CN110111903A - 一种突发公共卫生事件预测的方法及设备 - Google Patents
一种突发公共卫生事件预测的方法及设备 Download PDFInfo
- Publication number
- CN110111903A CN110111903A CN201910348367.5A CN201910348367A CN110111903A CN 110111903 A CN110111903 A CN 110111903A CN 201910348367 A CN201910348367 A CN 201910348367A CN 110111903 A CN110111903 A CN 110111903A
- Authority
- CN
- China
- Prior art keywords
- event
- public health
- data
- particular burst
- emergency
- 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.)
- Pending
Links
- 230000005180 public health Effects 0.000 title claims abstract description 258
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000012549 training Methods 0.000 claims abstract description 67
- 238000011161 development Methods 0.000 claims abstract description 36
- 238000013459 approach Methods 0.000 claims abstract description 24
- 230000004044 response Effects 0.000 claims description 35
- 238000004891 communication Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 16
- 230000036541 health Effects 0.000 claims description 10
- 230000006806 disease prevention Effects 0.000 abstract description 2
- 201000010099 disease Diseases 0.000 description 10
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 230000034994 death Effects 0.000 description 8
- 231100000517 death Toxicity 0.000 description 8
- 208000015181 infectious disease Diseases 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 208000035473 Communicable disease Diseases 0.000 description 3
- 239000011435 rock Substances 0.000 description 3
- 206010064097 avian influenza Diseases 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000002955 isolation Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
- 238000004659 sterilization and disinfection Methods 0.000 description 1
- 239000004575 stone Substances 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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
Landscapes
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Public Health (AREA)
- Engineering & Computer Science (AREA)
- Primary Health Care (AREA)
- Medical Informatics (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Development Economics (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请公开了一种突发公共卫生事件预测的方法及设备，涉及疾病预防控制机构，能够在突发公共卫生事件爆发之后，预测出突发公共卫生事件的发展趋势，以方便相关部门的工作人员采取措施。该方法包括：从至少一个途径获取与特定突发公共卫生事件相关的历史数据，特定突发公共卫生事件为满足预设条件的突发公共卫生事件；根据历史数据训练事件预测模型，其中，用于反映特定突发公共卫生事件现状的数据作为训练事件预测模型的输入，用于反映特定突发公共卫生事件发展趋势的数据作为训练事件预测模型的第一训练标签；获取用于反映目标突发公共卫生事件现状的当前数据，并将当前数据输入事件预测模型，得到输出结果。
