CN111430040A - 基于病例、气象和病原监测数据的手足口病疫情预测方法 - Google Patents
基于病例、气象和病原监测数据的手足口病疫情预测方法 Download PDFInfo
- Publication number
- CN111430040A CN111430040A CN202010137531.0A CN202010137531A CN111430040A CN 111430040 A CN111430040 A CN 111430040A CN 202010137531 A CN202010137531 A CN 202010137531A CN 111430040 A CN111430040 A CN 111430040A
- Authority
- CN
- China
- Prior art keywords
- foot
- hand
- mouth disease
- data
- model
- 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
- 208000020061 Hand, Foot and Mouth Disease Diseases 0.000 title claims abstract description 117
- 208000025713 Hand-foot-and-mouth disease Diseases 0.000 title claims abstract description 116
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000012544 monitoring process Methods 0.000 title claims abstract description 46
- 244000052769 pathogen Species 0.000 title claims abstract description 30
- 230000001717 pathogenic effect Effects 0.000 title claims abstract description 30
- 230000000694 effects Effects 0.000 claims abstract description 33
- 208000030194 mouth disease Diseases 0.000 claims abstract description 7
- 238000012795 verification Methods 0.000 claims abstract description 7
- 238000012549 training Methods 0.000 claims abstract description 4
- 230000003442 weekly effect Effects 0.000 claims description 23
- 238000009499 grossing Methods 0.000 claims description 18
- 241001529459 Enterovirus A71 Species 0.000 claims description 11
- 201000010099 disease Diseases 0.000 claims description 8
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 7
- 239000000654 additive Substances 0.000 claims description 6
- 230000000996 additive effect Effects 0.000 claims description 6
- 230000001419 dependent effect Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 4
- 238000012352 Spearman correlation analysis Methods 0.000 claims description 3
- 238000010219 correlation analysis Methods 0.000 claims description 3
- 238000002790 cross-validation Methods 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 230000006806 disease prevention Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 208000025157 Oral disease Diseases 0.000 abstract 1
- 230000006870 function Effects 0.000 description 14
- 208000035473 Communicable disease Diseases 0.000 description 4
