CN114724727A - 一种疫情预测的方法及电子设备 - Google Patents

一种疫情预测的方法及电子设备 Download PDF

Info

Publication number
CN114724727A
CN114724727A CN202011532380.5A CN202011532380A CN114724727A CN 114724727 A CN114724727 A CN 114724727A CN 202011532380 A CN202011532380 A CN 202011532380A CN 114724727 A CN114724727 A CN 114724727A
Authority
CN
China
Prior art keywords
user
information
risk
infectious disease
area
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
Application number
CN202011532380.5A
Other languages
English (en)
Inventor
李君劲
吴莲
陈勇
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.)
Huawei Technologies Co Ltd
Original Assignee
Huawei Technologies 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 Huawei Technologies Co Ltd filed Critical Huawei Technologies Co Ltd
Priority to CN202011532380.5A priority Critical patent/CN114724727A/zh
Priority to PCT/CN2021/137280 priority patent/WO2022135197A1/zh
Publication of CN114724727A publication Critical patent/CN114724727A/zh
Pending legal-status Critical Current

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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A61B5/02055—Simultaneously evaluating both cardiovascular condition and temperature
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02438—Detecting, measuring or recording pulse rate or heart rate with portable devices, e.g. worn by the patient
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/14542—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring blood gases
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
    • A61B5/14551—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/681—Wristwatch-type devices
    • 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
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services

Abstract

