提高大流行病和传染病情报的研究重点

1. 领域背景与文献

文献英文标题：Research priorities for improved pandemic and epidemic intelligence；

发表期刊：文献未明确提供；影响因子：未公开；研究领域：全球公共卫生、流行病与大流行病情报

流行病与大流行病情报领域的发展伴随全球公共卫生危机的应对逐步推进，关键节点包括2003年严重急性呼吸综合征（SARS）疫情后全球传染病监测体系的初步建立，2020年新型冠状病毒肺炎（COVID-19）疫情推动数字技术、人工智能（AI）在该领域的规模化应用，以及“同一健康”（One Health）理念在跨领域监测中的融合。当前领域研究热点聚焦于多源异构数据整合、AI驱动的疫情预警与预测、社区参与式监测模式优化，以及数据治理与伦理框架构建。然而，该领域仍存在诸多未解决的核心问题：缺乏统一的研究范围与框架，跨学科协作存在壁垒导致研究碎片化，资金投入分散且缺乏针对性，研究成果向公共卫生政策与实践的转化效率低下，同时对终端用户（如一线公共卫生从业者）的需求关注不足。

现有研究尚未针对流行病与大流行病情报领域开展大规模全球范围的研究优先级设定，导致研究者、资助者与实践者在资源分配与研究方向上缺乏共识，难以系统性填补领域空白。为此，世界卫生组织（WHO）流行病与大流行病情报中心、夏里特全球卫生中心等机构联合开展了首次全球研究优先级设定工作，旨在整合国际专家意见，明确该领域的核心研究方向，为全球公共卫生应急决策提供高质量的数据、分析方法与策略支持，其学术价值在于为领域提供统一的研究框架，协调跨学科资源，推动研究成果向实践转化，提升全球应对传染病威胁的能力。

2. 文献综述解析

文献对领域内现有研究的评述逻辑主要围绕当前流行病与大流行病情报体系的系统性缺陷展开，分类维度涵盖研究范围、跨学科协作、资金模式、成果转化、用户导向五个核心层面。

现有研究已证实多源数据整合、AI技术应用可有效提升疫情监测与预警效率，例如基于“同一健康”理念的跨领域数据整合能更全面地捕捉疾病传播动力学，AI算法可快速识别疫情暴发的异常信号；部分研究也探索了社区参与式监测在资源匮乏地区的可行性，证实其能提升疫情发现的及时性。但现有研究存在明显局限性：缺乏统一的研究范围与定义，导致研究成果难以横向比较；跨学科协作不足，公共卫生、数据科学、社会科学等领域存在壁垒，研究呈现碎片化；资金投入分散且缺乏长期规划，难以支持大规模、系统性的研究；研究成果与公共卫生实践需求脱节，较少关注一线从业者的实际需求；同时，对数据治理、伦理与法律框架的研究较为匮乏，制约了数据共享与应用的可持续性。

本研究的创新价值在于首次采用儿童健康与营养研究倡议（CHNRI）混合方法，在全球范围内开展流行病与大流行病情报领域的研究优先级设定，突破了现有研究的地域与学科限制。通过整合213名全球多学科专家的意见，系统梳理了领域内的研究缺口，并将其转化为结构化的研究陈述，最终确定了23项核心研究优先级，为研究者、资助者与实践者提供了统一的行动框架，解决了现有研究缺乏共识、碎片化的问题，同时强调了用户导向与跨学科协作的重要性，为领域的可持续发展提供了方向。

3. 研究思路总结与详细解析

本研究的核心目标是确定流行病与大流行病情报领域的全球研究优先级，核心科学问题是如何通过系统性的专家咨询与优先级排序方法，整合全球多学科意见，建立符合公共卫生实践需求的研究框架，技术路线遵循“目标定义→意见收集→陈述整合→优先级排序→结果分析”的闭环逻辑，采用CHNRI混合方法确保过程的系统性、透明性与可重复性。

3.1 研究目标与框架定义

本环节的核心目标是明确研究优先级设定的具体目标，建立结构化的专家咨询框架。研究团队首先对来自WHO六大区域的10名资深公共卫生专家（涵盖流行病学、传染病监测、同一健康、数据科学等领域）进行探索性访谈，随后于2022年10月世界卫生峰会期间举办线下研讨会，邀请34名来自学术界、公共卫生机构、慈善组织的参与者围绕研究优先级的必要性、领域挑战、解决路径及后续机制展开讨论。基于WHO流行病与大流行病情报中心的“更好的数据、更好的分析、更好的决策”三大支柱，将框架细化为10个分类（更好的数据：检测、验证、报告、响应；更好的分析：整合、分析、汇报；更好的决策：决策制定、评估、治理）。

