生物监测的回顾与更新

摘要

自2001年恐怖袭击和炭疽的释放，近十亿$ 32已经被分配给仅在美国生物防御和生物监测。监控保健是指持续系统地收集，分析，解释和传播数据。当试图检测生物恐怖主义的代理商，可发生于多种方式监控。综合症监测是通过监测某些疾病的临床表现来进行的。实验室监测通过寻找某些标志物或实验室数据时发生，和环境监测是通过其周围的空气或环境被连续取样用于生物试剂的存在的过程。本文侧重于通过我们检测生物恐怖制剂和这些系统的有效性的方式。

1.介绍

自2001年9月11日的恐怖袭击和随后一个月炭疽热的发布以来，人们对生物恐怖主义监视的兴趣日益浓厚。这些袭击发生后的几年里，人们的意识得到了提高，联邦政府也提供了资金。这篇论文将集中在我们可以使用的方法来准备自己和检测这些生物剂攻击。

2001年炭疽热袭击、2004年沙士爆发和最近的H1N1流感爆发提醒我们，防范生物恐怖主义的一个重要组成部分包括监测方法，可察觉和监测爆发的过程，从而将相关的发病率和死亡率降至最低[1]。人口监测可以通过多种方式实现。综合症监测是通过监测某些疾病的临床表现来进行的。此类监视发生在与健康相关的数据，如国际疾病分类第九版(ICD-9)代码，分析了爆发的可能性。实验室监视是通过寻找某些标记或实验室数据进行的。实验室反应网络(LRN)是美国检测、确认和报告生物恐怖分子的实验室系统。在LRN内，哨兵实验室的任务是挑出可疑的标本，以便在更高级别的实验室进行进一步的检测。环境监察是指持续取样环境空气或环境，以确定是否有生物制剂[2]。

不幸的是，生物恐怖主义监控的做法仍然研究甚少。最近29个生物检测系统的系统回顾得出的结论是没有足够的证据，以确定这些系统是最好的[1]。有一件事是知道的。无论是像2001年第一次诊断出炭疽的精明的临床医生，还是用于检测鼠疫的复杂的化学实验室技术，我们都必须保持我们识别和应对生物恐怖袭击的能力。

2.背景

监测被认为是查明全球关注的公共卫生事件，特别是正在出现的传染病的最重要的公共卫生工具[3.]。监测的使用不仅有助于生化恐怖袭击，而且监测系统产生的信息也有助于识别和应对新出现的传染病。这些流行病与传统的生物恐怖剂无关，但它们在公共卫生方面的重要性也同样令人担忧。最近爆发的H1N1流感就是这方面的一个典型例子。

四个基本监控功能包括(1)检测的病例在特定的人群和报告的信息,(2)分析和确认报告病例信息发现疫情,(3)提供及时和适当的反应在地方/区域级别允许适当的国家层面预防和控制疾病暴发,及(4)提供流行病学情报信息，以协助公共卫生及卫生保健政策和计划的长期管理[3.]。

卫生保健的监测是指持续系统地收集、分析、解释和传播数据[4]。早期的公共卫生监测方法是被动和自愿的。当病人被诊断患有可报告的传染病，并由临床医生、医院或实验室通知当地卫生部门时，就会发生这一过程。时间会随着信息在地方和州卫生部门的传递而流逝。尽管监测的许多关键组成部分发生在地方一级，但要使其及时发生还需要许多工作环节。

被动监测是对全球生物监测的重要组成部分。它具有廉价，易于实施，且无技术上的障碍的优点。但是，它可能不是快速，精确到足以单独使用以应对生物恐怖袭击。被动监测是使用最好与其他的方法来快速确定治疗和制定保护公众健康的措施，如免疫接种，预防，检疫。

主动监测是跟踪新发传染病威胁的方法。主动监测涉及到推广，从特定的群体，如定点医疗机构或医院积极搜集疫情信息。通常情况下，主动监测是着手寻找一个特定的疾病。主动监测是更加劳动密集型的，需要的不仅仅是被动监测更多的公共卫生资源[5]。

