CN113345598B - 基于数据分析的区域疫情监测预警系统 - Google Patents
基于数据分析的区域疫情监测预警系统 Download PDFInfo
- Publication number
- CN113345598B CN113345598B CN202110823086.8A CN202110823086A CN113345598B CN 113345598 B CN113345598 B CN 113345598B CN 202110823086 A CN202110823086 A CN 202110823086A CN 113345598 B CN113345598 B CN 113345598B
- Authority
- CN
- China
- Prior art keywords
- epidemic situation
- early warning
- area
- sub
- epidemic
- 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.)
- Active
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
- 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
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了基于数据分析的区域疫情监测预警系统,涉及区域疫情监测预警技术领域,解决了现有技术中在疫情发生时,难以迅速采集到疫情影响数据的技术问题,通过区域分析单元对子区域进行区域分析,判定各个子区域的疫情风险;根据合格疫情风险对应子区域的特征参数,控制不合格疫情风险的特征参数,最大程度的控制疫情的同时最大限度的减少疫情对区域经济的影响;疫情分析单元根据子区域内医院病历进行分析,判定是否存在疫情;提高疫情查询的准确性,同时各区域间均进行实时病历监测,防止区域之间缺少联系,造成少数疫情症状被忽视导致疫情的进一步扩大。
Description
技术领域
本发明涉及区域疫情监测预警技术领域,具体为基于数据分析的区域疫情监测预警系统。
背景技术
疫情监测是指在传染病发生时,在人、动物或植物中进行的传染病疫情的监测操作,疫情监测是通过及时发现、分析、报告、公布疫情有关信息,使有关人员能尽快了解情况,尽早制定主动监测方案,采取防范措施并对疫情做出迅速反应,也有利于科研人员明确工作重点和研究方向,疫情监测的根本目的是预防和控制疾病的流行,同时对防范生物恐怖袭击也具有重要意义;
现有的申请号为CN2020101513664的专利公开了一种基于区块链的疫情监测预警方法及系统,医院信息管理系统和传染病网络直报系统作为节点接入区块链网络,将病例信息发布于区块链网络,防止了病例信息在网络上被篡改,并且病例信息可追溯,使得信息更加公开透明,减少了人为干预也节省了人力成本,一旦发生疫情,区块链网络上的节点可以第一时间得到通知,采取相应的措施,可以及时发现传染病的爆发和流行,有效防止传染病的传播与蔓延;
而该专利中通过信息公开等过程,来及时发现传染病的爆发和流行,同时防止病历信息在网络上被篡改;但在疫情发生时,还存在难以迅速了解疫情对应的疾病,也不能通过区域的参数分析采集到疫情的影响数据,从根本进行疫情防控成为奢望;此外,还由于各区域疫情情况不同,无法将各区域进行准确划分,去从根本上控制疫情的传播,同时对各区域进行相同防控,虽然能够对疫情进行防控,但防控程度的差异阻碍了经济的发展;
针对上述的技术缺陷,现提出一种解决方案。
发明内容
本发明的目的就在于提出基于数据分析的区域疫情监测预警系统,是通过医疗数据库比对,来精准判定疫情对应的疾病,还通过各区域的特征参数分析,能够精确筛选出疫情影响数据,减少影响数据筛选的工作时长,提高了疫情防控的工作效率;子区域均能够通过预警系数了解其他区域的疫情情况,信息有效公开透明,提高了疫情的防控,同时,根据各区域疫情情况不同,实施不同的控制手段,最大程度的控制疫情的同时最大限度的减少疫情对区域经济的影响。
本发明的目的可以通过以下技术方案实现:
基于数据分析的区域疫情监测预警系统,包括区域监测平台、预警平台、信息记录终端以及医疗数据库;
医疗数据库用于储存历史发生的传染疾病名称和对应症状;
区域监测平台用于采集监测区域,将监测区域划分若干个子区域后进行分析,判定各个子区域的疫情风险,并对各个子区域进行医院病历实时监测,根据子区域内医院病历进行分析,判定是否存在疫情;对疫情分析进行记录,区分疫情影响数据和疫情无影响数据;
预警平台用于对各个子区域进行预警设置,采集数据并通过分析获取到各个子区域的疫情风险系数,根据疫情风险系数生成不同预警信号,并对各个子区域进行划分,对不同子区域实施不同预警,并进行不同的控制;
信息记录终端用于将实时疫情对应的记录数据发送至医疗数据库。
进一步的,区域监测平台包括:
数据采集终端用于对监测区域进行子区域划分;
区域分析单元用于对子区域进行区域分析,判定各个子区域的疫情风险,根据各个子区域的特征参数进行比较;将子区域标记为i,i为大于1的自然数,采集到子区域内温度最大变化差值、子区域内全天消毒间隔时长以及子区域内全体新增的入境人口总数,并将子区域内温度最大变化差值、子区域内全天消毒间隔时长以及子区域内全体新增的入境人口总数分别标记为WCi、JGi以及RKi;通过分析获取到各个子区域的疫情风险系数Xi,将各个子区域的疫情风险系数Xi与疫情风险系数阈值进行比较:
若子区域的疫情风险系数Xi≥疫情风险系数阈值,则判定对应子区域的疫情风险大,将对应子区域标记为高风险区域;若子区域的疫情风险系数Xi<疫情风险系数阈值,则判定对应子区域的疫情风险小,将对应子区域标记为低风险区域。
进一步的,区域监测平台包括:
疫情分析单元用于对各区域进行医院病历实时监测,根据子区域内医院病历进行分析,判定是否存在疫情;
根据系统当前时间,实时采集医疗数据库中系统当前时间历史出现过的传染疾病名称和对应症状,系统当前时间表示为实时监测的日期所属月份,将采集的传染疾病名称和对应症状一一对应,并将传染疾病名称的症状转化为文本信息,将对应文本标记为传染疾病标准文本;采集各个子区域内医院实时接收就诊人员的病历,并根据病人的病历采集就诊人员的症状文本,并将就诊人员的实时症状文本与传染疾病标准文本进行比较,
若实时症状文本与传染疾病标准文本一致,则判定传染疾病标准文本对应的传染疾病名称为对应就诊人员所患疾病,生成一级疫情信号并将一级疫情信号发送至预警平台;
若实时症状文本与传染疾病标准文本不一致,则分析实时症状对应就诊人员数量,若就诊人员数量大于2且人数在实时增长,则生成二级疫情信号并将二级疫情信号发送至预警平台;若就诊人员数量≤2且人数未实时增长,则将对应就诊人员进行隔离治疗。
进一步的,区域监测平台包括:
数据记录单元用于根据疫情分析单元分析结果进行记录:
若无一级疫情信号或者二级疫情信号,则不进行数据记录;若存在一级疫情信号或者二级疫情信号,则采集一级疫情信号或者二级疫情信号对应的子区域,并将其标记为疫情子区域;若疫情子区域为低风险子区域且非疫情子区域为高风险子区域,则将对疫情子区域与非疫情子区域的特征参数进行一一比对,采集疫情子区域不同于非疫情子区域的特征参数对应数据,则将对应数据标记为疫情影响数据,将疫情影响数据进行记录;
若疫情子区域均为低风险子区域,则判定子区域的特征参数均为疫情无影响数据,并将疫情无影响数据进行记录,在疫情影响数据未知时,能够通过数据排除,减少疫情影响数据的采集时间,降低医务人员的工作强度;若疫情子区域均为高风险子区域或者疫情子区域为高风险子区域且非疫情子区域为低风险子区域,则判定子区域的特征参数均为疫情影响数据,并将疫情影响数据进行记录,通过区域比较采集疫情的影响数据,能够从环境端进行疫情控制,减少疫情扩散的风险。
进一步的,预警平台包括:
收集单元用于对疫情区域进行采集,采集疫情区域内实时患病人数,并将其标记为W,获取到实时患病人数中实时新增人数和治疗人数,并将其分别标记为Z和L,且W=Z+L,采集到疫情区域内实时患病人数的增长速度,并将其标记为V;
采集到疫情区域的特征参数对应数据进行调整控制间隔时长与调整控制进行时长,并将进行调整控制间隔时长与调整控制进行时长分别标记为T和K,将采集到的实时患病人、实时新增人数、治疗人数、增长速度、间隔时长以及进行时长标记为采集数据,并将采集数据发送至模型分析单元。