Description
技术领域
本申请涉及疾病预防控制机构，尤其涉及一种突发公共卫生事件预测的方法及设备。
背景技术
目前，在突发公共卫生事件爆发后，相关部门通常是将工作人员派遣到该突发公共卫生事件的事发地点，以了解突发公共卫生事件的发展动态。之后根据突发公共卫生事件的现状，制定应急方案并落实。
由于突发公共卫生事件事发突然，尤其是对于传染性相对较强的疾病而言，相关部门若不能及时制定出应急方案以将病情控制，那么随着病情的扩散，会带来很严重的影响。
因此，目前亟需一种突发公共卫生事件预测的方法，以在突发公共卫生事件爆发之后，预测出突发公共卫生事件的发展趋势，从而方便相关部门的工作人员采取措施。
发明内容
本申请提供一种突发公共卫生事件预测的方法及设备，以在突发公共卫生事件爆发之后，预测出突发公共卫生事件的发展趋势，从而方便相关部门的工作人员采取措施。
为解决上述问题，本申请提供的技术方案如下：
第一方面，本申请提供一种突发公共卫生事件预测的方法。该方法包括：从至少一个途径获取与特定突发公共卫生事件相关的历史数据，特定突发公共卫生事件为满足预设条件的突发公共卫生事件，历史数据包括用于反映特定突发公共卫生事件现状的数据，以及用于反映特定突发公共卫生事件发展趋势的数据；根据历史数据训练事件预测模型，其中，用于反映特定突发公共卫生事件现状的数据作为训练事件预测模型的输入，用于反映特定突发公共卫生事件发展趋势的数据作为训练事件预测模型的第一训练标签；获取用于反映目标突发公共卫生事件现状的当前数据；将当前数据输入事件预测模型，得到输出结果，输出结果包括用于反映预测的目标突发公共卫生事件发展趋势的目标数据。
在一种实现方式中，与特定突发公共卫生事件相关的历史数据包括：与特定突发公共卫生事件的事件类型相同，且与特定突发公共卫生事件的事件特征匹配的突发公共卫生事件的历史数据，其中，事件特征包括事件级别、事件发生时间和事件发生区域中的至少一项。
在一种实现方式中，在事件特征包括事件级别时，与特定突发公共卫生事件的事件特征匹配的突发公共卫生事件，包括：事件级别与特定突发公共卫生事件的事件级别相同的突发公共卫生事件；在事件特征包括事件发生时间时，与特定突发公共卫生事件的事件特征匹配的突发公共卫生事件，包括：事件发生时间与特定突发公共卫生事件的事件发生时间处于同一预设时间范围内的突发公共卫生事件；在事件特征包括事件发生区域时，与特定突发公共卫生事件的事件特征匹配的突发公共卫生事件，包括：事件发生区域与特定突发公共卫生事件的事件发生区域位于同一预设区域范围内的突发公共卫生事件。其中，预设时间范围按照年限、季度或是月份中一项划分，预设区域范围按照省、市、县、镇、乡或是村中的一项划分。
在一种实现方式中，根据历史数据训练事件预测模型，可以实现为：确定历史数据的有效性参数；在有效性参数大于有效性阈值时，根据历史数据训练事件预测模型；在有效性参数小于或等于有效性阈值时，删除历史数据中影响有效性的数据，以得到目标历史数据，并根据目标历史数据训练事件预测模型。
在一种实现方式中，历史数据还包括针对特定突发公共卫生事件的应急响应数据，针对特定突发公共卫生事件的应急响应数据作为训练事件预测模型的第二训练标签，输出结果还包括针对目标突发公共卫生事件提供的目标应急响应数据。
相比较于现有技术，采用本申请实施例提供的技术方案，能够基于历史数据实现事件预测模型的训练，之后将采集到的用于反映目标突发公共卫生事件现状的当前数据作为该模型的输入，以输出用于反映预测的目标突发公共卫生事件的发展趋势的目标数据，和/或输出针对目标突发公共卫生事件提供的目标应急响应数据。这样能够实现目标突发公共卫生事件发展趋势的预测，从而方便相关部门的工作人员参照目标突发公共卫生事件的发展趋势采取相应措施，并且，选择性为相关部门提供具有针对性的目标应急响应数据。
第二方面，本申请提供一种设备。该设备包括：通信模块，用于从至少一个途径获取与特定突发公共卫生事件相关的历史数据，特定突发公共卫生事件为满足预设条件的突发公共卫生事件，历史数据包括用于反映特定突发公共卫生事件现状的数据，以及用于反映特定突发公共卫生事件发展趋势的数据；处理模块，用于根据通信模块获取的历史数据训练事件预测模型，其中，用于反映特定突发公共卫生事件现状的数据作为训练事件预测模型的输入，用于反映特定突发公共卫生事件发展趋势的数据作为训练事件预测模型的第一训练标签；通信模块，还用于获取用于反映目标突发公共卫生事件现状的当前数据；处理模块，还用于将通信模块获取的当前数据输入事件预测模型，得到输出结果，输出结果包括用于反映预测的目标突发公共卫生事件发展趋势的目标数据。
在一种实现方式中，与特定突发公共卫生事件相关的历史数据包括：与特定突发公共卫生事件的事件类型相同，且与特定突发公共卫生事件的事件特征匹配的突发公共卫生事件的历史数据，其中，事件特征包括事件级别、事件发生时间和事件发生区域中的至少一项。
在一种实现方式中，在事件特征包括事件级别时，与特定突发公共卫生事件的事件特征匹配的突发公共卫生事件，包括：事件级别与特定突发公共卫生事件的事件级别相同的突发公共卫生事件；在事件特征包括事件发生时间时，与特定突发公共卫生事件的事件特征匹配的突发公共卫生事件，包括：事件发生时间与特定突发公共卫生事件的事件发生时间处于同一预设时间范围内的突发公共卫生事件；在事件特征包括事件发生区域时，与特定突发公共卫生事件的事件特征匹配的突发公共卫生事件，包括：事件发生区域与特定突发公共卫生事件的事件发生区域位于同一预设区域范围内的突发公共卫生事件。其中，预设时间范围按照年限、季度或是月份中一项划分，预设区域范围按照省、市、县、镇、乡或是村中的一项划分。
在一种实现方式中，处理模块，具体用于：确定历史数据的有效性参数；在有效性参数大于有效性阈值时，根据历史数据训练事件预测模型；在有效性参数小于或等于有效性阈值时，删除历史数据中影响有效性的数据，以得到目标历史数据，并根据目标历史数据训练事件预测模型。