用于公共卫生的生物恐怖主义监测系统需要3个关键特征:及时性、高敏感性和特异性以及数据的常规分析[1]。诊断的及时性，因为大多数的治疗铰链的早期发现的有效性至关重要。为此，与手动方法[比较监视数据的电子收集和报告具有改进的检测1]。高度的敏感性是必要的，因为如果没有这种敏感性，系统可能无法发现与生物恐怖主义有关的疾病，从而可能导致发现的延迟。在另一端，特异性不足的系统可能经常出现误报，这将导致代价高昂的公共卫生应对措施。以食源性疾病暴发为例，低敏感性的系统可能会遗漏哨点病例，直到暴发已经广泛传播时才发现趋势。这损害了监测系统对疫情充分采取有效公共卫生应对措施的能力。使用相同的示例，低特异性的系统可能识别与导致不必要的公共卫生应对措施、从其他真实疫情转移资源的疫情不真正相关的病例。敏感性和特异性通常是负相关的，例如优化一个特征会以牺牲另一个特征为代价。对于任何一个特定的监控系统来说，要在这两个特征之间取得最佳平衡都是困难的[1]。

3.症状监测

第一键识别潜在的生物恐怖事件是保持怀疑的强指数。1999年西尼罗河热病毒和炭疽热在2001年故意释放的最初病例最终被诊断为临床医生敏锐工作手牵手与实验室技术人员，而不是由公共卫生监测系统。化验结果报告之前的病征数据采集;因此，卫生部门可以能够识别疾病发病率的增加正式诊断制成，并为疫情在其病程早期响应之前。为此，疾控中心，州和当地公共卫生机构和美国政府和军方已经在症状监测投入巨资。

病征监测方法包括许多线索和数据点，公共卫生人员可用于识别模式。数据来源，如护士热线电话、非处方药购买和急诊主诉可以监测疾病群集[6]。其他一些可疑事件的线索包括传染性疾病的频率和严重程度的急剧上升，包括那些发生在动物身上的。其他危险信号包括不寻常的聚集或年龄分布、罕见疾病的发生、有无或缺乏接触史、前往地方病地旅行、死因不明或病原体具有不寻常的抗菌素耐药性[7]。

为了应对2001年的事件，新类型的监视系统的开发理念是通过时间和区域[追踪症状的人群为基础的报告，以检测流行病8]。美国许多城市和州采用综合症监测，即近实时监测疾病暴发的非特异性、诊断前指标，为其社区传染病暴发提供早期预警。症状监测系统(SSS)监测从临床诊断、主诉和行为(如学校和工作旷工、与疾病有关的911报警、因传染病症状而入院的描述性数据，以推断可能暴发的模式[9]。中医证候监测与传统临床识别的比较见表1(10]。

在对自动化SSSs中爆发检测的35项评估的方法综述中，分析了任何给定SSS检测的最重要决定因素[11]。这些决定因素对于获取一个或多个高容量数据源并将爆发案例或“信号”与基线案例或“噪音”区分开来至关重要。“决定因素被细分为系统特征和正在监测的疫情特征。虽然使用自然爆发的评估最适合回答定性问题，但模拟爆发也有助于提高灵活性和增加定量结果[11]。

有影响的系统特性鉴定包含代表性或系统，爆发检测算法的采样方法，并且该算法的特异性。例如，监视的人口比例较大系统具有用于检测爆发更高的灵敏度。类似地，系统只监视一个类型临床的设定-诸如ED就诊仅-不太敏感。此外，上模拟爆发依据的研究表明，时间监控是当算法在每一个决策点与每天从个别数据考虑数据的多天更敏感。有关爆发重要的决定因素包括爆发的信号和定时的大小和形状。直观地看，一个迅速崛起在一段短时期的信号与那些更缓慢上升一段时间相比，提高了疫情检测的。为一致的检测信号的理想幅度尚不清楚。该研究表明幅度从10％到高达60％。类似地，信号的定时的影响是不一致的，虽然有更好的检测时爆发发生在活动的下基线的情况下[11]。基于这些特点，可以预见的理想SSS在某时刻在多个临床场所多天监测人口众多，与迅速崛起在低基线到至少10％的幅度标记信号。

2001年9月11日的恐怖袭击后几乎立刻，健康和心理卫生的纽约部门（NYCDOHMH）与CDC合作，发起代理的基于急诊科症状监测[12]。该系统寻找可能与生物制剂释放有关的症状，如呼吸窘迫、皮疹、胃肠道症状、神经功能障碍和败血症。提供者填写由流行病学家分析的病人数据表格。这个系统在构想的2天内就在纽约市的15家医院启动并运行。

症状监测系统监测使用了实时收集数据，通常电子卫生服务利用的模式。一个SSS的一个例子是电子监察系统以社区为基础疫情的早期通知（精华），它会自动下载从国防卫生保健机构美国能源部[ICD-9代码1]。这种新颖的使用ICD-9代码是一种方式组病人就诊成综合征。有可用[10000多ICD-9代码13]。根据选定的ICD-9编码列表，病人就诊按本质算法分为八种症状之一。如果发现某一综合征的就诊人数增加，可以联系该诊所获取更多信息，并开展调查。

