本文内容如下e-collection /主题问题:

观点和观点(381) JMIR主题期:新冠肺炎特刊(2124) 主题发布:新型冠状病毒(COVID-19)爆发快速报告(1342)

发表在在第22卷，第9号（2020）: 9月

本文的预印本(早期版本)可在https://preprints.www.mybigtv.com/preprint/21685，首次出版。
流行病学新时代:中国新冠肺炎疫情调查的数字流行病学

流行病学新时代:中国新冠肺炎疫情调查的数字流行病学

流行病学新时代:中国新冠肺炎疫情调查的数字流行病学

本文作者:

Zonglin他1、2 作者:Orcid； Casper J P Zhang3. 作者:Orcid； 剑黄4 作者:Orcid； 个翟1 作者:Orcid； 双周1 作者:Orcid； 赵伟婷2 作者:Orcid； 洁盛5 作者:Orcid； Winghei曾1 作者:Orcid； Babatunde O Akinwunmi6、7 作者:Orcid； Wai-Kit明1 作者:Orcid
文章 作者 引自(4) Tweetations (8) 指标

    的观点

    1暨南大学医学院公共卫生与预防医学系，中国广州

    2暨南大学国际学院医学院，中国广州

    3.香港大学LKS医学院公共卫生学院，中国香港

    4英国伦敦帝国理工学院圣玛丽校区公共卫生学院流行病学和生物统计系MRC环境与卫生中心

    5暨南大学经济学院，中国广州

    6美国哈佛大学马萨诸塞州总医院基因组医学中心

    7美国马萨诸塞州波士顿哈佛医学院布里格姆妇女医院哮喘研究中心肺科及重症医学科

    这些作者的贡献相同

    通讯作者:

    明伟杰，医学博士，公共卫生硕士，博士，硕士，EMBA

    公共卫生和预防医学系

    医学院

    暨南大学

    黄埔西大街601号

    广州,

    中国

    电话:86 14715485116

    电子邮件:wkming@connect.hku.hk


    由新型冠状病毒SARS-CoV-2引起的新型肺炎样冠状病毒病(COVID-19)席卷中国和世界。在以往感染暴发中有效的公共卫生措施(如戴口罩、隔离)在本次暴发中得到了实施。利用信息和通信技术最近迅速发展的现有多维社会网络数据，可以通过现代化的流行病学方法探索疾病的传播和控制。通过使用时空数据和实时信息，我们可以更准确地估计与人类活动有关的疾病传播模式，并能够更有效地应对疫情。2019冠状病毒病疫情期间的两个真实案例展示了新兴技术和数字数据在监测与疾病传播有关的人员流动方面的应用。尽管与使用数字流行病学有关的伦理问题仍在辩论中，但本文报告的案例可能有助于确定更有效的公共卫生措施，以及未来在控制传染病暴发方面应用这种以数字为指导的流行病学方法，这为解决人口健康方面的长期挑战提供了另一种现代观点。

    [J] .中国医学信息学报，2016;22(9):1186 - 1186

    doi: 10.2196/21685

    关键字

    数码流行病学； 新型冠状病毒肺炎； 风险； 控制； 公共卫生； 流行病学； 中国； 爆发； 案例研究


    2020年初，由新发现的冠状病毒SARS-CoV-2引起的肺炎样冠状病毒病(COVID-19)席卷了中国。截至6月初，全球共有215个国家或地区报告确诊病例，确诊病例6799713例，死亡397388例，病死率超过5.84%。1]。随着确诊病例的增加，相应的传播控制政策和应急行动正在实施。与春节相关的假期旅行给追踪疑似病例以控制疫情带来了很大困难。

    可追溯到19世纪的传统流行病学主要依赖于与健康相关的数据，例如在卫生保健系统、医疗记录或保险系统中收集的信息。这些数据只能从诊断或治疗的患者那里收集和记录;因此，在传染病突发事件发生时，它会过时，阻碍相应的管理工作[2]。

