CN113793690B - 传染病的区域风险评估方法、装置、存储介质及设备 - Google Patents
传染病的区域风险评估方法、装置、存储介质及设备 Download PDFInfo
- Publication number
- CN113793690B CN113793690B CN202111012736.7A CN202111012736A CN113793690B CN 113793690 B CN113793690 B CN 113793690B CN 202111012736 A CN202111012736 A CN 202111012736A CN 113793690 B CN113793690 B CN 113793690B
- Authority
- CN
- China
- Prior art keywords
- area
- diagnosis
- determining
- infection
- value
- 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
- 208000035473 Communicable disease Diseases 0.000 title claims abstract description 86
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000012502 risk assessment Methods 0.000 title claims abstract description 31
- 208000015181 infectious disease Diseases 0.000 claims abstract description 170
- 238000003745 diagnosis Methods 0.000 claims abstract description 90
- 238000013508 migration Methods 0.000 claims description 16
- 230000005012 migration Effects 0.000 claims description 16
- 230000010354 integration Effects 0.000 claims description 13
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 241000700605 Viruses Species 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 4
- 230000033001 locomotion Effects 0.000 claims description 3
- 230000001617 migratory effect Effects 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 230000002265 prevention Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000037361 pathway Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 206010057190 Respiratory tract infections Diseases 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010006 flight Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 208000020029 respiratory tract infectious disease Diseases 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000003612 virological effect Effects 0.000 description 1
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
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Public Health (AREA)
- Game Theory and Decision Science (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明公开了一种传染病的区域风险评估方法、装置、存储介质及设备,所述方法包括:所述方法包括:确定至少一个确诊区域对应的感染强度值;确定预测区域和每一所述确诊区域之间的联系强度值;根据所述感染强度值和所述联系强度值对所述预测区域进行评分,确定所述预测区域对应的传染病输入风险值;本发明能够根据一个或者多个确诊区域与待测区域之间的联系强度进行预测区域进行评分,因此,本发明能够在待测区域出现输入病例或确诊病例之前对该区域的输入风险进行评估,有利于该区域提前做好疫情管理措施。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种传染病的区域风险评估方法、装置、存储介质及设备。
背景技术
在疫情环境下,城市管理通常通过外地输入病例数据对本地疫情进行评估,具体的,城市对疫情的防控通常包括两个阶段,在出现外地输入病例数据之前,城市的疫情管理是偏宽松的,而在出现外地输入病例之后,城市的疫情管理相较之下变得严格起来。但是显而易见的是,以外地输入病例数据作为对本地疫情的评估手段存在一定的滞后性,不能满足防疫管理的需求。
发明内容
本发明实施例提供一种传染病的区域风险评估方法、装置、存储介质及设备,能够提前对本地疫情情况进行预测,满足防疫管理的需求。
根据本发明第一方面,提供了一种传染病的区域风险评估方法,所述方法包括:确定至少一个确诊区域对应的感染强度值;确定预测区域和每一所述确诊区域之间的联系强度值;根据所述感染强度值和所述联系强度值对所述预测区域进行评分,确定所述预测区域对应的传染病输入风险值。
