4月11日，英国International Journal of Epidemiology期刊发表了一项题为《利用医疗保健寻求行为估算孟加拉国医院监测系统所遗漏的尼帕疫情国际流行病学期刊爆发数》（Using healthcare-seeking behaviour to estimate the number of Nipah outbreaks missed by hospital-based surveillance in Bangladesh）的研究，以孟加拉国尼帕疫情监测为例探讨了一种估算公共卫生监测系统遗漏数、评估公共卫生监测系统监测效果的可行方法。
现有的监测系统存在遗漏
文章发现，目前孟加拉国的疾病监测系统通常是基于医院的病例监测系统，而由于贫困、受教育程度较低、性别问题、交通基础设施薄弱等种种因素，并非所有患者都会前往医院寻求治疗，这就意味着如果仅依靠医院的监测系统来统计病例数量，很可能会因为遗漏病例而导致低估疫情的规模和影响。这是许多中低收入国家都面临的问题。
1988年，美国疾控中心（CDC）发布了评估公共卫生监测系统的指南，旨在通过对一系列特性的测量来评估公共卫生监测系统，其中包括灵敏度和代表性测量。灵敏度是指监测系统检测到的真实病例比例，代表性则指其对疫情随时间变化的描述以及对地点分布、人群分布的描述。然而，测量系统的灵敏度和代表性仍需要外部数据来比较人群中疾病的真实发生率。此类数据来源可能包括医疗记录和注册管理机构，而这类机构在资源匮乏的国家中少有存在，因此，该文章认为须有其他方法来评估监测系统的特性。
患者于监测医院就诊概率的测量
2007年，孟加拉国国际腹泻病研究中心流行病学、疾病控制研究所（the Institute of Epidemiology, Disease Control and Research, the International Centre for Diarrhoeal Disease Research, Bangladesh . ICDDR，B）与美国疾控中心在朗布尔（Rangpur）、拉杰沙希（Rajshahi）、福里德布尔（Faridpur）地区的三家三级医院建立了尼帕监测哨点，来系统地检测脑炎患者患尼帕病毒的证据。任何经实验室确诊的尼帕病例都会在随后进行疫情调查，以确定社区中的其他病例；每次疫情爆发的索引病例都是第一位到医院就诊的病人。
文章假设病例是否被监控系统识别取决于患者的医疗保健寻求行为，这些行为因患者疾病严重程度和居住地离监测医院的距离远近而异。病例在以下两种情况下可能会被监测系统遗漏：1、患者居住在远离监测医院的地方，于是去其他医院或私营机构就诊。2、患者由于病情过重或经济困难、交通不便等因素无法前去医院就诊。
为了估算患有严重脑炎的人在哨点监测医院就诊的可能性，该文章使用了孟加拉国三地区（Rajshahi、Khulna和Chittagong）医疗利用状况研究的部分数据，即对这三个地区医疗监测医院周边地区家庭调查的数据，并采用逻辑回归模型来估算患者去三级监测医院就诊的概率。由于寻求医疗保健的行为可能因疾病严重程度而有所不同，文章还列出了患者最终死亡与否作为交互项（interaction term）：
logit(Pr(Yi=1|di,xi))=β0+β1di+β2xi+β3dixi [1]
方程中Y指患者是否于三级监测医院就医，d表示病例与最近的三级监测医院间的欧几里德距离，x表示个体最终结果是死亡还是存活（死亡时编码为1，如存活则编码为0）。
监测系统遗漏的尼帕病例数测量
文章假设孟加拉国境内尼帕病例总数等于距监测医院每段距离的索引病例总数，且还将死亡和幸存的索引病例进行了分开考量：
Ntot=∑d,x(ntot(d,x=0)+ntot(d,x=1))， [2]
其中ntot(d,x)是距离监测医院距离为d结果为x的尼帕索引病例总数，包括检测到的病例数和未检测到的病例数：
ntot(d,x)=nobs(d,x)+nunobs(d,x).
假设被检测到的概率取决于到医院的距离，该文章将方程重写为：
E(ntot(d,x))=nobs(d,x)+(1−Pobs(d,x))⋅ntot(d,x),
其中Pobs表示距离为d、结果为x的尼帕索引病例被检测到的概率（即在三级监测医院就诊的概率），它可以用公式1估算。因此，距离为d、结果为x的索引病例的总数为：
ntot(d,x)=(n_obs (d,x))/(P_obs (d,x) ) .
