CN113205890A - 一种基于传染性疾病传播路径的控制方法和系统 - Google Patents
一种基于传染性疾病传播路径的控制方法和系统 Download PDFInfo
- Publication number
- CN113205890A CN113205890A CN202110555720.4A CN202110555720A CN113205890A CN 113205890 A CN113205890 A CN 113205890A CN 202110555720 A CN202110555720 A CN 202110555720A CN 113205890 A CN113205890 A CN 113205890A
- Authority
- CN
- China
- Prior art keywords
- infectious disease
- infectious
- transmission link
- person
- blocking
- 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
- G16H50/80—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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- 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)
- Data Mining & Analysis (AREA)
- Public Health (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明属于病毒防控领域,涉及一种基于传染性疾病传播路径的控制方法和系统,包括以下步骤:S1对收集到的传染性疾病信息进行特征提取;S2根据提取的特征,构建传染性疾病传播链路;S3针对传染性疾病传播链路中不同对象生成不同的传染性疾病阻断方法,并将阻断方法同时传送至对应用户及云平台;S4云平台通过传染性疾病传播链路和传染性疾病阻断方法生成表征传染性疾病严重程度的传染性疾病指标,生成各区域传染性疾病指标可视化图像,并根据传染性疾病指标可视化图像对传染性疾病阻断方法进行调整。其可以很好对传染性疾病的传染路径进行预测,并可以根据对应路径形成行之有效的预防、控制方法,有效对传染性疾病进行控制。
Description
技术领域
本发明涉及一种基于传染性疾病传播路径的控制方法和系统,属于病毒防控技术领域。
背景技术
遗传证据表明,新冠病毒是一种可能起源于动物的自然病毒,人感染了新冠病毒后常见体征有呼吸道症状、发热、咳嗽、气促和呼吸困难等。在较严重病例中,感染可导致肺炎、严重急性呼吸综合征、肾衰竭,甚至死亡。除了致死率高和传染性强,新冠病毒还具有较大的隐蔽性。根据环境的不同,它可以在体外存活数小时分钟到一个月不等。这就导致新冠病毒传播范围和时间比一般病毒要广和长,对人们的公共卫生造成更加严重的危害。
根据目前的病理样本和临床数据显示,新冠病毒主要通过四种方式传播:直接传播、气溶胶传播、接触传播和母婴传播。由此可以看出,新冠病毒极易从携带者传播到密切接触者身上,感染人群的分布呈现点状式特点,具有局部社区性。因此需要密切关注携带者的亲密接触人群,控制社区人口流动,隔离感染者和疑似感染者,切断传染途径。但是在实际情况下,许多感染者的轨迹飘忽不定,直接接触或者间接接触过的人不计其数。如果不对他们的轨迹进行有效分析和构建,就难以建立新冠病毒传播路径。同时必须建立起有效的阻断控制网络,针对新冠病毒传播路径上的关键节点,阻止它向下一个地方传播。
发明内容
针对上述问题,本发明的目的是提供一种基于传染性疾病传播路径的控制方法和系统,其可以很好对传染性疾病的传染路径进行预测,并可以根据对应路径形成行之有效的预防、控制方法,可以有效对传染性疾病进行控制。
为实现上述目的,本发明采取以下技术方案:一种基于传染性疾病传播路径的控制方法,包括以下步骤:S1对收集到的传染性疾病信息进行特征提取;S2根据步骤S1中提取的特征,构建传染性疾病传播链路;S3针对传染性疾病传播链路中不同对象生成不同的传染性疾病阻断方法,并将阻断方法同时传送至对应用户及云平台;S4云平台通过传染性疾病传播链路和传染性疾病阻断方法生成表征传染性疾病严重程度的传染性疾病指标,生成各区域传染性疾病指标可视化图像,并根据传染性疾病指标可视化图像对传染性疾病阻断方法进行调整。
进一步,传染性疾病信息包括结构化数据,半结构化数据和非结构化数据。
进一步,结构化数据特征提取的方法为:构建传染性疾病关键词库;对结构化数据进行索引并进行关键词匹配;将得到的传染性疾病特征信息进行存储。
进一步,半结构化数据特征提取的方法为:构建新冠病毒关键词库和模板;对半结构化数据进行关键词搜索和模板匹配;将搜索和匹配得到的传染性疾病特征信息进行存储。
进一步,非结构化数据特征提取的方法为:爬取所有含有对应传染性疾病标题的网页;过滤掉网页中的图片、链接信息,只保留文本;用正则表达式提取文本中的传染性疾病信息;将传染性疾病信息进行存储。
