《Influenza and Other Respiratory Viruses》：Applying the Moving Epidemic Method to Emergency Department Syndromic Surveillance to identify the Start of Influenza Seasons in New South Wales, Australia
编辑推荐：
背景：移动流行方法（Moving Epidemic Method, MEM）是一种广泛使用的基于阈值的方法，用于识别流感季节的开始，但很少与急诊科（emergency department, ED）症候群监测（emergency department synd
背景：移动流行方法（Moving Epidemic Method, MEM）是一种广泛使用的基于阈值的方法，用于识别流感季节的开始，但很少与急诊科（emergency department, ED）症候群监测（emergency department syndromic surveillance, EDSyS）结合使用。这项回顾性研究旨在评估MEM应用于流感相关疾病的急诊科就诊率，以计算用于识别2012年至2019年澳大利亚新南威尔士州流感季节开始的阈值（流行前阈值）。
方法：研究人员测试了基于四种流感相关诊断综合征组合的三个症候群组的每周急诊科就诊率，计算2012–2019年的流行前阈值（epidemic start threshold）。验证包括将使用流行前阈值确定的季节开始与基于哨点实验室流感通知阳性百分比（percent positive）的季节开始进行比较（识别差异）。
结果：识别流感季节开始的最准确模型结合了所有四种诊断综合征，包括流感样疾病（influenza like illness, ILI）、不明原因病毒性疾病（unspecified viral illness）、肺炎（pneumonia）和下呼吸道感染（lower respiratory tract infections, LRTI）。基于MEM的流行前阈值能够在季节开始前2周到后1周内识别流感季节，平均比季节开始早0.6周，平均绝对识别差异为1.1周。
结论：这项研究证明了MEM与EDSyS在识别流感季节开始方面的实用性，为公共卫生准备和响应的最佳时机提供了视觉警报。
**论文解读文章**
季节性流感监测是优化干预时机以减少社区传播、降低缺勤率、改善健康结果并减轻卫生服务压力的关键。然而，由于缺乏公认的标准来定义流感季节的确切开始，监测系统的设计和验证面临挑战。此外，季节性流感活动的时机、规模和严重程度每年变化显著，给开发准确预测和识别季节开始的系统造成困难。移动流行方法（Moving Epidemic Method, MEM）是一种广泛使用的基于阈值的方法，主要用于门诊/全科医生就诊的流感样疾病（influenza like illness, ILI）和急性呼吸道感染（acute respiratory infection, ARI）数据，但极少应用于急诊科（emergency department, ED）症候群监测（emergency department syndromic surveillance, EDSyS）。在澳大利亚新南威尔士州（New South Wales, NSW），流感季节通常始于4月，结束于10月，但有时可延迟至7月。尽管EDSyS系统具有快速、成本相对高效的优势，且与基于确认性检测的监测在识别季节性流感开始方面灵敏度相当，但MEM尚未被应用于澳大利亚的EDSyS。因此，这项回顾性研究旨在评估MEM应用于流感相关疾病的ED就诊率，以计算用于识别2012–2019年NSW流感季节开始的流行前阈值。
研究人员开展了什么研究？研究人员利用NSW州级去标识的大流行和流行病风险评估关联数据（Pandemic and Epidemic Assessment of Risk Linked data, PEARL）数据库，该数据库包含2005年至2022年NSW急诊科就诊记录。他们根据四种与流感相关的诊断综合征（ILI/流感、不明原因病毒、下呼吸道感染、肺炎）的组合，构建了三个症候群组，并对每周每千例总ED就诊的率应用MEM算法。MEM算法分两步：第一步使用最大累积百分比（Maximum Accumulated Percentage, MAP）确定季节中最活跃的部分，比较了原始方法和固定标准法；第二步计算历史季节中最高流行前周率的95%单侧置信区间上限作为流行前阈值。