CN114613506B - 基于大数据的路径预测管控方法、装置及存储介质 - Google Patents

基于大数据的路径预测管控方法、装置及存储介质 Download PDF

Info

Publication number
CN114613506B
CN114613506B CN202210253503.4A CN202210253503A CN114613506B CN 114613506 B CN114613506 B CN 114613506B CN 202210253503 A CN202210253503 A CN 202210253503A CN 114613506 B CN114613506 B CN 114613506B
Authority
CN
China
Prior art keywords
order
time point
information
target
illness state
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
Application number
CN202210253503.4A
Other languages
English (en)
Other versions
CN114613506A (zh
Inventor
陈春平
林�建
霍瑞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Xinglin Information Technology Co ltd
Original Assignee
Hangzhou Xinglin Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Xinglin Information Technology Co ltd filed Critical Hangzhou Xinglin Information Technology Co ltd
Publication of CN114613506A publication Critical patent/CN114613506A/zh
Application granted granted Critical
Publication of CN114613506B publication Critical patent/CN114613506B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明提供一种基于大数据的路径预测管控方法、装置及存储介质，包括：获取预测区域在预设时间段内所有患者的病例信息，确定病例信息中与第一病情集合对应的多个目标病例信息；获取每个目标病例信息的初始时间点，根据初始时间点、目标病例信息确定每个目标病例信息所对应的感染定位时间点；确定预设时间段内每个时间点所对应的感染定位时间点的数量，计算目标传染病在预设时间段内的第一数据处理值；若第一数据处理值大于第一阈值则输出第一提醒信息，获取与每个目标病例信息所对应的行走路径信息；将多个目标病例信息所对应的行走路径信息比对得到目标路径集合，对目标路径集合输出进行管控。

