1 引 言
随着大数据时代的来临，以数据驱动的科学研究思维已经成为各领域科研工作的主导方向。情报学研究本身就擅长信息采集、信息处理、情报分析、情报服务研究和实践，各类数据迅猛增长是其获得蓬勃发展的有利契机，也带来了诸多发展机遇与研究实践的挑战。当前环境下的大数据具有更多复杂的特性，需要面向更加复杂多维的数据网络、更加多样化的数据分析方法、更加精准化的用户服务、更加有针对性的呈现方
式[1] 。此时，情报学作为与数据研究密切相关的科学，适应大数据时代发展的主要任务就是利用情报学的理论和思维解决大数据的复杂特性，进一步从数据中提炼情报相关的理论、技术和方法[2] ，形成适应大数据时代的新的知识服务模式。大数据中的传染病监测型数据是其主要数据集之一，也是有关传染病的情报与知识本身的重要来源。传染病监测体系与当前信息化时代背景相融合，有效促进了关于传染病发病和病死人数、发病时间和发病地点等信息的有序积累。在数据对象的基础上，将情报学研究的理论和方法逐层嵌入数据分析的过程中，有效地推动当前分布广而复杂的事件数据的整合，形成辅助决策主体的情报资源的知识聚合，充分发挥情报在传染病危机事件预警决策中的关键性作用。最终形成以“信息—情报—危机决策”为依托的传染病监测预警研究模式，本质上是一个信息多维聚合、情报分析与应用、制定精准决策的过程。由此可见，基于情报学的理论和方法在探索传染病的危机探测中，既具有可行性又具有一定的现实意义。但当前关于传染病的发生、流行与暴发的检测预警和预警机制研究相对薄弱，因此，本研究围绕传染病危机探测展开探讨，依据情报学理论与方法对该主题进行理论和实践的双重验证，在构建危机探测决策支持服务分析理论框架的基础上，进一步围绕各类监测数据展开有针对性的实证研究。
2 国内外研究现状
国内外有关危机探测的研究集中分布于企业竞争情报、网络舆情监测预警、突发事件危机探测等众多领域，研究者围绕危机监测与识别、危机探测机制、危机预警应对模式展开理论和实践研究，发现行之有效的预警系统是降低灾害风险、挽救众多生命和财产利益的重要助
力[3] 。危机探测流程研究中，有研究者设计了应对企业危机预警的反竞争情报的工作流程[4] ，以及在理论研究基础上融合信号分析的理论，确定危机发生与发展过程的信号推导和传递[5] ，并最终构建企业危机预警竞争情报体系[6] 。危机探测评价研究指标中，研究者基于网络舆情的发生和发展过程提取关键指标体系[7] 、识别网络舆情监测点[8] ，以及纵向挖掘和横向防控信号识别过程[9] 。围绕着预警指标和检测点和发展态势的研究基础，研究者进一步构建网络舆情危机探测模型[10,11,12] ，并且从较高的层次上对网络舆情密切相关的主体和客体的精神利益、经济利益做出评价[13] 。但公共卫生领域有关危机探测的研究较少，近年来随着传染病在全球范围的广泛传播与流行，尤其自埃博拉病毒等传染病全球性大暴发以来，国外学者发现许多公共和私营部门的管理者都开始逐渐意识到公共卫生突发事件的管理的重要
性[14] ，并且意识到了传染病流行带来的经济威胁[15] ，以及其他新的健康相关挑战[16] 。国内部分研究者开始关注并讨论公共卫生事件危机探测的机制，从相关法制建设、危机意识、监督管理体制、预警相关设备和责任划分及承担方式等方面剖析了公共卫生危机探测机制[17] 和突发公共卫生危机事件预警管理体系[18] 。医院舆情危机方面主要探讨了危机事件来源、扩散媒介以及舆情事件发生源头、传播特点、传播渠道和评价倾向性等特点[19] ，以及危机探测在临床护理中的应用[20] 。高校环境下的突发传染性疾病危机探测探索中，有研究者构建了高校突发性传染病危机管理工作模型[21] 。众所周知，传染病由于其具有可传播的特性，是危害人类健康的主要疾病，若得不到有效的控制可以波及较大范围的人群，带来严重的生命健康威胁和经济财产损失，因此，探讨传染病的危机探测具有一定的研究意义。但目前围绕该传染病监测与识别决策支持服务的研究较少，存在情报资源体系不够系统、组织分析体系不够完善、情报价值利用率较低等现状，因此本研究拟对其展开探讨。3 传染病危机探测决策支持服务体系
