CN112115580A - 一种基于大数据的新发重大传染病监测、预警及应对系统 - Google Patents
一种基于大数据的新发重大传染病监测、预警及应对系统 Download PDFInfo
- Publication number
- CN112115580A CN112115580A CN202010809398.9A CN202010809398A CN112115580A CN 112115580 A CN112115580 A CN 112115580A CN 202010809398 A CN202010809398 A CN 202010809398A CN 112115580 A CN112115580 A CN 112115580A
- Authority
- CN
- China
- Prior art keywords
- module
- epidemic situation
- early warning
- infectious disease
- platform
- 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
- 208000035473 Communicable disease Diseases 0.000 title claims abstract description 40
- 208000015181 infectious disease Diseases 0.000 title claims abstract description 39
- 238000012544 monitoring process Methods 0.000 title claims abstract description 36
- 230000010485 coping Effects 0.000 title claims abstract description 23
- 238000004088 simulation Methods 0.000 claims abstract description 28
- 238000011156 evaluation Methods 0.000 claims abstract description 18
- 238000011161 development Methods 0.000 claims abstract description 13
- 238000005457 optimization Methods 0.000 claims abstract description 13
- 230000000007 visual effect Effects 0.000 claims abstract description 13
- 238000010276 construction Methods 0.000 claims abstract description 8
- 238000012216 screening Methods 0.000 claims abstract description 8
- 238000013524 data verification Methods 0.000 claims abstract description 7
- 230000004044 response Effects 0.000 claims description 36
- 230000000694 effects Effects 0.000 claims description 9
- 238000000034 method Methods 0.000 claims description 8
- 230000036541 health Effects 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 4
- 238000012795 verification Methods 0.000 claims description 4
- 238000000611 regression analysis Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000011084 recovery Methods 0.000 claims 1
- 201000010099 disease Diseases 0.000 description 6
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 6
- 230000002265 prevention Effects 0.000 description 5
- 244000052769 pathogen Species 0.000 description 4
- 241000700605 Viruses Species 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000001717 pathogenic effect Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 206010035664 Pneumonia Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000010006 flight Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000002458 infectious effect Effects 0.000 description 1