在一种实现方式中，历史数据还包括针对特定突发公共卫生事件的应急响应数据，针对特定突发公共卫生事件的应急响应数据作为训练事件预测模型的第二训练标签，输出结果还包括针对目标突发公共卫生事件提供的目标应急响应数据。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本申请实施例提供的一种突发公共卫生事件预测的方法流程图；
图2为本申请实施例提供的设备结构示意图一；
图3为本申请实施例提供的设备结构示意图二。
具体实施方式
为了更清楚的阐释本申请的整体构思，下面结合说明书附图以示例的方式进行详细说明。
本申请实施例提供一种突发公共卫生事件预测的方法，该方法可以应用于诸如手机、服务器、电脑等设备。其中，该设备具备数据获取功能及模型训练功能。
如图1所示，为本申请实施例提供的一种突发公共卫生事件预测的方法流程图。该方法可以包括S101至S104。
S101、从至少一个途径获取与特定突发公共卫生事件相关的历史数据。
途径指的是可以获取到历史数据的方式。在本申请实施例中，途径可以按照不同分类方式，划分成至少两种不同类型的途径。
一种分类方式为，根据历史数据的可靠性进行划分，具体可以被划分为两个途径。在历史数据的获取过程中，可以获取这两个途径中至少一个途径所能获取到的内容。其中，一个途径可以为获取到的历史数据可靠性相对较高的途径，比如，该一个途径可以包括但不限于权威组织的官网、电视台公布等；另一个途径可以为获取到的历史数据可靠性相对较低的途径，比如，该另一个途径可以包括但不限于现场采集、调查等。
需要说明的是，该一个途径获取的历史数据往往都已经过验证后公之于众，因此，该一个途径获取的历史数据可靠性相对较高；而该另一个途径获取的历史数据通常是人为采集的数据，或是通过经验分析等方式得到的结论等，因此，该另一个途径获取的历史数据可靠性相对较低。
在本申请实施例中，特定突发公共卫生事件为满足预设条件的突发公共卫生事件。其中，预设条件用于区分突发公共卫生事件中的普通突发公共卫生事件和特定突发公共卫生事件，相比较于普通突发公共卫生事件而言，特定突发公共卫生事件具有更高的影响力、可控性更低、给社会带来的危害更大等。在一种实现方式中，预设条件可以包括事件级别较高、造成较大影响等中的一项或是多项。比如，特定突发公共卫生事件可以为严重急性呼吸道综合症SARS、禽流感、地震、泥石流等突发公共卫生事件。
历史数据可以包括用于反映特定突发公共卫生事件现状的数据，以及用于反映特定突发公共卫生事件发展趋势的数据。其中，用于反映特定突发公共卫生事件现状的数据，指的是在该特定突发公共卫生事件发生时的数据，可以包括发生突发公共卫生事件的区域中人员的体征参数、受到特定突发公共卫生事件影响的人员数量等；用于反映特定突发公共卫生事件发展趋势的数据，指的是在该特定突发公共卫生事件发生后的数据，可以包括在特定突发公共卫生事件发生后人员的流动情况、受到特定突发公共卫生事件影响的人员的分布情况等。
体征参数可以包括但不限于人员的体温、心跳、血压等。受到特定突发公共卫生事件影响的人员可以包括但不限于因突发公共卫生事件而伤亡的人数，比如，因自然灾害的发生而死亡的人数及受伤的人数，再比如，因疫情的发生而死亡的人数及染病的人数。人员的流动情况可以包括但不限于产生特定突发公共卫生事件的区域的人员流失数量、人员流失占比，从未产生特定突发公共卫生事件的区域流动至产生特定突发公共卫生事件的区域的人员数量，及相比较于未发生突发公共卫生事件时流动至产生特定突发公共卫生事件的区域的人员数量的下降幅度等。受到特定突发公共卫生事件影响的人员的分布情况指的是，受到特定突发公共卫生事件影响的人员在地理位置上的分布情况，比如，集中在哪一个或是多个区域及相应的人员占比等。
在一种实现方式中，历史数据还可以包括针对特定突发公共卫生事件采取的应急响应数据。在本申请实施例中，针对特定突发公共卫生事件采取的应急措施可以体现为应急响应数据，该应急响应数据可以包括但不限于对产生特定突发公共卫生事件的区域进行隔离、消毒等。需要说明的是，对于不同类型的特定突发公共卫生事件而言，应急响应数据可以部分相同或是完全不同。
比如，对于诸如传染病等传播性较强的特定突发公共卫生事件而言，应急响应数据可以包括但不限于对已感染传染病的人员进行隔离、封闭易于传播感传染病的区域、对易感人群的保护、对疑似感染传染病的人员进行筛查等。
再比如，对于诸如地震等自然灾害引发的特定突发公共卫生事件而言，应急响应数据可以包括但不限于部署搜救人员、开展医疗救治和卫生防疫、安置受灾群众、抢修基础设施、防御次生灾害、维护社会治安等。以安置受灾群众为例，通常可以通过搭建临时庇护所的方式来实现；以加强次生灾害为例，为了防范因强余震和降雨形成的滑坡、泥石流、滚石等造成新的人员伤亡和交通堵塞，可以对周围建筑进行除险加固，在必要时组织下游危险地区的人员进行转移等。
在本申请实施例中，与特定突发公共卫生事件相关的历史数据可以包括：与特定突发公共卫生事件的事件类型相同，且与特定突发公共卫生事件的事件特征匹配的突发公共卫生事件的历史数据。其中，事件类型可以为突发公共卫生事件的具体内容，比如，SARS、禽流感、地震、泥石流等；事件特征包括事件级别、事件发生时间和事件发生区域中的至少一项。
需要说明的是，事件级别可以由权威机构进行划分，或是设备根据事件的具体内容以及所带来的影响等诸多因素来确定。事件发生时间可以针对不同突发公共卫生事件来定义，比如，针对自然灾害类的突发公共卫生事件，可以将发生该突发公共卫生事件的时间作为事件发生时间；再比如，针对疫情类的突发公共卫生事件，可以将发现第一起感染病例的时间作为事件发生时间。