根据本发明一实施方式,所述确定至少一个确诊区域对应的感染强度值,包括:获得所述确诊区域的确诊数据;获得所述确诊区域对其他区域的感染数据;基于所述确诊数据和所述感染数据确定所述感染强度值。
根据本发明一实施方式,所述确定预测区域和每一所述确诊区域之间的联系强度值,包括:确定所述确诊区域的迁出人口规模;确定所述确诊区域迁入至所述预测区域的迁出人口比值;基于所述迁出人口规模和所述迁出人口比值确定所述联系强度值。
根据本发明一实施方式,所述确诊区域为多个;相应的,所述根据所述感染强度值和所述联系强度值对所述预测区域进行评分,包括:确定与每一个所述确诊区域对应的感染强度值;确定与每一个所述确诊区域与所述预测区域之间的联系强度值;基于所述感染强度值和联系强度值对所述每一个所述确诊区域进行评分,获得区域输入风险值;对与所有所述确诊区域对应的区域输入风险值进行整合,获得传染病输入风险值。
根据本发明一实施方式,所述对与所有所述确诊区域对应的区域输入风险值进行整合,获得传染病输入风险值,包括:确定与每一个所述确诊区域对应的输入权重值;根据所述输入权重值对所述区域输入风险值进行加权整合,获得所述传染病输入风险值。
根据本发明一实施方式,所述确定与每一个所述确诊区域对应的输入权重值,包括:获得与所述确诊区域对应的历史感染样本;根据所述历史感染样本对模型进行训练,获得与所述确诊区域对应输入权重值。
根据本发明一实施方式,所述预测区域为多个;相应的,所述方法还包括:获得与每一个预测区域对应的传染病输入风险值;对所述传染病输入风险值进行排序,获得风险值序列。
根据本发明第二方面,提供了一种传染病的区域风险评估装置,所述装置包括:确定模块,用于确定至少一个确诊区域对应的感染强度值;所述确定模块,还用于确定预测区域和每一所述确诊区域之间的联系强度值;评分模块,用于根据所述感染强度值和所述联系强度值对所述预测区域进行评分,确定所述预测区域对应的传染病输入风险值。
根据本发明一实施方式,所述确定模块,包括:获得子模块,用于获得所述确诊区域的确诊数据;所述获得子模块,还用于获得所述确诊区域对其他区域的感染数据;第一确定子模块,用于基于所述确诊数据和所述感染数据确定所述感染强度值。
根据本发明一实施方式,所述第一确定子模块,还用于确定所述确诊区域的迁出人口规模;所述第一确定子模块,还用于确定所述确诊区域迁入至所述预测区域的迁出人口比值;所述第一确定子模块,还用于基于所述迁出人口规模和所述迁出人口比值确定所述联系强度值。
根据本发明一实施方式,所述确诊区域为多个;相应的,所述评分模块,包括:第二确定子模块,用于确定与每一个所述确诊区域对应的感染强度值;所述第二确定子模块,还用于确定与每一个所述确诊区域与所述预测区域之间的联系强度值;评分子模块,用于基于所述感染强度值和联系强度值对所述每一个所述确诊区域进行评分,获得区域输入风险值;整合子模块,用于对与所有所述确诊区域对应的区域输入风险值进行整合,获得传染病输入风险值。
根据本发明一实施方式,所述整合子模块,包括:确定与每一个所述确诊区域对应的输入权重值;根据所述输入权重值对所述区域输入风险值进行加权整合,获得所述传染病输入风险值。
根据本发明一实施方式,所述装置还包括:获得模块,用于获得与所述确诊区域对应的历史感染样本;训练模块,用于根据所述历史感染样本对模型进行训练,获得与所述确诊区域对应输入权重值。
根据本发明一实施方式,所述预测区域为多个;相应的,所述获得模块,还用于获得与每一个预测区域对应的传染病输入风险值;排序模块,用于对所述传染病输入风险值进行排序,获得风险值序列。
根据本发明第三方面,又提供了一种设备,所述设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现上述实施方式中任一项所述的方法。
根据本发明第四方面,再提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述实施方式种任一项所述的方法。
本方法实施例提供的一种传染病的区域风险评估方法、装置、存储介质及设备,依据确诊区域和预测区域的感染强度值和联系强度值对预测区域的传染病输入情况进行评分,以获得用于表征预测区域传染病输入风险的传染病输入风险值。应用本方法,能够在相邻区域或者其他区域存在已确诊病例时,根据一个或者多个确诊区域与待测区域之间的联系强度进行预测区域进行评分,因此,本发明能够在待测区域出现输入病例或确诊病例之前对该区域的输入风险进行评估,有利于该区域提前做好疫情管理措施。
需要理解的是,本发明的教导并不需要实现上面所述的全部有益效果,而是特定的技术方案可以实现特定的技术效果,并且本发明的其他实施方式还能够实现上面未提到的有益效果。
附图说明
通过参考附图阅读下文的详细描述,本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本发明的若干实施方式,其中:
在附图中,相同或对应的标号表示相同或对应的部分。
图1示出了本发明实施例一种传染病的区域风险评估方法的实现流程示意图;
图2示出了本发明实施例一种传染病的区域风险评估装置的实现模块示意图;
图3示出了本发明实施例一种设备的结构示意图。
具体实施方式
下面将参考若干示例性实施方式来描述本发明的原理和精神。应当理解,给出这些实施方式仅仅是为使本领域技术人员能够更好地理解进而实现本发明,而并非以任何方式限制本发明的范围。相反,提供这些实施方式是为使本发明更加透彻和完整,并能够将本发明的范围完整地传达给本领域的技术人员。
下面结合附图和具体实施例对本发明的技术方案进一步详细阐述。
图1示出了本发明实施例一种传染病的区域风险评估方法的实现流程示意图。
参见图1,根据本发明第一方面,提供了一种传染病的区域风险评估方法,方法包括:操作101,确定至少一个确诊区域对应的感染强度值;操作102,确定预测区域和每一确诊区域之间的联系强度值;操作103,根据感染强度值和联系强度值对预测区域进行评分,确定预测区域对应的传染病输入风险值。
