CN114360737A - 确定个体风险的方法及装置 - Google Patents

Abstract

本申请提供一种确定个体风险的方法及装置，涉及疫情防控技术领域，其中，该方法包括获取个体当前的第一购药数据和所述个体的身份信息，基于所述身份信息，获取在历史中距离当前最近的第一时长内与所述个体对应的第二购药数据和出行数据，基于所述第一购药数据、所述第二购药数据和所述出行数据，确定所述个体的风险数据。本申请提供的技术方案能够提高确定个体风险的准确性改善预警效果。

Description

确定个体风险的方法及装置

技术领域

本申请涉及疫情防控技术领域，尤其涉及一种确定个体风险的方法及装置。

背景技术

新冠肺炎疫情蔓延范围广泛，传染能力强，传染速度快，会给社会安全和人民生活带来极大的影响。当患者出现与疫情相似的症状时，通常会去药店等医疗场所购买药物或检查，从而可能会给医疗场所的人员带来风险。

现有技术中，医疗场所的人员可以通过检查个人是否具有与疫情相关的明显特征，如体温是否过高等，进而确定个体是否存在风险。但这种评估方式准确性低下，很难起到良好的预警效果。

发明内容

有鉴于此，本申请提供一种确定个体风险的方法及装置，能够提高确定个体风险的准确性改善预警效果。

为了实现上述目的，本申请采用如下技术方案：

第一方面，本申请实施例提供一种确定个体风险的方法，包括：

获取个体当前的第一购药数据和所述个体的身份信息；

基于所述身份信息，获取在历史中距离当前最近的第一时长内与所述个体对应的第二购药数据和出行数据；

基于所述第一购药数据、所述第二购药数据和所述出行数据，确定所述个体的风险数据。

在本申请实施例中，通过获取个体当前的第一购药数据和该个体的身份信息，并基于该身份信息获取在历史中距离当前最近的第一时长内与个体对应的第二购药数据和出行数据，基于第一购药数据、第二购药数据和出行数据，确定个体的风险数据，从而实现了基于第一购药数据所指示的个体当前的购药状况、第二购药数据所指示的该个体在最近一段时间内的购药状况以及出行数据所指示的该个体在最近一段时间内的出行状况，准确地确定个体的风险数据。

可选地，所述基于所述第一购药数据、所述第二购药数据和所述出行数据，确定所述个体的风险数据，包括：

确定与所述第一购药数据对应的风险系数、与所述第二购药数据对应的风险系数以及与所述出行数据对应的风险系数；

基于与所述第一购药数据对应的风险系数、与所述第二购药数据对应的风险系数以及与所述出行数据对应的风险系数，确定所述风险数据。

可选地，所述第一购药数据包括第一药品种类、第一药品数量、第一购药点位置和所述个体的第一体温中的至少一个。

可选地，所述确定与所述第二购药数据对应的风险系数，包括：

基于局部离群因子(local outlier factor，LOF)算法，确定与所述第二购药数据对应的离群因子；

基于所述离群因子，确定与所述第二购药数据对应的风险系数。

可选地，所述第二购药数据包括第二药品种类、第二药品数量、第二购药点位置和所述个体的第二体温中的至少一个。

可选地，所述个体对应的所述第二购药数据包括所述个体以及与所述个体处于同一居住地址的其他个体的购药数据。

可选地，所述出行数据包括出行地点和各所述出行地点对应的出行方式，所述确定与所述出行数据对应的风险系数，包括：

基于至少一个所述出行地点，构建出行轨迹向量和地点风险向量；

基于至少一个所述出行地点对应的出行方式，构建出行地类型风险量；

基于所述出行轨迹向量、所述地点风险向量和所述出行地类型风险量，确定与所述出行数据对应的风险系数。

可选地，所述方法还包括：

基于所述个体的所述身份信息，获取所述个体的职业信息、所述个体在历史中距离当前最近的第二时长内的接触记录，所述个体在历史中距离当前最近的第三时长内的核酸检测记录、所述个体在历史中距离当前最近的第四时长内的隔离记录以及所述个体在历史中距离当前最近的第五时长内的购药次数中的至少一个；

所述基于所述第一购药数据、所述第二购药数据和所述出行数据，确定所述个体的风险数据，包括：

基于所述职业信息、所述接触记录、所述核酸检测记录、所述隔离记录和所述购药次数中至少一个，以及所述第一购药数据、所述第二购药数据和所述出行数据，确定所述个体的风险数据。

第二方面，本申请实施例提供一种确定个体风险的装置，包括：

获取模块，用于获取个体当前的第一购药数据和所述个体的身份信息；基于所述身份信息，获取在历史中距离当前最近的第一时长内与所述个体对应的第二购药数据和出行数据；

确定模块，用于基于所述第一购药数据、所述第二购药数据和所述出行数据，确定所述个体的风险数据。

第三方面，本申请实施例提供一种服务器，包括：存储器和处理器，存储器用于存储计算机程序；处理器用于在调用计算机程序时执行上述第一方面或第一方面的任一实施方式所述的方法。

