原始论文
摘要
背景:中国目前基于学校的传染病综合征监测系统(SSS)存在依赖校医手工采集数据、忽视在校生健康信息等不足。
摘要目的:本研究旨在设计并实现基于缺勤率(通过面部识别收集)和出席学生的体温(通过热成像测量)的流感SSS。
方法:通过扩展现有应用程序的功能来实现SSS。在长三角地区的2所小学和1所初中实施了该制度，共有3535名学生。考核期限为2021年3月1日至2022年1月14日，有效天数174天。系统报告的每日和每周缺勤率和发热率(DAR1和DFR;计算WAR1和WFR)。以校医日、周缺勤率(DAR2和WAR2)、周流感病毒阳性率(WPRIV，中国国家流感中心发布)作为系统上报数据质量的评价标准。
结果:校医报告的缺勤率(完整性86.7%)是本系统报告的缺勤率(完整性100%)的36.5%，两者呈显著正相关(r= 0.372,P= .002)。流感活动水平中等时，DAR1s在学校间呈显著正相关(rab= 0.508,P= 04;r公元前= 0.427,P= .02点;r交流= 0.447,P= . 01)。在流感爆发期间，dar1的差异扩大。与WPRIV显著正相关的变量为A学校的WAR1、WAR2、C学校的WAR1、B学校的WFR。WAR1与WPRIV的相关性大于A学校的WAR2与WPRIV的相关性。在B学校的WAR1中加入WFR，增强了WAR1与WPRIV的相关性。
结论:数据表明，基于人脸识别的缺勤计算是可靠的，但红外测温仪记录温度的准确性有待提高。与同类SSSs相比，该系统具有简单性、成本效益、数据质量、灵敏度和及时性等优点。
doi: 10.2196/37177
关键字
简介
学龄儿童易患流感。5-14岁儿童在流感季节患流感的比率介乎17.31%至46.61% [］．学龄儿童也助长了病毒传播的扩大。流行病学证据表明，流感首先发生在学龄儿童中，一旦感染，这一人群就会在家庭成员之间传播病毒，然后传染给一般人群[，］．一名受感染的学生将病毒传播给学校内估计2.4名(95%可信区间1.8-3.2)其他儿童[］．与学龄儿童同住的成年人的发病率可能比不与学龄儿童同住的类似成年人的发病率高2至3倍[］．
缺勤率是世界卫生组织推荐的流感监测指标，也是校本综合征监测系统(SSS)采用的重要决定因素。1979年，彼得森等人[]证明了学校缺勤对流感监测的有效性。从那以后，一些研究从不同的角度讨论了缺勤监测的价值。与其他方法相比，缺勤监测的主要优点是无创性、不需要临床检验、成本低、操作简单、代表性好。此外，缺勤监测可用于准确估计流感的经济负担及其对教育的影响，并促进卫生和教育部门之间的有效合作[-］．然而，缺勤本身并不是该病临床症状的直接表现，而只是对该病的一种近似估计。因此，它敏感但缺乏特异性[］．贝尔等[)认为缺勤监视的最大价值可能在于“态势感知”，而不是“早期发现”。
缺勤可分为三种类型:全因缺勤、疾病缺勤和综合征特异性缺勤[］．这3个指标特异性较高，但增加了学校的工作量。SSS必须平衡特殊性和学校的负担[］．否则，学校就会不合作，这个制度最终会被拒绝。，，］．减轻维护和改善学校合规的负担是这些系统有效运行的一个重要挑战。研究人员一直在关注三种主要的技术方法来应对这一挑战:(1)提高数据收集的自动化程度，将数据收集方法从手工统计改为指纹[]或智能卡方法[];(2)提高数据传输的便利性，数据传输由明信片、电话、传真等方式转变[电邮[，再到广泛使用的网络平台[-，，-];(3)数据报告人多样化，报告人通常是校医或教师，有些系统要求家长报告信息[，]或鼓励学生参与汇报有关资料[］．
学校突发传染病公共卫生事件占全年全国突发公共卫生事件总数的85.64% [］．因此，校本SSSs在中国尤为重要。2003年SARS爆发和2009年H1N1流感大流行，促使中国内地许多地方建立学校传染病症状监测系统[，-]，但这种系统的持续运行具有挑战性。第一，尽管政府早在2012年就制定了学校传染病报告标准[]并发布了几份文件，强调在COVID-19大流行期间在学校报告流行病信息[，]的规定下，缺勤统计仍不是学校的强制性规定。其次，学校医生的严重短缺加剧了这一问题。只有33.1%的中小学配备了校医，平均1名校医为2800名学生服务;中西部地区、农村、低年级学校的校医比例更低[］．因此，基于人工信息报告的系统很难激发学校的积极性[］．最后，中国人非常重视学习，父母担心缺席会耽误孩子的学习进度。因此，即使孩子生病了，他们也要送他们上学。，这增加了仅通过计算缺勤率来误判传染病流行情况的可能性。
利用人工智能和信息技术代替人工方法收集缺勤数据，同时考虑在校生的健康信息，对于解决当前中国SSS的发展困境具有重要意义。为此，设计并试运行了一种基于人脸识别和热成像的SSS，实现了身份、缺勤和温度数据的同步采集。自2020年11月以来，该系统已在长三角地区的3所哨点学校运行。导出系统在2021年3月至2022年1月期间收集的这三所学校的数据，研究两个方面。首先，先前研究探索的人工收集缺勤数据的替代方法产生了大量错误数据[］．同时，尽管红外测温技术广泛用于筛查人群中的疑似传染病病例[]，仪器、环境和个人因素都很容易影响其准确性[-］．因此，需要对采集数据的完整性和准确性进行验证。其次，体温是大多数传染病的第一临床症状，体温在流感SSS中的优势已被Miller等证实[］．理论上，多源数据可以提高监测系统对传染病信息感知的准确性[］．非临床症状(缺勤)和临床症状(发烧)结合监测的有效性是需要研究的另一个问题。
方法
报告系统
拟议的SSS基于一款名为“小炼行”(XLX)的应用程序[，可以通过支付宝(阿里巴巴集团控股有限公司)免费下载。Τhe app集成人脸识别技术和红外测温技术，实现学校公共卫生智能化管理。其工作流程见．
运营公司与学校及其上级管理机构签订了服务协议。根据协议，学校组织家长用智能手机在支付宝上注册一个账户(注册完全是自愿的)，然后将孩子的姓名、性别、ID、学校名称、班级、脸像等信息输入该账户。家长还可以通过该账号查看孩子的出勤率和体温。该系统通过终端设备采集学生考勤和温度数据，终端设备由人脸识别系统(识别精度≥99.99%，圣米科技集团有限公司)和红外测温仪(测量精度±0.5℃，海康威视数码科技有限公司)两个模块组成。两个模块通过自行设计的软件连接，实现身份、考勤、温度的同步录入和上传。数据处理中心负责对各终端上传的数据进行处理，并将不同层次的缺勤、发热分析结果转发给家庭用户(即家长或其他监护人)、学校用户(即教师、学校卫生工作者、管理人员)、学区管理部门用户。
终端设备一般布置在校门口。学生们每天到校后，都会去设备前进行测试。对学生进行人脸识别，仪器自动记录学生的身份信息、考勤信息和面部温度。仅对经鉴定体温正常的学生直接录取，对发热(体温≥37.3℃)的学生另行录取。为了确保每个学生都接受仪器测试，学校安排了值班人员监督孩子们。每天的学生出勤率和气温信息实时传输到云数据中心。数据处理中心实时生成学生签到、体温(含红外图像)每日统计报表()，对数据进行汇总和分析，并对不同层面(个人、班级、学校、学区等)的结果进行反馈。
