3.6 解释监测数据的局限性

当分析监测数据时，要考虑缺失数据、设计所允许的数据推广性（generalizability）以及其他错误来源。例如，通过次国家监测或哨点监测所发现的病例并不代表整个国家。如果采用基于机构的监测，病例就会限于就诊者。因人群的社会人口学亚群不同，就诊行为可能千差万别。在其他情况下，病例定义和实验室检测由于排除了某个亚群的病例或某些临床表现而导致系统错误。

值得注意的是，疫苗可预防疾病监测依赖于临床症状和体征的侦查，但不能发现无症状感染者。对于大量无症状感染的疾病，如脊髓灰质炎、风疹和病毒性肝炎，在解释监测数据以了解真实的疾病负担和传播动力学时，应考虑到这种局限性。为了发现“隐性”疾病的流行，应使用其他方法，如环境监测或血清学调查（参见附录C）。

某个人群在不同时间会发生发病率的随机波动，因此应注意不要对疾病负担的微小变化解释过头。例如，百日咳的流行周期性为每2～5年（一般3～4年）发生一次。即使在引入有效的疫苗接种规划和获得高免疫覆盖率后也可发生［22］。

当审查不同时间疫苗可预防疾病监测数据的趋势时，应考虑监测系统各个部分可能发生的任何变化。例如，病例定义、报告网络、临床实践、卫生保健利用、实验室检测或卫生保健系统的变化［23］。与疫苗引入一致的纵向监测系统的变化尤其有问题，因为他们可导致对疫苗效果或影响的误解［24］。

关键变量（如性别和疫苗接种状况）的缺失数据对监测数据的流行病学解释可产生进一步的挑战。如果缺失数据的比例过高，结果在推广性方面会受到限制。在某些特殊亚群（如社会经济状况差），接种疫苗的可能性也会减少，缺失数据变量可能更为常见。必须考虑和报告这种潜在的偏倚来源。