Abstract
Background: The recent Canadian experience with pandemic H1N1 (pH1N1) influenza in 2009 highlighted the need for enhanced surveillance at local and regional levels to support evidence-based decision making by physicians and public health. We describe the rationale, methodology, and provide preliminary findings from the implementation of an automated Mortality Surveillance System (MSS) in the Kingston, Frontenac and Lennox & Addington (KFL&A) health unit.
Methods: The MSS utilized an automated web-based framework with secure data transfer. A data sharing agreement between the local Medical Officer of Health and the City of Kingston facilitated weekly updates of mortality data. Deaths due to influenza were classified using keywords in the cause of death and a phonetic algorithm to capture alternate spellings. Anomaly detection was modeled on the modified cumulative sum algorithm implemented in the Early Aberration Reporting System.
Results: Retrospective analysis of municipal mortality data over a 10-year period established baseline mortality rates in the region. MSS data monitored during the pH1N1 influenza season showed no significant impact on the burden or timing of mortality in the KFL&A health unit.
Conclusion: Municipal data enabled surveillance of mortality in the KFL&A region with weekly updates. Other municipalities may participate in this surveillance project using the Kingston model without significant ongoing investment. Efforts to improve data quality at the physician and transcription level are ongoing. Integration of mortality data and other real-time data streams into an integrated electronic public health dashboard could provide decision-makers with timely information during public health emergencies.
Key words: Pandemics, emergency preparedness, public health surveillance, excess mortality
Résumé
Contexte: La pandémie d’influenza H1N1 (pH1N1) survenue au Canada en 2009 a montré qu’il faut accroître la surveillance au palier local et régional pour que les médecins et la santé publique puissent prendre des décisions fondées sur des données scientifiques. Nous décrivons la raison d’être, la méthode et les constatations préliminaires de la mise en œuvre d’un système automatisé de surveillance de la mortalité (SSM) dans la circonscription sanitaire de Kingston, Frontenac et Lennox et Addington (KFL&A).
Méthode: Le SSM utilisait un cadre Internet automatisé avec transfert sécurisé des données. Un accord de partage des données conclu entre le médecin-hygiéniste local et la ville de Kingston a facilité l’actualisation hebdomadaire des données de mortalité. Les décès dus à l’influenza ont été classés selon la cause de décès (par mots clés) et par un algorithme phonétique pour saisir les orthographes alternatives. Le modèle de détection des anomalies était une version modifiée de l’algorithme de somme cumulée du système EARS (Early Aberration Reporting System).
Résultats: Nous avons établi les taux de mortalité de référence dans la région par une analyse rétrospective des données municipales de mortalité sur une période de 10 ans. Les données du SSM surveillées durant la saison d’influenza pH1N1 n’ont montré aucun impact significatif sur le fardeau de mortalité ni sur le moment des décès dans la circonscription sanitaire de KFL&A.
Conclusion: Les données municipales ont permis de surveiller la mortalité dans la région de KFL&A et d’actualiser les résultats chaque semaine. D’autres municipalités pourraient participer à ce projet de surveillance en utilisant le modèle de Kingston sans avoir à y consacrer des sommes importantes sur une base permanente. On poursuit les efforts pour améliorer la qualité des données fournies par les médecins et leur transcription. L’intégration des données de mortalité et d’autres flux de données en temps réel dans un tableau de bord électronique de la santé publique pourrait permettre aux décideurs d’obtenir de l’information en temps utile durant les urgences sanitaires.
Mots clés: pandémies, plan catastrophe, surveillance de la santé publique, surmortalité
Footnotes
Acknowledgements: This Project was supported by Kingston, Frontenac and Lennox & Addington Public Health. We wish to acknowledge the efforts of Blair Johnson, Chief Information Officer of the City of Kingston, for his support in implementing the data sharing agreement and answering questions regarding the dataset.
Conflict of Interest: None to declare.
