CN111681774A - 用于流行性传染病预测的方法、计算设备和介质 - Google Patents

Abstract

本公开涉及一种用于流行性传染病的预测的方法、计算设备和计算机存储介质。该方法包括：响应于预定时间间隔达到，获取来自多个用于销售药品的终端设备的位置信息和关于多个药品的销售信息；响应于确定适应症信息属于预定适应症集合，基于适应症信息进行聚类，以便获取与适应症信息相关联的终端设备的位置信息、销售时间和销售数量，基于与适应症信息相关联的终端设备的位置信息、销售时间和销售数量，确定多个区域的销售数量变化特征；以及响应于确定多个区域的销售数量变化特征符合预定条件，生成关于流行性传染病的指示信息。本公开能够实现针对多种类型的流行性传染病病种进行准确的早期预测。

Description

用于流行性传染病预测的方法、计算设备和介质

技术领域

本公开总体上涉及信息处理，并且具体地，涉及用于流行性传染病预测的方法、计算设备和计算机存储介质。

背景技术

传统的用于流行性传染病预测的方案例如主要包括两种。第一种例如是：如果医院发现或者诊断同类病例的数量较多，则会经由疾病监测系统上报相关机构，再由相关机构收集上报信息后，分析同类病例的症状，来预判是否存在流行性疾病的爆发。第二种例如是：针对单个或某类流行性病种，利用适于描述该病种的传染病传播动力学特征的数学模型来预测该种流行性传染病的爆发和流行趋势。

在第一种方案中，用于流行性传染病预判的信息是累积一定数量同类病例之后上报、并经由疾病监测系统传递的诊断信息，因此，具有一定滞后性，不利于提高早期预测预警的能力。在第二种方案中，不同的病种往往需要配置差异化的数学模型，而且该数学模型也是基于诊断信息而进行预测预警，因此难以针对多种流行性传染病病种进行准确的早期预测。

综上，传统的用于流行性传染病预测的方案存在难于针对多种流行性传染病病种进行准确的早期预测的不足之处。

发明内容

本公开提供一种用于流行性传染病预测的方法、计算设备和计算机存储介质，能够实现针对多种类型的流行性传染病病种进行准确的早期预测。

根据本公开的第一方面，提供了一种用于流行性传染病预测的方法。该方法包括：响应于预定时间间隔达到，获取来自多个用于销售药品的终端设备的位置信息和关于多个药品的销售信息，销售信息至少指示与被售药品的标识相关联的适应症信息、销售数量和销售时间；响应于确定适应症信息属于预定适应症集合，基于适应症信息进行聚类，以便获取与适应症信息相关联的终端设备的位置信息、销售时间和销售数量，预定适应症集合与多个类型的流行性传染病相关联；基于与适应症信息相关联的终端设备的位置信息、销售时间和销售数量，确定多个区域的销售数量变化特征；确定多个区域的销售数量变化特征是否符合预定条件；以及响应于确定多个区域的销售数量变化特征符合预定条件，生成关于流行性传染病的指示信息。

根据本发明的第二方面，还提供了一种计算设备，该设备包括：至少一个处理单元；至少一个存储器，至少一个存储器被耦合到至少一个处理单元并且存储用于由至少一个处理单元执行的指令，指令当由至少一个处理单元执行时，使得设备执行本公开的第一方面的方法。

根据本公开的第三方面，还提供了一种计算机可读存储介质。该计算机可读存储介质上存储有计算机程序，计算机程序被机器执行时执行本公开的第一方面的方法。

在一些实施例中，用于流行性传染病预测的方法还包括：获取与预定类型流行性传染病相关联的感染信息，感染信息至少指示与时间相关联的易感者数量信息、感染者数量信息和治愈者数量信息；以及基于与时间相关联的易感者数量信息、感染者数量信息和治愈者数量信息，计算与预定类型流行性传染病相关联的传染率信息，以便生成分别与不同的类型的流行性传染病相关联的多个传染率信息。

在一些实施例中，确定多个区域的销售数量变化特征符合预定条件包括：确定多个区域在对应时间间隔内的销售数量变化比例之间的差值是否小于或者等于预定阈值，对应时间间隔是基于区域相距于第一区域的距离和预定类型流行性传染病的传染率信息而确定的。

在一些实施例中，基于与适应症信息相关联的终端设备的位置信息、销售时间和销售数量确定多个区域的销售数量变化特征包括：基于与适应症信息相关联的终端设备的位置信息，确定多个区域，多个区域至少包括第一区域、第二区域和第三区域，第二区域与第一区域相距第一距离，第三区域与第一区域相距第二距离；基于在多个传染率信息中选取的一个传染率信息和第一距离，计算第一时间间隔；基于所选取的传染率信息和第二距离，计算第二时间间隔；计算在第一时间间隔内第二区域的与适应症信息相关联的第一销售数量变化特征；以及计算在第二时间间隔内第三区域的与适应症信息相关联的第二销售数量变化特征。

