实时数字处方揭示流感动态：来自2100万笔交易的证据

将线上购药转化为早期预警信号

如今人们一旦感到不适，很多人不再直接去诊所，而是拿起手机。在中国，数以百万计的人通过按需配送服务获取抗流感药物。本研究提出了一个简单但有力的问题：这些数字处方记录能否比传统的实验室报告或网络搜索更早、更可靠地揭示流感何时开始激增？如果可以，我们用于下单购买药物的点击行为，或能帮助卫生官员更快地准备医院、药品和疫苗，在疾病浪潮达到顶峰之前采取行动。

为何流感追踪的速度至关重要

季节性流感每年在全球感染约十亿人，并造成数十万死亡。卫生机构通过来自选定医院的实验室检测来追踪流感，但这些数据往往晚到一至两周，并且遗漏了许多没有寻求正规就诊的人。这种延迟缩短了储备抗病毒药物、调配人手和发布公众建议的时间窗。早期尝试用数字手段填补这一空白，例如统计与流感相关的网页搜索，有时会严重失准——最著名的例子是谷歌流感趋势（Google Flu Trends）大幅高估真实流感水平，因为它既追踪到公众的担忧也追踪到媒体热度，而不仅仅是病毒本身。本文作者希望检验线上处方购买——需要医生批准并涉及实际付款——是否能提供更清晰、更可靠的信号。

2100万笔处方揭示了什么

研究人员分析了2022至2024年间在中国最大的按需配药平台上完成的2108万笔抗流感数字处方，覆盖31个省份。他们将每日处方率与国家级实验室数据（每周呼吸道样本中检测到的流感阳性数量）进行比较。在多波流感中，处方的涨落与实验室确证的流感活动高度一致，即便在气候与医疗体系差异很大的不同地区亦是如此。平均来说，数字处方的上升大约比相应的实验室数据变化提前两周，实际提供了对同一疫情曲线的早期观察窗口。

将真实信号与季节性噪声区分开来

单看相关性可能会产生误导，因为许多因素——例如寒冷天气或空气污染——也随季节起伏变化。为了解决这一问题，团队使用了因果分析框架，检验一个时间序列是否真正包含关于另一个序列的预测信息，超出共同季节性的影响。结果显示，数字处方不仅能预测未来的实验室确证流感水平，而且自身也受到病毒传播状况的影响，呈现双向关系。相比之下，网络搜索活动和环境条件大多表现为单向推动流感活动的因素，而未被流感反向影响，这表明它们更多充当背景驱动或注意力信号，而不是疫情的镜像。这一模式暗示处方数据与实际疾病紧密相连，而不仅仅是与季节同步波动。

从实时数据到中长期预测

由于数字处方是连续记录并能在24小时内获取的，它们可作为社区疾病情况的近即时衡量指标。作者进一步将处方记录、搜索趋势、天气、污染和流动性数据输入一种结合多种神经网络的先进预测系统。该模型既学习了各省内疫情随时间演化的模式，也学习了跨省传播的规律。它能够以较好精度预测每日处方率——作为流感活动的替代指标——最长达96天的未来趋势，在大多数省份表现良好，包括许多信号特别稳定的欠发达地区。

这对未来疫情意味着什么

通俗地说，这项研究表明，当人们购买处方抗病毒药物时留下的数字痕迹，可以作为对流感传播的敏感、快速且具因果关联的指标。与会随新闻热度激增的搜索数据不同，处方记录反映的是真实的临床决策和治疗情况。它们捕捉到许多未进入实验室系统的轻中度病例，同时仍以医生批准为基础。通过验证这些数据与实验室确证流感同步波动并将其转化为可靠的三个月预测，研究指出了一个方向：卫生机构可以将商业数字平台作为疫情监测的组成部分——更早发现风险，并以更充裕的时间规划应对措施。

引用: Shen, R., Xu, X., Yang, L. et al. Real–time digital prescriptions unlock influenza dynamics: evidence from 21 million transactions. npj Digit. Med. 9, 315 (2026). https://doi.org/10.1038/s41746-026-02513-9

关键词: 数字处方, 流感监测, 疫情预测, 在线药房数据, 预警系统