起步于2003年11月，生物传感是专为早期发现故意和自然传染病爆发的[一个基于互联网的CDC症状监测应用12]。生物传感从几个来源以电子方式接收数据。退伍军人事务部和国防部提供ICD-9代码参观他们的设施。零售药店提供过度的非处方药的销售信息，和美国的实验室公司提供了有序的实验室测试的信息。疾病预防控制中心分析师考试结束后，公共卫生官员可以访问他们的总结报告。

目前的SSSs监测向初级保健医生或急诊室报告的患者的平均模式，并在模式发生变化时发出警报。报告来源包括急诊科、重症监护病房、住院和出院系统以及化验室[8]。快速综合征验证项目(RSVP)依靠医生将患者出现感兴趣的综合征的数据输入计算机，该计算机具有RSVP触摸屏界面[14]。

急诊科的监测数据临床上最常见的来源，虽然其他数据源已被证明是有用的。实时疫情和疾病监测实验室（RODS），宾夕法尼亚州是宾夕法尼亚州联邦的生物检测系统。在自1999年以来生产的，它仪3a万人次从137紧急部门一年的急诊室，并同时监测疾病爆发在宾夕法尼亚州的1262家零售店。通过利用美国零售数据监控（NRDM），他们发现，购买过的非处方（OTC）药品和宪法疾病急诊室之间存在很强的相关性。此信息是在医院的数据来预测未来流行流感的跟踪模式和季节性肠胃疾病往往先发展趋势[有用15]。一项研究表明，非处方电解质的销售比胃肠道和呼吸系统疾病患者就诊早2.4周[16]。

自2001年以来，康涅狄格公共卫生部一直有效地使用基于不定期住院的SSS。入院综合征监测(HASS)系统监测32家康涅狄格州的急症医院，需要报告11个综合征类别。每日监测数据，每周进行综合分析，以便确定疾病群，并进行日常公共卫生后续行动，以便采取进一步行动或作出反应[17]。

综合症监测工作已扩大到包括门诊监测。这种类型的系统利用了门诊医生的经验，他们也可能是第一个遇到任何潜在的生物恐怖主义相关疾病的前驱期患者。在马萨诸塞州东部的一个私人大型门诊多专业团体实践中开发的一个这样的系统表明，覆盖一个地区5-10%的人口的监测可能足以检测到重要的兴趣群。该系统的几个理想组件包括自动收集信息、使用标准医疗数据库中现有的数据、实现和持续管理的最低成本[18]。

虽然症状监测的大多数系统都不断地收集，分析和报告数据，一些系统是专为短期使用，在大规模集会被认为是恐怖分子的目标。这些的SSS被称为基于事件或“插入式”监视[1]。比较使用急诊科主诉到出院诊断时，一个这样的“插入式”是由生物恐怖主义预防应对方案研究监控系统显示出公平到良好的病人分类的协议到合适的综合征类别。这些发现均提示在使用放电诊断的可能增加监控有效性“插入式”和甚至可能自动监视系统[19]。据认为，症状监测系统是最好的实验室监测协同使用。

4.选择监测系统

疾病控制和预防中心(CDC)率先建立了监测系统，除了用于临床和综合征监测的传统的基于症状和诊断的数据外，还可以监测其他疾病指标。早期像差报告系统(ear)就是这样一个系统。这是一个免费的工具，在两个城市(波士顿、纽约、洛杉矶)和州公共卫生机构(乔治亚州、佛罗里达州、田纳西州、北卡罗来纳州和密西西比州)都使用和修改过。它使用非传统的公共健康数据来源，包括学校缺勤率、非处方药销售、911电话、兽医数据和救护车运行数据[20.]。

在2007 - 2008年流感季节的一个新的流行病监测办法已经制定由谷歌公司和CDC。该系统监控在查询网上搜索引擎的形式每天数百万用户的求医行为。金斯伯格等人。演示使用他们的模型来估计CDC报告的实际患病率为流感样病例中85-96％为美国的中大西洋地区。这个基于互联网的系统的优点是该疾病的统计资料与只有一天的报告滞后，相对于CDC监测报告的7-14天的滞后[21]。

