巴西疾病负担的隐性问题：官方通报数据与《全球疾病负担研究》模型估算结果的定量比较

《Public Health》：The hidden burden of disease in Brazil: A quantitative comparison between official notifications and modeled estimates from the Global Burden of Disease study

本研究通过对比巴西国家疾病监测系统（SINAN）与全球疾病负担（GBD）2021年数据，量化了18种强制报告疾病的发病率差异。结果显示，GBD估计值中位数为SINAN报告值的4.8倍，表明多数疾病模型估计显著高于实际报告，差异可能与漏报、诊断不足或数据录入问题有关，建议加强SINAN系统建设。

　　

Milena D. da Silva|Guilherme S. Procianoy|Paulo Renato P. Behar

巴西南里奥格兰德州阿雷格里港联邦健康科学大学（UFCSPA）医学院

摘要

目的

通过比较《传染病信息系统》（SINAN）的官方报告数据与《全球疾病负担》（GBD）研究中的估计数据，量化巴西法定报告疾病与模型估计发病率之间的差异，识别报告发病率与估计发病率之间的不一致之处。

研究设计

一项生态学、定量性质的全国性研究。

方法

收集了2021年18种在SINAN和GBD中均有记录的传染病的数据。分别统计了SINAN中报告的病例数和GBD的相应估计值，计算了两者之间的比率，并计算了中心趋势和离散度指标。使用Spearman相关系数和对数转换线性回归模型来评估报告病例数与估计病例数之间的比例关系。

结果

共分析了SINAN中报告的734,447例病例。GBD/SINAN比率范围从0.36（麻风病）到1045（疟疾），中位比为4.8，表明对于大多数疾病，模型估计的发病率显著高于实际报告的发病率。两种数据来源之间存在强烈的正相关关系（ρ = 0.70；p = 0.0011）。对数-对数回归模型的斜率为0.72，R2值为0.66，表明随着模型估计的疾病负担增加，这种差异可能会进一步扩大。

结论

研究结果表明，巴西法定报告的疾病数据与模型估计数据之间存在广泛且不均匀的差异。通过提高自动化水平、加强培训及改善系统整合，可以增强数据可靠性，从而支持更有效的公共卫生规划。

引言

报告是指卫生专业人员或任何公民向卫生部门通报与特定疾病或健康状况相关的事件，目的是支持流行病学监测、实施干预措施并指导资源分配。¹当这些报告被系统地汇总时，它们构成了一个特定的信息系统，能够全面监测所研究现象的特征，包括其分布和趋势。¹

在巴西，根据2024年8月15日第GM/MS 5.201号法令的规定，《传染病信息系统》（SINAN）记录了国家强制报告范围内的疾病和健康状况病例。²SINAN汇总了报告病例和疑似病例的数据，有助于动态诊断疫情等公共卫生事件。因此，该系统的系统化使用是卫生规划、确定干预优先级以及评估实施措施效果的重要工具。¹

在全球范围内，华盛顿大学健康指标与评估研究所开展的《全球疾病、伤害和风险因素负担》（GBD）研究对科学家、公共管理者和卫生专业人员收集的数据进行了系统的科学评估。该研究利用统计工具分析了多种疾病的发病率、患病率和死亡率，以纠正测量误差并提供更准确的疾病负担估计值。³

鉴于SINAN提供的传染病数据可能存在不一致性（尤其是由于潜在的低报现象），本研究旨在通过系统比较巴西的官方报告病例数与GBD 2021研究中对该国的估计发病率数据来揭示这一局限性。

方法部分

方法

这是一项采用定量方法的生态学研究，涵盖2021年全年数据，具有全国范围。数据来源于SINAN。研究纳入了SINAN中有记录且GBD中也有相应估计值的18种传染病。分析的疾病包括艾滋病、尘肺病、结核病、寨卡病毒、百日咳、白喉、破伤风、伤寒和查加斯病等。

结果

共分析了SINAN中报告的734,447例病例。GBD/SINAN比率范围从0.36（麻风病）到1045（疟疾），中位比为4.8，表明对于大多数疾病，模型估计的发病率远高于实际报告的发病率。两种数据来源之间存在显著的正相关关系（ρ = 0.70；p = 0.0011）。对数-对数回归模型的斜率为0.72，R2值为0.66，表明随着模型估计的疾病负担增加，这种差异可能会进一步扩大。

结论

研究结果表明，巴西法定报告的疾病数据与模型估计数据之间存在广泛且不均匀的差异。通过提高SINAN的自动化水平、加强培训及改善系统整合，可以提升数据可靠性，从而为更有效的公共卫生规划提供支持。

引言

报告是指卫生专业人员或公民向卫生部门通报与特定疾病或健康状况相关的事件，旨在支持流行病学监测、实施干预措施及指导资源分配。¹系统地汇总这些报告后，可形成一个专门的信息系统，用于全面监测所研究现象的特征，包括其分布和趋势。¹

在巴西，《传染病信息系统》（SINAN）依据2024年8月15日第GM/MS 5.201号法令的规定，记录了国家强制报告范围内的疾病和健康状况病例。²SINAN汇总了报告病例和疑似病例的数据，有助于动态监测疫情等公共卫生事件。因此，该系统的系统化使用是卫生规划、确定干预优先级及评估干预措施效果的重要工具。¹

在全球范围内，华盛顿大学健康指标与评估研究所开展的《全球疾病、伤害和风险因素负担》（GBD）研究对科学家、公共管理者和卫生专业人员收集的数据进行了系统性的科学评估。该研究利用统计工具分析了多种疾病的发病率、患病率和死亡率，以纠正测量误差并提供不同国家疾病负担的更准确估计值。³

鉴于SINAN提供的传染病数据可能存在不一致性（尤其是由于潜在的低报现象），本研究旨在通过系统比较巴西的官方报告病例数与GBD 2021研究中对该国的估计发病率数据来揭示这一局限性。

方法部分

方法

这是一项采用定量方法的生态学研究，研究对象为2021年全境范围内的数据。数据来源于SINAN，纳入了SINAN中有记录且GBD中有相应估计值的18种传染病。分析的疾病包括艾滋病、尘肺病、结核病、寨卡病毒、百日咳、白喉、破伤风、伤寒和查加斯病等。

结果

共分析了SINAN中报告的734,447例病例，涉及18种在该平台和GBD中均有年度发病率估计值的疾病。这些疾病具有不同的流行病学特征，从高负担疾病（如登革热和病毒性肝炎）到罕见疾病（如狂犬病和白喉）均有涵盖。表1详细列出了GBD估计值的绝对数值及报告病例数。

讨论

研究结果表明，不同数据来源之间存在差异，表明巴西法定报告的疾病数据与模型估计数据之间存在广泛且不均匀的偏差，模型估计的发病率经常高于SINAN的官方报告数据。

研究中观察到的较大差异可能源于多种因素，如获取医疗服务的障碍、医疗覆盖不足地区的诊断不足、卫生专业人员培训不足以及数据记录方面的问题等。

伦理声明

根据巴西国家卫生委员会第674/2022号决议，本研究无需获得研究伦理委员会的批准。

资金支持

本研究未获得公共部门、商业部门或非营利组织提供的任何特定资助。

利益冲突声明

无利益冲突声明。