在事件特征包括事件级别时，与特定突发公共卫生事件的事件特征匹配的突发公共卫生事件，可以实现为：事件级别与特定突发公共卫生事件的事件级别相同的突发公共卫生事件；在事件特征包括事件发生时间时，与特定突发公共卫生事件的事件特征匹配的突发公共卫生事件，可以实现为：事件发生时间与特定突发公共卫生事件的事件发生时间处于同一预设时间范围内的突发公共卫生事件；在事件特征包括事件发生区域时，与特定突发公共卫生事件的事件特征匹配的突发公共卫生事件，可以实现为：事件发生区域与特定突发公共卫生事件的事件发生区域位于同一预设区域范围内的突发公共卫生事件。其中，预设时间范围可以按照年限、季度或是月份中一项划分，预设区域范围可以按照省、市、县、镇、乡或是村中的一项划分。
S102、根据历史数据训练事件预测模型。
其中，用于反映特定突发公共卫生事件现状的数据作为训练事件预测模型的输入，用于反映特定突发公共卫生事件发展趋势的数据作为训练事件预测模型的第一训练标签，针对特定突发公共卫生事件的应急响应数据作为训练事件预测模型的第二训练标签。
需要说明的是，第一训练标签及第二训练标签，可以包括单维度的标签，或是包括多维度的标签。同样的，对于事件预测模型的输入而言，也可以为单维度或是多维度的输入参数，在此不予限定。
下面以训练事件预测模型的输入、第一训练标签及第二训练标签均为多维度为例，对本申请实施例提供的技术方案进行阐述。
比如，事件预测模型为针对诸如瘟疫等特定疾病所训练的模型。那么，作为模型输入的用于反映特定突发公共卫生事件现状的数据，可以包括但不限于病患性别、病患年龄所在年龄段、病患居住地所在区域、病患被诊断为特定疾病的时间、病患是否死亡等；作为第一标签的用于反映特定突发公共卫生事件发展趋势的数据，可以包括但不限于易感人群性别、易感人群年龄段、特定疾病高发区域、特定疾病高发时间、感染特定疾病后的死亡率等；作为第二标签的针对特定突发公共卫生事件的应急响应数据，可以包括但不限于对特定疾病高发区域的隔离、针对感染特定疾病后死亡人员的安葬方式、针对易感人群提供的预防方式等。
再比如，事件预测模型为针对诸如地震等自然灾害所训练的模型。那么，作为模型输入的用于反映特定突发公共卫生事件现状的数据，可以包括但不限于特定突发公共卫生事件的内容、发生特定突发公共卫生事件的核心区域及边缘区域、发生特定突发公共卫生事件的时间、特定突发公共卫生事件持续的时间、因特定突发公共卫生事件而受伤的人数及死亡人数等；作为第一标签的用于反映特定突发公共卫生事件发展趋势的数据，可以包括但不限于诸如因特定突发公共卫生事件而引发的瘟疫等二次突发公共卫生事件的内容、二次突发公共卫生事件被诊断的时间、二次突发公共卫生事件导致的死亡人数等；作为第二标签的针对特定突发公共卫生事件的应急响应数据，可以包括但不限于针对发生特定突发公共卫生事件的区域搭建临时救治点的位置及规模、二次突发公共卫生事件的救治方式等。
需要说明的是，对于训练事件预测模型的输入、第一训练标签及第二训练标签中存在至少一项为单维度的情况而言，可以参考上述例举的实现方式，将某多维度的内容替换为相应的单维度的内容。比如，在训练事件预测模型的输入为多维度的数据，而第一训练标签及第二训练标签均为单维度的数据为例，那么输入时间预测模型的内容为多项参数，而期望该模型输出的第一训练标签为一项参数，且期望该模型输出的第二训练标签也为一项参数。
也就意味着，在训练事件预测模型的过程中，将历史数据中用于反映特定突发公共卫生事件现状的数据作为训练事件预测模型的输入，直至输出与该输入对应的历史数据中用于反映特定突发公共卫生事件发展趋势的数据为止；或是直至输出与该输入对应的针对特定突发公共卫生事件的应急响应数据为止；或是直至输出与该输入对应的历史数据中用于反映特定突发公共卫生事件发展趋势的数据，以及与该输入对应的针对特定突发公共卫生事件的应急响应数据为止。
需要说明的是，训练事件预测模型的方式在本申请实施例中不予限定，可以参考现有技术中模型训练的相关内容。
考虑到历史数据中会存在有效性较低的数据，因此，在一种实现方式中，为了进一步提高事件预测模型的精度，可以确定用于表示历史数据的有效性参数，并根据该有效性参数与有效性阈值之间的大小关系，来选择直接根据历史数据训练事件预测模型，或是对历史数据进行处理后再对事件预测模型进行训练。
在一种实现方式中，S102可以具体实现为：
确定用于历史数据的有效性参数；在有效性参数大于有效性阈值时，执行S102；在有效性参数小于或等于有效性阈值时，删除历史数据中影响有效性的数据，以得到目标历史数据，并根据目标历史数据训练事件预测模型。
其中，有效性参数可以通过比对不同途径获取到的数据的匹配程度来确定。比如，在匹配程度较高时，可以确定该历史数据的有效性较高，即有效性参数大于有效性阈值；在匹配程度较低时，可以确定该历史数据的有效性较低，即有效性参数小于或等于有效性阈值。该有效性阈值可以预先设定，具体设定方式、取值等，在此不予限定。
S103、获取用于反映目标突发公共卫生事件现状的当前数据。
在本申请实施例中，当前数据可以为诸如音频数据、视频数据和图像数据的媒体数据，还可以为调查数据等。其中，可以通过诸如拾音器、话机等用于实现音频数据采集的设备进行采集，可以通过诸如摄像设备、可视电话等用于实现视频数据采集的设备进行采集，可以通过诸如相机、或是具有拍照功能等用于实现图像数据采集的设备进行采集。在此对于采集数据的类型、内容等不予限定。
考虑到获取到的数据在一定程度上会存在冗余，为了减少因数据冗余而带来的额外处理压力，在一种实现方式中，设备可以对获取到的数据进行去重处理，以删除获取到的数据中的冗余数据，得到可作为事件预测模型输入的当前数据。
需要说明的是，冗余数据不仅包括内容完全相同的数据，还包括反映内容相同的数据。比如，在获取的数据包括音频数据和视频数据时，若该视频数据包括该音频数据的全部内容，那么该音频数据构成与该视频数据的部分内容冗余的部分，即该音频数据为冗余数据。由此可见，在该视频数据为最终留下的当前数据，该音频数据为冗余数据的情况下，最终留下的当前数据与冗余数据的类型不同。即在本申请实施例中，去重处理可以包括对同类型数据的去重处理，还可以包括对不同类型数据的去重处理，从而进一步减少不必要的数据冗余。