研究人口和数据收集
研究对象包括长三角地区的3所学校。学校A和B是小学。位于浙江省杭州市萧山区的A学校于2020年11月开始使用该系统的1.0版本(仅人脸识别)，并于2021年3月开始使用2.0版本(人脸识别和红外体温计)。位于杭州市滨江区的B学校于2021年3月开始试点系统2.0版本;它允许学生使用智能卡签到，并于2021年9月开始全面使用2.0版本。C学校是位于上海浦东区的一所初中，从2021年10月开始使用该系统的2.0版本。
监测阶段分为两个阶段，第一阶段(2021年3月1日至2021年6月25日)和第二阶段(2021年9月1日至2022年1月14日)。各阶段有效监测时间分别为83天和91天。在第一阶段，A和B学校的学生人数分别为1861和1100人。第二阶段，A、B、C学校学生人数分别为1954人、1154人、427人，共3535人。系统收集了每个学校的入学总人数、每日旷课人数、每日发烧人数。默认在规定到达时间后1小时内未报到者为旷课病例，体温≥37.3℃者为发热病例。
收集A和B学校(C学校无校医记录)的医生报告的缺勤情况作为系统报告缺勤质量的参考标准。学校医生报告的缺勤被定义为“学生当天不在学校。”学校医生报告的数据收集于2021年9月1日至2022年1月14日。为了验证传染病监测系统的可靠性和可行性，选择流感作为目标疾病。流感活动的参考标准取自中国国家流感中心每周发布的流感监测报告[］．这些周报统计数据显示了中国南方和北方地区流感病毒(WPRIV)检测的周阳性率。WPRIV的计算方法为病毒阳性样本数量与提交的样本总数之比[］．由于杭州和上海都在中国南方，所以我们只使用了周报中南方地区的数据。相应的监测周为2021年的第9周至2022年的第5周。在此期间，中国南方流行的流感病毒株主要为B型。
伦理批准
本研究使用的数据是匿名的，因此同济大学审查委员会将该研究归类为非人类受试者研究，因此免于批准。
数据分析
3所学校的每日缺勤率(DAR)计算如下:
DAR分为两类:系统报告(DAR1)和学校医生报告(DAR2)。然后计算两个变量的相关系数。根据相关文献[，]，如果DAR1超过10%则认为数据异常。对与学校有关的异常原因进行调查，如果是非传染性因素，对异常数据进行适当的统计处理。然后，绘制3个学校的DAR时间序列图()，计算3个流派DAR的Pearson相关性，并比较其DAR曲线之间的形态差异。比较了DAR1和DAR2 ()．
第二，根据DAR1的时间序列图()，确定开始日期为各学校DAR1开始稳定的日期，然后在此日期之后计算各学校的日发热率(DFR)。当DFR偏离平均值3个SDs时，对系统中学生的红外图像进行检测。如果问题是可操作的，则使用相应的DFR作为缺失值，并用该日期的前几天和后几天的DFR的平均值替换。假设旷工和发热代表流感症状的不同严重程度，旷工代表严重症状，发热代表轻微症状。因此，将DAR和DFR的分母设为总报名人数。DFR的计算公式如下:
3个学校的DFR时间序列图见；比较了三种植物DFR曲线的形态差异，计算了三种植物DFR曲线的Pearson相关性。
第三，根据DAR和DFR，计算出三所学校的周缺勤率(WAR)和周发热率(WFR):
绘制了3个流派的WAR和WFR的时间序列图，并比较了它们与WPRIV的时间序列图趋势的符合性(-)．
最后进行以下统计处理:(1)计算各学校的WAR和WFR的总和。(2)在A学校数据的基础上，在第37周初添加B学校的数据;然后在第45周再次添加C学校的数据，然后根据各学校总招生人数的权重将合并后的WAR和WFR进行合并。(3)计算WAR和WFR的总和。同时，当前时间被设置为t；则WPRIV序列提前1周(t - 1)，两周(2)及三周(条t - 3)．在这4种条件下计算WPRIV与上述战争和WFRs的相关性及其总和，以考察该系统获得的不同类型数据在流感活动监测中的可靠性、准确性和及时性。
结果
分析DAR1
在第一阶段，A和B两所学校的2961名学生都在系统中注册了账户。在第二阶段，三所学校的学生总数为3535人，其中3530人(99.86%)已注册户口()．A学校的DAR在整个监测期间保持相对稳定，没有超过10%的临界阈值()．B学校的DAR在第一阶段波动较大，但总体呈下降趋势。在第二阶段，大约2周后，B学校和A学校的DAR曲线相似。C学校的DAR在系统调试的前2周变化较大，大约2周后开始趋于稳定。C学校在2022年12月24日、12月31日、1月7日、1月10日有4天DAR超过10%。这4天是周末或假期。
3所学校的dar1与11月8日至12月20日30个监测日的趋势非常相似()．在此期间，3对缺勤率，即A和B学校(r一个= 0.508,P=.004)， B和C (rb= 0.427,P=.017)， A和C (r交流= 0.447,P=.012)，呈中度正相关。12月20日之后，3所学校的dar呈现出不同的趋势，其中C学校与其他2所学校的差异显著。
| 学校 | 总数 | 数量的入学率 | 入学率(%) | 每日缺勤率(%) | 每日发热率(%) | |||||||||||||||
| 最低 | 最大 | 的意思是 | 最低 | 最大 | 的意思是 | |||||||||||||||
| 第一阶段 | ||||||||||||||||||||
| 一个 | 1861 | 1861 | One hundred. | 0.86 | 4.19 | 1.63 | 0 | 8.22 | 1.87 | |||||||||||
| B | 1100 | 1100 | One hundred. | 0.82 | 31.09 | 11.14 | N/A一个 | N/A | N/A | |||||||||||
| 二期 | ||||||||||||||||||||
| 一个 | 1954 | 1954 | One hundred. | 1.07 | 5.63 | 2.55 | 0 | 8.34 | 2.12 | |||||||||||
| B | 1154 | 1153 | 99.91 | 1.21 | 15.70 | 4.23 | 0.17 | 8.07 | 2.44 | |||||||||||
| C | 427 | 423 | 99.06 | 1.42 | 16.08 | 6.75 | 0 | 5.67 | 1.19 | |||||||||||
一个N / A:不适用。
DAR1和DAR2的相关性分析
2021年9月1日至2022年1月14日期间，A学校的学生预计上学92天，B学校的学生预计上学90天。系统和A学校的校医都记录了92天的数据。系统上报缺勤5128例，校医上报缺勤1476例，校医上报缺勤占前者的28.78%。B学校系统记录的90天缺勤3452次，校医记录的66天缺勤1691次(完整性为73.3%)，其中校医报告的缺勤数量为系统报告的48.99%。