- 208000015181 infectious disease Diseases 0.000 description 4
- 229960005486 vaccine Drugs 0.000 description 4
- 241000700605 Viruses Species 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 238000010348 incorporation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001681 protective effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 208000001490 Dengue Diseases 0.000 description 1
- 206010012310 Dengue fever Diseases 0.000 description 1
- 241001466953 Echovirus Species 0.000 description 1
- 241000709661 Enterovirus Species 0.000 description 1
- 206010014909 Enterovirus infection Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 208000025729 dengue disease Diseases 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 238000000528 statistical test Methods 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Epidemiology (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Biomedical Technology (AREA)
- Marketing (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于病例、气象和病原监测数据的手足口病疫情预测方法，分析事先收集整理的手足口病病例与气象、病原学因素的相关关系以及滞后效应，筛选纳入模型的指标；基于手足口病病例、气象和病原学的多源数据，采用时间序列广义相加模型方法构建手足口病预测模型；将多源数据分为训练数据集和验证数据集，对手足口病疫情预测模型的拟合情况和预测效果进行评估；由于结合了病例气象、病原学和人口数据，并采用时间序列的广义相加模型方法构建预测模型，且分数据集对模型的拟合情况和预测效果进行训练和验证，由此可对手足口病疫情流行趋势进行实时的前瞻性预测和风险预警，预测结果更为可靠，时效性和实用性也都更高。
Description
技术领域
本发明涉及手足口病疫情的预测预警方法领域，尤其涉及的是一种基于病例、气象和病原监测数据的手足口病疫情预测方法。
背景技术
手足口病（Hand、foot、mouth disease,简称HFMD）是一种主要由多种肠道病毒引起的常见传染病，多发于学龄前儿童，三岁以下婴幼儿普遍易感；其中，肠道病毒71型（即EV71型）可导致重症和死亡，柯萨奇A组16型（CA16）、埃可病毒等均可引起手足口病。
2016年中国领先研发的手足口病EV71型疫苗上市，虽该疫苗对EV71感染相关手足口病的保护效力较好，却并未发现其对其他肠道病毒感染手足口病有保护效力。
据报道，尽管近几年中国EV71感染相关手足口病的数量有所下降，然而总体手足口病的发病率仍处于很高水平，发病率在37.01/10万～205.06/10万之间。
同时，病毒优势流行株每年都在变化，其变化也可能会引发手足口病出现暴发流行，因此，中国手足口病的发病率高，也是中国重要的公共卫生问题之一。
如何开展手足口病的流行趋势预测和预警，是手足口病防控的重要手段，目前，有相关学者基于疾病监测数据采用控制图法或ARIMA等对手足口病的流行趋势进行预测预警，该类研究多是基于单纯的病例监测数据来建模，而手足口病的流行受到多个因素影响，诸如气象因素、当年流行病毒类型等；但是，有关整合环境气象和病原学监测等影响因素的手足口病流行趋势预测方法还鲜有报道。
因此，现有技术尚有待改进和发展。
发明内容
为解决上述技术问题，本发明提供一种基于病例、气象和病原监测数据的手足口病疫情预测方法，预测结果更为可靠，时效性和实用性更高。
本发明的技术方案如下：一种基于病例、气象和病原监测数据的手足口病疫情预测方法，包括以下步骤：
A、收集整理手足口病病例资料、气象因素数据、病原学监测数据和社会人口数据；
B、分析手足口病病例与气象、病原学因素的相关关系以及滞后效应，筛选纳入模型的指标；
C、基于手足口病病例、气象和病原学的多源数据，采用时间序列的广义相加模型方法构建手足口病预测模型；
D、将多源数据分为训练数据集和验证数据集，对手足口病疫情预测模型的拟合情况和预测效果进行评估；
E、基于构建的手足口病预测模型对某地区未来手足口病疫情进行1-8周的前瞻性预测和风险预警。