Description

基于大数据的路径预测管控方法、装置及存储介质
技术领域
本发明涉及数据处理技术领域，尤其涉及一种基于大数据的路径预测管控方法、装置及存储介质。
背景技术
高传染性的病毒在人类社会中具有较快的散播性，使得一个感染者在感染某个病毒后会作为该病毒的载体持续对该病毒进行传播，直至感染者痊愈。一般来说，人的活动区域都是存在一定规律的，病毒的传播路径也会与感染者的活动区域存在较大的相关联性。
当前还没有一种技术方案，能够集合传染病的发生和患者的行走路径快速定位到需要管控、消杀的目标路径，造成高传染性的病毒在相应的目标路径内可能存在较大的传播风险。
发明内容
本发明实施例提供一种基于大数据的路径预测管控方法、装置及存储介质，能够根据感染者的确诊信息、病例信息、活动路径对传染病的发展处理得到第一数据处理值，并根据第一数据处理值对相应的目标路径进行相应的管控指导。
本发明实施例的第一方面，提供一种基于大数据的路径预测管控方法，包括：
获取预测区域在预设时间段内所有患者的病例信息，确定病例信息中与第一病情集合对应的多个目标病例信息，所述第一病情集合包括至少一个病情；
获取每个目标病例信息的初始时间点，根据所述初始时间点、目标病例信息确定每个目标病例信息所对应的感染定位时间点；
确定预设时间段内每个时间点所对应的感染定位时间点的数量，根据预设时间段内每个时间点的感染定位时间点的数量计算目标传染病在预设时间段内的第一数据处理值；
若判断所述第一数据处理值大于第一阈值则输出第一提醒信息，获取与每个目标病例信息所对应的行走路径信息；
将多个目标病例信息所对应的行走路径信息比对得到目标路径集合，对所述目标路径集合输出以使管理员进行管控。
可选地，在第一方面的一种可能实现方式中，在获取预测区域在预设时间段内所有患者的病例信息，确定病例信息中与第一病情集合对应的多个目标病例信息，所述第一病情集合包括至少一个病情的步骤中，包括：
遍历第一病情集合内的关键词分别与预设时间段内所有患者的病例信息进行比对；
将与第一病情集合内的关键词所对应的病例信息作为目标病例信息。
可选地，在第一方面的一种可能实现方式中，在获取每个目标病例信息的初始时间点，根据所述初始时间点、目标病例信息确定每个目标病例信息所对应的感染定位时间点的步骤中，包括：
获取每个目标病例信息内的病例内容，所述病例内容包括第一阶病情、第二阶病情以及第三阶病情，所述第一阶病情、第二阶病情以及第三阶病情的病情是依次递增的；
若初始时间点所对应的病例内容为第一阶病情，则将初始时间点作为感染定位时间点；
若初始时间点所对应的病例内容为第二阶病情，则根据所述第二阶病情的初始时间点、患者的病例信息得到与所述第二阶病情对应的感染定位时间点；
若初始时间点所对应的病例内容为第三阶病情，则根据所述第二阶病情的初始时间点、患者的病例信息得到与所述第三阶病情对应的感染定位时间点。
可选地，在第一方面的一种可能实现方式中，在若初始时间点所对应的病例内容为第二阶病情，则根据所述第二阶病情的初始时间点、患者的病例信息得到与所述第二阶病情对应的感染定位时间点的步骤中，包括：
获取病例信息中患者的年龄信息以及病情等级信息；
确定与所述第二阶病情对应的一阶标准时间段；
根据所述年龄信息、病情等级信息、一阶标准时间段计算与所述第二阶病情对应的延迟时间段；
根据所述延迟时间段、第二阶病情的初始时间点得到第二阶病情对应的感染定位时间点，通过以下公式计算延迟时间段和感染定位时间点，
Figure BDA0003547903280000031
其中，T1为与所述第二阶病情对应的延迟时间段，k1为第一年龄权重值，y1为病例信息中的年龄信息，y2标准年龄信息，k2第一病状权重值，g1为病例信息中的病情等级信息，g2为标准等级信息，T2为第二阶病情对应的延迟时间段，t1为第二阶病情对应的感染定位时间点，t2第二阶病情的初始时间点。
可选地，在第一方面的一种可能实现方式中，在若初始时间点所对应的病例内容为第三阶病情，则根据所述第二阶病情的初始时间点、患者的病例信息得到与所述第三阶病情对应的感染定位时间点的步骤中，包括：
获取病例信息中患者的年龄信息以及病情等级信息；
确定与所述第三阶病情对应的二阶标准时间段；
根据所述年龄信息、病情等级信息、二阶标准时间段计算与所述第三阶病情对应的延迟时间段；
根据所述延迟时间段、第三阶病情的初始时间点得到第三阶病情对应的感染定位时间点，通过以下公式计算延迟时间段和感染定位时间点，
Figure BDA0003547903280000032
其中，T3为与所述第三阶病情对应的延迟时间段，k3为第二年龄权重值，y3为病例信息中的年龄信息，y4标准年龄信息，k4为第二病状权重值，g3为病例信息中的病情等级信息，g4为标准等级信息，T4为第三阶病情对应的延迟时间段，t3为第三阶病情对应的感染定位时间点，t4为第三阶病情的初始时间点。
可选地，在第一方面的一种可能实现方式中，在确定预设时间段内每个时间点所对应的感染定位时间点的数量，根据预设时间段内每个时间点的感染定位时间点的数量计算目标传染病在预设时间段内的第一数据处理值的步骤中，包括：
将任意两个相邻时间点的感染定位时间点数量进行比对得到相对应的第一差值；
对所有的第一差值进行统计得到第一数据处理值，通过以下公式计算第一数据处理值，
Figure BDA0003547903280000041
其中，F1为第一数据处理值，fi+1为第i+1个时间点中所对应的感染定位时间点数量，fi为第i个时间点中所对应的感染定位时间点数量，n为预设时间段内时间点的上限值，N为预设时间段内时间点的数量值，α1为第一预测权重值。
可选地，在第一方面的一种可能实现方式中，还包括：
接收用户输入的趋势值调整数据，所述趋势值调整数据为对所计算的第一数据处理值进行调整，得到调整后的第一数据处理值；
将调整后的第一数据处理值与所计算的趋势值调整数据进行比对得到第一比对值，根据所述第一比对值对第一预测权重值调整得到第二预测权重值；
通过以下公式计算第二预测权重值，
Figure BDA0003547903280000042
其中，F2为调整后的第一数据处理值，α2为第二预测权重值，β1第一上调整系数，β2第一下调整系数。
可选地，在第一方面的一种可能实现方式中，在将多个目标病例信息所对应的行走路径信息比对得到目标路径集合，对所述目标路径集合输出以使管理员进行管控的步骤中，包括：
确定目标病例信息所对应的行走路径信息中停留时间超过预设时间值的目标区域，统计所有超过预设时间值的目标区域得到第一区域总集合；
统计每个目标病例信息在第一区域总集合中每个目标区域的出现次数；
根据每个目标区域的出现次数、每个目标区域所对应的目标病例信息的数量得到该目标区域所对应的区域系数，将区域系数大于第二阈值的目标区域统计为目标路径集合；
通过以下公式计算区域系数，
Figure BDA0003547903280000043
其中，Xj为第j个目标区域的区域系数，z1为第一区域权重值，cj为第j个目标区域的出现次数，ej为第j个目标区域的目标病例信息的数量，v1为目标区域的属性权重。
本发明实施例的第二方面，提供一种基于大数据的路径预测管控装置，包括：
获取模块，用于获取预测区域在预设时间段内所有患者的病例信息，确定病例信息中与第一病情集合对应的多个目标病例信息，所述第一病情集合包括至少一个病情；
确定模块，用于获取每个目标病例信息的初始时间点，根据所述初始时间点、目标病例信息确定每个目标病例信息所对应的感染定位时间点；
计算模块，用于确定预设时间段内每个时间点所对应的感染定位时间点的数量，根据预设时间段内每个时间点的感染定位时间点的数量计算目标传染病在预设时间段内的第一数据处理值；