进一步,构建传染性疾病传播链路的方法为:S2.1将得到的传染性疾病特征信息进行归类,得到传染性疾病的传播特性;S2.2根据传染性疾病的传播特性选取需要监控的人群;S2.3将需要监控的人群中的人分为易感染者、感染者和治愈者三类;S2.4用不同形状的节点表征易感染者、感染者和治愈者,并用不同的边连接不同节点,连接出来的链路为传染性疾病传播链路;S2.5将检测出传染性疾病的物体和被感染者接触过的物品用不同于人的节点进行标记,并将其引入传染性疾病传播链路中,形成传染性疾病潜在传播路线。
进一步,在传染性疾病传播链路中,对每个易感染者建立一个状态转移图,并时刻对每个易感染者的感染机率进行计算,当其身边预设范围内增加一个感染者,则对应的感染机率增加设定值,当某一易感染者的感染机率大于阈值,则进行警报。
进一步,当易感染者身边出现感染者时,采取预防手段,当易感染者本人出现感染症状时,提醒该用户去医院检查;当感染者数量在1-100的范围内,采取组织防护手段;当感染者数量大于100时,由政府采取宏观措施。
进一步,步骤S4中传染性疾病指标包括:感染率、死亡率以及治愈率。
本发明还公开一种基于传染性疾病传播路径的控制系统,包括:特征提取模块,用于对收集到的传染性疾病信息进行特征提取;传播链路构建模块,用于根据特征提取模块中提取的特征,构建传染性疾病传播链路;阻断模块,用于针对传染性疾病传播链路中不同对象生成不同的传染性疾病阻断方法,并将阻断方法同时传送至对应用户及云平台;可视化模块,用于云平台通过传染性疾病传播链路和传染性疾病阻断方法生成表征传染性疾病严重程度的传染性疾病指标,生成各区域传染性疾病指标可视化图像,并根据传染性疾病指标可视化图像对传染性疾病阻断方法进行调整。
本发明由于采取以上技术方案,其具有以下优点:
本发明可以有效地帮助普通群众、医护人员以及政府部门等个人和组织了解新冠病毒传播路径和防范新冠病毒传染。对于普通群众来说,可以借助该方案了解新冠病毒的特点和传播特性,做到有针对性的个人防护。对于医护人员来说,可以及时地了解新冠病毒的传染源和易感人群,对可能存在感染风险的人群进行核算检测,对潜在污染物进行消毒和焚毁,消除潜在的传染风险和隐患。对于政府部门来说,可以更好地从宏观上把握新冠病毒的传播链路,得到不同风险地区预警,获知阻断新冠病毒的关键节点和有效的手段,与之对应地制订相应的政策和法规,掐灭新冠病毒可能传染的传播途径,从而对不同风险的社区采取层级化管理,做到精细化防控新冠病毒,节省人力和物力成本。
附图说明
图1是本发明一实施例中基于传染性疾病传播路径的控制方法的流程图;
图2是本发明一实施例中爬取传染性疾病传播信息方法的流程图;
图3是本发明一实施例中传染性疾病传播路径的示意图;
图4是本发明一实施例中传染性疾病调控网络的示意图;
图5是本发明一实施例中传染性疾病传播的总体趋势图。
具体实施方式
为了使本领域技术人员更好的理解本发明的技术方向,通过具体实施例对本发明进行详细的描绘。然而应当理解,具体实施方式的提供仅为了更好地理解本发明,它们不应该理解成对本发明的限制。在本发明的描述中,需要理解的是,所用到的术语仅仅是用于描述的目的,而不能理解为指示或暗示相对重要性。
本发明为了解决如何构建传染性疾病特别是传染性疾病的传播链路,并在传播链路的基础上构建阻断控制网络,以实现可视化分析,提供了一种基于传染性疾病传播路径的控制方法和系统。其首先通过多种不同的数据抽取方式,提取传染性疾病的特征信息,从而获得病毒本身的传播特性。随后在传播特性的基础上,构建传染性疾病传播链路。由于传染性疾病在人群中传播是具有区域性的,随着传染性疾病不断传播规模会越来越大,并且由于不同地区之间的差异也会导致传染性疾病的传播具有一定的不均匀的特征。因此构建传染性疾病阻断控制网络,在复杂的传染性疾病传播链路中找到关键节点。在有限资源的情况下,优先保护其中关键节点,从而形成全面有效的传染性疾病防控网络。最后,可视化传染性疾病阻断控制网络,给出传染性疾病数据指标,从而预防传染性疾病感染。下面结合附图,以新冠病毒为例,对本发明的方案进行详细说明。
实施例一
本实施例公开了一种基于传染性疾病传播路径的控制方法,如图1所示,包括以下步骤:
S1对收集到的传染性疾病信息进行特征提取。
为了构建新冠病毒传播路径,需要了解新冠病毒的特征,因此需要进行新冠病毒相关的数据和信息收集。根据数据类型的不同,传染性疾病信息包括结构化数据,半结构化数据和非结构化数据。从这些传染性疾病信息中抽取出新冠病毒的特征信息,并加以保存。
结构化数据,例如数据库、链接数据等,特征提取的方法为:构建传染性疾病关键词库;对结构化数据进行索引并进行关键词匹配;将得到的传染性疾病特征信息进行存储。
半结构化数据,例如表格、列表、XML等,特征提取的方法为:构建新冠病毒关键词库和模板;对半结构化数据进行关键词搜索和模板匹配;将搜索和匹配得到的传染性疾病特征信息进行存储。