    在以前的感染疫情中显示有效的公共卫生措施(即大规模使用口罩、保持社交距离和家庭隔离)也在2019冠状病毒病疫情中得到了实施。虽然这些公共卫生措施在这次疫情中的有效性尚不清楚，但多维媒体网络数据的可用性可以提供另一种前景，利用最近信息和通信技术的快速发展，从而更好地追踪和控制疾病传播。随着技术(如电信)的不断发展，数据的数量和维度大幅增加，彻底改变了我们的交流方式。这些技术通过从电子保健(eHealth)、电子支付、互联网和社交媒体中提取信息，在方便和精确地监测和模拟流感和严重急性呼吸系统综合症等传染病方面显示出巨大潜力[3.，4]。这也将流行病学带入了一个新时代，即所谓的数字流行病学[5]，如一些学者所建议的那样，使用数字数据或在公共卫生系统之外生成的数据[6]。社交媒体提供了互联网上产生的大量数据;通过检查搜索索引或发布的文本，研究人员可以预测传染病的爆发。如果某些关键词在短时间内多次被搜索，这可能表明该社区存在传染病;谷歌流感趋势(谷歌Inc)利用这类数据[7-9]。此外，与个体行为相关的时空数据可以从电子支付、手机服务或社交媒体的使用中推断出来，以研究疾病的分布、发病率和病因，有助于疾病的预测和预防[qh]7，10-12]。然而，一些数字流行病学学者过度使用互联网、基于网络的系统或对媒体信息的网络监控，这可能会受到信息过载、虚假报道、信号缺乏特异性、对外部力量敏感等因素的偏见和限制[10]。

    如今，移动应用程序的进步使用户能够在手机上进行日常活动，包括进行电子支付和查看社交媒体。每项活动的数据，包括移动用户的位置，也被存储(图1)。一般来说，流行病学领域有三种类型的电子数据流，即医疗遭遇数据(例如，医疗机构的电子记录)、参与式综合征数据(例如，个人健康数据、人口数据)和非健康数字数据(例如，来自互联网搜索引擎、社交媒体或移动使用的数据)[13]。个人的日常流动创造了人与人之间的动态联系，可用于研究传染病的地理传播和持续传播[5]。过去，传统上使用旅行调查、道路网络或小规模GPS研究来估计人口流动，这些研究长期以来阻碍了了解这些动态的努力。5]。不同类型的数字痕量数据可加强暴露测量，并便于对特定传播途径进行强有力的测试[5]。如果使用得当，这些数据来源可以提供关于世界各地疾病暴发和相关事件的初步和及时信息。此外，这些来源缩短了从最初发现疫情到正式确认疫情之间的时间，从而能够更迅速地对此类公共卫生威胁作出反应[14]。由于流行病的传播与特定地点的人类接触模式有关[15，16]，认为利用现有的手机和视频监控大数据，可以更准确地估计传播途径和感染病例数。在此，我们介绍了中国两例公开报告的COVID-19病例，证明了数字数据在流行病学调查现代化方面的重要作用，显示了指导公共卫生措施的潜力(图2)。

    ‎
    图1所示。说明数字流行病学的发展及其在控制传染病流行方面的应用的信息图。CDC:疾病控制中心。
    查看此图
    ‎
    图2。数字流行病学在新冠肺炎疫情中的应用案例1:利用移动基站追踪疑似感染病例的动向。案例2:使用视频监控识别接触者。
    查看此图

    在当地政府的授权下，利用移动电话运营商的手机追踪系统，对不同基站之间的数据传输进行了仔细检查，确定了3557人为一般接触者，8人被确认为感染。采取严格措施，对8例确诊病例和2例疑似病例入院治疗，对52例密切接触者进行强化医学隔离，对91例重点对象进行居家医学观察，对3557例一般接触者全部进行随访监测。


