“您所負責的張*林存在發熱呼吸道癥候，具體情況為體溫38.1℃，同時存在咳嗽癥狀，請確認傳染性疾病風險”。手機上收到提示后，南昌大學第一附屬醫院（以下簡稱為“南昌大學一附院”）呼吸科許醫生迅速登陸系統，查看該患者的病原體檢測結果，確認患者是普通的呼吸道感染后才放下心來。許醫生在系統內快速完成預警消息的處理，預警解除。而在另一側，監控平臺的統計數據也實時更新。

這段時間以來，來自醫院感控處的向醫生也會在早上9:00定時收到來自微信的預警消息匯總，例如，他會收到以下信息：“與去年同期相比，近七日發熱門診就診人次數量同比上升16.7%，已達到警戒值15%，請確認是否有傳染性疾病發生風險”。向醫生打開預警監控平臺，近期的發熱門診人次數、住院患者發熱人數及變化趨勢等信息，也會實時顯示在上面。“實時更新的數據統計及大數據分析預警工具為我們研判傳染病疫情的發生發展提供了有力的支持”，向醫生如是說。

疫情發生以來，為了提高對突發傳染性疾病的應對水平，提升早期預警監控能力，南昌大學一附醫建立了大數據疫情防控平臺。而前面提到的兩個例子，就是該平臺實際應用的場景之一。

該平臺的功能主要分為三個部分。首先，對疫情防控重點指標的實時監控和展示。針對疫情相關的核心分析指標，例如發熱人群的數量變化、各類病例的空間分布情況、重點科室人員情況等進行實時數據統計，并以監控大屏的形式進行可視化展示。

第二，醫療物資的監控系統助力資源分配。在突發疫情條件下，大部分醫院的醫療物資供給，如口罩、手套、防護服等，都出現了短缺現象。如果醫院的物資管理系統提供的數據足夠準確，領導層就可以根據醫療資源的供給情況調整醫療服務的開展規模，同時根據各部門的工作量分配有限的醫療資源。因此監控平臺也接入了關鍵醫療物資的實時庫存及動態分析，確保資源合理配置，輔助科學決策。

第三，基于大數據的智能預警分析。以新冠疫情為例，此類新發疾病由于缺乏相關背景資料，傳統的被動上報方式往往難以及時預警。因此監控平臺納入了基于大數據的分析模型，基于患者以往的就診數據及當前的癥狀、體征信息進行多維度建模，自動識別符合發熱呼吸道癥候群特征的患者，在入院時及進行主動預警，并以企業微信消息的方式通知主管醫生及感控處，做到早發現、早預警、早處置，推動“關口前移”。

目前在疫情常態化防控的背景下，建立主動監測防控體系是重要的手段。由于多數疫情的發現首先是在臨床，因此疾病癥狀監測比傳統的公共衛生監測更能及時地監測到突發公共衛生事件。南昌大學一附院所構建的疫情防控平臺將患者的癥狀體征信息納入進行分析，初步實現了針對發熱呼吸道癥候群的主動監測。

據悉，在目前疫情可能存在反復的情況下，南昌大學一附院逐步將預警范圍擴展到五大癥候群監測，同時把預警范圍擴展到醫聯體醫院，并持續優化算法，探索智慧化預警。