CN111653358A - 感染风险评估方法、第一终端及计算机存储介质 - Google Patents
感染风险评估方法、第一终端及计算机存储介质 Download PDFInfo
- Publication number
- CN111653358A CN111653358A CN202010475670.4A CN202010475670A CN111653358A CN 111653358 A CN111653358 A CN 111653358A CN 202010475670 A CN202010475670 A CN 202010475670A CN 111653358 A CN111653358 A CN 111653358A
- Authority
- CN
- China
- Prior art keywords
- terminal
- infection
- infection risk
- risk
- user
- 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
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
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- 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)
- Public Health (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请实施例公开了一种感染风险评估方法、第一终端及计算机存储介质,用于评估用户与其他人员接触之后的感染风险。本申请实施例方法包括:第一终端用户与第二终端的用户接触时,第一终端可以从第二终端接收到广播信息,并从广播信息中获取到第二终端用户的感染风险,由于第二终端用户的感染风险是影响第一终端用户的感染风险的主要因素,因此可以根据第二终端用户的感染风险来评估第一终端用户的感染风险,第一终端用户可以获知在与第二终端的用户接触之后的感染风险,并可以根据感染风险的程度大小来采取对应的防护措施,如佩戴口罩,或者远离人群、减少与他人近距离接触等措施,从而进行有针对性的防护。
Description
技术领域
本申请实施例涉及数据处理领域,具体涉及一种感染风险评估方法、第一终端及计算机存储介质。
背景技术
疫情期间,当接触双方中有一方被确诊为传染病患者,并且往前追溯该患者能够向外传播病毒的时间,发现该患者可以向外传播病毒的时间早于接触双方的接触时间,也就是说在患者能够向外传播病毒的期间,该患者与接触双方中的另一方有近距离接触过,则可以确定该接触双方中的另一方被传染病毒的风险较大,需要对其采取隔离措施和医治措施。该接触双方中的另一方可以被称为高感染风险者。
高感染风险者也有可能成为传染源,因此,与高感染风险者及确诊患者接触的人员也有一定的感染风险。感染风险的程度大小可以用于指导人员采取有针对性的防治措施,例如,感染风险的程度极小的,可以适当地进行日常生活活动;感染风险较大的,应当采取一定的防护措施,如佩戴口罩、减少外出活动等措施;感染风险极大的,应当采取居家隔离、限制外出等措施。
但是,接触双方中的一方难以获知对方是否为高感染风险者或者是否为确诊患者,因此,便难以获知自身的感染风险的程度大小,也就难以根据感染风险的程度大小来采取针对性的防治措施,这给防疫工作及人们的日常生活带来不便。
发明内容
本申请实施例提供了一种感染风险评估方法、第一终端及计算机存储介质,用于评估用户与其他人员接触之后的感染风险。
本申请实施例第一方面提供了一种感染风险评估方法,应用于第一终端,包括:
接收第二终端广播的广播信息;
从所述广播信息中获取第二终端用户的感染风险,所述第二终端用户为所述第二终端的用户,所述感染风险用于表示人员感染病毒的可能性大小,所述感染风险为连续值或离散值;
根据所述第二终端用户的感染风险评估第一终端用户的感染风险,所述第一终端用户为所述第一终端的用户。
优选的,所述方法还包括:
根据所述广播信息获取影响因子,所述影响因子为影响感染风险的大小的因素;
所述根据所述第二终端用户的感染风险评估第一终端用户的感染风险,包括:
根据所述第二终端用户的感染风险以及所述影响因子评估所述第一终端用户的感染风险。
优选的,所述接收第二终端广播的广播信息,包括:
接收连续时间段内所述第二终端广播的多个广播信息,所述多个广播信息包括所述第一终端接收到的首个广播信息及最后一个广播信息;
所述根据所述广播信息获取影响因子,包括:
计算得到首个接收时间点与最后一个接收时间点之间的接触时长,所述首个接收时间点为所述第一终端接收所述首个广播信息的时间点,所述最后一个接收时间点为所述第一终端接收所述最后一个广播信息的时间点;
所述根据所述第二终端用户的感染风险以及所述影响因子评估所述第一终端用户的感染风险,包括:
根据所述第二终端用户的感染风险以及所述接触时长评估所述第一终端用户的感染风险。
优选的,所述根据所述第二终端用户的感染风险以及所述接触时长评估所述第一终端用户的感染风险,包括:
基于感染概率与接触时长的概率密度函数,根据所述接触时长计算得到所述接触时长对应的感染概率;
根据所述接触时长对应的感染概率及所述第二终端用户的感染风险评估所述第一终端用户的感染风险。
优选的,所述根据所述广播信息获取影响因子,包括:
计算得到首个接收时间点与最后一个接收时间点之间的接触时长,所述首个接收时间点为所述第一终端接收所述首个广播信息的时间点,所述最后一个接收时间点为所述第一终端接收所述最后一个广播信息的时间点;
基于信号传播损耗理论,根据所述广播信息的接收信号强度,估算所述第一终端用户与所述第二终端用户的接触距离;
所述根据所述第二终端用户的感染风险以及所述影响因子评估所述第一终端用户的感染风险,包括:
根据所述第二终端用户的感染风险、所述接触时长以及所述接触距离评估所述第一终端用户的感染风险。
优选的,所述根据所述第二终端用户的感染风险、所述接触时长以及所述接触距离评估所述第一终端用户的感染风险,包括:
基于接触时长及接触距离与感染概率的概率函数,根据所述接触时长及所述接触距离计算得到所述接触时长及所述接触距离对应的感染概率;
根据所述接触时长及所述接触距离对应的感染概率及所述第二终端用户的感染风险评估所述第一终端用户的感染风险。
优选的,所述广播信息包括第二终端用户的身份标识符,所述第二终端用户为所述第二终端的用户;
所述方法还包括:
接收系统平台推送的感染者的身份标识符;
所述根据所述影响因子评估第一终端用户的感染风险,包括:
在多个所述第二终端用户的身份标识符中查找是否有与所述感染者的身份标识符对应的身份标识符;