所述的基于病例、气象和病原监测数据的手足口病疫情预测方法，其中，所述步骤A具体包括：
A1、从中国疾病预防控制信息系统获得手足口病的病例数据，根据手足口病病例的现住址编码及发病日期，将所有手足口病病例的报告数据以周为时间尺度整理成关注地区的手足口病统计数据；
A2、从国家气象信息中心网站获得相关气象数据，收集关注地区与手足口病病例数据同期的逐日气温、降雨量和相对湿度因素，以周为尺度计算周平均气温、周累积降水量和周平均相对湿度，并以周为尺度整理成气象时间序列数据；
A3、从当地手足口病哨点监测系统收集哨点医院开展的手足口病病原学监测数据，将监测数据以周为尺度整理成周病原学阳性率的时间序列数据；
A4、从中国官方发布的统计年鉴中收集同期同地区每年常住人口数，并以年常住人口数作为该年的每周人口数据。
所述的基于病例、气象和病原监测数据的手足口病疫情预测方法，其中：所述步骤A中收集整理数据的时间跨度超过5年，且所述步骤A4中以每年年末人口代替每年常住人口数。
所述的基于病例、气象和病原监测数据的手足口病疫情预测方法，其特征在于：所述步骤A3中的周病原学阳性率采用EV71阳性率或CA16阳性率。
所述的基于病例、气象和病原监测数据的手足口病疫情预测方法，其特征在于，所述步骤B具体包括：
B1、以手足口病病例数作为因变量，以周平均气温、周累计降雨量、周平均相对湿度、周病原学阳性率为自变量，将手足口病病例数分别与各变量的1-8周滞后性进行spearman相关分析；
B2、提取相关分析中具有统计学意义且最大相关系数滞后项的指标纳入预测模型；
B3、纳入预测模型的指标包括气温、降雨、相对湿度和EV71阳性率。
所述的基于病例、气象和病原监测数据的手足口病疫情预测方法，其中：所述步骤C中采用Poisson分布的广义相加模型GAM来构建手足口病疫情预测模型的基本公式：
Log[E(μ t )]= α + s(T t-a , df ) + s(R t-b , df ) + s(RH t-c , df ) + s(V t-d , df ) + s(Case t-e , df ) + s(week, df ) + offset (POP) 公式(1)；
公式(1)中，Log代表Poisson分布资料在广义相加模型的连接函数，E(μ t )代表第t周手足口病病例数的期望值，μ t 代表在第t周手足口病的病例数；α代表截距，s代表非参数平滑函数；s(T t-a , df )代表周平均气温滞后a周的平滑函数；s(R t-b , df )代表周累积降雨量滞后b周的平滑函数；s(RH t-c , df )代表周平均相对湿度滞后c周的平滑函数；s(V t-d , df )代表周病原学阳性率滞后d周的平滑函数；s(Case t-e , df )代表手足口病病例数滞后e周的平滑函数；week代表控制变量的季节趋势；offset (POP)代表考虑人口POP的变化；df代表自由度。
所述的基于病例、气象和病原监测数据的手足口病疫情预测方法，其中：所述自由度df=3。
所述的基于病例、气象和病原监测数据的手足口病疫情预测方法，其中，所述步骤D具体包括：
D1、以全部数据的80%来拟合验证，以20%数据用来预测评估，通过变换纳入模型指标和滞后时项比较模型的内部拟合效果，取拟合效果最佳的模型作为预测模型；
D2、运用广义交叉验证GCV得分和变异解释度判断模型拟合效果，同时绘制线图比较拟合值与实际发生值的差异；
D3、采用构建的最佳模型进行预测，运用均方误差RMSE指标判断模型的预测效果；
D4、若预测效果不佳，则返回步骤C继续完善模型变量的选择和优化相关参数设置。
所述的基于病例、气象和病原监测数据的手足口病疫情预测方法，其中：所述均方误差RMSE指标的计算公式：
公式(2)中，X i 代表第i次的预测值；
代表实际发生值；
代表n次预测值与实际发生值误差的平方和。
所述的基于病例、气象和病原监测数据的手足口病疫情预测方法，其中：将预测值与阈值进行比对，如预测值超过阈值则进行预警标示；所述阈值设定为某地区某周过去三年同期历史手足口病发病数据的第50百分位数。
本发明所提供的一种基于病例、气象和病原监测数据的手足口病疫情预测方法，由于结合了病例、气象、病原学和人口数据，并采用时间序列的广义相加模型方法构建预测模型，且分数据集对模型的拟合情况和预测效果进行训练和验证，由此可对手足口病疫情流行趋势进行实时的前瞻性预测和风险预警，预测结果更为可靠，时效性和实用性更高。
附图说明
图1是本发明基于病例、气象和病原监测数据的手足口病疫情预测方法实施例的流程图。
具体实施方式
以下将结合附图，对本发明的具体实施方式和实施例加以详细说明，所描述的具体实施例仅用以解释本发明，并非用于限定本发明的具体实施方式。
近年有些学者采用广义相加模型，基于疾病流行的多项影响因素对登革热等传染病进行预测研究，预测效果较好，此方法也为手足口病疫情预测方法提供了思路。
如图1所示，图1是本发明基于病例、气象和病原监测数据的手足口病疫情预测方法实施例的流程图，该手足口病疫情预测方法包括以下步骤：
步骤S100、收集整理手足口病病例资料、气象因素数据、病原学监测数据和社会人口数据；
步骤S200、分析手足口病病例与气象、病原学因素的相关关系以及滞后效应，筛选纳入模型的指标；