本申请实施例提供一种疫情预测的方法及电子设备，涉及电子技术领域。该方法主要通过由用户侧电子设备基于确诊人员的轨迹和用户的历史轨迹判断用户是否为确诊人员的近距离接触者，之后对用户进行生理体征监测，并上报监测数据和用户的健康风险分数，供服务器对特定区域的疫情发展趋势进行预测，从而提醒用户疫情状况。通过上述方法，可以及时便捷的为用户提供健康风险分析以及疫情发展趋势，便于用户了解自身感染风险，方便人们合理规划出行、安排日常生活等。

Description

一种疫情预测的方法及电子设备
技术领域
本申请涉及电子技术领域，尤其涉及一种疫情预测的方法及电子设备。
背景技术
疫情爆发会给社会及个人带来严重的危害。目前人们还不能基于电子设备实时了解多向疫情发展信息，疫情防控主要还是靠人力筛查。一方面这可能会提高相关工作人员在筛查过程中被感染的风险；另一方面，无法使用户及时全面的获取区域疫情发展趋势。如果能让用户随时获取疫情发展状况，了解自身感染风险，将会方便人们合理规划出行、安排日常生活等，从而有利于疫情防控。
发明内容
本申请实施例提供的一种疫情预测的方法，通过用户端的电子设备对用户的多维信息进行收集并将其上报给服务器，使服务器预测相关区域的疫情发展趋势，能够使用户及时便捷地了解自身的健康风险情况以及区域的疫情发展趋势。
第一方面，提供了一种疫情预测的方法，该方法应用于用户侧的电子设备，该方法主要包括：电子设备由服务器获取某一种或多种传染病的确诊人员的轨迹信息和传染病的特征信息，然后利用该电子设备存储的用户的历史轨迹信息和确诊人员的轨迹信息，确定用户是否与确诊人员发生了近距离接触，如果发生了近距离接触，那么该用户为确诊人员的近距离接触者，接下来电子设备会对用户的生理体征进行监测，并且基于生理体征的监测结果计算用户的健康风险分数，并且将生理体征的健康风险分数上报给服务器，使服务器基于该健康风险分数对特定区域的疫情风险趋势进行预测。
其中，电子设备可以由服务器获取确诊人员的轨迹信息，该轨迹信息包括位置信息和与该位置信息对应的时间信息，如确诊人员在某一时刻对应的位置。
在一种实现方式中，电子设备可以对用户进行定位，获取并存储用户的轨迹信息(如GPS信息)。
在一种实现方式中，电子设备还可以由服务器获取传染病的特征信息，该特征信息可以包括：传染病病毒的传播途径、传播距离、潜伏期、与传染病相关的生理体征等。
应理解，本申请所说的与传染病相关的生理体征可以指用户感染传染病病毒时所影响到的生理体征，比如某些传染病的病毒感染后，会导致被感染者的体温升高、血氧下降，则与该传染病相关的生理体征可以为体温和血氧饱和度；又或者，有些传染病的病毒感染后，会导致被感染者的心率、体温、血氧饱和度发生变化，则该传染病相关的生理体征可以为心率、体温、血氧饱和度。
在一种实现方式中，电子设备可以在获取用户授权之后，监测所述用户的生理体征。
在一种实现方式中，电子设备可以在获取用户授权之后，上报用户的健康风险分数。
结合第一方面，在第一方面的某些实现方式中，电子设备可以包括显示屏，当电子设备基于用户的历史行动轨迹和确诊人员的行动轨迹确定用户为近距离接触者时，电子设备可以通过显示屏向用户显示第一信息，该第一信息可以用于向用户查询是否确定是确诊人员的近距离接触者。
应理解，在实际应用时，仅基于轨迹信息判断的位置相近，无法准确反映用户与确诊人员是否真正存在近距离的密切接触，因此，通过上述方法，可以提示用户回忆是否在指示的时间和地点与确诊人员密切接触，从而提高近距离接触判断的准确性。
在一种实现方式中，如果用户确认自己与确诊人员近距离接触过，则用户可以向电子设备输入第一确认信息，指示该用户是确诊人员的近距离接触者。
结合第一方面，在第一方面的某些实现方式中，电子设备确定用户为近距离接触者(如用户向电子设备输入第一确认信息)之后，该电子设备还可以显示第二信息，该第二信息用于向用户请求进行生理体征监测；之后，当电子设备获得用户授权后，例如电子设备接收了用户输入的第二确认信息，该第二确认信息用于指示用户同意电子设备进行生理体征监测，则电子设备可以对用户进行生理体征监测，或者，电子设备可以指示其它关联设备对用户进行生理体征监测。
可选地，电子设备所监测的生理体征包括与传染病相关的生理体征。
根据上述方法，电子设备通过对近距离接触者进行生理体征监测，能够重点监测被感染风险较高的用户的生理体征，及时对用户的健康风险作出预警，便于用户及时采用相应的措施，如及时就医等，避免用户的健康受到进一步损害。
结合第一方面，在第一方面的某些实现方式中，用户的健康分数显示用户存在健康风险时，电子设备还可以显示第一提示信息，所述第一提示信息用于向所述用户指示存在健康风险。