危机事件的监测与识别过程是围绕整个危机事件制定应对决策较为关键的一环，贯穿从多源数据收集原则、基于主题事件的信息整合、危机事件的评估与识别等内容，最终通过逻辑嵌套、组织、整合构成应急决策情报体系。基于此，从情报视角出发，依据情报在该过程的采集预处理、加工与组织、分析与服务，将传染病危机事件的监测与识别归纳为“一个目标、三个对象、三层分析、三个核心”的决策支持服务体系。一个目标即危机事件的预警；三个对象为研究覆盖的数据范围：宏观数据、实时数据、精准数据；三层分析为实施过程的具体步骤：描述分析、规律识别、评价利用；三个核心为研究始终围绕的重点：直接的危机、关联的危机、潜在的危机。构建的危机探测决策支持服务体系如图1所示。
3.1 数据的集成与整合
危机事件的监测与识别是以数据和信息为载体，对与事件相关的信息进行搜集、遴选、比较、分析以及评估，将凝练的信息提供给应对危机事件的决策主体。由此可见，数据的质量和数量是影响危机事件判定的科学性、准确性和有效性的主要影响因素。因此，提出危机事件决策体系的数据要覆盖“三个对象”：宏观数据、实时数据和精准数据，能够反映全局的多角度变化情况，满足决策制定的整体性、及时性和准确性。首先，宏观数据是国家层面统计的整体疾病暴发的发病及死亡人数分布情况，是集中反映危机实况整体性的体现，在探究危机事件数据之间相关关系时必须嵌入足量宏观数据，才能从全局的视角识别危机的严重程度和变化趋势。其次，实时性数据是传染病监测的有关责任报告单位或者责任疫情报告人发现传染病病例或疑似病例时，在规定的时效范围内向上级单位汇报的数据，以及国家疾病预防控制局每月汇总整理的传染病统计数据。实时性体现了危机事件的突发性、随机性和不确定性，危机情况的暴发可能随时间的推移而有不同程度的改变，故需要实时数据的更新补充，如月报数据、实时网络直报等。再者，精准数据是对传染病的患病种类、暴发地点等具体详细信息的记录，精准性体现在决策制定的需求，必须根据准确的、多维的、详细的数据才能制定更为行之有效的方案。传染病监测系统构成和数据组成如图2所示。
3.2 信息的组织与分析
从情报学的序化论、转化论和融合论共同组成的“三动论
”[22,23] 角度出发，传染病的危机探测是以情报中的数据、信息、知识为对象，研究其序化、转化与融合三个模块，最终实现为危机决策提供辅助知识，其研究的核心就在于利用情报分析的理论和方法来组织危机事件的信息流逐层增值，发挥情报指导危机探测决策的知识支撑作用。通过情报视角下对危机事件情报的采集与处理、传递与转化、情报加工与组织、情报分析与服务，促使传染病危机事件数据从无序到有序、从抽象到具体、从冗余到精练，将这些游离态的情报信息实现有序重组、转化与利用[24] 。通过挖掘出基于传染病危机事件形式特征和内容特征的演化规律和关联性，为传染病危机事件决策支持体系提供知识服务。基于此，传染病危机探测的情报分析概括为“三层分析”：描述分析、规律识别和评价利用，是危机事件情报从数据到信息再到知识的价值传递及显性化，共同组成了一个发现问题、分析问题及解决问题的情报增值路径。信息分析的过程是采用一定的信息组织方法、统计分析方法和机器学习等方法，对危机事件相关的材料数据进行组织、筛选及序化。随之产生的是对危机的识别过程，即对危机指标体系的挖掘与构建、对监测点的探索与发现、对危机探测机制的分析。危机探测的三层分析如图3所示。3.3 危机的识别与判断