步骤S300、基于手足口病病例、气象和病原学的多源数据，采用时间序列的广义相加模型方法构建手足口病预测模型；
步骤S400、将多源数据分为训练数据集和验证数据集，对手足口病疫情预测模型的拟合情况和预测效果进行评估；
步骤S500、基于构建的手足口病预测模型对某地区未来手足口病疫情进行1-8周的前瞻性预测和风险预警。
在考虑因素方面，现有的手足口病流行趋势预测方法多是基于单纯病例数的预测预警，而本发明基于病例、气象和病原监测数据的手足口病疫情预测方法，综合考虑了病例、气象和病原学等因素，包含有更多相关的信息，因此，预测结果更为可靠。
在时效性方面，相比现有的手足口病流行趋势预测方法，本发明基于病例、气象和病原监测数据的手足口病疫情预测方法，可提前1-8周对手足口病流行趋势进行实时的前瞻性预测和风险预警，时效性和实用性也都更高。
在资料收集的步骤S100中，具体包括：
收集整理手足口病病例资料；因手足口病属于中国丙类法定传染病，故该病的病例数据可从中国疾病预防控制信息系统获得；根据手足口病病例的现住址编码及发病日期，将所有手足口病病例报告数据以周为时间尺度整理成关注地区（或城市）的手足口病统计数据；
收集整理气象因素数据；相关气象数据可来自国家气象信息中心网站（http://www.nmic.cn），收集关注地区与手足口病病例数据同期的每日气象数据，包括逐日气温、降雨量和相对湿度等因素；以周为尺度计算气象因素均值(例如周平均气温、周累积降水量和周平均相对湿度等)，并以周为尺度整理成气象时间序列数据；
收集整理病原学监测数据；从当地手足口病哨点监测系统收集哨点医院开展的手足口病病原学监测数据，将监测数据以周为尺度整理成周病原学阳性率（例如EV71阳性率或CA16阳性率）的时间序列数据；
收集整理社会人口数据；从中国官方发布的统计年鉴中收集同期同地区每年常住人口数(可以每年年末人口代替)，并以年常住人口数作为该年的每周人口数据。
较好的是，所述步骤S100中收集整理数据和资料的时间跨度最好超过5年，由此可获得较为理想的预测效果。
在指标筛选的步骤S200中，具体包括以下步骤：
步骤S210、以手足口病病例数作为因变量，以周平均气温、周累计降雨量、周平均相对湿度、周病原学阳性率（例如EV71阳性率或CA16阳性率）为自变量，将手足口病病例数分别与各变量的1-8周滞后性进行spearman相关分析，以初步了解手足口病病例与各变量间的滞后相关性；所谓的spearman相关适用于判断两个非正态分布（或者由不能剔除的异常值）的连续变量之间的相关关系；
步骤S220、提取相关分析中具有统计学意义且最大相关系数滞后项的指标纳入预测模型，统计学检验均以P值<0.05表示差异有统计学意义；
步骤S230、纳入预测模型的指标包括气温、降雨、相对湿度和EV71阳性率，而实际纳入模型指标也可以各地实际数据分析结果进行选择。
在模型构建的步骤S300中，待构建模型中的因变量是手足口病病例的发病数，由于其相对于整体人群而言属于小概率事件，可认为其分布形态近似服从Poisson分布，由此可采用Poisson分布的广义相加模型（Generalized Additive Model，简称GAM）来构建手足口病疫情预测模型；该预测模型的基本公式如下：
Log[E(μ t )]= α + s(T t-a , df ) + s(R t-b , df ) + s(RH t-c , df ) + s(V t-d , df ) + s(Case t-e , df ) + s(week, df ) + offset (POP) 公式(1)
公式(1)中：Log代表Poisson分布资料在广义相加模型的连接函数，E(μ t )代表第t周手足口病病例数的期望值，μ t 代表在第t周手足口病的病例数；
α代表截距，s代表非参数平滑函数；
s(T t-a , df=3 )代表周平均气温滞后a周的平滑函数；
s(R t-b , df=3 )代表周累积降雨量滞后b周的平滑函数；
s(RH t-c , df=3 )代表周平均相对湿度滞后c周的平滑函数；
s(V t-d , df=3 )代表周病原学阳性率滞后d周的平滑函数；
s(Case t-e , df =3 )代表手足口病病例数滞后e周的平滑函数；
week代表控制变量的季节趋势；
offset (POP)代表考虑人口POP的变化；
df代表自由度，在本发明手足口病疫情预测方法的优选实施方式中，当df=3时模型的拟合程度较好。
较好的是，在分析建模的过程中，可优先采用现有技术中的R语言“mgcv”程序包工具建立和分析广义相加模型GAM，由此更加简单和快捷。
在模型评估的步骤S400中，模型效果评估包括拟合效果评估和预测效果评估两个部分，具体包括以下步骤：
步骤S410、在构建模型时，可以全部数据的80%来拟合验证，以20%数据用来预测评估，例如，若收集数据和资料的时长为5年，则取前4年的数据和资料进行建模，通过变换纳入模型指标和滞后时项比较模型的内部拟合效果，取拟合效果最佳的模型作为预测模型；
步骤S420、运用广义交叉验证（Generalized Cross Validation，简称GCV）得分和变异解释度的两项指标判断模型拟合效果，其中，GCV得分越小，模型拟合效果越好；变异解释度值越大，模型拟合越好；同时，可绘制线图比较拟合值与实际发生值的差异；