若有,则根据查找的结果评估所述第一终端用户的感染风险。
优选的,所述接收第二终端广播的广播信息之后,所述方法还包括:
生成多个接触记录,每个所述接触记录包括所述第二终端用户的身份标识符;
所述在多个所述第二终端用户的身份标识符中查找是否有与所述感染者的身份标识符对应的身份标识符,包括:
在所述多个接触记录中查找是否有与所述感染者的身份标识符对应的身份标识符;
若有,则根据查找的结果评估所述第一终端用户的感染风险。
优选的,所述根据影响因子评估所述第一终端用户的感染风险之后,所述方法还包括:
获取评估后的感染风险;
判断当前的感染风险是否小于所述评估后的感染风险;
若是,则将所述当前的感染风险更新为所述评估后的感染风险。
本申请实施例第二方面提供了一种第一终端,所述第一终端包括:
接收单元,用于接收第二终端广播的广播信息;
获取单元,用于从所述广播信息中获取第二终端用户的感染风险,所述第二终端用户为所述第二终端的用户,所述感染风险用于表示人员感染病毒的可能性大小,所述感染风险为连续值或离散值;
评估单元,用于根据所述第二终端用户的感染风险评估第一终端用户的感染风险,所述第一终端用户为所述第一终端的用户。
优选的,所述获取单元还用于根据所述广播信息获取影响因子,所述影响因子为影响感染风险的大小的因素;
所述评估单元具体用于根据所述第二终端用户的感染风险以及所述影响因子评估所述第一终端用户的感染风险。
优选的,所述接收单元具体用于接收连续时间段内所述第二终端广播的多个广播信息,所述多个广播信息包括所述第一终端接收到的首个广播信息及最后一个广播信息;
所述获取单元具体用于计算得到首个接收时间点与最后一个接收时间点之间的接触时长,所述首个接收时间点为所述第一终端接收所述首个广播信息的时间点,所述最后一个接收时间点为所述第一终端接收所述最后一个广播信息的时间点;
所述评估单元具体用于根据所述第二终端用户的感染风险以及所述接触时长评估所述第一终端用户的感染风险。
优选的,所述评估单元具体用于基于感染概率与接触时长的概率密度函数,根据所述接触时长计算得到所述接触时长对应的感染概率;
根据所述接触时长对应的感染概率及所述第二终端用户的感染风险评估所述第一终端用户的感染风险。
优选的,所述获取单元具体用于计算得到首个接收时间点与最后一个接收时间点之间的接触时长,所述首个接收时间点为所述第一终端接收所述首个广播信息的时间点,所述最后一个接收时间点为所述第一终端接收所述最后一个广播信息的时间点;
基于信号传播损耗理论,根据所述广播信息的接收信号强度,估算所述第一终端用户与所述第二终端用户的接触距离;
所述评估单元具体用于根据所述第二终端用户的感染风险、所述接触时长以及所述接触距离评估所述第一终端用户的感染风险。
优选的,所述评估单元具体用于基于接触时长及接触距离与感染概率的概率函数,根据所述接触时长及所述接触距离计算得到所述接触时长及所述接触距离对应的感染概率;
根据所述接触时长及所述接触距离对应的感染概率及所述第二终端用户的感染风险评估所述第一终端用户的感染风险。
优选的,所述广播信息包括第二终端用户的身份标识符,所述第二终端用户为所述第二终端的用户;
所述接收单元还用于接收系统平台推送的感染者的身份标识符;
所述评估单元具体用于在多个所述第二终端用户的身份标识符中查找是否有与所述感染者的身份标识符对应的身份标识符,若有,则根据查找的结果评估所述第一终端用户的感染风险。
优选的,所述第一终端还包括:
生成单元,用于生成多个接触记录,每个所述接触记录包括所述第二终端用户的身份标识符;
所述评估单元具体用于在所述多个接触记录中查找是否有与所述感染者的身份标识符对应的身份标识符,若有,则根据查找的结果评估所述第一终端用户的感染风险。
优选的,所述获取单元还用于获取评估后的感染风险;
所述第一终端还包括:
判断单元,用于判断当前的感染风险是否小于所述评估后的感染风险;
更新单元,用于当所述当前的感染风险小于所述评估后的感染风险,则将所述当前的感染风险更新为所述评估后的感染风险。
本申请实施例第三方面提供了一种第一终端,所述第一终端包括:
处理器、存储器、总线、输入输出设备;
所述处理器与所述存储器、输入输出设备相连;
所述总线分别连接所述处理器、存储器以及输入输出设备;
所述输入输出设备用于接收第二终端广播的广播信息;
所述处理器用于从所述广播信息中获取影响因子,所述影响因子为影响感染风险的大小的因素,所述感染风险用于表示人员感染病毒的可能性大小,所述感染风险为连续值或离散值,根据所述影响因子评估第一终端用户的感染风险,所述第一终端用户为所述第一终端的用户。
本申请实施例第四方面提供了一种计算机存储介质,计算机存储介质中存储有指令,该指令在计算机上执行时,使得计算机执行前述第一方面的方法。
从以上技术方案可以看出,本申请实施例具有以下优点:
本申请实施例中,第一终端用户与第二终端的用户接触时,第一终端可以从第二终端接收到广播信息,并从广播信息中获取到第二终端用户的感染风险,由于第二终端用户的感染风险是影响第一终端用户的感染风险的主要因素,因此可以根据第二终端用户的感染风险来评估第一终端用户的感染风险,第一终端用户可以获知在与第二终端的用户接触之后的感染风险,并可以根据感染风险的程度大小来采取对应的防护措施,如佩戴口罩,或者远离人群、减少与他人近距离接触等措施,从而进行有针对性的防护。
附图说明
图1为本申请实施例中网络框架示意图;
图2为本申请实施例中感染风险评估方法一个流程示意图;
图3为本申请实施例中第一终端一个结构示意图;
图4为本申请实施例中第一终端另一结构示意图;
图5为本申请实施例中第一终端另一结构示意图。
具体实施方式
本申请实施例提供了一种感染风险评估方法、第一终端及计算机存储介质,用于评估用户与其他人员接触之后的感染风险。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
请参阅图1,本申请实施例中网络框架包括:
终端101及102,服务器103,网络104。
其中,终端101及102可以分别通过网络104与服务器103连接,并进行数据传输和交互。其中,网络104一般为无线网络,也可以是有线网络,如果是无线网络,其类型可以为蜂窝状无线网络,或者是WiFi网络,或者是其他类型的无线网络。如果是有线网络,一般的网络形式为光纤网络。
服务器103为本申请实施例中系统平台的后台处理设备,可以用于数据处理,并执行系统平台对外提供的业务服务。用户可以通过终端获取该系统平台提供的各种业务服务。
终端101及102具有蓝牙模块、Wi-Fi模块或者是4G/5G模块等通信模块,可以通过通信模块向外广播数据信息,并接收其他终端广播的数据信息。