根据危机事件的数据内容特征和决策服务的本质需要，可知对危机事件信息内容的研究是围绕多源数据的融合、内涵特征分析以及决策需求的深度融合，是通过多维度多个层次的情报知识融合，最终形成危机事件危机预警情报。该内容研究的过程，始终围绕着决策需求的“三个核心”，即直接危机、关联危机和潜在危机。三种危机的多重危机监测与识别是一个整体且有序的过程，从危机事件自身固有特点和相关研究成果可见，危机事件的监测多是面向过程的，是事件相关发生与发展数据的有序记录，而危机事件的识别则大多侧重于方
法[25] ，是围绕研究目的展开的一系列探究方法的运用，但两者之间的关系又是相互交错、相互促进、相互结合的。危机的识别与判断是通过对事件的监测和分析，最终从已有的既定事实中发现潜在的规律和模式，进而为危机探测的决策支持提供服务的过程。三种危机识别过程的共性在于都时刻紧密围绕着危机事件的检测、识别和预警，但三者对影响危机事件原因的揭示深度存在差异，在某些特定情况下三种危机因素间又可以相互转化。危机探测分析的三个核心如图4所示。4 实证研究——病毒性肝炎发病危机探测
相关研究和统计数据显示，我国是病毒性肝炎的高中度流行地
区[26] ，中国卫生和计划生育统计年鉴显示，2016年我国病毒性肝炎发病人数约为122万人[27] ，位居全国甲、乙类法定报告传染病发病人数的首位。因此以病毒性肝炎为例，选取全国统计年鉴数据[28] 和传染病预防控制局报告数据的公共卫生数据 为研究对象，进一步探索其在时间维度上的流行规律。
4.1 传染病监测数据的集成与整合
选取宏观的中国卫生和计划生育委员会疾病预防控制局网站发布的2004—2017年全国病毒性肝炎发病数据、实时的传染病预防控制局的每月报告数据，以及精准的病毒性肝炎分型数据为研究对象。分型数据中，由于我国于2016年1月开始报告丁型肝炎疫情，导致不能判断2004—2015年的未分型肝炎具体为丁型肝炎或其他种类病毒性肝炎，故仅分析甲型、乙型、丙型和戊型四种分型的肝炎。为提高模型的预测精度，对病毒性肝炎数据进行标准化处理，统一缩小十万倍转换为(0, 20)之间的数值，具体如表1所示。
4.2 传染病监测数据信息的组织与分析
在数据整合的基础上依照组织原则与统计内容的不同，通过描述分析、规律识别和评价利用实现“三层分析”。描述分析研究，首先是从年度视角展开整体趋势上的变化分析，然后根据月份数据分析传染病在一年12个月间的变化特征，最后按病毒性肝炎的分型探究历年间的增长变化情况。规律识别研究，是采用时间序列分析方法ARIMA发掘传染病人数在时间维度的变化规律。评价利用研究，是对三组模型结果的均方误差（MSE）、平均绝对误差（MAE）、平均绝对百分误差（MAPE）的值进行计算，分析模型构建结果的可靠性、适用性和准确性。
4.2.1 数据的描述分析
1）病毒性肝炎患者年度分布情况描述分析
对每月患者人数求和得到每年病毒性肝炎发病总人数，绘制2004—2017年病毒性肝炎发病人数频数分布直方图和发病人数增长率折线图，如图5所示。
由频数统计结果可见，从2004—2007年病毒性肝炎发病人数呈缓慢增长趋势，然后在2007—2017年人数呈波动状态。从发病人数增长率情况分析，在2005—2010年，发病人数增长率有所下降，在2010—2015年呈波动状态，而在2015—2017年发病人数增长率呈现逐年上升趋势。
2）病毒性肝炎患者月份分布情况描述分析
对2004—2017年历年1—12月的数据分别对应的病毒性肝炎发病人数求和，绘制病毒性肝炎1—12月的频数分布及增长率情况，如图6所示。
由图6可见，在发病人数变化趋势方面，发病人数在1—2月人数较少，3—4月人数较多，在5—12月呈波动状态。在发病人数增长率方面，患者在2—3月的增长幅度最大，在4—12月呈波动状态。