步骤S430、采用构建的最佳模型进行预测，运用均方误差（Root Mean Square Error，简称RMSE）指标判断模型的预测效果，RMSE反映的是实际报告值与预测值的误差情况，RMSE值越小，表示模型的预测效果越好；所述RMSE指标的计算公式如下：
公式(2)中，X i 代表第i次的预测值；
代表实际发生值；
代表n次预测值与实际发生值误差的平方和；
步骤S440、如预测效果较好，则可进行预测，如预测效果不佳，则返回步骤S300继续完善模型变量的选择和优化相关参数设置。
在预测预警的步骤S500中，基于构建的手足口病疫情预测模型对某地区手足口病未来1-8周的流行趋势进行实时预测，将预测值与阈值进行比对，如预测值超过阈值则进行预警标示，由此实现前瞻性的预测预警；而所述阈值的设定可参照中国疾控中心的传染病自动预警系统预警阈值的设定方法，即所述阈值为某地区某周过去三年同期历史手足口病发病数据的第50百分位数。
应当理解的是，以上所述仅为本发明的较佳实施例而已，并不足以限制本发明的技术方案，对本领域普通技术人员来说，在本发明的精神和原则之内，可以根据上述说明加以增减、替换、变换或改进，而所有这些增减、替换、变换或改进后的技术方案，都应属于本发明所附权利要求的保护范围。
Claims (10)
1.一种基于病例、气象和病原监测数据的手足口病疫情预测方法，其特征在于，包括以下步骤：
A、收集整理手足口病病例资料、气象因素数据、病原学监测数据和社会人口数据；
B、分析手足口病病例与气象、病原学因素的相关关系以及滞后效应，筛选纳入模型的指标；
C、基于手足口病病例、气象和病原学的多源数据，采用时间序列的广义相加模型方法构建手足口病预测模型；
D、将多源数据分为训练数据集和验证数据集，对手足口病疫情预测模型的拟合情况和预测效果进行评估；
E、基于构建的手足口病预测模型对某地区未来手足口病疫情进行1-8周的前瞻性预测和风险预警。
2.根据权利要求1所述的基于病例、气象和病原监测数据的手足口病疫情预测方法，其特征在于，所述步骤A具体包括：
A1、从中国疾病预防控制信息系统获得手足口病的病例数据，根据手足口病病例的现住址编码及发病日期，将所有手足口病病例的报告数据以周为时间尺度整理成关注地区的手足口病统计数据；
A2、从国家气象信息中心网站获得相关气象数据，收集关注地区与手足口病病例数据同期的逐日气温、降雨量和相对湿度因素，以周为尺度计算周平均气温、周累积降水量和周平均相对湿度，并以周为尺度整理成气象时间序列数据；
A3、从当地手足口病哨点监测系统收集哨点医院开展的手足口病病原学监测数据，将监测数据以周为尺度整理成周病原学阳性率的时间序列数据；
A4、从中国官方发布的统计年鉴中收集同期同地区每年常住人口数，并以年常住人口数作为该年的每周人口数据。
3.根据权利要求2所述的基于病例、气象和病原监测数据的手足口病疫情预测方法，其特征在于：所述步骤A中收集整理数据的时间跨度超过5年，且所述步骤A4中以每年年末人口代替每年常住人口数。
4.根据权利要求2所述的基于病例、气象和病原监测数据的手足口病疫情预测方法，其特征在于：所述步骤A3中的周病原学阳性率采用EV71阳性率或CA16阳性率。
5.根据权利要求4所述的基于病例、气象和病原监测数据的手足口病疫情预测方法，其特征在于，所述步骤B具体包括：
B1、以手足口病病例数作为因变量，以周平均气温、周累计降雨量、周平均相对湿度、周病原学阳性率为自变量，将手足口病病例数分别与各变量的1-8周滞后性进行spearman相关分析；
B2、提取相关分析中具有统计学意义且最大相关系数滞后项的指标纳入预测模型；
B3、纳入预测模型的指标包括气温、降雨、相对湿度和EV71阳性率。
6.根据权利要求4所述的基于病例、气象和病原监测数据的手足口病疫情预测方法，其特征在于，所述步骤C中采用Poisson分布的广义相加模型GAM来构建手足口病疫情预测模型的基本公式：
Log[E(μ t )]= α + s(T t-a , df ) + s(R t-b , df ) + s(RH t-c , df ) + s(V t-d , df ) + s (Case t-e , df ) + s(week, df ) + offset (POP) 公式(1)；
公式(1)中，Log代表Poisson分布资料在广义相加模型的连接函数，E(μ t )代表第t周手足口病病例数的期望值，μ t 代表在第t周手足口病的病例数；α代表截距，s代表非参数平滑函数；s(T t-a , df )代表周平均气温滞后a周的平滑函数；s(R t-b , df )代表周累积降雨量滞后b周的平滑函数；s(RH t-c , df )代表周平均相对湿度滞后c周的平滑函数；s(V t-d , df )代表周病原学阳性率滞后d周的平滑函数；s(Case t-e , df )代表手足口病病例数滞后e周的平滑函数；week代表控制变量的季节趋势；offset (POP)代表考虑人口POP的变化；df代表自由度。
7.根据权利要求6所述的基于病例、气象和病原监测数据的手足口病疫情预测方法，其特征在于：所述自由度df=3。
8.根据权利要求6所述的基于病例、气象和病原监测数据的手足口病疫情预测方法，其特征在于，所述步骤D具体包括：
D1、以全部数据的80%来拟合验证，以20%数据用来预测评估，通过变换纳入模型指标和滞后时项比较模型的内部拟合效果，取拟合效果最佳的模型作为预测模型；
