引言

严重急性呼吸道感染（Severe Acute Respiratory Infection, SARI）是全球范围内导致住院和死亡的重要原因。据世界卫生组织估计，全球每年约有300万至500万例流感重症病例，其中死亡病例达25万至50万例，住院和死亡病例主要为老年人、儿童及有慢性基础疾病的人群。SARI监测作为评估流感等呼吸道病毒流行趋势、识别重症危险因素的重要基础性工作，对于防控决策具有不可替代的价值。2006年，世界卫生组织推荐各成员国建立针对住院患者的SARI监测系统，以弥补传统流感样病例监测仅覆盖门急诊的不足。

我国自2009年12月起在北京、黑龙江、浙江等10个省（直辖市）启动住院SARI哨点监测项目，2015年扩展至25个省级行政区域。然而，长期以来SARI监测工作主要依赖手工登记、手工填写样本送检单和病例调查表的传统模式，主管科室需将临床科室手工填写的表单人工录入电脑，再通过电子邮件报送疾控部门。这一模式存在数据时效性低、录入差错率高、统计分析滞后等突出问题。

近年来，传染病监测信息化成为公共卫生领域的重要发展方向，信息化手段可有效提升传染病监测的效率与质量。本研究所在医院作为国家级SARI监测哨点医院，于2023年10月率先在浙江省内完成SARI监测信息系统的开发与应用，成为全省首家实现SARI监测全流程信息化的哨点医院。本文旨在对该信息系统的运行效果进行系统评价，分析存在问题并提出改进建议，为同类医院推进SARI监测信息化建设提供参考。

1 SARI监测现状与信息系统建设

1.1 SARI监测工作要求

根据国家SARI监测方案要求，哨点医院需对所有符合病例定义的住院患者进行登记，填写登记一览表和病例调查表，采集呼吸道标本并送检。SARI病例定义参照世界卫生组织标准，要求同时具备以下特征：住院患者本次起病有发热史（测量体温≥38℃）、伴有咳嗽、发病不超过10天。监测科室主要包括儿内科、呼吸内科、重症监护室和感染性疾病科。医院公共卫生科负责数据审核、汇总及向疾控部门报送，疾控部门定期开展技术指导与质量评估。

1.2 传统手工监测模式及存在问题

信息系统启用前，该院SARI监测采用全流程手工操作模式：监测科室护理人员每日进行病例筛查，判定为SARI病例后，需手工填写病例登记表和调查表；样本送检单亦为纸质填写；公共卫生科每周收集各科室纸质表单，逐份核对完整性后手工录入电脑，生成电子文档后通过电子邮件报送至市疾控中心。该模式存在以下突出问题：

第一，信息录入效率低。 护理人员日常工作繁忙，需在临床护理工作之外额外完成大量表单填写，公共卫生科需重复录入数据，耗费大量人力时间。国际研究同样发现，手工监测系统资源消耗大，对临床工作人员造成沉重负担。

第二，数据质量难以保证。 现有评估表明，手工模式下关键变量的完整性参差不齐，部分数据字段缺失率较高。传统模式难以实现全面的逻辑校验和实时质控。

第三，数据迟报现象突出。 手工登记难以实现实时质控，数据汇总上报周期较长，影响监测的时效性和预警价值。

1.3 SARI监测信息系统建设

2023年，该院依托医院信息化建设总体规划，由公共卫生科牵头，联合信息部门启动SARI监测信息系统开发。系统基于HIS系统数据，通过接口技术实现患者基本信息自动抓取，设置自动触发弹窗提醒功能，具备电子化填报、数据逻辑校验、实时上报等功能。系统于2023年10月正式上线运行，该院成为浙江省首家完成SARI监测系统开发的哨点医院。

系统设计借鉴了国际先进经验。丹麦的研究表明，基于电子健康记录的自动化SARI监测是资源节约型的可行方案。荷兰的研究指出，采用ICD-10诊断代码作为SARI的代理指标适用于自动化监测，但需注意报告延迟问题。该院系统在设计时充分考虑了这些因素，通过实时数据抓取减少延迟。

2 信息系统运行效果

2024年4月，课题组自行设计调查问卷，内容包括人员类型、系统应用时间、应用效果评价、存在问题与建议等。通过问卷调查与面对面访谈相结合的方式，调查临床一线监测人员、公共卫生科数据审核人员、疾控部门数据分析人员共20余人。采用SPSS 23.0软件对数据进行统计分析，计数资料以人数和百分比（%）表示，组间比较采用χ²检验。以 P＜0.05为差异有统计学意义。