为了估算尼帕疫情爆发总数，文章首先计算了在2007年至2014年间被医院监测体系检测到的所有索引病例距最近的监测医院的欧几里德距离，并确定患者最终存活与否。文章估计了nobs（d，x），即每公里可能观测到尼帕病例的概率（见图1），d的取值范围在距监测医院0到120km之间，且将存活的病例与死亡的病例分别进行了测量。随后通过公式2计算了尼帕索引病例总数，使用的最大距离仍是120公里，因为只有这个距离内的社区被纳入了医疗利用状况研究中。在研究期间，检测到的尼帕病例中也仅有一个超过了此距离，这表明被检测到的尼帕病例来自更远距离的概率很低。
该评估方法的可行性证明
从2007年到2014年，孟加拉国共检测到62次尼帕病毒爆发、145例尼帕病例。大多数疫情的爆发（72%）都包含一个被检测到的病例。索引病例聚集在孟加拉国的中部和西北部地区；未去监测医院就诊的病例大都分散在同一个地区，如图1A所示。监测医院检测到了55次疫情爆发（占所有爆发的89%）和110例病例（占所有病例的76%），其余病例均通过媒体报道等其他方式被检测到。大多数检测到的疫情位于距监测医院30公里范围内（图1B）。在医院检出的索引病例中，有89%（49/55）的患者最终死亡，而非索引病例的死亡率为76%（68/90），（p = 0.054）。
就尼帕索引病例而言，进入监测医院最终死亡（即病情较重）的患者是存活患者数的3.2倍（95% CI：1.6,6.6）。然而，进入监测医院的概率也随着距医院的距离而变化，死亡病例进入监测医院的概率从距医院10公里处的82%（95% CI：58,94）降至距离50公里的54%（95% CI：38,69）；幸存病例进入监测医院寻求治疗的可能性从10公里的36%（95% CI：24,51）降至50公里的25%（95% CI：18,34）。
文章估算2007年至2014年间共爆发了119次尼帕疫情（95% CI：103,140）（图1D），每个尼帕疫情高发季平均爆发15次，其中被检测到的次数有62次。这意味着基于医院的监测系统仅有46%的几率检测到尼帕疫情（95% CI：39,53），其他监测方式检测到的概率为52%（95% CI：44,60）。
图1 （A）2007-2014孟加拉国尼帕病毒患者索引病例分布地图，包括去过和没有去过监测医院的病例。（B）存活和死亡的病例、距监测医院的距离和尼帕疫情爆发数的分布直方图。（C）rho（d）预测和模型拟合有95％置信区间。（D）2007-2014年孟加拉国监测到的和估计未监测到的尼帕疫情累计爆发数。
假设每次疫情爆发的平均尼帕病例数为2.3（与研究期间每次观察到的平均病例数一致），则估测在2007年至2014年期间共有274例病例，平均每个高发季节有34例。通过模拟，文章证实了其方法可以测量疫情爆发的真实数量（984,95% CI：914,1061；真实数量为1000），如图2所示。
图2 模拟结果图
（A）模拟100×100-km区域疫情爆发的位置，具有空间异质性风险（通过Matern集群过程产生）。（B）检测到疫情爆发的可能性取决于爆发地距医院[（A）和（C）中的三角形标志]的距离。此外，在外围象限中没有检测到疫情的爆发[（A）和（C）中的条纹阴影区域表示在外围爆发]。（C）检测到的疫情。（D）超过100次模拟估计的疫情爆发数（不包括条纹阴影区域）直方图。每次真正的爆发次数是1000次。
结论及公共卫生监测系统评估建议
文章利用患者的医疗保健寻求行为估测自2007年到2014年，孟加拉国爆发了119次尼帕疫情，共274起病例，比医院监测系统检测到的疫情数量多一倍有余。媒体和临时监测仅检测到了七次未被医院监测系统发现的疫情，因此这些系统也只能弥补小部分的不足。
文章认为当没有其他外部数据存在时，这种利用医疗保健寻求行为数据来估计遗漏病例数的方法是评估医院监测系统的有效策略。尽管孟加拉国已经建立了尼帕病毒爆发监测系统，但由于医疗护理获取渠道不足，孟加拉国的疾病监测能力仍存在差距，许多中低收入国家都面临着这一问题。医院监测系统遗漏的病例反映了这类人群获得高等医疗护理的机会十分有限；如要改善监测系统，文章认为必须与除医院外的其他医疗机构合作。
文章还进一步建议将跨部门医疗保健利用状况调研纳入CDC监测评估指南中，用作评估系统敏感度和代表性的辅助工具。其他致力于了解其监测系统局限性的国家也可效仿孟加拉国，资助医疗保健利用状况调查，以更好地评估公共卫生监测系统的监测效果并加以改进。