D2、运用广义交叉验证GCV得分和变异解释度判断模型拟合效果，同时绘制线图比较拟合值与实际发生值的差异；
D3、采用构建的最佳模型进行预测，运用均方误差RMSE指标判断模型的预测效果；
D4、若预测效果不佳，则返回步骤C继续完善模型变量的选择和优化相关参数设置。
9.根据权利要求8所述的基于病例、气象和病原监测数据的手足口病疫情预测方法，其特征在于：所述均方误差RMSE指标的计算公式：
公式(2)中，X i 代表第i次的预测值；
代表实际发生值；
代表n次预测值与实际发生值误差的平方和。
10.根据权利要求9所述的基于病例、气象和病原监测数据的手足口病疫情预测方法，其特征在于：将预测值与阈值进行比对，如预测值超过阈值则进行预警标示；所述阈值设定为某地区某周过去三年同期历史手足口病发病数据的第50百分位数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010137531.0A CN111430040A (zh) | 2020-03-03 | 2020-03-03 | 基于病例、气象和病原监测数据的手足口病疫情预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010137531.0A CN111430040A (zh) | 2020-03-03 | 2020-03-03 | 基于病例、气象和病原监测数据的手足口病疫情预测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111430040A true CN111430040A (zh) | 2020-07-17 |
Family
ID=71546141
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010137531.0A Pending CN111430040A (zh) | 2020-03-03 | 2020-03-03 | 基于病例、气象和病原监测数据的手足口病疫情预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111430040A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112259239A (zh) * | 2020-10-21 | 2021-01-22 | 平安科技（深圳）有限公司 | 一种参数处理方法、装置、电子设备及存储介质 |
| CN112951442A (zh) * | 2021-02-23 | 2021-06-11 | 北京理工大学 | 儿童病毒性腹泻发病风险的滞后分析方法及装置 |
| CN113380412A (zh) * | 2021-06-10 | 2021-09-10 | 山东健康医疗大数据有限公司 | 一种气象因素与心脑血管疾病的分析方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108288502A (zh) * | 2018-04-11 | 2018-07-17 | 平安科技（深圳）有限公司 | 疾病预测方法及装置、计算机装置及可读存储介质 |
| CN108648829A (zh) * | 2018-04-11 | 2018-10-12 | 平安科技（深圳）有限公司 | 疾病预测方法及装置、计算机装置及可读存储介质 |
| CN109817342A (zh) * | 2019-01-04 | 2019-05-28 | 平安科技（深圳）有限公司 | 流行季预测模型的参数调整方法、装置、设备及存储介质 |
-
2020
- 2020-03-03 CN CN202010137531.0A patent/CN111430040A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108288502A (zh) * | 2018-04-11 | 2018-07-17 | 平安科技（深圳）有限公司 | 疾病预测方法及装置、计算机装置及可读存储介质 |
| CN108648829A (zh) * | 2018-04-11 | 2018-10-12 | 平安科技（深圳）有限公司 | 疾病预测方法及装置、计算机装置及可读存储介质 |
| CN109817342A (zh) * | 2019-01-04 | 2019-05-28 | 平安科技（深圳）有限公司 | 流行季预测模型的参数调整方法、装置、设备及存储介质 |
Non-Patent Citations (6)
| Title |
|---|
| 于永;李洁;周连;陈晓东;: "南京市2010―2013年手足口病发病人数与气象因素的关联", 环境与职业医学, no. 12 * |
| 刘言玉，等: "南宁市2008-2011年气象因素对手足口病的影响及其交互作用", vol. 56, no. 8, pages 95 - 100 * |
| 徐晓楠;王金玉;李盛;: "嘉峪关市气象因素与手足口病滞后效应研究", 中国公共卫生管理, no. 03 * |