在一些实施例中，确定多个区域包括：基于与适应症信息相关联的终端设备的位置信息的所属区域，确定多个区域；以及针对所确定的多个区域中每一个区域的销售时间进行排序，以便基于排序结果确定第一区域。

在一些实施例中，响应于确定多个区域的销售数量变化特征符合预定条件生成关于流行性传染病的指示信息包括：响应于确定第一销售数量变化特征和第二销售数量变化特征相匹配，生成关于流行性传染病的指示信息。

在一些实施例中，用于流行性传染病预测的方法还包括：响应于确定第一销售数量变化特征和第二销售数量变化特征不相匹配，在多个传染率信息中重新选取另一个传染率信息；基于所重新选取的传染率信息，计算第一销售数量变化特征和第二销售数量变化特征；确定第一销售数量变化特征和第二销售数量变化特征是否相匹配；以及响应于确定第一销售数量变化特征和第二销售数量变化特征相匹配，基于所重新选取的传染率信息，确定流行性传染病的类型。

在一些实施例中，用于流行性传染病预测的方法还包括：获取与多个类型的流行性传染病相关的多个关联适应症信息；基于多个关联适应症信息，生成预定适应症集合。

提供发明内容部分是为了以简化的形式来介绍对概念的选择，它们在下文的具体实施方式中将被进一步描述。发明内容部分无意标识本公开的关键特征或主要特征，也无意限制本公开的范围。

附图说明

图1示出了根据本公开的实施例的用于实施用于流行性传染病预测的方法的系统的示意图。

图2示出了根据本公开的实施例的用于流行性传染病预测的方法的流程图。

图3示意性示出根据本公开的实施例的用于确定多个区域的销售数量变化特征的方法的示意图。

图4示出了根据本公开的实施例的用于确定多个区域的销售数量变化特征的方法的流程图。

图5示出了根据本公开的实施例的用于确定流行性传染病的类型的方法的流程图。

图6示意性示出了适于用来实现本公开实施例的电子设备的框图。

在各个附图中，相同或对应的标号表示相同或对应的部分。

具体实施方式

下面将参照附图更详细地描述本公开的优选实施例。虽然附图中显示了本公开的优选实施例，然而应该理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。

在本文中使用的术语“包括”及其变形表示开放性包括，即“包括但不限于”。除非特别申明，术语“或”表示“和/或”。术语“基于”表示“至少部分地基于”。术语“一个示例实施例”和“一个实施例”表示“至少一个示例实施例”。术语“另一实施例”表示“至少一个另外的实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。

如前文所描述，传统的用于流行性传染病预测的方案通常是基于累积一定数量同类病例的诊断信息，经由专家或者数学模型加以判断，因此，具有一定滞后性，容易错过病程初期的传播，并且难以针对多种病种进行准确的早期预测。

为了至少部分地解决上述问题以及其他潜在问题中的一个或者多个，本公开的示例实施例提出了一种用于流行性传染病预测的方案。该方案包括：响应于预定时间间隔达到，获取来自多个用于销售药品的终端设备的位置信息和关于多个药品的销售信息，销售信息至少指示与被售药品的标识相关联的适应症信息、销售数量和销售时间；响应于确定适应症信息属于预定适应症集合，基于适应症信息进行聚类，以便获取与适应症信息相关联的终端设备的位置信息、销售时间和销售数量，预定适应症集合与多个类型的流行性传染病相关联；基于与适应症信息相关联的终端设备的位置信息、销售时间和销售数量，确定多个区域的销售数量变化特征；确定多个区域的销售数量变化特征是否符合预定条件；以及响应于确定多个区域的销售数量变化特征符合预定条件，生成关于流行性传染病的指示信息。

由于绝大部分的病人在发病初期一般都会自行购药服用，以期达到症状缓解，而在症状加重的情况下才会去医院就诊。在上述方案中，本公开通过获取多个药品的销售信息，以便在确定药品的适应症信息属于与预定类型的流行性传染病相关的预定适应症集合时，基于与相关终端设备的位置信息、销售时间和销售数量，确定多个区域的销售数量变化特征是否符合预定条件；如果符合预定条件，则生成关于流行性传染病的指示信息，本公开可以采用早于医院就诊并确诊的购药信息，以及反映购药数量与地区变化情况的多个区域的销售数量变化特征来预测流行性传染病的爆发。因此，本公开能够实现针对多种类型的流行性传染病病种进行准确的早期预测。