虽然谷歌监测系统是专门为监测流感样疾病而设计的，但这一概念更广泛地适用于其他传染性病原体，如生物恐怖剂。除了更早地发现疫情之外，其他优势还包括对公众和政府官员免费提供信息、具有近实时传播的自动化处理以及相对低廉的操作费用。不幸的是，基于互联网的监控的具体情况仍不清楚，可能会产生更多与高假阳性率相关的问题。这些系统还需要大量人口，需要跨地区和社会经济阶层的互联网接入。22]。

另一个基于web的监控系统出现的例子是“健康地图”项目。该协作项目从多流实时互联网监控数据中提取、分类、过滤和集成汇总报告[23]。在二十四小时不间断，包括通过分析师的审查和重新分类辅助自动化的数据挖掘。该系统特别侧重于识别的“突发新闻”的发展趋势，以避免压倒公共卫生官员与低冲击的问题[23]。将“健康地图”系统应用于2009年的H1N1疫情，取得了令人印象深刻的结果。H1N1流感疑似个案与确诊个案的时间差按国家分类，整体滞后时间中位数为12天[24]。这个时间段能够并且将会显著改变对公共健康所反应的影响。这些类型的创新系统的进一步整合与更传统的监控提供了新发传染病的监测未来[最大的承诺24]。

SSSs的真正用途是传播和集成其主要输出:监视数据。在2007年,美国疾病控制与预防中心办公室的关键信息集成和交换创建BioPHusion中心创建的疾病预防控制中心的使命是提供一个CDC-wide资源,促进交流,整合和可视化的相关信息从各种渠道加强机构和程序性决策对环境的感知和早期事件检测。它的目标是向国家、州、地方、部落和全球各级的公共卫生项目和领导人分享及时和可操作的信息。他们使用来自各种各样的政府、私人和其他来源的数据，通过他们的公共卫生信息集成门户创建潜在事件的综合每日报告[25]。其他用于信息交流的公开获取的CDC资源包括流行病信息交流(ep - x)和公共卫生信息网络(PHIN)。

5.实验室监测

临床实验室一直是诊断具有公共卫生重要性的传染病的基石。1999年，疾控中心、联邦调查局(FBI)和公共卫生实验室协会(APHL)建立了由约120个实验室组成的实验室反应网络[26]。燃料棒实验室是这种系统的一个例子，用于主动监视和生物监视领域的研究工作[15]。LRN的任务是维持一个完整的实验室网络，以应对化学或生物恐怖主义行为、新出现的传染病和其他突发公共卫生事件[26,27]。除了识别代理外，LRN还负责制定处理、识别和向其他国家安全机构报告潜在生物代理的协议[2]。

LRN包括联邦实验室(CDC)、州和地方公共卫生实验室、军事实验室(美国陆军传染病医学研究所(USAMRIID))、食品检测实验室(FDA)、环境实验室、兽医实验室(美国农业部)以及国际实验室(加拿大、英国和澳大利亚)[2]。LRN所涉及的实验室根据能力和功能分为A到D级。表格2描述实验室的级别及其功能[2,26,27]。

如表所述2上图中，哨兵实验室是LRN的第一层，负责对日常临床试验进行分类，以发现可疑的生物威胁标本。对当地疫情的应对是第一个，也可能是最重要的一级。前哨化验室必须使用生物安全二级程序运作，并拥有二级认证生物安全柜[27]。这些实验室的工人，只有基本的定点实验室培训人员。当嫌疑生物威胁剂是由这些工人的一个标识，它被发送到包括LRN第二梯队的地方和国家公共健康实验室。这些参考实验室然后执行快速验证测试，同时保持生物安全水平（BSL-3）的设施[7]。一旦这种威胁被证实，它就会被转移到LRN的第三层，即国家实验室。国家实验室配备了最安全的遏制实验室(BSL-4)，如果特工有需要，它们可以使用。

实验室各部门之间的有效沟通对防范至关重要。临床医生、前哨实验室和LRN参考实验室之间的持续对话对快速确诊至关重要。在美国，如果一个前哨实验室不能排除生物恐怖剂，那么它必须被提交到LRN参考实验室[7]。对于受到高度怀疑的案件，通常会联系州政府官员，并将标本转移到执法部门的管辖范围内。