A学校DAR1与DAR2显著正相关(r= 0.809,P<.001)，变化趋势高度一致。在B学校，DAR1和DAR2也显著正相关(r= 0.766,P<.001)，但在2021年11月两者之间出现了明显的差距()．以上数据显示，校医报告的缺勤(完整性86.7%)仅为系统报告的缺勤(完整性100%)的36.5%，两者之间存在显著正相关关系(r= 0.372,P= .002)。
DFR的分析
A学校的DFR计算时间从2021年3月1日(第9周)开始，B学校从2021年9月13日(第37周)开始，C学校从2021年11月8日(第45周)开始。系统红外图像调查证实，A学校有2天(4月30日、9月18日)在红外测温仪旁放置高温物体，1天(4月1日)红外测温仪因物理故障无法测温。在B学校，有2天(11月11日和12月29日)高温物体被放置在温度计旁边。将这5天的DFR视为缺失值，用前、后两天DFR的平均值代替。
总体而言，A学校的DFR曲线类似于一条开口向下的抛物线()．该趋势与监测期内该地区日平均气温变化趋势基本一致。在9月13日至10月29日的30天内，A学校的DFR始终高于B学校，10月29日之后，这种关系逐渐逆转。C和A学校的DFR曲线更接近，这两所学校的DFR也显著正相关(r交流= 0.493,P<措施)。虽然在A和B学校之间没有发现显著的相关性(rab= -0.023,P= 0.84)、B和C学校(r公元前= 0.091,P=.54)， 3个流派的DFR曲线在某些波峰和波谷上是一致的。
WAR1、WFR和WPRIV的相关性分析
计算了3个学校的WAR1s和WFRs，绘制了时间序列图。A学校WAR1与WPRIV趋势一致()，即WAR1和WPRIV都随时间逐渐增加。42周后，流感活动水平急剧上升，第一个WAR1高峰出现在第46周(比WPRIV早1周)，第二个高峰出现在第50周(与WPRIV同期)。A学校WFR1的第一个峰值出现在第45周(比WPRIV早2周)。
学校B在第42周和第43周出现WAR1高峰()．对这方面的调查表明，学校部分学生的健康代码存在问题;因此，B学校谨慎地允许一年级的4个班在家学习。B学校WAR1的第二个高峰出现在第45周，第三个高峰出现在第50周。这两个高峰时间与A学校相同，但B学校在第53周有另一个WAR1高峰，这与A学校不同。随着流感活动水平的升高，B学校的WFR1在第45周(与A学校相同)、第47周和第52周达到峰值。
C学校监测周数较少，且C学校WAR1在整个监测期间呈上升趋势()，这与WPRIV的趋势高度一致。C学校WFR1的3个峰值分别出现在第45周(与A、B学校相同)、第47周和第52周(与B学校相同)-， WAR1与WFR的错配趋势明显。这种现象在b学校尤为明显。例如，WARs在第46、50和53周达到峰值，而相应的WFRs则处于低点。在第45、47和52周，wfr达到峰值，而war1处于低谷。
在系统报告的WAR1中，只有A和C学校的WAR1与WPRIV显著正相关。在t-3时，A学校WAR1与WPRIV的相关系数最高t， C学校WAR与WPRIV的相关系数最高()．虽然在4种条件下，B学校的WAR与WPRIV的相关性不显著，但相关系数的变化趋势与a学校相似，只有B学校的WFR与WPRIV呈显著正相关，且最大系数为t3所示。WAR1加入WFR后，与WPRIV的相关性仅在学校b的和中增强。校医报告的学校A的WAR1与WPRIV呈显著正相关，最大系数位于t3所示。基于系统报告数据计算的WAR1与WPRIV之间的相关系数均高于基于校医报告数据计算的相关系数。校医和提出的系统报告的B学校的WAR1与4种情况下的WPRIV均无显著相关性。
| 变量 | 流感病毒周阳性率 | ||||||||
| t | P价值 | t - 1 | P价值 | 2 | P价值 | 条t - 3 | P价值 | ||
| 系统上报数据 | |||||||||
| 学校每周缺勤率 | 0.662 | <．001 | 0.638 | <．001 | 0.654 | <．001 | 0.674 | <．001 | |
| 学校每周缺勤率B | 0.334 | ．21 | 0.268 | 收 | 0.391 | 13。 | 0.442 | .09点 | |
| 每周缺勤率C | 0.771 | .009 | 0.728 | 02 | 0.444 | 2 | 0.222 | 54 | |
| 每周发烧率A | -0.368 | 03 | -0.367 | 03 | -0.387 | 02 | -0.363 | 03 | |
| 学校每周发热率B | 0.492 | 0。 | 0.589 | 02 | 0.557 | 03 | 0.618 | . 01 | |
| 学校每周发热率C | 0.229 | 票价 | 0.307 | .33 | 0.056 | .86 | -0.002 | >。 | |
| 学校每周缺勤率及发热率 | 0.058 | .74点 | 0.045 | .79 | 0.038 | 点 | 0.069 | i = | |
| 学校每周缺勤率及发热率 | 0.6 | . 01 | 0.635 | .008 | 0.687 | .003 | 0.767 | 措施 | |
| 每周缺勤率和发热率 | 0.686 | 03 | 0.664 | .04点 | 0.317 | .37点 | -0.333 | .35点 | |
| 由学校医生报告的数据 | |||||||||
| 学校每周缺勤率 | 0.58 | .007 | 0.55 | . 01 | 0.59 | .006 | 0.648 | .002 | |
| 学校每周缺勤率B | 0.429 | 厚 | 0.406 | 13。 | 0.4 | .14点 | 0.379 | 16 | |
讨论
主要研究结果
2017年，格罗克洛斯和巴克里奇[]提出了一个监测系统评估框架，包括12项指标，即简单性、可接受性、代表性、稳定性、数据质量、及时性、灵活性、安全性、敏感性、预测值正、成本效益和标准使用。将拟议的系统与现有的类似系统进行比较，可以看出它在简单、成本效益、数据质量、灵敏度和及时性方面的优势。
该系统操作简单，建设成本低。拟议监测系统的简单性体现在四个方面:数据的可得性和类型、组织和类型、数据交换和转换、人员操作和培训[］．基于人工数据收集的病假监测要求数据报告者具有广泛的医疗专业知识。因此，报告人必须是校医或受过适当医疗培训的非全时工作人员。另一方面，所提出的系统操作不需要专业人员，只需要学生按照标准站在仪器前1秒，即可自动获取所有症状数据。通过这种方式，该系统在劳动力方面具有很高的成本效益。此外，与政府主导的SSS平台研发投入高不同，该系统基于成熟的网络平台构建，具有较高的成本效益。
