公衆衛生監視

公衆衛生監視（疫学的監視、臨床監視、症候群監視とも呼ばれる）とは、世界保健機関（WHO）によれば、「公衆衛生活動の計画、実施、評価に必要な健康関連データの継続的かつ体系的な収集、分析、解釈」である。^[1]公衆衛生監視は、発生しつつある健康関連の問題を早期に追跡し、適時に積極的な解決策を見つけるために使用される場合がある。^[1]監視システムは、一般的に、健康問題がいつどこで発生し、誰が影響を受けているかに関する情報を提供するために呼び出される。^[2]

公衆衛生監視システムには、受動的監視と能動的監視があります。受動的監視システムは、特定の地域のすべての医療施設が定期的に病気や症状を報告し続けるシステムです。能動的監視システムは、特定の病気や症状を特定するために、医療施設を訪問し、医療従事者と医療記録をレビューするシステムです。^[3]受動的監視システムは、実行にかかる時間と費用が少なくて済みますが、一部の病気が報告不足になるリスクがあります。能動的監視システムは、伝染病や、病気の撲滅が目標とされている場合に最も適しています。^[3]

公衆衛生監視の技術は、特に感染症の研究に利用されてきた。WHOや疾病予防管理センター（CDC）などの多くの大規模機関は、インフルエンザ、SARS、HIV、さらには2001年に米国で発生した炭疽菌攻撃などのバイオテロなどの新たな病気の発生を追跡・監視できるデータベースや最新のコンピュータシステム（公衆衛生情報科学）を構築している。 ^[要出典]

多くの地域や国には独自のがん登録制度があり、がんの発生率を監視して、これらの病気の有病率や原因を特定しています。^[4]

脳卒中などの一過性の病気や糖尿病などの慢性疾患、家庭内暴力などの社会問題などの他の病気も、疾病登録と呼ばれる疫学データベースに統合されることが増えています。これらの登録では、研究と予防のための政府の資金援助を決定するために費用便益分析が行われます。

薬物有害事象の特定プロセスを自動化できるシステムが現在使用されており、そのような事象に関する従来の書面による報告書と比較されています。^{[5]これらのシステムは医療情報学の分野と交差しており、病院で急速に採用され、医療提供者を監視する機関（米国の}JCAHOなど）によって承認されています。医療の改善に関する問題は、機関内の投薬ミスの監視を中心に展開しています。^[6]

症候群監視とは、医療データを分析して病気の 発生を検知または予測することです。CDCの定義によると、「症候群監視という用語は、診断に先立ち、さらなる公衆衛生対応を正当化するのに十分な症例または発生の可能性を示唆する健康関連データを使用した監視に適用されます。歴史的に、症候群監視は潜在的な症例の調査を目的として利用されてきましたが、バイオテロに関連する発生を検知するためのその有用性が公衆衛生当局によってますます検討されています。」^[7]

病気の発生やバイオテロ攻撃の最初の兆候は、医師や研究室による確定診断ではないかもしれない。 ^[8]

通常のインフルエンザの流行を例に挙げると、流行が人口に影響を及ぼし始めると、ある人は仕事や学校を休むかもしれませんし、他の人はドラッグストアに行って市販薬を購入するかもしれませんし、またある人は医者の診療所を訪れるかもしれませんし、またある人は症状が重くて緊急電話番号に電話したり救急科に行くかもしれません。^[要出典]

症候群監視システムは、学校の欠席記録、緊急通報システム、病院の市販薬販売記録、インターネット検索、その他のデータソースからのデータを監視し、異常なパターンを検出します。監視対象システムのいずれかで活動の急増が見られると、疾病疫学者と公衆衛生専門家に問題がある可能性があると警告されます。^[9]