图1示出了根据本公开的实施例的用于实施用于流行性传染病预测的方法的系统100的示意图。如图1所示，系统100包括：多个终端设备110（例如包括：第一终端设备110-1、第二终端设备110-2至第N终端设备110-N）、计算设备130、网络150、服务器160。多个终端设备110、计算设备130、服务器160可以通过网络150进行数据交互。计算设备130例如包括：数据获取单元132、适应症信息聚类单元134、多区域销售数量变化特征确定单元136、预定条件判断单元138、流行性传染病的指示信息生成单元140。

关于终端设备110，其用于销售药品，并且向计算设备130提供终端设备110的位置信息和关于多个药品的销售信息。终端设备110的位置信息例如可以包括：指示经纬度的地理位置信息、和/或指示终端设备110所在行政区域的地址信息，例如所在省、市、县和街道等。药品的销售信息例如至少指示与被售药品的标识相关联的适应症信息、销售数量和销售时间。终端设备110例如而不限于服务器、笔记本、台式计算机、手机、PDA等。

关于计算设备130，其用于获取来自多个用于销售药品的终端设备的位置信息和关于多个药品的销售信息；针对适应症信息属于预定适应症集合的销售信息进行聚类；基于与适应症信息相关联的终端设备的位置信息、销售时间和销售数量确定多个区域的销售数量变化特征；以及在确定多个区域的销售数量变化特征符合预定条件时生成关于流行性传染病的指示信息。计算设备130还可以用于从服务器160获取与多种类型流行性传染病相关联的感染信息，以便生成分别与不同的预定类型流行性传染病相关联的多个传染率信息；以及从服务器160获取与预定类型流行性传染病相关的多个关联适应症信息，以便生成预定适应症集合。计算设备130例如而不限于服务器、台式计算机等。计算设备130也可以具有一个或多个处理单元，包括诸如图像处理单元GPU、现场可编程门阵列FPGA和专用集成电路ASIC等的专用处理单元以及诸如中央处理单元CPU的通用处理单元。

关于数据获取单元132，其用于当预定时间间隔达到时，获取来自多个用于销售药品的终端设备的位置信息和关于多个药品的销售信息。

关于适应症信息聚类单元134，其用于在确定适应症信息属于与预定类型的流行性传染病相关联的预定适应症集合时，基于适应症信息进行聚类，以便获取与适应症信息相关联的终端设备位置信息、销售时间和销售数量。

关于多个区域销售数量变化特征确定单元136，其用于基于与适应症信息相关联的终端设备的位置信息、销售时间和销售数量，确定多个区域的销售数量变化特征。例如，多个区域销售数量变化特征确定单元136确定多个区域在对应时间间隔内的销售数量变化比例。

关于预定条件判断单元138，其用于确定多个区域的销售数量变化特征是否符合预定条件。例如，确定多个区域的销售数量变化特征是否与流行性传染病的传播特征相匹配。

关于流行性传染病的指示信息生成单元140，其用于在确定多个区域的销售数量变化特征符合预定条件时，生成关于流行性传染病的指示信息。

关于服务器160，其例如是用于流行性传染病信息发布的设备。服务器160所发布的流行性传染病信息例如包括：与预定类型流行性传染病相关联的感染信息和适应症信息。感染信息例如至少指示与时间相关联的易感者数量信息和感染者数量信息和治愈者数量信息。计算设备130可以定期从服务器160获取与预定类型流行性传染病相关联的感染信息和与预定类型的流行性传染病相关联的适应症信息。服务器160可以具有一个或多个处理单元，包括诸如图像处理单元GPU、现场可编程门阵列FPGA和专用集成电路ASIC等的专用处理单元以及诸如中央处理单元CPU的通用处理单元。

以下将结合图2描述根据本公开的实施例的用于流行性传染病预测的方法200。图2示出了根据本公开的实施例的用于流行性传染病预测的方法200的流程图。应当理解，方法200例如可以在图6所描述的电子设备600处执行。也可以在图1所描述的计算设备130处执行。应当理解，方法200还可以包括未示出的附加动作和/或可以省略所示出的动作，本公开的范围在此方面不受限制。

在步骤202处，计算设备130确定预定时间间隔是否达到。预定时间间隔例如而不限于是12小时、24小时或者48小时。例如，如果计算设备130确定预定时间间隔没有达到，继续等待直到确定预定时间间隔已经达到。

在步骤204处，如果计算设备130确定预定时间间隔达到，获取来自多个用于销售药品的终端设备110的位置信息和关于多个药品的销售信息，销售信息至少指示与被售药品的标识相关联的适应症信息、销售数量和销售时间。用于销售药品的终端设备110例如是药店用于销售药品的设备。该用于销售药品的终端设备110的位置信息可以反映被售药品的销售地点。该位置信息例如包含了终端设备110所在省、市、县、区的地理位置。