针对重复采集等情况而言，设备往往会获取到多份内容相同的数据，那么设备可以根据实际需求，从多份内容相同的数据中，筛选出符合要求的一份数据，作为当前数据保存。其中，被筛选出的一份数据可以为多份数据中质量最高的一份数据，或是占用存储空间最小的一份数据等，或是在服务器结合实际需求，筛选出的一份质量相对较高、占用存储空间相对较小的一份数据等。
S104、将当前数据输入事件预测模型，得到输出结果。
其中，输出结果包括用于反映预测的目标突发公共卫生事件的发展趋势的目标数据，和/或针对目标突发公共卫生事件提供的目标应急响应数据。
需要说明的是，事件预测模型可以根据工作人员的需求，选择性输出用于反映预测的目标突发公共卫生事件的发展趋势的目标数据；或是，输出针对目标突发公共卫生事件提供的目标应急响应数据；或是，输出用于反映预测的目标突发公共卫生事件的发展趋势的目标数据，以及针对目标突发公共卫生事件提供的目标应急响应数据。
比如，参考上文针对诸如瘟疫等特定疾病所训练的模型，那么输入的当前数据可以包括如下内容中的一项或是多项：病患性别、病患年龄所在年龄段、病患居住地所在区域、病患被诊断为特定疾病的时间、病患是否死亡等。
再比如，参考上文针对诸如地震等自然灾害所训练的模型，那么输入的当前数据可以包括如下内容中的一项或是多项：特定突发公共卫生事件的内容、发生特定突发公共卫生事件的核心区域及边缘区域、发生特定突发公共卫生事件的时间、特定突发公共卫生事件持续的时间、因特定突发公共卫生事件而受伤的人数及死亡人数等。
需要说明的是，在设备获取到的数据为包括上述内容的图像数据、视频数据、音频数据等数据的情况下，那么设备可以通过对获取到的数据进行处理，以从获取到的数据中提取到相应的内容，作为模型的输入。
相比较于现有技术，采用本申请实施例提供的技术方案，能够基于历史数据实现事件预测模型的训练，之后将采集到的用于反映目标突发公共卫生事件现状的当前数据作为该模型的输入，以输出用于反映预测的目标突发公共卫生事件的发展趋势的目标数据，和/或输出针对目标突发公共卫生事件提供的目标应急响应数据。这样能够实现目标突发公共卫生事件发展趋势的预测，从而方便相关部门的工作人员参照目标突发公共卫生事件的发展趋势采取相应措施，并且，选择性为相关部门提供具有针对性的目标应急响应数据。
如图2所示，为本申请实施例提供的一种设备结构示意图。设备20包括通信模块21和处理模块22。
通信模块21，可以用于从至少一个途径获取与特定突发公共卫生事件相关的历史数据，特定突发公共卫生事件为满足预设条件的突发公共卫生事件，历史数据包括用于反映特定突发公共卫生事件现状的数据，以及用于反映特定突发公共卫生事件发展趋势的数据。
处理模块22，用于根据通信模块21获取的历史数据训练事件预测模型，其中，用于反映特定突发公共卫生事件现状的数据作为训练事件预测模型的输入，用于反映特定突发公共卫生事件发展趋势的数据作为训练事件预测模型的第一训练标签。
通信模块21，还用于获取用于反映目标突发公共卫生事件现状的当前数据。
处理模块22，还用于将通信模块21获取的当前数据输入事件预测模型，得到输出结果，输出结果包括用于反映预测的目标突发公共卫生事件发展趋势的目标数据。
在一种实现方式中，与特定突发公共卫生事件相关的历史数据包括：与特定突发公共卫生事件的事件类型相同，且与特定突发公共卫生事件的事件特征匹配的突发公共卫生事件的历史数据，其中，事件特征包括事件级别、事件发生时间和事件发生区域中的至少一项。
在一种实现方式中，在事件特征包括事件级别时，与特定突发公共卫生事件的事件特征匹配的突发公共卫生事件，包括：事件级别与特定突发公共卫生事件的事件级别相同的突发公共卫生事件。在事件特征包括事件发生时间时，与特定突发公共卫生事件的事件特征匹配的突发公共卫生事件，包括：事件发生时间与特定突发公共卫生事件的事件发生时间处于同一预设时间范围内的突发公共卫生事件；在事件特征包括事件发生区域时，与特定突发公共卫生事件的事件特征匹配的突发公共卫生事件，包括：事件发生区域与特定突发公共卫生事件的事件发生区域位于同一预设区域范围内的突发公共卫生事件。
其中，预设时间范围按照年限、季度或是月份中一项划分，预设区域范围按照省、市、县、镇、乡或是村中的一项划分。
在一种实现方式中，处理模块22，具体用于：确定历史数据的有效性参数；在有效性参数大于有效性阈值时，根据历史数据训练事件预测模型；在有效性参数小于或等于有效性阈值时，删除历史数据中影响有效性的数据，以得到目标历史数据，并根据目标历史数据训练事件预测模型。
在一种实现方式中，历史数据还包括针对特定突发公共卫生事件的应急响应数据，针对特定突发公共卫生事件的应急响应数据作为训练事件预测模型的第二训练标签，输出结果还包括针对目标突发公共卫生事件提供的目标应急响应数据。
在一种实现方式中，该设备20还可以包括存储模块23。该存储模块23可以用于实现诸如历史数据、当前数据、目标数据及目标应急响应数据等内容的存储，和/或，存储上述多个模块在实现相应功能时所需的内容等。
本申请实施例提供了一种设备。如图3所示，设备30包括处理器31、存储器32、显示器33和通信接口34。其中，处理器31、存储器32、显示器33和通信接口34可以通过总线35以实现通信连接。
处理器31，用于实现处理模块22的功能；存储器32，用于实现存储模块23的功能；通信接口34，用于实现通信模块21的功能；显示器33，可以用于向用户呈现输出结果，即目标数据和/或目标应急响应数据等。