如图2所示,非结构化数据,例如文本和网页等,特征提取的方法为:编写爬虫程序,缓存到本地文件中。对网页信息进行解析,提取出链接,用正则表达式提取所有链接之后加入到带爬取列表中;依次处理待爬取列表中的链接;过滤掉网页中的图片、链接信息,只保留文本;用正则表达式提取新闻文章标题中还有传染性疾病名称的文章,如含有“新冠病毒”的文章;用正则表达式匹配文章内容部分含有对应传染性疾病名称的文本,将传染性疾病信息进行存储,如保存到磁盘上,并存为TXT格式文件。对于文件格式,只要可以识别即可,并不限定于TXT格式文件。
通过以上步骤,完成所有传染性疾病相关数据的收集。
S2根据步骤S1中提取的特征,构建传染性疾病传播链路。
根据步骤S1中提取的传染性疾病特征信息,确定传染性疾病传播链路,传染性疾病传播链路图如图3所示。构建传染性疾病传播链路的方法为:
S2.1将得到的传染性疾病特征信息进行归类,得到传染性疾病具体的传播特性;
S2.2根据传染性疾病的传播特性选取需要监控的人群;
S2.3将需要监控的人群中的人分为易感染者、感染者和治愈者三类;
S2.4用不同形状的节点表征易感染者、感染者和治愈者,并用不同的边连接不同节点,连接出来的链路为传染性疾病传播链路。
其中,易感染者是指没有被感染但缺乏免疫能力并且容易被感染者传染的群体;感染者是指已经被感染并且能够将病毒传染给易感染者的群体;治愈者是指已经被治愈的群体。在新型冠状病毒的传播过程中,人们感染病毒的概率与其周围已经感染病毒的人数有递增关系,即如果某个健康的人周围感染传染性疾病的人数越多,其感染上该传染性疾病的概率就越大。病毒的感染概率从一个常数变为一个随个体周围感染个体密度变化的变量。与此同时,由于每个人身体条件、病毒防控意识等方面存在差异,每个个体感染病毒以及被病毒感染后的恢复情况等都各有不同。同时由于治疗和检测手段的限制,治愈者可能会复发阳性。在这种情况下顺着感染者出发,用不同形状节点和边标记连接感染者和易感人群以及治愈者,连接出来的链路即为传染性疾病传播链路。
如图3所示,本实施例中将易感染人群用正方形表示,感染者用菱形表示,治愈者用圆形表示,感染者接触过的物品用三角形表示,将上述四者的相互关系用连接其中二者的线段表示。
S2.5将检测出传染性疾病的物体和被感染者接触过的物品用不同于人的节点进行标记,并将其引入传染性疾病传播链路中,形成传染性疾病潜在传播路线。
除了人群以外,由于新冠病毒可以在不同的环境下存活和潜伏一段时间,因此需要把周围检测出新冠病毒的物体和被感染者接触过的物品放进链路中,并且用不同于人群的节点表示标记出来,形成新冠病毒潜在传播路径。
在新冠病毒传播链路中,按照传播对象的不同分为人和物品。同样的人群用一种形状来标记,用不同于人群的形状标记物品。把传播的过程用线段连接起来,呈现出传染性疾病传播路径。
S3针对传染性疾病传播链路中不同对象生成不同的传染性疾病阻断方法,并将阻断方法同时传送至对应用户及云平台。
如图4所示,个体感染病毒的概率会随着时间的推移而发生变化,故需要在传染性疾病传播链路中,对每个易感染者建立一个状态转移图,由于传染性疾病传播链路随时在发生变化,因此传染性疾病传播阻断控制网络必须要有自适应性和区域性,也就是要求能根据动态发展的传染性疾病传播过程随时调整,并且对其中呈现的区域性聚集爆发做到有效控制。故需要时刻对每个易感染者的感染机率进行计算,当其身边预设范围内增加一个感染者,则对应的感染机率增加设定值,在本实施例中每个易感染者身边预设范围内增加一个感染者,则对应的感染机率增加0.1。当某一易感染者的感染机率大于阈值,则进行警报。
传染性疾病防控阻断手段分为具体手段和宏观措施两类。
具体手段,根据对象的不同,可以分为个人防护手段和组织防护手段。在个人防护手段中,包括预防手段和自我救治手段。其中,预防手段包括戴口罩、勤洗手和避免与感染人员接触三种方法。对于易感人群的个体,当其感染概率变大时,需要采用预防手段。当易感人群出现发热、干咳、乏力等症状时,必须采用自我救治手段,及时去指定的新冠病毒医院,接受医院的治理。组织防护手段,主要包括消毒杀菌,生产防疫物资、治疗患者三种方法,不同的组织和企业可以采用不同的方法。
宏观措施,可以分为强制性政策、混合型政策以及自愿性政策。其中强制性政策为采取严格交通管制、应急处置、监测上报等命令。混合性政策为提供畅通群众反馈渠道、信息公开和咨询、搭建公共服务平台等服务。自愿性政策为发动社会监督与自律、志愿性组织参与防控等。针对不同的传播路径和感染风险政府需要采取不同的政策。
当易感染者身边出现感染者时,采取预防手段,当易感染者本人出现感染症状时,提醒该用户去医院检查;当感染者数量在1-100的范围内,采取组织防护手段;当感染者数量大于100时,由政府采取宏观措施,发布强制性政策、混合型政策以及自愿性政策。
S4云平台通过传染性疾病传播链路和传染性疾病阻断方法生成表征传染性疾病严重程度的传染性疾病指标,生成各区域传染性疾病指标可视化图像,并根据传染性疾病指标可视化图像对传染性疾病阻断方法进行调整。
如图5所示,度量指标可以更好地呈现新冠病毒的传播风险以及防控阻断的有效性,在对新冠疫情传播进行风险分析的时候,既要考虑新冠流行的自然规律,又要考虑人为施加的管控措施对新冠传播的影响,从而确定用户关注重点。在本实施例中传染性疾病指标包括:感染率、死亡率以及治愈率,单位是个/天,个是指人的个数。其中,感染率是单位时间内易感人群转为感染者的数量;死亡率是单位时间内死亡的病例数;治愈率是单位时间内由感染者转为治愈者的数量。将三种指标用Excel表格中折线图表示出来,得到传染性疾病传播的总体趋势图。