    2020年2月1日，中国A市A村1名男性确诊为新冠肺炎[17-19他从平时生活和工作的武汉回来。为了避免对自己的日程造成不必要的干扰，他声称自己和家人在武汉封锁之前的1月20日抵达该村时没有出现症状，而是最近从菲律宾而不是武汉返回。图2)。在接下来的日子里，他与父亲和弟弟一起住在村里，并参加了一些活动。1月21日和22日，他拜访了亲戚，参加了3000多人参加的一系列宗族聚会活动。从23日开始，他开始感到不适。1月23日，他两次在药店购买药品。尽管出现了症状，但他当天继续拜访了其他亲戚。1月24日，他参加了邻村的婚宴。1月25日，他的症状恶化，决定到当地诊所就诊。鉴于他没有发烧，建议对他进行家庭隔离。几天没有好转，并开始发烧，于1月29日住进医院隔离病房，2月1日新冠肺炎检测呈阳性。


    居住在中国B市B镇的56岁男性于2020年2月4日被诊断为新冠肺炎阳性，已在指定医疗机构隔离治疗。通过传统的流行病学调查方法，确定该患者在发病前14天内无疫区居住、旅行史，无野生动物接触史。此外，他在所在地区也没有认识确诊患者的人。然而，该患者的活动被视频监控记录了下来。在参考了视频后，确定该患者于1月23日上午7点47分在农贸市场的同一个摊位上短暂地站在一个陌生人旁边。他们没有戴口罩。这个陌生人实际上是住在同一地区的确诊病例。

    通过视频监控，检索到该患者的下落，从而确定了19名密切接触者，然后将他们放在指定医院观察，以防止进一步污染。


    这两个案例是在疾病暴发期间成功应用新兴技术监测人们的行动的例子，有可能提供对与疾病有关的活动的近乎实时的估计和对潜在受感染对象的快速识别。两起案件的监控工作都由地方政府主导，保护了被监控对象的隐私，没有泄露个人信息;这些信息只能由地方政府内的指定机构查阅。

    在2019冠状病毒病暴发期间，人们普遍认为对这种病毒暴发缺乏准备。虽然中国政府在疫情期间采取了严格的措施限制聚集和旅行，但由于病毒的高感染率，即使在潜伏期，病毒仍在传播。如果使用更好的监测系统和高端技术将时空运动数据纳入潜在传播模式的模型，疫情本可以得到更好的控制。新冠肺炎疫情引发了关于将数字数据纳入流行病学研究的讨论。数字数据的使用可以加强传统的流行病监测以及以流行病学为导向的数字应用，包括突发感染、病毒排序、改进的传染病爆发预测、疑似接触者检测、早期预防和管理、流行病的实时数字预测以及评价疾病应对战略或干预措施的有效性[13，20.-24]。使用日常使用在线通信工具(如b微信和支付宝)产生的时空信息，如果使用得当，可以在控制这种疾病和其他疾病的传播方面发挥重要作用。在中国，创建了彩色编码的健康代码和旅行卡系统。该系统通过电话运营商追踪公民在过去14天内的行踪，这些运营商的系统日志可以确定特定公民的电话是否连接了高风险地区的基站。因此，系统将记录哪些公民去过高风险地区，然后提供的代码指示公民可以去哪里(即，他们是否应该继续隔离或能够离开家)[25，26]。

    随着中国经济的快速发展和手机的广泛普及，移动支付系统也得到了迅速发展。目前有两家移动支付运营商，支付宝和b微信，覆盖了中国国内90%以上的市场，是第三方支付领域的领导者。b微信和支付宝安全便捷，已经渗透到人们生活的方方面面(如交易、网上购物、自助服务、公共交通、个人理财)[27]。这些支付系统还从用户那里获取多维数据，包括支付信息、GPS信息和社交媒体信息[27]，可用于帮助监测和控制传染病的传播。

    此外，可穿戴设备的普及提高了我们收集人体运动时空方面数据的精度[28]，为社会行为提供了更详细的识别和分层[29]，补充了先前基于大规模调查和自我报告信息的工作[5，30.]。这些数据为研究人类活动及其对疾病动力学的影响提供了当今最令人兴奋的机会之一[31]。

