CN107133901A - 一种传染病防控方法及系统 - Google Patents
一种传染病防控方法及系统 Download PDFInfo
- Publication number
- CN107133901A CN107133901A CN201710315274.3A CN201710315274A CN107133901A CN 107133901 A CN107133901 A CN 107133901A CN 201710315274 A CN201710315274 A CN 201710315274A CN 107133901 A CN107133901 A CN 107133901A
- Authority
- CN
- China
- Prior art keywords
- trip
- prevention
- user
- time
- high risk
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 208000015181 infectious disease Diseases 0.000 title claims abstract description 51
- 208000035473 Communicable disease Diseases 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 26
- 230000002265 prevention Effects 0.000 claims abstract description 92
- 230000000694 effects Effects 0.000 claims abstract description 37
- 201000010099 disease Diseases 0.000 claims abstract description 36
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 36
- 241000256118 Aedes aegypti Species 0.000 claims description 42
- 230000015654 memory Effects 0.000 claims description 16
- 230000006806 disease prevention Effects 0.000 claims description 11
- 230000005540 biological transmission Effects 0.000 claims description 10
- 230000007613 environmental effect Effects 0.000 claims description 6
- 238000007637 random forest analysis Methods 0.000 claims description 6
- 238000009472 formulation Methods 0.000 claims description 4
- 239000000203 mixture Substances 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 241000255925 Diptera Species 0.000 claims description 2
- 230000005055 memory storage Effects 0.000 claims description 2
- 238000011160 research Methods 0.000 description 14
- 230000006399 behavior Effects 0.000 description 5
- 230000033228 biological regulation Effects 0.000 description 5
- 230000001052 transient effect Effects 0.000 description 5
- 230000005180 public health Effects 0.000 description 4
- 206010003399 Arthropod bite Diseases 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000002269 spontaneous effect Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 230000014599 transmission of virus Effects 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000009154 spontaneous behavior Effects 0.000 description 1