终端101及102具体可以是计算机、个人数字助理(personal digital assitant,PDA)、平板电脑、智能手机等,也可以是智能手环、智能手表等穿戴式的智能设备。
需要说明的是,本网络框架仅列举一个终端101及102、一个服务器103,但是,在实际应用中,本网络框架还可以有更多的终端、服务器参与。
下面结合图1的网络框架,对本申请实施例中的感染风险评估方法进行描述:
请参阅图2,本申请实施例中感染风险评估方法一个实施例包括:
201、接收第二终端广播的广播信息;
本实施例中,第一终端可以接收周围的终端设备广播的广播信息,其中,广播信息为任意的信息,可以包括任意内容的数据。为便于描述,将使用第一终端的用户称为第一终端用户,将使用第二终端的用户称为第二终端用户。当第二终端用户在使用第二终端时,第二终端会通过通信模块向外发送广播信息,因此,处在第二终端周围的第一终端用户可以通过第一终端接收到第二终端广播的广播信息。
本实施例中,第二终端可以通过各种通信模块向外发送广播信息,例如,可以通过蓝牙模块、WiFi模块或者蜂窝通信模块发送广播信息。由于较远距离的接触一般难以给用户带来较大的感染风险,因此,为避免第一终端接收到较远距离的广播信息,优选使用蓝牙模块进行数据传输,即第二终端通过蓝牙模块广播广播信息,第一终端也需要通过蓝牙模块接收第二终端的广播信息。蓝牙通信技术在较近的距离内可以实现数据传输,远距离则无法传输数据,因此,使用蓝牙模块来广播数据信息是本实施例的一种优选方案。
此外,使用蓝牙模块来广播数据信息的另一优势是,通过蓝牙技术进行通信的双方可以无需建立连接便可以直接接收对方广播的数据信息,节省了建立连接的过程。
202、从广播信息中获取第二终端用户的感染风险;
本实施例中,感染风险是指用户受到病毒感染的风险,感染是指细菌、病毒、真菌、寄生虫等病原体侵入人体而引起局部组织或全身性的炎症反应,感染风险也就是用户受病毒感染的可能性大小。
当接触对方的感染风险较大时,在与该接触对方接触之后,自身的感染风险也会相应地增加;当接触对方的感染风险较小甚至没有感染风险时,在与该接触对方接触之后,自身的感染风险可能不会受到影响。也就是说,第二终端用户的感染风险是影响第一终端用户的感染风险的主要因素。
第二终端在生成广播信息时,会获取自身的感染风险,并生成包括有自身感染风险的广播信息。在接收到第二终端的广播信息之后,第一终端可以从广播信息中获取到第二终端用户的感染风险。
此外,在第一终端接收到第二终端的广播信息之后,第一终端还可以根据广播信息获取影响因子,其中,影响因子是指能够对用户的感染风险产生一定程度影响的因素。
其中,感染风险可以是连续值,也可以是离散值。例如,若感染风险设置为连续值,则可以设定感染风险的数值范围为0至100,在此数值范围内确定感染风险的具体数值;若感染风险设为离散值,则可以设定感染风险的多个级别,如高感染风险、中等感染风险、低感染风险以及无感染风险。
由于感染风险的影响因子有多种,因此获取影响因子的方式也会有多种。下面将介绍几种从广播信息中获取影响因子的方式。
一、计算得到首个接收时间点与最后一个接收时间点之间的接触时长;
影响因子包括接触双方的接触时长,即当接触时长越久时,越增加感染风险;接触时长越短,对感染风险的影响则越小。
在第一终端用户与第二终端用户接触的一个连续时间段内,第二终端可以向外发送多个广播信息,则第一终端可以接收到该连续时间段内的该多个广播信息,该多个广播信息包括了第一终端接收到的首个广播信息,以及第一终端接收到的最后一个广播信息。
之后,第一终端可以计算首个接收时间点与最后一个接收时间点之间的接触时长,其中,首个接收时间点是指第一终端接收到该多个广播信息中的首个广播信息的时间点,最后一个接收时间点是指第一终端接收到该多个广播信息中的最后一个广播信息的时间点。得到上述两个时间点之后,第一终端可以计算上述两个时间点的时间间隔,并将该时间间隔作为第一终端用户与第二终端用户的接触时长。
二、估算第一终端用户与第二终端用户的接触距离;
此外,影响因子还可以包括接触距离,当接触双方的接触距离较近时,感染风险增加;当接触距离较远时,对感染风险的影响较小。
根据信号传播损耗理论,信号强度会随着信号传播距离的增加而逐渐衰减,传播距离越大,接收方接收到的信号的信号强度越小;反之,传播距离越小,接收到的信号的信号强度越大。因此,在接收到第二终端的广播信息之后,可以基于信号传播损耗理论,根据第一终端接收广播信息的信号强度,计算出信号的传播距离,并将该传播距离作为第一终端用户与第二终端用户的接触距离。
上述列举了几种影响因子,在实际应用中,还可以有其他多种影响因子,例如,接触一方的身体健康状况、免疫能力以及年龄、性别等因素均有可能影响接触一方的感染风险,本实施例对影响因子的种类不作限定。
203、根据第二终端用户的感染风险评估第一终端用户的感染风险;
当第二终端用户感染了传染病病毒,或者携带有传染病病毒并会向外传播病毒,或者第二终端用户接触了传染病患者而使自身具有了较高的感染风险,此时,需要评估与第二终端用户有过接触的第一终端用户的感染风险。
第一终端可以根据第二终端用户的感染风险来评估第一终端用户的感染风险。
具体的,可以采用离散值来表征感染风险,该离散值可以是高感染风险、中等感染风险、低感染风险以及无感染风险,可以设定传染病的患者具备高感染风险,或者设定与患者近距离接触的人员具备高感染风险,并设定与高感染风险者接触的人员具备中等感染风险、与中等感染风险者接触的人员具备低感染风险、与低感染风险者接触的人员则无感染风险,以及设定身体状况良好且健康的人员无感染风险。
则,当第二终端用户的感染风险为高感染风险时,可以确定第一终端用户的感染风险为中等感染风险或低感染风险;当第二终端用户的感染风险为中等感染风险时,则确定第一终端用户的感染风险为低感染风险或无感染风险;当第二终端用户的感染风险为低感染风险时,则确定第一终端用户的感染风险为无感染风险,以此类推。
本实施例中,传染病的患者应作最广义的理解,其包括传染病的确诊患者、疑似患者、无症状感染者以及其他能够传播病毒的病毒携带者。
可以理解的是,感染风险的离散值不限于上述列举的几种,可以根据实际情况和需要设置任意个数的离散值,具体此处不作限定。
此外,也可以根据第二终端用户的感染风险以及步骤202中所获取到的影响因子评估第一终端用户的感染风险。同样的,由于影响因子有多种,根据第二终端用户的感染风险以及影响因子评估第一终端用户的感染风险的方式也会有多种。下面将一一介绍。
一、根据第二终端用户的感染风险以及接触时长评估第一终端用户的感染风险;
具体的,可以采用数值的形式来表征感染风险。例如,可以使用感染概率这一指标来表征感染风险,建立感染概率与接触时长的概率密度函数,该概率密度函数可以表达为:
