综述：屠宰场综合征监测：一项范围综述

《Preventive Veterinary Medicine》：Syndromic surveillance in slaughterhouses: a scoping review

　　

屠宰场综合征监测（Syndromic surveillance in slaughterhouses）是一种用于疾病早期发现与大尺度动物健康监测的重要方法。尽管其应用日益广泛，现有证据仍呈碎片化，且在方法与术语层面存在显著的不一致性。本研究遵循PRISMA-ScR指南开展范围综述，旨在系统整合现有基于屠宰场数据的动物健康综合征监测系统，揭示跨研究的共性模式与局限，识别知识缺口，并为该领域的标准化与优化提供依据。研究人员检索了四个电子数据库及主要会议论文集，仅纳入经同行评审期刊发表的会议论文。最终纳入1987年至2024年间发表的34项研究。研究活跃度随时间显著提升，但地理分布集中于欧洲（n=11）与美洲（n=16），研究对象以猪和牛为主。各项研究在综合征分类、分析方法及系统设计方面存在高度异质性。屠宰场综合征监测主要用于早期发现疾病、监测动物健康与福利，以及支持流行病学调查。其优势在于覆盖面广、成本效益高，并可依托现有检疫体系实施；主要局限则涉及数据质量不足、报告偏倚、验证缺失及系统间缺乏标准化。总体而言，该方法作为动物健康监测体系的补充部分具有显著潜力，尤其在早期预警与群体水平监测方面。未来推进其有效实施，需在国家级与国际级一体化健康（One Health）框架下加强方法学协调、完善验证机制，并促进与其他监测数据流的系统整合。

1. 1.
   引言
   根据泛美卫生组织（PAHO, 2017）定义，监测系统在追踪人群健康变化与支持及时公共卫生决策中发挥核心作用。监测被定义为对健康事件频率、分布及其决定因素在时间、空间及个体特征维度的持续系统观察，用以监控优先健康问题与干预措施、检验假设并支撑循证决策。监测周期包括四个阶段：数据采集、分析、解释及向相关部门发布信息，以指导卫生系统的预防与控制行动。在此背景下，监测系统的有效性越来越依赖于从多元数据源中生成及时、整合且可操作的信息，尤其是在早期发现与态势感知方面。综合征监测（Syndromic surveillance, SyS）是一种利用诊断前健康数据（即综合征）实时或近实时采集的方法，数据来源涵盖缺勤记录、实验室结果、临床咨询、互联网检索、药品销售、中毒控制中心记录及急救服务等。通过对时空维度的分析，SyS设定预警阈值，支持特定健康风险的表征与追踪，从而缩短从临床首发到流行病预警的时间。与传统基于确诊的监测系统不同，SyS在不改变原有数据采集协议的前提下重用现有数据，这种灵活性使其不仅能检测已知疾病，还能发现新发疾病，因此被PAHO（2017）推荐为提升监测系统效能的战略方法，并逐步扩展至动物健康领域。动物健康综合征监测（Animal health syndromic surveillance, AHSyS）基于如下前提：动物群体健康或福利的变化不仅体现在个体指标上，还会反映于饲养者或其他相关主体的行为模式中。因此，AHSyS中的“综合征”可包括源自动物、饲养者或相关系统的广泛指标，只要其能反映动物健康或福利条件的显著变化。自2003年以来，多种AHSyS模型被开发并评估，Triple-S项目（Syndromic Surveillance System）还提供了设计与实施的实用框架。AHSyS的数据源多样，包括实验室报告、法定通报、兽医临床记录、养殖场生产与死亡数据、兽医急诊服务、网络平台及屠宰场检疫记录等。其中，屠宰场因具备法定的宰前与宰后兽医检疫，可产生高质量健康数据，被视为极具战略价值的健康信息源。然而，尽管其潜力被广泛认可，全球范围内对屠宰场数据在AHSyS中的整合、标准化与比较评估仍然有限且碎片化。鉴于该领域文献呈现概念多样、方法异质与证据分布不均的特征，范围综述（Scoping Review, ScR）被认为是最适宜的方法，可系统梳理现有证据、识别共性模式与知识缺口，并为未来研究优先级与资源配置提供依据。本研究旨在系统识别与综合全球屠宰场AHSyS相关文献，提供现有系统的整合概览，明确局限与缺口，推动标准化与优化工作。
2. 2.