- 206010022000 influenza Diseases 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 244000144972 livestock Species 0.000 description 1
- 230000033001 locomotion Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 244000144977 poultry Species 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
Abstract
本发明公开了一种基于大数据的新发重大传染病监测、预警及应对系统,包括传染病监测预警平台、应对措施构建评估平台及可视化模拟仿真平台,所述传染病监测预警平台包括单区域基准预测模型构建模块、模型优化模块及分区域疫情数据验证筛选模块,所述应对措施构建评估平台包括预警信息接收模块、应对措施匹配模块、应对指南数据库及应对措施评估模块,所述可视化模拟仿真平台包括疫情发展趋势预测模块及疫情处置模拟推演模块。
Description
技术领域
本发明涉及大数据技术领域,特别涉及一种基于大数据的新发重大传染病监测、预警及应对系统。
背景技术
目前,针对新发传染病疫情,大数据发挥了巨大作用,包括获知人口流向,预判疫情传播趋势;结合确诊数据,验证政策效果;预警风险区域,找到风险人群等。根据大数据来源的不同,监测预警大致分为以下4种类型:
一是基于医疗大数据的传染病监测预警系统。通过症状监测模式,持续、系统地收集、分析临床明确诊断前与疾病暴发相关的资料,及时发现疾病在时间、空间上的异常聚集,以期对疾病暴发进行早期探查、预警和快速反应的监测。
二是基于社会因素和自然环境因素大数据分析的传染病监测预警系统。如针对2019年新冠肺炎疫情的人员分布和迁移数据进行统计和预测,运用地理信息系统,通过分析航班、人口移动、气候、家禽家畜密度、城市卫生管理系统等建立模型,预测疫情爆发地区,揭示时空规律。
三是基于网络大数据的传染病监测预警系统,如利用搜索引擎关键词,引入社交、天气、人群迁徙等因素,预测流感爆发。
四是基于病原监测大数据的传染病监测预警系统。通过整合病原检测技术、网络实验室、现场调查和数据分析达到提前预警。还利用病原体基因组数据,进行基因大数据分析。
就以上监测预警来说,尚无法实现新发传染病的早发现、早预警、早识别、早干预。
目前在新发重大传染病的应对方面,方法基本集中于对比各国的应对体系、提出应对策略、对各主体应对能力进行评估。较少对新发重大传染病的应急预案利用计算机技术进行仿真模拟的研究,而是直接根据情况危急程度发布应急预案,那么可能会造成应急预案的实施效果无法做出前瞻性的预估,也缺乏对应急预案实施效果的评估体系和评价标准。要想更好地预测流行病演化的趋势并对政府各种干预措施做出定量化的评价,甚至预测某些干预措施可能的效果,都需要构建流行病传播的大规模仿真系统。
因此,从加强应对能力入手,改善应急响应模式,有助于提高我国的疫情应对水平。由于传染病病原体的特点各不相同,某些疾病往往具有较长的流行期,因此不仅需要有效应对,更需要积极预防,建立长时间的监测和预警机制。基于大数据和机器学习的传染病监测和预测可以解决人工大量时间统计和分析造成的出错和延误问题,及时追溯疾病源头和预测发展趋势,可最小化传染病对社会的影响。开展流行病态势评估与趋势预测研究,为指挥部门提供行政决策参考依据,为防控部门提供数据基础支撑,对全社会的疫情、公共卫生防控都十分重要。
发明内容
为解决上述问题,本发明提供了一种基于大数据的新发重大传染病监测、预警及应对系统。
本发明采用以下技术方案:
一种基于大数据的新发重大传染病监测、预警及应对系统,包括传染病监测预警平台、应对措施构建评估平台及可视化模拟仿真平台,其中:
所述传染病监测预警平台包括单区域基准预测模型构建模块、模型优化模块及分区域疫情数据验证筛选模块,所述单区域基准预测模型构建模块用于单区域基准预测模型,所述模型优化模块通过时变性二次回归分析对单区域基准预测模型的参数进行优化,所述分区域疫情数据验证筛选模块基于分区域疫情数据,通过进行区域特性分类、全局区域与局部区域交叉验证、局部区域之间进行交叉验证,对单区域基准预测模型依赖的数据进行优选;
所述应对措施构建评估平台包括预警信息接收模块、应对措施匹配模块、应对指南数据库及应对措施评估模块,所述预警信息接收模块用于接收传染病监测预警平台发出的预警信息,所述应对措施匹配模块根据预警信息进行分析,并基于应对指南数据库自动匹配出疫情态势下的应急预案,所述应对措施评估模块基于应急预案的关联指标对应急预案的应对效果和应对能力进行分析评估;
所述可视化模拟仿真平台包括疫情发展趋势预测模块及疫情处置模拟推演模块,所述疫情发展趋势预测模块基于传染病监测预警平台的疫情数据预测疫情发展趋势,所述疫情处置模拟推演模块基于疫情数据和应急预案,模拟相关应对变量指标的变化,进行疫情推演。
优选地,所述传染病监测预警平台还包括人口流动预测优化模块,所述人口流动预测优化模块基于人口流动网路对单区域基准预测模型进行优化。
优选地,所述应急预案的关联指标包括事前健康教育水平、事前人员培训情况、事中医疗卫生救援队伍调度水平、疫情发布及时度、事后复工复产支持度。
优选地,所述相关应对变量指标包括交通管制、复工时间及药物设施。
优选地,所述可视化模拟仿真平台还包括模拟仿真数据生成模块,所述模拟仿真数据生成模块用于生成疫情推演过程的相关量化数据。
采用上述技术方案后,本发明与背景技术相比,具有如下优点:
本发明能够实时监控并能精确刻画疫情发展趋势,对可能发生的疫情恶化做出警示,同时解释疫情发展现象,为后续疫情防控提供可解释的参考依据。另外,通过对应急预案进行评估能够更好的对实施效果提前做出预估,通过可视化模拟仿真可以预测出疫情演化趋势,同时预测出相应干预措施的效果。