第四方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述第一方面或第一方面的任一实施方式所述的方法。

第五方面，本申请实施例提供一种计算机程序产品，当计算机程序产品在服务器上运行时，使得服务器执行上述第一方面中任一项所述的方法。

可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。

附图说明

图1为本申请实施例提供的一种确定个体风险的系统的结构示意图；

图2为本申请实施例提供的一种确定个体风险的方法的流程示意图；

图3为本申请实施例提供的一种数据点集合的示意图；

图4为本申请实施例提供的一种出行数据对应的向量的示意图；

图5为本申请实施例提供的一种个体风险预警数据的树状图；

图6为本申请实施例提供的一种确定个体风险的装置的结构示意图；

图7为本申请实施例所提供一种服务器的结构框图。

具体实施方式

为了便于理解本申请施例中的技术方案，下面首先对本申请实施例的应用场景予以介绍。

本申请实施例提供了一种确定个体风险的系统以及方法。

请参照图1，为本申请实施例所提供的确定个体风险的系统，该系统包括多个第一终端110(图1中仅示出3个)和服务器120。

第一终端110可以设置在药店、社区门诊、私人诊所或医院等医疗场所。第一终端110可以为电脑或手机等电子设备。第一设备110可以与服务器120进行交互，包括向服务器120提供服务器120确定个体风险所需的多种数据，比如个体的姓名等相关信息和多种药品信息等。还包括从服务器120获取诸如个体风险的评估结果等信息。

服务器120可以用于对任一第一终端110所指定的个体进行风险评估，并向该第一终端110反馈相应的评估结果。在一些实施例中，服务器120 中可以存储有诸如风险评估模型等用于进行风险评估的评估策略。在一些实施例中，服务器120中可以存储用于进行风险评估的其他数据。

在一些实施例中，该系统还可以包括第二终端130。第二终端130可以为对评估结果进行追踪的复核人员(比如片区管理员、警察或医生)所持有的终端。相应的，服务器120可以将评估结果发送给第二终端130，第二终端130可以将该评估结果展示给复核人员，以便于复核人员确定是否对该评估结果对应的个体进行上门走访或者进一步检测。第二终端130可以为电脑或手机等电子设备。

在一些实施例中，第一终端110和第二终端130可以是同一设备，或者，在另一些实施例中，第一终端110可以具有第二终端130的至少部分功能，第二终端130可以具有第一终端110的至少部分功能。

下面以具体地实施例对本申请的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。

请参照图2，为本申请实施例所提供的一种确定个体风险的方法的流程图。需要说明的是，以下仅以该方法应用于如图1所示的服务器120为例，对本申请实施例所提供确定个体风险的方法进行说明，可以理解的，该方法也可以应用于如图1所示的第一终端110或者第二终端130，或者，可以由第一终端110、服务器120和第二终端130等设备中的至少两个协同执行。需要说明的是，该方法并不以图2以及以下所述的具体顺序为限制，应当理解，在其它实施例中，该方法其中部分步骤的顺序可以根据实际需要相互交换，或者其中的部分步骤也可以省略或删除。该方法包括如下步骤：

S201，获取个体当前的第一购药数据和该个体的身份信息。

当个体出现发热等不正常症状时，可能会去药店等医疗场所购买用于消除这些症状的药品，但如果该个体已经感染疫情，则可能会给该医疗场所以及其他个体带来风险，因此可以获取该个体当前的第一购药数据和身份信息，以便确定该个体的风险。

在一些实施例中，当个体进入药店等医疗场所时，可以由该个体或者该医疗场所的工作人员，向第一终端提交该个体当前的第一购药数据以及身份信息，第一终端可以将接收到的第一购药数据和身份信息，发送给服务器。

第一购药数据为与个体当前的购药行为相关的数据。在一些实施例中，第一购药数据可以包括第一药品种类、第一药品数量、第一购药点位置和个体的第一体温中的至少一个。其中，第一药品种类为个体当前购买药品的药品种类，各药品种类可以由专业技术人员事先划分的；第一药品数量可以为该个体当前购买药品的数量；第一购药点位置可以为医疗场所或第一终端所在的位置；第一体温为个体当前的体温，第一体温可以通过测温面板机等测量仪器测量。

个体的身份信息可以用于对个体进行标识。在一些实施例中，身份信息可以包括姓名、身份证号码、手机号和居住地址中的至少一个。

S202，基于身份信息，获取在历史中距离当前最近的第一时长内与个体对应的第二购药数据和出行数据。

第二购药数据为个体在历史中距离当前最近的第一时长内的购药行为相关的数据，从而可以用于指示该个体在历史中最近的购药行为，而出行数据可以为与个体出行相关的数据，从而可以用于指示个体在历史中最近的出行行为。当个体被疫情感染时，个体的购药行为可能会发生改变，比如频繁地购买某些药品，而用户的出行行为也可能导致被疫情感染或者疫情传播，比如出入疫情爆发的城市等，因此，为了便于准确地确定个体风险，可以获取个体对应的第二购药数据和出行数据。