   材料与方法
   本研究严格遵循系统综述与Meta分析扩展声明之范围综述指南（PRISMA-ScR）。研究团队由流行病学、兽医公共卫生及知识合成与信息科学领域的多学科专家组成。研究问题为：全球范围内屠宰场综合征监测的证据现状如何？检索于2024年9月20日进行，覆盖OVID/MEDLINE、PubMed、SciELO与Redalyc四个数据库，检索词涵盖数据分析类型（综合征监测或聚类检测）、目标群体（家养牲畜）及数据源（屠宰场检疫数据）。此外，人工筛查了多个国际会议（SVEPM、ICAHS、ISVEE、ISDS）的会议录，并对六篇关键综述的参考文献进行回溯。文献筛选由两名评审员独立进行标题、摘要与全文三级筛选，采用Cohen’s kappa系数评估一致性，分歧通过共识解决。纳入标准为经同行评审的英文、葡萄牙文、法文或西班牙文原创研究，无发表年份限制。数据提取采用预先设计的结构化工具，包括相关性筛选表与系统特征与质量评价表，以确保评估透明、标准化与可重复。提取信息包括研究目标、物种、数据源、分析方法、优势与局限及系统应用。数据录入Excel并进行描述性统计分析，同时结合SWOT分析法对影响系统设计、实施与可持续性的关键因素进行归纳。
3. 3.
   结果
   初检共获得161条文献，剔除重复后，经标题、摘要与全文筛选，最终纳入34项研究。最早发表于1987年，最新为2024年。研究数量在2011–2015年达到峰值（n=18），随后下降，可能反映该领域进入整合期而非持续增长。地理分布上，高收入国家占主导，中低收入地区代表性不足。大多数研究依赖国家或区域动物健康信息系统中的常规数据，辅以实验室数据库与现场报告工具，但数据结构、可及性与整合程度差异显著。34项研究中，19项明确聚焦AHSyS，其余15项虽符合AHSyS原则但未使用该术语。仅有6项研究明确报告系统在调研时为运行状态，2项为非运行状态，其余未说明。AHSyS系统从针对特定疾病的窄谱指标到基于广泛综合征或非特异性指标的宽谱方法不等，数据类型以分类变量为主，连续变量较少。分析单元涵盖个体动物、批次、养殖场、屠宰场及区域或国家层面。应用目标主要包括暴发早期检测、趋势监测与态势感知，较少涉及系统评价或决策支持效果评估。根据监测目标，AHSyS可用于一般疾病监测、特定地方病、非特异性地方病、非地方病、新发病、法定报告病、食源性疾病、无病证明、兽药使用、动物福利、人口学条件、空间分布、时间趋势、季节特征、环境条件、屠宰流程质量、对标分析及经济损失评估等。变量选择多为情境依赖，标准化程度低，限制了跨研究可比性。64%的监测变量为定性变量。系统优势主要体现在及时性、灵活性与多数据流整合能力；常见局限包括数据不完整、报告延迟与验证程序不足。在数据构建过程中，常排除样本量过小的亚群、宰前死亡个体、缺失值比例高的记录、存在矛盾的数据库、因数据保护剔除农场或所有者信息、罕见病变、加工缺陷相关病变及记录错误的数据。技术性能评估涵盖敏感性、特异性、响应时间与预测能力。敏感性受检疫人员培训、利益相关者疾病认知及检疫标准化程度影响，算法选择亦显著影响检测结果。特异性通常较低，因非特异性数据可能导致同一病理发现对应多种病因，可通过实验室数据验证、混杂因素校正及数据质量改进予以提升。响应时间未被研究直接量化，但自动化分析与可视化工具被认为可加快异常模式识别。预测能力依赖模型选择与协变量纳入，模拟研究显示超过50%的暴发在系统发出预警前已发生。社会认知与态度方面，利益相关者普遍认可屠宰场数据的潜在价值，但编码不一致、人员培训不足、高速检疫下的记录困难、报告格式不清及与实验室工具整合有限等问题阻碍了其实际应用。生产者与兽医间沟通不足，数据解读与应用受限，教育与数据呈现方式改善被视为关键。统计分析方法以回归与多层模型使用频率最高，其次为描述性与推断统计、时间序列与动态模型、空间与多变量分析，高级贝叶斯方法使用较少。研究对象以猪（n=19）与牛（n=10）为主，多为回顾性设计，以个体动物为流行病学单元，依赖宰后检疫数据。时间粒度上，牛研究多采用月度数据，猪研究多采用季度数据。综合征分类在呼吸、消化/肝脏、全身感染、外部损伤/处理、全身非特异性、肉质缺陷、寄生虫病、按器官解剖及特定疾病等方面呈现部分趋同但仍高度异质。全胴体废弃（WCC）多与急性或全身感染相关，部分胴体废弃（PCC）多与局部或慢性感染相关。各国系统在实施范围、编码细节与整合程度上差异显著，代表性系统包括加拿大CFIA监管体系、英国BPHS/WPS/NI体系、法国SIGAL/RASVE体系、德国国家标准体系、丹麦综合检疫与福利监测体系、美国USDA式体系、芬兰福利评价体系及澳大利亚NAHMS体系。成功实施屠宰场AHSyS需采取结构化多部门协作路径，涵盖准备、数据治理、系统开发、试点、推广与持续改进等步骤。
4. 4.