进一步的,预警平台包括:
模型分析单元通过收集单元发送的采集数据,对各个子区域进行模型分析,采集各个子区域的疫情风险系数Xi,通过分析获取到各个子区域的预警系数Qi,将各个子区域的预警系数Qi与预警系数阈值进行比较:若子区域的预警系数>预警系数阈值,生成橙色预警信号并对应子区域标记为橙色预警区域;若子区域的预警系数≤预警系数阈值,生成黄色预警信号并对应子区域标记为黄色预警区域;将橙色预警信号和橙色预警区域或者黄色预警信号和黄色预警区域发送至信息发布单元。
进一步的,预警平台包括:
信息发布单元接收到橙色预警信号和橙色预警区域或者黄色预警信号和黄色预警区域,并将其标记为预警信号,同时将预警信号发送至对应子区域疾控中心;对应子区域接收到预警信号后进行审核,若审核正常,则生成分类预警指令并将分类预警指令发送至预警单元;若审核异常,则将预警信号和对应子区域发送至收集单元。
进一步的,预警平台包括:
预警单元用于分类预警指令,并将各个子区域划分为无疫情区域、疫情区域以及过疫情区域,并将无疫情区域、疫情区域以及过疫情区域对应发送至发生前预警单元、发生中预警单元以及发生后预警单元。
与现有技术相比,本发明的有益效果是:
1、本发明中,通过区域分析单元对子区域进行区域分析,判定各个子区域的疫情风险;根据合格疫情风险对应子区域的特征参数,控制不合格疫情风险的特征参数,最大程度的控制疫情的同时最大限度的减少疫情对区域经济的影响;
2、本发明中,疫情分析单元根据子区域内医院病历进行分析,判定是否存在疫情;提高疫情查询的准确性,同时各区域间均进行实时病历监测,防止区域之间缺少联系,造成少数疫情症状被忽视导致疫情的进一步扩大;在疫情影响数据未知时,能够通过数据排除,减少疫情影响数据的采集时间,降低医务人员的工作强度;
3、本发明中,通过预警单元进行对不同区域进行不同预警;针对不同区域进行不同预警,提高了预警的多样性,同时在疫情稳定的前提下,促进区域间的交流,间接减缓疫情对经济的影响。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的整体原理框图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
如图1所示,基于数据分析的区域疫情监测预警系统,包括区域监测平台、预警平台、信息记录终端以及医疗数据库,其中,区域监测平台、预警平台、信息记录终端以及医疗数据库的相邻联系方式均为双向通讯连接;
医疗数据库用于储存历史发生的传染疾病名称和对应症状;
区域监测平台包括数据采集终端、区域分析单元、数据记录单元以及疫情分析单元;
数据采集终端用于采集区域周界,并根据区域周界采集到监测区域,将监测区域根据地理位置划分为若干个子区域,将若干个子区域发送至区域分析单元;
区域分析单元接收到若干个子区域后,对子区域进行区域分析,判定各个子区域的疫情风险,根据各个子区域的特征参数进行比较,根据合格疫情风险对应子区域的特征参数,控制不合格疫情风险的特征参数,最大程度的控制疫情的同时最大限度的减少疫情对区域经济的影响,特征参数包括环境数据、消毒数据以及人流数据,环境数据表示为子区域内温度最大变化差值,消毒数据为子区域内全天消毒间隔时长,人流数据为子区域内全体新增的入境人口总数,具体分析过程如下:
步骤S1:将子区域标记为i,i为大于1的自然数,采集到子区域内温度最大变化差值、子区域内全天消毒间隔时长以及子区域内全体新增的入境人口总数,并将子区域内温度最大变化差值、子区域内全天消毒间隔时长以及子区域内全体新增的入境人口总数分别标记为WCi、JGi以及RKi;
步骤S2:通过公式:
获取到各个子区域的疫情风险系数Xi,其中,a1、a2以及a3均为比例系数,且a1>a2>a3>0,β为修正因子,取值为0.86,疫情风险系数是将子区域的特征参数进行归一化处理得到一个用于评定子区域发生疫情几率的数值;通过公式可得温度差值越小,间隔时长和入境人数越大,疫情风险系数越大,表示子区域发生疫情几率的几率越大;