第一时长可以由相关技术人员事先根据疫情的严重程度和防控需求等多种因素确定，比如，第一时长可以为14天。当然，在实际应用中，第一时长也可以为其他时长，本申请实施例不对第一时长的时长大小进行限定。

在一些实施例中，第二购药数据可以包括第二药品种类、第二药品数量、第二购药点位置和个体的第二体温中的至少一个。

在一些实施例中，由于对于居住在同一空间的多个个体，同时被感染的可能性很大，因此，个体对应的第二购药数据可以包括该个体以及与该个体处于同一居住地址的其他个体的购药数据。

在一些实施例中，出行数据可以包括出行时间、出行地点和各出行地点对应的出行方式。其中，出行地点可以包括出发地、目的地以及暂停地等多种类型的出行地点，暂停地可以为由于换乘、途经或临时停靠导致暂时停留的地点；出行方式可以包括汽车、火车或飞机等。

服务器可以基于个体对应的身份信息，从存储的购药数据中，获取与该个体对应的、距离当前时刻最近的第一时长内的购药数据，从而得到第二购药数据；基于该身份信息，从存储的出行数据中，获取与该个体对应的、距离当前时刻最近的第一时长内的出行数据。

其中，对于购药数据，当个体去医疗场所时，可以向该医疗场所的第一终端提交购药数据，第一终端向接收到的购药数据发送给服务器，服务器可以接收多个医疗场所的多个第一终端发送的购药数据进行存储。对于出行数据，服务器可以从归属于铁路和航空等交通运输部门的数据库中获取并存储多个个体的出行数据。当然，在实际应用中，服务器也可以事先通过其他方式获取多个购药数据和多个出行数据并进行存储，本申请实施例不对获取多个购药数据或出行数据的方式进行限定。

需要说明的是，在另一些实施例中，也可以不事先获取多个出行数据，而是在S202中，基于个体的身份信息，从归属于铁路和航空等交通运输部门的数据库，获取与该身份信息对应的出行数据。

在一些实施例中，可以基于个体的身份信息，获取该个体的行程卡数据以及购票数据，基于行程卡数据和购票数据，确定与该身份信息对应的出行数据。也即是，可以通过一个以上的数据来源获取出行数据，减少了个体通过多个手机购票出行等隐藏出行行为所导致的出行数据不准确的问题。

S203，基于第一购药数据、第二购药数据和出行数据，确定个体的风险数据。

第一购药数据可以说明个体当前的购药行为，第二购药数据可以用于说明该个体在最近一段时间内的购药行为，出行数据可以用于说明该个体在最近一段时间内的出行行为，因此，可以基于第一购药数据、第二购药数据以及出行数据，对该个体当前的购药行为、最近一段时间内的购药行为和出行行为进行分析，进而准确地确定该个体的风险数据。

风险数据可以用于指示个体的风险大小。风险数据可以包括风险值，如0-1之间的数值，也可以包括风险等级，如低风险、中风险和高风险等。当然，在实际应用中，风险数据的表示形式并不限于前述示出的两种，本申请实施例不对风险数据的表示形式进行限定。

其中，当第一药品种类或第二药品种类包括与疫情对应的特定药品种类时，个体的风险较大；当第一药品数量或第二药品数量越大时，个体的风险越大；当第一购药点位置或第二购药点位置周围的预设距离范围内包括特定场所，如口岸、交通枢纽、农贸市场、跨境营业场所时，该个体的风险较大；当第一体温或第二体温处于特定温度范围，如小于36度或大于 37.3.度时，该个体的风险较大。当该个体的出行地点包括高风险地点时，该个体的风险较大。当第一购药数据和第二购药数据包括的数据类型越多时，也就能够越全面地说明个体的风险大小。

需要说明的是，上述特定药品种类、预设距离范围、特定场所、预设温度范围以及高风险地点，可以事先确定。

在一些实施例中，可以确定与第一购药数据对应的风险系数、与第二购药数据对应的风险系数以及与出行数据对应的风险系数，再基于与第一购药数据对应的风险系数、与第二购药数据对应的风险系数以及与出行数据对应的风险系数，确定风险数据。也即是，可以通过分别确定与第一购药数据、第二购药数据以及出行数据对应的风险系数，各风险数据能够更精准地说明第一购药数据、第二购药数据或出行数据对应的风险大小，那么再通过各风险系数即能够更加准确地确定个体对应的风险数据。

在一些实施例中，可以基于第一购药数据中包括的各数据以及各数据对应的预设的权重值，确定与第一购药数据对应的风险数据。

在一些实施例中，第一购药数据包括第一药品种类，第一购药点位置和所述个体的第一体温，那么与第一购药数据对应的风险数据可以表示为： a*0.05+b*0.05+c*0.1。其中，与第一药品种类对应的权重值和与第一购药点位置对应的权重值均为0.05；与第一体温对应的权重值为0.1；当第一药品种类包括特定药品种类时，a＝1，否则a＝0；当第一购药点位置的预设距离范围内包括特定场所时，b＝1，否则b＝0；当第一体温处于特定温度范围时，c＝1，否则c＝0。