系统上报的缺勤情况完整、准确，温度的完整性较高，但准确性有待提高。指纹、智能卡或面部识别系统被用来确保每个出席的学生都被检查和准确识别。Lawpoolsri et al []试图用指纹代替人工采集，但由于许多学生错过和核对错误，失败了。在本次研究中，学生注册系统账号的比例接近100%，人脸识别技术的准确率超过99.99%，学校还安排了人员对学生进行签到监督。数据显示系统上报的缺勤率与校医上报的缺勤率呈高度正相关，且前者的完整性高于后者。该系统还需要自信地保证每个被识别的学生的体温都被准确测量。由于人脸识别和红外测温几乎同步，温度的完整性是足够的，但精度有待提高。热成像的精度受仪器、环境和个别因素的影响[-］．在本研究中，只有B学校的温度满足监测要求。B学校的仪器安装在室内，并由学生严格监督。这些措施有助于减少不正确的测量行为，提高测量精度。未来的研究将集中在仪器的建造和安装以及操作标准的实施。
该系统具有良好的灵敏度。监测敏感性包括病例发现、疫情检测和病例定义[］．现有的制度主要针对缺课的学生[-，-，-]，而另一些人则考虑到到学校保健室就诊的学生[，］．在流感爆发期间，约20%的人口会出现症状，但只有约2%需要医生会诊[］．除非生了重病，否则学生不会逃课或去看校医。由于学业压力大，中国学生带病上学是很常见的现象，约74.7%的学生因病缺勤不足1天[］．这可能解释了为什么学校医生报告的缺勤人数仅为本研究系统报告的缺勤人数的36.5%。系统上报的A学校WAR与WPRIV之间的相关性高于校医上报的WAR与WPRIV之间的相关性，从而支持了这一结论。数据显示，在流感爆发季节，部分学校的DFR高达8%。通过调整缺勤标准和结合温度筛查，该系统对病例和疫情检测比现有系统更敏感。
结果还显示了良好的及时性。该系统实现了数据的实时传输和自动分析。家长、教师和管理人员能够立即访问个人、班级和学校的出勤率和温度状态。贝尔等[]提出，缺勤监测的价值更多地在于态势感知，而不是早期发现，当应用到中国时，可能需要修改。本研究显示，当流感活动水平较低时，3所学校的缺勤率显著正相关，这与Schmidt等人的研究结果不一致[指出不同年龄段的旷工现象非常相似。随着流感流行率的增加，小学缺勤率最先达到高峰，中学缺勤率在2周后达到第一个高峰，这与Mook等的研究结果一致[］．随后，学校之间的缺勤时间差距扩大，甚至在两所小学之间;在这一点上，施密特等人的主张[并应用。温度数据的加入增加了系统的时效性。结果表明，当准确测量学生的体温时，温度可以提前3周预测流感。结合Miller等的研究[]，温度在流感监测中的时效性优势可能确实存在。因此，今后要进一步提高温度数据的可靠性和准确性，规范仪器的摆放和操作程序是极其重要的。
限制
第一，热红外成像虽然简单，但其精度容易受到环境因素的影响[］．由于新冠肺炎防疫的需要，部分学校引进了该制度。但这些学校对疫情防控的重视程度不同，导致硬件保障和运行监管水平也不同。这些差异导致了数据质量的差异，特别是温度数据，这阻碍了对这些数据的进一步分析。第二，在监测期间，COVID-19是一个主要问题。虽然这在一定程度上促进了系统的推广，但监测区域的COVID-19病例数量太少，不足以成为目标疾病。然而，由于选择流感作为目标感染，流感流行的总体状态数据受到COVID-19预防压力的扭曲。因此，在不考虑COVID-19影响的情况下，需要重新评估现有的一些结果。最后，虽然本系统已获得政府授权收集敏感个人信息，但未来国家个人信息和隐私保护政策可能发生的变化将极大影响本系统的运行稳定性。
结论
将拟议的系统与现有的类似系统进行比较，可以看出其在简单、成本效益、数据质量、灵敏度和及时性方面的优势。研究表明，利用人脸识别技术记录的旷工情况是可靠的，但红外体温计记录温度的准确性有待提高。基于缺勤率和温度数据实施流感SSS是可行的。当流感活动水平适中时，DARs之间呈显著正相关;然而，随着水平的提高，darar之间的差距逐渐扩大，小学达到峰值的时间比初中提前约2周。采用温度测量大大加强了监测的及时性，使发现流感疫情的时间比传统系统提前了3周。本研究为解决监测系统开发的挑战，促进监测系统中症状数据采集的自动化提供了一种可行的方法。
致谢
本研究得到江西省吉安市科技局2020-05项目资助。我们感谢杭州汇北科技有限公司在开发和实施该系统方面的合作。我们也要感谢所有参与研究的三所学校的家长、老师和校长。我们也感谢中国国家流感中心提供的流感监测数据。
的利益冲突
没有宣布。
参考文献
- 陈勇，季伟，老雪，李强，王宏，张东，等。估算浙江省宁波市北仑区2018-2019年流感季的发病率。疾病监测2020年11月35(11):1003-1007。［<一个t一个rget="_blank" href="https://dx.doi.org/10.3784/j.issn.1003?9961.2020.11.010">CrossRef］
- Glezen WP, Couch RB。1974- 1976年休斯顿地区大流行间流感。中华医学杂志1978年3月298(11):587-592。［<一个t一个rget="_blank" href="https://dx.doi.org/10.1056/NEJM197803162981103">CrossRef] [<一个href="https://www.ncbi.nlm.nih.gov/entrez/query.fcgi?cmd=Retrieve&db=PubMed&list_uids=628375&dopt=Abstract" target="_blank">Medline］
- Frank A、Taber L、Glezen W、Geyer E、McIlwain S、Paredes A.社区和家庭中乙型流感病毒感染情况1976-1977年和1979-1980年在德克萨斯州休斯顿的流行病。中华流行病学杂志1983年9月118(3):313-325。［<一个t一个rget="_blank" href="https://dx.doi.org/10.1093/oxfordjournals.aje.a113638">CrossRef] [<一个href="https://www.ncbi.nlm.nih.gov/entrez/query.fcgi?cmd=Retrieve&db=PubMed&list_uids=6613976&dopt=Abstract" target="_blank">Medline］