关于被售药品的适应症（indication）信息，其用于指示被售药品的适合运用的范围、标准。该被售药品的适应症信息例如是由终端设备110基于被售药品的处方药说明书中的“功能主治”信息而提取的。该“功能主治”信息例如包括：该药适用于某已知疾病或状态（或者某已知疾病或状态的重要症候）的治疗、预防或诊断；或者该药用于某已知疾病或状态相关的症状的缓解，或者辅助用于某些疾病或状态的治疗。例如，青霉素用于治疗由敏感的肺炎球菌引起的肺部感染；氢氯噻嗪用于充血性心力衰竭水肿的治疗；马来酸氯苯那敏（扑尔敏）用于鼻炎鼻塞症状的缓解。连花清瘟胶囊（颗粒）可以用于治疗流行性感冒属热毒袭肺症、也可用于新冠病毒性肺炎轻型、普通型引起的发热、咳嗽、乏力。终端设备110例如是基于所售药品的上述“功能主治”信息而提取的药品标识及其关联的一个或者多个适应症。

经研究发现，针对流行性传染疾病，例如流感类传播疾病，绝大部分的病人在发病初期一般都会自行购药服用，以期达到症状缓解，而在症状加重的情况下才会去医院就诊。因此，计算设备130定期获取各终端设备110所售药品的适应症信息、销售数量、销售时间、销售地点（即销售药品的终端设备110的位置）有利于为及早发现可能存在的流行性传染病提供线索。例如，计算设备130每24小时（或每日）采集分布在整个地区（例如全国、或者全省）的所有用于药品销售的终端设备110的位置信息和药品销售信息。

在步骤206处，计算设备130确定适应症信息是否属于预定适应症集合。例如，如果计算设备130当前销售信息中的适应症信息不属于预定适应症集合，则继续确定下一条销售信息中的适应症信息是否属于预定适应症集合。

预定适应症集合中例如包括与多种类型的流行性传染病相关联的适应症信息。

关于预定类型的流行性传染病，其例如包括：新型冠状病毒肺炎、人感染高致病性禽流感、流行性感冒、病毒性肝炎等等流行性传染病。

预定适应症集合是与流行性传染病相关的适应症的集合。关于预定适应症集合的生成方式例如包括：计算设备130获取与多个类型的流行性传染病相关的多个关联适应症信息；以及基于多个关联适应症信息，生成预定适应症集合。如果计算设备130可以确定所获取的被售药品的适应症信息与预定适应症集合中所包括的某一种或者几种适应症信息相匹，则可以确定，该被售药品有可能与对应类型的流行性传染病相关联。

在步骤208处，如果计算设备130确定适应症信息属于预定适应症集合，基于适应症信息进行聚类，以便获取与适应症信息相关联的终端设备位置信息、销售时间和销售数量，预定适应症集合与预定类型的流行性传染病相关联。药店信息包含了所在省、市、县、区的地理位置。因此可以分析出某个适应症的药品的销售地区及其销售地区的经纬度。某个适应症的药品销量数据例如是计算设备130将所获取的药品销售信息按照适应症进行数据整合，可以有效得到某类适应症的药品销量数据。

在步骤210处，计算设备130基于与适应症信息相关联的终端设备的位置信息、销售时间和销售数量，确定多个区域的销售数量变化特征。

研究表明，可以通过确定与关联适应症的被售药品的多个销售区域的数量变化特征是否符合流行性传染病的传播特征来确定是否在该多个销售区域存在流行性传染病的可能。

确定多个区域的销售数量变化特征的方式例如包括：基于与适应症信息相关联的终端设备位置信息来确定多个区域；然后确定多个区域在对应时间间隔内的销售数量变化比例，对应时间间隔是基于区域相距于第一区域的距离和预定类型流行性传染病的传染率信息而确定的。其中，确定多个区域和第一区域的方式例如是：计算设备130基于与适应症信息相关联的终端设备的位置信息的所属区域确定多个区域；以及对多个区域中每个区域的销售时间进行排序，以便基于排序结果确定第一区域。

以下结合图3说明用于确定多个区域的销售数量变化特征的计算方式。图3示意性示出根据本公开的实施例的用于确定多个区域的销售数量变化特征的方法300的示意图。如图3所示，310、320和330分别指示与适应症信息相关联的被售药品K的3个区域。第一区域310例如是城市A，城市A中包括多个用于销售药品的终端设备312-1、312-2至312-N。通过基于在T1时刻终端设备312-1、312-2至312-N的销售的与适应症信息相关联的被售药品K的总数量，例如确定第一区域310在T1时刻的药品K的销售数量为N1。第二区域320例如是城市B，第二区域320例如在T1时刻的药品K的销售数量例如为M1；第三区域330例如是城市C，第三区域330例如在T1时刻的药品K的销售数量例如为Y1。以下结合公式（1）至（2）说明第一区域310、第二区域320和第三区域330销售数量变化特征的计算方式。