Pien等人描述的以下原则指导临床医生对潜在生物恐怖剂的哨点实验室评估[7]。(1)初步评估医师应从哨点实验室获得最佳标本采集指示，并提醒他们可能存在危险病原体。(2)为了最大限度地提高速度、准确性和安全性，前哨实验室应将培养操作限制在LRN参考实验室所要求的范围内。(3)实验室不得在细胞培养中接种高度可疑的天花病毒、出血热病毒、甲病毒或任何未知的潜在生物恐怖主义病毒。收集前应与当地公共卫生部门或疾控中心联系。(4)实验室不得将环境(如包裹、粉末、信件、土壤或水)、食品、动物或植物标本送往定点实验室进行分析。相反，这些应该被直接引用到LRN参考实验室。(5)最后，为了减少实验室获得性感染的风险，限制对某些潜在病原体的操纵(例如，土拉杆菌内,布鲁氏菌物种,科希拉·伯内提，伯克霍德亚·梅雷，和伯克举办）来认证II类生物安全柜或BSL-3条件[环境下7]。

疾病预防控制中心负责透过定期的熟练训练监察参考实验室[30.]。它不能独自完成全部工作，并将部分工作委托给各州和地方政府。这给LRN带来了一些缺陷和不一致性。许多州和当地有不同的法律规范这种报道。此外，由于一些哨兵实验室是私有的，只有适度的监督可以发生在这个水平。为此，最近的一项调查显示，只有73.8%的报告实验室表明他们有足够的人员、设备和训练来应对生物恐怖主义事件。27]。另一项研究用三种A类生物恐怖主义(炭疽热、鼠疫和兔热症)进行了实验。在这项研究中，哨点实验室仅正确识别了84%的生物恐怖主义制剂[26]。这项研究表明，定点实验室性能改善，但仍不太可能在这个最佳的目标。

6.环境监测

有两类环境检测系统的当前存在，气溶胶云的远程或支架检测和环境的点检测系统[2]。

6.1。远程检测系统

远程探测系统从远处监测潜在生物威胁的一种方法是观察悬浮物质或云。发现和评估云的内容被称为“僵局”检测[28]。在最基本的层面上，这些探测器的目的是向军事或平民公共卫生人员发出警报，提醒他们有云层正在接近。在对云进行初步识别后，将对其内容进行更详细的评估，如水滴、惰性无机物质、死亡生物微粒或非致病性微生物[28]。远程防区外或检测监控系统包括由多普勒无线电和雷达，陆军的长期和短期的生物学僵局检测系统云识别。陆军的对峙检测的系统能够使用的紫外线光的反射率[从长距离检测的气溶胶云，以及确定它们的组合物2]。

6.2。点检测系统

点检测系统是对环境源进行采样，试图检测和识别介质的系统。通过在发病部位的快速诊断，可以使用免疫分析、遗传分析和质谱分析对生物制剂进行特异性鉴定[2]。这些系统可以根据采集的样品的类型和位置进一步加以区分。例如，临时生物剂探测器用于美国海军舰艇监测空气中颗粒物浓度的增加[1]。Biowatch是一种环境探测系统的一个例子，它可以从机场或公共建筑等固定地点采集气溶胶样本。

6.3。Biowatch

2003年7月，国土安全部(DHS)、环境保护署(EPA)和美国疾病控制与预防中心(CDC)推出了“生物样本”计划，这是一种联邦监测系统，旨在加速检测在生物攻击中可能以雾化形式释放的特定生物制剂。Biowatch公司在美国31个主要城市部署了空气采样设备。一般情况下，我们每天都会对空气样本进行化验，以确定是否有受监察的特定生物制剂的迹象[2,29]。

生物atch的核心目的和意图是加速公共卫生对秘密生物攻击的反应。这将允许迅速传播抗生素或疫苗等医疗对策，从而挽救生命[30.]。为此，在这31个城市地区有500个空气过滤器作为生物观察传感器。这些传感器还被用于选择室内场地，并用于监控大型集会活动，比如超级碗(Super Bowl)。这个全国性的监测系统使用分布式的气溶胶收集器来捕获空气中的颗粒，然后装在可拆卸的干燥过滤器上，每天运送到LRN实验室进行分析。30.]。2005年该技术的扩展应用被称为第二代生物atch。据报道，第二代生物手表可以在10至36小时内进行采样和报告检测[31]。生物观察传感器旨在集成到一个复杂的环境监测、医疗监测活动和公共卫生反应网络中。人们认为，将公众意识信息以及综合症、实验室和环境监测技术和系统结合起来，将是防范生物恐怖袭击的最佳手段[2,31]。