判断模块，用于若判断所述第一数据处理值大于第一阈值则输出第一提醒信息，获取与每个目标病例信息所对应的行走路径信息；
比对模块，用于将多个目标病例信息所对应的行走路径信息比对得到目标路径集合，对所述目标路径集合输出以使管理员进行管控。
本发明实施例的第三方面，提供一种存储介质，所述存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现本发明第一方面及第一方面各种可能设计的所述方法。
本发明提供的一种基于大数据的路径预测管控方法、装置及存储介质。能够对一个预设时间段内的病例信息进行统计，根据每个目标病例信息确定与其对应的感染定位时间点，进而达到对预设时间段内第一数据处理值进行统计的目的。在第一数据处理值大于第一阈值时，则证明此时的第一数据处理值较大，此时则进行相应的提醒。本发明会得到每个目标病例信息所对应的行走路径信息，根据行走路径信息比对得到目标路径集合，根据目标路径集合输出以使管理员进行管控，使得本发明可以在多个目标病例信息中确定患者经历较多的目标区域，进而进行相应的管控，避免传染病在相应的区域大范围扩散。
本发明提供的技术方案，在确定每个目标病例信息的感染定位时间点时，会根据患者在其初始时间点的病状进行确定，使得本发明可以对不同阶段就医的患者进行计算，得到其初始感染相应传染病的时间，即感染定位时间点，使得本发明所计算的第一数据处理值中的时间点都是初次感染传染病的时间点，进而保障了第一数据处理值所计算的准确性，第一数据处理值可以理解为是发展预测趋势值。并且，本发明在计算第一数据处理值，会将两个相邻的感染定位时间点数量进行比对，使得本发明对每一天的感染定位时间点数量的变化趋势都会进行统计，确保了第一数据处理值所计算的准确性。
本发明提供的技术方案，在计算第一数据处理值时，可能会出现预测偏差的情况，例如第一数据处理值虚高，则此时的第一提醒信息可以看作是误提醒，此时用户会对趋势值调整数据进行调整。本发明会根据用户输入的趋势值调整数据和所计算的趋势值调整数据进行比对得到第一比对值，根据第一比对值对第一预测权重值进行调整，使得本发明可以对计算趋势值调整数据的公式进行持续训练、深度学习，保障第一数据处理值的准确性。
本发明提供的技术方案，会首先对所有患者的病例信息进行初筛，得到与本申请所计算的传染病相对应的目标病例信息，根据目标病例信息中不同患者的不同就医阶段，对所有患者的初步感染时间进行确定，然后根据患者的年龄信息、病情信息对初步感染时间(感染定位时间点)进行修正。根据所得到的所有患者的初步感染时间(感染定位时间点)的时刻的不同，确定传染病在目标区域内的发展趋势，得到相对应的第一数据处理值，此时的第一数据处理值具有样本多、准确性高的优势。
附图说明
图1为基于大数据的路径预测管控方法的第一种实施方式的流程图；
图2为基于大数据的路径预测管控方法的第二种实施方式的流程图；
图3为基于大数据的路径预测管控方法的第三种实施方式的流程图；
图4为基于大数据的路径预测管控装置的第一种实施方式的结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中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做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
应当理解，在本发明的各种实施例中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
应当理解，在本发明中，“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解，在本发明中，“多个”是指两个或两个以上。“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“包含A、B和C”、“包含A、B、C”是指A、B、C三者都包含，“包含A、B或C”是指包含A、B、C三者之一，“包含A、B和/或C”是指包含A、B、C三者中任1个或任2个或3个。
应当理解，在本发明中，“与A对应的B”、“与A相对应的B”、“A与B相对应”或者“B与A相对应”，表示B与A相关联，根据A可以确定B。根据A确定B并不意味着仅仅根据A确定B，还可以根据A和/或其他信息确定B。A与B的匹配，是A与B的相似度大于或等于预设的阈值。
取决于语境，如在此所使用的“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。
下面以具体地实施例对本发明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。
本发明提供一种基于大数据的路径预测管控方法，如图1所示，包括：
步骤S110、获取预测区域在预设时间段内所有患者的病例信息，确定病例信息中与第一病情集合对应的多个目标病例信息，所述第一病情集合包括至少一个病情。本发明提供的技术方案，预测区域可以是某一个行政管理区域，例如某个区县、某个镇。本发明获取预测区域在预设时间段内所有患者的病例信息，预设时间段可以是5天、10天、20天等等。本发明可以与目标区域内多个医疗结构的数据库打通、或者是获取预测区域内医疗结构提供的数据。本发明提供的技术方案也可以应用于某一个医疗结构。
患者的病例信息包括但不限于患者的姓名信息、年龄信息、性别信息、初次就医时间信息、病情信息等等。本发明会对所有患者的病例信息进行处理，确定病例信息中与第一病情集合对应的多个目标病例信息，通过以上的方式对所有患者的病例筛选，得到与本申请所预测的传染病相对应的病例信息、即目标病例信息。
本发明提供的技术方案，在一个可能的实施方式中，如图2所示，步骤S110具体包括：
步骤S1101、遍历第一病情集合内的关键词分别与预设时间段内所有患者的病例信息进行比对。本发明提供的技术方案，会预先设置第一病情集合，例如说传染病为流行性感冒，流行性感冒包括了3个阶段，第一个阶段为咽喉肿痛；第二个阶段为咳嗽、流鼻涕；第三个阶段为发烧；则此时的第一病情集合内的关键词则可以分别包括了咽喉肿痛、咳嗽、流鼻涕、发烧，咽喉肿痛、咳嗽、流鼻涕、发烧即为相应的病情。
步骤S1102、将与第一病情集合内的关键词所对应的病例信息作为目标病例信息。本发明会将具有关键词的病例信息作为目标病例信息，即将具有咽喉肿痛、咳嗽、流鼻涕、发烧的病例信息作为目标病例信息，进而对可能患有流行性感冒的患者进行统计。
步骤S120、获取每个目标病例信息的初始时间点，根据所述初始时间点、目标病例信息确定每个目标病例信息所对应的感染定位时间点。本发明提供的技术方案，在一个可能的实施方式中，会得到每个目标病例信息的初始时间点，因为每个患者在初始就医时的状态都是不同的，有些患者可能在流行性感冒的初期(第一个阶段)即进行就医、有些患者可能在流行性感冒的后期(第三个阶段)进行就医。本发明会将每个患者初次就医的时间作为初始时间点，在得到每个患者的初始时间点、目标病例信息后，本发明会进行计算，得到每个患者所对应的感染定位时间点。可以这样理解，感染定位时间点即为初步患有传染病的时间点，本发明会根据患者在就医时的病情来推算、计算、预测患者初步患有传染病的时间点。
本发明提供的技术方案，在一个可能的实施方式中，如图3所示，步骤S120具体包括：
步骤S1201、获取每个目标病例信息内的病例内容，所述病例内容包括第一阶病情、第二阶病情以及第三阶病情，所述第一阶病情、第二阶病情以及第三阶病情的病情严重情况是依次递增的。可以这样理解，本发明对于每一种类型的传染病预先设置不同层级、阶级的病情。如上所说，流行性感冒包括的三个阶段，第一个阶段为咽喉肿痛,第二个阶段为咳嗽、流鼻涕,第三个阶段为发烧，则此时的第一阶病情即可以对应为咽喉肿痛、第二阶病情即可以对应为咳嗽、流鼻涕、第三阶病情即可以对应为发烧。