在一些实施例中，可以基于LOF算法，确定与第二购药数据对应的离群因子，基于该离群因子，确定与第二购药数据对应的风险系数。

LOF算法是一种基于距离的非监督异常检测算法，它是通过计算给定数据点相对于其邻域的局部密度偏差而实现异常检测。多个数据点可以如如图3所示，其中，集合W包括的数据点，整体间距、密度和分散情况均匀一致，因此可以认为是集合W包括的各数据点是正常的，集合X包括的数据点，虽然与集合W包括的数据点的密度不一致，但其各数据点的整体间距、密度和分散情况也均匀一致，因此可以认为集合X包括的各数据点也是正常的，而Y点和Z点，距离集合W和集合X包括的数据点的距离较远，相对孤立，可以认为是异常点。

通过LOF算法可以计算得到给定数据点的离群因子，该离群因子表示该给定数据点的邻域内的其他数据点的局部可达密度，与该给定数据点的局部可达密度之比的平均数。如果该离群因子越接近于1，则说明该给定数据点与其邻域内的其他数据点的局部可达密度越接近，以图3为例，该给定数据点可能为集合W或者集合X包括的数据点。如果该离群因子越小于 1，则说明该给定数据点的局部可达密度越高于其邻域内的其他数据点的局部可达密度，以图3为例，该给定数据点可能为集合W或者集合X中相对比较密集的区域中的某个数据点。如果该离群因子越大于1，则说明该给定数据点的局部可达密度越低于其邻域内的其他数据点的局部可达密度，或者可以说该给定数据点的邻域包括的数据点越稀少，即该给定数据点是异常的离群点的可能性越大，以图3为例，该给定数据点可以为Y点或Z点。

由前述可知，第二购药数据可以包括第二药品种类、第二药品数量、第二购药点位置和第二体温中的至少一个，因此，可以基于第二购药数据所包括的至少一种数据，生成一维或多维的特征向量。该特征向量与第二购药数据对应，且该特征向量中的中的每个维度的数值可以与第二购药数据中的一种数据对应。该特征向量即可以作为一个数据点。基于LOF算法，确定第二购药数据对应的特征向量在预设的样本集合中的离群因子。其中，该预设的样本集合中可以包括多个第三购药数据对应的特征向量，因此，第二购药数据对应的离群因子，即可以表示第二购药数据相对于多个第三购药数据的离群程度。所述第三购药数据与第二购药数据的数据维度相同，且第三购药数据为正常的购药数据。当该离群因子越大于1，则可以说明第二购药数据相对于多个第三购药数据来说越孤立，第二购药数据为异常数据的可能性越大。

在一些实施例中，第三购药数据可以为与第二购药数据对应同一个体，在历史中的多个时间片的购药数据，从而用于指示该个体在各时间片的购药行为，各时间片的时长可以为第一时长，相应的，所得到的离群因子可以表示该个体在距离当前最近的时间片内的购药行为，与以往更早的时间片内的购药行为相比的异常程度，若该离群因子越大于1，则该个体在距离当前最近的时间片内的购药行为异常的可能性越大，那么该个体则在最近可能存在与疫情相关的症状的可能性越高。或者，在一些实施例中，第三购药数据可以为多个未感染疫情的正常的个体，在同一时间片或多个时间片的购药数据，相应的，所得到的离群因子可以表示第二购药数据对应的个体的购药行为，与其他正常个体的购药行为相比的异常程度，若该离群因子越大于1，则该个体在距离当前最近的时间片内的购药行为异常的可能性越大，那么该个体则在最近可能存在与疫情相关的症状的可能性越高。

当通过LOF算法确定该特征向量相对于样本集合的离群因子(即A) 时，可以基于该离群因子确定与第二购药数据对应的风险系数，且与第二购药数据对应的风险系数可以与该离群因子成正相关。在一些实施例中，可以将离群因子减去1所得到的差值(即A-1)乘以与第二购药数据对应的权重值(如0.05)，所得到的乘积即为与第二购药数据对应的风险系数。

需要说明的是，在实际应用中，也可以通过其他异常检测算法或者其他方式，来确定与第二购药数据对应的风险系数。

在一些实施例中，可以基于各出行地点、各出行地点对应的风险系数以及各出行方式对应的风险系数，确定与出行数据对应的风险系数。

其中，当出行地点的风险越高、出行方式的风险越高，则与出行数据对应的风险系数所指示的风险越高。

在一些实施例中，可以基于至少一个出行地点，构建出行轨迹向量和地点风险向量，基于至少一个出行地点对应的出行方式，构建出行地类型风险量，基于出行轨迹向量、地点风险向量和出行地类型风险量，确定与出行数据对应的风险系数。