生物监测是不完美的。作为当前操作，生物监测过滤器收集每24小时并交付给本地实验室，在那里它们被按规定的协议进行分析。如果这个分析识别的五个生物威胁因子，该系统是用来检测的一个，它被称为生物监测结果采取行动（BAR）。实验室报告酒吧当地的公共卫生官员，那么谁必须决定如何应对。这个决定是不敢掉以轻心。治疗BAR作为bioattack证据的决定可能产生巨大的后果，如果它是一个假警报，包括对社会的公共卫生体系的信心破坏性影响。自2003年以来，已经有多家酒吧，虽然没有一直生物攻击的结果。在一些情况下BAR，生物监测样品含有这是遗传上类似于在生物监测目标生物体中发现的材料。这些案件竟然是由存在于周围环境，但并不代表对人体构成威胁的微生物。进展已在开发生物武器辨别和工作的这些近亲属更具体的实验室测定实验室测试已取得正在进行[31]。

只有在特定情况下，Biowatch发出的警告才比目前的医疗系统更及时。如果大规模的气溶胶攻击使用某些生物制剂，并且发生在部署了“生物atch”的地方，以及“生物atch”成功探测到该生物制剂[29]。

第三代生物atch目前正在开发中。环境传感器技术的下一个发展被称为“盒子里的实验室”[31]。第三代生物监测会比目前的生物监测传感器更复杂，有能力自动采集室外空气样本，进行样本的分子分析，并以电子方式报告结果，以提供接近实时的报告。为第3代的目标要求是减少的时间来诊断至4小时，增加靶向生物威胁因子监测，减小单元的采购成本降低到每检测器单元$ 80,000，并且检测灵敏度和假阳性率在保持与当前系统的性能相一致[31]。

7.成本/效益

生物恐怖事件被认为是低概率但高成本的事件。费用很高，因为许多药物直到症状出现时才被发现，那时治疗效果较差，费用较高[32]。也就是说，政府全面部署生物传感器在经济上是不可行的[2]。尽管成本不断增长，国会仍继续通过立法，通过增加联邦和州生物监测的资金来加强国家的生物监测。2007年国土安全部的一份报告显示，自2001年以来，仅在美国就有将近320亿美元被用于生物防御和生物监控[3.]。

截至2005年，每年的生物atch费用约为13,672,096美元。该数字包括人工成本、现场升级、供应品、差旅、培训和其他操作和维护成本[32]。大多数人认为这种成本是合理的，如果生物恐怖事件的可能性仍然高生物监测的好处改善。

由于目前计划以更大的能力扩展生物atch网络，这将增加生物atch第3代系统与目前部署的第1代和第2代系统的成本。考虑到目前美国生物监控系统的操作复杂性，在进行大规模技术收购投资之前，必须仔细评估拟议系统的操作优势和可行性，并在现场条件下测试第三代的实际性能。国土安全部将继续合作开展和监督Biowatch 3的研发和操作测试[31]。

8.限制/当前挑战

尽管在过去的十年里，无论是在美国还是在国外，资金和资源的大量增加使我们提高了生物监控的能力，但仍有一些挑战需要解决。当多个系统同时使用时，疾病监测系统对公共卫生官员的价值最大。目前，疾病监测的主要限制是各种私人和联邦监测系统之间的协调有限，缺乏互操作性。

正如9/11委员会法案的一部分，国家生物监测集成中心（NBIC）是美国国土安全部内建立的，整合信息并支持跨生物监测的社区。美国政府问责局2009年的报告对生物监测和资源利用的状态，得出的结论是周围存在跨社区的价值，以及该社区内的NBIC的使命和目的的混淆，不确定性和怀疑。此外，有一个不够明确的角色，职责，联合战略，政策和程序的跨机构跨境经营[33]。

每个单独的系统提供了有用的信息，但没有任何一个体系完备[5]。由于我们有可能在比许多传染病潜伏期更短的时间内到达世界上大多数地方，我们的网络必须扩大，以允许全球监测[9]。世界卫生组织（WHO）所产生的国际卫生条例的大修在2005年特别专注于全球公共卫生应对自然灾害，意外泄漏或故意使用生物和化学制剂的协调，可以影响全球公共卫生[3.]。但这种合作必须存在于各个层面，地方，州，联邦和国际-最大化监督的作用。

我们目前监测方法的另一个挑战是假阳性激活的后果。考虑到常见病原体与潜在生物恐怖剂的重叠，这些系统必须设计为高灵敏度。不幸的是，这常常会牺牲系统的特异性。虚假警报可能是由于技术故障或自然发生的事件，例如在牛密集地区发现炭疽病毒[32]。随后调集大量资源不仅代价高昂，而且可能非常分散注意力，造成极大的公众痛苦。