其中,g(t)为接触时长对应的感染概率,t为接触时长,e为自然常数;
c3为常数,其值是根据真实样本数据拟合得到的,即采集多组样本数据,每组样本数据包括特定接触时长以及该特定接触时长对应的感染概率,之后,对该多组样本数据进行拟合,即得到上述g(t)函数的参数,即c3的值。
拟合参数c3的方法可以是线性回归算法、逻辑回归算法、朴素贝叶斯算法或者k-近邻算法(K-Nearest Neighbors,KNN)、随机森林算法(Random Forest)等多种机器学习算法。
在计算得到接触时长之后,将接触时长的数值代入该概率密度函数,即可计算得到接触时长对应的感染概率。
例如,在冬春季平均温度及湿度下的概率密度函数可以表示为:
g(t)=0.083e-0.083t
则,当接触时长在0~5分钟的区间内时,利用上述在冬春季平均温度及湿度下的概率密度函数对感染概率进行归一化后得到感染概率为0.595;当接触时长在5~10分钟的区间内时,可以得到归一化后的感染概率为0.743;当接触时长大于10分钟时,归一化后的感染概率大于0.743,表明此时的感染概率较高,感染风险极大。因此,可以通过建立感染概率与接触时长的概率密度函数,以数值化的形式来表征感染风险。例如,若第二终端用户为患者或者其他感染风险极高的感染者,则第一终端用户与第二终端用户接触之后,经过计算得到第一终端用户基于接触时长的感染概率为0.5时,即确定第一终端用户的感染风险为0.5;若第二终端用户身体状态良好且健康,即使计算得到第一终端用户基于接触时长的感染概率为0.5,由于第二终端用户健康,也可以确定第一终端用户的感染风险为零。
需要说明的是,上述列出的概率密度函数的表达式仅仅作为举例,在实际应用中,感染概率与接触时长的概率密度函数还可以有其他不同的表达式,只要该概率密度函数可以表达出接触时长与感染概率之间的对应关系即可,此处对概率密度函数的表达式不作限定。
在计算得到接触时长对应的感染概率之后,还可以结合第二终端用户的感染风险,进一步确定第一终端用户的感染风险。例如,第一终端从广播信息中获取到第二终端用户的感染风险为0.9,并计算得到接触时长对应的感染概率为p,则结合第二终端用户的感染风险,可以确定第一终端用户在与第二终端用户接触之后的感染概率为0.9*p=0.9p,即第二终端用户的感染风险与接触时长对应的感染概率相乘得到接触后的感染概率,该相乘得到的感染概率可以作为第一终端用户的感染风险。
同理,若第二终端用户的身体状态良好且健康,获取到第二终端用户的感染风险为0,则0*p=0,即可以确定第一终端用户的感染风险为0。
需要说明的是,根据第二终端用户的感染风险以及接触时长评估第一终端用户的感染风险的方式,除了上述的将第二终端用户的感染风险与接触时长对应的感染概率相乘得到接触后的感染概率以外,还有其他方式,例如还可以是,将第二终端用户的感染风险与接触时长对应的感染概率两者相叠加而得到第一终端用户的感染风险。本实施例对该方式不作限定。
除了采用数值的形式来表征感染风险,也可以设定接触时长的范围来评估感染风险。例如,设定0~1分钟的接触时长对应无感染风险,1~2分钟的接触时长对应低感染风险,2~5分钟的接触时长对应中等感染风险,5分钟以上的接触时长对应高感染风险。则当第二终端用户的感染风险较高且计算得到第一终端用户与第二终端用户的接触时长为6分钟时,可以确定此时的感染风险为高感染风险,进而第一终端可以提示用户采取针对性的防护措施,如提示用户当前的感染风险较高,应佩戴好口罩,并远离周围人群。
二、根据第二终端用户的感染风险、接触时长以及接触距离评估第一终端用户的感染风险;
具体地,可以使用接触距离对应的感染概率这一指标来表征感染风险,建立感染概率与接触距离的概率密度函数,该概率密度函数可以表达为:
其中,f(s)为接触距离对应的感染概率,s为接触距离,e为自然常数;
c1、c2为常数,由采样数据的统计特征确定,即采集多组样本数据,每组样本数据包括特定接触距离以及该特定接触距离对应的感染概率,之后,对该多组样本数据进行拟合,即得到上述f(s)函数的参数,即c1、c2的值。
拟合参数c1和c2的方法可以是线性回归算法、逻辑回归算法、朴素贝叶斯算法或者k-近邻算法(K-Nearest Neighbors,KNN)、随机森林算法(Random Forest)等多种机器学习算法。
在估算得到接触距离之后,将接触距离的数值代入该概率密度函数,即可计算得到接触距离对应的感染概率。
例如,基于飞沫近距离传播的概率密度函数可以表示为:
则,当接触距离在0~0.5米的区间内时,利用上述基于飞沫近距离传播的概率密度函数对感染概率进行归一化后得到感染概率为0.805,表明当接触双方的接触距离为0~0.5米时,感染概率较高;当接触距离在0.5~1米的区间内时,可以得到归一化后的感染概率为0.160;当接触距离大于1.5米时,归一化后的感染概率为0.020,是一个较小的感染概率。
因此,可以通过建立感染概率与接触距离的概率密度函数,以数值化的形式来表征感染风险。
需要说明的是,上述列出的概率密度函数的表达式仅仅作为举例,在实际应用中,感染概率与接触距离的概率密度函数还可以有其他不同的表达式,只要该概率密度函数可以表达出接触距离与感染概率之间的对应关系即可,此处对概率密度函数的表达式不作限定。
其中,Pi为常数,其值可以是普通的常数,也可以是根据用户不同性别、不同年龄阶段、不同免疫能力下被感染概率不同,通过对确诊用户的统计分析和既往病史的分析计算而得到的常数。f(s)函数为前述提及的感染概率与接触距离的概率密度函数,g(t)函数为前述提及的感染概率与接触时长的概率密度函数。
如果用户不愿提供上述的年龄、既往病史等相关信息,也可以使用人群的Pi常数的平均值来作为用户的Pi常数。
在得到接触距离及接触时长之后,将接触距离及接触时长的数值代入该概率密度函数,即可计算得到接触距离及接触时长对应的感染概率。
在计算得到接触距离及接触时长对应的感染概率之后,还可以结合第二终端用户的感染风险,进一步确定第一终端用户的感染风险。例如,第一终端从广播信息中获取到第二终端用户的感染风险为0.9,并计算得到接触距离及接触时长对应的感染概率为p,则结合第二终端用户的感染风险,可以确定第一终端用户在与第二终端用户接触之后的感染概率为0.9*p=0.9p,即第二终端用户的感染风险与感染概率相乘得到接触后的感染概率,该相乘得到的感染概率可以作为第一终端用户的感染风险。
若存在多个第二终端用户的感染风险,如3个第二终端用户的感染风险分别为0.9、0.7及0.2,则分别计算第一终端用户与每个第二终端用户接触之后的感染风险,若第一终端用户与该3个第二终端用户接触的感染概率分别记为p1、p2及p3,则分别得到感染风险为0.9p1、0.7p2及0.2p3,比较这3个感染风险的大小,并将最大的感染风险作为第一终端用户与该多个第二终端用户接触之后的感染风险。