出行轨迹向量可以用于直观准确地表示个体的出行地点，出行轨迹向量的长度为多个地点的总数，出行轨迹向量中各元素的取值范围可以包括0 和1，0表示个体未出行至该地点，1表示个体出行至该地点。在一些实施例中，可以将出行轨迹向量中与出发地和目的地对应的元素设置为1，其他地点对应的元素设置为0。在一些实施例中，由于不同出行方式下，个体在地点的停留的时长不同，个体传播疫情或者感染的风险也不同，因此可以基于出行方式出行数据包括的出行地点和出行方式，确定出行轨迹向量，从而提高出行轨迹向量的准确性。例如，对于出行方式为飞机的，可以将出行轨迹向量中与出发点、目的地和转机地对应的元素设置为1；对于出行方式为火车或汽车的，将出行轨迹向量中与出发地、目的地和途径的地点等暂停地对应的元素均设置为1。

地点风险向量可以用于直观准确地表示各地点的风险程度。地点风向向量的长度为多个地点的总数。在一些实施例中，地点风险向量包括的各元素的取值范围可以包括0-1，当该元素越靠近1时，所示的风险越大。在一些实施例中，地点风险向量各元素的取值范围可以包括0、0.1，0.2和0.3，其中，0.1，0.2和0.3分别表示低风险、中风险和高风险，0表示无风险。当然，在实际应用中，地点风险向量中的各元素可以是其他数值范围内的数值。

出行地类型风险量可以用于直观准确地表示不同类型出行地点的风险程度。出行地类型风险量的长度为多个地点的总数。在一些实施例中，出行地类型风险量中各元素的取值范围大小不同的多个数值，每个数值可以对应一个出行地类型。例如，出行地类型包括出发地、目的地和暂停地，出行地类型风险量中各元素的取值范围则可以包括0、0.1和1，0表示无风险，与其他地点对应，0.1表示有较小风险，与暂停地对应，1表示有较大风险，与出发地或目的地对应。若任一地点为出发地或目的地，则将出行地类型风险量中该地点对应的元素设置为1；若任一地点为暂停地，则将出行地类型风险量中该地点对应的元素设置为0.1，其他地点对应的元素设置为0。

需要说明的是，上述出行轨迹向量、地点风险向量和出行地类型风险量的长度可以相同。

在一些实施例中，出行轨迹向量可以为行向量，地点风险向量和出行地类型风险量可以为列向量，可以如图3所示，将出行轨迹向量、地点风险向量和出行地类型风险量的乘积确定为与出行数据对应的风险系数。

例如，以图3中各向量中的前三个元素为例。出行轨迹向量中的第一个元素为0，表示个体未出行至第一个元素对应的地点；地点风险向量中的第一个元素为0，表示第一个元素对应的地点无风险，出行地类型风险量中的第一个元素为0，表示用户出行至该地点无风险。出行轨迹向量中的第二个元素为1，表示个体曾出行至第二元素对应的地点；地点风险向量中的第二个元素为0.3，表示第二个元素对应的地点为高风险，出行地类型风险量中的第二个元素为1，表示该地点为出发地或目的地。出行轨迹向量中的第三个元素为1，表示个体曾出行至第二元素对应的地点；地点风险向量中的第二个元素为0.2，表示第二个元素对应的地点为中风险，出行地类型风险量中的第二个元素为0.1，表示用户曾在该地点暂时停留，有较小风险。

在一些实施例为中，可以将出行轨迹向量、地点风险向量、出行地类型风险量以及与出行数据对应的权重值(如0.3)的乘积，确定为与出行数据对应的风险系数。

在一些实施例中，为了能够从更多维度更加全面的确定个体的风险，进一步提高确定个体风险的准确性，可以获取基于个体的身份信息，获取个体的职业信息、个体在历史中距离当前最近的第二时长内的接触记录，个体在历史中距离当前最近的第三时长内的核酸检测记录、个体在历史中距离当前最近的第四时长内的隔离记录以及个体在历史中距离当前最近的第五时长内的购药次数中的至少一个，相应的，可以基于职业信息、接触记录、核酸检测记录、隔离记录和购药次数中至少一个，以及第一购药数据、第二购药数据和出行数据，确定个体的风险数据。

从事某些特定职业的人员，可能更容易接触或者传播病菌，即受感染或者传播疫情的可能性较大，因此当个体的职业为特定职业时，该个体的风险较高。在一些实施例中，特定职业可以包括农贸市场服务业、冷链服务业、隔离酒店服务业和跨境运输服务业中的至少一种。需要说明的是，特定职业可以由相关技术人员事先基于疫情确定。本申请实施例对确定特定职业的方式以及特定职业的类型不作具体限定。