   讨论
   本范围综述整合了全球屠宰场AHSyS证据，显示该领域呈现方法多样、地理发展不均与标准化不足的特点。尽管系统的主要用途——早期发现、健康与福利监测及流行病学支持——具有一致性，但验证不足、数据质量问题及与其他监测流整合有限仍是主要瓶颈。术语与概念框架的不统一进一步阻碍了证据合成与跨研究比较。系统性能高度依赖情境因素，敏感性与特异性受检疫实践、数据质量、编码体系与分析选择共同影响，独立参考标准下的正式验证较为少见。肉类检疫数据在国际与国家层面的双重不标准化严重制约了其监测效用，计算机视觉与自动图像分析被视为减少观察者变异的潜在解决方案。此外，选择偏倚、漏报、观察与信息偏倚、时空偏倚及过度聚合（生态学谬误）等问题普遍存在，降低了数据的群体监测价值。响应时间与预测能力很少作为明确结果被评估，即便应用自动算法与预测模型，信号识别延迟与噪声区分困难仍是常态。除技术因素外，人类、制度与可用性因素同样决定系统成效。生产者与兽医对数据价值的认可常被对废弃原因理解不足、培训缺乏及数据呈现不清所削弱。屠宰场、兽医与生产者间的沟通断层、对数据可靠性的担忧、编码不一致及缺乏对标机制，均损害信任与使用意愿。虽然利益相关者在确保保密性与相关性的前提下支持数据共享，但对第三方共享的犹豫与治理框架缺失限制了系统在国家监测体系中的整合。尽管如此，屠宰场AHSyS凭借常规实施、成本效益与广泛覆盖的优势，在扩大动物健康与福利监测规模、增强态势感知、支持预警与决策方面具有重要战略意义，并可实现自动化、可追溯并与一体化健康框架对接。然而，基础设施异质、编码不一、溯源能力有限及协议缺失等结构性障碍，加之经济评估不足与哨点屠宰场界定不明，限制了系统扩展与跨情境可比性。未来应借助人工智能、自动图像分析与地理信息系统等技术推进发展，促进综合征定义与代码的国际协调，并在一体化健康框架下加强对人畜共患病、抗微生物耐药性、化学危害与动物福利问题的检测能力。政治承诺不足、资金受限、技术变革阻力与职责分散等威胁可能影响系统可持续性，数据有效性、覆盖度与代表性的技术挑战，以及法律与伦理框架的不明确，亦可能削弱系统公信力与应用。与实验室监测或临床报告系统相比，屠宰场AHSyS具备持续运行与大规模群体数据生成的独特优势，可实现更早的异常模式识别，但受限于宰后指标的非特异性、检疫实践差异与数据质量波动，其诊断精度与特定事件响应能力存在不足，因而更适合作为综合监测架构的补充而非独立系统。在一体化健康框架下，其价值在于与农场信息、实验室诊断及现场监测数据联动，通过信号三角验证提升解释力，从而填补信息空白，支持跨部门协调决策。本研究遵循PRISMA-ScR指南，采用透明可重复的流程，但因未完全覆盖灰色文献及存在订阅壁垒，可能存在遗漏偏倚。作为范围综述，未进行定量合并或效应量评估，结果应视为描述性整合概览。
5. 5.
   结论
   屠宰场综合征监测是动物健康监测体系中具价值且互补的组成部分，在早期预警、群体水平监测及支撑一体化健康方法方面潜力显著。尽管屠宰场数据具备覆盖面广、成本效益高及常规可得等优势，其有效应用仍受限于标准化不足、数据质量参差、流行病学验证不充分及溯源与整合困难。推进该领域发展，需协调统一综合征代码、加强方法学验证、融合新兴技术，并将其嵌入可互操作的国家与国际监测架构之中。