    尽管使用这些技术和数据有很多优点，但仍然存在一些问题。首先，应该考虑对真实世界数据的验证，因为从社交网络中提取有意义的数据一直是一个挑战[13，22，32]。其次，虽然本文讨论的案例使用了新颖的数据流，但调查方法和策略仍然过时。因此，如何更有效地利用和分析这些数字数据，使用具有科学依据和统计能力的分析算法，需要进一步探索[33]。第三，使用数字数据的法律和道德方面仍然存在问题。数字数据的使用在世界范围内引起了广泛的争论。作为数字公民，我们留下的一些电子痕迹应该是公开的，而另一些则不是，这导致了道德和法律上的挑战[34，35]。关于围绕公共卫生和数字流行病学的伦理问题，存在着保护和促进人口健康以及由于从数字网络收集数据而可能造成个人伤害的相互矛盾的问题[35，36]。中国的这两个COVID-19病例是一个成功的例子，说明企业产生并由地方政府使用的数字数据可以通过识别去过高风险地区的人或追踪与COVID-19患者有过接触的人来缓解COVID-19的传播。的确，这些数据应该受到数据保护条例的保护，隐私和机密性应该得到保证，但有关当局没有其他途径获得这些数据。此外，私隐问题亦被广泛讨论[37-41]。第四，先前的研究已经证明，错误的歧视是由于对互联网用户的错误识别造成的;因此，这方面需要改进。第五，从中国电子支付中提取的数据等多维数据在其他国家可能无法获得;因此，需要进一步探索当地的背景。最后，与数据访问、数据共享、用户隐私和数据安全相关的问题仍然需要关注，但在这种情况下，公共卫生优先。上述两个案例是地方管理机构利用数字数据参与流行病学研究的完美范例。因此，我们对疫情暴发数字流行病学的进一步实施持乐观态度，特别是考虑到新冠肺炎疫情期间的相关成果和经验。

    本文以中国新冠肺炎疫情期间的两个真实案例为基础，论证了使用数字流行病学来控制和预防感染的可行性。这种现代化的流行病学方法利用新兴的信息和通信技术以及可获得的多维时空数据来监测人员流动，有助于更清楚地了解疾病传播的模式，并有助于确定更有效的公共卫生措施，以减轻COVID-19的负面影响。它还可用于确定人口健康方面的长期挑战。

    作者的贡献

    WKM构思了最初的想法。ZH, CJPZ和JH开发了这个想法，收集了数据，并生成了图形。ZH, CJPZ, JH, WKM, JZ, SZ, JWTC撰写稿件。CJPZ, BA, JH对稿件进行了修改和编辑。所有作者都为论文的发展和写作做出了贡献。