本方法实施例提供的一种传染病的区域风险评估方法,依据确诊区域和预测区域的感染强度值和联系强度值对预测区域的传染病输入情况进行评分,以获得用于表征预测区域传染病输入风险的传染病输入风险值。应用本方法,能够在预测区域出现输入病例或确诊病例之前,预测该区域的风险情况,对该区域的输入风险进行评估,有利于该区域提前做好疫情管理措施。
在操作101中,其中,根据需要,区域可以以国家、省份、城市、区、镇、街道等任一量级为单位。进一步的,区域可以以城市为单位。确诊区域指代已经具有确诊病例的城市。感染强度值用于衡量该城市的病毒和病例感染能力。需要补充的是,本方法的确诊可以指代对同一类型疾病的确诊,例如对传染性疾病的确诊,具体如对呼吸道传染病的确诊,也可以是对同一病毒及其变种的确诊,例如对呼吸道病毒的确诊。本方法可以通过对确诊病例及与确诊病例对应的感染情况的统计进行计算,以确定感染强度值。
在操作102中,预测区域为需要进行输入风险评估的区域,预测区域可以为与确诊区域同一量级的区域,也可以为与确诊区域不同量级的区域,例如当确诊区域为城市的情况下,待确诊区域可以是城市,也可以是街道。本方法以待确诊区域为城市为例进行说明。联系强度值用于衡量预测区域和确诊区域之间的关联程度,具体的,关联程度可以通过区域人口、货物等之间流动进行评价。具体的,可以通过对预测区域和确诊区域之间迁移人口规模和迁移占比进行计算,以确定联系强度值。
在操作103中,根据预设的评分公式对感染强度值和联系强度值进行计算,将计算获得的结果数值确定为与预测区域对应的传染病输入风险值。可以理解的是,根据预设的评分公式的设计,传染病输入风险值可以为大于0的任意数值。
根据本发明一实施方式,操作101,确定至少一个确诊区域对应的感染强度值,包括:首先,获得确诊区域的确诊数据;然后,获得确诊区域对其他区域的感染数据;再后,基于确诊数据和感染数据确定感染强度值。
具体的,在操作101中,首先从数据库中获得确诊区域的确诊数据,确诊数据包括但不限于确诊人数以及确诊人员的关联信息,确诊人员的关联信息包括但不限于确诊人员的移动轨迹。然后,根据确诊人员的移动轨迹与其他区域的确诊人员进行关联,以确定确诊区域对其他区域的感染情况。其他区域指代非确诊区域以外的所有区域,其他区域同样可以以城市为单位。需要理解的是由于传染病具有易于传播的特点,其通常会被传染至多个区域,即通常,一种传染病会有多个确诊区域,且在不同确诊区域,该传染病的感染强度值可能不同,基于此,在确诊区域为多个的情况下,本方法可以确定每一个确诊区域对应的感染强度值。另一方面,由于同一种传染病其感染强度值通常处于一个较为恒定的范围内,基于此,在确诊区域数量不足或部分确诊区域缺失感染强度值的情况下,本方法也可以将其中一个或几个确诊区域的感染强度值确定为感染强度值。
进一步的,为了方便计算,可以对数据单位进行换算,以方便进行数据的横向处理。
例如,确诊数据可以通过确诊区域的发病率进行表征。发病率可以通过确诊人数与区域总人口进行相除获得。为了保证数据的时效性,确诊人数可以进一步限定为特定时间段内的确诊人数,如根据疫情的波次进行确定,如将特定时间段确定为当前波次疫情的初始时间到至今,也可以预设具体时间段,如将特定时间段确定为三个月以内。
具体的,发病率可以表征为:
其中,Pj表示j城市的人口总数,casej用于表征特定时间段内在j城市累计的确诊病例总数。
确诊区域对其他区域的感染数据可以用于表征确诊病例对其他区域确诊病例的影响程度。可以根据确诊区域的确诊人数对其他城市的感染情况进行感染数据的评价。
具体的,感染数据可以表征为:log(caseR+1)
其中,caseR中,R可以用于表征为被确诊城市j城市所感染的所有城市的集,例如,假设j城市感染了r1、r2、r3三座城市,则R用于表征包含r1、r2、r3的集。对应的,caseR可以用于表征为被j城市所感染的所有城市中的被感染病例总数。例如,在r1城市被感染了a1人,在r2城市被感染了a2人,在r3城市被感染了a3人,则caseR=a1+a2+a3。根据预设情况,R可以用于表征所有被j城市感染的城市的集,R也可以用于表征除预测城市外被感染的城市的集。
需要理解的是,casej和caseR所截取的病例总数均在同一特定时间段内。通过log对caseR进行处理,能够表现当被j城市感染的病例总数数量少的时候,意味着j城市病例对其他城市的影响相对较大,但是当被j城市感染的病例总数数量增多到一定程度时,j城市病例对其他城市的影响趋于平缓。
本方法感染强度值可以通过发病率和感染数据相乘获得。
具体的,感染强度值可以表征为:
其中,riskj用于表征j城市的感染强度值。感染强度值越高,则认为j城市越容易感染其他城市。
根据本发明一实施方式,操作102,确定预测区域和每一确诊区域之间的联系强度值,包括:首先,确定确诊区域的迁出人口规模;然后,确定确诊区域迁入至预测区域的迁出人口比值;再后,基于迁出人口规模和迁出人口比值确定联系强度值。
本方法还需要确定预测区域和确诊区域之间的联系强度值,可以理解的是,联系强度值越高,预测区域和确诊区域之间的流动性越大,预测区域越容易被确诊区域感染。
其中,迁出人口规模和迁出人口比值均可以通过数据库获得,具体的,可以通过各类大数据公司的全国迁移详情获得。迁出人口规模用于表征从确诊区域迁出的总迁出人口规模。具体的,迁出人口规模可以以人口量作为单位,也可以通过对人口迁出量进行指数化处理,以将人口迁出量转换为无量纲化指标测评值,使各指标值都处于同一个数量级别上,方便综合测评分析。
迁出人口比值用于表征从确诊区域向其他每一个区域流动的人口占比,迁出人口比值可以通过0~1之间的比例数值进行表征。
通过将迁出人口比值和迁出人口规模相乘,可以获得联系强度值。
具体的,联系强度值可以表征为:relationji=Sji*Rji
其中,relationji用于表征j城市和i城市之间的联系强度值;Sji用于表征j城市的迁出人口规模;Rji用于表征j城市迁出至i城市的迁出人口规模。
例如,当人口迁出规模用人口量表征的情况下,假设从j城市迁出的人口迁出规模为10000人,从j城市向Y城市迁出的迁出人口比值为0.2,则从j城市迁出至Y城市的联系强度值为2000人。当人口迁出规模用指数表征的情况下,假设从j城市迁出的人口迁出规模为0.5,从j城市向Y城市迁出的迁出人口比值为0.2,则从j城市迁出至Y城市的联系强度值为0.1。
在获取感染强度值和联系强度值的情况下,可以执行操作103,在一种实施情况下,操作103可以采用如下公式进行计算:
Scorei=riskj*relationji
其中,Scorei用于表征i城市因为j城市影响对应的输入风险值;riskj用于表征j城市的感染强度值;rWlationji用于表征j城市和i城市之间的联系强度值。
根据本发明一实施方式,确诊区域为多个;相应的,根据感染强度值和联系强度值对预测区域进行评分,包括:首先,确定与每一个确诊区域对应的感染强度值;然后,确定与每一个确诊区域与预测区域之间的联系强度值;再后,基于感染强度值和联系强度值对每一个确诊区域进行评分,获得区域输入风险值;之后,对与所有确诊区域对应的区域输入风险值进行整合,获得传染病输入风险值。
可以理解的是,基于交通便利和物流的发展,与预测区域存在关联关系的确诊区域是可以有多个的,在实际场景下,当存在多个确诊区域的情况下,确诊区域可能都与预测区域存在关联关系,基于此,需要预测每一个确诊区域对预测区域的区域输入风险值,整合所有区域输入风险值,才能够获得预测区域的传染病输入风险值,应用这种方式评价的传染病输入风险值更具有全面性。
具体的,本方法需要获得按照操作101和操作102获得每一个确诊区域感染强度值,并获得每一个确诊区域与预测区域之间联系强度值。然后依据上述的输入风险值公式计算每一个确诊区域与预测区域之间的区域输入风险值进行整合,获得传染病输入风险值。其中,整合可以为相加、相乘、求取平均数、求取指数等其他任意整合方式。整合方式需要满足整合后传染病输入风险值越高,表示该待预测城市的传染病输入风险越高。
以下提供一种相加的整合公式:
通过累加多个确诊区域对应预测区域的区域输入风险值,获得传染病输入风险值。其中,n用于表征有n个确诊区域,n为大于等于1的正整数。
根据本发明一实施方式,对与所有确诊区域对应的区域输入风险值进行整合,获得传染病输入风险值,包括:首先,确定与每一个确诊区域对应的输入权重值;然后,根据输入权重值对区域输入风险值进行加权整合,获得传染病输入风险值。
进一步的,基于关联条件的不同,不同确诊区域对预测区域的影响程度是不同的,例如,以人口迁移作为判断依据,有些确诊区域和预测区域存在直接交通途径,如直飞航班、直达高铁,有些确诊区域和预测区域不存在直接交通途径,如需要转机、转车,则存在直接交通途径的确诊区域相较于不存在直接交通途径的确诊区域对预测区域的影响程度是更大的。其他影响条件还包括气候影响、交通距离等。因此,可以对不同确诊区域设置不同的输入权重值,从而进一步使获得的传染病输入风险值更准确。具体的,在输入权重值的设置上,容易造成传染病感染的因素越多,则权重越高。例如,存在直接交通途径的确诊区域相较于不存在直接交通途径的确诊区域对预测区域的输入权重值高,气候适宜传染病传播的确诊区域相较于气候不适宜传染病传播确诊区域对预测区域的输入权重值高。
以下提供一种添加输入权重值相加的整合公式:
其中,Wj用于表示j城市对i城市的输入权重值;Wj*riskj*relarionji用于表示j城市对i城市的区域输入风险值;Scorei用于表征i城市对应的传染病输入风险值,n为已确诊城市的总数量。
根据本发明一实施方式,确定与每一个确诊区域对应的输入权重值,包括:首先,获得与确诊区域对应的历史感染样本;然后,根据历史感染样本对模型进行训练,获得与确诊区域对应输入权重值。
在一种实施情况下,输入权重值可以预先设置,在另一种实施情况下,输入权重值还可以通过机器学习产生,具体的,通过历史感染样本对模型参数进行更新,利用机器学习,产生相对的输入权重值。具体的,本方法可以通过参数调整,提高确诊人数多、城市人口多、城市交通繁忙的确诊区域的输入权重值。
根据本发明一实施方式,预测区域为多个;相应的,方法还包括:首先,获得与每一个预测区域对应的传染病输入风险值;然后对传染病输入风险值进行排序,获得风险值序列。
同样基于交通便利和物流的发展,与确诊区域存在关联关系的预测区域是可以有多个的。基于此,本方法以确诊区域为依据,对确诊区域关联的所有预测区域进行传染病输入风险值的计算和排序,如此操作,可以提前预测容易被传染病输入的城市,如提前预测被呼吸道传染病输入的城市,从而预测对这些区域进行预警管理。
在一种实施场景下,可以如下图所示进行排序:
已确诊城市A | 已确诊城市B | 已确诊城市C | …… | 传染病输入风险值 | |
待预测城市1 | 输入风险值A1 | 输入风险值B1 | 输入风险值C1 | …… | A1+B1+C1+…… |
待预测城市2 | 输入风险值A2 | 输入风险值B2 | 输入风险值C2 | …… | A2+B2+C2+…… |
待预测城市3 | 输入风险值A3 | 输入风险值B3 | 输入风险值C3 | …… | A3+B3+C3+…… |
待预测城市4 | 输入风险值A4 | 输入风险值B4 | 输入风险值C4 | …… | A4+B4+C4+…… |
结合上表进行具体说明,当需要对多个待预测城市进行区域风险评估的情况下,首先根据公开的确诊数据确定已确诊城市,如在该实施场景中,确定已确诊城市A、已确诊城市B、已确诊城市C等。计算与每一个已确诊城市对应的感染强度值,确定感染强度值A、感染强度值B、感染强度值C等。
然后通过公开数据确定已确诊城市对应的迁出人口情况,通过迁出人口情况对应的迁出目标城市可以确定待预测城市,如在该实施场景中,确定待预测城市1、待预测城市2、待预测城市3、待预测城市4等。
首先对待预测城市1进行区域风险评估,计算待预测城市1与已确诊城市A、已确诊城市B、已确诊城市C等的联系强度值,获得联系强度值A1、联系强度值B1、联系强度值C1等。
对感染强度值和联系强度值进行整合,具体整合方式为:权重A1×感染强度值A×联系强度值A1+权重B1×感染强度值B×联系强度值B1+权重C1×感染强度值C×联系强度值C1…,获得传染病输入风险值1。
同理,依据上述方式对其他待预测城市进行区域风险评估,获得传染病输入风险值2、传染病输入风险值3、传染病输入风险值4…。
对传染病输入风险值1、传染病输入风险值2、传染病输入风险值3、传染病输入风险值4…从大到小对待预测城市进行排序,根据排序结果可以对待预测城市的输入风险进行风险比较,以规划合适的疫情管理方案。
综上,本方法通过对预测区域对应的传染病输入风险值进行排名,根据风险值序列对区域的输入风险进行风险比较,例如,排名前10的预测区域的风险更高。通过风险值的排序有助于在区域防控管理过程中,设置对应的防控进行优先级,即风险值排名越高的区域,可以投入相对而言较多的资源进行疫情管理,有利于提前进行防疫资源的调配。并且,本方法实施例通过预测预测区域的传染病输入风险值,能够衡量该预测区域存在的潜在疫情风险,可对预测区域做未来的潜在风险估算,具有泛化预测能力。
图2示出了本发明实施例一种传染病的区域风险评估装置的实现模块示意图。
参见图2,根据本发明第二方面,还提供了一种传染病的区域风险评估装置,装置包括:确定模块201,用于确定至少一个确诊区域对应的感染强度值;确定模块201,还用于确定预测区域和每一确诊区域之间的联系强度值;评分模块202,用于根据感染强度值和联系强度值对预测区域进行评分,确定预测区域对应的传染病输入风险值。
根据本发明一实施方式,确定模块201,包括:获得子模块2011,用于获得确诊区域的确诊数据;获得子模块2011,还用于获得确诊区域对其他区域的感染数据;第一确定子模块2012,用于基于确诊数据和感染数据确定感染强度值。
根据本发明一实施方式,第一确定子模块2012,还用于确定确诊区域的迁出人口规模;第一确定子模块2012,还用于确定确诊区域迁入至预测区域的迁出人口比值;第一确定子模块2012,还用于基于迁出人口规模和迁出人口比值确定联系强度值。
根据本发明一实施方式,确诊区域为多个;相应的,评分模块202,包括:第二确定子模块2021,用于确定与每一个确诊区域对应的感染强度值;第二确定子模块2021,还用于确定与每一个确诊区域与预测区域之间的联系强度值;评分子模块2022,用于基于感染强度值和联系强度值对每一个确诊区域进行评分,获得区域输入风险值;整合子模块2023,用于对与所有确诊区域对应的区域输入风险值进行整合,获得传染病输入风险值。
根据本发明一实施方式,整合子模块2023,包括:确定与每一个确诊区域对应的输入权重值;根据输入权重值对区域输入风险值进行加权整合,获得传染病输入风险值。
根据本发明一实施方式,装置还包括:获得模块203,用于获得与确诊区域对应的历史感染样本;训练模块204,用于根据历史感染样本对模型进行训练,获得与确诊区域对应输入权重值。
根据本发明一实施方式,预测区域为多个;相应的,获得模块203,还用于获得与每一个预测区域对应的传染病输入风险值;排序模块205,用于对传染病输入风险值进行排序,获得风险值序列。
这里需要指出的是:以上对针对一种传染病的区域风险评估装置实施例的描述,与前述图1所示的方法实施例的描述是类似的,具有同前述图1所示的方法实施例相似的有益效果,因此不做赘述。对于本发明一种传染病的区域风险评估装置实施例中未披露的技术细节,请参照本发明前述图1所示的方法实施例的描述而理解,为节约篇幅,因此不再赘述。
根据本发明第三方面,又提供了一种设备,设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现上述实施方式中任一项的方法。
图3是本发明实施例提供的一种设备的结构示意图。
参见图3,在硬件层面,该设备包括处理器301,可选地还包括内部总线302、网络接口303、存储器304。其中,存储器304可能包含内存,例如高速随机存取存储器(Random-Access Memory,RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少1个磁盘存储器等。当然,该设备还可能包括其他业务所需要的硬件。
处理器301、网络接口303和存储器304可以通过内部总线302相互连接,该内部总线302可以是ISA(Industry Standard Architecture,工业标准体系结构)总线、PCI(Peripheral Component Interconnect,外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture,扩展工业标准结构)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,图3中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
存储器304,用于存放执行指令。具体地,执行指令即可被执行的计算机程序。存储器304可以包括内存和非易失性存储器,并向处理器301提供执行指令和数据。
在一种可能实现的方式中,处理器301从非易失性存储器中读取对应的执行指令到内存中然后运行,也可从其它设备上获取相应的执行指令,以在逻辑层面上形成传染病的区域风险评估装置。处理器301执行存储器304所存放的执行指令,以通过执行的执行指令实现本发明任一实施例中提供的传染病的区域风险评估方法。
上述如本发明图1所示实施例提供的一种传染病的区域风险评估方法可以应用于处理器301中,或者由处理器301实现。处理器301可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器301中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器301可以是通用处理器,包括中央处理器(CentralProcessing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific IntegratedCircuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器304,处理器301读取存储器304中的信息,结合其硬件完成上述方法的步骤。
根据本发明第四方面,再提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述实施方式种任一项的方法。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备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,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,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全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,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,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(Read Only Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也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,本发明实施例的技术方案本质上或者说对现有技术做出贡献的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)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,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以所述权利要求的保护范围为准。
Claims (8)
1.一种传染病的区域风险评估方法,其特征在于,所述方法包括:
确定至少一个确诊区域对应的感染强度值;感染强度值用于衡量所述确诊区域的病毒和病例感染能力,通过对确诊病例和确诊区域对其他区域的感染数据进行计算,确定感染强度值;
确定预测区域和每一所述确诊区域之间的联系强度值;联系强度值用于衡量预测区域和确诊区域之间的关联程度,通过对预测区域和确诊区域之间迁移人口规模和迁移占比进行计算,确定联系强度值;
根据所述感染强度值和所述联系强度值对所述预测区域进行评分,确定所述预测区域对应的传染病输入风险值;
所述确定至少一个确诊区域对应的感染强度值,包括:
获得所述确诊区域的确诊病例,确诊病例包括确诊人数以及确诊人员的移动轨迹;
根据确诊人员的移动轨迹与其他区域的确诊人员进行关联,以确定确诊区域对其他区域的感染数据;
基于所述确诊病例和所述感染数据确定所述感染强度值;
所述确诊区域为多个;相应的,所述根据所述感染强度值和所述联系强度值对所述预测区域进行评分,确定所述预测区域对应的传染病输入风险值,包括:
确定与每一个所述确诊区域对应的感染强度值;
确定与每一个所述确诊区域与所述预测区域之间的联系强度值;
基于所述感染强度值和联系强度值对所述每一个所述确诊区域进行评分,获得区域输入风险值;
对与所有所述确诊区域对应的区域输入风险值进行整合,获得传染病输入风险值。
2.根据权利要求1所述的方法,其特征在于,所述确定预测区域和每一所述确诊区域之间的联系强度值,包括:
确定所述确诊区域的迁出人口规模;
确定所述确诊区域迁入至所述预测区域的迁出人口比值;
基于所述迁出人口规模和所述迁出人口比值确定所述联系强度值。
3.根据权利要求2所述的方法,其特征在于,所述对与所有所述确诊区域对应的区域输入风险值进行整合,获得传染病输入风险值,包括:
确定与每一个所述确诊区域对应的输入权重值;
根据所述输入权重值对所述区域输入风险值进行加权整合,获得所述传染病输入风险值。
4.根据权利要求3所述的方法,其特征在于,所述确定与每一个所述确诊区域对应的输入权重值,包括:
获得与所述确诊区域对应的历史感染样本;
根据所述历史感染样本对模型进行训练,获得与所述确诊区域对应输入权重值。
5.根据权利要求1所述的方法,其特征在于,所述预测区域为多个;
相应的,所述方法还包括:
获得与每一个预测区域对应的传染病输入风险值;
对所述传染病输入风险值进行排序,获得风险值序列。
6.一种传染病的区域风险评估装置,其特征在于,所述装置包括:
确定模块,用于确定至少一个确诊区域对应的感染强度值;感染强度值用于衡量所述确诊区域的病毒和病例感染能力,通过对确诊病例和确诊区域对其他区域的感染数据进行计算,确定感染强度值;
所述确定模块,还用于确定预测区域和每一所述确诊区域之间的联系强度值;联系强度值用于衡量预测区域和确诊区域之间的关联程度,通过对预测区域和确诊区域之间迁移人口规模和迁移占比进行计算,确定联系强度值;
评分模块,用于根据所述感染强度值和所述联系强度值对所述预测区域进行评分,确定所述预测区域对应的传染病输入风险值;
所述确定模块,所述确定模块,包括:
获得子模块,用于获得所述确诊区域的确诊病例,确诊病例包括确诊人数以及确诊人员的移动轨迹;
所述获得子模块,还用于根据确诊人员的移动轨迹与其他区域的确诊人员进行关联,以确定确诊区域对其他区域的感染数据;
第一确定子模块,用于基于所述确诊病例和所述感染数据确定所述感染强度值;
所述确诊区域为多个;相应的,所述评分模块,包括:第二确定子模块,用于确定与每一个所述确诊区域对应的感染强度值;
所述第二确定子模块,还用于确定与每一个所述确诊区域与所述预测区域之间的联系强度值;评分子模块,用于基于所述感染强度值和联系强度值对所述每一个所述确诊区域进行评分,获得区域输入风险值;
整合子模块,用于对与所有所述确诊区域对应的区域输入风险值进行整合,获得传染病输入风险值。
7.一种设备,其特征在于,所述设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111012736.7A CN113793690B (zh) | 2021-08-31 | 2021-08-31 | 传染病的区域风险评估方法、装置、存储介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111012736.7A CN113793690B (zh) | 2021-08-31 | 2021-08-31 | 传染病的区域风险评估方法、装置、存储介质及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113793690A CN113793690A (zh) | 2021-12-14 |
CN113793690B true CN113793690B (zh) | 2024-03-12 |
Family
ID=78876703
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111012736.7A Active CN113793690B (zh) | 2021-08-31 | 2021-08-31 | 传染病的区域风险评估方法、装置、存储介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113793690B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115050486A (zh) * | 2022-08-11 | 2022-09-13 | 中电科新型智慧城市研究院有限公司 | 传染病辅助防控方法、装置、设备及存储介质 |
CN116013541A (zh) * | 2023-01-03 | 2023-04-25 | 武汉博科国泰信息技术有限公司 | 一种用于结核病检测的资源配置方法和系统 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110993119A (zh) * | 2020-03-04 | 2020-04-10 | 同盾控股有限公司 | 基于人口迁移的疫情预测方法、装置、电子设备及介质 |
CN111027525A (zh) * | 2020-03-09 | 2020-04-17 | 中国民用航空总局第二研究所 | 疫情期间公共场所潜在被感染者追踪方法、装置及系统 |
CN111128398A (zh) * | 2020-03-30 | 2020-05-08 | 广州地理研究所 | 一种基于人口迁徙大数据的流行病感染人数估算方法 |
CN111489831A (zh) * | 2020-04-10 | 2020-08-04 | 智慧足迹数据科技有限公司 | 公共卫生事件风险评估方法及装置 |
CN111739658A (zh) * | 2020-07-20 | 2020-10-02 | 医渡云(北京)技术有限公司 | 基于输入病例预测传染病趋势的方法及装置 |
CN111916218A (zh) * | 2020-08-10 | 2020-11-10 | 重庆邮电大学 | 一种新型冠状病毒肺炎疫情多级预警方法及系统 |
CN112258093A (zh) * | 2020-11-25 | 2021-01-22 | 京东城市(北京)数字科技有限公司 | 风险等级的数据处理方法及装置、存储介质、电子设备 |
CN112270998A (zh) * | 2020-09-23 | 2021-01-26 | 清华大学 | 区域内感染人员分布的评估方法及装置 |
CN112365998A (zh) * | 2020-11-12 | 2021-02-12 | 医渡云(北京)技术有限公司 | 传染病传播规模模拟方法、装置与电子设备 |
CN112835877A (zh) * | 2020-08-20 | 2021-05-25 | 同济大学 | 一种面向公共突发事务的疫情大数据清理方法 |
KR102265617B1 (ko) * | 2020-09-10 | 2021-06-15 | 전남대학교산학협력단 | Cctv 영상 분석을 통한 전염병에 대한 잠재적 확진자를 예측하는 방법 |
TR202107429A2 (tr) * | 2021-04-30 | 2021-06-21 | Akar Tekstil Gida Ve Turizm Sanayi Ticaret Anonim Sirketi | Ateş beli̇rti̇si̇ gösteren bulaşici hastalik tespi̇t ve taki̇p si̇stemi̇ |
CN113096787A (zh) * | 2021-04-19 | 2021-07-09 | 大连理工大学 | 数据驱动疫情检测和医疗资源分配的联合决策系统与方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10394776B2 (en) * | 2012-02-13 | 2019-08-27 | Bluedot Inc. | Warning system for infectious diseases and method therefor |
-
2021
- 2021-08-31 CN CN202111012736.7A patent/CN113793690B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110993119A (zh) * | 2020-03-04 | 2020-04-10 | 同盾控股有限公司 | 基于人口迁移的疫情预测方法、装置、电子设备及介质 |
CN111027525A (zh) * | 2020-03-09 | 2020-04-17 | 中国民用航空总局第二研究所 | 疫情期间公共场所潜在被感染者追踪方法、装置及系统 |
CN111128398A (zh) * | 2020-03-30 | 2020-05-08 | 广州地理研究所 | 一种基于人口迁徙大数据的流行病感染人数估算方法 |
CN111489831A (zh) * | 2020-04-10 | 2020-08-04 | 智慧足迹数据科技有限公司 | 公共卫生事件风险评估方法及装置 |
CN111739658A (zh) * | 2020-07-20 | 2020-10-02 | 医渡云(北京)技术有限公司 | 基于输入病例预测传染病趋势的方法及装置 |
CN111916218A (zh) * | 2020-08-10 | 2020-11-10 | 重庆邮电大学 | 一种新型冠状病毒肺炎疫情多级预警方法及系统 |
CN112835877A (zh) * | 2020-08-20 | 2021-05-25 | 同济大学 | 一种面向公共突发事务的疫情大数据清理方法 |