在一些实施例中，可以基于个体的身份信息，获取个体的职业信息，将该职业信息与存储的特定职业信息进行比较，若该职业信息与任一特定职业信息相同，则确定该个体从事特定职业。或者，在另一些实施例中，可以将个体的身份信息，与存储的特定职业的多个个体的身份信息进行比较，若该个体的身份信息与存储的多个个体中任一个体的身份信息相同，则确定该个体从事特定职业。

接触记录可以包括个体是否存在特定接触史。当个体在最近的时间段内有特定接触史时，该个体受感染或者传播疫情的可能性较大，相应的，该个体也会有较高的风险。在一些实施例中，特定接触史可以包括境外旅居史、中高风险地区旅居史、确诊病例或疑似病例接触史中的至少一个。

其中，可以由医疗场所的工作人员询问个体，或者个体主动上报接触记录，第一终端接收相关工作人员或个体提交的接触记录，并将该接触记录发送给服务器。当然，在实际应用中，接触记录也可以由服务器通过其他方式确定，比如，对于境外旅居史和中高风险地区旅居史，可以通过前述中的个体的出行数据，确定该个体是否有境外旅居史或者中高风险地区旅居史。

核酸检测是甄别个体是否感染的有效手段，当个体接受核酸检测次数越多，则说明该个体所在地区可能受疫情感染的可能性越大，因而该个体的风险也越大。

隔离记录可以用于指示个体是否因疫情被隔离。若个体因疫情被隔离，则可能该个体有较大可能被感染，因此风险较高。

个体的购药次数越多，该个体出现病症的严重程度越高，因此该个体的风险也越高。

需要说明的是，可以事先确定第二时长、第三时长、第四时长和第五时长，且上述第一时长、第二时长、第三时长、第四时长和第五时长中的两个或更多的时长的时长大小可以相同。本申请实施例对确定第二时长、第三时长、第四时长和第五时长的方式，以及第二时长、第三时长、第四时长和第五时长的时长大小不进行限定。

在一些实施例中，可以确定职业信息对应的风险系数、接触记录对应的风险系数、核酸检测记录对应的风险系数、隔离记录对应的风险系数和购药次数对应的风险系数中至少一个，基于职业信息对应的风险系数、接触记录对应的风险系数、核酸检测记录对应的风险系数、隔离记录对应的风险系数和购药次数对应的风险系数中至少一个，以及第一购药数据对应的风险系数、第二购药数据对应的风险系数和出行数据对应的风险系数，确定个体的风险数据。在一些实施例中，可以将职业信息对应的风险系数、接触记录对应的风险系数、核酸检测记录对应的风险系数、隔离记录对应的风险系数和购药次数对应的风险系数中至少一个，以及第一购药数据对应的风险系数、第二购药数据对应的风险系数和出行数据对应的风险系数的和，确定个体的风险数据

可以基于职业信息以及与该职业信息对应的权重值，确定与该职业信息对应的风险系数。在一些实施例中，职业信息的风险系数可以表示为 d*0.3，其中，若该职业信息所指示的职业为特定职业，则d＝1，否则d＝0， 0.3为与职业信息对应的权重值。

可以基于个体的接触记录以及与该接触记录对应的权重值，确定与接触记录对应的风险系数。在一些实施例中，接触记录对应的风险系数可以表示为e*0.3，其中，若接触记录包括任一特定接触史，则e＝1，否则e＝0， 0.3为与接触记录对应的权重值。

可以基于核酸检测记录确定个体的核酸检测次数，基于核酸检测次数以及与核酸检测记录对应的权重值，确定与核酸检测记录对应的风险系数。在一些实施例中，核酸检测记录对应的风险系数可以表示为f*0.2，其中，f 为核酸检测次数，0.2为与核酸检测记录对应的权重值。

可以基于隔离记录以及与隔离记录对应的权重值，确定隔离记录对应的风险系数。在一些实施例中，隔离记录对应的风险记录可以表示为g*0.3，其中，若个体被隔离过，比如入住过隔离酒店，则g＝1，否则g＝0，0.3为与隔离记录对应的权重值。

可以基于购药次数以及与购药次数对应的权重值，确定购药次数对应的风险系数。在一些实施例中，购药次数对应的风险系数可以表示为h*0.1，其中，h为购药次数，0.1为与购药次数对应的权重值。

需要说明的是，在实际应用中，上述各权重值可以为其他数值，本申请实施例不对各权重值的数值大小进行限定。

在一些实施例中，个体对应的风险数据可以表示为： a*0.05+b*0.05+c*0.1+d*0.3+e*0.3+f*0.2+g*0.3+h*0.1+i*0.3+j*0.05。其中， a、b、c、d、e、f、g和h表示的意义可以参见前述中的相关描述；i与前述中出行轨迹向量、地点风险向量与行地类型风险量的乘积对应；j＝A-1， A表示前述中与第二购药数据对应的离群因子。

通过上述步骤，可以得到表示个体风险的风险值，而在另一些实施例中，风险数据可以包括风险等级，可以将所确定的数值与预设的多个不同大小的风险阈值进行比较，从而确定个体的风险等级是低风险、中风险或高风险。