在上述公式（1）和（2）中，M1代表第二区域320在T1时刻的药品K的销售数量。M2代表第二区域320在T2时刻的药品K的销售数量。X1代表第二区域320在第一时间间隔t1（即T2-T1）内的销售数量变化比例。Y1代表第三区域330在T1时刻的药品K的销售数量。Y2代表第三区域330在T3时刻的药品K的销售数量。X2代表第三区域330在第二时间间隔t2（即T3-T1）内的销售数量变化比例。以下结合公式（3）和（4）说明第一时间间隔t1和第二时间间隔t2的计算方式。

在上述公式（3）和（4）中，L1代表第二区域320与第一区域310的第一距离。L2代表第三区域330与第一区域310的第二距离。β代表预定类型的流行性传染病的传染率。P代表系数。

关于预定类型的流行性传染病的传染率β的确定方式例如包括：计算设备130获取与预定类型流行性传染病相关联的感染信息，感染信息至少指示与时间相关联的易感者数量信息、感染者数量信息和治愈者数量信息；以及基于与时间相关联的易感者数量信息、感染者数量信息和治愈者数量信息，计算与预定类型流行性传染病相关联的传染率信息，以便生成分别与不同的类型的流行性传染病相关联的多个传染率信息。在一些实施例中，例如通过传染病模型SIR模型计算一个或多个预定类型的流行性传染病的传染率β。以下结合公式（5）至（7）说明预定类型的流行性传染病的传染率β的计算方式。

在上述公式（5）至（7）中，S(t)代表t 时刻的易感者(susceptibles)的数量信息，即表示t 时刻未染病但有可能被该类疾病传染的人数。I(t) 代表t 时刻的染病者(infectives)的数量信息，即表示t 时刻已被感染成为病人而且具有传染力的人数。R 代表t 时刻的恢复者(recovered)的数量信息，即表示t 时刻已从染病者中移出的人数。β代表预定类型的流行性传染病的传染率，即两人接触被传染的概率。N代表总人口， N=S(t)+I(t)+R。γ代表治愈率，即患者被治愈的概率。

计算设备130可以通过所获取与时间（t 时刻）相关联的易感者数量信息S(t)、感染者数量信息I(t)和治愈者数量信息R，以及根据上述公式（5）至（7）来计算预定类型的流行性传染病的传染率β。计算设备130然后根据所计算的预定类型的流行性传染病的传染率β、第一距离L1、第二距离L2和公式（3）和（4）可以计算第一时间间隔t1和第二时间间隔t2。之后，计算设备130可以根据公式（1）和（2）计算第二区域320对应于第一时间间隔t1内的销售数量的变化率X1和第三区域330对应于第二时间间隔t2内的销售数量的变化率X2。

在步骤212处，计算设备130可以确定多个区域的销售数量变化特征是否符合预定条件。

例如，计算设备130可以确定所计算的计算第二区域320对应于第一时间间隔t1内的销售数量的变化率X1与第三区域330对应于第二时间间隔t2内的销售数量的变化率X2之间是否相匹配。具体而言，计算设备130可以确定第二区域320的销售数量的变化率X1与第三区域330的销售数量的变化率X2之间的差值是否小于或者等于预定阈值。

在步骤214处，如果计算设备130确定多个区域的销售数量变化特征符合预定条件，生成关于流行性传染病的指示信息。在步骤216处，如果计算设备130确定多个区域的销售数量变化特征不符合预定条件，则确定未发现流行性传染病。例如不生成传染病的指示信息。

研究表明，假设流行性传染病由第一区域310开始传播，如果不考虑人员流动速率，则由第一区域310传染至第二区域320的第一时间间隔t1 =P* L1*β，即，第一时间间隔t1与第一距离L1和传染率β的乘积成正比。其中，P代表系数。同理，由第一区域310传染至第三区域330的第二时间间隔t2=P* L2*β。在第一时间间隔t1结束后，第二区域320的销售数量M2例如符合以下公式（8）。另外，在第二时间间隔t2结束后，第三区域320的销售数量Y2例如符合以下公式（9）。

如果在第一区域310、第二区域320和第三区域330之间存在同一种流行性传染病，则理论上，传染病的传播特性具有一致性。因而，对应于第一时间间隔t1内的销售数量的变化率X1与第三区域330对应于第二时间间隔t2内的销售数量的变化率X2符合相同的传染病传播特征。以下结合公式（10）说明如何预测存在流行性传染病。在下述公式（10）中，Z代表预定阈值。如果计算设备130可以确定第二区域320的销售数量的变化率X1与第三区域330的销售数量的变化率X2之间的差值是否小于或者等于预定阈值Z，则可以预测存在流行性传染病，生成指示信息来指示流行性传染病的存在。