- 238000002948 stochastic simulation Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Telephonic Communication Services (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及一种传染病防控方法及系统。所述传染病防控方法包括：步骤a：根据本地染病风险数据识别传染病的高风险区域；步骤b：根据规则手机数据识别访问所述高风险区域的用户；步骤c：根据疾病传染源的活跃水平数据制定时空角度出行防控措施，并根据所述时空角度出行防控措施向访问高风险区域的用户发送对应的出行干预信息。本申请通过在城市内部制定基于时空角度的出行防控措施，并针对用户发送个人定制化的出行干预信息指导用户调整出行时间和空间，从而降低高风险区域的输入性风险。
Description
技术领域
本申请涉及公共卫生技术领域，特别涉及一种传染病防控方法及系统。
背景技术
随着我国城市化的推进，城市地区人口密度增大，城市内部居民出行方式和出行需求增加，城市环境的变化使得传染病很容易在城市内部传播开来，在城市内部采取及时有效、有针对性的防控措施显得尤其重要。自2015年新年伊始提出“精准医药”的概念后，最近又提出了“精准公共卫生”，这一新的概念为公共卫生研究提供了新方向并且受到了医学研究人员和卫生从业者的极大关注。“精准公共卫生”需要做到因人而异，在正确的时间实施差异化、个体化的干预措施。由于大规模规则手机数据可以提供较高的时空分辨率，并且拥有大量的用户人群，根据规则手机数据的高时空分辨率可以精确分析出个体的时空特征，结合病例数据和伊蚊的活跃水平数据能准确的分析出传染病空间传播风险图和易感染时间段，更容易在时空角度上做到精准防控。
目前，使用大规模手机数据进行传染病防控的研究尚处于起步阶段。现有的研究中主要从空间角度考虑传染病防控措施的制定，这类研究中主要采用不规则的呼叫详细记录数据分析个体时空特征，以城市或多个手机基站为防控单元，在全球或国家等大范围区域内进行出行控制，主要针对某些人群进行粗粒度的调控，具体措施包括减少城市之间的航班、火车等交通工具的班次或者依靠媒体的影响力传播城市中传染病的安全水平使个人自发调控自身出行路线避开高水平感染率的城市等，但几乎没有同时考虑时间和空间角度的传染病防控措施。
综上所述，现有的传染病防控研究在手机数据、研究尺度、防控角度、防控措施等方面都存在较大的完善空间，具体不足包括：
其一，使用呼叫详细记录手机数据难以提供完整的个体时空信息，该不规则手机数据具有随机性和短期爆发性，甚至可能对个体时空特征的提取产生误导。
其二，现有技术主要针对国家和地区层面的防控研究中，几乎没有关于城市内部的研究，缺乏针对城市内部的具体有效的防控方案。
其三，现有研究大多从空间角度考虑出行防控措施，缺少同时从时间和空间角度进行出行控制的防控措施。
其四，现有研究的防控措施大多采用减少城市之间的航班、火车等交通工具的班次或者依靠媒体的影响力传播城市中传染病的安全水平使个人自发调控自身出行路线避开高水平感染率的城市等方法来进行出行防控，该类措施主要针对人群进行宏观控制或依靠个人自发的避免感染的行为来进行出行控制，缺乏针对个人的定制化的出行控制措施。
发明内容
本申请提供了一种传染病防控方法及系统，旨在至少在一定程度上解决现有技术中的上述技术问题之一。
为了解决上述问题，本申请提供了如下技术方案：
一种传染病防控方法，包括以下步骤：
步骤a：根据本地染病风险数据识别传染病的高风险区域；
步骤b：根据规则手机数据识别访问所述高风险区域的用户；
步骤c：根据疾病传染源的活跃水平数据制定时空角度出行防控措施，并根据所述时空角度出行防控措施向访问高风险区域的用户发送对应的出行干预信息。
本申请实施例采取的技术方案还包括：在所述步骤a中，所述本地染病风险数据是通过随机森林模型得出的由病例数据和影响疾病传染源生存的环境因素组成的网格风险图。
本申请实施例采取的技术方案还包括：在所述步骤b中，所述规则手机数据为以小时为单位的规则手机定位数据。
本申请实施例采取的技术方案还包括：在所述步骤c中，所述疾病传染源为伊蚊，所述根据疾病传染源的活跃水平数据制定时空角度出行防控措施具体为：根据伊蚊活跃水平数据，以小时为单位调节所述访问高风险区域的用户停留在家的具体时间段，避开伊蚊活跃时间段内的出行活动，将用户限制在家。
本申请实施例采取的技术方案还包括：在所述步骤c中，所述根据时空角度出行防控措施向访问高风险区域的用户发送对应的出行干预信息具体为：针对访问高风险区域的所有用户，在时间t1到时间t2之间采取出行防控措施，并发送“请在时间t1到时间t2之间停留在家”的出行干预信息；其中，t1和t2分别为所述伊蚊活跃时间段内的任意两个整点时刻，且所述t2晚于t1时间。
本申请实施例采取的另一技术方案为：一种传染病防控系统，包括：
区域识别模块：用于根据本地染病风险数据识别传染病的高风险区域；
用户识别模块：用于根据规则手机数据识别访问所述高风险区域的用户；
出行防控模块：用于根据疾病传染源的活跃水平数据制定时空角度出行防控措施，并根据所述时空角度出行防控措施向访问高风险区域的用户发送对应的出行干预信息。
本申请实施例采取的技术方案还包括：所述本地染病风险数据是通过随机森林模型得出的由病例数据和影响疾病传染源生存的环境因素组成的网格风险图。
本申请实施例采取的技术方案还包括：所述疾病传染源为伊蚊，所述出行防控模块根据疾病传染源的活跃水平数据制定时空角度出行防控措施具体为：根据伊蚊活跃水平数据，以小时为单位调节所述访问高风险区域的用户停留在家的具体时间段，避开伊蚊活跃时间段内的出行活动，将用户限制在家。
本申请实施例采取的技术方案还包括：所述出行防控模块根据时空角度出行防控措施向访问高风险区域的用户发送对应的出行干预信息具体为：针对访问高风险区域的所有用户，在时间t1到时间t2之间采取出行防控措施，并发送“请在时间t1到时间t2之间停留在家”的出行干预信息；其中，t1和t2分别为所述伊蚊活跃时间段内的任意两个整点时刻，且所述t2晚于t1时间。