步骤S1202、若初始时间点所对应的病例内容为第一阶病情，则将初始时间点作为感染定位时间点。本发明会将第一阶病情所对应的时间点作为初始时间点，有些患者会在患病的初期即进行就医，此时病情仅仅是刚刚开始，此时的时间即可以认为是患者的感染时间，所以此时就医的初始时间点即可以作为感染定位时间点。
步骤S1203、若初始时间点所对应的病例内容为第二阶病情，则根据所述第二阶病情的初始时间点、患者的病例信息得到与所述第二阶病情对应的感染定位时间点。有些患者会在第二阶病情的身体状态进行就医，此时其会具有咳嗽、流鼻涕等症状，本发明会根据第二阶病情的初始时间点、患者的病例信息进行计算、推断得到其相应的感染定位时间点，可以这样理解，第二阶病情的感染定位时间点可以是患者在咽喉肿痛的时间点。通过以上的方案，使得本发明可以根据不同阶段的病例内容进行计算，得到患者初期具有相应病状的时间。即患者在咳嗽、流鼻涕的时间点就医(此时对应初始时间点)，本发明会根据咳嗽、流鼻涕的时间点得到该患者未就医前的咽喉肿痛的时间点。
本发明提供的技术方案，在一个可能的实施方式中，步骤S1203具体包括：
获取病例信息中患者的年龄信息以及病情等级信息。本发明提供的技术方案，会首先获取病例信息中患者的年龄信息以及病情等级信息，年龄信息可以是10岁、20岁、30岁等等。病情等级信息可以是较为轻微、轻微、严重、较为严重等等，例如说流鼻涕包括较为轻微、轻微、严重、较为严重4个等级。
确定与所述第二阶病情对应的一阶标准时间段。本发明会预先设置一个一阶标准时间段，一阶标准时间段时用户根据传染病的类型设置的，例如说3天、5天、7天等等。可以这样理解，一阶标准时间段即为患者由第一阶病情发展至第二阶病情的时间标准时间段，但是实际的患者可能年龄参差不齐，所以对于不同年龄的患者的抵抗力、传染病发展速度都是不同的，并且病情的严重情况也是不同的，所以本发明还需要参考患者的年龄、病情等级信息等维度来确定第二阶病情所对应的延迟时间段。
根据所述年龄信息、病情等级信息、一阶标准时间段计算与所述第二阶病情对应的延迟时间段。本发明提供的技术方案，会根据年龄信息、病情等级信息以及一阶标准时间段进行融合计算得到相对应的第二阶病情对应的延迟时间段。
根据所述延迟时间段、第二阶病情的初始时间点得到第二阶病情对应的感染定位时间点，通过以下公式计算延迟时间段和感染定位时间点，
Figure BDA0003547903280000101
其中，T1为与所述第二阶病情对应的延迟时间段，k1为第一年龄权重值，y1为病例信息中的年龄信息，y2标准年龄信息，k2第一病状权重值，g1为病例信息中的病情等级信息，g2为标准等级信息，T2为第二阶病情对应的延迟时间段，t1为第二阶病情对应的感染定位时间点，t2第二阶病情的初始时间点。
一般来说，人的体能、抵抗力会在25岁达到巅峰，与25岁相差越多，则相对应的抵抗力也就会越差，即由第一阶病情发展至第二阶病情的时间段就越短。通过
Figure BDA0003547903280000102
可以得到患者的实际年龄与标准年龄信息之间的差值，此时的标准年龄信息即为25岁。通过
Figure BDA0003547903280000103
可以得到患者的病情等级信息与标准等级信息之间的关系，患者的病情等级信息越高、则量化的数值越大。通过以上的方式，使得患者的年龄信息与25岁相差越大，则
Figure BDA0003547903280000104
越小；同样的，使得患者的病情等级信息与标准等级信息之间相差越大，则
Figure BDA0003547903280000105
越小。在得到延迟时间段后，本发明会根据延迟时间段、第二阶病情的初始时间点得到相对应的感染定位时间点，例如延迟时间段为2.1，则此时进行四舍五入的取舍，即取延迟时间段为2天，例如第二阶病情的初始时间点为2020年1月10日，则第二阶病情的感染定位时间点为2020年1月8日。
患者的病情越严重，则由第一阶病情发展至第二阶病情的时间段就越短。如上所说，本发明可以将病情等级信息进行量化处理，病情等级信息的量化处理对照表如表1所示。
Figure BDA0003547903280000111
表1
步骤S1204、若初始时间点所对应的病例内容为第三阶病情，则根据所述第二阶病情的初始时间点、患者的病例信息得到与所述第三阶病情对应的感染定位时间点。有些患者会在第三阶病情的身体状态进行就医，此时其会具有发烧等症状，本发明会根据第三阶病情的初始时间点、患者的病例信息进行计算、推断得到其相应的感染定位时间点，可以这样理解，第三阶病情的感染定位时间点可以是患者在咽喉肿痛的时间点。通过以上的方案，使得本发明可以根据不同阶段的病例内容进行计算，得到患者初期具有相应病状的时间。即患者在发烧的时间点就医(此时对应初始时间点)，本发明会根据发烧的时间点得到该患者未就医前的咽喉肿痛的时间点。
本发明提供的技术方案，在一个可能的实施方式中，步骤S1204具体包括：
获取病例信息中患者的年龄信息以及病情等级信息。
确定与所述第三阶病情对应的二阶标准时间段。本发明会预先设置一个二阶标准时间段，二阶标准时间段时用户根据传染病的类型设置的，例如说3天、5天、7天等等。可以这样理解，二阶标准时间段即为患者由第一阶病情发展至第三阶病情的时间标准时间段，但是实际的患者可能年龄参差不齐，所以对于不同年龄的患者的抵抗力、传染病发展速度都是不同的，并且病情的严重情况也是不同的，所以本发明还需要参考患者的年龄、病情等级信息等维度来确定第三阶病情所对应的延迟时间段。
根据所述年龄信息、病情等级信息、二阶标准时间段计算与所述第三阶病情对应的延迟时间段。本发明提供的技术方案，会根据年龄信息、病情等级信息以及二阶标准时间段进行融合计算得到相对应的第三阶病情对应的延迟时间段。
根据所述延迟时间段、第三阶病情的初始时间点得到第三阶病情对应的感染定位时间点，通过以下公式计算延迟时间段和感染定位时间点，
Figure BDA0003547903280000121
其中，T3为与所述第三阶病情对应的延迟时间段，k3为第二年龄权重值，y3为病例信息中的年龄信息，y4标准年龄信息，k4为第二病状权重值，g3为病例信息中的病情等级信息，g4为标准等级信息，T4为第三阶病情对应的延迟时间段，t3为第三阶病情对应的感染定位时间点，t4为第三阶病情的初始时间点。
一般来说，人的体能、抵抗力会在25岁达到巅峰，与25岁相差越多，则相对应的抵抗力也就会越差，即由第一阶病情发展至第三阶病情的时间段就越短。通过
Figure BDA0003547903280000122
可以得到患者的实际年龄与标准年龄信息之间的差值，此时的标准年龄信息即为25岁。通过
Figure BDA0003547903280000123
可以得到患者的病情等级信息与标准等级信息之间的关系，患者的病情等级信息越高、则量化的数值越大。通过以上的方式，使得患者的年龄信息与25岁相差越大，则
Figure BDA0003547903280000124
越小；同样的，使得患者的病情等级信息与标准等级信息之间相差越大，则
Figure BDA0003547903280000125
越小。在得到延迟时间段后，本发明会根据延迟时间段、第三阶病情的初始时间点得到相对应的感染定位时间点，例如延迟时间段为5.6，则此时进行四舍五入的取舍，即取延迟时间段为6天，例如第三阶病情的初始时间点为2020年1月10日，则第二阶病情的感染定位时间点为2020年1月4日。