需要说明的是,根据第二终端用户的感染风险、接触时长以及接触距离评估第一终端用户的感染风险的方式,除了上述的将第二终端用户的感染风险与感染概率相乘得到接触后的感染概率以外,还有其他方式,例如还可以是,将第二终端用户的感染风险与感染概率两者相叠加而得到第一终端用户的感染风险。本实施例对该方式不作限定。
除了采用数值的形式来表征感染风险,也可以设定接触时长的范围以及接触距离的范围来评估感染风险。例如,可以设定接触时长阈值为T,接触距离阈值D1及D2,其中D2大于D1,并设定紧密接触的情形为“接触时长大于T且接触距离小于D1”,设定普通接触的情形为“接触时长小于T且接触距离小于D1”及“接触时长大于T且接触距离介于D1至D2之间”。其中,T、D1及D2的具体数值可以根据权威医学机构发布的建议设置。
例如,可以设定接触时长阈值为2分钟,接触距离阈值1米及3米,则,接触时长大于2分钟且接触距离小于1米为紧密接触,设定接触时长小于2分钟且接触距离小于1米为普通接触,以及设定接触时长大于2分钟且接触距离介于1米至3米之间为普通接触。
同时,可以定义,感染风险的几个等级为高感染风险、中等感染风险、低感染风险以及无感染风险,当第二终端用户的感染风险低于第一终端用户的感染风险时,第一终端用户的感染风险不变;当第二终端用户的感染风险高于第一终端用户的感染风险时,若紧密接触,则第一终端用户的感染风险为第二终端用户的感染风险的下一等级,若普通接触,则第一终端用户的感染风险为第二终端用户的感染风险的下二个等级。
例如,与具备高感染风险的人员紧密接触时,第一终端用户的感染风险确定为中等感染风险;与具备高感染风险的人员普通接触时,确定为低感染风险,以此类推。由于最低等级为低感染风险,若与具备低感染风险的人员紧密接触或者普通接触,均确定为无感染风险。
可以理解的是,感染风险的等级不限于上述列举的几种,可以根据实际情况和需要设置任意个数的等级,具体此处不作限定。
在根据影响因子评估了第一终端用户的感染风险之后,第一终端获取评估结果,即获取评估后的感染风险,并判断当前的感染风险是否小于该评估后的感染风险,若小于,则将该当前的感染风险更新为该评估后的感染风险,并向用户提示评估后的感染风险,从而用户可以根据评估后的感染风险采取针对性的防护措施。
204、接收系统平台推送的感染者的身份标识符;
终端向外广播的广播信息可以包括有身份标识符,身份标识符是指用于标识身份的字段或者符号,标识的身份可以是用户自身的身份,也可以是用户所持终端的身份。例如,若用于标识用户的身份,则该身份标识符可以是用户的姓名、身份证号码或者其他可以唯一地标识身份的信息;若用于标识用户所持终端的身份,则身份标识符可以是终端的国际移动设备识别码(international mobile equipment identity,IMEI),或者是终端的媒体访问控制(media access control,MAC)地址,或者其他可以唯一地标识终端身份的信息。本实施例中,身份标识符的具体形式不作限定,只要能够标识唯一的身份即可。
因此,第二终端的广播信息中可以含有第二终端用户的身份标识符,则第一终端可以从广播信息中获取到身份标识符。第二终端用户的身份标识符可以是第二终端用户自身的身份标识符,如身份证号码或者姓名,也可以是第二终端用户所持终端(即第二终端)的身份标识符,如第二终端的IMEI码或MAC地址。
本实施例中,与系统平台连接的终端的用户在被确定为感染者之后,感染者将自身的身份标识符上传至系统平台,感染者包括传染病的确诊患者、疑似患者、无症状感染者以及其他能够传播病毒的病毒携带者。同样的,感染者的身份标识符可以是感染者自身的身份标识符,也可以是感染者所持终端的身份标识符。
系统平台接收到感染者的身份标识符之后,会向与系统平台连接的所有终端推送感染者的身份标识符,则第一终端可以接收到感染者的身份标识符,并在接收到的多个第二终端用户的身份标识符中查找是否有与感染者的身份标识符对应的身份标识符,若有,则根据查找的结果评估第一终端用户的感染风险。例如,感染者的感染风险可以设定为高感染风险,若有与感染者的身份标识符对应的身份标识符,则可以根据查询结果确定第一终端用户的感染风险为高感染风险或中等感染风险。具体的评估感染风险的方法可以参见前述步骤203,此处不再赘述。
205、生成多个接触记录;
为便于记录与第二终端用户接触的相关信息,第一终端可以根据接收到的每个广播信息生成每个接触记录,其中接触记录可以记录多种信息,例如,记录接收到广播信息的时间点,或者记录发送方的身份标识符,或者记录其他与接触有关的信息,则每个接触记录包括第二终端用户的身份标识符。
因此,第一终端也可以在多个接触记录中查找是否有与感染者的身份标识符对应的身份标识符,并根据查找的结果评估第一终端用户的感染风险。
需要说明的是,本实施例中,步骤204至205可以在步骤201至202任一步骤之前或之后执行,或者与步骤201至202任一步骤同时执行,本实施例对步骤201至202、步骤204至205的执行顺序不作限定。
本实施例中,第一终端用户与第二终端的用户接触时,第一终端可以从第二终端接收到广播信息,并从广播信息中获取到可以用于评估感染风险的影响因子,由于感染风险的影响因子有多种,因此可以从多个方面来评估第一终端用户的感染风险,第一终端用户可以获知在与第二终端的用户接触之后的感染风险,并可以根据感染风险的程度大小来采取对应的防护措施,如佩戴口罩,或者远离人群、减少与他人近距离接触等措施,从而进行有针对性的防护。
上面对本申请实施例中的感染风险评估方法进行了描述,下面对本申请实施例中的第一终端进行描述,请参阅图3,本申请实施例中第一终端一个实施例包括:
接收单元301,用于接收第二终端广播的广播信息;
获取单元302,用于从广播信息中获取第二终端用户的感染风险,第二终端用户为第二终端的用户,感染风险用于表示人员感染病毒的可能性大小,感染风险为连续值或离散值;
评估单元303,用于根据第二终端用户的感染风险评估第一终端用户的感染风险,第一终端用户为第一终端的用户。
本实施例中,第一终端中各单元所执行的操作与前述图2所示实施例中描述的类似,此处不再赘述。
请参阅图4,本申请实施例中第一终端一个实施例包括:
接收单元401,用于接收第二终端广播的广播信息;
获取单元402,用于从广播信息中获取第二终端用户的感染风险,第二终端用户为第二终端的用户,感染风险用于表示人员感染病毒的可能性大小,感染风险为连续值或离散值;
评估单元403,用于根据第二终端用户的感染风险评估第一终端用户的感染风险,第一终端用户为第一终端的用户。
本实施例一种优选的实施方式中,获取单元402还用于根据广播信息获取影响因子,影响因子为影响感染风险的大小的因素;
评估单元403具体用于根据第二终端用户的感染风险以及影响因子评估第一终端用户的感染风险。
本实施例另一优选的实施方式中,接收单元401具体用于接收连续时间段内第二终端广播的多个广播信息,多个广播信息包括第一终端接收到的首个广播信息及最后一个广播信息;
获取单元402具体用于计算得到首个接收时间点与最后一个接收时间点之间的接触时长,首个接收时间点为第一终端接收首个广播信息的时间点,最后一个接收时间点为第一终端接收最后一个广播信息的时间点;
评估单元403具体用于根据第二终端用户的感染风险以及接触时长评估第一终端用户的感染风险。
本实施例另一优选的实施方式中,评估单元403具体用于基于感染概率与接触时长的概率密度函数,根据接触时长计算得到接触时长对应的感染概率,根据接触时长对应的感染概率及第二终端用户的感染风险评估第一终端用户的感染风险。
本实施例另一优选的实施方式中,获取单元402具体用于计算得到首个接收时间点与最后一个接收时间点之间的接触时长,首个接收时间点为第一终端接收首个广播信息的时间点,最后一个接收时间点为第一终端接收最后一个广播信息的时间点;
基于信号传播损耗理论,根据广播信息的接收信号强度,估算第一终端用户与第二终端用户的接触距离;
评估单元403具体用于根据第二终端用户的感染风险、接触时长以及接触距离评估第一终端用户的感染风险。
本实施例另一优选的实施方式中,评估单元403具体用于基于接触时长及接触距离与感染概率的概率函数,根据接触时长及接触距离计算得到接触时长及接触距离对应的感染概率;
根据接触时长及接触距离对应的感染概率及第二终端用户的感染风险评估第一终端用户的感染风险。
本实施例另一优选的实施方式中,广播信息包括第二终端用户的身份标识符,第二终端用户为第二终端的用户;
接收单元401还用于接收系统平台推送的感染者的身份标识符;
评估单元403具体用于在多个第二终端用户的身份标识符中查找是否有与感染者的身份标识符对应的身份标识符,若有,则根据查找的结果评估第一终端用户的感染风险。
本实施例另一优选的实施方式中,第一终端还包括:
生成单元404,用于生成多个接触记录,每个接触记录包括第二终端用户的身份标识符;
评估单元403具体用于在多个接触记录中查找是否有与感染者的身份标识符对应的身份标识符,若有,则根据查找的结果评估第一终端用户的感染风险。
本实施例另一优选的实施方式中,获取单元402还用于获取评估后的感染风险;
第一终端还包括:
判断单元405,用于判断当前的感染风险是否小于评估后的感染风险;
更新单元406,用于当当前的感染风险小于评估后的感染风险,则将当前的感染风险更新为评估后的感染风险。
本实施例中,第一终端中各单元所执行的操作与前述图2所示实施例中描述的类似,此处不再赘述。
本实施例中,第一终端用户与第二终端的用户接触时,接收单元401可以从第二终端接收到广播信息,获取单元402从广播信息中获取到可以用于评估感染风险的影响因子,由于感染风险的影响因子有多种,因此评估单元403可以从多个方面来评估第一终端用户的感染风险,第一终端用户可以获知在与第二终端的用户接触之后的感染风险,并可以根据感染风险的程度大小来采取对应的防护措施,如佩戴口罩,或者远离人群、减少与他人近距离接触等措施,从而进行有针对性的防护。
下面对本申请实施例中的第一终端进行描述,请参阅图5,本申请实施例中第一终端一个实施例包括:
该第一终端500可以包括一个或一个以上中央处理器(central processingunits,CPU)501和存储器505,该存储器505中存储有一个或一个以上的应用程序或数据。
其中,存储器505可以是易失性存储或持久存储。存储在存储器505的程序可以包括一个或一个以上模块,每个模块可以包括对第一终端中的一系列指令操作。更进一步地,中央处理器501可以设置为与存储器505通信,在第一终端500上执行存储器505中的一系列指令操作。
第一终端500还可以包括一个或一个以上电源502,一个或一个以上有线或无线网络接口503,一个或一个以上输入输出接口504,和/或,一个或一个以上操作系统,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等。
该中央处理器501可以执行前述图2所示实施例中第一终端所执行的操作,具体此处不再赘述。
本申请实施例还提供了一种计算机存储介质,其中一个实施例包括:该计算机存储介质中存储有指令,该指令在计算机上执行时,使得该计算机执行前述图2所示实施例中第一终端所执行的操作。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,read-onlymemory)、随机存取存储器(RAM,random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (10)
1.一种感染风险评估方法,其特征在于,应用于第一终端,包括:
接收第二终端广播的广播信息;
从所述广播信息中获取第二终端用户的感染风险,所述第二终端用户为所述第二终端的用户,所述感染风险用于表示人员感染病毒的可能性大小,所述感染风险为连续值或离散值;
根据所述第二终端用户的感染风险评估第一终端用户的感染风险,所述第一终端用户为所述第一终端的用户。
2.根据权利要求1所述的感染风险评估方法,其特征在于,所述方法还包括:
根据所述广播信息获取影响因子,所述影响因子为影响感染风险的大小的因素;
所述根据所述第二终端用户的感染风险评估第一终端用户的感染风险,包括:
根据所述第二终端用户的感染风险以及所述影响因子评估所述第一终端用户的感染风险。
3.根据权利要求2所述的感染风险评估方法,其特征在于,所述接收第二终端广播的广播信息,包括:
接收连续时间段内所述第二终端广播的多个广播信息,所述多个广播信息包括所述第一终端接收到的首个广播信息及最后一个广播信息;
所述根据所述广播信息获取影响因子,包括:
计算得到首个接收时间点与最后一个接收时间点之间的接触时长,所述首个接收时间点为所述第一终端接收所述首个广播信息的时间点,所述最后一个接收时间点为所述第一终端接收所述最后一个广播信息的时间点;
所述根据所述第二终端用户的感染风险以及所述影响因子评估所述第一终端用户的感染风险,包括:
根据所述第二终端用户的感染风险以及所述接触时长评估所述第一终端用户的感染风险。
4.根据权利要求3所述的感染风险评估方法,其特征在于,所述根据所述第二终端用户的感染风险以及所述接触时长评估所述第一终端用户的感染风险,包括:
基于感染概率与接触时长的概率密度函数,根据所述接触时长计算得到所述接触时长对应的感染概率;
根据所述接触时长对应的感染概率及所述第二终端用户的感染风险评估所述第一终端用户的感染风险。
5.根据权利要求2所述的感染风险评估方法,其特征在于,所述根据所述广播信息获取影响因子,包括:
计算得到首个接收时间点与最后一个接收时间点之间的接触时长,所述首个接收时间点为所述第一终端接收所述首个广播信息的时间点,所述最后一个接收时间点为所述第一终端接收所述最后一个广播信息的时间点;
基于信号传播损耗理论,根据所述广播信息的接收信号强度,估算所述第一终端用户与所述第二终端用户的接触距离;
所述根据所述第二终端用户的感染风险以及所述影响因子评估所述第一终端用户的感染风险,包括:
根据所述第二终端用户的感染风险、所述接触时长以及所述接触距离评估所述第一终端用户的感染风险。
6.根据权利要求5所述的感染风险评估方法,其特征在于,所述根据所述第二终端用户的感染风险、所述接触时长以及所述接触距离评估所述第一终端用户的感染风险,包括:
基于接触时长及接触距离与感染概率的概率函数,根据所述接触时长及所述接触距离计算得到所述接触时长及所述接触距离对应的感染概率;
根据所述接触时长及所述接触距离对应的感染概率及所述第二终端用户的感染风险评估所述第一终端用户的感染风险。
7.根据权利要求1所述的感染风险评估方法,其特征在于,所述广播信息包括第二终端用户的身份标识符,所述第二终端用户为所述第二终端的用户;
所述方法还包括:
接收系统平台推送的感染者的身份标识符;
所述根据所述影响因子评估第一终端用户的感染风险,包括:
在多个所述第二终端用户的身份标识符中查找是否有与所述感染者的身份标识符对应的身份标识符;
若有,则根据查找的结果评估所述第一终端用户的感染风险。
8.根据权利要求7所述的感染风险评估方法,其特征在于,所述接收第二终端广播的广播信息之后,所述方法还包括:
生成多个接触记录,每个所述接触记录包括所述第二终端用户的身份标识符;
所述在多个所述第二终端用户的身份标识符中查找是否有与所述感染者的身份标识符对应的身份标识符,包括:
在所述多个接触记录中查找是否有与所述感染者的身份标识符对应的身份标识符;
若有,则根据查找的结果评估所述第一终端用户的感染风险。
9.根据权利要求1至8任一项所述的感染风险评估方法,其特征在于,所述根据影响因子评估所述第一终端用户的感染风险之后,所述方法还包括:
获取评估后的感染风险;
判断当前的感染风险是否小于所述评估后的感染风险;
若是,则将所述当前的感染风险更新为所述评估后的感染风险。
10.一种第一终端,其特征在于,所述第一终端包括:
接收单元,用于接收第二终端广播的广播信息;
获取单元,用于从所述广播信息中获取第二终端用户的感染风险,所述第二终端用户为所述第二终端的用户,所述感染风险用于表示人员感染病毒的可能性大小,所述感染风险为连续值或离散值;
评估单元,用于根据所述第二终端用户的感染风险评估第一终端用户的感染风险,所述第一终端用户为所述第一终端的用户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010475670.4A CN111653358A (zh) | 2020-05-29 | 2020-05-29 | 感染风险评估方法、第一终端及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010475670.4A CN111653358A (zh) | 2020-05-29 | 2020-05-29 | 感染风险评估方法、第一终端及计算机存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111653358A true CN111653358A (zh) | 2020-09-11 |
Family
ID=72343444
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010475670.4A Pending CN111653358A (zh) | 2020-05-29 | 2020-05-29 | 感染风险评估方法、第一终端及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111653358A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112135261A (zh) * | 2020-09-23 | 2020-12-25 | 维沃移动通信有限公司 | 潜在感染者确定方法、装置、电子设备和存储介质 |
CN112242201A (zh) * | 2020-10-28 | 2021-01-19 | 中国人民解放军国防科技大学 | 一种基于图计算的病毒传播风险预警方法、装置及设备 |
CN112509706A (zh) * | 2020-11-16 | 2021-03-16 | 鹏城实验室 | 传染病预警方法、装置、设备及计算机可读存储介质 |
CN112733203A (zh) * | 2021-01-14 | 2021-04-30 | 南方科技大学 | 接触数据存储方法、装置、设备及存储介质 |
CN113113154A (zh) * | 2021-04-16 | 2021-07-13 | 南方科技大学 | 一种传染病防控方法、装置、计算机设备及存储介质 |
WO2022142685A1 (zh) * | 2020-12-29 | 2022-07-07 | 医渡云(北京)技术有限公司 | 传染病的传染概率预测方法及装置、存储介质、电子设备 |
WO2022148036A1 (zh) * | 2021-01-08 | 2022-07-14 | 南方科技大学 | 密切接触处理方法、装置、电子设备及存储介质 |
CN114758792A (zh) * | 2022-06-14 | 2022-07-15 | 北京大学第三医院(北京大学第三临床医学院) | 一种基于机器学习的未知传染病的预警溯源方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010277452A (ja) * | 2009-05-29 | 2010-12-09 | Softbank Telecom Corp | 携帯端末、情報処理装置、情報処理方法、および情報処理システム |
CN108986921A (zh) * | 2018-07-04 | 2018-12-11 | 泰康保险集团股份有限公司 | 疾病预测方法、装置、介质及电子设备 |
CN111063450A (zh) * | 2020-02-17 | 2020-04-24 | 深圳市刷新智能电子有限公司 | 一种基于可穿戴体温传感器的疫情疑似人筛选方法和系统 |
-
2020
- 2020-05-29 CN CN202010475670.4A patent/CN111653358A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010277452A (ja) * | 2009-05-29 | 2010-12-09 | Softbank Telecom Corp | 携帯端末、情報処理装置、情報処理方法、および情報処理システム |
CN108986921A (zh) * | 2018-07-04 | 2018-12-11 | 泰康保险集团股份有限公司 | 疾病预测方法、装置、介质及电子设备 |
CN111063450A (zh) * | 2020-02-17 | 2020-04-24 | 深圳市刷新智能电子有限公司 | 一种基于可穿戴体温传感器的疫情疑似人筛选方法和系统 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112135261A (zh) * | 2020-09-23 | 2020-12-25 | 维沃移动通信有限公司 | 潜在感染者确定方法、装置、电子设备和存储介质 |
CN112242201A (zh) * | 2020-10-28 | 2021-01-19 | 中国人民解放军国防科技大学 | 一种基于图计算的病毒传播风险预警方法、装置及设备 |
CN112509706A (zh) * | 2020-11-16 | 2021-03-16 | 鹏城实验室 | 传染病预警方法、装置、设备及计算机可读存储介质 |
WO2022142685A1 (zh) * | 2020-12-29 | 2022-07-07 | 医渡云(北京)技术有限公司 | 传染病的传染概率预测方法及装置、存储介质、电子设备 |
WO2022148036A1 (zh) * | 2021-01-08 | 2022-07-14 | 南方科技大学 | 密切接触处理方法、装置、电子设备及存储介质 |
CN112733203A (zh) * | 2021-01-14 | 2021-04-30 | 南方科技大学 | 接触数据存储方法、装置、设备及存储介质 |
CN113113154A (zh) * | 2021-04-16 | 2021-07-13 | 南方科技大学 | 一种传染病防控方法、装置、计算机设备及存储介质 |
CN114758792A (zh) * | 2022-06-14 | 2022-07-15 | 北京大学第三医院(北京大学第三临床医学院) | 一种基于机器学习的未知传染病的预警溯源方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111653358A (zh) | 感染风险评估方法、第一终端及计算机存储介质 | |
US20190237202A1 (en) | Methods, Systems And Computer Program Products For Aggregating Medical Information | |
CN111460329A (zh) | 信息查询方法、系统、终端及计算机存储介质 | |
CN109144603A (zh) | 唤醒、信息推送方法和装置、计算设备及存储介质 | |
CN112382407A (zh) | 一种风险管控方法、装置、电子设备和存储介质 | |
EP2562711A1 (en) | Statistical information generation system and statistical information generation method | |
WO2022145782A3 (ko) | 빅데이터 및 클라우드 시스템 기반 인공지능 응급의료 의사결정 및 응급환자 이송 시스템과 그 방법 | |
CN106993048A (zh) | 确定推荐信息的方法及装置、信息推荐方法及装置 | |
JP2011166231A (ja) | 携帯端末装置、携帯端末制御方法及び情報通信システム | |
Phithakkitnukoon et al. | Mobile social closeness and communication patterns | |
CN106530091A (zh) | 投保额度的计算方法及服务器 | |
CN106650281B (zh) | 一种数据处理方法、系统、服务器和客户端 | |
CN111739558B (zh) | 监控系统、方法、装置、服务器及存储介质 | |
CN111444151A (zh) | 数据监控方法、装置、计算机设备和存储介质 | |
KR102360728B1 (ko) | 웨어러블 장비를 이용한 방역 모니터링 시스템 | |
EP3907741A1 (en) | Weighted infection alert system between portable devices | |
Benavides et al. | 3G smartphone technologies for generating personal social network contact distributions and graphs | |
CN113010579B (zh) | 一种数据处理方法、装置、设备及存储介质 | |
Kocev et al. | Novel approach for automating medical emergency protocol in military environment | |
Galluccio et al. | Design and deployment of a wireless BAN at the edge for reliable healthcare monitoring | |
KR102502852B1 (ko) | 빅데이터의 ai 분석을 통해 개인정보 노출을 최소화한 감염병 예방 시스템 | |
CN111814082A (zh) | 基于区块链的跟踪方法及跟踪服务器 | |
NL2025446B1 (en) | Anonymous proximity tracing system, using audio- and radio transmitter and receiver | |
KR20220013973A (ko) | 감염병 검역 시스템 및 방법 | |
KR20220013971A (ko) | 웨어러블 디바이스 관리를 통한 감염병 검역 시스템 및 방법 |
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 |