本申请实施例采取的又一技术方案为：一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至5任一项所述的传染病防控方法的以下操作：
根据本地染病风险数据识别传染病的高风险区域；
根据规则手机数据识别访问所述高风险区域的用户；
根据疾病传染源的活跃水平数据制定时空角度出行防控措施，并根据所述时空角度出行防控措施向访问高风险区域的用户发送对应的出行干预信息。
相对于现有技术，本申请实施例产生的有益效果在于：本申请实施例的传染病防控方法及系统通过在城市内部制定基于时空角度的出行防控措施，并针对用户发送个人定制化的出行干预信息以小时为单位指导用户取消一定时间段内的出行并且停留在家，从而降低高风险区域的输入性风险，达到传染病在时空角度上的精准防控。与现有相关技术相比，本申请具有如下优点：
1、本申请采用以小时为单位的规则手机定位数据，能获得更加完整、可靠的个体时空特征，保证对个人实施精确时间防控的可行性；
2、本申请通过在城市内部进行防控研究，填补了在城市内部实施防控的空缺；
3、本申请同时考虑时间和空间角度的防控措施，利用手机对用户发送个人定制化的出行干预信息，控制用户在某时间段内取消出行，从根本上切断了输入性风险的来源，对于控制疾病的传播有明显的防控效果。
附图说明
图1是本申请实施例的传染病防控方法的流程图；
图2是本申请实施例的传染病防控系统的结构示意图；
图3是本发明实施例提供的传染病防控方法的硬件设备结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
请参阅图1，是本申请实施例的传染病防控方法的流程图。本申请实施例的传染病防控方法包括以下步骤：
步骤100：根据本地染病风险数据识别传染病的高风险区域；
在步骤100中，高风险区域指本地染病风险概率值较大的区域，本地染病风险数据是通过随机森林模型得出的由病例数据和影响伊蚊生存的各种环境因素组成的网格风险图。
步骤200：根据规则手机数据识别访问高风险区域的用户；
在步骤200中，规则手机数据为每小时记录一次用户位置的手机定位数据。
步骤300：根据疾病传染源的活跃水平数据制定时空角度出行防控措施，根据时空角度出行防控措施向访问高风险区域的用户发送对应的出行干预信息。
在步骤300中，疾病传染源为伊蚊或其他病毒传播媒介。由于用户的出行导致了输入性风险，疾病在高风险区域具有较强的传染性，因此本申请中的时空角度出行防控措施的最终目的是利用手机向访问高风险区域的用户发送针对个人定制的出行干预信息，指导访问高风险区域的用户取消在某些伊蚊活跃期间的出行活动，从而减少高风险区域的输入性风险。其中，输入性风险数据是利用本地染病风险值和疾病传染源活动强度计算个体不同时刻的染病概率并累积求和得到，输入性风险数据的计算公式为：
在公式(1)和公式(2)中，Pri代表到访过该多边形的用户i的染病概率值，RL(t)是t小时用户所在位置的本地染病风险值，A(t)代表该时段疾病传染源的活动强度。
以伊蚊为例，经研究，研究区域中伊蚊发生叮咬的活跃时间段主要集中在早晚两个高峰期，具体活跃高峰时间段分别在早上5：00到8：00以及晚上18：00到20：00之间；从大量手机轨迹数据来看，用户的出行活动主要集中在白天时间段，用户在两个伊蚊活跃高峰时间段内访问高风险区域将会提高该区域的输入性风险；但由于各地气候环境不同，伊蚊的早晚活跃高峰时间有所不同。因此，本申请制定时空角度的出行防控措施，以小时为单位调节停留在家的具体时间段，向访问高风险区域的用户发送“请在时间t1到时间t2之间停留在家”的出行干预信息，t1和t2分别为伊蚊活跃时间段内的任意两个整点时刻，且t2晚于t1。本申请实施例以避开伊蚊早晚活跃高峰时间段的出行行为或疾病传播期间全天出行行为制定出行干预措施为例，指导用户在伊蚊活跃高峰时间段或全天时间段取消出行并停留在家，从而减少出行导致的输入性风险，以达到在时空角度上的精准防控。
具体地：第一类出行干预措施是将避开晚上18：00到第二天早上8：00的两个伊蚊活跃高峰时间段的防控措施作为夜间出行防控措施：针对访问高风险区域的时间在晚上18：00到第二天早上8：00之间的用户，发送“请晚上18：00到第二天早上8：00停留在家”的夜间出行干预信息，通知用户取消在两个伊蚊活跃高峰时间段的所有夜间出行，大幅度减少了用户去往高风险区域的出行，减少了高风险区域的输入性风险的产生。由于用户大多的出行活动集中在白天时间段内，该夜间出行防控措施不仅减少了用户被伊蚊叮咬的带来的输入性风险，并且不会对用户的日常活动产生较大影响，因此在实际应用中比较切实可行。
第二类出行干预措施是将避开在疾病传播期间全天内所有出行的防控措施作为全天出行防控措施：针对访问高风险区域的所有用户，在疾病传播期间，发送“请全天停留在家”的全天出行干预信息，通知用户取消全天的所有出行。全天出行防控措施是一种更加严格的精准时空出行控制措施，全天出行防控措施可以大幅度减少伊蚊具有叮咬能力的时间内用户的出行活动，从根本上切断输入性风险的来源，减少高风险区域的输入性风险，从而控制疾病在城市内部的传播。
在本申请其他实施例中，还可以避开其他非高峰期的伊蚊活跃时间段的出行行为或疾病传播期间全天出行行为制定出行干预措施。
请参阅图2，是本申请实施例的传染病防控系统的结构示意图。本申请实施例的传染病防控系统包括区域识别模块、用户识别模块和出行防控模块。
区域识别模块：用于根据本地染病风险数据识别传染病的高风险区域；其中，高风险区域指本地染病风险概率值较大的区域，本地染病风险数据是通过随机森林模型得出的由病例数据和影响伊蚊生存的各种环境因素组成的网格风险图。