实施例二
基于相同的发明构思,本实施例公开一种基于传染性疾病传播路径的控制方法,包括:
特征提取模块,用于对收集到的传染性疾病信息进行特征提取;
传播链路构建模块,用于根据特征提取模块中提取的特征,构建传染性疾病传播链路;
阻断模块,用于针对传染性疾病传播链路中不同对象生成不同的传染性疾病阻断方法,并将阻断方法同时传送至对应用户及云平台;
可视化模块,用于云平台通过传染性疾病传播链路和传染性疾病阻断方法生成表征传染性疾病严重程度的传染性疾病指标,生成各区域传染性疾病指标可视化图像,并根据传染性疾病指标可视化图像对传染性疾病阻断方法进行调整。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。上述内容仅为本申请的具体实施方式,但本申请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申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围。
Claims (10)
1.一种基于传染性疾病传播路径的控制方法,其特征在于,包括以下步骤:
S1对收集到的传染性疾病信息进行特征提取;
S2根据步骤S1中提取的特征,构建传染性疾病传播链路;
S3针对所述传染性疾病传播链路中不同对象生成不同的传染性疾病阻断方法,并将阻断方法同时传送至对应用户及云平台;
S4云平台通过所述传染性疾病传播链路和传染性疾病阻断方法生成表征传染性疾病严重程度的传染性疾病指标,生成各区域传染性疾病指标可视化图像,并根据传染性疾病指标可视化图像对所述传染性疾病阻断方法进行调整。
2.如权利要求1所述的基于传染性疾病传播路径的控制方法,其特征在于,所述传染性疾病信息包括结构化数据,半结构化数据和非结构化数据。
3.如权利要求2所述的基于传染性疾病传播路径的控制方法,其特征在于,所述结构化数据特征提取的方法为:构建传染性疾病关键词库;对所述结构化数据进行索引并进行关键词匹配;将得到的传染性疾病特征信息进行存储。
4.如权利要求2所述的基于传染性疾病传播路径的控制方法,其特征在于,所述半结构化数据特征提取的方法为:构建传染性疾病关键词库和模板;对所述半结构化数据进行关键词搜索和模板匹配;将搜索和匹配得到的传染性疾病特征信息进行存储。
5.如权利要求2所述的基于传染性疾病传播路径的控制方法,其特征在于,所述非结构化数据特征提取的方法为:爬取所有含有对应传染性疾病标题的网页;过滤掉网页中的图片、链接信息,只保留文本;用正则表达式提取文本中的传染性疾病信息;将所述传染性疾病信息进行存储。
6.如权利要求1所述的基于传染性疾病传播路径的控制方法,其特征在于,所述构建传染性疾病传播链路的方法为:
S2.1将得到的传染性疾病特征信息进行归类,得到传染性疾病的传播特性;
S2.2根据传染性疾病的传播特性选取需要监控的人群;
S2.3将所述需要监控的人群中的人分为易感染者、感染者和治愈者三类;
S2.4用不同形状的节点表征易感染者、感染者和治愈者,并用不同的边连接不同节点,连接出来的链路为传染性疾病传播链路;
S2.5将检测出传染性疾病的物体和被感染者接触过的物品用不同于人的节点进行标记,并将其引入所述传染性疾病传播链路中,形成传染性疾病潜在传播路线。
7.如权利要求6所述的基于传染性疾病传播路径的控制方法,其特征在于,在所述传染性疾病传播链路中,对每个易感染者建立一个状态转移图,并时刻对每个易感染者的感染机率进行计算,当其身边预设范围内增加一个感染者,则对应的感染机率增加设定值,当某一易感染者的感染机率大于阈值,则进行警报。
8.如权利要求7所述的基于传染性疾病传播路径的控制方法,其特征在于,
当易感染者身边出现感染者时,采取预防手段,当易感染者本人出现感染症状时,提醒该用户去医院检查;
当感染者数量在1-100的范围内,采取组织防护手段;
当感染者数量大于100时,由政府采取宏观措施。
9.如权利要求1-8任一项所述的基于传染性疾病传播路径的控制方法,其特征在于,所述步骤S4中传染性疾病指标包括:感染率、死亡率以及治愈率。
10.一种基于传染性疾病传播路径的控制系统,其特征在于,包括:
特征提取模块,用于对收集到的传染性疾病信息进行特征提取;
传播链路构建模块,用于根据特征提取模块中提取的特征,构建传染性疾病传播链路;
阻断模块,用于针对所述传染性疾病传播链路中不同对象生成不同的传染性疾病阻断方法,并将阻断方法同时传送至对应用户及云平台;