3）病毒性肝炎分型分布情况描述分析
以2004—2017年患者数据为研究对象，对1—12月病毒性肝炎各分型的每月数据对应求和，得到每年病毒性肝炎各分型发病人数的总发病人数，绘制各分型病毒性肝炎发病人数的变化折线图，如图7所示。
从各类型病毒性肝炎发病的人数可见（图7），乙型肝炎发病人数远远高于其他类型的发病人数。从变化趋势可见，乙型肝炎近几年的发病人数呈上升趋势，丙型肝炎发病人数呈现缓慢升高的趋势，而甲型肝炎和戊型肝炎发病人数相近似且趋于平稳。
4.2.2 时间分布规律识别
ARIMA时间序列模型的构建。将2004—2017年每年1—12月各月患者人数数据集作为训练集输入R，对2018—2020年患者人数进行预测，并根据2018年1—4月的真实报告人数对模型进行验证。原始数据趋势图结果显示原始数据不平稳，故进行差分处理。原始数据的自相关系数（ACF）和偏自相关系数（PACF）如图8所示。将数据进行一次差分得到较为平稳的序列，结果如图9所示。
根据自动预测函数拟合的结果进一步进行参数的估计，多次调整和修改ARIMA模型的p、d、q值，对结果进行比较。根据选取较小赤池消息量（Akaike Information Criterion，AIC）的原则，选取(1,1,2)(2,1,0
)12 模型作为拟合模型，然后对2018—2020年三年的月份数据进行预测，得到ARIMA模型预测结果。2018—2020年各年1—12月发病人数预测结果如图10所示，2004—2020年病毒性肝炎发病人数趋势如图11所示。4.2.3 模型的评价利用
针对所建立的ARIMA模型进行均方误差（MSE）、平均绝对误差（MAE）、平均绝对百分误差（MAPE）的计算，模型预测效果对比如表2所示。
MSE是指参数估计值与参数真值之差平方的期望值，可以评价数据的变化程度，该模型预测的MSE值越小，说明预测模型描述实验数据具有越好的精确度。MAE是绝对误差的平均值，该模型 MAE为0.58945，较好地反映了预测值误差的实际情况。
4.3 危机的识别与判断
4.3.1 直接危机
传染病监测数据的描述统计分析结果显示历年发病总人数呈不断波动变化的状态，前期患病人数增多会导致疾病的传染源增多，从而对未患病的人群产生更多的威胁，形成导致次年发病人数增长的直接危机。发病人数年度增长率多数为正数，且近年来逐渐上升，预示发病人数呈增长趋势。2004—2007年发病人数的持续增长，对2008年病毒性肝炎的预防控制工作形成了直接的危机。近年来，病毒性肝炎的发病人数在2015—2017年呈缓慢增长的状态，患病人数持续积累，同时，发病人数增长率在2013—2017年持续增长，共同揭示了2013—2017年病毒性肝炎的发病情况。
4.3.2 间接危机
导致病毒性肝炎流行的间接危机是其疾病本身的特征所带来的危机。病毒性肝炎主要分为甲、乙、丙、丁、戊五种类型，描述分析结果显示，病毒性肝炎众多分型中的乙型和丙型是威胁人群健康的主要类型，且乙型肝炎的发病者人数远远高于其他类型，每年发病人数大约都在100万人以上。此外，丙型肝炎发病人数是各类型中的第二主要传播类型，发病人数在近几年呈现逐渐增长的趋势。病毒性肝炎各类型的传播扩散途径主要是血液传播、破损黏膜接触传播等方式，此类情况在生活中都较容易发生，因而各类型病毒性肝炎的传播与扩散途径构成了病毒性肝炎发病人数增长的间接危机。
4.3.3 潜在危机
