{
  "id": "sentinel-surveillance",
  "title": "哨点监测",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "哨点监测从选定的机构或人群中系统收集健康数据，以追踪疾病趋势、了解健康威胁并指导公共卫生行动。",
  "category": "health",
  "subcategory": "public-health",
  "type": "concept",
  "aliases": [
    "哨点式监测"
  ],
  "generated_at": "2026-11-04",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/sentinel-surveillance/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/sentinel-surveillance/",
      "json": "https://aiwiki.page/en/sentinel-surveillance.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "哨点监测是公共卫生监测的一种形式，由选定的报告点、专业人员、机构或人群，系统收集并报告特定健康事件的信息。它并不试图记录整个人群中的每一个病例，而是将监测资源集中于一个明确界定的网络。其主要目的包括追踪趋势、了解疾病分布特征、发现异常活动，以及提供详细的临床或实验室信息。监测结果能否推广至参与监测的机构之外，取决于这些机构及其覆盖人群的选择方式。"
    },
    {
      "heading": "原理与范围",
      "text": "哨点是指定的观察点。根据监测目标，哨点单位可以是基层医疗机构、医院、实验室、专科门诊、社区或其他场所。参与者通常遵循共同商定的方案，明确报告内容、纳入哪些个体或标本，以及信息提交时限。\n\n哨点监测的核心特征是选择性覆盖，而非某一种特定的报告方式。哨点网络可以采用参与临床医生常规报送、监测人员主动随访、从电子健康记录中自动提取数据等方式，也可以结合多种方式。因此，哨点监测既不等同于主动监测，也不等同于被动监测。\n\n哨点系统通常更重视持续一致、足够详细的观察，而非穷尽所有病例。例如，一个网络可以监测因某种呼吸道综合征就诊的人次占全部就诊人次的比例，并从按规定选取的部分患者中采集标本。这样，无须检测每一位有呼吸道症状的人，也能获得有关季节性活动和流行病原体的信息。\n\n选取哨点本身并不能保证代表性。一些网络在设计时力求接近更广泛人群的地理和人口学分布；另一些则有意聚焦于特定风险或场所。例如，转诊医院网络可能能够充分反映重症疾病的特征，却难以直接提供社区轻症疾病的信息。"
    },
    {
      "heading": "设计与运行",
      "text": "目标与哨点选择\n\n监测所要回答的问题决定了适宜的哨点和数据需求。监测社区患病情况、重症住院情况、病原体特征及治疗耐药性，需要不同的观察点。\n\n选择哨点时通常考虑：\n\n- 地理覆盖范围及相关人口特征。\n- 患者数量与接诊的疾病类型。\n- 实验室能力与标本运输条件。\n- 人员配备情况与报告可靠性。\n- 能否长期持续参与监测。\n- 能否明确界定服务覆盖人群或其他有用的分母。\n\n哨点可以通过目的性选择、概率抽样或两者结合的方式选取。出于便利性或技术能力考虑选择哨点，可以提高可行性，但也可能使被观察与未被观察的人群之间存在系统性差异。\n\n病例定义与抽样\n\n标准化的病例定义规定哪些事件符合纳入条件。它可以依据症状、临床表现、实验室结果，或这些信息的组合。监测病例定义旨在保证计数和比较的一致性，不一定与个体临床诊断所用的标准相同。\n\n哨点内部的抽样也需要保持一致。方案可能要求纳入所有符合条件的住院病例，但仅在指定日期从规定数量的患者中采集标本。缺乏规范的抽样，例如只检测异常严重的病例，可能使观察到的疾病分布发生偏差。\n\n临床信息与实验室信息可以关联起来，用于描述年龄、病情严重程度、基础疾病、病原体类型或结局。实验室方法和质量保证措施会影响数据的可比性，尤其是在检测方法或受检资格发生变化时。\n\n报告与反馈\n\n数据通常按固定间隔报送，对异常发现则另行安排紧急通报。数据核查涵盖漏报、重复记录、日期不一致及变量缺失等问题。\n\n解读数据时，还需要明确零病例报告究竟意味着未出现符合条件的病例，还是哨点未报送数据。向参与哨点提供反馈，有助于提高数据质量并维持其参与积极性。"
    },
    {
      "heading": "指标与解读",