步骤S130、确定预设时间段内每个时间点所对应的感染定位时间点的数量，根据预设时间段内每个时间点的感染定位时间点的数量计算目标传染病在预设时间段内的第一数据处理值。本发明提供的技术方案，在对所有的病例信息的初次的感染时间进行确定后，会统计预设事件端内每个时间点所对应的感染定位时间点的数量，并对每个时间点的感染定位时间点的数量进行计算得到第一数据处理值。可以这样理解，第一数据处理值是对相应传染病的发展预测趋势值。第一数据处理值越大，则此时相应传染病的增长率就越快，此时即可能发生大规模传染的情况。
本发明提供的技术方案，在一个可能的实施方式中，步骤S130具体包括：
将任意两个相邻时间点的感染定位时间点数量进行比对得到相对应的第一差值。本发明提供的技术方案，会将两个相邻时间点的感染定位时间点数量进行比对，如果后一天的感染定位时间点数量相较于前一天的数量有所增加，则证明此时该类型的传染病具有增大的趋势，本发明会统计预设时间段内每一天(预设时间段内的第一天除外)相较于前一天的增长量得到相对应的第一差值。
对所有的第一差值进行统计得到第一数据处理值，通过以下公式计算第一数据处理值，
Figure BDA0003547903280000131
其中，F1为第一数据处理值，fi+1为第i+1个时间点中所对应的感染定位时间点数量，fi为第i个时间点中所对应的感染定位时间点数量，n为预设时间段内时间点的上限值，N为预设时间段内时间点的数量值，α1为第一预测权重值。本发明提供的技术方案，会对所有的第一差值进行统计得到第一数据处理值、进行计算。通过
Figure BDA0003547903280000132
得到所有的第一差值之和，根据
Figure BDA0003547903280000133
得到任意相邻的两个时间点的变化率，通过第一预测权重值α1对任意相邻的两个时间点的变化率
Figure BDA0003547903280000134
进行修正得到相对应的第一数据处理值F1。
本发明提供的技术方案，会首先对所有患者的病例信息进行初筛，得到与本申请所计算的传染病相对应的目标病例信息，根据目标病例信息中不同患者的不同就医阶段，对所有患者的初步感染时间进行确定，然后根据患者的年龄信息、病情信息对初步感染时间(感染定位时间点)进行修正。根据所得到的所有患者的初步感染时间(感染定位时间点)的时刻的不同，确定传染病在目标区域内的发展趋势，得到相对应的第一数据处理值，此时的第一数据处理值具有样本多、准确性高的优势。
本发明提供的技术方案，在一个可能的实施方式中，还包括：
接收用户输入的趋势值调整数据，所述趋势值调整数据为对所计算的第一数据处理值进行调整，得到调整后的第一数据处理值。在实际的预测过程中，很可能会出现第一数据处理值不符合当前场景的情况，此时用户会根据实际的使用场景输入相应的趋势值调整数据，进而将所计算的第一数据处理值调整为更适宜当前使用场景的第一数据处理值。
在用户对所计算的第一数据处理值进行调整时，则证明此时所计算的第一数据处理值可能会出现计算错误的情况，所以本发明需要对计算第一数据处理值的公式进行训练、调整，使得接下来所计算的第一数据处理值更加准确。
将调整后的第一数据处理值与所计算的趋势值调整数据进行比对得到第一比对值，根据所述第一比对值对第一预测权重值调整得到第二预测权重值。
通过以下公式计算第二预测权重值，
Figure BDA0003547903280000141
其中，F2为调整后的第一数据处理值，α2为第二预测权重值，β1第一上调整系数，β2第一下调整系数。本发明提供的技术方案，会根据
Figure BDA0003547903280000142
或
Figure BDA0003547903280000143
进行计算，得到对第一预测权重值α1调整的幅度。
在调整后的第一数据处理值大于所计算的第一数据处理值时，则证明所计算的第一数据处理值较低，所以此时需要对第一预测权重值调高，得到对第一预测权重值调高后的第二预测权重值。可以这样理解，F2-F1越大，则调整后的第二预测权重值越大，第一上调整系数β1可以是预先设置的，用于对第二预测权重值的上调幅度进行调整。F1-F2越大，则调整后的第二预测权重值越小，第一下调整系数β2可以是预先设置的，用于对第二预测权重值的下调幅度进行调整。
通过以上的技术方案，可以对第一预测权重值进行调整，使得调整后的第一预测权重值更适宜当前的计算场景。
步骤S140、若判断所述第一数据处理值大于第一阈值则输出第一提醒信息，获取与每个目标病例信息所对应的行走路径信息。本发明会预先设置第一阈值，在第一数据处理值大于第一阈值时，则证明此时相应传染病的传染速度较快，则此时输出相应的第一提醒信息，对用户、管理员进行相应的提醒。为了防止传染病的进一步恶化，则此时需要得到每个目标病例信息所对应的行走路径信息。其中，行走路径信息可以包括与目标病例信息所对应的患者的途径地，途径地、目标区域例如说超市、学校、商场等位置。
步骤S150、将多个目标病例信息所对应的行走路径信息比对得到目标路径集合，对所述目标路径集合输出以使管理员进行管控。本发明提供的技术方案，会将目标病例信息所对应的行走路径信息进行比对，得到目标路径集合，目标路径集合中可以是目标病例信息所对应的患者重点途径的位置，此时得到相对应的目标路径集合则可以对该区域进行重点的消杀、管控，例如说进行限流、暂停营业等等。
本发明提供的技术方案，在一个可能的实施方式中，步骤S150具体包括：
确定目标病例信息所对应的行走路径信息中停留时间超过预设时间值的目标区域，统计所有超过预设时间值的目标区域得到第一区域总集合。本发明提供的技术方案，会首先确定每个目标病例信息所对应的患者在不同目标区域的停留时间，停留时间可以是十分钟、二十分钟等等。一般来说，患者只有在目标区域停留一段时间时才会具有一定的几率传播相应的病毒，所以本发明会首先统计停留时间超过预设时间值的目标区域，进而得到所有目标病例信息所对应的第一区域总集合。
统计每个目标病例信息在第一区域总集合中每个目标区域的出现次数。本发明提供的技术方案，会对每个目标区域的出现次数进行统计，在实际的场景中，多个患者可能会去过同一个目标区域、一个患者也可能会重复出现在同一个目标区域，所以每个目标区域的次数都可能是不同的。
根据每个目标区域的出现次数、每个目标区域所对应的目标病例信息的数量得到该目标区域所对应的区域系数，将区域系数大于第二阈值的目标区域统计为目标路径集合。本发明提供的技术方案，会根据目标区域的出现次数每个目标区域所对应的目标病例信息的数量得到该目标区域所对应的区域系数，使得本发明在计算区域系数时会综合考虑多个维度，一方面考虑每个目标区域的出现次数，另一方面考虑每个目标区域所对应的目标病例信息。可以这样理解，对于一个目标区域1，某一个患者连续5天去目标区域1，则此时目标区域的出现次数则会加5，对于一个目标区域2，共有3名患者去过目标区域2，则此时目标区域2所对应的目标病例信息的数量即为3。
通过以下公式计算区域系数，
Figure BDA0003547903280000151
其中，Xj为第j个目标区域的区域系数，z1为第一区域权重值，cj为第j个目标区域的出现次数，ej为第j个目标区域的目标病例信息的数量，v1为目标区域的属性权重。本发明提供的技术方案，会根据目标区域的出现次数、目标区域的目标病例信息的数量对第j个目标区域的区域系数进行计算，并且，不同的目标区域会具有不同的属性权重，例如某个目标区域的流动性越大，则相对应的属性权重越大。本发明在计算区域系数时，会综合考量多个维度，使得所计算的区域系数更加的准确。
其中，第二阈值可以是预先设置的，本发明会将区域系数大于第二阈值的目标区域输出，进而进行相应的治理，避免传染病在预测区域内大幅度传播，进行主动的管控。