步骤S3:将各个子区域的疫情风险系数Xi与疫情风险系数阈值进行比较:若子区域的疫情风险系数Xi≥疫情风险系数阈值,则判定对应子区域的疫情风险大,将对应子区域标记为高风险区域;若子区域的疫情风险系数Xi<疫情风险系数阈值,则判定对应子区域的疫情风险小,将对应子区域标记为低风险区域;
步骤S4:将高风险区域和低风险区域发送至疫情分析单元和数据记录单元;
疫情分析单元接收到高风险区域和低风险区域后,对高风险区域和低风险区域均进行医院病历实时监测,根据子区域内医院病历进行分析,判定是否存在疫情,提高疫情查询的准确性,同时各区域间均进行实时病历监测,防止区域之间缺少联系,造成少数疫情症状被忽视导致疫情的进一步扩大,具体分析过程如下:
步骤SS1:根据系统当前时间,实时采集医疗数据库中系统当前时间历史出现过的传染疾病名称和对应症状,系统当前时间表示为实时监测的日期所属月份,将采集的传染疾病名称和对应症状一一对应,并将传染疾病名称的症状转化为文本信息,将对应文本标记为传染疾病标准文本,如:传染疾病症状为体温持续升高和腹泻,则传染疾病标准文本为体温升高和腹泻;
步骤SS2:采集各个子区域内医院实时接收就诊人员的病历,并根据病人的病历采集就诊人员的症状文本,并将就诊人员的实时症状文本与传染疾病标准文本进行比较,若实时症状文本与传染疾病标准文本一致,则判定传染疾病标准文本对应的传染疾病名称为对应就诊人员所患疾病,生成一级疫情信号并将一级疫情信号发送至预警平台;若实时症状文本与传染疾病标准文本不一致,则分析实时症状对应就诊人员数量,若就诊人员数量大于2且人数在实时增长,则生成二级疫情信号并将二级疫情信号发送至预警平台;若就诊人员数量≤2且人数未实时增长,则将对应就诊人员进行隔离治疗;
数据记录单元接收高风险区域和低风险区域后,根据疫情分析单元分析结果进行记录,若无一级疫情信号或者二级疫情信号,则不进行数据记录;若存在一级疫情信号或者二级疫情信号,则采集一级疫情信号或者二级疫情信号对应的子区域,并将其标记为疫情子区域;
若疫情子区域为低风险子区域且非疫情子区域为高风险子区域,则将对疫情子区域与非疫情子区域的特征参数进行一一比对,采集疫情子区域不同于非疫情子区域的特征参数对应数据,则将对应数据标记为疫情影响数据,将疫情影响数据进行记录;
若疫情子区域均为低风险子区域,则判定子区域的特征参数均为疫情无影响数据,并将疫情无影响数据进行记录,在疫情影响数据未知时,能够通过数据排除,减少疫情影响数据的采集时间,降低医务人员的工作强度;
若疫情子区域均为高风险子区域或者疫情子区域为高风险子区域且非疫情子区域为低风险子区域,则判定子区域的特征参数均为疫情影响数据,并将疫情影响数据进行记录,通过区域比较采集疫情的影响数据,能够从环境端进行疫情控制,减少疫情扩散的风险;
并将疫情影响数据与疫情无影响数据发送至预警平台;
预警平台接收一级疫情信号或者二级疫情信号以及疫情无影响数据和疫情影响数据后,对疫情预警进行设置;
预警平台包括收集单元、模型分析单元、信息发布单元、预警单元、发生前预警单元、发生中预警单元以及发生后预警单元;其中,收集单元、模型分析单元、信息发布单元以及预警单元相邻单元之间均为双向通讯连接,预警单元与发生前预警单元、发生中预警单元以及发生后预警单元均为双向通讯连接;
收集单元采集到一级疫情信号或者二级疫情信号对应子区域,并将其标记为疫情区域,采集到疫情区域内实时患病人数,并将其标记为W,获取到实时患病人数中实时新增人数和治疗人数,并将其分别标记为Z和L,且W=Z+L,采集到疫情区域内实时患病人数的增长速度,并将其标记为V;
采集到疫情区域的特征参数对应数据进行调整控制间隔时长与调整控制进行时长,并将进行调整控制间隔时长与调整控制进行时长分别标记为T和K,调整控制间隔时长表示为疫情信号生成后距离疫情区域特征参数调整控制间隔时长,调整控制进行时长表示为疫情区域特征参数调整控制完成时间距当前系统时间的差值;
将采集到的实时患病人、实时新增人数、治疗人数、增长速度、间隔时长以及进行时长标记为采集数据,并将采集数据发送至模型分析单元,实时采集疫情子区域的数据,提高疫情子区域进行预警分析的准确性;