    利益冲突

    没有宣布。

    1. 世界卫生组织。世卫组织总干事在2020年3月12日COVID-19代表团简报会上的开幕词。2020年3月12日。URL:https://www.who.int/dg/speeches/detail/who-director-general-s-opening-remarks-at-the-mission-briefing-on-covid-19---12-march-2020[2020-03-15]访问
    2. 数字流行病学可靠吗?——来自最新癌症统计数据的见解。中华医学杂志2019年1月7日(1):15 [j]免费全文] [CrossRef] [Medline］
    3. Mooney SJ, Westreich DJ, El-Sayed AM。评论:大数据时代的流行病学。流行病学2015;26(3):390-394 [j]免费全文] [CrossRef] [Medline］
    4. Fagherazzi G, Goetzinger C, Rashid M, Aguayo G, Huiart L.全球抗击COVID-19的数字卫生战略:挑战、建议和论文征稿。[J]医学互联网研究，2020;16;22(6):e19284 [J]免费全文] [CrossRef] [Medline］
    5. salath M, Freifeld CC, Mekaru SR, Tomasulo AF, Brownstein JS。甲型H7N9流感与数字流行病学的重要性。中华医学杂志，2013,31(5):391 - 391。［CrossRef］
    6. 数字流行病学:它是什么?它将走向何方?生命科学与社会政策2018年1月04日;14(1):1 [免费全文] [CrossRef] [Medline］
    7. 追踪疾病:数字流行病学为预测疾病爆发提供了新的希望。电子工程学报，2017,31(1):18-22。［CrossRef］
    8. Adawi M, Bragazzi N, Watad A, Sharif K, Amital H, Mahroum N.经典流行病学与数字流行病学搜索Mayaro病毒的差异:谷歌趋势的初步定性和定量分析。公共卫生监测2017年12月1日;3(4):e93 [j]免费全文] [CrossRef] [Medline］
    9. Ginsberg J, Mohebbi MH, Patel RS, Brammer L, Smolinski MS, Brilliant L.基于搜索引擎查询数据的流感流行检测。Nature 2009 2月19日;457(7232):1012-1014 [免费全文] [CrossRef] [Medline］
    10. Brownstein JS, Freifeld CC, Madoff LC。数字疾病检测-利用网络进行公共卫生监测。中华医学杂志;2009;36(2):353 - 357。［CrossRef］
    11. 威尔逊K，布朗斯坦JS。利用互联网及早发现疾病爆发。加拿大医学协会杂志2009年3月12日;180(8):829-831。［CrossRef］
    12. 刘建军，刘建军，刘建军，等。人类行为在马提尼克岛2014年基孔肯雅热暴发中的作用的生态和数字流行病学分析。科学通报2017;7(1):5967 [j]免费全文] [CrossRef] [Medline］
    13. 李建军，李建军，李建军，等。基于大数据的传染病监测模型研究。中华传染病杂志，2016;21(增刊4):379 - 379 [J]免费全文] [CrossRef] [Medline］
    14. Chan EH, Brewer TF, Madoff LC, Pollack MP, Sonricker AL, Keller M，等。全球新发传染病检测能力。科学通报，2010 (1):1-2 [j]。免费全文] [CrossRef] [Medline］
    15. 安德森RM。讨论:Kermack-McKendrick流行病阈值定理。生物工程学报;2009;33(1):1 - 4。［CrossRef］
    16. 曹磊，李旭，王斌，爱原凯。二部元种群网络扩散过程中的交会效应。物理学报，2011,11(5):444 - 444。［CrossRef］
    17. 共同抗疫!福建省晋江市有3000多名村民因欺诈而受到监控。2020年02月05日。URL:http://news.cctv.com/2020/02/05/ARTId8OoGN30uEp1JnLoUxDJ200205.shtml[2020-02-06]访问
    18. 福建省晋江市发生1例家族聚集性病例。新华网2020年2月2日URL:http://www.xinhuanet.com/2020-02/05/c_1125534821.htm?spm=C73544894212.P59511941341.0.0[2020-02-06]访问
    19. 泉州市公安局。市公安局严厉打击与疫情有关的违法犯罪活动:泉州公安局;2020年2月5日。
    20. 范德贝特，范·斯多克，Engelen LJLPG, Lancee J, Schrijver R, Rodríguez-Baño J，等。社交媒体帖子和在线搜索行为作为MRSA爆发的早期预警系统。抗菌抗感染控制2018年5月30日;7(1):69 [j]免费全文] [CrossRef] [Medline］
    21. Charles-Smith LE, Reynolds TL, Cameron MA, Conway M, Lau EHY, Olsen JM，等。使用社会媒体进行可操作的疾病监测和疫情管理:系统的文献综述。PLoS One 2015;10(10):e0139701 [j]免费全文] [CrossRef] [Medline］