在上述方案中，本公开可以采用早于医院就诊并确诊的购药信息，以及反映购药数量与地区变化情况的多个区域的销售数量变化特征来预测流行性传染病的爆发。而且，本公开通过基于多个区域的销售数量变化特征的一致性来预测流行病，而非基于特定流行病的数学模型，因此本公开便于针对不同病种的流行病进行预测。因而，本公开能够实现针对多种类型的流行性传染病病种进行准确的早期预测。

以下将结合图4描述根据本公开的实施例的用于确定多个区域的销售数量变化特征的方法400。图4示出了根据本公开的实施例的用于确定多个区域的销售数量变化特征的方法400的流程图。应当理解，方法400例如可以在图6所描述的电子设备600处执行。也可以在图1所描述的计算设备130处执行。应当理解，方法400还可以包括未示出的附加动作和/或可以省略所示出的动作，本公开的范围在此方面不受限制。

在步骤402处，计算设备130基于与适应症信息相关联的终端设备的位置信息，确定多个区域，多个区域至少包括第一区域、第二区域和第三区域，第二区域与第一区域相距第一距离，第三区域与第一区域相距第二距离。

关于第一区域的确定方式例如是：计算设备130基于与适应症信息相关联的终端设备的位置信息的所属区域确定多个区域；以及对多个区域中每个区域的销售时间进行排序，以便基于排序结果确定第一区域。例如，第一区域310为较早售出一定数量的与适应症信息相关联的被售药品K的城市A。

第二区域320和第三区域例如是在第一区域310周围，距离第一区域310不同距离的两个城市B和C。其中，第二区域320与第一区域310相距第一距离L1，第三区域330与第一区域320相距第二距离L2。第二区域320和第三区域售出一定数量的与适应症信息相关联的被售药品K的时间晚于第一区域310。

在步骤404处，计算设备130基于在多个传染率信息中选取的一个传染率信息和第一距离，计算第一时间间隔。

关于多个传染率信息，其例如是计算设备130根据公式（4）至（7），基于所采集的关于多种类型的流行性传染病的、与时间相关联的易感者数量信息和感染者数量信息和治愈者数量信息而计算的多个预定类型的流行性传染病的传染率β1至βn。计算设备130可以在多个传染率β1至βn中，选取一个传染率，例如是对应于第一预定类型的流行性传染病的传染率β1。

关于计算第一时间间隔的方法例如包括：计算设备130根据公式（3），基于传染率β1、第一距离L1和预定系数P来计算第一时间间隔t1。

在步骤406处，计算设备130基于所选取的传染率信息和第二距离，计算第二时间间隔。例如，计算设备130根据公式（4），基于传染率β1、第二距离L2和预定系数P计算第二时间间隔t2。

在步骤408处，计算设备130计算在第一时间间隔内第二区域的与适应症信息相关联的第一销售数量变化特征。例如，计算设备130获取第二区域320在第一时间间隔t1的起始时间（例如T1时刻）的被售药品K的销售数量M1和终止时间（例如T2时刻）的被售药品K的销售数量M2。例如，计算设备130例如根据公式（8）和所选取的传染率β1来计算销售数量M2。然后，计算设备130例如根据以下公式（11）计算在第一时间间隔t1内第二区域320的与适应症信息相关联的销售数量变化率X1（即，第一销售数量变化率）。

在步骤410处，计算设备130计算在第二时间间隔内第三区域的与适应症信息相关联的第二销售数量变化特征。例如，计算设备130获取第三区域330在第二时间间隔t2的起始时间（例如T1时刻）的被售药品K的销售数量Y1和终止时间（例如T3时刻）的被售药品K的销售数量Y2。例如，计算设备130例如根据公式（9）和所选取的传染率β1来计算销售数量Y2。然后，计算设备130例如根据以下公式（12）计算在第二时间间隔t2内第三区域330的与适应症信息相关联的销售数量变化率X2（即，第二销售数量变化率）。

在上述方案中，本公开能够准确地确定多个区域的销售数量变化特征，以用于基于多个区域的销售数量变化特征判断流行性传染病的存在与否。

以下将结合图5描述根据本公开的实施例的用于确定流行性传染病的类型的方法500。图5示出了根据本公开的实施例的用于确定流行性传染病的类型的方法500的流程图。应当理解，方法500例如可以在图6所描述的电子设备600处执行。也可以在图1所描述的计算设备130处执行。应当理解，方法500还可以包括未示出的附加动作和/或可以省略所示出的动作，本公开的范围在此方面不受限制。