数据的采集燃料监控系统，尤其是综合征和临床为基础的，可以通过对受保护的健康信息（PHI）的隐私问题的挑战。虽然健康保险流通与责任法案（HIPAA），隐私规则允许公共卫生突发事件中健康数据的必要交流，PHI的流动可以通过的隐私规则的会计要求的误解减缓。关于HIPAA例外这一障碍前的生物恐怖袭击的事件需要必要的当事人的教育[34]。

9.结论

要阻止生物恐怖袭击的蔓延，需要结合上述监控系统。只有通过积极的研究、适当的资助和创造性的发明，我们才能改善这些系统。

参考

1. D. M. Bravata, K. M. McDonald, W. M. Smith等人，“系统回顾:早期发现与生物恐怖主义相关疾病的监测系统，”内科学年鉴第140卷，no。11，第910-922页，2004。视图:谷歌学术搜索
2. 《生物恐怖主义:为不可能或不可能的事做准备》，M. Karwa, B. Currie, V. Kvetan，危重病医学第33卷，no。1, S75-S95, 2005。视图:出版商的网站|谷歌学术搜索
3. C. castilo - salgado， "全球公共卫生监测的趋势和方向"，流行病学评论第32卷，no。1，第93-109页，2010。视图:出版商的网站|谷歌学术搜索
4. D. J. Persell和罗宾逊全球物流有限公司，“检测和生物恐怖事件的早期识别，”家庭和社区健康第31卷，no。1, 2008年4-16页。视图:出版商的网站|谷歌学术搜索
5. t·k·塞尔，《了解传染病监测:它的用途、来源和局限性》，生物安全与生物恐怖，第8卷，no。4, 305-309页，2010年。视图:出版商的网站|谷歌学术搜索
6. L. Uscher，松树，C. L.法雷尔，S. M.巴宾等人，“框架的响应方案的建立对公众健康的症状监测系统：8个美国各州的案例研究”灾难医学和公共卫生准备第3卷，no。1, S29-S36, 2009。视图:出版商的网站|谷歌学术搜索
7. B. C. Pien, J. R. Saah, S. E. Miller和C. W. Woods，“临床医生利用哨点实验室评估潜在的生物恐怖主义和新出现的感染，”临床感染疾病第42卷，no。2006年，第1311-1324页。视图:出版商的网站|谷歌学术搜索
8. V. Sintchenko和B. Gallego，“以实验室为导向的疾病暴发检测:三代监测系统”，病理和检验医学档案第133卷，no。6，第916-925页，2009。视图:谷歌学术搜索
9. "改善传染病监测"，刊于原子科学家公报，芝加哥大学，美国伊利诺伊州芝加哥，2008年，http://www.thebulletin.org/print/web-edition/op-eds/improving-infectious-disease-surveillance。视图:谷歌学术搜索
10. J. W.比勒，R. L.贝克曼，D. M.哈特利，C. J.彼得斯，《综合症监测与生物恐怖主义相关的流行病》，新发传染病，第9卷，no。2003年，第1197-1204页。视图:谷歌学术搜索
11. D. L.贝克里奇，“通过自动监测疫情检测：检测的决定进行审查，”生物医学信息学杂志第40卷，no。2007年，第370-379页。视图:出版商的网站|谷歌学术搜索
12. S. M. Borchardt, K. A. Ritger, M. S. S. Dworkin，“对潜在生物恐怖主义分子的分类，优先级和监视，”北美的传染病诊所卷。20，没有。2，第213-225，2006年。视图:出版商的网站|谷歌学术搜索
13. J. A. Betancourt, S. Hakre, C. S. Polyak, J. A. Pavlin， "用于社区流行病早期通报的电子监测系统中综合症监测的ICD-9编码的评估"，军事医学第172卷，no。4，第346-352页，2007。视图:谷歌学术搜索
14. A. Zelicoff, J. Brillman, D. W. Forslund等人，快速综合征验证项目（RSVP），桑迪亚国家实验室，阿尔布开克，NM，美国，2001。
15. “匹兹堡大学实时爆发和疾病监测实验室”，2011年，https://www.rods.pitt.edu/site/content/blogsection/9/69/。视图:谷歌学术搜索
16. W. R.霍根，F.-C。Tsui, O. Ivanov等人，“销售非处方电解质产品对小儿呼吸道和腹泻爆发的检测，”美国医学信息协会杂志，第10卷，第2期。2003年第555-562页。视图:出版商的网站|谷歌学术搜索
17. 邓贝克，卡利，西尼斯卡尔奇，哈德勒，“住院综合症监视-康涅狄格州，2001年9月- 2003年11月，”发病率和死亡率每周报告，第53卷，补编，第50-52页，2004年。视图:谷歌学术搜索
