運用大數據鷹眼解讀2018大流感
根據國家衛計委發布的我國流感監測：2018年第1周（1月1-7日），全國南方省份哨點醫院報告的流感樣病例占門急診病例總數百分比（ILI%）為6.0%，高於2015-2017年同期水平（3.0%、3.2%、3.3%）；流感病毒檢測陽性率為41.0%，高於2015-2017年同期水平（13.2%，15.8%，20.2%）。北方省份哨點醫院報告的ILI%為5.8%，高於2015－2017年同期水平（4.1%，2.9%，3.8%）；流感病毒檢測陽性率為48.5%，高於2015-2017年同期水平（32.2%，17.5%，26.5%）。
綜上，我國流感監測哨點醫院報告的門急診流感樣病例比例和流感病毒檢測陽性率均高於過去3年同期水平，全國報告的流感暴發起數也顯著高於往年同期；流感確診住院與重症病例數也有所上升。
根據國內某iPOCT領跑企業自建的大數據平台統計：平台在2018年1月份已積累CRP和SAA測試數據300餘萬條，數據量遠超國家衛計委流感哨點醫院，堪稱國內最大的CRP、SAA實測數據平台。從2015年上線以來，已積累數據3000餘萬條，覆蓋全國30個省份，裝機超過500家醫療機構，建立臨床觀察點近100家，冷鏈跟蹤系統、售後服務系統、科室管理系統、臨床輔助系統已逐步上線運行，大數據平台進入了從量變到質變的關鍵時期。
「大流感」「大數據」在2018年年初不期而遇，流感病情對檢驗項目的影響是否能夠有所體現，是否存在一定的規律？筆者在2018年1月的300萬「大數據」中挑選了有代表性的上海、山東、浙江三家平台哨點的6萬數據為基礎，從「感染標誌物檢測」的實例視角來審視這場尚未結束的「熱點」。
常規數據不常規
1. CRP測試量的激增
上圖是三家平台哨點的CRP測試量，雖然CRP的測試結果與流感的確診是弱相關，但其作為「新三大常規」的一員，在大部分疑似感染病例的診斷中都會測試，因此，流感導致的門急診疑似感染病例激增，直接導致了CRP測試量的飛速上漲。分析2016-2017（綠圈處）、2017-2018年（紅圈處）的同比數據，就可以直觀看到這波流感對CRP測試量的間接影響。而在全國範圍內，大數據平台上記錄的測試量同比是從250萬飆升至600萬，而且測試量仍處於高位，「熱點」還在持續。
2. CRP陽性率的變化
上圖是三家平台哨點的CRP陽性率，2016年12月（綠圈處）、2017年12月（紅圈處）的同比陽性率升高4.32%，結合激增的測試數，陽性樣本絕對量由4000/月飆升至13000/月，增長超過200%。導致CRP陽性的因素有很多種，並非單純由感染造成，但是陽性率的突然升高勢必與當時的流行病學數據是息息相關的。傳染性、季節性的流行病是陽性率升高的重要因素。
上面兩組常規數據中，從量化的角度向讀者呈現這次乙型流感病情嚴重程度。而提供這種量化分析能力的大數據平台，第一次有機會把「已經發生」的情況，用數據的方式展現在讀者面前，把「互聯網+醫療」的理念落地，使其成為一件「很有意義的工作」。
然而「更有意義」的還在後面。
感染新貴「SAA」價值得彰顯
上圖是三家平台哨點的SAA陽性率的數據。2016年12月SAA的陽性率（綠圈處）比同期的CRP高出10.56%；2017年12月的SAA陽性率（紅圈處）比同期的CRP高出33.59%。項目間陽性率同比相差的23.03%很有研究價值。對上述數據進行粗淺推斷可以得出兩個結論：1.在相同人群中，SAA檢測的靈敏度比CRP高；2. 結合本次乙型流感病情，SAA檢測在病毒感染方面靈敏度更高。
上述數據也側面印證了SAA與CRP在臨床意義上的差異：SAA在細菌和病毒感染的早期均可升高，而CRP在病毒感染時一般不增高，因此在無流行病爆發時，SAA陽性率會較CRP高一些，而有流行病或季節性疾病爆發時，SAA的陽性率則會比CRP高很多。此時，兩者同時檢測可對早期呼吸道細菌和病毒感染的鑒別診斷提供有力的依據。例如兩者均增高細菌感染的趨向性較大；而CRP正常SAA明顯增高者,又多了一份呼吸道病毒性感染的趨向性診斷依據。又例如因物理因素所致的發熱和病毒感染引起的感冒，兩個病例同測CRP，都可能是正常結果，因而不能鑒別診斷，但加測SAA指標后，SAA增高者則提示呼吸道病毒性感染可能性更高；特別是在嬰幼兒感染性疾病的早期，細菌和病毒感染確實很難鑒別，而SAA和CRP的聯合檢測比單獨測CRP更有獨特的意義，更有利於小兒感染性疾病的早期診斷。動態觀察SAA的濃度可以了解病情和療效並能有效指導臨床用藥，減少不必要的抗生素的應用,有利於病人的早日康復和預防耐葯細菌形成。