需要说明的是，本申请实施例不对确定风险值的方式以及风险阈值的数值大小进行限定。例如，多个风险阈值可以包括0.2和0.4，若表示个体的风险值小于0.2，则确定该个体为低风险，若表示个体的风险值大于或等于0.2且小于0.4，则确定该个体为中风险，若表示个体的风险值大于或等于0.4，则确定该个体为高风险。

在一些实施例中，可以将风险数据反馈给第一终端和第二终端中的至少一个，以使得个体以及相关工作人员确定该个体的风险程度，并采取相应的对应措施。

在一些实施例中，复核人员可以基于第二终端所展示的个体的风险数据，对个体进行再次核验，包括登门拜访、通过发热门诊等指定医疗场所进行对个体进行检测或者对个体进行核酸检测等至少一种核验方式。第二终端可以接收复核人员提交的复核结果，并将该复核结果发送至服务器，相应的，服务器可以存储该复核结果，也可以将该复核结发送至第一终端，以便于第一终端所在的医疗场所的工作人员进一步确定个体的风险。

在一些实施例中，相关工作人员可以基于复核结果和/或疫情发展状态，对前述中的各权重值或者阈值(比如与风险等级相关的风险阈值)等参数进行调整，可以接收相关工作人员所提交的新的权重值或阈值等参数，并基于新的参数来确定个体的风险数据，从而形成闭环，实现对确定个体风险的方法的动态自适应调整，能够进一步提高确定个体风险的准确性。

在一些实施例中，服务器可以向第一终端和/或第二终端反馈个体风险预警数据，相应的，第一终端或第二终端可以展示个体风险预警数据，其中，该个体风险预警数据包括风险数据，还可以包括其他与个体或个体风险相关的数据。在一些实施例中，个体风险预警数据的数据结构可以如图5 所示，包括个体的身份信息、风险值、风险详情以及复核结果等。身份信息包括了个体的姓名、身份证号码、手机号和居住地址。风险详情包括职业信息、近14天的接触记录、当前体温、最近一次核算检测记录、近一个月隔离记录、近21天购药记录和近21天的轨迹分布。职业信息包括是否为农贸市场服务业、冷链服务业、隔离酒店服务业或跨境运输服务业等特定职业；近14天的接触记录包括是否有中高风险地区旅居史、是否有境外旅居史、是否有确诊病例或疑似病例接触史；近21天购药记录包括是否购买特定药品，同一居住地址对应的购药次数；近21天的轨迹分布包括所到达的有药店附近是否存在交通枢纽、农贸市场或物流企业等特定场所。复核结果包括登门拜访结果、发热门诊诊断结果以及核酸检测结果。

在本申请实施例中，通过获取个体当前的第一购药数据和该个体的身份信息，并基于该身份信息获取在历史中距离当前最近的第一时长内与个体对应的第二购药数据和出行数据，基于第一购药数据、第二购药数据和出行数据，确定个体的风险数据，从而实现了基于第一购药数据所指示的个体当前的购药状况、第二购药数据所指示的该个体在最近一段时间内的购药状况以及出行数据所指示的该个体在最近一段时间内的出行状况，准确地确定个体的风险数据。

基于同一发明构思，作为对上述方法的实现，本申请实施例提供了一种确定个体风险的装置600，该装置实施例与前述方法实施例对应，为便于阅读，本装置实施例不再对前述方法实施例中的细节内容进行逐一赘述，但应当明确，本实施例中的装置能够对应实现前述方法实施例中的全部内容。

请参照图6，为本申请实施例提供的确定个体风险的装置600的结构示意图，如图6所示，本实施例提供的装置600包括：

获取模块601，用于获取个体当前的第一购药数据和个体的身份信息；基于身份信息，获取在历史中距离当前最近的第一时长内与个体对应的第二购药数据和出行数据；

确定模块602，用于基于第一购药数据、第二购药数据和出行数据，确定个体的风险数据。

可选地，确定模块602具体用于：

确定与第一购药数据对应的风险系数、与第二购药数据对应的风险系数以及与出行数据对应的风险系数；

基于与第一购药数据对应的风险系数、与第二购药数据对应的风险系数以及与出行数据对应的风险系数，确定风险数据。

可选地，第一购药数据包括第一药品种类、第一药品数量、第一购药点位置和个体的第一体温中的至少一个。

可选地，确定模块602具体用于：

基于LOF算法，确定与第二购药数据对应的离群因子；

基于离群因子，确定与第二购药数据对应的风险系数。

可选地，第二购药数据包括第二药品种类、第二药品数量、第二购药点位置和个体的第二体温中的至少一个。

可选地，出行数据包括出行地点和各出行地点对应的出行方式，确定模块602具体用于：

基于至少一个出行地点，构建出行轨迹向量和地点风险向量；

基于至少一个出行地点对应的出行方式，构建出行地类型风险量；

基于出行轨迹向量、地点风险向量和出行地类型风险量，确定与出行数据对应的风险系数。

可选地，获取模块601，还用于基于个体的身份信息，获取个体的职业信息、个体在历史中距离当前最近的第二时长内的接触记录，个体在历史中距离当前最近的第三时长内的核酸检测记录、个体在历史中距离当前最近的第四时长内的隔离记录以及个体在历史中距离当前最近的第五时长内的购药次数中的至少一个；

