不准确，由此得出的9号染色体断裂点易发生于异染色质区的结论也不可靠。
随着基础医学研究的深入，对9号染色体异染色质区的功能认识越来越清晰，9号染色体的倒位片段是否位于异染色区
内，还是属于结构异常，有待于荧光原位杂交等技术进一步确定。对于流产、不孕不育、死胎、畸形等患者，在优生遗传咨询过程中应引起高度重视，并积极建议进行染色体检查，也有利于进一步提高人们对9号染色体臂间倒位的认识。同时我们的病例应不断积累，并结合分子细胞遗传学进一步了解其导致生殖异常的机制。
参考文献：
［1］高雪峰，陈咏健，杨丽萍. 9号染色体臂间倒位的遗传效应分析［J ］.
中国优生与遗传杂志，2004，12（5）：66～86，109.
［2］崔向英，林宝宁. 14例9号染色体臂间倒位患者的遗传效应分析
［J ］. 中国优生与遗传杂志，2007，15（6）：41～52.
［3］M adon PF ，A thalye AS ，Parikh FR . Polymophic variants on
chromosomes probably play a significant role in infertility ［J ］. Reprod Biomed Online ，2005，11（6）：726～773.
收稿日期：2009-08-06
编辑：杜中华
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
（上接第309页）
价预测的效果。目前，传染病预测预警的方法、应用推广以及效果、效益的评价等尚需进行更深入的探讨。
证及其预测价值研究［J ］. 中华流行病学杂志，1999，20（4）：200～203. ［15］张姝，张强，尹治成. 灰色模型在血吸虫病感染率预测中的应用
［J ］. 现代预防医学，2007，34（7）：1291~1293.
［16］胡伟红. 灰色模型对长沙市四类传染病发病率的模拟与预测［J ］.
实用预防医学，2007，14（4）：1097~1099.
［17］吴小清，丁筱竹. 应用灰色模型预测流脑发病率［J ］. 江苏预防医
学，2000，11（3）：35~36.
［18］潘平涛. 应用灰色模型预测伤寒发病率［J ］. 浙江预防医学，
2000，12（3）：7～8.
［19］艾维莉，林新勤，徐永芳，等. 南宁市淋病1996~2005年发病率灰
色模型及预测研究［J ］. 中国热带医学，2007，7（9）：1554~1555.［20］盛庆云，罗扬珩，向昆，等. 应用灰色预测技术分析禽流感流行趋
势［J ］. 中国公共卫生管理，2007，23（4）：368～370.
［21］金光楠，蔡振群. GM （1，1）灰色模型在预测麻风病患病率中的应
用［J ］. 数理医药学杂志，2007，20（5）：720，727.
［22］裘炯良，郑剑宁，赵玉婉. 应用灰色模型研究疟疾在中国的流行
趋势［J ］. 中国媒介生物学及控制杂志，2004，15（1）：43~45.［23］Box GE ，Jenkins GM ，Reinsel GC 著，顾岚译. 时间序列分析预测
与控制［M ］. 北京:中国统计出版社，1997:23，211~236，377~403.［24］吴家兵，叶临湘，尤尔科. ARIMA 模型在传染病发病率预测中的
应用［J ］. 数理医药学杂志，2007，20（1）：90~92.
［25］董选军，胡依红. 宁波市镇海区伤寒疫情ARIMA 时间序列模型
分析［J ］. 浙江预防医学，2007，19（6）：22~23.
［26］易东，刘月明，王文昌. 小波分析方法在统计理论研究中的应用
［J ］. 中国卫生统计，2000，17（2）：120~124.
［27］郭秀花，林济南，曹务春，等. 探讨基于小波分析的季节性时间序
列预测模型［J ］. 数理医药学杂志，2003，16（3）：195~197. ［28］吴学森，王洁贞，刘云霞，等. 基于小波分析的肾综合征出血热发
2005，22（1）：9-12. 病率预测方法［J ］. 中国卫生统计，
［29］张彦琦，黄彦，田考聪. SPSS 在医院统计预测中的应用［J ］. 中
2002，9（3）：131~134. 国医院统计，
收稿日期：2009-03-23
编辑：杜中华
参考文献：
［1］邢慧娴，杨维中，王汉章. 传染病预测［J ］. 预防医学情报杂志，
2004，20（6）：639~642.
［2］王丙刚，曲波，郭海强，等. 传染病预测的数学模型研究［J ］. 中国
卫生统计，2007，24（5）：536~540.
［3］杨维中，邢慧娴，王汉章，等. 七种传染病控制图法预警技术研究
［J ］. 中华流行病学杂志，2004，25（2）：1039～1041.
［4］Kenneth D ，Mandl B ，Reis C ，et al . Measueing Outbreak -Detecion
Performmance By Using Control led Feature Set Simulations ［J ］. MMWR ，2004，53（Suppl ）：130~136.
［5］施海龙，曲波，郭海强. 干旱地区呼吸道传染病气象因素及发病预
2006，22（4）：417~418. 测［J ］. 中国公共卫生，
［6］孙振球. 医学统计学［M ］. 北京:人民卫生出版社，2002:352.［7］Hanslik T ，Boelle PY ，Flahault A. The control chart ：an epidemiological
tool for public health monitoring ［J ］. Public Health. 2001;115（4）：277~281.
［8］曹明华，李群，吴家兵，等. 肠道传染病控制图法预警技术研究［J ］.
现代预防医学，2007，34（8）：1441～1443.
［9］Wharton M ，Price W ，Hoesly F ，et al . Evaluation of a method of
detecting outbreaks of diseases in six states ［J ］. Am J Prev Med ，1993，9（1）：45～49.
［10］Rigau-Perez JG ，Millard PS ，Walker DR ，et al . A deviation bar chart
for detecting dengue outbreaks in Puerto Rico ［J ］. Am J Public Health ，1999，89（3）：374～378.
［11］谭德斌. 运用比数图表法预测病毒性肝炎年度疫情趋势［J ］. 湖
北预防医学杂志，2002，13（2）：41.
［12］曾光，丁雁鹏，程颖恺. 传染病流行中存在“Z-D ”现象的论证［J ］.
中华流行病学杂志，1997，18（5）：270~274.
［13］张岚. 应用“Z-D 现象”进行传染病疫情预测的研究［J ］. 数理医
药学杂志，2002，15（3）：268~269.
14. “Z-D