本申请实施例提供了一种设备。该设备包括存储器，一个或多个处理器，多个应用程序，以及一个或多个程序；其中，一个或多个程序被存储在存储器中；一个或多个处理器在执行一个或多个程序时，使得该设备执行上述任意一项的方法。
本申请实施例提供了一种可读存储介质。该可读存储介质中存储有指令，当指令在设备上运行时，使得该设备执行上述任意一项的方法。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
专业人员应该还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种突发公共卫生事件预测的方法，其特征在于，所述方法包括：
从至少一个途径获取与特定突发公共卫生事件相关的历史数据，所述特定突发公共卫生事件为满足预设条件的突发公共卫生事件，所述历史数据包括用于反映所述特定突发公共卫生事件现状的数据，以及用于反映所述特定突发公共卫生事件发展趋势的数据；
根据所述历史数据训练事件预测模型，其中，所述用于反映所述特定突发公共卫生事件现状的数据作为训练所述事件预测模型的输入，所述用于反映所述特定突发公共卫生事件发展趋势的数据作为训练所述事件预测模型的第一训练标签；
获取用于反映目标突发公共卫生事件现状的当前数据；
将所述当前数据输入所述事件预测模型，得到输出结果，所述输出结果包括用于反映预测的所述目标突发公共卫生事件发展趋势的目标数据。
2.根据权利要求1所述的方法，其特征在于，所述与特定突发公共卫生事件相关的历史数据包括：与所述特定突发公共卫生事件的事件类型相同，且与所述特定突发公共卫生事件的事件特征匹配的突发公共卫生事件的历史数据，其中，所述事件特征包括事件级别、事件发生时间和事件发生区域中的至少一项。
3.根据权利要求2所述的方法，其特征在于，在所述事件特征包括所述事件级别时，所述与所述特定突发公共卫生事件的事件特征匹配的突发公共卫生事件，包括：事件级别与所述特定突发公共卫生事件的事件级别相同的突发公共卫生事件；
在所述事件特征包括所述事件发生时间时，所述与所述特定突发公共卫生事件的事件特征匹配的突发公共卫生事件，包括：事件发生时间与所述特定突发公共卫生事件的事件发生时间处于同一预设时间范围内的突发公共卫生事件；
在所述事件特征包括所述事件发生区域时，所述与所述特定突发公共卫生事件的事件特征匹配的突发公共卫生事件，包括：事件发生区域与所述特定突发公共卫生事件的事件发生区域位于同一预设区域范围内的突发公共卫生事件；
其中，预设时间范围按照年限、季度或是月份中一项划分，预设区域范围按照省、市、县、镇、乡或是村中的一项划分。
4.根据权利要求1至3中任意一项所述的方法，其特征在于，所述根据所述历史数据训练事件预测模型，包括：
确定所述历史数据的有效性参数；
在所述有效性参数大于有效性阈值时，根据所述历史数据训练所述事件预测模型；
在所述有效性参数小于或等于所述有效性阈值时，删除所述历史数据中影响有效性的数据，以得到目标历史数据，并根据所述目标历史数据训练所述事件预测模型。
5.根据权利要求1至3中任意一项所述的方法，其特征在于，所述历史数据还包括针对所述特定突发公共卫生事件的应急响应数据，所述针对所述特定突发公共卫生事件的应急响应数据作为训练所述事件预测模型的第二训练标签，所述输出结果还包括针对所述目标突发公共卫生事件提供的目标应急响应数据。
6.一种设备，其特征在于，所述设备包括：
通信模块，用于从至少一个途径获取与特定突发公共卫生事件相关的历史数据，所述特定突发公共卫生事件为满足预设条件的突发公共卫生事件，所述历史数据包括用于反映所述特定突发公共卫生事件现状的数据，以及用于反映所述特定突发公共卫生事件发展趋势的数据；
处理模块，用于根据所述通信模块获取的所述历史数据训练事件预测模型，其中，所述用于反映所述特定突发公共卫生事件现状的数据作为训练所述事件预测模型的输入，所述用于反映所述特定突发公共卫生事件发展趋势的数据作为训练所述事件预测模型的第一训练标签；
所述通信模块，还用于获取用于反映目标突发公共卫生事件现状的当前数据；
所述处理模块，还用于将所述通信模块获取的所述当前数据输入所述事件预测模型，得到输出结果，所述输出结果包括用于反映预测的所述目标突发公共卫生事件发展趋势的目标数据。
7.根据权利要求6所述的设备，其特征在于，所述与特定突发公共卫生事件相关的历史数据包括：与所述特定突发公共卫生事件的事件类型相同，且与所述特定突发公共卫生事件的事件特征匹配的突发公共卫生事件的历史数据，其中，所述事件特征包括事件级别、事件发生时间和事件发生区域中的至少一项。
8.根据权利要求7所述的设备，其特征在于，在所述事件特征包括所述事件级别时，所述与所述特定突发公共卫生事件的事件特征匹配的突发公共卫生事件，包括：事件级别与所述特定突发公共卫生事件的事件级别相同的突发公共卫生事件；
在所述事件特征包括所述事件发生时间时，所述与所述特定突发公共卫生事件的事件特征匹配的突发公共卫生事件，包括：事件发生时间与所述特定突发公共卫生事件的事件发生时间处于同一预设时间范围内的突发公共卫生事件；
在所述事件特征包括所述事件发生区域时，所述与所述特定突发公共卫生事件的事件特征匹配的突发公共卫生事件，包括：事件发生区域与所述特定突发公共卫生事件的事件发生区域位于同一预设区域范围内的突发公共卫生事件；
其中，预设时间范围按照年限、季度或是月份中一项划分，预设区域范围按照省、市、县、镇、乡或是村中的一项划分。
9.根据权利要求6至8中任意一项所述的设备，其特征在于，所述处理模块，具体用于：
确定所述历史数据的有效性参数；
在所述有效性参数大于有效性阈值时，根据所述历史数据训练所述事件预测模型；
在所述有效性参数小于或等于所述有效性阈值时，删除所述历史数据中影响有效性的数据，以得到目标历史数据，并根据所述目标历史数据训练所述事件预测模型。
