基于巴西阿马帕州常规收集数据的AESOP（Alert-Early System of Outbreaks with Pandemic Potential，?SOP）呼吸道传染病早期预警系统实施：试点与验证研究

《The Lancet Regional Health - Americas》：Implementation of AESOP early-warning system for respiratory disease: a pilot and validation study using routinely collected data in Amazonas, Brazil

　　

背景：呼吸道感染在全球造成大量发病与死亡，凸显了对稳健早期预警系统（Early-Warning System，EWS）的需求。具有大流行潜能暴发的预警系统（Alert-Early System of Outbreaks with Pandemic Potential，?SOP）是与监测利益相关方共同开发的，旨在利用行政性初级卫生保健（Primary Health Care，PHC）数据检测暴发。研究人员旨在报告?SOP在真实场景中检测类流感疾病（Influenza-Like Illness，ILI）暴发的可行性与性能，并记录将研究转化为常规卫生服务的经验教训。方法：试点于2024年4月至7月在巴西阿马帕州（Amazonas）开展，覆盖62个市镇。?SOP基于对每周ILI相关PHC就诊数应用异常检测模型，当超过阈值时发布市镇级预警。地方卫生当局通过结构化问卷对预警进行验证。采用灵敏度（Sensitivity）、特异度（Specificity）、阳性预测值（Positive Predictive Value，PPV）和阴性预测值（Negative Predictive Value，NPV）评估性能。结果：研究期间共报告180万次PHC就诊，其中6.6%为ILI相关。?SOP在41个市镇共发出104次预警。灵敏度为62.8%（95% CI 54.4%–70.5%），特异度为95.5%（95% CI 93.1%–97.1%），PPV为82.7%（95% CI 74.3%–88.8%），NPV为88.1%（95% CI 84.7%–90.9%）。在72%的确诊暴发中，?SOP率先向当局发出信号；56%的预警支持了包括加强风险沟通、设备/检测部署及强化政府间协调在内的响应措施。解读：?SOP在真实世界使用中可预见暴发，并被当局验证为决策支持工具。其依赖行政数据和开源技术，增强了在全球不同卫生系统中的可扩展性与适应性。 资助：洛克菲勒基金会（Rockefeller Foundation，award 2023 PPI 007）。

论文解读：巴西Amazonas州?SOP呼吸道传染病早期预警系统的试点与验证研究

本文发表于The Lancet Regional Health – Americas，报道了研究人员在巴西Amazonas州对具有大流行潜能暴发的预警系统（Alert-Early System of Outbreaks with Pandemic Potential，?SOP）开展的真实世界试点与验证研究。研究背景方面，过去一个世纪全球经历了五次呼吸道病毒大流行，非大流行期地方性呼吸道病原体亦造成显著疾病负担，而传统基于法定传染病报告的监测不侧重早期预警且存在漏报与延迟。尽管已有研究尝试利用非常规数据源建立早期预警系统（Early-Warning System，EWS），但多数缺乏真实场景下的性能验证及卫生当局对预警的独立确认。巴西统一卫生系统（Sistema único de Saúde，SUS）拥有丰富的初级卫生保健（Primary Health Care，PHC）行政登记数据——国家初级卫生保健信息系统（Sistema de Informa??o da Aten??o Básica，SISAB），覆盖至少75%人口并可反映基层ILI（Influenza-Like Illness，类流感疾病）就诊的异常升高，有望早于住院数据提示潜在暴发。为此研究人员在前期概念验证基础上，与巴西卫生部（Ministério da Saúde，MoH）合作，在Amazonas州开展为期11个流行病学周（2024年EW 18–EW 28）的?SOP试点，由地方卫生当局对系统发出的预警进行独立现场核实，以计算标准诊断性能指标并评估其对公共卫生决策的实际贡献。