| 李丽丽;董瑞强;黄少平;阚震;石磊;: "手足口病气象预报模式的建立与验证", 职业与健康, no. 02 * |
| 潘洁;杨军;李萌萌;李月;潘小川;: "分布滞后非线性模型在气象因素对手足口病发病影响研究中的应用", 环境与健康杂志, no. 05 * |
| 王彦文: "2010-2018年桂林市手足口病流行特征及发病趋势预测研究", pages 14 - 49 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112259239A (zh) * | 2020-10-21 | 2021-01-22 | 平安科技（深圳）有限公司 | 一种参数处理方法、装置、电子设备及存储介质 |
| CN112259239B (zh) * | 2020-10-21 | 2023-07-11 | 平安科技（深圳）有限公司 | 一种参数处理方法、装置、电子设备及存储介质 |
| CN112951442A (zh) * | 2021-02-23 | 2021-06-11 | 北京理工大学 | 儿童病毒性腹泻发病风险的滞后分析方法及装置 |
| CN112951442B (zh) * | 2021-02-23 | 2022-09-23 | 北京理工大学 | 儿童病毒性腹泻发病风险的滞后分析方法及装置 |
| CN113380412A (zh) * | 2021-06-10 | 2021-09-10 | 山东健康医疗大数据有限公司 | 一种气象因素与心脑血管疾病的分析方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110164128B (zh) | 一种城市级智能交通仿真系统 | |
| CN111430040A (zh) | 基于病例、气象和病原监测数据的手足口病疫情预测方法 | |
| CN110796284B (zh) | 细颗粒物污染等级的预测方法、装置及计算机设备 | |
| CN110610767B (zh) | 发病率监测方法、装置、设备及存储介质 | |
| CN107767954A (zh) | 一种基于空间贝叶斯网络的环境健康风险监测预警系统及方法 | |
| CN110636066B (zh) | 基于无监督生成推理的网络安全威胁态势评估方法 | |
| CN111275341B (zh) | 基于lasso及随机森林的高拱坝谷幅变形分析方法 | |
| CN110009224A (zh) | 嫌疑人违规概率预测方法、装置、计算机设备及存储介质 | |
| CN110334767B (zh) | 一种用于空气质量分类的改进随机森林方法 | |
| BARAN | Air quality Index prediction in besiktas district by artificial neural networks and k nearest neighbors | |
| CN111145535B (zh) | 一种复杂场景下的行程时间可靠性分布预测方法 | |
| CN112349420B (zh) | 一种基于气象数据的疾病预测模型的构建方法及系统 | |
| CN111768031B (zh) | 一种基于arma算法预测人群聚集趋势的方法 | |
| CN114611399A (zh) | 一种基于NGBoost算法的PM2.5浓度长时间序列预测方法 | |
| CN101673280A (zh) | 基于恐怖袭击事件特征挖掘的判定恐怖袭击组织方法 | |
| Holmes et al. | The application of data mining tools and statistical techniques to identify patterns and changes in fire events | |
| Boyagoda et al. | Analysis and Prediction of Severity of United States Countrywide Car Accidents Based on Machine Learning Techniques | |
| CN117273467B (zh) | 一种基于多因素耦合的工业安全风险管控方法及系统 | |
| CN117610973B (zh) | 一种基于白蚁分布趋势的规划方法、系统及装置 | |
| CN116318929B (zh) | 一种基于安全告警数据的攻击策略抽取方法 | |
| LU505334B1 (en) | Infectious disease trend prediction system and method based on big data | |
| CN116258373B (zh) | 一种基于大数据的病虫害测报预警系统及方法 | |
| CN117195750B (zh) | 一种参考时序形变的滑坡灾害敏感性模型构建方法 | |
| CN113436751A (zh) | 一种周ili占比趋势预测系统及方法 | |
| CN116776134B (zh) | 一种基于PCA-SFFS-BiGRU的光伏出力预测方法 |
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 |