确定模块602具体用于：

基于职业信息、接触记录、核酸检测记录、隔离记录和购药次数中至少一个，以及第一购药数据、第二购药数据和出行数据，确定个体的风险数据。

本实施例提供的装置600可以执行上述方法实施例，其实现原理与技术效果类似，此处不再赘述。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，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，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

基于同一发明构思，本申请实施例还提供了一种服务器。图7为本申请实施例提供的服务器700的结构示意图，如图7所示，本实施例提供的服务器700包括：存储器710和处理器720，存储器710用于存储计算机程序；处理器720用于在调用计算机程序时执行上述方法实施例所述的方法。

本实施例提供的服务器700可以执行上述方法实施例，其实现原理与技术效果类似，此处不再赘述。

本申请实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述方法实施例所述的方法。

本申请实施例还提供一种计算机程序产品，当计算机程序产品在服务器上运行时，使得服务器执行时实现上述方法实施例所述的方法。

上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，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，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读存储介质至少可以包括：能够将计算机程序代码携带到拍照装置/ 终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器 (Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory， RAM)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

在本申请所提供的实施例中，应该理解到，所揭露的装置/设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/设备实施例仅仅是示意性的，例如，所述模块或单元的划分，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，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。

另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。

最后应说明的是：以上各实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述各实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。

Claims (10)

1.一种确定个体风险的方法，其特征在于，包括：

获取个体当前的第一购药数据和所述个体的身份信息；

基于所述身份信息，获取在历史中距离当前最近的第一时长内与所述个体对应的第二购药数据和出行数据；

基于所述第一购药数据、所述第二购药数据和所述出行数据，确定所述个体的风险数据。

2.根据权利要求1所述的方法，其特征在于，所述基于所述第一购药数据、所述第二购药数据和所述出行数据，确定所述个体的风险数据，包括：

确定与所述第一购药数据对应的风险系数、与所述第二购药数据对应的风险系数以及与所述出行数据对应的风险系数；

基于与所述第一购药数据对应的风险系数、与所述第二购药数据对应的风险系数以及与所述出行数据对应的风险系数，确定所述风险数据。

3.根据权利要求2所述的方法，其特征在于，所述第一购药数据包括第一药品种类、第一药品数量、第一购药点位置和所述个体的第一体温中的至少一个。

4.根据权利要求2所述的方法，其特征在于，所述确定与所述第二购药数据对应的风险系数，包括：

基于局部离群因子LOF算法，确定与所述第二购药数据对应的离群因子；

基于所述离群因子，确定与所述第二购药数据对应的风险系数。

5.根据权利要求1-4任一所述的方法，其特征在于，所述第二购药数据包括第二药品种类、第二药品数量、第二购药点位置和所述个体的第二体温中的至少一个。

6.根据权利要求2所述的方法，其特征在于，所述出行数据包括出行地点和各所述出行地点对应的出行方式，所述确定与所述出行数据对应的风险系数，包括：

基于至少一个所述出行地点，构建出行轨迹向量和地点风险向量；

基于至少一个所述出行地点对应的出行方式，构建出行地类型风险量；

基于所述出行轨迹向量、所述地点风险向量和所述出行地类型风险量，确定与所述出行数据对应的风险系数。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

基于所述个体的所述身份信息，获取所述个体的职业信息、所述个体在历史中距离当前最近的第二时长内的接触记录，所述个体在历史中距离当前最近的第三时长内的核酸检测记录、所述个体在历史中距离当前最近的第四时长内的隔离记录以及所述个体在历史中距离当前最近的第五时长内的购药次数中的至少一个；

所述基于所述第一购药数据、所述第二购药数据和所述出行数据，确定所述个体的风险数据，包括：

基于所述职业信息、所述接触记录、所述核酸检测记录、所述隔离记录和所述购药次数中至少一个，以及所述第一购药数据、所述第二购药数据和所述出行数据，确定所述个体的风险数据。

8.一种确定个体风险的装置，其特征在于，包括：

获取模块，用于获取个体当前的第一购药数据和所述个体的身份信息；基于所述身份信息，获取在历史中距离当前最近的第一时长内与所述个体对应的第二购药数据和出行数据；

确定模块，用于基于所述第一购药数据、所述第二购药数据和所述出行数据，确定所述个体的风险数据。

9.一种服务器，其特征在于，包括：存储器和处理器，所述存储器用于存储计算机程序；所述处理器用于在调用所述计算机程序时执行如权利要求1-7任一项所述的方法。

10.一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，所述计算机程序被处理器执行时实现如权利要求1-7任一项所述的方法。

Images