模型分析单元根据收集单元发送的采集数据,对各个子区域进行模型分析,采集各个子区域的疫情风险系数Xi,通过公式获取到各个子区域的预警系数Qi,其中,e为自然实数,α为误差修正因子,当疫情人数持续增长时,α取值为1.2,当疫情人数间隔增长时,α取值为0.9;持续增长表示疫情人数每天都在增长,间隔增长表示为疫情人数间隔增长,中间间隔时间疫情人数持平,无疫情的子区域预警系数为零;
将各个子区域的预警系数Qi与预警系数阈值进行比较:若子区域的预警系数>预警系数阈值,生成橙色预警信号并对应子区域标记为橙色预警区域;若子区域的预警系数≤预警系数阈值,生成黄色预警信号并对应子区域标记为黄色预警区域;
将橙色预警信号和橙色预警区域或者黄色预警信号和黄色预警区域发送至信息发布单元;
信息发布单元接收到橙色预警信号和橙色预警区域或者黄色预警信号和黄色预警区域,并将其标记为预警信号,同时将预警信号发送至对应子区域疾控中心;对应子区域接收到预警信号后进行审核,若审核正常,则生成分类预警指令并将分类预警指令发送至预警单元;若审核异常,则将预警信号和对应子区域发送至收集单元;防止预警系统故障,导致预警准确性降低,从而造成疫情的传播,提高了预警的工作效率;
预警单元接收到分类预警指令后,将各个子区域划分为无疫情区域、疫情区域以及过疫情区域,并将无疫情区域、疫情区域以及过疫情区域对应发送至发生前预警单元、发生中预警单元以及发生后预警单元;
发生前预警单元接收到无疫情区域后,控制无疫情区域与疫情区域之间的人员流动,将疫情影响数据进行严格把控,预放疫情的发生;
发生中预警单元接收到疫情区域后,控制疫情区域的无患病者与无疫情区域或者疫情后区域之间的人员流动;对疫情影响数据进行严格把控,同时控制患病人员的流动并提高患病人员的治疗效率;
发生后预警单元接收到过疫情区域后,控制疫情后区域与无疫情区域之间的人员流动,对疫情影响数据进行严格把控,对痊愈后的病人进行监控,防止再次感染导致疫情再次蔓延;
信息记录终端将实时疫情的疾病名称、对应症状、疫情影响数据以及各个子区域的预警指令进行记录,同时记录疫情开始时间和结束时间,并将其标记为记录数据,且记录数据与疾病名称相对应,若疫情疾病为非医疗数据库内疾病,则将对应疫情疾病进行命名,同时进行危险标注;实时更新医疗数据库,降低了疫情的突然性,以历史的成功预防为今后的疫情预警打下基础,降低突然疫情带来的影响;
将记录数据和疾病名称一同发送至医疗数据库进行储存。
基于数据分析的区域疫情监测预警系统,在工作时,医疗数据库通过储存历史发生的传染疾病名称和对应症状;通过区域监测平台采集监测区域,将监测区域划分若干个子区域后进行分析,判定各个子区域的疫情风险,并对各个子区域进行医院病历实时监测,根据子区域内医院病历进行分析,判定是否存在疫情;对疫情分析进行记录,区分疫情影响数据和疫情无影响数据;通过预警平台对各个子区域进行预警设置,采集数据并通过分析获取到各个子区域的疫情风险系数,根据疫情风险系数生成不同预警信号,并对各个子区域进行划分,对不同子区域实施不同预警,并进行不同的控制;通过信息记录终端将实时疫情对应的记录数据发送至医疗数据库。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况进行设置。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (1)
1.基于数据分析的区域疫情监测预警系统,其特征在于,包括区域监测平台、预警平台、信息记录终端以及医疗数据库;
医疗数据库用于储存历史发生的传染疾病名称和对应症状;
区域监测平台用于采集监测区域,将监测区域划分若干个子区域后进行分析,判定各个子区域的疫情风险,并对各个子区域进行医院病历实时监测,根据子区域内医院病历进行分析,判定是否存在疫情;对疫情分析进行记录,区分疫情影响数据和疫情无影响数据;
预警平台用于对各个子区域进行预警设置,采集数据并通过分析获取到各个子区域的疫情风险系数,根据疫情风险系数生成对应的预警信号,并对各个子区域进行划分,对各个子区域实施对应预警;
信息记录终端用于将实时疫情对应的记录数据发送至医疗数据库;
区域监测平台包括:
数据采集终端用于对监测区域进行子区域划分;