附图说明
图1为本发明的工作流程原理图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明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仅用以解释本发明,并不用于限定本发明。
实施例
本发明公开了一种基于大数据的新发重大传染病监测、预警及应对系统,包括传染病监测预警平台、应对措施构建评估平台及可视化模拟仿真平台,其中:
传染病监测预警平台包括单区域基准预测模型构建模块、模型优化模块及分区域疫情数据验证筛选模块,单区域基准预测模型构建模块用于单区域基准预测模型,模型优化模块通过时变性二次回归分析对单区域基准预测模型的参数进行优化,分区域疫情数据验证筛选模块基于分区域疫情数据,通过进行区域特性分类、全局区域与局部区域交叉验证、局部区域之间进行交叉验证,对单区域基准预测模型依赖的数据进行优选。传染病监测预警平台还包括人口流动预测优化模块,人口流动预测优化模块基于人口流动网路对单区域基准预测模型进行优化。
应对措施构建评估平台包括预警信息接收模块、应对措施匹配模块、应对指南数据库及应对措施评估模块,预警信息接收模块用于接收传染病监测预警平台发出的预警信息,应对措施匹配模块根据预警信息进行分析,并基于应对指南数据库自动匹配出疫情态势下的应急预案,应对措施评估模块基于应急预案的关联指标对应急预案的应对效果和应对能力进行分析评估。在本实施例中,应急预案的关联指标包括事前健康教育水平、事前人员培训情况、事中医疗卫生救援队伍调度水平、疫情发布及时度、事后复工复产支持度。
可视化模拟仿真平台包括疫情发展趋势预测模块及疫情处置模拟推演模块,疫情发展趋势预测模块基于传染病监测预警平台的疫情数据预测疫情发展趋势,疫情处置模拟推演模块基于疫情数据和应急预案,模拟相关应对变量指标的变化,进行疫情推演,本实施例中的相关应对变量指标包括交通管制、复工时间及药物设施。在本实施例中,可视化模拟仿真平台还包括病毒传播模拟器,病毒传播模拟器包括事理模型自运行知识库、自学习模拟器以及改进的传染病模型,病毒传播模拟器可以模拟出各项与疫情相关的变量、指标(交通管制/复工时间/药物设施等),以实现精准而有效的传染源定位、人群筛查以及疫情推演,帮助防疫部门快速切断疫情的蔓延,同时反哺到病理学相关研究,提供研究方向上的辅助。可视化模拟仿真平台还包括模拟仿真数据生成模块,模拟仿真数据生成模块用于生成疫情推演过程的相关量化数据,作为应急预案评估基础数据。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (5)
1.一种基于大数据的新发重大传染病监测、预警及应对系统,其特征在于,包括传染病监测预警平台、应对措施构建评估平台及可视化模拟仿真平台,其中:
所述传染病监测预警平台包括单区域基准预测模型构建模块、模型优化模块及分区域疫情数据验证筛选模块,所述单区域基准预测模型构建模块用于单区域基准预测模型,所述模型优化模块通过时变性二次回归分析对单区域基准预测模型的参数进行优化,所述分区域疫情数据验证筛选模块基于分区域疫情数据,通过进行区域特性分类、全局区域与局部区域交叉验证、局部区域之间进行交叉验证,对单区域基准预测模型依赖的数据进行优选;
所述应对措施构建评估平台包括预警信息接收模块、应对措施匹配模块、应对指南数据库及应对措施评估模块,所述预警信息接收模块用于接收传染病监测预警平台发出的预警信息,所述应对措施匹配模块根据预警信息进行分析,并基于应对指南数据库自动匹配出疫情态势下的应急预案,所述应对措施评估模块基于应急预案的关联指标对应急预案的应对效果和应对能力进行分析评估;
所述可视化模拟仿真平台包括疫情发展趋势预测模块及疫情处置模拟推演模块,所述疫情发展趋势预测模块基于传染病监测预警平台的疫情数据预测疫情发展趋势,所述疫情处置模拟推演模块基于疫情数据和应急预案,模拟相关应对变量指标的变化,进行疫情推演。
2.如权利要求1所述的一种基于大数据的新发重大传染病监测、预警及应对系统,其特征在于:所述传染病监测预警平台还包括人口流动预测优化模块,所述人口流动预测优化模块基于人口流动网路对单区域基准预测模型进行优化。
3.如权利要求1所述的一种基于大数据的新发重大传染病监测、预警及应对系统,其特征在于:所述应急预案的关联指标包括事前健康教育水平、事前人员培训情况、事中医疗卫生救援队伍调度水平、疫情发布及时度、事后复工复产支持度。
4.如权利要求1所述的一种基于大数据的新发重大传染病监测、预警及应对系统,其特征在于:所述相关应对变量指标包括交通管制、复工时间及药物设施。
5.如权利要求1所述的一种基于大数据的新发重大传染病监测、预警及应对系统,其特征在于:所述可视化模拟仿真平台还包括模拟仿真数据生成模块,所述模拟仿真数据生成模块用于生成疫情推演过程的相关量化数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010809398.9A CN112115580A (zh) | 2020-08-12 | 2020-08-12 | 一种基于大数据的新发重大传染病监测、预警及应对系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010809398.9A CN112115580A (zh) | 2020-08-12 | 2020-08-12 | 一种基于大数据的新发重大传染病监测、预警及应对系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112115580A true CN112115580A (zh) | 2020-12-22 |
Family
ID=73805216