- 杨颖，Sugimoto JD, Halloran ME, Basta NE, Chao DL, Matrajt L，等。甲型H1N1流感病毒的传播能力和控制。Science 2009 10;326(5953):729-733 [<一个href="https://europepmc.org/abstract/MED/19745114" target="_blank">免费的全文] [<一个t一个rget="_blank" href="https://dx.doi.org/10.1126/science.1177373">CrossRef] [<一个href="https://www.ncbi.nlm.nih.gov/entrez/query.fcgi?cmd=Retrieve&db=PubMed&list_uids=19745114&dopt=Abstract" target="_blank">Medline］
- 伍德尔J，罗森KE，麦克唐纳JC。1957年，年龄和亚洲流感。Br Med J 1958 11月;2(5108):1316-1318 [<一个href="https://europepmc.org/abstract/MED/13596596" target="_blank">免费的全文] [<一个t一个rget="_blank" href="https://dx.doi.org/10.1136/bmj.2.5108.1316">CrossRef] [<一个href="https://www.ncbi.nlm.nih.gov/entrez/query.fcgi?cmd=Retrieve&db=PubMed&list_uids=13596596&dopt=Abstract" target="_blank">Medline］
- 彼得森D，安德鲁斯J，莱维B，米切尔B.基于学校的有效流感监测系统。公共卫生公报1979年1月;94(1):88-92 [<一个href="https://europepmc.org/abstract/MED/419298" target="_blank">免费的全文] [<一个href="https://www.ncbi.nlm.nih.gov/entrez/query.fcgi?cmd=Retrieve&db=PubMed&list_uids=419298&dopt=Abstract" target="_blank">Medline］
- Lenaway DD, Ambler a .基于学校的流感监测系统评估。公共卫生代表1995年5月;110(3):333-337 [<一个href="https://europepmc.org/abstract/MED/7610226" target="_blank">免费的全文] [<一个href="https://www.ncbi.nlm.nih.gov/entrez/query.fcgi?cmd=Retrieve&db=PubMed&list_uids=7610226&dopt=Abstract" target="_blank">Medline］
- Schmidt W, Pebody R, Mangtani P.用于流感监测的学校缺课数据:英国的一项试点研究。Euro monitor 2010 1;15(3):19467 [<一个href="http://www.eurosurveillance.org/ViewArticle.aspx?ArticleId=19467" target="_blank">免费的全文] [<一个t一个rget="_blank" href="https://dx.doi.org/10.2807/ese.15.03.19467-en">CrossRef] [<一个href="https://www.ncbi.nlm.nih.gov/entrez/query.fcgi?cmd=Retrieve&db=PubMed&list_uids=20122378&dopt=Abstract" target="_blank">Medline］
- Crawford G, McKelvey S, Crooks J, Siska K, Russo K, Chan J.流感和基于学校的流感样疾病监测:马里兰州的一项试点计划。公共卫生Rep 2011年7月;126(4):591-596 [<一个href="https://europepmc.org/abstract/MED/21800754" target="_blank">免费的全文] [<一个t一个rget="_blank" href="https://dx.doi.org/10.1177/003335491112600416">CrossRef] [<一个href="https://www.ncbi.nlm.nih.gov/entrez/query.fcgi?cmd=Retrieve&db=PubMed&list_uids=21800754&dopt=Abstract" target="_blank">Medline］
- Short VL, Marriott CK, Ostroff S, Waller K. 2009-2010年宾夕法尼亚州流感哨点学校监测系统的描述和评价。《公共卫生杂志》2011年11月101(11):2178-2183。［<一个t一个rget="_blank" href="https://dx.doi.org/10.2105/ajph.2011.300132">CrossRef] [<一个href="https://www.ncbi.nlm.nih.gov/entrez/query.fcgi?cmd=Retrieve&db=PubMed&list_uids=21566024&dopt=Abstract" target="_blank">Medline］
- 王晓燕，王晓燕，王晓燕。学校缺勤的公共卫生监测自动化系统。《公共卫生管理实践》2011年1月17日(1):59-64。［<一个t一个rget="_blank" href="https://dx.doi.org/10.1097/PHH.0b013e3181e39ec3">CrossRef] [<一个href="https://www.ncbi.nlm.nih.gov/entrez/query.fcgi?cmd=Retrieve&db=PubMed&list_uids=21135662&dopt=Abstract" target="_blank">Medline］
- 威廉姆斯NJ，高希TS，比斯加德KM，沃格特RL。3个校本流感监测指标的比较:2009年甲型H1N1流感大流行的经验教训——科罗拉多州丹佛市大都市区《公共卫生管理实践杂志》2013年3月19日(2):119-125。［<一个t一个rget="_blank" href="https://dx.doi.org/10.1097/PHH.0b013e318252f005">CrossRef] [<一个href="https://www.ncbi.nlm.nih.gov/entrez/query.fcgi?cmd=Retrieve&db=PubMed&list_uids=23358289&dopt=Abstract" target="_blank">Medline］