根据上述方法，通过向用户提示健康风险，可以便于用户及时采取相应的措施，如及时就医等，避免用户健康受到进一步损害。
结合第一方面，在第一方面的某些实现方式中，电子设备还可以显示第三信息，该第三信息用于向用户请求上报所述生理体征的监测数据；若用户同意上报其生理体征监测数据，则用户可以向电子设备输入第三确认信息，该第三确认信息用于指示同意上报所述生理体征监测的数据；电子设备接收到第三确认信息后，可以根据用户指示向服务器上报用户的生理体征监测数据。
结合第一方面，在第一方面的某些实现方式中，电子设备可以接收服务器发送的第一指示信息，该第一指示信息用于指示第一区域的疫情风险等级和/或第一区域的风险总人数；基于该第一指示信息，电子设备可以显示第四信息，通过该第四信息向用户提示第一区域的疫情风险等级和/或第一区域的所述总风险人数。
在一种实现方式中，服务器基于电子设备上报的数据对第一区域进行疫情预测，包括第一区域的风险总人数(包括确诊人员和疑似人员数量)，之后，服务器可以将风险总人数以及该第一区域的风险等级发送给电子设备，由电子设备向用户展示。
根据上述方法，通过向用户提示特定区域的疫情风险等级和/或风险总人数，能够便于用户了解疫情风险地区，合理调整出行路线，降低被传染病感染的风险。
结合第一方面，在第一方面的某些实现方式中，电子设备根据用户的生理体征信息和传染病的特征信息，计算用户的健康风险分数，可以包括：电子设备根据传染病特征信息获取与该传染病关联的至少一个第一生理体征，该第一生理体征为受所述传染病影响的特征；之后，获取该用户的至少一个第一生理体征信息的监测数据；再根据至少一个生理体征分别一一对应的至少一个第一预设权重对监测数据加权计算，从而获得用户的健康风险分数。
根据本申请实施例提供的疫情预测的方法，通过基于用户和确诊患者的轨迹信息确定用户为疫情近距离接触者后，在用户的授权下，进行生理体征检测，实现自动对用疫情风险进行警报，并且使得服务器可以根据上报数据预测疫情发展，减少人力参与，从而降低被感染人员的数量，提升疫情防控的效率。
结合第一方面，在第一方面的某些实现方式中，电子设备还可以向用户显示不同时间点对应的所述第一生理体征的监测数据；和/或，显示所述第一生理体征的监测数据随时间的变化趋势。
结合第一方面，在第一方面的某些实现方式中，电子设备可以根据服务器预测的第一区域疫情风险等级，在地图页面第一区域对应的位置标注该区域的疫情风险等级。可选地，在地图页面上也可以标注区域对应的总风险人数。以便用户可以由电子设备显示的地图页面，直观地获取第一区域的疫情风险等级或该第一区域的总风险人数。
结合第一方面，在第一方面的某些实现方式中，所述传染病的特征信息包括所述传染病的传播距离，所述根据用户的轨迹信息和所述确诊人员的轨迹信息，确定所述用户为所述确诊人员的近距离接触者，包括：根据所述用户的轨迹信息和所述确诊人员的轨迹信息确定所述用户与所述确诊人员的接触距离；当所述接触距离小于所述传播距离，且所述用户和所述确诊人员的接触时长大于第一阈值时，确定所述用户为所述确诊人员的近距离接触者。
根据本申请实施例提供的疫情预测的方法，通过基于用户和确诊患者的轨迹信息确定用户为疫情近距离接触者后，在用户的授权下，进行生理体征检测，实现自动对用疫情风险进行警报，并且使得服务器可以根据上报数据预测疫情发展，减少人力参与，从而降低被感染人员的数量，提升疫情防控的效率。
结合第一方面，在第一方面的某些实现方式中，所述轨迹信息还包括位置标识，所述方法还包括：当根据所述位置标识确定所述用户和所述确诊人员同时处于第一密闭空间时，确定所述用户为所述确诊人员的近距离接触者。
根据本申请实施例提供的疫情预测的方法，通过基于用户和确诊患者的轨迹信息确定用户为疫情近距离接触者后，在用户的授权下，进行生理体征检测，实现自动对用疫情风险进行警报，并且使得服务器可以根据上报数据预测疫情发展，减少人力参与，从而降低被感染人员的数量，提升疫情防控的效率。
结合第一方面，在第一方面的某些实现方式中，所述位置标识包括以下至少一种：列车车次和/或车厢号、房间标识或者电梯标识；所述第一密闭空间包括以下至少一种：列车车厢、房间、或者电梯轿厢。
结合第一方面，在第一方面的某些实现方式中，所述传染病的特征信息包括以下至少一种：所述传染病病毒的传播途径、所述传染病病毒的传播距离、所述传染病的潜伏期、与所述传染病相关的生理体征。