可视化模块,用于云平台通过所述传染性疾病传播链路和传染性疾病阻断方法生成表征传染性疾病严重程度的传染性疾病指标,生成各区域传染性疾病指标可视化图像,并根据传染性疾病指标可视化图像对所述传染性疾病阻断方法进行调整。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110555720.4A CN113205890A (zh) | 2021-05-21 | 2021-05-21 | 一种基于传染性疾病传播路径的控制方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110555720.4A CN113205890A (zh) | 2021-05-21 | 2021-05-21 | 一种基于传染性疾病传播路径的控制方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113205890A true CN113205890A (zh) | 2021-08-03 |
Family
ID=77030333
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110555720.4A Pending CN113205890A (zh) | 2021-05-21 | 2021-05-21 | 一种基于传染性疾病传播路径的控制方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113205890A (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103093049A (zh) * | 2013-01-11 | 2013-05-08 | 中国科学院信息工程研究所 | 一种面向社交网络的恶意代码传播预测方法及系统 |
CN108052800A (zh) * | 2017-12-19 | 2018-05-18 | 石家庄铁道大学 | 一种传染性病毒传播过程的可视化重建方法及终端 |
CN108766584A (zh) * | 2018-05-25 | 2018-11-06 | 重庆电子工程职业学院 | 疾病预警方法及系统 |
CN110704631A (zh) * | 2019-08-16 | 2020-01-17 | 北京紫冬认知科技有限公司 | 医疗知识图谱的构建方法及装置 |
US10664570B1 (en) * | 2015-10-27 | 2020-05-26 | Blue Cross Blue Shield Institute, Inc. | Geographic population health information system |
US20200176125A1 (en) * | 2017-08-21 | 2020-06-04 | Koninklijke Philips N.V. | Predicting, preventing, and controlling infection transmission within a healthcare facility using a real-time locating system and next generation sequencing |
CN111383771A (zh) * | 2020-02-26 | 2020-07-07 | 汤一平 | 基于流行传染病病毒场的防控系统 |
CN111554404A (zh) * | 2020-04-13 | 2020-08-18 | 吾征智能技术(北京)有限公司 | 一种基于室内环境的疾病预测系统及其预测方法 |
CN111711925A (zh) * | 2020-06-04 | 2020-09-25 | 中国联合网络通信集团有限公司 | 一种密切接触者判断方法及装置 |
CN111724906A (zh) * | 2020-03-03 | 2020-09-29 | 孙志鹏 | 一种疫情防御大数据平台 |
CN111863271A (zh) * | 2020-06-08 | 2020-10-30 | 浙江大学 | 一种新冠肺炎的重大传染病传播风险预警及防控分析系统 |
CN111933299A (zh) * | 2020-08-14 | 2020-11-13 | 工银科技有限公司 | 传染病感染风险评估方法和装置、电子设备以及存储介质 |
CN112164470A (zh) * | 2020-08-28 | 2021-01-01 | 南京星耀智能科技有限公司 | 一种基于事件驱动的传染病预测方法 |
AU2020103841A4 (en) * | 2020-12-02 | 2021-02-11 | Ajit Kumar Keshri | A system and a method for quarantine epidemic models |
CN112669967A (zh) * | 2020-12-24 | 2021-04-16 | 福建福寿康宁科技有限公司 | 一种主动式健康医疗决策辅助方法及设备 |
-
2021
- 2021-05-21 CN CN202110555720.4A patent/CN113205890A/zh active Pending
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103093049A (zh) * | 2013-01-11 | 2013-05-08 | 中国科学院信息工程研究所 | 一种面向社交网络的恶意代码传播预测方法及系统 |