在步骤502处，如果计算设备130确定第一销售数量变化特征和第二销售数量变化特征不相匹配，在多个传染率信息中重新选取另一个传染率信息。例如，如果计算设备130确定第二区域320对应于第一时间间隔t1内的销售数量的变化率X1与第三区域330对应于第二时间间隔t2内的销售数量的变化率X2之间的差值大于预定阈值。则将用于计算第一时间间隔t1和第二时间间隔t2的传染率β1替换为对应于第二预定类型的流行性传染病的传染率β2。如果计算设备130确定第一销售数量变化特征和第二销售数量变化特征相匹配，即步骤502处的判定结果为“否”，则跳转至步骤512，计算设备130基于当前传染率信息，确定流行性传染病的类型。

在步骤504处，计算设备130基于所重新选取的传染率信息，计算第一销售数量变化特征和第二销售数量变化特征。例如，如果计算设备130基于该重新选取的传染率β2，例如按照步骤406至412所示的方法，重新计算第二区域320对应于第一时间间隔t1内的销售数量的变化率X1与第三区域330对应于第二时间间隔t2内的销售数量的变化率X2。

在步骤506处，计算设备130确定第一销售数量变化特征和第二销售数量变化特征是否相匹配。例如，计算设备130确定第二区域320对应于第一时间间隔t1内的销售数量的变化率X1与第三区域330对应于第二时间间隔t2内的销售数量的变化率X2之间的差值是否满足小于或者等于预定阈值这一预定条件。

在步骤508处，如果计算设备130确定第一销售数量变化特征和第二销售数量变化特征相匹配，基于对应的传染率信息，确定流行性传染病的类型。例如，如果计算设备130确定基于该重新选取的传染率β2而计算的销售数量的变化率X1与销售数量的变化率X2之间的差值小于或者等于预定阈值，则可以确定存在与该重新选取的传染率β2所对应的预定类型的流行性传染病。如果计算设备130确定第一销售数量变化特征和第二销售数量变化特征不相匹配，则跳转至步骤504。例如，如果计算设备130确定基于该重新选取的传染率β2而计算的销售数量的变化率X1与销售数量的变化率X2之间的差值依然大于预定阈值，则在多个传染率信息中再重新选取另一个传染率信息，如此反复，直至找到可以使得第一销售数量变化特征和第二销售数量变化特征相匹配的传染率。

在步骤510处，基于所重新选取的传染率信息，确定流行性传染病的类型。如果基于多个传染率信息中的每一个传染率都无法使得第一销售数量变化特征和第二销售数量变化特征相匹配。则表明未发现预定类型的流行性传染病。

通过上述方案，本公开不仅能够实现针对流行性传染病进行准确的早期预测，而且可以准确地预测多种流行性传染病。

图6示意性示出了适于用来实现本公开实施例的电子设备（或者计算设备）600的框图。设备600可以是用于实现执行图2、图4至图5所示的方法200、400至500的设备。如图6所示，设备600包括中央处理单元（CPU）601，其可以根据存储在只读存储器（ROM）602中的计算机程序指令或者从存储单元608加载到随机访问存储器（RAM）603中的计算机程序指令，来执行各种适当的动作和处理。在RAM 603中，还可存储设备600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM603通过总线604彼此相连。输入/输出（I/O）接口605也连接至总线604。

设备600中的多个部件连接至I/O接口605，包括：输入单元606、输出单元607、存储单元608，处理单元601执行上文所描述的各个方法和处理，例如执行方法200、400至500例如，在一些实施例中，方法200、400至500可被实现为计算机软件程序，其被存储于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由CPU601执行时，可以执行上文描述的方法200、400至500的一个或多个操作。备选地，在其他实施例中，CPU 601可以通过其他任何适当的方式（例如，借助于固件）而被配置为执行方法200、400至500的一个或多个动作。

需要进一步说明的是，本公开可以是方法、装置、系统和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于执行本公开的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是但不限于电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子（非穷举的列表）包括：便携式计算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、静态随机存取存储器（SRAM）、便携式压缩盘只读存储器（CD-ROM）、数字多功能盘（DVD）、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波（例如，通过光纤电缆的光脉冲）、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构（ISA）指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，该编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列（FPGA）或可编程逻辑阵列（PLA），该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。

这里参照根据本公开实施例的方法、设备（系统）、和计算机程序产品的流程图和/或步骤图描述了本公开的各个方面。应当理解，流程图和/或步骤图的每个方步骤以及流程图和/或步骤图中各方步骤的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给语音交互装置中的处理器、通用计算机、专用计算机或其它可编程数据处理装置的处理单元，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理单元执行时，产生了实现流程图和/或步骤图中的一个或多个方步骤中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或步骤图中的一个或多个方步骤中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或步骤图中的一个或多个方步骤中规定的功能/动作。