根据目前积累的2004—2017年1—12月的发病人数数据构建时间序列模型，据此对未来三年进行推测。结果显示，每年的3月是发病的第一个高峰时间，8月是第二个高峰时间，据此推测未来三年的3月和8月存在病毒性肝炎暴发的潜在危机。2018年最新统计数据显示，病毒性肝炎1月发病总人数为136377人，2月为106890人，3月为151849人，4月为134147人，实际情况证明3月确实存在一个高峰值，预计下一个发病人数上升的高峰时间为2018年8月，模型能够对病毒性肝炎人数增长的潜在危机进行预判。
5 结 语
因为传染病包含的种类繁多，且具有不同程度的传染性和致死性，一直是威胁人类生命健康的重要防治疾病，虽然当前一些疾病得到了有效的控制，但仍然有诸多传染病在人群中广泛传播。因此，本文基于情报视角对传染病的监测识别展开深入探讨，以期发现传染病流行危机的识别方法，并制定相应的危机探测决策支持服务体系。从监测报告数据的角度分析了病毒性肝炎的时间演进规律，构建时间序列分析的预测模型，研究结果可在一定程度上解释传染病流行人数的潜在规律。由此可见，将情报分析知识与数据挖掘理论和方法相结合，对传染病危机探测的管理和决策具有重要的现实意义。
参考文献
- 1
曾建勋, 魏来. 大数据时代的情报学变革[J]. 情报学报, 2015, 34(1): 37-44.
- 2
苏新宁. 大数据时代情报学与情报工作的回归[J]. 情报学报, 2017, 36(4): 331-337.
- 3
Sands P, Mundaca-Shah C, Dzau V J. The neglected dimension of global security—A framework for countering infectious-disease crises[J]. The New England Journal of Medicine, 2016, 374: 1281-1287.
- 4
王晓慧, 成志强. 面向企业危机预警的反竞争情报需求分析[J]. 情报科学, 2017, 35(1): 47-50.
- 5
徐芳, 赵超烨. 基于信号分析的企业危机预警竞争情报体系构建[J]. 情报理论与实践, 2015, 38(6): 77-82.
- 6
彭靖里, 周勇胜, 邓艺, 等. 基于竞争情报的危机预警体系构建及其应用研究[J]. 情报理论与实践, 2009, 32(6): 6-10.
- 7
曾润喜. 网络舆情突发事件预警指标体系构建[J]. 情报理论与实践, 2010, 34(1): 77-80.
- 8
王青, 成颖, 巢乃鹏. 网络舆情监测及预警指标体系研究综述[J]. 情报科学, 2011, 29(7): 1104-1108.
- 9
许鑫, 张岚岚. 突发事件网络舆情预警模式探索[J]. 图书情报工作, 2010, 54(22): 135-138.
- 10
孙玲芳, 周加波, 林伟健, 等. 基于BP神经网络和遗传算法的网络舆情危机预警研究[J]. 情报杂志, 2014, 33(11): 18-24.
- 11
杜智涛, 谢新洲. 利用灰色预测与模式识别方法构建网络舆情预测与预警模型[J]. 图书情报工作, 2013, 57(15): 27-33.
- 12
张一文, 齐佳音, 方滨兴, 等. 基于贝叶斯网络建模的非常规危机事件网络舆情预警研究[J]. 图书情报工作, 2012, 56(2): 76-81.
- 13
刘海明. 论网络舆情预警的主客体及其伦理问题[J]. 情报杂志, 2015(8): 127-131.
- 14
Bansal S, Chowell G, Simonsen L, et al. Big data for infectious disease surveillance and modeling[J]. Journal of Infectious Diseases, 2016, 214(suppl 4): S375-S379.