- Donaldson AL, Hardstaff JL, Harris JP, Vivancos R, O'Brien SJ。基于学校的儿童急性传染病监测:一项系统综述。BMC infection Dis 2021 Aug;21(1):744 [<一个href="https://bmcinfectdis.biomedcentral.com/articles/10.1186/s12879-021-06444-6" target="_blank">免费的全文] [<一个t一个rget="_blank" href="https://dx.doi.org/10.1186/s12879-021-06444-6">CrossRef] [<一个href="https://www.ncbi.nlm.nih.gov/entrez/query.fcgi?cmd=Retrieve&db=PubMed&list_uids=34344304&dopt=Abstract" target="_blank">Medline］
- Lawpoolsri S, Khamsiriwatchara, Liulark W, Taweeseneepitch K, Sangvichean A, Thongprarong W，等。实时监测学校缺勤情况以加强疾病监测:移动电子报告系统的试点研究。2014年5月;2(2):e22 [<一个href="//www.mybigtv.com/mhealth/2014/2/e22/" target="_blank">免费的全文] [<一个t一个rget="_blank" href="https://dx.doi.org/10.2196/mhealth.3114">CrossRef] [<一个href="https://www.ncbi.nlm.nih.gov/entrez/query.fcgi?cmd=Retrieve&db=PubMed&list_uids=25099501&dopt=Abstract" target="_blank">Medline］
- 丁宏，黄超，王斌，吴勇，孙伟。基于智能手机的学校综合征监测系统及其在杭州市的应用。中华人民共和国高等学校卫生2019年12月40(12):1862-1864。［<一个t一个rget="_blank" href="https://dx.doi.org/10.1136/ebmh.12.2.39">CrossRef］
- 叶德坤，刘慧英，苏慧昌，肖杰，林志强，方伟杰，等。基于智能卡的香港流感样疾病电子缺课系统:设计、实施及可行性评估。JMIR公共卫生监测2017年10月3(4):e67 [<一个href="//www.mybigtv.com/publichealth/2017/4/e67/" target="_blank">免费的全文] [<一个t一个rget="_blank" href="https://dx.doi.org/10.2196/publichealth.6810">CrossRef] [<一个href="https://www.ncbi.nlm.nih.gov/entrez/query.fcgi?cmd=Retrieve&db=PubMed&list_uids=28986338&dopt=Abstract" target="_blank">Medline］
- Lai J, Hughes HE, Morbey R, Loveridge P, Lopez Bernal J, Saliba V，等。利用学校缺勤数据开发哨点综合征监测系统，例如监测2020年COVID-19大流行期间的缺勤情况。流行病感染2021年11月;149:e248 [<一个href="https://europepmc.org/abstract/MED/34749838" target="_blank">免费的全文] [<一个t一个rget="_blank" href="https://dx.doi.org/10.1017/S0950268821002399">CrossRef] [<一个href="https://www.ncbi.nlm.nih.gov/entrez/query.fcgi?cmd=Retrieve&db=PubMed&list_uids=34749838&dopt=Abstract" target="_blank">Medline］
- Aldridge RW, Hayward AC, Field N, Warren-Gash C, Smith C, Pebody R, Decipher my Data项目和学校。在英国，缺勤与流感监测数据相关吗?“破译我的数据”研究项目的结果，该项目通过与学校的科学参与进行。PLoS One 2016年3月11日(3):e0146964 [<一个href="https://dx.plos.org/10.1371/journal.pone.0146964" target="_blank">免费的全文] [<一个t一个rget="_blank" href="https://dx.doi.org/10.1371/journal.pone.0146964">CrossRef] [<一个href="https://www.ncbi.nlm.nih.gov/entrez/query.fcgi?cmd=Retrieve&db=PubMed&list_uids=26933880&dopt=Abstract" target="_blank">Medline］
- 韩杰，王卓。2006-2008年中国学校传染病事件分析。中华中学卫生杂志2010;31(4):463-465。［<一个t一个rget="_blank" href="https://dx.doi.org/10.16835/j">CrossRef］
- 宗伟，戴宇，潘伟。江苏省中小学生因病缺课情况监测。中华中学卫生杂志2010;31(1):04-85。［<一个t一个rget="_blank" href="https://dx.doi.org/10.16835/j.cnki.1000-9817.2010.01.040">CrossRef］
- 谭磊，程磊，闫伟，张杰，徐斌，地万五，等。利用每日综合征特异性缺勤数据早期发现学校疫情:中国农村的一项试点研究公共卫生2014年9月128(9):792-798。［<一个t一个rget="_blank" href="https://dx.doi.org/10.1016/j.puhe.2014.06.004">CrossRef] [<一个href="https://www.ncbi.nlm.nih.gov/entrez/query.fcgi?cmd=Retrieve&db=PubMed&list_uids=25200208&dopt=Abstract" target="_blank">Medline］