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010809398.9A Pending CN112115580A (zh) | 2020-08-12 | 2020-08-12 | 一种基于大数据的新发重大传染病监测、预警及应对系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112115580A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112669985A (zh) * | 2020-12-30 | 2021-04-16 | 华南师范大学 | 基于多源大数据深度学习的传染病协同预测方法和机器人 |
CN112669984A (zh) * | 2020-12-30 | 2021-04-16 | 华南师范大学 | 基于大数据人工智能的传染病协同递进监测预警应对方法 |
CN112785893A (zh) * | 2021-02-05 | 2021-05-11 | 东南大学 | 一种传染病突发事件应急处置虚拟仿真系统 |
CN112863685A (zh) * | 2020-12-30 | 2021-05-28 | 华南师范大学 | 基于大数据人工智能的传染病应对方法和机器人 |
CN112863686A (zh) * | 2020-12-30 | 2021-05-28 | 华南师范大学 | 基于多源大数据的传染病协同监测方法和机器人 |
CN113257432A (zh) * | 2021-05-14 | 2021-08-13 | 杭州联众医疗科技股份有限公司 | 一种面对公共卫生安全的监测预警平台 |
CN113326341A (zh) * | 2021-06-07 | 2021-08-31 | 航天科工智能运筹与信息安全研究院(武汉)有限公司 | 街道疫情发展推演方法、装置及计算机可读介质 |
CN113327684A (zh) * | 2021-06-07 | 2021-08-31 | 航天科工智能运筹与信息安全研究院(武汉)有限公司 | 基于兵棋推演的疫情模拟方法、装置及计算机可读介质 |
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 |
CN115101216A (zh) * | 2022-08-25 | 2022-09-23 | 南京汉卫公共卫生研究院有限公司 | 一种基于大数据的新发传染病监测及应对系统 |
CN115512856A (zh) * | 2022-11-23 | 2022-12-23 | 山东环球软件股份有限公司 | 一种基于城市大数据可预防传染性疾病的智慧医疗系统 |
CN116522248A (zh) * | 2023-03-22 | 2023-08-01 | 新疆维吾尔自治区疾病预防控制中心 | 基于机器学习的核酸异常数据智能研判系统 |
CN116644869A (zh) * | 2023-07-27 | 2023-08-25 | 中南大学湘雅医院 | 一种实时数据分析与公共卫生事件预测系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002019246A2 (en) * | 2000-09-01 | 2002-03-07 | The Government Of The United States Of America, As Represented By The Secretary Of The Navy | Early warning outbreak and recognition system |
US20170103172A1 (en) * | 2015-10-07 | 2017-04-13 | The Arizona Board Of Regents On Behalf Of The University Of Arizona | System And Method To Geospatially And Temporally Predict A Propagation Event |
CN108122618A (zh) * | 2016-11-29 | 2018-06-05 | 深圳市宝贝好健康服务有限公司 | 一种用于流行病分布监测的智能客户端和系统 |
CN108364694A (zh) * | 2018-03-09 | 2018-08-03 | 中华人民共和国陕西出入境检验检疫局 | 基于多数据源大数据的机场疾病预警及防控系统构建方法 |
-
2020
- 2020-08-12 CN CN202010809398.9A patent/CN112115580A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002019246A2 (en) * | 2000-09-01 | 2002-03-07 | The Government Of The United States Of America, As Represented By The Secretary Of The Navy | Early warning outbreak and recognition system |
US20170103172A1 (en) * | 2015-10-07 | 2017-04-13 | The Arizona Board Of Regents On Behalf Of The University Of Arizona | System And Method To Geospatially And Temporally Predict A Propagation Event |