US10664570B1 (en) * | 2015-10-27 | 2020-05-26 | Blue Cross Blue Shield Institute, Inc. | Geographic population health information system |
US20200176125A1 (en) * | 2017-08-21 | 2020-06-04 | Koninklijke Philips N.V. | Predicting, preventing, and controlling infection transmission within a healthcare facility using a real-time locating system and next generation sequencing |
CN108052800A (zh) * | 2017-12-19 | 2018-05-18 | 石家庄铁道大学 | 一种传染性病毒传播过程的可视化重建方法及终端 |
CN108766584A (zh) * | 2018-05-25 | 2018-11-06 | 重庆电子工程职业学院 | 疾病预警方法及系统 |
CN110704631A (zh) * | 2019-08-16 | 2020-01-17 | 北京紫冬认知科技有限公司 | 医疗知识图谱的构建方法及装置 |
CN111383771A (zh) * | 2020-02-26 | 2020-07-07 | 汤一平 | 基于流行传染病病毒场的防控系统 |
CN111724906A (zh) * | 2020-03-03 | 2020-09-29 | 孙志鹏 | 一种疫情防御大数据平台 |
CN111554404A (zh) * | 2020-04-13 | 2020-08-18 | 吾征智能技术(北京)有限公司 | 一种基于室内环境的疾病预测系统及其预测方法 |
CN111711925A (zh) * | 2020-06-04 | 2020-09-25 | 中国联合网络通信集团有限公司 | 一种密切接触者判断方法及装置 |
CN111863271A (zh) * | 2020-06-08 | 2020-10-30 | 浙江大学 | 一种新冠肺炎的重大传染病传播风险预警及防控分析系统 |
CN111933299A (zh) * | 2020-08-14 | 2020-11-13 | 工银科技有限公司 | 传染病感染风险评估方法和装置、电子设备以及存储介质 |
CN112164470A (zh) * | 2020-08-28 | 2021-01-01 | 南京星耀智能科技有限公司 | 一种基于事件驱动的传染病预测方法 |
AU2020103841A4 (en) * | 2020-12-02 | 2021-02-11 | Ajit Kumar Keshri | A system and a method for quarantine epidemic models |
CN112669967A (zh) * | 2020-12-24 | 2021-04-16 | 福建福寿康宁科技有限公司 | 一种主动式健康医疗决策辅助方法及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Vallejo Jr et al. | Policy responses and government science advice for the COVID 19 pandemic in the Philippines: January to April 2020 | |
Rabajante | Insights from early mathematical models of 2019-nCoV acute respiratory disease (COVID-19) dynamics | |
Greenhalgh et al. | How COVID-19 spreads: narratives, counter narratives, and social dramas | |
Sun et al. | Effectiveness of different types and levels of social distancing measures: a scoping review of global evidence from earlier stage of COVID-19 pandemic | |
Meraj et al. | An investigation on infectious disease patterns using Internet of Things (IoT) | |
Burger et al. | COVID-19 risk perception, knowledge and behaviour | |