用户识别模块：用于根据规则手机数据识别访问高风险区域的用户；其中，规则手机数据为每小时记录一次用户位置的手机定位数据。
出行防控模块：用于根据疾病传染源的活跃水平数据制定时空角度出行防控措施，并根据时空角度出行防控措施向访问高风险区域的用户发送对应的出行干预信息。其中，疾病传染源为伊蚊或其他病毒传播媒介。由于用户的出行导致了输入性风险，疾病在高风险区域具有较强的传染性，因此本申请中的时空角度出行防控措施的最终目的是利用手机向访问高风险区域的用户发送针对个人定制的出行干预信息，指导访问高风险区域的用户在时间t1到时间t2之间取消出行活动并停留在家，现以取消在伊蚊活跃期间的出行或全天的出行为例指导用户出行，从而减少高风险区域的输入性风险。其中，输入性风险数据是利用本地染病风险值和疾病传染源活动强度计算个体不同时刻的染病概率并累积求和得到，输入性风险数据的计算公式为：
在公式(1)和公式(2)中，Pri代表到访过该多边形的用户i的染病概率值，RL(t)是t小时用户所在位置的本地染病风险值，A(t)代表该时段疾病传染源的活动强度。
以伊蚊为例，经研究，研究区域中伊蚊发生叮咬的活跃时间主要集中在早晚两个高峰期，具体活跃高峰时间段分别在早上5：005：00到8：00以及晚上18：00到20：00之间；从大量手机轨迹数据来看，用户的出行活动主要集中在白天时间段，用户在两个伊蚊活跃高峰时间段内访问高风险区域将会提高该区域的输入性风险；但由于各地气候环境不同，伊蚊的早晚活跃高峰时间有所不同。因此，本申请制定时空角度的出行防控措施，以小时为单位调节停留在家的具体时间段，向访问高风险区域的用户发送“请在时间t1到时间t2之间停留在家”出行干预信息，t1和t2分别为伊蚊活跃时间段内的任意两个整点时刻，且t2晚于t1。本申请实施例以避开伊蚊早晚活跃高峰时间段出行行为或疾病传播期间全天出行行为制定出行干预措施为例，指导用户取消在伊蚊活跃高峰时间段的出行或全天的出行，从而减少出行导致的输入性风险，以达到在时空角度上的精准防控。
具体地：第一类出行干预措施是将避开晚上18：00到第二天早上8：00的两个伊蚊活跃高峰时间段的防控措施作为夜间出行防控措施：针对访问高风险区域的所有用户采取在晚上18：00到第二天早上8：00之间限制在家的措施，发送“请晚上18：00到第二天早上8：00停留在家”的夜间出行干预信息，通知用户取消在两个伊蚊活跃高峰时间段的所有夜间出行，大幅度减少了用户去往高风险区域的出行，减少了高风险区域的输入性风险的产生。由于用户大多的出行活动集中在白天时间段内，该夜间出行防控措施不仅减少了用户被伊蚊叮咬的带来的输入性风险，并且不会对用户的日常活动产生较大影响，因此在实际应用中比较切实可行。
第二类出行干预措施是将避开在疾病传播期间全天内所有出行的防控措施作为全天出行防控措施：针对访问高风险区域的用户，采取限制用户全天在家的措施，发送“请全天停留在家”的全天出行干预信息，通知用户取消全天的所有出行。全天出行防控措施是一种更加严格的精准时空出行控制措施，全天出行防控措施可以大幅度减少用户的出行活动，从根本上切断输入性风险的来源，减少高风险区域的输入性风险，从而控制疾病在城市内部的传播。
请参阅图3，图3是本申请实施例提供的传染病防控方法的硬件设备结构示意图。该设备包括一个或多个处理器以及存储器。以一个处理器为例。该设备还可以包括：输入装置和输出装置。
处理器、存储器、输入装置和输出装置可以通过总线或者其他方式连接，图3中以通过总线连接为例。
存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块。处理器通过运行存储在存储器中的非暂态软件程序、指令以及模块，从而执行电子设备的各种功能应用以及数据处理，即实现上述方法实施例的处理方法。
存储器可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至处理装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置可接收输入的数字或字符信息，以及产生信号输入。输出装置可包括显示屏等显示设备。
所述一个或者多个模块存储在所述存储器中，当被所述一个或者多个处理器执行时，执行上述任一方法实施例的以下操作：
根据本地染病风险数据识别传染病的高风险区域；
根据规则手机数据识别访问所述高风险区域的用户；
根据疾病传染源的活跃水平数据制定时空角度出行防控措施，并根据时空角度出行防控措施向访问高风险区域的用户发送对应的出行干预信息。
本申请针对访问高风险区域的用户制定时空角度出行防控措施，根据具体的时空精准防控措施取消用户在某个时间段内的出行活动使其停留在家，模拟得到几套新的手机数据。在模拟手机数据中，随机模拟用户中收到出行干预短信后分别有30％和80％的人服从信息的通知并在某时间段内停留在家。模拟结果发现，发送出行干预信息“请晚上18：00到第二天8：00停留在家”和发送出行干预信息“请全天停留在家”均使得高风险区域的输入性风险减少率有明显增加。在同一种服从度下，“请全天停留在家”的全天出行防控措施得到高风险区域的输入性风险减少率均为“请晚上18：00到第二天8：00停留在家”的夜间出行防控措施的2.67倍，并且同一种出行防控措施，在80％的服从度下的输入性风险减少率均是在30％服从度下的输入性风险减少率的2.34倍。具体地，全天出行防控措施在80％的服从度下和30％服从度下得到的高风险区域的输入性风险平均值减少率分别为57.78％和24.68％。由模拟结果可知，两种不同参数的时空角度的出行干预措施均对于疾病的防控有较好的效果，并且全天出行防控措施在达到80％服从度时可以大幅度减少高风险区域的输入性风险。
