COVID-19社区传播与入院前筛查阳性率的关联性研究：一项新发传染病大流行背景下的定量分析

本刊推荐：为解决医院内感染防控中无症状感染者筛查策略的争议问题，研究人员开展COVID-19入院前筛查与社区传播关联性研究。通过Tobit回归模型分析发现，当地区新增病例超1万例时筛查阳性率显著上升，而低于2000例时即使ILI阳性率达40%筛查仍呈阴性。该研究为制定基于社区传播水平的精准筛查策略提供了重要依据。

　　

在全球抗击COVID-19大流行的战役中，医疗机构面临着一个关键难题：如何平衡入院前筛查的成本效益与医院感染风险。虽然许多医院实施了无症状患者的预检程序，但关于这种筛查是否应该作为常规政策一直存在激烈争论。特别是在日本，缺乏量化研究来指导这一重要决策。

正是在这样的背景下，来自日本三重大学的Shingo Mitsushima、Yasushi Ohkusa、Kiyosu Taniguchi、Yasuharu Tokuda和Kenji Shibuya组成的研究团队开展了一项创新性研究。他们深入探讨了入院前筛查阳性率与社区传播水平之间的定量关系，为制定科学有效的筛查策略提供了重要证据。这项开创性研究发表在《New Microbes and New Infections》期刊上，成为日本首项定量评估COVID-19入院前筛查效果的研究。

研究人员采用了多源数据整合的分析方法，主要关键技术包括：1）基于化学发光酶免疫测定(CLEIA)技术的SARS-CoV-2抗原检测用于筛查；2）Tobit回归模型处理超额零值的阳性率数据；3）多项式函数拟合非线性关系；4）每周数据聚合分析（源自三重县政府的流行病学监测报告）；5）轮廓图可视化预测结果。研究数据来自国立医院机构三重医院2021年3月至2022年12月期间的5897例筛查病例，同时整合了三重县355,879例确诊病例和45,551例ILI监测数据。

研究结果

患者特征与流行病学趋势

研究期间，三重县共报告355,879例COVID-19新确诊病例，其中国立医院机构三重医院发现5,897例。筛查对象中女性占71%，30多岁年龄组最为常见（30.1%），其次是40多岁（17.5%）和10岁以下（21.7%）。时间趋势分析显示，所有指标（新确诊病例数、筛查阳性率和ILI患者阳性率）在2022年达到峰值。值得注意的是，2021年期间筛查阳性率与新确诊病例数之间未发现显著相关性，可能源于患者数量不足；而到2022年，特别是下半年，这些变量间呈现出显著的相关性。

模型估计结果

Tobit回归分析显示，所有解释变量的三阶多项式系数均达到统计显著性（p<0.001）。对数转换后的新确诊病例数的一次项系数为9.656496，二次项为-1.698408，三次项为0.098983；ILI阳性率的一次项系数为0.2655286，二次项为-0.0066776，三次项为0.0000557。模型基于93个观测周数据，采用筛查无症状患者数量进行加权估计。

筛查阳性率的预测边界

通过轮廓图分析发现，当三重县新确诊病例数超过约10,000例时，无论假设的ILI阳性率如何，模型都预测筛查阳性率大于零。相反，当新确诊病例数低于2,000例时，即使假设ILI阳性率高达40%，预测的筛查阳性率也接近零。这一边界在图中表现为一个凸递减曲线，灰色区域代表筛查阳性率大于零的预测区域，白色区域则代表零阳性率预测区域。需要强调的是，接近白色区域的点估计虽然为零，但考虑到估计的不确定性，基于95%置信区间的上限进行决策更为稳妥。

讨论与结论

本研究首次在日本量化证明了COVID-19社区传播水平与入院前筛查阳性率之间的关联性。与早期荷兰研究（针对原始毒株）相比，本研究涵盖了Alpha、Delta和Omicron变异株流行期，发现了更为复杂的非线性关系。研究结果与美国传染病学会(IDSA)的建议存在显著差异：基于三重县170万人口，IDSA建议社区患病率超过10%时需进行筛查，而本研究显示当日发病率超过0.6%（约10,000例）时筛查即有意义，而低于0.06%（约2,000例）时则可考虑停止筛查。这种差异可能源于两国流行病学情况和医疗体系的巨大差别。

与巴基斯坦和奥地利的相关研究相比，本研究的创新之处在于明确了使用流感样病例监测作为指标，并确定了筛查阳性率归零的具体患者数量阈值。尽管研究中使用的两个解释变量（新确诊病例数和ILI阳性率）可能存在较强相关性，但所有变量均显示统计显著性，表明模型即使存在多重共线性问题仍能有效捕捉变量间关系。

研究的实际意义在于为医疗机构提供了基于客观数据的筛查决策依据。随着COVID-19在日本从法定传染病转为哨点监测疾病（2023年5月9日起），准确掌握确诊病例数变得困难，本研究建立的预测模型显得尤为重要。建议未来采用急性呼吸道感染监测阳性率来评估医院感染风险，从而更好地预防医疗机构和长期护理机构的聚集性疫情。

然而，研究也存在若干局限性：首先，研究对象年龄分布存在偏倚（儿童及其父母居多），可能无法代表一般人群；其次，结果可能不直接适用于其他医院或地区；第三，COVID-19分类变化影响了数据的准确性；最后，模型主要适用于Omicron变异株，对原始毒株、Alpha或Delta变异株的适用性有待验证。

这项研究为我们提供了重要启示：在新型传染病大流行背景下，基于社区传播水平的精准筛查策略比一刀切的方案更为科学有效。研究成果不仅为COVID-19防控提供了实践指导，也为未来应对新发传染病大流行的医疗系统准备度建设提供了宝贵经验。通过量化评估筛查策略与流行病学指标的关系，医疗机构可以更加合理地分配资源，在保障患者安全的同时避免不必要的筛查成本，最终实现公共卫生效益的最大化。