结合第一方面，在第一方面的某些实现方式中，所述生理体征包括以下至少一种：体温、心率、一次心跳期间RRI、心电图ECG、血氧饱和度Spo2、睡眠特征。
根据本申请实施例提供的疫情预测的方法，通过基于用户和确诊患者的轨迹信息确定用户为疫情近距离接触者后，在用户的授权下，进行生理体征检测，实现自动对用疫情风险进行警报，并且使得服务器可以根据上报数据预测疫情发展，减少人力参与，从而降低被感染人员的数量，提升疫情防控的效率。
第二方面，提供了一种疫情预测的方法，应用于服务器，该方法主要包括：服务器向电子设备发送传染病确诊人员的轨迹信息和该传染病的特征信息，其中，确诊人员的轨迹信息包括位置信息和该位置信息对应的时间信息；之后，服务器可以接收所述电子设备发送的用户健康风险分数，这里的用户可以是为在电子设备侧自主确认是确诊人员的近距离接触者的人员；根据用户的健康风险分数预测第一区域的疫情风险，该第一区域为用户在预设历史时间段(如一周之内)停留过的区域，该区域的疫情风险包括传染病确诊人员和疑似人员的总风险人数。
根据本申请实施例提供的疫情预测的方法，通过基于用户和确诊患者的轨迹信息确定用户为疫情近距离接触者后，对用户进行生理体征监测，实现自动对用疫情风险进行警报，并且使得服务器可以根据上报数据预测区域疫情趋势发展，使得用户能够基于预测的疫情发展趋势，合理规划出行路线，减少被感染的风险。该方法能够在减少人力参与，降低被感染人员的数量的同时，提升疫情防控的效率。
结合第二方面，在第二方面的某些实现方式中，服务器可以预设有多个风险等级，每个风险等级具有对应的健康风险分数区间，服务器可以根据电子设备上报的用户的健康风险分数所属的健康风险分数区间，确定该用户对应的风险等级，其中，每个所述风险等级具有对应的第二预设权重；根据多个风险等级分别对应的新增风险人数，确定多个风险等级分别对应的扩散系数；将多个风险等级的扩散系数和对应第二预设权重进行加权计算，获取修正扩散系数；根据修正扩散系数和第一区域已有的风险人数，预测所述第一区域的所述总风险人数。
其中，风险人数包括已确诊人员以及疑似感染人员。
根据上述方法，首先计算不同风险等级的扩散系数，再将各个风险等级的扩散系数和各个风险等级分别对应的第二预设权重进行加权计算，获取修正扩散系数，能够将预测的新增风险人数与风险等级关联起来，实现对疫情风险更准确地预测。
结合第二方面，在第二方面的某些实现方式中，所述方法还包括：根据所述总风险人数确定所述第一区域的所述疫情风险等级；向所述电子设备发送第一指示信息，所述第一指示信息用于指示所述第一区域的疫情风险等级和/或所述第一区域的风险总人数。
结合第二方面，在第二方面的某些实现方式中，所述总风险人数包括：
Figure BDA0002852414430000041
Figure BDA0002852414430000042
其中，t为时间，Nr(t)为时间点t的所述总风险人数，rsm为所述用户通过所述电子设备确认自身为近距离接触者的平均确认率，rsp为所述修正扩散系数，Ncon为由其它方式获知的当前新增风险人员，Nb为根据所述电子设备发送数据确定的新增风险人数。
第三方面，提供了一种电子设备，包括：接收模块，用于获取传染病确诊人员的轨迹信息和所述传染病的特征信息，所述轨迹信息包括位置信息和所述位置信息对应的时间信息；根据用户的轨迹信息和所述确诊人员的轨迹信息，检测到所述用户为所述确诊人员的近距离接触者时，获取所述用户的生理体征的监测数据；处理模块，用于根据所述监测数据和所述传染病的特征信息，确定所述用户的健康风险分数；发送模块，用于向服务器上报所述健康风险分数，所述健康风险分数用于预测第一区域的疫情风险，所述第一区域为所述用户在预设历史时间段停留过的区域，所述疫情风险包括所述传染病确诊人员和疑似人员的总风险人数。
结合第三方面，在第三方面的某些实现方式中，所述电子设备还包括显示模块，用于显示第一信息，所述第一信息用于向用户查询是否为所述近距离接触者，所述第一信息包括所述近距离接触的地点信息和/或时间信息。
结合第三方面，在第三方面的某些实现方式中，显示模块，还用于显示第二信息，所述第二信息用于向所述用户请求进行生理体征监测；接收模块，还用于接收用户输入的第二确认信息，所述第二确认信息用户指示所述用户同意所述电子设备进行所述生理体征监测。