References
- 1.Schlegelmilch J, Gunn J, Pendarvis J, Donovan M, Vinjé J, Widdowson M, et al. Bio-surveillance and enhanced situational awareness. Adv Dis Surveillanc. 2007;4:191. [Google Scholar]
- 2.Fallon K, Boone D. Death certificate surveillance - New Hampshire. MMW. 2004;53:236. [Google Scholar]
- 3.Muscatello D, Morton P, Evans I, Gilmour R. Prospective surveillance of excess mortality due to influenza in New South Wales: Feasibility and statistical approach. Commun Dis Intel. 2008;32:435–42. doi: 10.33321/cdi.2008.32.42. [DOI] [PubMed] [Google Scholar]
- 4.Canadian Medical Association. Lessons from the frontlines: A collaborative report on H1N1. 2010. [Google Scholar]
- 5.Ontario Ministry of HealthLong-Term Care. Ontario Health Plan for an Influenza Pandemic 2008. 2008. [Google Scholar]
- 6.Public Health Agency of Canada. Canadian Pandemic Influenza Plan for the Health Sector. 2006. [Google Scholar]
- 7.Buehler J, Hopkins R, Overhage J, Sosin D, Tong V. Framework for evaluating public surveillance systems for early detection of outbreaks: Recommendations from the CDC Working Group. MMWR Recomm Rev. 2004;53(RR-5):1–11. [PubMed] [Google Scholar]
- 8.Donovan T, Moore KM, VanDenKerkhof EG. Employee absenteeism based on occupational health visits in an urban tertiary care Canadian hospital. Public Health Nurt. 2008;25(6):565–75. doi: 10.1111/j.1525-1446.2008.00744.x. [DOI] [PubMed] [Google Scholar]
- 9.Moore KM, Edgar BL, McGuinness D. Implementation of an automated, realtime public health surveillance system linking emergency departments and health units: Rationale and methodology. CJE. 2008;10(2):114–19. doi: 10.1017/s1481803500009817. [DOI] [PubMed] [Google Scholar]
- 10.Ontario Ministry of HealthLong-Term Care. Ontario Public Health Standards. Toronto, ON: Queen’s Printer for Ontario; 2008. [Google Scholar]
- 11.Report No. 09–172 . Data Partnership Agreement with Kingston Frontenac Lennox and Addington Public Health. 2009. [Google Scholar]
- 12.Knuth DE. The Art of Computer Programming. Volume 3: Sorting and Searchin. 2nd. Reading, MA: Addison-Wesley; 1998. [Google Scholar]
- 13.Stroup DF, Williamson GD, Herndon JL. Detection of aberrations in the occurrence of notifiable diseases surveillance data. Stat Med. 1989;8:323–29. doi: 10.1002/sim.4780080312. [DOI] [PubMed] [Google Scholar]
- 14.Farrington CP, Andrews NJ, Beale AD, Catchpole MA. A statistical algorithm for the early detection of outbreaks of infectious disease. J Royal Stat Soc Series. 1996;159:547–63. doi: 10.2307/2983331. [DOI] [Google Scholar]
- 15.Lucas JM. Counted data CUSUM’s. Technometric. 1985;27:129–44. doi: 10.1080/00401706.1985.10488030. [DOI] [Google Scholar]
- 16.Reichert TA, Simonsen L, Sharma A, Pardo SA, Fedson DS, Miller MA. Influenza and the winter increase in mortality in the United States, 1959–1999. Am J Epidemiol. 2004;160(5):492–502. doi: 10.1093/aje/kwh227. [DOI] [PubMed] [Google Scholar]
- 17.Canadian Institute for Health Information. H1N1 in Canada - A Context for Understanding Patients and Their Use of Hospital Services. 2010. [Google Scholar]
- 18.Myers KA, Farquhar DR. Improving the accuracy of death certification. CMA. 1998;158(10):1317–23. [PMC free article] [PubMed] [Google Scholar]