10.根据权利要求6至8中任意一项所述的设备，其特征在于，所述历史数据还包括针对所述特定突发公共卫生事件的应急响应数据，所述针对所述特定突发公共卫生事件的应急响应数据作为训练所述事件预测模型的第二训练标签，所述输出结果还包括针对所述目标突发公共卫生事件提供的目标应急响应数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910348367.5A CN110111903A (zh) | 2019-04-28 | 2019-04-28 | 一种突发公共卫生事件预测的方法及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910348367.5A CN110111903A (zh) | 2019-04-28 | 2019-04-28 | 一种突发公共卫生事件预测的方法及设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110111903A true CN110111903A (zh) | 2019-08-09 |
Family
ID=67487077
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910348367.5A Pending CN110111903A (zh) | 2019-04-28 | 2019-04-28 | 一种突发公共卫生事件预测的方法及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110111903A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110517731A (zh) * | 2019-10-23 | 2019-11-29 | 上海思路迪医学检验所有限公司 | 基因检测质量监控数据处理方法和系统 |
| CN113724889A (zh) * | 2021-08-30 | 2021-11-30 | 上海商汤智能科技有限公司 | 预测方法及其模型的训练方法、装置、设备及存储介质 |
| CN115935705A (zh) * | 2023-01-09 | 2023-04-07 | 珠海市鸿瑞信息技术股份有限公司 | 一种基于多源数据的工控信息数字化管理系统及方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101894309A (zh) * | 2009-11-05 | 2010-11-24 | 南京医科大学 | 传染病疫情预测预警方法 |
| CN105630899A (zh) * | 2015-12-21 | 2016-06-01 | 南通大学 | 一种公共卫生事件预警知识库的构建方法 |
| CN109034660A (zh) * | 2018-08-22 | 2018-12-18 | 平安科技（深圳）有限公司 | 基于预测模型的风险控制策略的确定方法及相关装置 |
| CN109636012A (zh) * | 2018-11-26 | 2019-04-16 | 西南电子技术研究所（中国电子科技集团公司第十研究所） | 智能判证预测事件发生的处理系统 |
-
2019
- 2019-04-28 CN CN201910348367.5A patent/CN110111903A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101894309A (zh) * | 2009-11-05 | 2010-11-24 | 南京医科大学 | 传染病疫情预测预警方法 |
| CN105630899A (zh) * | 2015-12-21 | 2016-06-01 | 南通大学 | 一种公共卫生事件预警知识库的构建方法 |
| CN109034660A (zh) * | 2018-08-22 | 2018-12-18 | 平安科技（深圳）有限公司 | 基于预测模型的风险控制策略的确定方法及相关装置 |
| CN109636012A (zh) * | 2018-11-26 | 2019-04-16 | 西南电子技术研究所（中国电子科技集团公司第十研究所） | 智能判证预测事件发生的处理系统 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110517731A (zh) * | 2019-10-23 | 2019-11-29 | 上海思路迪医学检验所有限公司 | 基因检测质量监控数据处理方法和系统 |
| CN113724889A (zh) * | 2021-08-30 | 2021-11-30 | 上海商汤智能科技有限公司 | 预测方法及其模型的训练方法、装置、设备及存储介质 |
| CN115935705A (zh) * | 2023-01-09 | 2023-04-07 | 珠海市鸿瑞信息技术股份有限公司 | 一种基于多源数据的工控信息数字化管理系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Camacho et al. | Temporal changes in Ebola transmission in Sierra Leone and implications for control requirements: a real-time modelling study | |
| CN110111903A (zh) | 一种突发公共卫生事件预测的方法及设备 | |
| US20190237174A1 (en) | System for gap in care alerts | |