本申请实施例的传染病防控方法及系统通过在城市内部制定基于时空角度的出行防控措施，并针对用户发送个人定制化的出行干预信息指导用户取消一定时间段内的出行，从而降低高风险区域的输入性风险，达到传染病在时空角度上的精准防控。与现有相关技术相比，本申请具有如下优点：
1、本申请采用以小时为单位的规则手机定位数据，能获得更加完整、可靠的个体时空特征，保证对个人实施精确时间防控的可行性。
2、本申请通过在城市内部进行防控研究，填补了在城市内部实施防控的空缺。
3、本申请同时考虑时间和空间角度的防控措施，利用手机对用户发送个人定制化的出行干预信息，控制用户在某时间段内取消出行，从根本上切断了输入性风险的来源，对于控制疾病的传播有明显的防控效果。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种传染病防控方法，其特征在于，包括以下步骤：
步骤a：根据本地染病风险数据识别传染病的高风险区域；
步骤b：根据规则手机数据识别访问所述高风险区域的用户；
步骤c：根据疾病传染源的活跃水平数据制定时空角度出行防控措施，并根据所述时空角度出行防控措施向访问高风险区域的用户发送对应的出行干预信息。
2.根据权利要求1所述的传染病防控方法，其特征在于，在所述步骤a中，所述本地染病风险数据是通过随机森林模型得出的由病例数据和影响疾病传染源生存的环境因素组成的网格风险图。
3.根据权利要求1或2所述的传染病防控方法，其特征在于，在所述步骤b中，所述规则手机数据为以小时为单位的规则手机定位数据。
4.根据权利要求3所述的传染病防控方法，其特征在于，在所述步骤c中，所述疾病传染源为伊蚊，所述根据疾病传染源的活跃水平数据制定时空角度出行防控措施具体为：根据伊蚊活跃水平数据，以小时为单位调节所述访问高风险区域的用户停留在家的具体时间段，避开伊蚊活跃时间段内的出行活动，将用户限制在家。
5.根据权利要求4所述的传染病防控方法，其特征在于，在所述步骤c中，所述根据时空角度出行防控措施向访问高风险区域的用户发送对应的出行干预信息具体为：针对访问高风险区域的所有用户，在时间t1到时间t2之间采取出行防控措施，并发送“请在时间t1到时间t2之间停留在家”的出行干预信息；其中，t1和t2分别为所述伊蚊活跃时间段内的任意两个整点时刻，且所述t2晚于t1。
6.一种传染病防控系统，其特征在于，包括：
区域识别模块：用于根据本地染病风险数据识别传染病的高风险区域；
用户识别模块：用于根据规则手机数据识别访问所述高风险区域的用户；
出行防控模块：用于根据疾病传染源的活跃水平数据制定时空角度出行防控措施，并根据所述时空角度出行防控措施向访问高风险区域的用户发送对应的出行干预信息。
7.根据权利要求6所述的传染病防控系统，其特征在于，所述本地染病风险数据是通过随机森林模型得出的由病例数据和影响疾病传染源生存的环境因素组成的网格风险图。
8.根据权利要求7所述的传染病防控系统，其特征在于，所述疾病传染源为伊蚊，所述出行防控模块根据疾病传染源的活跃水平数据制定时空角度出行防控措施具体为：根据伊蚊活跃水平数据，以小时为单位调节所述访问高风险区域的用户停留在家的具体时间段，避开伊蚊活跃时间段内的出行活动，将用户限制在家。
9.根据权利要求8所述的传染病防控系统，其特征在于，所述出行防控模块根据时空角度出行防控措施向访问高风险区域的用户发送对应的出行干预信息具体为：针对访问高风险区域的所有用户，在时间t1到时间t2之间采取出行防控措施，并发送“请在时间t1到时间t2之间停留在家”的出行干预信息；其中，t1和t2分别为所述伊蚊活跃时间段内的任意两个整点时刻，且所述t2晚于t1。
10.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至5任一项所述的传染病防控方法的以下操作：
根据本地染病风险数据识别传染病的高风险区域；
根据规则手机数据识别访问所述高风险区域的用户；
根据疾病传染源的活跃水平数据制定时空角度出行防控措施，并根据所述时空角度出行防控措施向访问高风险区域的用户发送对应的出行干预信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710315274.3A CN107133901B (zh) | 2017-05-05 | 2017-05-05 | 一种传染病防控方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710315274.3A CN107133901B (zh) | 2017-05-05 | 2017-05-05 | 一种传染病防控方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107133901A true CN107133901A (zh) | 2017-09-05 |
| CN107133901B CN107133901B (zh) | 2020-11-03 |
Family
ID=59731383
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710315274.3A Active CN107133901B (zh) | 2017-05-05 | 2017-05-05 | 一种传染病防控方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107133901B (zh) |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109212129A (zh) * | 2018-06-30 | 2019-01-15 | 湖北海纳天鹰科技发展有限公司 | 一种规避空气中过敏原的目的地选择方法和装置 |