- 董X，博尔顿ML，卡尔森B，蒙哥马利JP，威尔斯EV。2013-14年中国天津市流感综合征监测。公共卫生杂志(Oxf) 2017年6月;39(2):274-281。［<一个t一个rget="_blank" href="https://dx.doi.org/10.1093/pubmed/fdw022">CrossRef] [<一个href="https://www.ncbi.nlm.nih.gov/entrez/query.fcgi?cmd=Retrieve&db=PubMed&list_uids=26968483&dopt=Abstract" target="_blank">Medline］
- 中小学传染病预防控制管理规定。中华人民共和国国家卫生健康委员会，2013年。URL:<一个t一个rget="_blank" href="http://www.nhc.gov.cn/wjw/pqt/201303/ad99f897dc7b4fd49d58ebc66631da33.shtml">http://www.nhc.gov.cn/wjw/pqt/201303/ad99f897dc7b4fd49d58ebc66631da33.shtml[2013-03-13]访问
- 学校建筑营养和健康指南。国家卫生健康委员会，2021年。URL:<一个t一个rget="_blank" href="http://www.nhc.gov.cn/sps/s7887k/202106/f0c87a90f08a4756ab0fd1d728be7d3b.shtml">http://www.nhc.gov.cn/sps/s7887k/202106/f0c87a90f08a4756ab0fd1d728be7d3b.shtml[2021-06-24]访问
- 中小学新冠肺炎防控技术方案(第四版)。中华人民共和国国家卫生健康委员会。URL:<一个t一个rget="_blank" href="http://www.nhc.gov.cn/jkj/s5898bm/202108/87b0b0c2190f4a799534aa11a1ab33e1.shtml">http://www.nhc.gov.cn/jkj/s5898bm/202108/87b0b0c2190f4a799534aa11a1ab33e1.shtml[2021-08-23]访问
- 姚辉，朱刚，张旭，王辉，张斌，马杰，等。中国16个省中小学校医现状及分析中国妇幼保健杂志2018;39(10):1455-1458。［<一个t一个rget="_blank" href="https://dx.doi.org/10.16835/j.cnki.1000-9817.2018.10.005">CrossRef］
- 潘晨，赵强，周晨，尹辉，徐斌。江西农村小学生病休对传染病监测系统缺勤监测效果的影响。中华预防医学2014 12月15(8):705-709。［<一个t一个rget="_blank" href="https://dx.doi.org/10.16506/j.1009-6639.2014.08.004">CrossRef］
- Nguyen AV, Cohen NJ, Lipman H, Brown CM, Molinari N, Jackson WL，等。3种红外热检测系统与集体发热筛查自报告的比较。新兴感染疫情2010年11月16日(11):1710-1717 [<一个href="https://dx.doi.org/10.3201/eid1611.100703" target="_blank">免费的全文] [<一个t一个rget="_blank" href="https://dx.doi.org/10.3201/eid1611.100703">CrossRef] [<一个href="https://www.ncbi.nlm.nih.gov/entrez/query.fcgi?cmd=Retrieve&db=PubMed&list_uids=21029528&dopt=Abstract" target="_blank">Medline］
- Dell'Isola GB, Cosentini E, Canale L, Ficco G, Dell'Isola M.非接触式体温测量:不确定度评估和筛查决策规则，以防止COVID-19的传播。传感器(巴塞尔)2021年1月;21(2):346 [<一个href="https://www.mdpi.com/resolver?pii=s21020346" target="_blank">免费的全文] [<一个t一个rget="_blank" href="https://dx.doi.org/10.3390/s21020346">CrossRef] [<一个href="https://www.ncbi.nlm.nih.gov/entrez/query.fcgi?cmd=Retrieve&db=PubMed&list_uids=33419187&dopt=Abstract" target="_blank">Medline］
- Goggins KA, Tetzlaff EJ, Young WW, Godwin AA。SARS-CoV-2 (Covid-19)工作场所温度筛查:北方地区热检测的季节性关注点。应用Ergon 2022 Jan;98:103576 [<一个href="https://europepmc.org/abstract/MED/34488191" target="_blank">免费的全文] [<一个t一个rget="_blank" href="https://dx.doi.org/10.1016/j.apergo.2021.103576">CrossRef] [<一个href="https://www.ncbi.nlm.nih.gov/entrez/query.fcgi?cmd=Retrieve&db=PubMed&list_uids=34488191&dopt=Abstract" target="_blank">Medline］
- Wright W, Mackowiak P.为什么用非接触式红外温度计筛查2019冠状病毒病无效?Open Forum infection Dis 2021年1月8日(1):ofaa603 [<一个href="https://europepmc.org/abstract/MED/33506067" target="_blank">免费的全文] [<一个t一个rget="_blank" href="https://dx.doi.org/10.1093/ofid/ofaa603">CrossRef] [<一个href="https://www.ncbi.nlm.nih.gov/entrez/query.fcgi?cmd=Retrieve&db=PubMed&list_uids=33506067&dopt=Abstract" target="_blank">Medline］
- Miller A, Singh I, Koehler E, Polgreen P.用于实时人群和个人级别流感监测的智能手机驱动温度计应用。临床感染杂志2018年7月;67(3):388-397。［<一个t一个rget="_blank" href="https://dx.doi.org/10.1093/cid/ciy073">CrossRef] [<一个href="https://www.ncbi.nlm.nih.gov/entrez/query.fcgi?cmd=Retrieve&db=PubMed&list_uids=29432526&dopt=Abstract" target="_blank">Medline］
- Simonsen L, Gog JR, Olson D, Viboud C.大数据时代的传染病监测:向更快和本地相关的系统发展。J infection Dis 2016 Dec;214(suppl_4):S380-S385。［<一个t一个rget="_blank" href="https://dx.doi.org/10.1093/infdis/jiw376">CrossRef] [<一个href="https://www.ncbi.nlm.nih.gov/entrez/query.fcgi?cmd=Retrieve&db=PubMed&list_uids=28830112&dopt=Abstract" target="_blank">Medline］
- Xiaolianxing。URL:<一个t一个rget="_blank" href="https://k12.xiaolianxing.com/">https://k12.xiaolianxing.com/#/login?redirect=%2F[2019-12-10]访问
- 中国国家流感中心。URL:<一个t一个rget="_blank" href="http://www.chinaivdc.cn/cnic/">http://www.chinaivdc.cn/cnic/[2021-09-01]访问
- 国家流感监测规划(2017年版)。中国国家流感中心。URL:<一个t一个rget="_blank" href="https://ivdc.chinacdc.cn/cnic/fascc/201802/t20180202_158592.htm">https://ivdc.chinacdc.cn/cnic/fascc/201802/t20180202_158592.htm[2017-09-30]访问
- 公共卫生监测系统:其使用和评价的最新进展。Annu Rev公共卫生2017年3月38:57-79 [<一个href="https://www.annualreviews.org/doi/abs/10.1146/annurev-publhealth-031816-044348?url_ver=Z39.88-2003&rfr_id=ori:rid:crossref.org&rfr_dat=cr_pub%3dpubmed" target="_blank">免费的全文] [<一个t一个rget="_blank" href="https://dx.doi.org/10.1146/annurev-publhealth-031816-044348">CrossRef] [<一个href="https://www.ncbi.nlm.nih.gov/entrez/query.fcgi?cmd=Retrieve&db=PubMed&list_uids=27992726&dopt=Abstract" target="_blank">Medline］
- Baral SD, Poteat T, Strömdahl S, Wirtz AL, Guadamuz TE, Beyrer C.跨性别妇女艾滋病毒的全球负担:系统回顾和元分析。《柳叶刀感染杂志》2013年3月13日(3):214-222。［<一个t一个rget="_blank" href="https://dx.doi.org/10.1016/S1473-3099(12)70315-8">CrossRef] [<一个href="https://www.ncbi.nlm.nih.gov/entrez/query.fcgi?cmd=Retrieve&db=PubMed&list_uids=23260128&dopt=Abstract" target="_blank">Medline］
- Mook P, Joseph C, Gates P, Phin N.英国2006/07年冬季学校病假监测试点计划:这些数据能否用作流感活动的指标?欧洲监控2007年12月;12(12):E11-E12。［<一个t一个rget="_blank" href="https://dx.doi.org/10.2807/esm.12.12.00755-en">CrossRef] [<一个href="https://www.ncbi.nlm.nih.gov/entrez/query.fcgi?cmd=Retrieve&db=PubMed&list_uids=18076857&dopt=Abstract" target="_blank">Medline］
缩写
| DAR:每天的缺勤率 |
| DFR:每天热率 |
| 瑞士:综合征监测系统 |
| 战争:每周的缺勤率 |
| 公司:每周热率 |
| WPRIV:流感病毒周阳性率 |
编辑:Y Khader;提交10.02.22;O Leal Neto、J Jiang等同行评议;对作者13.07.22的评论;修订版收到09.08.22;接受20.08.22;发表14.10.22
版权©杨震，蒋成华。最初发表于JMIR公共卫生和监测(https://publichealth.www.mybigtv.com)， 2022年10月14日。
这是一篇开放获取的文章，根据创作共用署名许可协议(https://creativecommons.org/licenses/by/4.0/)发布，该协议允许在任何媒体上不受限制地使用、分发和复制，但必须适当引用首次发表在《JMIR公共卫生与监测》上的原文。必须包括完整的书目信息，https://publichealth.www.mybigtv.com上的原始出版物链接，以及版权和许可信息。