| Bose et al. | Mortality rate and years of life lost from unintentional injury and suicide in South India | |
| Leite et al. | Near real‐time vaccine safety surveillance using electronic health records—a systematic review of the application of statistical methods | |
| Toda et al. | Effectiveness of a mobile short-message-service–based disease outbreak alert system in Kenya | |
| US20210365674A1 (en) | System and method for smart monitoring of human behavior and anomaly detection | |
| US20220293256A1 (en) | Machine learning analysis of databases | |
| CN105830113A (zh) | 用于重大疾病风险的风险共享的参数削减系统及其相应方法 | |
| Martins et al. | Household disaster preparedness in New York City before Superstorm Sandy: findings and recommendations | |
| Chae et al. | Estimation of infection rate and predictions of disease spreading based on initial individuals infected with COVID-19 | |
| Renard et al. | Establishing an ad hoc COVID-19 mortality surveillance during the first epidemic wave in Belgium, 1 March to 21 June 2020 | |
| Silva et al. | Unsatisfactory completeness of nurses’ records in the medical records of users with tuberculosis | |
| Alhassan et al. | Global Health Security Index not a proven surrogate for health systems capacity to respond to pandemics: The case of COVID-19 | |
| Salehinejad et al. | Use of telemedicine and e-health in disasters: a systematic review | |
| Ahmad et al. | Natural disasters and public health in the era of Sustainable Development Goals: a retrospective study of the October 2015 Hindu Kush earthquake in Pakistan | |
| JP2019523472A (ja) | 環境中のアレルゲン濃度を示す情報を提供するための方法、通信システムおよびコンピュータプログラム | |
| US20200090791A1 (en) | Clustering data regarding health care providers | |
| WO2021222978A1 (en) | Health passport systems and methods of its use | |
| World Health Organization | Strengthening rehabilitation in health emergency preparedness, readiness, response and resilience: policy brief: policy brief | |
| Singhal et al. | Awareness of the malaria vaccine in India | |
| Olu et al. | Management of complex emergencies in global health | |
| Son | Ship of Theseus: From ILO standards to outcome of maternity protection policy | |
| Chan et al. | Alert notifications for governmental disaster response via instant messaging applications | |
| US20210335494A1 (en) | Digital Contact Tracing Through Virtual Medical Information Portfolio and On-Ramp to Testing |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190809 |
|
| RJ01 | Rejection of invention patent application after publication |