CN108122618A (zh) * | 2016-11-29 | 2018-06-05 | 深圳市宝贝好健康服务有限公司 | 一种用于流行病分布监测的智能客户端和系统 |
CN108364694A (zh) * | 2018-03-09 | 2018-08-03 | 中华人民共和国陕西出入境检验检疫局 | 基于多数据源大数据的机场疾病预警及防控系统构建方法 |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112669985A (zh) * | 2020-12-30 | 2021-04-16 | 华南师范大学 | 基于多源大数据深度学习的传染病协同预测方法和机器人 |
CN112669984A (zh) * | 2020-12-30 | 2021-04-16 | 华南师范大学 | 基于大数据人工智能的传染病协同递进监测预警应对方法 |
CN112863685A (zh) * | 2020-12-30 | 2021-05-28 | 华南师范大学 | 基于大数据人工智能的传染病应对方法和机器人 |
CN112863686A (zh) * | 2020-12-30 | 2021-05-28 | 华南师范大学 | 基于多源大数据的传染病协同监测方法和机器人 |
CN112669984B (zh) * | 2020-12-30 | 2023-09-12 | 华南师范大学 | 基于大数据人工智能的传染病协同递进监测预警应对方法 |
CN112669985B (zh) * | 2020-12-30 | 2023-08-04 | 华南师范大学 | 基于多源大数据深度学习的传染病协同预测方法和机器人 |
CN112863685B (zh) * | 2020-12-30 | 2023-07-21 | 华南师范大学 | 基于大数据人工智能的传染病应对方法和机器人 |
CN112785893A (zh) * | 2021-02-05 | 2021-05-11 | 东南大学 | 一种传染病突发事件应急处置虚拟仿真系统 |
CN113257432A (zh) * | 2021-05-14 | 2021-08-13 | 杭州联众医疗科技股份有限公司 | 一种面对公共卫生安全的监测预警平台 |
CN113326341B (zh) * | 2021-06-07 | 2022-10-11 | 航天科工智能运筹与信息安全研究院(武汉)有限公司 | 街道疫情发展推演方法、装置及计算机可读介质 |
CN113327684A (zh) * | 2021-06-07 | 2021-08-31 | 航天科工智能运筹与信息安全研究院(武汉)有限公司 | 基于兵棋推演的疫情模拟方法、装置及计算机可读介质 |
CN113326341A (zh) * | 2021-06-07 | 2021-08-31 | 航天科工智能运筹与信息安全研究院(武汉)有限公司 | 街道疫情发展推演方法、装置及计算机可读介质 |
CN113327684B (zh) * | 2021-06-07 | 2023-10-20 | 航天科工智能运筹与信息安全研究院(武汉)有限公司 | 基于兵棋推演的疫情模拟方法、装置及计算机可读介质 |
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 |
CN115101216A (zh) * | 2022-08-25 | 2022-09-23 | 南京汉卫公共卫生研究院有限公司 | 一种基于大数据的新发传染病监测及应对系统 |
CN115512856A (zh) * | 2022-11-23 | 2022-12-23 | 山东环球软件股份有限公司 | 一种基于城市大数据可预防传染性疾病的智慧医疗系统 |
CN116522248A (zh) * | 2023-03-22 | 2023-08-01 | 新疆维吾尔自治区疾病预防控制中心 | 基于机器学习的核酸异常数据智能研判系统 |
CN116522248B (zh) * | 2023-03-22 | 2023-12-15 | 新疆维吾尔自治区疾病预防控制中心 | 基于机器学习的核酸异常数据智能研判系统 |
CN116644869A (zh) * | 2023-07-27 | 2023-08-25 | 中南大学湘雅医院 | 一种实时数据分析与公共卫生事件预测系统 |
CN116644869B (zh) * | 2023-07-27 | 2023-11-10 | 中南大学湘雅医院 | 一种实时数据分析与公共卫生事件预测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112115580A (zh) | 一种基于大数据的新发重大传染病监测、预警及应对系统 | |
CN111899893A (zh) | 一种传染病预警决策平台系统 | |
Normand et al. | Demography as the basis for understanding and predicting range dynamics | |
Su et al. | Utility of characters evolving at diverse rates of evolution to resolve quartet trees with unequal branch lengths: analytical predictions of long-branch effects | |
Van et al. | A new model of air quality prediction using lightweight machine learning | |
Chame et al. | SISS-geo: leveraging citizen science to monitor wildlife health risks in Brazil | |