本发明提供的技术方案，为了实施本发明所提供的基于大数据的路径预测管控方法，本发明提供的技术方案还提供了一种基于大数据的路径预测管控装置，如图4所示，包括：
获取模块，用于获取预测区域在预设时间段内所有患者的病例信息，确定病例信息中与第一病情集合对应的多个目标病例信息，所述第一病情集合包括至少一个病情；
确定模块，用于获取每个目标病例信息的初始时间点，根据所述初始时间点、目标病例信息确定每个目标病例信息所对应的感染定位时间点；
计算模块，用于确定预设时间段内每个时间点所对应的感染定位时间点的数量，根据预设时间段内每个时间点的感染定位时间点的数量计算目标传染病在预设时间段内的第一数据处理值；
判断模块，用于若判断所述第一数据处理值大于第一阈值则输出第一提醒信息，获取与每个目标病例信息所对应的行走路径信息；
比对模块，用于将多个目标病例信息所对应的行走路径信息比对得到目标路径集合，对所述目标路径集合输出以使管理员进行管控。
在一个可能的实施方式中，本发明提供的技术方案，可以通过收集医院过往病例信息分析病例的感染要素和构建风险分析模型，再将新的病例数据导入系统模型，通过提取病例的特征要素与模型进行匹配，如果匹配度高于设定的阈值，则将该病例信息第一时间传输给疾控人员和临床医护终端进行预警，并根据疾控人员和临川医护人员的判断合理安排病人的治疗方案。
在一个可能的实施方式中，本发明包括数据收集模块、数据处理模块和数据输出模块；所述数据收集模块，用于采集受感染的患者病例信息以及定时采集正在住院的患者医疗信息，并基于收集到的信息提取患者感染特征构建传染病风险分析模型；所述数据处理模块，用于服务器上的风险评估模型实时匹配患者数据并保存感染患者医疗数据信息，提取感染患者的医疗特征持续训练风险评估模型提高模型预测评估精准度；所述数据输出模块，用于将风险评估模型所筛选出的疑似感染患者输出至医院疾控人员和临床责任医护进行判断处理。每日定时收集医疗信息并基于模型进行匹配，以保证医院的患者安全，减少传染病传播。
在一个可能的实施方式中，数据收集模块获取电子病历信息、临床信息、转科信息、电子病历信息等。住院过程信息病程记录、检查检验结果、医嘱、手术记录、护理记录等；临床信息包含，患者的体征、用药记录、临床反应等；转科信息用于记录患者住院期间在各诊疗科室的入科及出科信息，具体包括患者病案科室、入科时间、出科时间等。耐药菌检验信息用于记录进行耐药菌培养的培养过程及培养结果，具体包括患者病案号、送检科室、项目名称、采样时间、报告时间、培养结果、样本、样本号、类型、送检科室、采样时间、培养结果、样本号、药敏药物和药敏结果等。医院内存在各式各样的信息系统负责支撑院内的各种业务，各信息系统的信息相互独立，且各自具有不同的数据表现形式与不同的数据存储方式。因此，在数据采集上，需要选择不同的组件面对不同的数据类型。系统支持从多个数据源以多种形式的接口方式(如数据库，消息模式，webservice，MQ，excel表格，http，文件等)获取数据，在通过统一的数据转换组件形成特定统一的数据格式，从而解决了数据采集的问题。
在一个可能的实施方式中，数据处理模块将采集的收集大量医院感染患者的数据，尤其是传染病感染数据，通过大数据分析技术，挖掘感染影响因素，构建医院感染个案并针对传染病种类设置传染病识别标准，医院感染爆发风险与识别模型。分析在院患者的电子病历数据信息进行匹配，先通过患者病例信息匹配识别模型中的传染病，匹配到后抓取更多的患者信息如转科信息等，开始对患者进行传染病风险评估。
在一个可能的实施方式中，开发与临床医务人员办公电子设备绑定的通信模块(智能秘书模块),针对医院感染各类风险及其相对应的违规或错误的诊疗行为,根据内置的既定规则(规则来自国家标准、规范、指南、专家共识等),实时智能地向医务人员发出提醒和干预信息，当风险模型评估患者的风险值高于标准，则会将该患者信息推送至疾控人员和临床医护人员的终端警示，并通过分析患者的医疗数据输出对应的干预方案和调整治疗方案。
本发明提供的技术方案，还具有至少以下的技术效果，
事前主动引导:对新收的患者,基干患者自身的基础疾病和拟开展的治疗方案(如手术、化疗等)进行感染风险评估,主动导临床医务人员规避诊疗过程中各类医院感染风险。
事中主动控制:以患者为主线,围绕诊疗过程,开发和应用病原学送检、围手。
术期抗菌药物管理、多重耐药菌管理等一系列信息化管理模块。针对每位患者、每位医生、每位护士、每个环节,每个操作,通过能秘书模块提醒的实时干预反馈,做好医院感染管理质量监测控制,实现对医院感管理质量重点环节和重点患者的主动监测控制。
事后考核评价:以持续改进为目标完善医院感染管理质量分析评价。智能秘书
模块快速自动生成感染管理质盘“持续改进”报告,对医院感染管理质量各项指标数据进行定期分析和评估,对发现的问题及时取整改措施,促进医院感染管理质量的持续改进。
为了完成5所属的功能，系统还设计了医院感染监控模块、微生物送检模块、围手术期药物管理模块、多重耐药菌检测模块、智能秘书模块等功能模块。
本发明通过对医院历史病例数据进行分析，无需额外的金钱或人力即可对传染病进行早期监控和预警，并且对传染病爆发具有很高的灵敏度，对传染病的防治提供了便利。针对患者的传染病风险暴露情况，实现中高风险暴露人群的实时定位和精准上报，便于医院疾控人员第一时间进行响应。可方便快捷地对传染病的早期感染者进行准确区分，并结合传染病风险评估模型结合病患风险值快速获取得到患者的风险预警信息，以实现在传染病未大规模爆发前对高风险患者进行早期预警。
本发明解决的技术问题在于克服现有的传染病预警不够及时、缺少深度数据的缺点，提供一种可自动获取深度数据从而更及时预警的传染病预警系统。
本发明还提供一种存储介质，所述存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现上述的各种实施方式提供的方法。
其中，存储介质可以是计算机存储介质，也可以是通信介质。通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。计算机存储介质可以是通用或专用计算机能够存取的任何可用介质。例如，存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于专用集成电路(Application Specific IntegratedCircuits，简称：ASIC)中。另外，该ASIC可以位于用户设备中。当然，处理器和存储介质也可以作为分立组件存在于通信设备中。存储介质可以是只读存储器(ROM)、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本发明还提供一种程序产品，该程序产品包括执行指令，该执行指令存储在存储介质中。设备的至少一个处理器可以从存储介质读取该执行指令，至少一个处理器执行该执行指令使得设备实施上述的各种实施方式提供的方法。
在上述终端或者服务器的实施例中，应理解，处理器可以是中央处理单元(英文：Central Processing Unit，简称：CPU)，还可以是其他通用处理器、数字信号处理器(英文：Digital Signal Processor，简称：DSP)、专用集成电路(英文：Application SpecificIntegrated Circuit，简称：ASIC)等。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。结合本发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，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发明各实施例技术方案的范围。

