監測預警基礎26-移動流行區間法中閾值的計算方式

系列簡介

這是我們一系列原創技術貼，從易到難，每天學習一點。所有內容均為疾控數據分析、科研論文相關，或者說很多和現在的熱門監測預警相關，所以我們這個系列就叫“監測預警基礎”。

今天是第26節，也是MEM的最后一節。

上一節我們已經講了很多了，可以采用函數計算流行期了，但是這并不是MEM的真正目的，MEM的目的是對目標時間進行預警。

預警就需要閾值，我們這一節就講閾值的設置。

MEM模型通過歷史數據劃分流行期后，下一步是利用劃分結果計算閾值：

流行閾值（Epidemic Threshold）：基于流行前期和流行后期（非流行期）數據，確定流行開始和結束的臨界值。

強度閾值（Intensity Threshold）：基于流行期數據，定義中、高、極高流行強度的分級標準。

這些閾值用于監測當前數據：當監測指標超過流行閾值時，認為流行開始；超過強度閾值時，判定流行強度等級。

我們先計算流行閾值，也就是流行開始和流行結束閾值。

流行開始閾值是指當監測指標（如發病率）超過此值時，認為流行期開始。流行結束閾值是指當監測指標低于此值時，認為流行期結束。這兩個閾值共同定義了流行期的邊界，確保預警信號及時且準確。

1.計算原理 利用已經劃分的流行前期和流行后期的監測指標值計算流行開始和結束閾值。選擇各流行前期中監測指標最大的n個值納人分析(n=30/N，N為納入分析的流行季數，取值范圍為5~10),計算這些值的算術均數的單側95%置信區間、將置信區間的上限作為流行開始閾值。同理，利用各流行后期數據計算流行結束閾值。

2.數據來源

使用歷史流行季的流行前期和流行后期數據（即非流行期數據），例如我們上一節的數據流行前期是第1-18周，流行后期是第33-52周。

篩選數據點：例如，如果N=9（即9個流行季），則n = 30 / 9 ≈ 3.33，通常取整為4，然后從每個歷史流行季的流行前期中，選擇監測指標值最大的4個值組成一個數據集。

3.計算這些值的算術均數

計算算術均數的單側95%置信區間（上限），作為流行閾值。流行開始閾值使用流行前期的數據計算。流行結束閾值使用流行后期的數據計算，方法相同。

4.為什么這樣做？ 使用非流行期的高值數據，可以捕捉到“基線波動”的上限，避免將正常波動誤判為流行。95%置信區間提供了統計顯著性，確保閾值可靠。
1.計算目的

在流行期內，進一步將流行強度分為中、高、極高等級，以便采取差異化防控措施。例如，超過“高流行閾值”時，可能需要啟動應急響應。

2.計算原理

利用已經劃分的流行期的監測指標值計算中、高和極高流行強度閾值。選擇各流行期監測指標最大的n個值納人分析(n=30/N),計算這些值的幾何均數的單側50%、90%和95%(或40%、90%和97.5%)置信區間，將此3個置信區間的上限依次作為中、高和極高流行強度閾值。

3.數據來源

使用歷史流行季的流行期數據（即流行開始到結束的周次數據），例如之前的例子中，流行期是第19-32周。

4.篩選數據點

從每個歷史流行季的流行期中，選擇監測指標值最大的n個值（n = 30 / N，與流行閾值相同）。

5.統計計算

先計算數據對數的均數和標準誤，然后反推回原始尺度。

中流行強度閾值：單側50%置信區間上限（即中位數水平）。

高流行強度閾值：單側90%置信區間上限。

極高流行強度閾值：單側95%或97.5%置信區間上限。

將所有選出的n個值合并為一個數據集，計算這些值的幾何均數（而非算術均數），因為傳染病數據常呈偏態分布，幾何均數更能代表集中趨勢，計算幾何均數的單側置信區間上限，作為強度閾值：公式示意（幾何均數的置信區間需對數轉換）。

到此為止，MEM就基本講完了。

它的具體實現有兩種方式，一是R軟件加載運行mem包，二是通過網頁版MEM Dashboard實現，（http://memapp.iecscyl.com:8080/），我們后面再詳細講述！

編輯：普通疾控人 | 審核：詩酒趁年華

文章來源 | 原創

說明 | 轉載只為分享，如有侵權聯系刪除

?版權聲明 | 部分信息和圖片來自公開網絡

轉載請注明

再次轉載請注明出處

科普健康 | 宣傳疾控

本號為多位疾控機構從業者運營

重點關注國內外健康事件

致力于疾控科普

在做好科普服務大眾的同時

做好疾控機構的宣傳

讓更多的人了解疾控，擁抱健康

歡迎加「小編」微信(cdcjkr126com)

本文具體說明

本文為原創內容，文章為個人理解所學，不涉及疫情信息及內部保密數據，發表的目的為自我總結及給有需求的人士學習使用。如有不妥之處，歡迎聯系小編修改、刪除。

更多精彩視頻，盡在“CDC疾控人”視頻號