附图中的流程图和步骤图显示了根据本公开的多个实施例的设备、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或步骤图中的每个方步骤可以代表一个模块、程序段或指令的一部分，该模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方步骤中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方步骤实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，步骤图和/或流程图中的每个方步骤、以及步骤图和/或流程图中的方步骤的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

以上仅为本公开的可选实施例，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等效替换、改进等，均应包含在本公开的保护范围之内。

Claims (10)

1.一种用于流行性传染病的预测方法，包括：

响应于确定预定时间间隔达到，获取来自多个用于销售药品的终端设备的位置信息和关于多个药品的销售信息，所述销售信息至少指示与被售药品的标识相关联的适应症信息、销售数量和销售时间；

响应于确定所述适应症信息属于预定适应症集合，基于所述适应症信息进行聚类，以便获取与所述适应症信息相关联的终端设备的位置信息、销售时间和销售数量，所述预定适应症集合与多个类型的流行性传染病相关联；

基于与所述适应症信息相关联的终端设备的位置信息、销售时间和销售数量，确定多个区域的销售数量变化特征；

确定所述多个区域的销售数量变化特征是否符合预定条件；以及

响应于确定所述多个区域的销售数量变化特征符合预定条件，生成关于流行性传染病的指示信息。

2.根据权利要求1所述的方法，还包括：

获取与预定类型流行性传染病相关联的感染信息，所述感染信息至少指示与时间相关联的易感者数量信息、感染者数量信息和治愈者数量信息；以及

基于所述与时间相关联的易感者数量信息、感染者数量信息和治愈者数量信息，计算与预定类型流行性传染病相关联的传染率信息，以便生成分别与不同的类型的流行性传染病相关联的多个传染率信息。

3.根据权利要求1所述的方法，其中确定所述多个区域的销售数量变化特征是否符合预定条件包括：

确定多个区域在对应时间间隔内的销售数量变化比例之间的差值是否小于或者等于预定阈值，所述对应时间间隔是基于所述区域相距于第一区域的距离和预定类型流行性传染病的传染率信息而确定的。

4.根据权利要求2所述的方法，其中基于与所述适应症信息相关联的终端设备的位置信息、销售时间和销售数量确定多个区域的销售数量变化特征包括：

基于与所述适应症信息相关联的终端设备的位置信息，确定多个区域，所述多个区域至少包括第一区域、第二区域和第三区域，所述第二区域与所述第一区域相距第一距离，所述第三区域与所述第一区域相距第二距离；

基于在所述多个传染率信息中选取的一个传染率信息和所述第一距离，计算第一时间间隔；

基于所选取的传染率信息和所述第二距离，计算第二时间间隔；

计算在所述第一时间间隔内所述第二区域的与所述适应症信息相关联的第一销售数量变化特征；以及

计算在第二时间间隔内所述第三区域的与所述适应症信息相关联的第二销售数量变化特征。

5.根据权利要求4所述的方法，其中确定多个区域包括：

基于与所述适应症信息相关联的终端设备的位置信息的所属区域，确定多个区域；以及

针对所确定的多个区域中每一个区域的销售时间进行排序，以便基于排序结果确定所述第一区域。

6.根据权利要求4所述的方法，其中响应于确定所述多个区域的销售数量变化特征符合预定条件生成关于流行性传染病的指示信息包括：

响应于确定所述第一销售数量变化特征和所述第二销售数量变化特征相匹配，生成关于流行性传染病的指示信息。

7.根据权利要求4所述的方法，还包括：

响应于确定所述第一销售数量变化特征和所述第二销售数量变化特征不相匹配，在所述多个传染率信息中重新选取另一个传染率信息；

基于所重新选取的传染率信息，计算所述第一销售数量变化特征和所述第二销售数量变化特征；

确定所述第一销售数量变化特征和所述第二销售数量变化特征是否相匹配；以及

响应于确定所述第一销售数量变化特征和所述第二销售数量变化特征相匹配，基于所重新选取的传染率信息，确定所述流行性传染病的类型。

8.根据权利要求1所述的方法，还包括：

获取与多个类型的流行性传染病相关的多个关联适应症信息；以及

基于所述多个关联适应症信息，生成所述预定适应症集合。

9.一种计算设备，包括：

至少一个处理单元；

至少一个存储器，所述至少一个存储器被耦合到所述至少一个处理单元并且存储用于由所述至少一个处理单元执行的指令，所述指令当由所述至少一个处理单元执行时，使得所述设备执行根据权利要求1至8任一项所述的方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被机器执行时实现根据权利要求1至8中任一项所述的方法。

Images