バイオテロ攻撃に対する早期の認識と対応は、多くの命を救い、潜在的にアウトブレイクの拡大を阻止または遅らせることができる可能性がある。最も効果的な症候群監視システムは、これらのシステムをリアルタイムで自動的に監視し、個人が別の情報を入力する必要がなく（二次データ入力）、高度な分析ツールを備え、地政学的境界を越えて複数のシステムからデータを集約し、自動警告プロセスを備えている。^[10]

検索クエリに基づく症候群監視システムは、2004年にそのようなシステムの研究を開始したGunther Eysenbachによって最初に提案されました。 ^[11] これらの初期の心強い経験に触発され、Googleは2008年にGoogle Flu Trends ^[12]を開始しました。インフルエンザ関連の検索が多いほど、インフルエンザの活動が活発であることを示します。Natureに掲載された結果は、CDCのデータとほぼ一致し、1〜2週間先行していました。^[13]ただし、Google Flu Trendsの元のアプローチにはさまざまなモデリング上の欠陥があり、推定に重大な誤差が生じることが明らかになりました。 [14]最近では、Googleの検索クエリからインフルエンザをモデリングするための、より高度な線形および非線形アプローチがいくつか提案されています。^{[15] Googleの研究を拡張して、インテリジェントシステム研究所（英国}ブリストル大学）の研究者がFlu Detectorを作成しました。 ^[16]情報検索と統計分析手法に基づき、 Twitterのコンテンツを使用して英国のインフルエンザの発生率を予測するオンラインツール。 ^[17]

公衆衛生のデジタル監視は、主にいくつかの方法に依存しています。最も重要なのは、GoogleやWikipediaなどのサイトでの検索ベースのトレンド、FacebookやTwitterなどのソーシャルメディアの投稿、Flu Near YouやInfluenzanetなどの参加型監視ウェブサイトの使用です。しかし、さまざまな領域がデジタル化されるにつれて、疾病監視に適した潜在的なデータソースの範囲は拡大しています。今日では、学校の出席記録、病院の緊急入院データ、さらには販売データさえも症候群監視の目的で使用できます。検索トレンドは公衆衛生に関する間接的なデータを提供しますが、後者の2つの方法は直接的なデータを提供します。^[18]

検索集約は、インフルエンザの追跡とモデル化に最も頻繁に使用されています。人気のある例は、2008年に初めてリリースされたGoogle Flu Trends ^{[19]です。 [18]} Wikipediaも使用されていますが、ユーザーが病気であるかどうかに関係なく、健康情報の一般的なソースであるため、「ノイズ」が発生しやすい可能性があります。 [ ^20] COVID-19パンデミックの間、Web検索アクティビティに基づいてCOVID-19の蔓延をモデル化する新しい方法論が開発されました。^[21]この方法論は、英国のPublic Health Englandでも症候群監視エンドポイントの1つとして使用されています。^[要出典]

ソーシャルメディアによる公衆衛生監視の例としては、Twitterからデータを収集するHealthTweetsが挙げられる。^[20] Twitterのデータは、データポリシーにより生のツイートの1%のサンプルへの一般公開が許可されているため、公衆衛生研究に非常に有用であると考えられている。ツイートは位置情報も付けられるため、伝染病の蔓延をモデル化するために使用できる。Twitterは公衆衛生監視に最も多く使用されているソーシャルメディアプラットフォームである。^[18] COVID-19パンデミックの間、Facebookは自社のプラットフォームから収集した集約された匿名データを使用して、人間の移動情報を疾病モデルに提供した。また、カーネギーメロン大学を通じてユーザーに疾病症状調査に参加する機会を提供した。^[22]

Flu Near You とInfluenzanet は、クラウドソーシングによるデジタル監視システムの 2 つの例です。どちらのサイトも、インフルエンザの症状に関する調査への参加をユーザーから募集しています。Influenzanet は 2009 年に設立され、ヨーロッパ 10 か国で運営されています。その前身は、2003 年と 2004 年に開始されたオランダ/ベルギーのプラットフォーム Grote Griepmeting でした。Flu Near You は米国で使用されています。監視サイトのもう 1 つの例は、ブラジルのバイーア州でデング熱の調査に使用されている Dengue na Web です。^[18]