- 15
Sands P, El Turabi A, Saynisch P A, et al. Assessment of economic vulnerability to infectious disease crises[J]. Lancet, 2016, 388(10058): 2443-2448.
- 16
Kupferschmidt K. Refugee crisis brings new health challenges[J]. Science, 2016, 352(6284): 391-392.
- 17
苏鹏程. 基于我国国情的公共卫生危机预警机制研究[D]. 南京: 南京师范大学, 2011.
- 18
马晓光. 我国公共卫生事件的危机预警管理研究[D]. 大连: 东北财经大学, 2013.
- 19
赵君, 孔斌, 杨莉敏. 医院面对新媒体舆情危机的应对模式[J]. 中国卫生信息管理杂志, 2017, 14(3): 506-509.
- 20
杨艺, 江家芳, 罗英. 危机预警机制在临床护理安全管理中的应用[J]. 智慧健康, 2017, 3(22): 121-122.
- 21
吴政清. 高校突发性传染病危机管理研究[D]. 长沙: 中南大学, 2012.
- 22
Fritsch L. The clean privacy ecosystem of the future Internet[J]. Future Internet, 2013, 5(1): 34-45.
- 23
化柏林. 情报学三动论探析: 序化论、转化论与融合论[J]. 情报理论与实践, 2009, 32(11): 21-24.
- 24
李纲, 李阳. 情报视角下的突发事件应急决策研究[J]. 情报理论与实践, 2015, 38(8): 61-65.
- 25
李纲, 李阳. 情报视角下的突发事件监测与识别研究[J]. 图书情报工作, 2014, 58(24): 66-72.
- 26
刘志学. 群策群力, 提高我国病毒性肝炎防治可及性——访中国工程院院士庄辉教授[J]. 中国医药导报, 2015, 12(24): 1-3.
- 27
中华人民共和国国家统计局. 甲乙类法定报告传染病发病人数及死亡人数(2016)[EB/OL]. [2018-03-01]. http://www.stats.gov.cn/tjsj/ndsj/2017/indexch.htm.
- 28
中华人民共和国国家统计局. 中国统计年鉴[EB/OL]. [2018-03-01]. http://www.stats.gov.cn/tjsj/ndsj/.
- 1
摘要
随着我国信息化建设进程的不断加快，传染病监测系统积累了大量精准的传染病监测数据。依据情报学的理论和方法充分挖掘传染病监测数据的情报价值，可以为公共卫生管理和预防部门提供决策支持服务。研究以传染病的国家统计年鉴数据和传染病预防控制月报数据为分析对象，将传染病危机事件的监测与识别过程归纳为“一个目标、三个对象、三层分析、三个核心”，并构建危机探测决策支持服务体系。从理论层全方位梳理传染病危机件的数据整合、信息分析和危机探测，从实践层融合采用统计分析和机器学习的信息分析方法，搭建传染病流行时间序列预测模型，以期能够推动传染病的监测、识别和危机探测有关的理论研究和实践创新。
Abstract
As China s informatization process continues to accelerate, infectious disease surveillance systems have accumulated large amounts of accurate data. According to the theories and methods of information science, we can fully mine the intelligence value of information from infectious disease surveillance data. Analysis of this material can provide decision support services for public health management and prevention departments. In particular, this study focused on data from the China Statistical Yearbook of Infectious Diseases, and the China National Bureau Statistics monthly report on infectious disease prevention and control. The process of monitoring and identifying infectious disease crisis events is summarized as “one goal, three objects, three levels of analysis, and three cores.” Another aspect of infectious disease control is building crisis detection/decision support service systems. Theoretical level, this study assesses data integration, information analysis, and crisis detection in infectious disease events. On a practical level, it integrates methods of statistical information analysis with machine learning to establish a forecasting model of epidemic over time. Its aim is promoting theoretical research and practical innovation related to the monitoring, identification, and crisis detection of infectious diseases.