| CN109545386A (zh) * | 2018-11-02 | 2019-03-29 | 深圳先进技术研究院 | 一种基于深度学习的流感时空预测方法及装置 |
| CN109712719A (zh) * | 2018-12-29 | 2019-05-03 | 杭州平普智能科技有限公司 | 一种基于传染病源的人群隔离方法和装置 |
| CN111341463A (zh) * | 2020-03-17 | 2020-06-26 | 腾讯科技（深圳）有限公司 | 疫情排查方法、装置、计算机设备和存储介质 |
| CN111524609A (zh) * | 2020-04-22 | 2020-08-11 | 第四范式（北京）技术有限公司 | 生成筛查模型、筛查传染病高风险感染人群的方法及系统 |
| CN111652446A (zh) * | 2020-06-15 | 2020-09-11 | 深圳前海微众银行股份有限公司 | 传染病感染风险的预测方法、设备及存储介质 |
| CN111788638A (zh) * | 2018-07-13 | 2020-10-16 | 松下知识产权经营株式会社 | 感染风险评价方法、感染风险评价系统以及感染风险评价程序 |
| WO2020215760A1 (zh) * | 2019-04-25 | 2020-10-29 | 中国科学院深圳先进技术研究院 | 基于地铁空间的传染病扩散分析方法及系统 |
| CN112132490A (zh) * | 2020-11-23 | 2020-12-25 | 中电科新型智慧城市研究院有限公司 | 城市传染病高风险社区识别方法、装置、电子设备及介质 |
| US10991185B1 (en) | 2020-07-20 | 2021-04-27 | Abbott Laboratories | Digital pass verification systems and methods |
| CN113784292A (zh) * | 2021-08-24 | 2021-12-10 | 同济大学 | 一种基于手机信令数据的城市疫情风险评估方法 |
| CN113780635A (zh) * | 2021-08-24 | 2021-12-10 | 广东省公共卫生研究院 | 一种小空间尺度传染病时空传播模式的预测方法 |
| WO2022082993A1 (zh) * | 2020-10-23 | 2022-04-28 | 中国科学院深圳先进技术研究院 | 城市内部传染病时空扩散建模方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102945310A (zh) * | 2012-09-27 | 2013-02-27 | 吉林大学 | 基于自治计算的流行病传播网络建模与推断 |
| CN103578288A (zh) * | 2013-11-13 | 2014-02-12 | 惠州Tcl移动通信有限公司 | 交通安全提醒方法、移动终端及交通安全提醒系统 |
| CN104615884A (zh) * | 2015-02-04 | 2015-05-13 | 中国科学院地理科学与资源研究所 | 一种基于病毒检出率的传染病重症、死亡风险预警系统及方法 |
| CN105631363A (zh) * | 2014-11-05 | 2016-06-01 | 小米科技有限责任公司 | 安全提醒方法及装置 |
| CN105740615A (zh) * | 2016-01-28 | 2016-07-06 | 中山大学 | 利用手机轨迹追踪传染源和预测传染病流行趋势的方法 |
| CN106211073A (zh) * | 2016-07-21 | 2016-12-07 | 宁波力芯科信息科技有限公司 | 一种基于地理位置安全指数的出行预测和报警方法 |
-
2017
- 2017-05-05 CN CN201710315274.3A patent/CN107133901B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102945310A (zh) * | 2012-09-27 | 2013-02-27 | 吉林大学 | 基于自治计算的流行病传播网络建模与推断 |
| CN103578288A (zh) * | 2013-11-13 | 2014-02-12 | 惠州Tcl移动通信有限公司 | 交通安全提醒方法、移动终端及交通安全提醒系统 |
| CN105631363A (zh) * | 2014-11-05 | 2016-06-01 | 小米科技有限责任公司 | 安全提醒方法及装置 |
| CN104615884A (zh) * | 2015-02-04 | 2015-05-13 | 中国科学院地理科学与资源研究所 | 一种基于病毒检出率的传染病重症、死亡风险预警系统及方法 |
| CN105740615A (zh) * | 2016-01-28 | 2016-07-06 | 中山大学 | 利用手机轨迹追踪传染源和预测传染病流行趋势的方法 |
| CN106211073A (zh) * | 2016-07-21 | 2016-12-07 | 宁波力芯科信息科技有限公司 | 一种基于地理位置安全指数的出行预测和报警方法 |