Claims (8)

1.一种基于大数据的路径预测管控方法，其特征在于，包括：
获取预测区域在预设时间段内所有患者的病例信息，确定病例信息中与第一病情集合对应的多个目标病例信息；
获取每个目标病例信息的初始时间点，根据所述初始时间点、目标病例信息确定每个目标病例信息所对应的感染定位时间点；
确定预设时间段内每个时间点所对应的感染定位时间点的数量，根据预设时间段内每个时间点的感染定位时间点的数量计算目标传染病在预设时间段内的第一数据处理值；
若判断所述第一数据处理值大于第一阈值则输出第一提醒信息，获取与每个目标病例信息所对应的行走路径信息；
将多个目标病例信息所对应的行走路径信息比对得到目标路径集合，对所述目标路径集合输出以使管理员进行管控；
在获取每个目标病例信息的初始时间点，根据所述初始时间点、目标病例信息确定每个目标病例信息所对应的感染定位时间点的步骤中，包括：
获取每个目标病例信息内的病例内容，所述病例内容包括第一阶病情、第二阶病情以及第三阶病情，所述第一阶病情、第二阶病情以及第三阶病情的病情是依次递增的；
若初始时间点所对应的病例内容为第一阶病情，则将初始时间点作为感染定位时间点；
若初始时间点所对应的病例内容为第二阶病情，则根据所述第二阶病情的初始时间点、患者的病例信息得到与所述第二阶病情对应的感染定位时间点；
若初始时间点所对应的病例内容为第三阶病情，则根据所述第二阶病情的初始时间点、患者的病例信息得到与所述第三阶病情对应的感染定位时间点；
在若初始时间点所对应的病例内容为第二阶病情，则根据所述第二阶病情的初始时间点、患者的病例信息得到与所述第二阶病情对应的感染定位时间点的步骤中，包括：
获取病例信息中患者的年龄信息以及病情等级信息；
确定与所述第二阶病情对应的一阶标准时间段；
根据所述年龄信息、病情等级信息、一阶标准时间段计算与所述第二阶病情对应的延迟时间段；
根据所述延迟时间段、第二阶病情的初始时间点得到第二阶病情对应的感染定位时间点，通过以下公式计算延迟时间段和感染定位时间点，
Figure FDA0003784098080000021
其中，T1为与所述第二阶病情对应的延迟时间段，k1为第一年龄权重值，y1为病例信息中的年龄信息，y2标准年龄信息，k2第一病状权重值，g1为病例信息中的病情等级信息，g2为标准等级信息，T2为第二阶病情对应的延迟时间段，t1为第二阶病情对应的感染定位时间点，t2第二阶病情的初始时间点。
2.根据权利要求1所述的基于大数据的路径预测管控方法，其特征在于，
在获取预测区域在预设时间段内所有患者的病例信息，确定病例信息中与第一病情集合对应的多个目标病例信息，所述第一病情集合包括至少一个病情的步骤中，包括：
遍历第一病情集合内的关键词分别与预设时间段内所有患者的病例信息进行比对；
将与第一病情集合内的关键词所对应的病例信息作为目标病例信息。
3.根据权利要求1所述的基于大数据的路径预测管控方法，其特征在于，
在若初始时间点所对应的病例内容为第三阶病情，则根据所述第二阶病情的初始时间点、患者的病例信息得到与所述第三阶病情对应的感染定位时间点的步骤中，包括：
获取病例信息中患者的年龄信息以及病情等级信息；
确定与所述第三阶病情对应的二阶标准时间段；
根据所述年龄信息、病情等级信息、二阶标准时间段计算与所述第三阶病情对应的延迟时间段；
根据所述延迟时间段、第三阶病情的初始时间点得到第三阶病情对应的感染定位时间点，通过以下公式计算延迟时间段和感染定位时间点，
Figure FDA0003784098080000031
其中，T3为与所述第三阶病情对应的延迟时间段，k3为第二年龄权重值，y3为病例信息中的年龄信息，y4标准年龄信息，k4为第二病状权重值，g3为病例信息中的病情等级信息，g4为标准等级信息，T4为第三阶病情对应的延迟时间段，t3为第三阶病情对应的感染定位时间点，t4为第三阶病情的初始时间点。
4.根据权利要求1所述的基于大数据的路径预测管控方法，其特征在于，
在确定预设时间段内每个时间点所对应的感染定位时间点的数量，根据预设时间段内每个时间点的感染定位时间点的数量计算目标传染病在预设时间段内的第一数据处理值的步骤中，包括：
将任意两个相邻时间点的感染定位时间点数量进行比对得到相对应的第一差值；
对所有的第一差值进行统计得到第一数据处理值，通过以下公式计算第一数据处理值，
Figure FDA0003784098080000041
其中，F1为第一数据处理值，fi+1为第i+1个时间点中所对应的感染定位时间点数量，fi为第i个时间点中所对应的感染定位时间点数量，n为预设时间段内时间点的上限值，N为预设时间段内时间点的数量值，α1为第一预测权重值。
5.根据权利要求4所述的基于大数据的路径预测管控方法，其特征在于，还包括：
接收用户输入的趋势值调整数据，所述趋势值调整数据为对所计算的第一数据处理值进行调整，得到调整后的第一数据处理值；
将调整后的第一数据处理值与所计算的趋势值调整数据进行比对得到第一比对值，根据所述第一比对值对第一预测权重值调整得到第二预测权重值；
通过以下公式计算第二预测权重值，
Figure FDA0003784098080000042
其中，F2为调整后的第一数据处理值，α2为第二预测权重值，β1第一上调整系数，β2第一下调整系数。
6.根据权利要求1所述的基于大数据的路径预测管控方法，其特征在于，
在将多个目标病例信息所对应的行走路径信息比对得到目标路径集合，对所述目标路径集合输出以使管理员进行管控的步骤中，包括：
确定目标病例信息所对应的行走路径信息中停留时间超过预设时间值的目标区域，统计所有超过预设时间值的目标区域得到第一区域总集合；
统计每个目标病例信息在第一区域总集合中每个目标区域的出现次数；
根据每个目标区域的出现次数、每个目标区域所对应的目标病例信息的数量得到该目标区域所对应的区域系数，将区域系数大于第二阈值的目标区域统计为目标路径集合；
通过以下公式计算区域系数，
Figure FDA0003784098080000051
其中，Xj为第j个目标区域的区域系数，z1为第一区域权重值，cj为第j个目标区域的出现次数，ej为第j个目标区域的目标病例信息的数量，v1为目标区域的属性权重。
7.一种基于大数据的路径预测管控装置，其特征在于，包括：
获取模块，用于获取预测区域在预设时间段内所有患者的病例信息，确定病例信息中与第一病情集合对应的多个目标病例信息，所述第一病情集合包括至少一个病情；
确定模块，用于获取每个目标病例信息的初始时间点，根据所述初始时间点、目标病例信息确定每个目标病例信息所对应的感染定位时间点；
计算模块，用于确定预设时间段内每个时间点所对应的感染定位时间点的数量，根据预设时间段内每个时间点的感染定位时间点的数量计算目标传染病在预设时间段内的第一数据处理值；
判断模块，用于若判断所述第一数据处理值大于第一阈值则输出第一提醒信息，获取与每个目标病例信息所对应的行走路径信息；
比对模块，用于将多个目标病例信息所对应的行走路径信息比对得到目标路径集合，对所述目标路径集合输出以使管理员进行管控；
在获取每个目标病例信息的初始时间点，根据所述初始时间点、目标病例信息确定每个目标病例信息所对应的感染定位时间点的步骤中，包括：
获取每个目标病例信息内的病例内容，所述病例内容包括第一阶病情、第二阶病情以及第三阶病情，所述第一阶病情、第二阶病情以及第三阶病情的病情是依次递增的；
若初始时间点所对应的病例内容为第一阶病情，则将初始时间点作为感染定位时间点；
若初始时间点所对应的病例内容为第二阶病情，则根据所述第二阶病情的初始时间点、患者的病例信息得到与所述第二阶病情对应的感染定位时间点；
若初始时间点所对应的病例内容为第三阶病情，则根据所述第二阶病情的初始时间点、患者的病例信息得到与所述第三阶病情对应的感染定位时间点；
在若初始时间点所对应的病例内容为第二阶病情，则根据所述第二阶病情的初始时间点、患者的病例信息得到与所述第二阶病情对应的感染定位时间点的步骤中，包括：
获取病例信息中患者的年龄信息以及病情等级信息；
确定与所述第二阶病情对应的一阶标准时间段；
根据所述年龄信息、病情等级信息、一阶标准时间段计算与所述第二阶病情对应的延迟时间段；
根据所述延迟时间段、第二阶病情的初始时间点得到第二阶病情对应的感染定位时间点，通过以下公式计算延迟时间段和感染定位时间点，
Figure FDA0003784098080000061
其中，T1为与所述第二阶病情对应的延迟时间段，k1为第一年龄权重值，y1为病例信息中的年龄信息，y2标准年龄信息，k2第一病状权重值，g1为病例信息中的病情等级信息，g2为标准等级信息，T2为第二阶病情对应的延迟时间段，t1为第二阶病情对应的感染定位时间点，t2第二阶病情的初始时间点。
8.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现权利要求1至6任一所述的方法。
CN202210253503.4A 2022-03-02 2022-03-15 基于大数据的路径预测管控方法、装置及存储介质 Active CN114613506B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202210201300 2022-03-02
CN2022102013000 2022-03-02