结果显示，该环节明确了研究的五大目标：优先支持满足公共卫生从业者需求的研究、为研究界与资助者提供指导框架、促进跨学科协作、协调资金投入、推动研究成果融入政策决策；同时建立的三大支柱框架为后续专家咨询提供了结构化基础，确保意见收集的针对性与系统性。文献未提及具体实验产品，领域常规使用在线调研工具、质性分析软件等。

3.2 问题陈述生成

本环节的核心目标是收集全球多学科专家对流行病与大流行病情报领域研究缺口的意见。研究团队通过TWG成员与资深专家推荐，遴选213名来自不同学科、部门与地域的全球专家，通过SurveyMonkey平台开展在线调研，要求专家针对咨询框架中的10个分类，每个类别提交最多3个描述现有研究缺口的问题陈述，对未完成问卷的专家发送最多两次提醒，同时在调研中明确知情同意流程，说明研究目标、数据使用政策与保密措施。

结果显示，共回收83份有效问卷，占邀请专家的39%，累计收集805个问题陈述，其中659个符合流行病与大流行病情报的研究范围，被纳入后续框架分析。参与专家的性别与部门分布与初始邀请名单基本一致，但中高收入国家与多边组织的参与者占比略高。文献未提及具体实验产品，领域常规使用在线调研平台（如SurveyMonkey）。

3.3 研究陈述整合

本环节的核心目标是将收集到的问题陈述转化为结构化、可操作的研究陈述。首先由两名首席研究者使用MAXQDA 24.4.1软件对问题陈述进行框架分析，按照三大支柱与10个分类进行编码与分类，独立完成初始编码后通过面对面讨论达成共识，去除重复陈述并优化表述，同时使用ChatGPT 4.0辅助措辞（不参与内容生成），并通过Claude 3.5 Sonnet进行一致性校验，确保内容的准确性。随后将问题陈述转化为具体的研究陈述，经WHO技术评审组（5名流行病与大流行病情报官员与顾问）评审、TWG与WHO高级管理层修订，最终形成25份研究陈述，再经WHO六大区域技术官员评审后，确定23份独特的研究陈述。

结果显示，研究陈述整合过程中专家意见高度收敛，仅排除无研究范围或超出领域主题的陈述（如仅聚焦药物研发的内容），最终确定的23份研究陈述覆盖八大研究领域：AI与技术进步、数据准备、质量标准、分析框架、跨部门方法、社区中心方法、治理、证据转化为政策，为后续优先级排序提供了明确的研究方向。文献未提及具体实验产品，领域常规使用质性分析软件（如MAXQDA）、大语言模型工具等。

3.4 优先级排序与数据分析

本环节的核心目标是对23份研究陈述进行优先级排序，并分析专家意见的一致性。研究团队邀请参与问题陈述调研的专家，通过SurveyMonkey在线平台或分时区的线上研讨会，基于五大标准（解决关键知识缺口、促进有效干预、可行性、政策适用性、公平性）对研究陈述进行评分，评分选项包括0（不太可能符合标准）、0.5（不确定是否符合）、1（可能符合），专家可对不熟悉的内容留空。数据分析阶段，首先校验数据的一致性与准确性，计算每个标准的中间得分（得分总和除以有效回答数），再计算每个研究陈述的研究优先级得分（RPS），并结合标准权重计算加权研究优先级得分（wRPS），同时计算平均专家一致性（AEA）评估专家意见的共识程度，使用SPSS Statistics 28.0进行统计分析，通过单因素方差分析比较不同参与形式（线上调研vs小组研讨会）的评分差异。

结果显示，共45名专家参与优先级排序（占邀请专家的21%），单因素方差分析显示不同参与形式的评分无显著差异（P>0.05），验证了评分过程的可靠性。wRPS范围为0.667至0.831，其中排名前三的研究陈述为：开发创新、低成本的多病原体实验室诊断方法（wRPS=0.831），探索通过多学科数据整合优化疫情检测、验证与报告的方法（wRPS=0.828），确定疫情期间监测工作与公共卫生干预效果的快速评估方法（wRPS=0.815）。专家在“解决关键知识缺口”与“促进有效干预”两个标准上的一致性较高（中位AEA分别为77.8%与69.4%），其余三个标准的中位AEA均高于50%，表明专家对核心研究方向的共识度较高。文献未提及具体实验产品，领域常规使用统计分析软件（如SPSS Statistics）、在线调研平台等。

4. Biomarker研究及发现成果

本文献聚焦于流行病与大流行病情报领域的全球研究优先级设定，未涉及生物标志物（Biomarker）相关的研究内容，因此本模块无对应解析内容。