Cited By (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109212129A (zh) * | 2018-06-30 | 2019-01-15 | 湖北海纳天鹰科技发展有限公司 | 一种规避空气中过敏原的目的地选择方法和装置 |
| CN111788638A (zh) * | 2018-07-13 | 2020-10-16 | 松下知识产权经营株式会社 | 感染风险评价方法、感染风险评价系统以及感染风险评价程序 |
| CN109545386A (zh) * | 2018-11-02 | 2019-03-29 | 深圳先进技术研究院 | 一种基于深度学习的流感时空预测方法及装置 |
| CN109545386B (zh) * | 2018-11-02 | 2021-07-20 | 深圳先进技术研究院 | 一种基于深度学习的流感时空预测方法及装置 |
| CN109712719A (zh) * | 2018-12-29 | 2019-05-03 | 杭州平普智能科技有限公司 | 一种基于传染病源的人群隔离方法和装置 |
| WO2020215760A1 (zh) * | 2019-04-25 | 2020-10-29 | 中国科学院深圳先进技术研究院 | 基于地铁空间的传染病扩散分析方法及系统 |
| CN111341463A (zh) * | 2020-03-17 | 2020-06-26 | 腾讯科技（深圳）有限公司 | 疫情排查方法、装置、计算机设备和存储介质 |
| CN111341463B (zh) * | 2020-03-17 | 2023-08-15 | 腾讯科技（深圳）有限公司 | 疫情排查方法、装置、计算机设备和存储介质 |
| CN111524609A (zh) * | 2020-04-22 | 2020-08-11 | 第四范式（北京）技术有限公司 | 生成筛查模型、筛查传染病高风险感染人群的方法及系统 |
| CN111652446A (zh) * | 2020-06-15 | 2020-09-11 | 深圳前海微众银行股份有限公司 | 传染病感染风险的预测方法、设备及存储介质 |
| US10991185B1 (en) | 2020-07-20 | 2021-04-27 | Abbott Laboratories | Digital pass verification systems and methods |
| US10991190B1 (en) | 2020-07-20 | 2021-04-27 | Abbott Laboratories | Digital pass verification systems and methods |
| US11514737B2 (en) | 2020-07-20 | 2022-11-29 | Abbott Laboratories | Digital pass verification systems and methods |
| US11514738B2 (en) | 2020-07-20 | 2022-11-29 | Abbott Laboratories | Digital pass verification systems and methods |
| US11574514B2 (en) | 2020-07-20 | 2023-02-07 | Abbott Laboratories | Digital pass verification systems and methods |
| WO2022082993A1 (zh) * | 2020-10-23 | 2022-04-28 | 中国科学院深圳先进技术研究院 | 城市内部传染病时空扩散建模方法及系统 |
| CN112132490B (zh) * | 2020-11-23 | 2021-04-23 | 中电科新型智慧城市研究院有限公司 | 城市传染病高风险社区识别方法、装置、电子设备及介质 |
| CN112132490A (zh) * | 2020-11-23 | 2020-12-25 | 中电科新型智慧城市研究院有限公司 | 城市传染病高风险社区识别方法、装置、电子设备及介质 |
| CN113784292A (zh) * | 2021-08-24 | 2021-12-10 | 同济大学 | 一种基于手机信令数据的城市疫情风险评估方法 |
| CN113780635A (zh) * | 2021-08-24 | 2021-12-10 | 广东省公共卫生研究院 | 一种小空间尺度传染病时空传播模式的预测方法 |
| CN113780635B (zh) * | 2021-08-24 | 2023-09-01 | 广东省公共卫生研究院 | 一种小空间尺度传染病时空传播模式的预测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107133901B (zh) | 2020-11-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107133901A (zh) | 一种传染病防控方法及系统 | |
| CN107256327B (zh) | 一种传染病防控方法及系统 | |
| Karl et al. | A spatial simulation model for dengue virus infection in urban areas | |