通过交叉验证计算敏感性和特异性，并将基于阈值确定的季节开始与哨点实验室流感通知阳性百分比（percent positive）进行比较，计算识别差异（identification difference, ID）和平均绝对识别差异（mean absolute identification difference, MAID）。最终，研究得出什么结论？最准确的模型是结合了所有四种诊断综合征的症候群组3（ILI/流感、不明原因病毒、肺炎、LRTI），使用原始方法时，MAID为1.1周，识别差异范围从季节开始前2周到后1周，平均提前0.6周。该论文发表在《Influenza and Other Respiratory Viruses》。
**主要关键技术方法**（不超过250字）
数据来源：新南威尔士州去标识的PEARL数据库（2005–2022年，涵盖169所ED）。定义三种综合征组合：组1（ILI/流感）、组2（加不明原因病毒）、组3（加肺炎和下呼吸道感染）。MEM算法两步：第一步采用MAP确定最活跃周数，比较原始法（平滑后计算导数拐点）与固定标准法（设定delta值）；第二步计算95%单侧置信区间上限为阈值。验证：与哨点实验室阳性百分比比较，计算识别差异。使用R中MEM包（版本2.19）和SAS/STAT软件。忽略具体培养、质粒构建步骤。
**研究结果**
**3.1 描述性分析**
通过可视化每症候群组的时间序列，发现三个症候群组的活动模式（峰值和低谷）相似。症候群组2和组3在每个流感季节开始前的月份显示出更高的活动率。症候群组3的率平均是组1的33倍（四分位距：4–97），组2是组1的15倍（四分位距：2–21）。这表明包含更广泛诊断综合征的组合能捕获更多流感相关活动。
**性能比较（通过表2得出）**
基于2012–2019年数据，比较原始法和固定标准法（无初始平滑）。症候群组1的Youden指数最高（两种方法均为0.67–0.69），但症候群组3的MAID最低。原始法结合组3的MAID为1.1周，识别差异范围为?2至1周；固定标准法MAID为2.4周，范围?5至7周。应用3周移动平均平滑未能改善组3性能，反而使组1和组2更差。这说明原始法结合组3在识别真实季节开始方面最准确。
**每年性能（通过表3得出）**
对于症候群组3，原始法的表现一致优于固定标准法。固定标准法在2018年（识别晚7周）和2019年（识别早5周）表现不佳，而原始法则分别识别早2周。固定标准法的最优delta值范围为1.6至2.3，其中2.0在2012–2019年的平均Youden指数最高（表4）。这说明原始法无需选择delta参数，更为稳健。
**最佳模型的可视化（通过图2得出）**
研究展示了最佳模型（组3原始法）的时间序列，流行前阈值范围为每千例ED就诊30.6–32.8。阈值线在大多数年份被短暂尖峰接近后穿越，与基于阳性百分比确定的季节开始高度吻合。这为MEM提供了视觉警报功能，可提前通报季节即将开始。
**总结讨论与结论翻译**
讨论部分指出，这项研究证明了MEM与EDSyS结合用于识别季节性流感开始的实用性。与仅基于ILI/流感的模型相比，包含不明原因病毒、肺炎和LRTI的症候群组3表现最佳。原始法在MEM第一步中更简单且无需选择delta参数，而固定标准法则依赖于delta值的选择，较低值（如1.8–2.0）能获得较好性能。MEM作为一种标准化、直观的阈值方法，为公共卫生应对提供了视觉警报，但为减少假警报，建议与异常检测技术及其他监测指标结合使用。此外，交叉验证指标（如Youden指数）不能直接预测真实世界性能，因为组3的Youden指数（0.33）远低于组1，但前者识别差异更佳。研究还存在局限性：模型基于COVID-19大流行前的季节，2020–2021年流感活动几乎消失，2022年季节返常但开始极早，未来需测试COVID-19对ED综合征定义的影响。尽管如此，该研究证明只要选择合适的ED诊断组合和模型参数，MEM能在EDSyS中有效确定流行前阈值。
**结论部分翻译**：这项回顾性研究评估了MEM在2012–2019年澳大利亚NSW的ED就诊率中的应用，发现流行前阈值与流感传播增加的开始紧密对齐。结合了基于流感、ILI、不明原因病毒性疾病、下呼吸道感染和肺炎的综合征的模型，比仅基于流感和ILI的模型表现更佳。在实施MEM时，原始MEM方法（绘制最大累积百分比曲线的导数并计算拐点）更易实现，可与固定标准法一并考虑。