区域分析单元用于对子区域进行区域分析,判定各个子区域的疫情风险,根据各个子区域的特征参数进行比较;将子区域标记为i,i为大于1的自然数,采集到子区域内温度最大变化差值、子区域内全天消毒间隔时长以及子区域内全体新增的入境人口总数,并将子区域内温度最大变化差值、子区域内全天消毒间隔时长以及子区域内全体新增的入境人口总数分别标记为WCi、JGi以及RKi;通过分析获取到各个子区域的疫情风险系数Xi,将各个子区域的疫情风险系数Xi与疫情风险系数阈值进行比较:
若子区域的疫情风险系数Xi≥疫情风险系数阈值,则判定对应子区域的疫情风险大,将对应子区域标记为高风险区域;若子区域的疫情风险系数Xi<疫情风险系数阈值,则判定对应子区域的疫情风险小,将对应子区域标记为低风险区域;
区域监测平台包括:
疫情分析单元用于对各区域进行医院病历实时监测,根据子区域内医院病历进行分析,判定是否存在疫情;
根据系统当前时间,实时采集医疗数据库中系统当前时间历史出现过的传染疾病名称和对应症状,系统当前时间表示为实时监测的日期所属月份,将采集的传染疾病名称和对应症状一一对应,并将传染疾病名称的症状转化为文本信息,将对应文本标记为传染疾病标准文本;采集各个子区域内医院实时接收就诊人员的病历,并根据病人的病历采集就诊人员的症状文本,并将就诊人员的实时症状文本与传染疾病标准文本进行比较,
若实时症状文本与传染疾病标准文本一致,则判定传染疾病标准文本对应的传染疾病名称为对应就诊人员所患疾病,生成一级疫情信号并将一级疫情信号发送至预警平台;
若实时症状文本与传染疾病标准文本不一致,则分析实时症状对应就诊人员数量,若就诊人员数量大于2且人数在实时增长,则生成二级疫情信号并将二级疫情信号发送至预警平台;若就诊人员数量≤2且人数未实时增长,则将对应就诊人员进行隔离治疗;
区域监测平台包括:
数据记录单元用于根据疫情分析单元分析结果进行记录:
若无一级疫情信号或者二级疫情信号,则不进行数据记录;若存在一级疫情信号或者二级疫情信号,则采集一级疫情信号或者二级疫情信号对应的子区域,并将其标记为疫情子区域;若疫情子区域为低风险子区域且非疫情子区域为高风险子区域,则将对疫情子区域与非疫情子区域的特征参数进行一一比对,采集疫情子区域不同于非疫情子区域的特征参数对应数据,则将对应数据标记为疫情影响数据,将疫情影响数据进行记录;
若疫情子区域均为低风险子区域,则判定子区域的特征参数均为疫情无影响数据,并将疫情无影响数据进行记录,在疫情影响数据未知时,能够通过数据排除,减少疫情影响数据的采集时间,降低医务人员的工作强度;若疫情子区域均为高风险子区域或者疫情子区域为高风险子区域且非疫情子区域为低风险子区域,则判定子区域的特征参数均为疫情影响数据,并将疫情影响数据进行记录,通过区域比较采集疫情的影响数据,能够从环境端进行疫情控制,减少疫情扩散的风险;
预警平台包括:
收集单元用于对疫情区域进行采集,采集疫情区域内实时患病人数,并将其标记为W,获取到实时患病人数中实时新增人数和治疗人数,并将其分别标记为Z和L,且W=Z+L,采集到疫情区域内实时患病人数的增长速度,并将其标记为V;
采集到疫情区域的特征参数对应数据进行调整控制间隔时长与调整控制进行时长,并将进行调整控制间隔时长与调整控制进行时长分别标记为T和K,将采集到的实时患病人、实时新增人数、治疗人数、增长速度、间隔时长以及进行时长标记为采集数据,并将采集数据发送至模型分析单元;
预警平台包括:
模型分析单元通过收集单元发送的采集数据,对各个子区域进行模型分析,采集各个子区域的疫情风险系数Xi,通过分析获取到各个子区域的预警系数Qi,将各个子区域的预警系数Qi与预警系数阈值进行比较:若子区域的预警系数>预警系数阈值,生成橙色预警信号并对应子区域标记为橙色预警区域;若子区域的预警系数≤预警系数阈值,生成黄色预警信号并对应子区域标记为黄色预警区域;将橙色预警信号和橙色预警区域或者黄色预警信号和黄色预警区域发送至信息发布单元;
预警平台包括:
信息发布单元接收到橙色预警信号和橙色预警区域或者黄色预警信号和黄色预警区域,并将其标记为预警信号,同时将预警信号发送至对应子区域疾控中心;对应子区域接收到预警信号后进行审核,若审核正常,则生成分类预警指令并将分类预警指令发送至预警单元;若审核异常,则将预警信号和对应子区域发送至收集单元;
预警平台包括:
预警单元用于分类预警指令,并将各个子区域划分为无疫情区域、疫情区域以及过疫情区域,并将无疫情区域、疫情区域以及过疫情区域对应发送至发生前预警单元、发生中预警单元以及发生后预警单元。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110823086.8A CN113345598B (zh) | 2021-07-21 | 2021-07-21 | 基于数据分析的区域疫情监测预警系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110823086.8A CN113345598B (zh) | 2021-07-21 | 2021-07-21 | 基于数据分析的区域疫情监测预警系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113345598A CN113345598A (zh) | 2021-09-03 |
CN113345598B true CN113345598B (zh) | 2021-11-26 |
Family
ID=77480248
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110823086.8A Active CN113345598B (zh) | 2021-07-21 | 2021-07-21 | 基于数据分析的区域疫情监测预警系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113345598B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113837604A (zh) * | 2021-09-23 | 2021-12-24 | 万申科技股份有限公司 | 一种多源异构数据融合与多维度数据相关性分析系统 |
CN114491878B (zh) * | 2021-11-18 | 2023-02-28 | 广州泰禾大数据服务有限公司 | 一种线性全实时数据动态可视化分析方法 |
CN114219501B (zh) * | 2022-02-22 | 2022-06-28 | 杭州衡泰技术股份有限公司 | 样本标注资源分配方法、装置及应用 |
CN114708985B (zh) * | 2022-03-14 | 2023-01-24 | 中国人民解放军总医院第八医学中心 | 呼吸道传染病预警方法及系统 |
CN115577984B (zh) * | 2022-11-24 | 2023-04-07 | 西北大学 | 一种基于bim技术的滑坡应急治理监管系统 |
CN117132417B (zh) * | 2023-08-10 | 2024-05-24 | 山东科翔智能科技有限公司 | 一种基于智能ai养殖的养殖场疫病监测系统 |
CN117057741B (zh) * | 2023-08-18 | 2024-03-29 | 南京鲜玩网络科技有限公司 | 一种基于大数据的人员筛查预警系统及方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011248802A (ja) * | 2010-05-31 | 2011-12-08 | Michito Miyazaki | Gps機能を使ったウイルス感染ハザードシステム |
CN112671856A (zh) * | 2020-12-15 | 2021-04-16 | 青岛智能产业技术研究院 | 一种基于疾病传播特征的智能预警系统及预警方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112820413A (zh) * | 2021-01-27 | 2021-05-18 | 秦友慈 | 一种疫情防御大数据平台 |
CN112802611A (zh) * | 2021-02-04 | 2021-05-14 | 天博电子信息科技有限公司 | 一种基于疫情风险模型的可视化区域防控方法 |
