综合疾病监测汇总系统设计{ #ids-agg-design }¶
介绍¶
本文件介绍了疾病监测综合数字数据包的系统设计。其中包括以下内容：
- 套餐涵盖的疾病
- 数据集
- 数据交换机制
- 仪表板
- 验证规则
- 验证通知
- 预测变量
综合监控包元数据提供了几种不同的配置，向各国展示了根据自身情况进行配置的可能性。这也允许各国选择最适合本国国情的配置选项。
{ #diseases-covered }¶
该套餐涵盖的疾病如下：
| 急性弛缓性麻痹 | 急性水样腹泻 | 霍乱 | 登革热 |
| 带血腹泻（志贺氏菌） | 白喉 | 麻疹 | 脑膜炎 |
| 新生儿破伤风 | 非新生儿破伤风 | 百日咳 | 狂犬病 |
| 风疹 | 病毒性出血热 | 黄热病 |
请注意，您可以根据需要在设计中添加疾病。
数据集概览{ #data-set-overview }¶
用于汇总报告的监控配置包包含以下 4 个数据集。
| 名称 | 周期 | 目的 |
|---|---|---|
| IDS - 报告：疑似、确认、死亡 | ADX 数据消息的结构与您可能的结构非常相似 | |
| 从前面描述的 DXF 2 数据中已经熟悉了。有一个 | ||
| 几个重要的区别。我们将描述这些差异 | ||
| 参考一个小例子: | 报告监测活动：疑似病例、确诊病例和死亡病例。对疑似病例和死亡病例进行了分类，但未对确诊病例数据进行分类。 | |
| IDS - 报告：疑似死亡 | ADX 数据消息的结构与您可能的结构非常相似 | |
| 从前面描述的 DXF 2 数据中已经熟悉了。有一个 | ||
| 几个重要的区别。我们将描述这些差异 | ||
| 参考一个小例子: | 报告监测活动：疑似病例和死亡病例。这些数据是分类数据。 | |
| IDS - 综合实验室周报 | ADX 数据消息的结构与您可能的结构非常相似 | |
| 从前面描述的 DXF 2 数据中已经熟悉了。有一个 | ||
| 几个重要的区别。我们将描述这些差异 | ||
| 参考一个小例子: | 直接从实验室报告确诊病例。该数据未进行分类。 | |
| 人口周刊 | ADX 数据消息的结构与您可能的结构非常相似 | |
| 从前面描述的 DXF 2 数据中已经熟悉了。有一个 | ||
| 几个重要的区别。我们将描述这些差异 | ||
| 参考一个小例子: | 用于警报的每周人口数据。之所以是每周，是因为 DHIS2 的预测功能用于生成阈值，目前无法将不同周期的数据（在这种情况下，每周的监测数据与每年的人口数据）结合起来。 |
IDS - 报告：疑似、确认、死亡{ #ids-report-suspected-confirmed-death }¶
IDS - 报告：疑似病例、确诊病例、死亡病例**数据集包含[涵盖疾病]（#diseases-covered）部分所述疾病的疑似病例、确诊病例和死亡病例信息。其中一些疾病对疑似病例和死亡病例进行了**分类，并使用了**自定义表格设计。自定义表格设计是将属于同一种疾病且需要归类的分类和非分类数据元素结合在一起的结果。
在 DHIS2 中使用了类别模型进行分类。这种模式在使用分类时有两个主要优势：
- 它减少了需要制作的独特数据元素的数量。
- 在分析中，这样可以快速添加年龄细目，并根据需要进行透视。我们还可以看到，总计对于确定与特定变量或时期相关的总数非常有用。
如果您需要修改该数据集，使其不按年龄分类，您可以在安装前或安装后直接进行修改。建议在安装前按照安装指南中有关修改软件包的步骤进行修改。
本数据集假定在一个成熟的配置中，疑似病例、确诊病例和死亡病例都被收集。它还假定与该数据集交互的每个人都有权编辑这些信息（即输入数据和修改现有数据值）。但并非所有的实施情况都是如此，例如，如果您想区分谁可以编辑疑似病例和确诊病例的数据。