主要关键技术方法

研究人员以巴西全国SISAB数据库中Amazonas州62个市镇2024年EW 18–EW 28每周按市镇、日期和就诊原因聚合的PHC就诊记录为数据源，筛选经临床专家审定的约50个ICD-10（International Classification of Diseases, 10^thRevision）及ICPC-2（International Classification of Primary Care, 2^ndEdition）编码定义ILI相关就诊。先通过数据质量指数（Data Quality Index，DQI）评估每周数据的时效性、完整性与一致性，仅对DQI"合适"的市镇-周应用异常检测算法：早期异常报告系统C2法（Early Aberration Reporting System C2，基于累积和CUSUM）、流行病波动指数（Epidemic Volatility Index，EVI）及研究团队自研无监督机器学习混合人工智能与下一代方法（Mixed Model of Artificial Intelligence and Next-Generation method，MMAING）；三算法采取硬投票（hard voting，≥2/3算法报警则发预警）。预警经由邮件及在线仪表板推送至联邦—州—市镇三级卫生当局及国家卫生监测战略情报中心（Centro de Informa??es Estratégicas em Vigilancia em Saúde，CIEVS）网络，当局结合现场调查与媒体事件监测进行二分类（确认/未确认）验证，允许预警当周或次周获确认。灵敏度定义为当局确认暴发中被?SOP同周或次周捕获的比例，特异度为无暴发周中无误警比例，并计算阳性预测值（PPV）与阴性预测值（NPV）。

研究结果

Summary / Findings（摘要结果部分已在译文中呈现，正文补充如下）

试点期内62个市镇共报告1,800,390次PHC就诊，ILI相关119,219次（6.6%），中位每周ILI就诊10,407次（IQR 9938–11,491）。680个市镇-周中534个（78.5%）通过DQI筛选进入最终分析。?SOP共发出104次预警覆盖41个市镇，EW 19–21为预警高峰。对照当局验证，?SOP灵敏度62.8%（95% CI 54.4%–70.5%）、特异度95.5%（95% CI 93.1%–97.1%）、PPV 82.7%（95% CI 74.3%–88.8%）、NPV 88.1%（95% CI 84.7%–90.9%）。若仅限同周确认暴发，灵敏度降至39.3%。86次确认预警中，71.9%是当局首次觉察暴发的来源，55.8%被认为有助于决策，触发了强化风险沟通、专家咨询、州—市协调及防护/检测物资调配等响应。

Discussion（讨论要点浓缩）

研究人员指出?SOP性能在允许1周滞后的验证中明显提升，符合EWS信号应早于正式确认的预期时序。与传统基于指示病例的监测相比，利用常规行政PHC数据做症候群监测具零额外填报负担与早预警优势。试点局限含时段较短（仅覆盖当地流感季，无法评估长时季节变异及日常运维可持续性），以及验证过程可能存在纳入偏倚（预警触发调查使确认不独立于检测机制，无预警事件也可能被低估）。未来计划探索堆叠集成（stacking）、根据人口与卫生体系结构局部调参，并融合非处方药销售与网络搜索等多源数据。表3归纳了实施促进因素（干系人共创、跨层级协作、定期互动、利用行政数据）与挑战（缺乏暴发与异常事件的统一操作定义、需简化模型输出传达、部分地区数据质量波动），并提出相应建议。结论重申?SOP可在真实场景中提前预警呼吸道暴发，获当局认可具决策支持价值，依托行政数据与开源架构具备跨国适应潜力，契合泛美卫生组织（Pan American Health Organization，PAHO）流行病情报战略。

Interpretation（结论部分翻译）

?SOP在巴西Amazonas州真实案例环境中可预期性地检测到呼吸道传染病暴发。地方及联邦监测当局的反馈表明，该系统有潜力支持决策制定并指导响应措施。?SOP依赖行政数据与开源工具和代码，提供了一个灵活框架，可根据各国可用数据流进行调适与扩展。由此，它有潜力在全球范围内强化集体卫生监测能力，同时与PAHO近期批准的《关于加强卫生紧急事件早期预警的流行病情报战略》中阐明的区域战略优先方向保持一致。