| Greenville et al. | Extreme climatic events drive mammal irruptions: regression analysis of 100‐year trends in desert rainfall and temperature | |
| Bennie et al. | Range expansion through fragmented landscapes under a variable climate | |
| Kissui et al. | Patterns of livestock depredation and cost‐effectiveness of fortified livestock enclosures in northern Tanzania | |
| Gong et al. | Allocation and reallocation of ambulances to casualty clusters in a disaster relief operation | |
| Carbajo et al. | Dengue transmission risk maps of Argentina | |
| Sepulveda‐Salcedo et al. | Optimal control of dengue epidemic outbreaks under limited resources | |
| CN107277763A (zh) | 一种传染病防控方法及系统 | |
| Thompson et al. | Detection, forecasting and control of infectious disease epidemics: modelling outbreaks in humans, animals and plants | |
| Kolivras | Mosquito habitat and dengue risk potential in Hawaii: a conceptual framework and GIS application | |
| Monadjem et al. | Survival of the A frican white‐backed vulture G yps africanus in north‐eastern S outh A frica | |
| Chu et al. | Crowdsourcing support system for disaster surveillance and response | |
| CN115034524A (zh) | 基于手机信令的工作居住人口预测方法、系统和存储介质 | |
| CN103150353A (zh) | 微博信息的获取方法及装置 | |
| Velasco | Impact of Singapore's COVID-19 confinement on atmospheric CO2 fluxes at neighborhood scale | |
| Frigerio et al. | Understanding the interacting factors that influence social vulnerability: A case study of the 2016 central Italy earthquake | |
| Miller | Greenspace after a disaster: The need to close the gap with recovery for greater resilience | |
| Thorsen et al. | Smartphone app reveals that lynx avoid human recreationists on local scale, but not home range scale | |
| Fan et al. | Understanding collective human movement dynamics during large-scale events using big geosocial data analytics | |
| Hayford et al. | Cost and sustainability of a successful package of interventions to improve vaccination coverage for children in urban slums of Bangladesh | |
| US20240029894A1 (en) | Predictive models for infectious diseases | |
| Chandir et al. | Feasibility of using global system for mobile communication (GSM)-based tracking for vaccinators to improve oral poliomyelitis vaccine campaign coverage in rural Pakistan | |
| JP7315018B2 (ja) | 情報処理方法、記憶媒体、及び情報処理装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |