馬家奇認為，傳統傳染病監測與預警方式的主要弊端在于：一是“被動監測”，即依賴臨床醫生的主動診斷和報告。傳染病的早期診斷，需要醫生結合患者多病原檢查檢驗結果和流行病學史等進行綜合判斷，很可能因病原檢測結果延遲、缺乏風險識別輔助等各種因素，使得醫生無法及時、準確做出診斷，導致傳染病漏診和遲報、漏報，甚至忽略對疑似新發傳染病的早期排查。二是“人工報告”，存在信息采集緩慢、數據準確性不高等問題。上報流程存在斷點，導致監測報告時效性、監測數據準確性均有所下降。數據顯示，從臨床醫生作出傳染病診斷，到疾控人員看到報告，一般需4個小時以上。手工轉錄的方式，也為各種人為因素導致填報信息錯誤提供了可能。只需輸入小區名即可自動填充省市區街道，滿足國家上報要求。天津2025傳染病系統行業

實現從被動監測向主動監測的轉型。系統打通了醫療、藥店、社區、環境等多行業數據壁壘，建立了多途徑、多維度、多節點監測數據匯聚渠道。例如，通過整合醫療機構診療記錄、藥店感冒藥**、社區癥狀報告及環境監測信息，系統可實現多渠道信息關聯預警，準確評估**風險。這種“早發現、早處置”的機制，不僅很大程度減少了傳染病傳播風險，還通過動態分析醫療資源需求，優化了藥品、防護用品等物資調配，提升了公共衛生資源利用效率。 廣西未來傳染病系統平臺傳染病系統可以預警功能更全。

移動端和智能手環針對用戶，移動端提供了解以及上報流行病的渠道，智能手環實時監測用戶身體狀態。傳染疾病防控與智能分析系統實現了對流行疾病**、輿情、城市人群、行程軌跡、疫苗接種、風向溫度等**相關大數據的多維多尺度監測、專題制圖和時空分析，同時基于手機信令和行程大數據核實確診患者的個人行程以及密接人員，并通過知識圖譜構建病患關系圖譜，精細篩選確診人群、潛在***人群信息及其行為軌跡，結合機器學習ARIMA時序分析模型，SIR、SEIR傳播模型對傳播規律及其拐點進行模擬預測，并通過K-Means聚類、情感分詞、TF-IDF算法、LDA主題模型進行輿情主題信息提取及民眾情感分析，為民眾生活、疾控部門的**防控提供科學有力的支撐。

“快速上報機制”：一旦臨床醫生確診了傳染病病例，軟件會自動提取病例的關鍵信息，生成標準化的報告卡，并觸發快速上報流程。這**縮短了從病例確診到報告的時間，提高了報告的時效性。“閉環管理”：軟件對待確診病例進行全程跟蹤和管理，包括病例的確診、***、隨訪等各個環節。通過設置“待確診”標簽和智能提醒功能，確保病例得到及時、準確的診斷和***，防止病例的漏診和誤診。“提升數據準確性”：軟件采用先進的數據挖掘和分析技術，能夠自動識別和處理異常數據，減少人為因素造成的數據誤差。同時，通過對數據進行清洗和校驗，提高了數據的準確性和可靠性。    再次，預警是傳染病防控的重要手段。

以縣（區）為單位，建立當地傳染病報告病例歷史數據庫，采用移動百分  位數法動態計算傳染病病例數歷史基線，建立將當地當前觀察周期（7天）內病 例數與其相應歷史基線實時進行比較的預警模型。當觀察周期內發現的病例數達到預警閾值時，系統將在24小時內自動發出預警信號。采用移動百分位數法預警的病種：甲肝、丙肝、戊肝、麻疹、流行性出血 熱、流行性乙型腦炎、痢疾、傷寒和副傷寒、流行性腦脊髓膜炎、猩紅熱、鉤 端螺旋體病、瘧疾、流行性感冒、流行性腮腺炎、風疹、急性出血性結膜炎、 流行性和地方性斑疹傷寒、除霍亂、細菌性和阿米巴性痢疾、傷寒和副傷寒以外的***性腹瀉病。通過匯聚傳染病病例監測預警信號，生成基于大數據和專業預警模型合預警信息。醫療機構是傳染病監測數據的重要來源，包括醫院、社區衛生服務中心等，負責日常診療過程發現的傳染病報告。四川手機傳染病系統建設

，決策分析是傳染病防控的中心環節。天津2025傳染病系統行業

一、全域覆蓋，打造“疾控云”生態體系傳染病監測預警系統涵蓋傳染病多渠道監測數據收集、傳染病智慧化預警、應急作業和應急指揮等方面的內容。系統以“全域覆蓋、終端聯動”為**，將全區域各級各類醫療機構、藥店、社區等納入監測終端，形成“橫向到邊、縱向到底”的數據采集網絡。通過加快監測預警技術革新，系統著力打造覆蓋全區域的“疾控云”體系，實現監測數據的實時共享與動態更新。二、智慧轉型，從“被動報告”到“主動感知”天津2025傳染病系統行業