「前線數據」引導「後方炮火」
專業檢測類（非自測產品，例如血糖試紙）的IVD產品的商業模式仍是以銷售渠道為主，在這種模式下，生產廠商往往無法接觸到醫療機構實際的使用情況，而只能根據渠道商的訂單制定生產計劃，而渠道商的庫存能力、市場敏感度間接影響了訂單預測的準確性。在無爆發性消耗（例如本次乙型流感）的情況下，生產計劃的準確性可以達到80%左右，而一旦出現了爆發性的消耗，斷貨、串貨、加班等問題就同時爆發了，並且有可能在病情改善後引發新一輪的滯銷。
醫療機構IVD產品的實際消耗情況雖然與疾病是弱相關，但從上述「大數據」平台上獲得的數據來看，已經足以用來對生產計劃的制定進行指導，可以達到「前線數據」引導「後方炮火」的效果，讓廠商和渠道商都可以提前做好準備工作，避免資源過度緊張后再出現過度富裕，將爆發性病情在產能和供貨方面的波動影響降低，從而降低隱性成本，提高利潤率。
同樣，由於「兩票制」「冷鏈運輸」等政策要求衍生出來的「小單、散單大幅飆升」「冷鏈數據監控」等需求，也可以在「大數據」平台上獲得一定的支撐。和快消品行業類似，IVD的未來也將是數據的未來。
傳染病防控體系與大數據
國家衛計委2018年1月9日例行新聞發布會上對「現代傳染病防控體系」進行了介紹：首先是要發現傳染病；其次是大面積生產一些診斷試劑，讓各個醫療機構能夠用起來，及時發現病人；然後是醫療機構開展治療工作；最後條件允許的情況下通過疫苗接種控制疫情。
以這次流感為例，國家衛計委通過全國現有554個監測點、400多家網路實驗室，迅速鑒定出了乙型流感病情和毒株；特異性的乙型流感診斷產品、CRP+SAA鑒別細菌病毒感染的非特異性診斷產品的大量應用，輔助醫療機構發現了大量病人；現在疫苗也已上市應用了。現代傳染病防治大概是這樣一個過程，從疾病的診斷、疾病的治療，特別是到它的防控，現在發展得比較快。
當然，現在的體系還存在完善空間，例如：病原的識別環節、流感554家監測點、408家實驗室，還遠遠不夠；國內地域差異大，從科研方面、覆蓋面、反映的速度方面來講，還是有地域差距；傳染病將來可能也要發展到精準醫療的階段，就是要更早、更精準地發現疾病，更加精準地制定有效的治療方案。這些需要完善的地方，「大數據」都有用武之地。
國務院高度重視今冬流感防治。國家衛計委按照國務院要求，印發了《關於做好2018年流感防治工作的通知》,結合大數據平台的應用，解讀如下：
一是加強流感疫情監測和處置。現在疫情的監測主要通過流感監測哨點醫院、網路實驗室來實現。而IVD大數據平台如能達到細分更精準、數據量更大、覆蓋範圍更廣、抽樣誤差更小的水平，它的應用值得期待。
二是切實做好流感醫療救治工作。目前制定發布的《流行性感冒診療方案（2018版）》，指導各地開展醫務人員培訓，做好當前流感醫療救治工作。配套臨床輔助診斷系統或電子病歷系統的大數據平台對醫療救治工作的開展也可以起到很多的支撐作用，數據統計、資源調配、物流配送等功能可以讓救治工作的運轉更加順暢、無縫鏈接。
三是發揮醫聯體作用加強基層醫務人員流感診療培訓。除了常規的培訓方式，遠程醫療手段的應用、遠程培訓的開展，也是可以通過大數據的平台來提高效率，讓基層醫務人員獲得更加及時的培訓。
四和五是發揮好基層在流感防治中的作用、加強流感健康宣傳教育。大數據平台深層次的開發就包含「個人健康檔案管理」「健康科普頻道」等內容，這對基層流感的防治工作也可以起到積極的作用。
結語
運用大數據鷹眼解讀2018年大流感筆者先分享到此。但流行病還在繼續、大數據的開發還在繼續，碰撞還會發生，我們期待在下次的碰撞中能夠看到更加完善的應用體系和分析系統為醫療提供服務。醫療、檢驗的大數據及人工智慧的發展已經進入快車道了，筆者今天呈現給讀者的僅僅是一家領跑企業的「初稿「，真正能夠給檢驗醫學帶來價值的產品還在孕育開發。智慧醫療、智慧POCT等等理念正在逐步落地、生根，然而哪些會長成參天的大樹、哪些會成為枯榮的小草尚不可知。且不管未來如何抵達，但未來在哪裡已經很明確：精準化、自動化、雲端化、共享化。
來源：CAIVD