近年来，随着疫苗种类和接种剂次的增加，接种后不良反应的事件偶有发生，引起了公众和卫生部门的广泛关注。尽管这些反应绝大多数是轻微且自限性的，但任何一例严重疑似预防接种异常反应（AEFI）都可能动摇公众对免疫规划的信心。如何从海量的接种数据中快速识别风险信号，是当前疾病预防体系面临的核心挑战。

从被动上报到主动监测：技术架构的升级

传统的不良反应监测主要依赖医疗机构被动报告，存在报告延迟、漏报率高、数据质量参差不齐等问题。仁寿县疾病预防控制中心引入的疫苗接种不良反应监测系统，构建了多源数据采集通道。系统不仅整合了医院电子病历（EMR）和免疫规划信息系统，还接入了社区卫生服务中心的随访记录。数据通过加密API实时传输至区县级数据中心，实现了从接种到反应的小时级响应。例如，针对传染病防治中常见的麻疹、流感疫苗，系统能自动比对接种后72小时内的急诊就诊记录。

数据清洗与信号挖掘：如何区分偶合与因果？

这是数据分析中最棘手的环节。单纯依靠时间关联性判断因果，极易产生误判。我们的分析流程分为三步：

• 标准化编码：将临床诊断统一映射至WHO的AEFI术语集（如发热、过敏性皮疹、热性惊厥）。
• 背景率计算：基于辖区近五年未接种人群的同类事件发生率，建立“期望发生数”基线。
• 信号检测：采用贝叶斯数据挖掘模型（BCPNN），计算实际报告数与期望数的比值（IC值）。当IC值>2且信息量>0.5时，触发预警。

这套方法有效过滤了因季节性流感或儿童高烧等偶合事件产生的噪音。例如，2023年某批次灭活疫苗报告了5例皮疹，但模型分析后确认其IC值仍在安全阈值内，避免了不必要的恐慌和召回。

对比分析：监测系统建设前后的关键指标变化

我们将系统运行12个月的数据与传统上报模式进行了对比：

1. 报告及时性：从接种到录入系统的时间中位数，由14天缩短至3天。
2. 完整率：包含“疫苗批号”“接种部位”“反应结局”等关键字段的完整报告，从65%提升至93%。
3. 疑似严重AEFI识别：系统自动识别并推送至县级专家组的案例数量，较人工筛查增加了40%，且无一漏诊。

这些数据表明，数字化监测不仅提升了效率，更在疫苗与接种安全管理的精准度上实现了质变。对于基层疾控机构而言，这不再是“锦上添花”，而是开展科学传染病防治工作的基础设施。

基于数据分析的改进建议

基于当前系统运行中暴露的薄弱环节，我们提出三点具体建议：

• 强化冷链与接种操作培训：数据分析显示，约15%的局部红肿反应与接种部位消毒不当或疫苗储存温度波动有关。建议每季度开展针对接种医生的实操考核，并引入温度监测标签。
• 优化公众沟通策略：在监测系统中增设“高风险提醒”模块，当某批次疫苗出现聚集性轻微反应时，系统自动向接种门诊推送标准化答疑话术，避免谣言滋生。
• 推动跨区域数据共享：目前数据局限于县域内。建议与市级、省级平台建立分布式查询接口，实现疫苗批号在全国范围内的不良反应追溯能力。

仁寿县疾病预防控制中心将持续迭代这套监测体系，目标是让每一次疫苗与接种行为都有数据可依，让疾病预防工作真正走在风险的前面。