2.1 工作效率显著提升

信息系统启用后，实现了患者基本信息从HIS系统的自动抓取，临床医务人员无需重复录入姓名、年龄、性别、住院号等基础信息，单例病例信息录入时间显著缩短。公共卫生科不再需要将纸质表单逐份录入电脑，数据整理工作量大幅减轻。系统电子化填报取代原始手工填报，有效解决了传统模式下“临床科室手工填写—公共卫生科二次录入”的重复劳动问题。这一发现与国际经验一致——苏格兰的研究明确建议“应尽可能实现数据采集自动化，最大限度减少对临床医生的要求”。

2.2 数据质量明显改善

系统通过设置必填项和逻辑校验功能，确保关键信息无缺失，病例报告完整率由系统上线前的84.6%提升至96.0%，准确率由87.4%提升至99.6%。通过弹窗提醒等功能，病例报告及时率由86.0%提升至97.8%。韩国SARI监测网络通过严格的质量控制措施，年度及时报告率达93%，随访完成率超过98%，验证了信息化路径的可行性。系统自动触发弹窗提示，减少漏报、错报，可直接从HIS系统导出监测数据，实现实时收取和统计上报。湖北省传染病监测预警平台的实践也表明，信息化手段可显著提升传染病报告质量。见表1。

监测指标	应用前	应用后	χ²值	P值
完整率	121/143（84.6）	530/552（96.0）	24.9	<0.001
准确率	125/143（87.4）	550/552（99.6）	60.79	<0.001
及时率	123/143（86.0）	540/552（97.8）	36.13	<0.001

2.3 监测依从性提高

通过流程优化和加强督查，临床监测科室对监测采样工作的依从性明显提高，监测病例数量明显上升，2023年10月-12月共上报病例697例，较去年同期增加365例。系统上线后，监测科室主动填报意识增强，病例报告的完整性和时效性均得到改善。

2.4 不同类型人员评价差异

调查结果显示，不同类型人员对应用信息系统的总体评价不同 （χ²＝8.09，P＝0.015）。公共卫生科数据审核人员和疾控部门数据分析人员对信息系统评价较高，认为系统显著提高了工作效率和数据准确性。部分临床一线人员反映，系统弹窗提醒在繁忙的临床工作中增加了操作负担，终端填报体验仍有优化空间。这表明信息化建设在提升管理效率的同时，需要更多关注一线操作者的使用体验。见表2。

人员类别	很好	好	一般	差	合计
临床监测人员	3(10.3)	17(58.6)	5(17.2)	2(6.9)	27(93.1)
公共卫生科管理人员	0(0)	3(10.3)	0(0)	0(0)	3(10.3)
疾控中心分析人员	1(3.4)	0(0)	0(0)	0(0)	1(3.4)
合计	4(13.8)	20(69.0)	5(17.2)	2(6.9)	29(100)

3 存在的问题

3.1 临床操作便捷性不足

系统部分功能模块在临床实际操作中仍有优化空间。频繁的弹窗提醒可能干扰正常诊疗流程，个别字段设置与临床工作习惯不完全匹配，导致一线医护人员产生抵触情绪。如何在不影响临床工作的前提下实现监测数据的完整采集，是系统优化需要解决的关键问题。爱尔兰的研究同样指出，系统复杂性是影响监测可持续性的重要因素。

3.2 智能分析功能缺失

目前系统核心功能集中于数据的电子化采集与上报，尚未开发数据自动汇总、可视化图表生成和统计分析报告输出等模块。管理人员需将平台导出的原始数据二次整理至电子表格软件中进行人工统计，这在很大程度上削弱了信息化建设预期带来的效率提升。丹麦基于电子健康记录的SARI自动监测系统已将标准化分析图表纳入每周例行报告流程；湖北省传染病监测预警平台亦通过内置分析模块实现了监测数据的自动汇聚与可视化展示。相比之下，该系统在数据分析与利用层面仍有明显差距。此外，系统在异常值自动识别、趋势预警、多病原整合分析等高级智能功能方面付之阙如，难以满足监测数据深度挖掘和前瞻性研判的需求。当前，国家传染病智能监测预警前置软件正在全国部署推进，其核心目标之一即通过数据深度分析实现早期预警。德国基于ICD-10编码建立的SARI监测系统亦表明，自动化数据的深度分析能力对态势研判至关重要。

3.3 系统互联互通有待加强

目前系统主要实现医院内部HIS数据与监测报表的对接，与疾控部门前置软件、区域公共卫生信息平台的深度互联互通仍需加强。湖北省统筹传染病监测预警平台的经验表明，实现医疗机构与疾控机构信息的“共享、共用、共管”是提升监测效能的关键。国家传染病智能监测预警前置软件的部署推进为这一问题的解决提供了契机。

4 讨论与建议

4.1 信息化建设是SARI监测高质量发展的必由之路

本研究结果表明，SARI监测信息系统的应用显著提高了监测数据的完整性、及时性和准确性，验证了信息化手段在传染病监测领域的重要价值。这一结论与国内外同类研究一致。丹麦基于电子健康记录的SARI自动监测系统已纳入每周例行呼吸道感染监测工作。韩国SARI哨点监测网络通过信息系统实现了超过98%的随访完成率。湖北省统筹传染病监测预警平台的实践同样显示，信息化平台提升了医疗机构传染病发现与报告能力。

4.2 需平衡管理需求与临床可操作性

信息化建设在为管理端带来效率提升的同时，可能增加临床一线的操作负担。建议在后续优化中：一是减少不必要的必填项，增加记忆功能，减少重复录入；二是优化弹窗提醒逻辑，避免过度干扰临床工作；三是充分征求临床科室意见，使系统设计更加贴合工作流程。苏格兰的经验表明，数据采集的自动化程度和人员依赖性直接影响系统的可持续性。葡萄牙SARI监测系统的实践也提示，信息系统的成功运行需要临床与公共卫生部门的紧密协作。

4.3 深化智能分析与预警功能

建议进一步开发系统的智能分析模块，建设基于规则引擎和异常值检测算法的自动预警功能，实现对监测数据的深度挖掘和趋势研判。可借鉴国家传染病智能监测预警前置软件的建设经验，建立多维度预警体系，为呼吸道传染病防控决策提供更精准的数据支持。德国基于ICD-10编码建立的SARI监测系统提示，自动化监测数据的长期稳定性对于研判至关重要。

4.4 推动数据互联共享

未来应推动SARI监测信息系统与区域公共卫生信息平台、疾控前置软件的深度对接，实现监测数据的高效流转和共享利用，充分发挥信息化在医防融合中的桥梁作用。湖北省的实践证明，区域统筹的传染病监测预警平台能够有效提升信息报告质量与效率。新西兰通过建立医院为基础的SARI监测系统，成功整合了流感和其他呼吸道病原体的监测数据，为公共卫生应对提供了全面信息。

参考文献：

1. [1] World Health Organization. Global epidemiological surveillance standards for influenza[M]. Geneva: WHO, 2014.
2. [2] Lomholt F K, Møller K L, Nielsen J, et al. Surveillance of severe acute respiratory infections using ICD-10 diagnosis codes and national electronic health records, Denmark, 2022 to 2024[J]. Eurosurveillance, 2025, 30(33): 2400801.
3. [3] Moon J Y. Epidemiology of severe acute respiratory infection in Korea: 2022 to 2024 Surveillance data[J]. Tuberculosis and respiratory diseases, 2025, 88(03): 610-613.
4. [4] Evans J M M, Young J J, Mutch H, et al. Implementation and evaluation of a SARI surveillance system in a tertiary hospital in Scotland in 2021/2022[J]. Public health, 2024, 232: 114-120.
5. [5] 谢聪, 彭雨霜, 黄增辉, 等. 基于湖北省统筹传染病监测预警平台的疫情信息报告质量与效率分析[J]. 疾病监测, 2025, 40(01): 44-48.
6. [6] Centers for Disease Control and Prevention. Updated guidelines for evaluating public health surveillance systems[J]. MMWR, 2001, 50(RR-13): 1-35.
7. [7] Marron L, O'Donnell J, O'Dea S, et al. An evaluation of the severe acute respiratory infection surveillance system in Ireland[J]. BMC public health, 2025, 25: 492.
8. [8] Brady M, Duffy R, Domegan L, et al. Establishing severe acute respiratory infection (SARI) surveillance in a sentinel hospital, Ireland, 2021 to 2022[J]. Eurosurveillance, 2023, 28(23): 2200740.
9. [9] Swets M C, Niessen A, Buddingh E P, et al. Use of proxy indicators for automated surveillance of severe acute respiratory infection, the Netherlands, 2017 to 2023: a proof-of-concept study[J]. Eurosurveillance, 2024, 29(27).
10. [10] Torres A, Gómez V, Kislaya I, et al. Monitoring COVID-19 and influenza: the added value of a severe acute respiratory infection surveillance system in Portugal[J]. Canadian journal of infectious diseases and medical microbiology, 2023, 2023: 6590011.
11. [11] Buda S, Tolksdorf K, Schuler K, et al. Establishing an ICD-10 code based SARI-surveillance in Germany – description of the system and first results from five recent influenza seasons[J]. BMC public health, 2017, 17: 612.
12. [12] Huang Q S, Baker M, McArthur C, et al. Implementing hospital-based surveillance for severe acute respiratory infections caused by influenza and other respiratory pathogens in New Zealand[J]. Western Pacific surveillance and response journal, 2014, 5(01): 23.