CN112951443B (zh) * | 2021-04-16 | 2023-08-04 | 平安科技(深圳)有限公司 | 症候群监测预警方法、装置、计算机设备及存储介质 |
-
2021
- 2021-07-21 CN CN202110823086.8A patent/CN113345598B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011248802A (ja) * | 2010-05-31 | 2011-12-08 | Michito Miyazaki | Gps機能を使ったウイルス感染ハザードシステム |
CN112671856A (zh) * | 2020-12-15 | 2021-04-16 | 青岛智能产业技术研究院 | 一种基于疾病传播特征的智能预警系统及预警方法 |
Non-Patent Citations (1)
Title |
---|
基于大数据的疫情防控体系研究;韩琳等;《计算机与网络》;20200712(第13期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113345598A (zh) | 2021-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113345598B (zh) | 基于数据分析的区域疫情监测预警系统 | |
CN108415789B (zh) | 面向大规模混合异构存储系统的节点故障预测系统及方法 | |
CN107145704B (zh) | 一种面向社区的健康医疗监护、评测系统及其方法 | |
CN106777954A (zh) | 一种空巢老人健康的智能监护系统及方法 | |
CN111403046A (zh) | 一种早期发现公共卫生的监测跟踪及分级适配系统与方法 | |
CN112671856A (zh) | 一种基于疾病传播特征的智能预警系统及预警方法 | |
CN102034148A (zh) | 一种监控系统的事件预警及防风暴策略的实现方法 | |
CN109247936A (zh) | 一种全夜睡眠监测的异常脑电行为监测系统及方法 | |
CN112055079A (zh) | 一种基于云计算平台的病虫害监测预警系统 | |
CN105005709A (zh) | 基于单病种治疗过程的流程挖掘方法 | |
CN111081379A (zh) | 一种疾病概率决策方法及其系统 | |
CN110926655A (zh) | 基于可穿戴体温传感器的疫情监控方法和系统 | |
CN111681771A (zh) | 一种疫情信息协管系统及疫情信息协管方法 | |
CN109347808A (zh) | 一种基于用户群行为活动的安全分析方法 | |
CN117912717A (zh) | 一种公共卫生预警平台 | |
CN113420940A (zh) | 一种用于果园除草机器人的安全运行监管系统 | |
CN113130085A (zh) | 一种基于大数据的5g智能感控预测系统 | |
CN112927817A (zh) | 一种健康上报系统 | |
CN117174332A (zh) | 一种基于多源数据的传染病监测预警系统及预警方法 | |
CN111374651A (zh) | 一种新型智慧养老系统 | |
CN116562852A (zh) | 基于知识图谱的配网停电信息管理系统 | |
Sintiya et al. | SARIMA and Holt-Winters Seasonal Methods for Time Series Forecasting in Tuberculosis Case | |
CN113642669B (zh) | 基于特征分析的防欺诈检测方法、装置、设备及存储介质 | |
Wang et al. | Research of the early warning analysis of crop diseases and insect pests | |
CN115034590A (zh) | 一种基于数字化管理的绩效评估系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |