Článek je věnován eliminaci spalniček a zarděnek na území evropského regionu WHO, která je součástí programu WHO/EURO, a navazujícím úkolům Národní verifikační komise pro eliminaci spalniček a zarděnek v ČR.
The article focuses on measles and rubella elimination in the WHO European Region, which is part of the WHO/ EURO programme, and on the tasks faced in this context by the National Verification Committee for Measles and Rubella Elimination in the Czech Republic.
Cíle: Cílem studie bylo vyhodnotit úplnost dat a odhadnout senzitivitu surveillance spalniček v rámci hlášení do nové elektronické verze národního Informačního systému infekční nemoci (ISIN) za účelem posouzení fungování tohoto systému. Metody: Byla hodnocena úplnost hlášení spalniček v ISIN pro demografické charakteristiky (týden a kraj hlášení, věk a pohlaví), datum prvních příznaků, komplikace, hospitalizace, stav očkování, použité laboratorní metody a země importu od ledna 2018 do června 2019. Pomocí metody dvojího záchytu „capture-recapture method“ (CRM) porovnáním registrů Národní referenční laboratoře (NRL) a ISIN byl vyhodnocen počet případů spalniček. Případy byly spárovány pomocí jedinečného osobního identifikátoru (rodné číslo). Celkový odhadovaný skutečný počet případů spalniček v populaci byl vypočten pomocí Chapmanova vzorce. Senzitivita hlášení byla kalkulována podílem počtu hlášených případů odhadovaným skutečným počtem případů pomocí CRM. Výsledky: V ISIN bylo ve stanoveném časovém období nahlášeno 765 případů spalniček. U mnoha proměnných byla nalezena 100% úplnost. Data chyběla hlavně u statusu očkování (20 %), sérologických výsledků (55 %) a použitých laboratorních metod (8 %). NRL vyšetřila v uvedeném období 653 vzorků pacientů. V obou registrech (ISIN a NRL) bylo zachyceno celkem 612 shodných případů. Odhadovaný skutečný počet případů spalniček v populaci pomocí CRM byl 816 (95% CI: 809–823) ve srovnání se skutečně hlášenými 806 případy při spárování dat obou systémů. Odhadovaná senzitivita surveillance systému je 98,8 %. Pět procent (n = 41) případů pozitivně testovaných v NRL nebylo v ISIN hlášeno. Závěr: U většiny proměnných jsme zjistili vysokou úroveň úplnosti údajů o případech onemocnění spalničkami hlášených v ISIN. Odhadovaný skutečný a reálně hlášený počet případů dobře koreloval a vypočtená senzitivita systému ISIN byla na velmi vysoké úrovni. Zdroje dat použité ve studii nebyly navzájem dostatečně nezávislé, a proto výsledky nemusí být zcela přesné. Do budoucna je vhodné provést určité technické změny v ISIN, zejména nastavit více povinných polí v rámci jednotlivých proměnných a více logických syntaxí v automatickém nastavení systému, pro dosažení vyšší úplnosti, kontroly kvality a validity vkládaných dat. Poskytovatelé údajů by měli do ISIN hlásit všechny případy spalniček s maximální precizností při zadávání jednotlivých proměnných, a vyšetřující laboratoře zasílat vzorky ke konfirmaci do NRL v požadovaných případech.
Aim: The aim of study was to evaluate completeness and estimate sensitivity of the measles surveillance using the new electronic version of the national notification system of infectious diseases (ISIN) in order to assess its performance. Material and Methods: The completeness of measles reporting in the ISIN for demographic characteristics (week and region of reporting, age and gender), date of onset, complications, hospitalisations, vaccination status, used laboratory methods and country of import from January 2018 to June 2019 was assessed. The register from National Reference Laboratory (NRL) and the ISIN were compared using the capture-recapture method (CRM). Cases were matched using unique personal identifier. The total number of measles cases in the population was assessed using the Chapman’s formula. Sensitivity of reporting was calculated by dividing the number of reported cases by the CRM estimated true number of cases. Results: In the ISIN, 765 measles cases were registered within specified time period. For many variables 100% completeness was found. The data were missing mainly for vaccination status (20%), serology results (55%) and used laboratory methods (8%). The NRL confirmed 653 patient samples in respected period. Within both registries (ISIN and NRL) the total 612 cases were matched. Estimated real number of measles cases using the CRM was 816 (95% CI: 809-823) compared to 806 reported cases. The estimated surveillance system sensitivity was 98.8%. Five percent (n = 41) of cases tested positively in the NRL were not reported to the ISIN. Conclusions: We found high level of reported measles data completeness in the ISIN for most variables. Estimated real and reported number of cases was in a good correlation and calculated sensitivity of the ISIN was on very high level. Though, the data sources used in the study were not independent on each other, therefore results may not be fully accurate. The technical changes (more mandatory fields and more logical syntax to check data) in the ISIN to improve data completeness are being recommended. Data providers should report all measles cases to the ISIN with maximum precision in entering individual variables and investigating laboratories should send samples for confirmation to the NRL in required cases.
- MeSH
- hlášení nemocí MeSH
- lidé MeSH
- spalničky * epidemiologie MeSH
- surveillance populace metody MeSH
- Check Tag
- lidé MeSH
- Geografické názvy
- Česká republika MeSH
Článek navazuje na sdělení věnované výskytu infekčních nemocí preventabilních očkováním v rámci pravidelného očkování dětí mezi roky 2012–2016 v České republice. Výskyt těchto nemocí, jejich hlášenost i celosvětovou proočkovanost ovlivnila pandemie covid-19, což společně s velkou migrací osob vede k výskytu nebo nárůstu počtu případů onemocnění v oblastech, kde se tato onemocnění desetiletí nevyskytovala, nebo se vyskytovaly jen sporadické importované případy. Z tohoto důvodu jsou v článku uvedena navíc data o výskytu jednotlivých nemocí a proočkovanosti ve světě a v Evropě.
The article focuses on diseases preventable by the vaccines included in the routine vaccination schedule in the Czech Republic. An overview is provided of the incidence of vaccine-preventable diseases in 2017–2021. The occurrence of these diseases, their reporting and worldwide vaccination coverage have been affected by the covid-19 pandemic, which, together with the large migration of people, leads to the occurrence or increase in the number of cases of these diseases in areas where they have not occurred for decades or occurred only as sporadic imported cases. For this reason, the article also includes data on the occurrence of individual diseases and vaccination rates in the world and in Europe.
- MeSH
- hlášení nemocí * statistika a číselné údaje MeSH
- incidence MeSH
- infekční nemoci * epidemiologie MeSH
- lidé MeSH
- vakcinace * MeSH
- Check Tag
- lidé MeSH
- Geografické názvy
- Česká republika MeSH
- MeSH
- epidemiologie MeSH
- mikrobiologie MeSH
- Publikační typ
- biografie MeSH
- O autorovi
- Pečenka, Josef, 1922-1976 Autorita
Sdělení podává přehled výskytu virových hepatitid v České republice v letech 2016–2020 vycházející z dat hlášených do celostátních systémů hlášení infekčních nemocí EpiDat (do konce roku 2017) a ISIN (od roku 2018).
The communication provides an overview of the incidence of viral hepatitis in the Czech Republic in 2016–2020 based on data reported to the national reporting systems for infectious diseases EpiDat (until the end of 2017) and ISIN (since 2018).
- MeSH
- Aedes MeSH
- chronická hepatitida C epidemiologie prevence a kontrola MeSH
- COVID-19 epidemiologie MeSH
- farmakoterapie COVID-19 MeSH
- infekce přenášené vektorem MeSH
- klíšťová encefalitida epidemiologie MeSH
- klostridiové infekce epidemiologie MeSH
- kongresy jako téma MeSH
- kontrola infekčních nemocí * MeSH
- lidé MeSH
- listeriové infekce epidemiologie MeSH
- nemoci novorozenců MeSH
- očkovací programy organizace a řízení statistika a číselné údaje MeSH
- pemfigus epidemiologie MeSH
- pneumokokové infekce prevence a kontrola MeSH
- pokrytí očkováním MeSH
- sérologické testování na COVID-19 statistika a číselné údaje MeSH
- tularemie epidemiologie MeSH
- Check Tag
- lidé MeSH
- MeSH
- epidemiologie * MeSH
- kongresy jako téma MeSH
- Publikační typ
- zprávy MeSH
Článek prezentuje základní data o výskytu vybraných infekčních onemocnění přenášených vektorem v ČR na základě hlášení do informačních systémů EPIDAT a ISIN (Informační systém infekční nemoci). Nejčastějšími one-mocněními této skupiny získanými v ČR jsou lymeská borelióza a klíšťová encefalitida, nejčastěji importovanými jsou horečka dengue a malárie.Význam vektorem přenášených onemocnění stoupá se změnami klimatu, nárůstem turistiky a častějším cestováním se zvířaty.Článek navazuje na sdělení „Výskyt transmisivních nákaz v České republice – rok 2013 a vývoj v posledních 10 letech“ [Zprávy CEM 2014; 23(7)], které se současně věnuje i popisu klinických příznaků a epidemiologických charakteristik sledovaných onemocnění. Rozsah nyní prezentovaných údajů je limitován přechodem ze systému EPIDAT na systém ISIN v roce 2018 a probíhajícími úpravami systému ISIN, který dosud (v době zpracování článku) neumožňuje vytěžování veškerých hlášených dat.
The article presents basic data on the incidence of selected vector-borne diseases in the Czech Republic derived from the reporting information systems EPIDAT and ISIN (IDIS -Infectious Disease Information System). In the Czech Republic, the most common vector-borne diseases are Lyme borreliosis and tick-borne encephalitis and the most commonly imported diseases in this category are dengue fever and malaria. The importance of vector-borne diseases is growing due to climate changes, increase in tourism, and more frequent travel with pets.This article extends the communication The incidence of transmissible infections in the Czech Republic in 2013 and its trend in the last decade [Zprávy CEM 2014; 23(7)] where the clinical symptoms and epidemiological characteristics of the relevant diseases have been summarized. The scope of the data currently provided is limited because of the switch from the EPIDAT system to ISIN which does not yet allow (at the time of article submission) extensive data mining.