Dol et al. | Health system impacts of SARS-CoV− 2 variants of concern: a rapid review | |
Svetina et al. | A case study of complex disasters within the resilience framework in Zagreb, Croatia: Two earthquakes in one pandemic | |
Wu et al. | Global experiences of community responses to COVID-19: a systematic literature review | |
Xu et al. | Basic reproduction number of the 2019 novel coronavirus disease in the major endemic areas of China: a latent profile analysis | |
Gromek | Epidemic Risk Reduction: A Civil Protection Approach | |
Meraj et al. | An Analysis of Malaria Prediction through ML-Algorithms in Python and IoT Adoptability | |
Awotunde et al. | Visual exploratory data analysis technique for epidemiological outbreak of COVID-19 pandemic | |
Duan et al. | How is the risk of major sudden infectious epidemic transmitted? A grounded theory analysis based on COVID-19 in China | |
CN113205890A (zh) | 一种基于传染性疾病传播路径的控制方法和系统 | |
Parker et al. | Paediatric emergency department staff perceptions of infection control measures against severe acute respiratory syndrome | |
Cai et al. | How fast and how well the Omicron epidemic was curtailed. A Guangzhou experience to share | |
Suleiman et al. | Assessment of the impact of coronavirus (COVID-19) pandemic on educational system in Nigeria: implication for stakeholders | |
Udanor et al. | An evaluation of the frameworks for predicting of Covid-19 in Nigeria using data analytics | |
Victoria et al. | Legal Protection For Doctor And Medical Staff In The Pandemic Period Of COVID-19 (An Overview of Indonesia from International Perspective) | |
Bleier et al. | AHNS endocrine surgery section consensus statement on nasopharyngolaryngoscopy and clinic reopening during COVID‐19: How to get back to optimal safe care | |
Freitag et al. | Critical Mobility, a practical criterion and early indicator for regional COVID-19 resurgence | |
Dalip et al. | AI-enabled framework to prevent COVID-19 from further spreading | |
Isch et al. | What predicts attitudes about mask wearing? | |
Grover et al. | Estimation of quality adjusted life year (QALY) for different states of india during COVID-19 |
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 |