      "text": "哨点系统可产生多种指标，用于回答不同的问题。\n\n指标 | 描述内容 | 解读时的主要限制\n报告病例数 | 参与哨点观察到的事件 | 随哨点参与情况、就诊情况和报告完整性而变化\n符合病例定义的就诊人次比例 | 在全部就诊人次中的相对频率 | 受医疗服务利用情况及其他疾病构成影响\n受检标本阳性比例 | 抽样标本中的病原体检出情况 | 受检测标准、标本选择及检测性能影响\n基于人群的疾病发生率 | 特定人群中的疾病发生情况 | 需要恰当的分子与分母\n病原体特征分布 | 抽样获得的病原体的类型或性质 | 可能无法代表所有感染\n\n例如，检测阳性率的计算公式为：\n\n\\[\\text{Test positivity} = \\frac{\\text{positive specimens}}{\\text{specimens tested}} \\times 100\\%.\\]\n\n这一指标并不自动等同于人群患病率的估计值。同样，报告病例增加也不一定表明人群发病率上升：参与哨点可能增多，检测范围可能扩大，或人们的就医行为可能发生了变化。\n\n如果一个网络有明确界定的服务覆盖人群或登记患者名册，有时就能估计基于人群的疾病发生率。这类估计仍然取决于病例发现情况、患者流动、转诊模式，以及对重复发病的处理方式。\n\n当哨点、定义、抽样规则和报告做法保持稳定时，趋势分析通常更为可靠。仅比较持续报告的哨点，可以减少某些失真，但不能消除所有选择偏倚。"
    },
    {
      "heading": "主要应用",
      "text": "呼吸道感染监测\n\n哨点监测广泛用于流行性感冒及其他呼吸道感染，包括2019冠状病毒病。门诊网络可以监测流感样病例，医院网络则可以监测严重急性呼吸道感染。这些综合征并非某一种病原体所特有，因此实验室检测有助于区分其病因。\n\n世界卫生组织通过全球流感监测和应对系统协调国际流感监测。临床、流行病学和病毒学信息有助于了解流感活动情况，并为疫苗组分的决策提供依据。\n\n其他感染性疾病\n\n哨点方法也用于支持对HIV感染与艾滋病、疟疾及其他感染性疾病的监测。过去，产前门诊的HIV哨点监测曾提供有关就诊孕妇感染分布特征的信息。解读此类观察结果时需要谨慎，因为就诊者未必能代表所有成年人或所有妊娠人群。\n\n实验室和医院网络可以监测选定病原体的抗微生物药物耐药性。其结果取决于哪些患者接受了标本采集、哪些机构参与监测，以及是否采用一致的方法排除重复分离株。\n\n其他健康事件与环境信号\n\n哨点设计还可用于监测职业性疾病、伤害、不良事件及选定的非传染性疾病。污水监测网络同样可以将选定的采样地点作为观察点。不过，环境测量关注的是汇集的生物学信号，而非直接计数的临床病例，因此需要采用不同的解读方式。"
    },
    {
      "heading": "优势与局限",
      "text": "在全面监测难以实施的情况下，哨点监测可以集中资源开展培训、实验室检测和质量保证。稳定的网络能够提供详细的纵向信息，并发现标准化程度较低的报告方式可能掩盖的变化。\n\n其主要局限在于覆盖范围有限。难以获得参与机构服务的人群可能代表不足，农村社区、使用私营医疗服务的人群，以及轻症或无症状感染者也可能如此。转诊路径、临床实践、检测可及性或公众关注程度的变化，都可能影响观察到的趋势，而不一定与疾病传播有关。\n\n哨点网络有可能及早发现异常事件，但不能保证一定能早期发现。罕见或局限于特定地区的事件可能发生在其覆盖范围之外。因此，哨点监测是对更广泛的通报系统、暴发调查、人群调查及其他流行病学证据来源的补充，而非替代。\n\n监测中观察到的关联本身也不能确立因果关系。干预后指标下降可能反映了干预效果，但也可能反映季节性、就诊情况变化或其他同期因素的影响。"
    },
    {
      "heading": "评估与治理",
      "text": "评估旨在考察网络是否达成预定目标，内容包括及时性、完整性、稳定性、可接受性、数据质量，以及发现目标变化的能力。代表性应根据所研究的人群和问题进行评估，而不能仅凭参与哨点的数量加以推定。\n\n治理包括明确报告职责、安全处理数据，以及适当保护数据隐私。病例数较少，或将位置与患者特征进行详细组合，都可能带来身份识别风险。出于法律授权的公共卫生目的开展监测，所适用的要求可能不同于涉及人的研究；具体适用规则取决于司法管辖区、目的及数据用途。"
    }
  ],
  "links": [
    "public-health-surveillance",
    "case-definition",
    "diagnosis",
    "prevalence",
    "incidence",
    "influenza",
    "covid-19",
    "world-health-organization",
    "vaccine",
    "hiv-aids",
    "malaria",
    "infectious-disease",
    "antimicrobial-resistance",
    "wastewater-surveillance",
    "epidemiology",
    "causation",
    "data-privacy",
    "human-subjects-research"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}