一部の疾患、特に糖尿病などの慢性疾患は、頻繁な臨床検査による日常的な管理が求められています。少なくとも欧州と米国では、多くの臨床検査結果がコンピュータ化された臨床検査情報システムによって自動的に処理されるため、その結果を専用データベースや疾患登録簿に安価にまとめることは比較的容易です。各記録が他の記録から独立していると想定されるほとんどの症候群監視システムとは異なり、慢性疾患の臨床検査データは理論的には個々の患者レベルでリンクできます。患者識別子を一致させることができれば、各患者の臨床検査結果を時系列で記録し、人口レベルに集約することができます。^[要出典]

臨床検査レジストリにより、対象疾患の発生率や有病率、および管理レベルの傾向を分析できます。たとえば、NIHが資金提供している Vermedx Diabetes Information System ^[23]というプログラムは、米国バーモント州とニューヨーク州北部の成人糖尿病患者の臨床検査値のレジストリを保持しており、数年分の何千人もの患者の臨床検査結果が記録されています。^[24]データには、血糖コントロール (グリコヘモグロビン A1c )、コレステロール、腎機能 (血清クレアチニンと尿タンパク質) の測定値が含まれており、患者、診療所、および集団レベルでケアの質を監視するために使用されました。データには各患者の名前と住所が含まれていたため、臨床検査データから注意が必要であることが示された場合、このシステムは患者と直接連絡を取るためにも使用されました。制御不能な検査結果については、医療提供者と行動を起こすよう患者に勧める手紙が送られました。期限が過ぎた検査については、検査を実施するようリマインダーが発行されました。このシステムはまた、診療所向けのガイドラインに基づいたアドバイス、各医療提供者の患者の定期的な名簿、および集団の健康状態をまとめたレポートカードを含むリマインダーとアラートを生成しました。大規模なランダム化臨床試験を含むシステムの臨床的および経済的評価では、診療ガイドラインの遵守の改善、救急科および病院サービスの必要性の削減、および患者1人あたりの総費用の削減が実証されました。^{[25] [26] [27]このシステムは商品化され、医師、保険会社、雇用主、および慢性疾患患者のケアを担当するその他の人々に配布されました。現在、}慢性腎臓病などの他の病状にも拡大されています。^[要出典]

同様のシステムであるニューヨーク市A1Cレジストリ^[28]は、ニューヨーク市の推定60万人の糖尿病患者を監視するために使用されていますが、バーモント州糖尿病情報システムとは異なり、患者のデータをニューヨーク市のデータベースから除外する規定はありません。ニューヨーク市保健精神衛生局は、健康情報や医療サービスへのアクセス改善など、追加の患者サービスをレジストリにリンクしています。2012年初頭の時点で、レジストリには360万人の個人に関する1000万件を超える検査結果が含まれています。健康転帰を改善し、糖尿病の合併症の発生を減らすことを目的としていますが、^[29]正式な評価はまだ行われていません。

2008年5月、テキサス州サンアントニオ市議会はベア郡のA1Cレジストリの導入を承認した。テキサス州議会と州保健局の認可を受け、サンアントニオ都市圏保健局^[30]はサンアントニオのすべての主要臨床検査室から結果を集めたレジストリを実施した。このプログラムは資金不足のため2010年に中止された。^[要出典]

検査室監視は、すでに治療を受けており、検査室検査を受けている患者のみを監視できる点で、人口全体の監視とは異なります。このため、検査を受けたことのない患者は特定されません。したがって、人口全体または集水域全体の疫学的監視よりも、品質管理とケアの改善に適しています。^{[引用が必要]}

• 接触者追跡
• ゲーミフィケーション#健康
• 公衆衛生情報学