KR102265617B1 (ko) * | 2020-09-10 | 2021-06-15 | 전남대학교산학협력단 | Cctv 영상 분석을 통한 전염병에 대한 잠재적 확진자를 예측하는 방법 |
CN112270998A (zh) * | 2020-09-23 | 2021-01-26 | 清华大学 | 区域内感染人员分布的评估方法及装置 |
CN112365998A (zh) * | 2020-11-12 | 2021-02-12 | 医渡云(北京)技术有限公司 | 传染病传播规模模拟方法、装置与电子设备 |
CN112258093A (zh) * | 2020-11-25 | 2021-01-22 | 京东城市(北京)数字科技有限公司 | 风险等级的数据处理方法及装置、存储介质、电子设备 |
CN113096787A (zh) * | 2021-04-19 | 2021-07-09 | 大连理工大学 | 数据驱动疫情检测和医疗资源分配的联合决策系统与方法 |
TR202107429A2 (tr) * | 2021-04-30 | 2021-06-21 | Akar Tekstil Gida Ve Turizm Sanayi Ticaret Anonim Sirketi | Ateş beli̇rti̇si̇ gösteren bulaşici hastalik tespi̇t ve taki̇p si̇stemi̇ |
Also Published As
Publication number | Publication date |
---|---|
CN113793690A (zh) | 2021-12-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113793690B (zh) | 传染病的区域风险评估方法、装置、存储介质及设备 | |
Melo et al. | Biomarkers of cytokine storm as red flags for severe and fatal COVID-19 cases: A living systematic review and meta-analysis | |
Sadilek et al. | Deploying nEmesis: Preventing foodborne illness by data mining social media | |
CN111524612B (zh) | 传染病溯源方法、装置、计算机设备和存储介质 | |
JP2016075905A5 (zh) | ||
CN108875018B (zh) | 新闻影响力评估方法、装置及电子设备 | |
US20140372172A1 (en) | Method and computer system to forecast economic time series of a region and computer program thereof | |
CN111863270A (zh) | 疾病传染概率确定方法、装置、系统及存储介质 | |
CN110598764A (zh) | 目标检测模型的训练方法、装置及电子设备 | |
Yoon et al. | Hepatitis E Virus (HEV) Seroprevalence in the general population of the Republic of Korea in 2007–2009: a nationwide cross-sectional study | |
CN109063736A (zh) | 数据分类方法、装置、电子设备及计算机可读存储介质 | |
CN113284343B (zh) | 一种基于智慧交通物联网的交通监测系统及方法 | |
CN115563449A (zh) | 个人轨迹检测方法、装置、电子设备和存储介质 | |
Qasmieh et al. | The prevalence of SARS-CoV-2 infection and other public health outcomes during the BA. 2/BA. 2.12. 1 surge, New York City, April–May 2022 | |
CN111121803B (zh) | 获取道路常用停靠点的方法及装置 | |
Chen et al. | Driving role of climatic and socioenvironmental factors on human brucellosis in China: machine-learning-based predictive analyses | |
CN109493958A (zh) | 一种随访计划制定方法、装置、服务器及介质 | |
CN113132891B (zh) | 一种基于移动信令的客流统计方法和系统 | |
CN111369790B (zh) | 过车记录校正方法、装置、设备及存储介质 | |
da Silva Torres et al. | Seroprevalence and risk factors for COVID-19 in the metropolis of the Brazilian Amazon | |
CN111949853A (zh) | 一种互联网信息的监测控制方法 | |
CN113707263B (zh) | 基于群体划分的药物有效性评价方法、装置及计算机设备 | |
CN110458707B (zh) | 基于分类模型的行为评估方法、装置及终端设备 | |
Meadows et al. | Estimating infectious disease underreporting at the country level: a model and application to the COVID-19 pandemic | |
CN111784357A (zh) | 风险事件的处理方法及装置 |
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 |