总之，如果您****尚未收集****确诊病例的数据，或****您希望不同的群体****编辑疑似病例和确诊病例数据的能力，那么这种数据集可能不适合您的情况。如果****您正在收集****确诊病例的数****，并希望****所有用户都****平等地编****疑似和确诊病例数****，那么这种数据集设计****适合您的情****。
IDS - 报告：疑似死亡{ #ids-report-suspected-death }¶
IDS - 报告：疑似病例、死亡病例 数据集包含[涵盖疾病]（#diseases-covered）部分所述疾病的疑似病例和死亡病例信息。请注意，该数据集不包含确诊病例的信息。这样做是考虑到实验室确认是一个单独的过程，或者需要为输入确诊病例数据的人员提供单独的访问权限。因此，如果使用单独的流程确认病例，该数据集将链接到 IDS - 实验室周报汇总表。该表格使用 IDS--病例和死亡汇总周报数据集中包含的相同数据元素和结构。因此，重新使用了该数据集的定制表格设计，以便在该数据集和 "IDS--实验室每周汇总报告 "数据集之间采用统一的设计。
该数据集适用于以下两种情况中的一种
- 尚未通过 DHIS2 收集确诊病例数据
- 正在收集关于确诊病例的数据，但这是一个单独的过程，或者编辑这些数据的权限需要分开
IDS - 实验室汇总周报{ #ids-aggregate-lab-weekly-report }¶
IDS 实验室每周汇总报告包含[表 1]（#表-1）所列疾病的确诊病例信息。请注意，该报告**不包含疑似病例和死亡病例的信息**。本报告旨在补充**艾滋病 - 报告：当实验室确诊病例报告流程与疑似病例和死亡病例报告流程分开时，本报告旨在补充**艾滋病 - 报告：疑似病例、确诊病例、死亡病例**数据集。这包括希望不同用户能够编辑确诊病例数据与疑似病例/死亡数据的情况。
如数据集 IDS - Report：和IDS - Report：该数据集使用自定义表单设计，以保持外观一致。
人口周报{ #population-weekly }¶
人口周数据集用于收集每周人口数据。其主要功能是用于***脑膜炎***的阈值。这是一个周数据集，因为 DHIS2 的预测功能用于生成阈值，目前无法将不同周期的数据（在这种情况下，周监测数据与年度人口数据）结合起来。其中包含的数据元素 "人口周报 "使用的是 "最后值 "聚合类型，其含义等于特定地理区域内一年的估计人口总数。
举例来说，如果 A 区的年人口为 1000，那么 A 区的周人口也将为 1000。通过使用 "最后值 "聚合类型，这些周值将不会相加，而是在该地区内全年始终等于 1000。
数据交换机制{ #data-exchange-mechanisms }¶
除了直接使用 DHIS2 API 外，还有两种数据交换机制可供选择：
- 对于使用 DHIS2 的国家，已开发了一个数据交换应用程序，可将数据从其 DHIS2 系统直接推送到其他 DHIS2 系统。
- 对于未使用 DHIS2 的国家，已制作了一个接受 Excel 格式数据的应用程序
DHIS2 至 DHIS2 数据交换{ #dhis2-to-dhis2-data-exchange }¶
作为该软件包的一部分，我们开发了一个名为dhis2 transfer的应用程序，以便将数据从一个 DHIS2 系统推送到另一个系统。配置此应用程序后，它允许一个 DHIS2 系统将其数据发送到另一个 DHIS2 系统（例如，从多个国家收集数据的区域系统）。初始配置只需要发生一次，并且可以通过可用的用户界面完全完成。需要为两个单独的元素进行配置：
- 发送的实际数据（即变量/数据项）
- 发送数据的位置（即 DHIS2 中的组织单位）
这种匹配是必要的，因为交换数据的两个系统在名称、代码或 ID 方面可能并不完全一致，而这些名称、代码或 ID 是用来识别在两个系统间同步的这些不同对象的。该应用程序目前通过源系统的汇总指标向目标系统内的数据元素发送汇总数据，因此需要在源系统（即发送数据的系统）内提供相关指标。
匹配变量的示例如下：
保存配置后，您就可以根据需要调用它，选择要发送数据的时间段并发送数据。
注
如果您想自动发送数据，也可以安排此过程
有关数据传输应用程序的更多信息，请参阅应用程序手册。
Excel 与 DHIS2 的数据交换{ #excel-to-dhis2-data-exchange }¶
作为该软件包的一部分，提供了一个名为 "数据导入向导 "的应用程序，以便 DHIS2 系统接收 Excel 数据。该工具还需要进行一次配置，将 Excel 表格中的信息与 DHIS2 中的信息进行映射匹配。请注意，该应用程序的使用范围也可超出监控使用案例。
您可以预览进入系统的数据，以验证 Excel 文件中的映射是否正确，如下图所示。
一旦从 Excel 表中审查和核实了数据，就可以直接将其导入 DHIS2 系统。
有关数据导入向导应用程序的更多信息，请参阅应用程序手册。
仪表板¶
涵盖疾病](#diseases-covered) 部分中列出的每种疾病都有仪表板。每种疾病的仪表板都采用相同的布局：
- 显示过去 12 周疑似疫情爆发地区的透视表
- 显示上周疑似疫情爆发地区的地图
- 显示过去 12 周疑似疫情爆发地区的透视表
- 上周疫情确诊地区分布图
dashboard_1 - 透视表显示去年某一地区疑似疫情爆发的总周数
- 去年疑似疫情爆发地区示意图
- 透视表显示去年某个地区确认疫情爆发的总周数
- 去年疫情确诊地区分布图
dashboard_2 - 上周发病率地图
- 上周病例分布图
- 过去 12 周疑似病例和死亡人数图表
- 显示过去 12 周疑似病例和死亡人数的透视表
dashboard_3 - 今年与去年各周案件对比图
dashboard_4
验证规则{ #validation-rules }¶
已实施的验证规则包括一致性逻辑检查，以及根据各种标准检测可疑和确认的疫情爆发。
验证规则 - 一致性检查{ #validation-rules-consistency-checks }¶
执行一致性检查的验证规则是将每周确诊病例与每周疑似病例进行比较。对于[涵盖疾病]（#diseases-covered）部分中列出的所有疾病，假定确诊病例在给定一周内小于或等于疑似病例。有关这些验证规则的完整列表，请参阅元数据参考文件。如果在您的实施中这一假设不正确，您需要修改这些规则，因为在用户完成数据集并检测到违规时，这些规则会出现在数据录入过程中，如下例所示。
验证规则 - 阈值{ #validation-rules-thresholds }¶
验证规则也用于确定是否已超过阈值。这些验证规则有时使用预测器的输出进行比较，具体取决于需要满足的标准。一旦违反这些规则，就会发出通知。
根据以下指定的标准触发以下验证规则并发送通知：
| 名称 | 说明/通知触发器 | 使用的预测因子 |
|---|---|---|
| 疑似非新生儿破伤风 | 1 个疑似病例 | 不 |
| 可能的黄热病 | 1 例 IgM 阳性 | 不 |
| 确诊风疹 | 1 个确诊病例 | 不 |
| 霍乱 RDT 阳性 | 1 例 RDT 阳性 | 不 |
| 疑似瘟疫 | 1 个疑似病例 | 不 |
| 狂犬病确诊 | 1 个确诊病例 | 不 |
| 疑似麻疹/风疹 | 30 天内一个地区出现 5 例疑似病例 | 是IDS - 麻疹疑似疫情' |
| 确认炭疽 | 1 个确诊病例 | 不 |
| 确诊登革热 | 1 个确诊病例 | 不 |
| 疑似百日咳 | 1 个疑似病例 | 不 |
| 已确认的麻疹疫情 | 一个地区在 30 天内出现 3 例确诊病例 | 是 "艾滋病 - 麻疹确诊疫情 |
| 两次或两次以上 2 岁及以上急性水样腹泻 (AWD)（因时间和地点而有联系），伴有严重脱水或死亡 | 2 名或 2 名以上年龄在 2 岁以上的儿童严重脱水或死亡（时间和地点相关）。 | 不 |
| 疑似新生儿破伤风 | 1 个疑似病例 | 不 |
| 脑膜炎警报 | 人口超过 30000 的地区/分区，每周每 100 000 居民有 3 个疑似病例（一周内至少有 2 个病例）。 | 是 "艾滋病 - 脑膜炎警报 |
| 疑似病毒性出血热 | 1 个疑似病例 | 不 |
| 急性水样腹泻 死亡 | 一名至少 5 岁的人死于严重急性水样腹泻 | 不 |
| 脑膜炎爆发 | 人口在 30000 人以上的地区/分区，10 个疑似病例/100000 人/周 OR 一周内 5 个疑似病例 OR 人口在 30000 人以下的地区/分区，三周内病例数翻番（流行病警报）。 | 是 "艾滋病 - 脑膜炎爆发 |
| 任何年龄段的人中有一人死于严重急性猝死症 | 1 例任何年龄段的人死于严重急性猝死症 | 不 |
| 确认的 AFP（VDPV） | 1 个确诊病例 | 不 |
| 疑似白喉 | 1 个疑似病例 | 不 |
| 确诊甲型肝炎病毒（WPV） | 1 个确诊病例 | 不 |
| 疑似带血腹泻（志贺氏菌） | 1 个疑似病例 | 不 |
请注意疑似病例和确诊病例之间的区别。在这个监测包的背景下，疑似病例确定一个地区是否处于警戒状态，而确诊病例则确定一个地区是否处于爆发状态。
这些规则可以设置为自动运行，也可以手动运行。自动流程的配置将在安装指南中讨论。
验证通知{ #validation-notifications }¶
当超过阈值时，可通过 3 种方法的任意组合发送通知：
- DHIS2 的内部信息传递服务
- title, subtitle, rangeAxisLabel, baseLineLabel, targetLineLabel, domainAxisLabel
- 电子邮件
有关设置这些服务的更多信息，请参阅 email and SMS 上的文档。
下面是发现麻疹疫情时发送的电子邮件示例。
有关验证通知的完整列表，请查阅元数据参考文件。根据[验证规则阈值]（#validation-rules--thresholds）部分定义的标准，每种疾病都有验证通知。
这些数据可以根据手动或自动数据检查程序发送。自动流程的配置将在安装指南中讨论。
预测因素{ #predictors }¶
有关配置预测器的更多信息，请查阅 文档。
疫情爆发地区{ #areas-in-outbreak }¶
除了在验证规则中使用预测因子外，预测因子还可用于可视化爆发区域。我们可以在 仪表盘部分的可视化 1-8 中看到这方面的示例。虽然验证规则可用于触发验证通知，但这些规则的结果不会存储在数据元素中，因此不能用于可视化目的。预测因子的完整列表可在元数据参考文件中找到。每种疾病的预测因子都被标记为 "警报"（用于检查疑似病例的情况）或 "疫情"（用于检查确诊病例的情况）。
预测器被定义为在配套数据元素中存储值，然后可用于创建可视化，以识别警报或疫情爆发区域。预测器是根据[验证规则阈值]（#validation-rules--thresholds）部分定义的，用于识别警报和疫情。让我们以两种预测因子为例，将其分解为各个组成部分，因为每种疾病的每种预测因子都需要了解才能正确使用或在需要时进行更改。
例 1：以 1 例疑似病例为阈值的疾病（即白喉）{ #example-1-a-disease-where-1-suspected-case-is-the-threshold-ie-diptheria }¶
让我们以 1 例疑似病例为阈值来确定一个地区是否处于警戒状态为例。请注意，这一术语同样适用于以 1 例确诊病例为临界值来确定一个地区是否处于疫情爆发状态的例子。
我们可以使用 "白喉 "的示例；如果我们查看验证规则阈值 部分，就会发现一个白喉疑似病例就是我们的阈值。
在预测器中，我们有以下字段：
- 预测器名称
- 预测因子的描述
- 输出数据元素--用于存储预测器的结果
- 预测器运行的时间段
- 预测值的输出组织单位水平
定义好之后，我们就有了所谓的生成器。生成器本质上是用于定义预测器的公式。在这种情况下，以白喉为例，我们有一个逻辑测试说明以下内容
如果给定组织单位内疑似白喉病例数大于等于 1，则返回值为 1。
本软件包中的所有预测器都使用了这些类型的逻辑 if 语句。如果您不熟悉布尔逻辑，可在 [此处]（https://www.lotame.com/what-is-boolean-logic/#:~:text=Boolean%20Logic%20is%20a%20f orm,are%20either%20true%20or%20false.）找到广泛的概述。
预测器的最后几个部分确定了我们将从哪个时期获取数据，以便在生成器中使用。我们将连续样本计数和年度样本计数都定义为 0，这意味着生成器将只从检查阈值的同一周获取数据。
例 2：使用特定阈值公式的疾病（即麻疹）{ #example-2-a-disease-where-a-specific-threshold-formula-is-used-ie-measles }¶
在例 2 中，我们可以查看***确诊麻疹爆发***的阈值。该阈值定义为 "30 天内一个地区出现 3 例确诊病例"。必须考虑一些关键因素
- 区内共有 3 个案例
- 这些病例可能发生在 30 天内
我们仍然使用与示例 1 相同的字段来启动预测器
- 预测器名称
- 预测因子的描述
- 输出数据元素--用于存储预测器的结果
- 预测器运行的时间段
- 预测值的输出组织单位水平
定义好之后，我们就有了所谓的生成器。生成器本质上是用于定义预测器的公式。在这种情况下，以麻疹为例，我们有一个逻辑测试说明以下内容
如果麻疹确诊病例总数大于 3，则返回值为 1，否则返回值为 0。
请注意，这个总和是从有数据的层级中提取的，在本例中就是我们的设施。仅使用发电机，我们也没有达到第二个标准，即在 30 天内进行检查。
预测器的最后一个组件确定了我们将从哪个时间段获取数据供生成器使用。我们将连续样本数定义为 4，年度样本数定义为 0。这意味着生成器将从过去 4 周（因为预测器的周期设置为每周）获取数据，包括正在检查阈值的当前年份的当前一周。这是为了满足阈值中定义的 30 天周期标准。
预测因子汇总{ #predictor-summary }¶
注意：我们使用预测器来帮助我们测试阈值并存储数据值，以确定处于警戒或爆发状态的区域。处于警戒状态的地区是基于疑似病例的阈值，而处于爆发状态的地区是指基于确诊病例的阈值。要使用预测器确定这些阈值，我们必须考虑以下因素
- 您要将预测值输出到的数据元素
- 预测器检查数据的时间段
- 您将输出预测值的组织单位级别
- 生成器公式将根据定义的阈值测试我们的数据
- 连续样本数和年度样本数，用于确定预测器从哪些时段获取数据
更改这些组件可以改变阈值的定义。
这些预测器可以设置为自动运行，也可以手动运行。自动程序的配置将在安装指南中讨论。