    22. 王丽，李霞。网络元人口的空间流行病学研究综述。科学通报，2014年7月19日;59(28):3511-3522 [j]免费全文] [CrossRef] [Medline］
    23. McGough SF, Brownstein JS, Hawkins JB, Santillana M.结合传统疾病监测与搜索、社交媒体和新闻报道数据预测2016年拉丁美洲寨卡疫情的发病率。中国生物医学工程学报，2017,31 (1):599 [j]免费全文] [CrossRef] [Medline］
    24. Nsoesie EO, Brownstein JS, Ramakrishnan N, Marathe MV。对预测流感爆发动态的研究进行系统回顾。流感及其他呼吸道病毒2014年5月23日;8(3):309-316 [j]免费全文] [CrossRef] [Medline］
    25. 余A.后冠状病毒时代中国的数字监控:我们所付出代价的女权主义观点。性别工作机构2020年6月08:1 [免费全文] [CrossRef] [Medline］
    26. 徐健，林霞，潘霞，黄霞，陈燕，周娥。突发公共卫生事件一级响应下中国2019冠状病毒病发病和死亡趋势分析。研究广场2020年5月22:1 [免费全文] [CrossRef］
    27. 李军，王军，王生，周勇。支付宝移动支付:一个扩展技术接受模型的应用。IEEE Access 2019;7:50380-50387。［CrossRef］
    28. 张建军，张建军，张建军，张建军。基于分布式RFID传感器网络的人机交互研究。PLoS ONE 2010; 15;5(7):e11596 [j]免费全文] [CrossRef］
    29. 诚实的信号:它们如何塑造我们的世界。剑桥，马萨诸塞州，美国:麻省理工学院出版社;2010:1 - 208。
    30. 莫松J, hen N, Jit M, Beutels P, Auranen K, Mikolajczyk R，等。与传染病传播有关的社会接触和混合模式。PLoS Med 2008 Mar 25;5(3):e74 [免费全文] [CrossRef] [Medline］
    31. D.城市交通网络结构与异常扩散。物理学报，2008,31(1):393 - 398。［CrossRef］
    32. 罗伟，谭文华，冷明。大型网络感染源和感染区域识别。通信学报;2013;31(11):2850-2865。［CrossRef］
    33. Höhle统计学家对数字流行病学的看法。生命科学社会政策2017年11月24日;13(1):17 [j]免费全文] [CrossRef] [Medline］
    34. Boyd D, Crawford K.大数据的六大挑战。SSRN杂志2011 [免费全文] [CrossRef］
    35. 数字疾病检测技术的伦理评估模型。生命科学社会政策2017 Sep 20;13(1):16 [免费全文] [CrossRef] [Medline］
    36. 范登荣，张建军，张建军。公共卫生伦理。斯坦福哲学百科全书。美国斯坦福:斯坦福大学形而上学研究实验室;2020.URL:https://plato.stanford.edu/cgi-bin/encyclopedia/archinfo.cgi?entry=publichealth-ethics[2020-08-26]访问
    37. 李建军，李建军，李建军，李建军。手机数据与COVID-19:错失良机?2020年3月27:1 [免费全文］
    38. 关于负责任地使用数字数据以应对COVID-19大流行。中华医学杂志2020年4月27日;26(4):463-464 [j]免费全文] [CrossRef] [Medline］
    39. 朴松，崔桂军，高辉。基于信息技术的新冠肺炎追踪策略——韩国隐私争议。中国医学杂志2020年4月23日;323(21):2129 [j]免费全文] [CrossRef] [Medline］
    40. Barbieri C, Darnis JP。技术:应对COVID-19的退出战略。2020年3月https://www.iai.it/en/pubblicazioni/technology-exit-strategy-covid-19[2020-08-26]访问
    41. Abeler J, Bäcker M, Buermeyer U, Zillessen H.新型冠状病毒接触者追踪和数据保护可以同时进行。JMIR移动健康Uhealth 2020年4月20日;8(4):e19359 [j]免费全文] [CrossRef] [Medline］

    ‎
    COVID-19:冠状病毒病

    G·艾森巴赫编辑;提交22.06.20;A Al-Hasan, Y He的同行评审;对作者08.07.20的评论;收到修正版23.07.20;接受11.08.20;发表17.09.20

    版权

    ©何宗林，Casper J P Zhang，黄健，翟敬彦，周爽，Joyce Wai-Ting Chiu, Jie Sheng, Winghei Tsang, Babatunde O Akinwunmi, Wai-Kit Ming。原载于医学互联网研究杂志(//www.mybigtv.com)， 2020年9月17日。

    这是一篇在知识共享署名许可(https://creativecommons.org/licenses/by/4.0/)下发布的开放获取文章，该许可允许在任何媒介上不受限制地使用、分发和复制，前提是原始作品首次发表在《医学互联网研究杂志》上，并适当引用。必须包括完整的书目信息，到//www.mybigtv.com/上原始出版物的链接，以及版权和许可信息。
    Baidu
    map