Publications (2)

Publication Number Publication Date
CN114613506A CN114613506A (zh) 2022-06-10
CN114613506B true CN114613506B (zh) 2022-11-15

Family

ID=81863212

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210253503.4A Active CN114613506B (zh) 2022-03-02 2022-03-15 基于大数据的路径预测管控方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN114613506B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111798988A (zh) * 2020-07-07 2020-10-20 医渡云（北京）技术有限公司 风险区域预测方法、装置、电子设备及计算机可读介质
CN112466473A (zh) * 2020-09-28 2021-03-09 北京左医科技有限公司 新发传染病自动预警方法及系统
CN113113153A (zh) * 2021-04-13 2021-07-13 上海市疾病预防控制中心 利用图模型实现疫情爆发期间疫情动态信息分析的方法、系统、装置、处理器及其存储介质
CN113470835A (zh) * 2021-07-21 2021-10-01 医渡云（北京）技术有限公司 传染病的传播路径确定方法、装置、存储介质与电子设备

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109360660A (zh) * 2018-10-31 2019-02-19 河南省疾病预防控制中心 一种疾控与出行信息互联的防控方法及防控系统
US20210241923A1 (en) * 2020-01-30 2021-08-05 Evidation Health, Inc. Sensor-based machine learning in a health prediction environment
US20210319910A1 (en) * 2020-04-10 2021-10-14 Dualiti Interactive LLC Contact tracing of epidemic-infected and identification of asymptomatic carriers
US20210375485A1 (en) * 2020-05-28 2021-12-02 OptimDosing, LLC Application for tracking infectious disease
CN112885483A (zh) * 2020-09-16 2021-06-01 北京建筑大学 传染病传播趋势的模拟方法、装置、电子设备以及存储介质
CN112529289A (zh) * 2020-12-07 2021-03-19 北京嘀嘀无限科技发展有限公司 人流扩散风险的预测方法、装置、电子设备及存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111798988A (zh) * 2020-07-07 2020-10-20 医渡云（北京）技术有限公司 风险区域预测方法、装置、电子设备及计算机可读介质
CN112466473A (zh) * 2020-09-28 2021-03-09 北京左医科技有限公司 新发传染病自动预警方法及系统
CN113113153A (zh) * 2021-04-13 2021-07-13 上海市疾病预防控制中心 利用图模型实现疫情爆发期间疫情动态信息分析的方法、系统、装置、处理器及其存储介质
CN113470835A (zh) * 2021-07-21 2021-10-01 医渡云（北京）技术有限公司 传染病的传播路径确定方法、装置、存储介质与电子设备

Also Published As

Publication number Publication date
CN114613506A (zh) 2022-06-10

Similar Documents

Publication Publication Date Title
US11942193B2 (en) Managing patients of knee surgeries
CN109411082B (zh) 一种医疗质量评价及就诊推荐方法
Muscatello et al. An automated, broad-based, near real-time public health surveillance system using presentations to hospital Emergency Departments in New South Wales, Australia
CN111145844B (zh) 综合医疗监管平台
Cooper et al. A clinical tool for assessing risk after self-harm
JP5977898B1 (ja) 行動予測装置、行動予測装置の制御方法、および行動予測装置の制御プログラム
Trentino et al. Measuring the incidence of hospital‐acquired complications and their effect on length of stay using CHADx
KR101710752B1 (ko) 응급 정신의학적 정신 상태 예측 모델 기반의 응급 원격정신의학 시스템 및 방법
CN112216402A (zh) 基于人工智能的疫情预测方法、装置、计算机设备及介质
KR20150078236A (ko) 개인 건강관리 방법 및 시스템
CN115798734B (zh) 基于大数据的新发突发传染病防控方法、装置及储存介质
CN111681771A (zh) 一种疫情信息协管系统及疫情信息协管方法
CN112712882A (zh) 一种提高重症护理管理水平的方法和系统
CN111161820A (zh) 一种口腔健康管理系统
Arslan et al. Artificial Intelligence and Telehealth may provide early warning of epidemics
CN112598090B (zh) 健康画像的方法、装置、设备和系统
CN113643798A (zh) 为失能人员匹配照护人员的方法、装置及计算机设备
CN112885466A (zh) 一种基于用户体质的肾脏疾病的预防方法及系统
CN114613506B (zh) 基于大数据的路径预测管控方法、装置及存储介质
CN117497149A (zh) 一种基于人工智能的医院管理方法及系统
WO2016203456A1 (en) Device, system, and method of improved diagnosis, decision-support, and analysis of electroencephalograms
CN114300158A (zh) 一种药品不良反应的识别方法及装置
Papadakis et al. Strategies to improve the delivery of tobacco use treatment in primary care practice
CN113873196A (zh) 一种提高感染防控管理质量的方法及系统
CN117688226B (zh) 基于相似儿童患者匹配的智能诊前自助开单方法及系统

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