18. R. Lazarus, K. Kleinman, I. Dashevsky等人，“使用自动门诊护理遭遇记录检测急性疾病群，包括潜在的生物恐怖主义事件，”新发传染病，第8卷，no。2002年，第753-760页。视图:谷歌学术搜索
19. A. T. Fleischauer，B. J.丝绸，M.舒马赫等人，“在基于急诊科症状监测主诉和出院诊断的正确性，”学术急诊医学第11卷，no。12，第1262-1267页，2004。视图:出版商的网站|谷歌学术搜索
20. 早期像差报告系统（EARS），“美国疾病控制和预防，”佐治亚州亚特兰大，美国，2010年，http://emergency.cdc.gov/surveillance/ears/。视图:谷歌学术搜索
21. J. Ginsberg, M. H. Mohebbi, R. S. Patel, L. Brammer, M. S. Smolinski和L. Brilliant，“使用搜索引擎查询数据检测流感流行，”自然第457卷，no。7232，第1012-1014页，2009。视图:出版商的网站|谷歌学术搜索
22. K. Wilson和J. S.布朗斯坦，“利用因特网的疾病暴发的早期检测，”医疗协会第180卷，no。8，第829-831页，2009。视图:出版商的网站|谷歌学术搜索
23. J. S. Brownstein, C. C. Freifeld, B. Y. Reis, K. D. Mandl，“监测无国界:基于互联网的新兴传染病情报和健康地图项目”，《公共科学图书馆·医学》杂志上第5卷，no。7, 2008年第1019-1024页。视图:出版商的网站|谷歌学术搜索
24. J. S. Brownstein, C. C. Freifeld, E. H. Chan等人，" 2009年H1N1流感病例的信息技术和全球监测，"新英格兰医学杂志，第362卷，no。18, 1731-1735页，2010。视图:出版商的网站|谷歌学术搜索
25. H. Rolka，D.沃克和J. Heitgerd，“CDC的OCIIX BioPHusion计划概述”综合监察研讨会系列2009年6月。视图:谷歌学术搜索
26. E. A. Wagar，M. J.米切尔，K. C. Carroll等人的“前哨实验室性能鉴定和生物恐怖试剂的通知的综述，”病理和检验医学档案第134卷第2期10, 1490-1503页，2010。视图:谷歌学术搜索
27. 李淑华，“实验室应变网络之全国调查”，“实验室应变计划之全国调查”，灾难医学和公共卫生准备第3卷，no。1, S17-S23, 2009年。视图:出版商的网站|谷歌学术搜索
28. M. Kosal，“化学和生物武器探测器的基础:本周研究故事”，防扩散研究中心，2003年11月，http://cns.miis.edu/stories/031124.htm。视图:谷歌学术搜索
29. 医学研究所，"生物样本与公共卫生监测:早期发现生物威胁的评估系统"http://www.iom.edu/Reports/2010/BioWatch-Public-Health-Surveillance-Evaluating-Systems-Early-Detection-Biological-Threats.aspx。视图:谷歌学术搜索
30. “利用多路聚合酶链反应的自主病原体检测系统对生物威胁剂的环境监测”，张建民，张建民，等。分析化学第80卷，no。19，第7422-7429页，2008。视图:出版商的网站|谷歌学术搜索
31. 国土安全部(DHS)，“塔拉·奥图尔在众议院国土安全拨款小组委员会关于生物监控的证词，”http://www.dhs.gov/ynews/testimony/testimony_1271436311919.shtm。视图:谷歌学术搜索
32. H.施耐德，“生物恐怖主义监控时代保护公众健康：是价格吗？”环境健康杂志卷。68，没有。5，第9-13，2005年。视图:谷歌学术搜索
33. GAO关于生物监控的报告，“制定一个协作战略对于促进机构间数据和资源共享至关重要”，美国综合会计办公室，华盛顿，美国，2009年，http://www.gao.gov/new.items/d10171.pdf。视图:谷歌学术搜索
34. J. G. Hodge Jr.， E. F. Brown, J. P. O'Connell，《HIPAA隐私规则与生物恐怖主义的计划、预防和应对》，Biosecur生物恐怖第2卷第1期2，第73-80页，2004。视图:谷歌学术搜索

版权

©2012尼古拉斯E. Kman和Daniel J.巴赫曼。这是下发布的开放式访问文章知识共享署名许可，允许在任何媒体中不受限制地使用、发布和复制原创作品，只要原稿被正确引用。