Singh et al. | A review on surrogate safety measures in safety evaluation and analysis | |
Ojo et al. | Mathematical analysis of a Lassa fever model in Nigeria: optimal control and cost-efficacy | |
Xing et al. | Designing a transferable predictive model for online learning using a Bayesian updating approach | |
Van Andel et al. | Does size matter to models? Exploring the effect of herd size on outputs of a herd-level disease spread simulator | |
Gamado et al. | Data-Driven risk assessment from small scale epidemics: estimation and Model choice for spatio-Temporal Data with application to a classical swine Fever Outbreak | |
Salvador et al. | Risk-based strategies for surveillance of tuberculosis infection in cattle for low-risk areas in England and Scotland | |
CN108351902A (zh) | 用于人类标本研究的知情同意数据的编纂、跟踪和使用的方法和系统 | |
Sanson et al. | Modelling the field personnel resources to control foot‐and‐mouth disease outbreaks in New Zealand | |
Orkis et al. | Simulation of Legionnaires’ disease prospective spatiotemporal cluster detection, Allegheny County, Pennsylvania, USA | |
CN112184040A (zh) | 基于行为与学习数据进行软件工程能力评估的平台 | |
Bradhurst et al. | Modelling the spatiotemporal spread and control of viral disease in livestock using a hybrid equation-based and agent-based approach | |
Zaheer et al. | Challenges to the Application of Spatially Explicit Stochastic Simulation Models for Foot-and-Mouth Disease Control in Endemic Settings: A Systematic Review | |
Kostova-Vassilevska | On the use of models to assess foot-and-mouth disease transmission and control | |
Schoenbaum et al. | Simulating Foot-and-Mouth Disease in the United States using the Animal Disease Spread Model | |
Dhaka et al. | Epidemiological surveillance and disease modelling | |
Chehida et al. | Analysis and prediction of viral infections using statistical model checking | |
Luo et al. | Emissions and mitigation potential of endocrine disruptors during outdoor exercise: Fate, transport, and implications for human health | |
Dewasih et al. | The Effect of Work-Family Conflict, Work Environment, and Work Overload on the Performance of Health Personnel Through Self Control (Locus of Control) as a Variable Intervening During the Covid-19 Pandemic (Study in Tegal City Health Department) | |
Bekeneva | Modeling Datasets in Distributed Monitoring Systems |
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: 20201222 |
|
RJ01 | Rejection of invention patent application after publication |