结合第三方面，在第三方面的某些实现方式中，显示模块，还用于显示第三信息，所述第三信息用于向用户请求上报所述生理体征的监测数据；接收模块，还用于接收所述用户输入的第三确认信息，所述第三确认信息用于指示所述用户同意上报所述生理体征监测的数据。
结合第三方面，在第三方面的某些实现方式中，接收模块，还用于接收所述服务器发送的第一指示信息，所述第一指示信息用于指示所述第一区域的疫情风险等级和/或所述第一区域的风险总人数；显示模块，还用于显示第四信息，所述第四信息用于向所述用户提示所述第一区域的所述疫情风险等级和/或所述第一区域的所述总风险人数。
结合第三方面，在第三方面的某些实现方式中，处理模块，还用于根据所述传染病特征信息获取至少一个第一生理体征，所述第一生理体征为与所述传染病相关的特征；获取所述用户的所述至少一个第一生理体征的监测数据；根据至少一个第一预设权重对所述至少一个生理体征的监测数据加权计算，获取所述用户的健康风险分数，其中，所述至少一个第一预设权重与所述至少一个生理体征分别一一对应。
结合第三方面，在第三方面的某些实现方式中，显示模块，还用于显示不同时间点对应的所述第一生理体征的监测数据；和/或，显示所述第一生理体征的监测数据随时间的变化趋势。
结合第三方面，在第三方面的某些实现方式中，显示模块，还用于显示地图页面，所述地图页面上标注有所述第一区域的疫情风险等级。
结合第三方面，在第三方面的某些实现方式中，处理模块，还用于根据所述用户的轨迹信息和所述确诊人员的轨迹信息确定所述用户与所述确诊人员的接触距离；当所述接触距离小于所述传播距离，且所述用户和所述确诊人员的接触时长大于第一阈值时，确定所述用户为所述确诊人员的近距离接触者。
结合第三方面，在第三方面的某些实现方式中，处理模块，还用于当根据所述位置标识确定所述用户和所述确诊人员同时处于第一密闭空间时，确定所述用户为所述确诊人员的近距离接触者。
结合第三方面，在第三方面的某些实现方式中，所述位置标识包括以下至少一种：列车车次和/或车厢号、房间标识或者电梯标识；所述第一密闭空间包括以下至少一种：列车车厢、房间、或者电梯轿厢。
结合第三方面，在第三方面的某些实现方式中，所述传染病病毒的传播途径、所述传染病病毒的传播距离、所述传染病的潜伏期、与所述传染病相关的生理体征。
结合第三方面，在第三方面的某些实现方式中，所述生理体征包括以下至少一种：体温、心率、一次心跳期间RRI、血氧饱和度Spo2、睡眠特征。
第四方面，提供了一种服务器，包括：发送模块，用于向电子设备发送传染病确诊人员的轨迹信息和所述传染病的特征信息，所述轨迹信息包括位置信息和时间信息；接收模块，用于接收所述电子设备发送的用户健康风险分数，所述用户为确认是所述确诊人员的近距离接触者的人员；处理模块，用于根据所述健康风险分数预测第一区域的疫情风险，所述第一区域为所述用户在预设历史时间段停留过的区域，所述疫情风险包括所述传染病确诊人员和疑似人员的总风险人数。
结合第四方面，在第四方面的某些实现方式中，处理模块，还用于根据所述用户的健康风险分数所属的所述健康风险分数区间，确定所述用户对应的风险等级，每个所述风险等级具有对应的第二预设权重；根据所述多个风险等级分别对应的新增风险人数，确定所述多个风险等级分别对应的扩散系数；将所述多个风险等级的扩散系数和对应所述第二预设权重进行加权计算，获取修正扩散系数；根据所述修正扩散系数和所述第一区域已有的风险人数，预测所述第一区域的所述总风险人数。
结合第四方面，在第四方面的某些实现方式中，处理模块，还用于根据所述总风险人数确定所述第一区域的所述疫情风险等级；发送模块，用于向所述电子设备发送第一指示信息，所述第一指示信息用于指示所述第一区域的疫情风险等级和/或所述第一区域的风险总人数。
结合第四方面，在第四方面的某些实现方式中，处理模块还用于计算总风险人数：
Figure BDA0002852414430000061
其中，t为时间，Nr(t)为时间点t的所述总风险人数，rsm为所述用户通过所述电子设备确认自身为近距离接触者的平均确认率，rsp为所述修正扩散系数，Ncon为由其它方式获知的当前新增风险人员，Nb为根据所述电子设备发送数据确定的新增风险人数。
第五方面，提供了一种电子设备，包括通信接口、处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，当所述处理器在执行所述计算机程序时，使得所述电子设备实现如上述第一方面中任一实现方式所述的疫情预测的方法。
第六方面，提供了一种服务器，包括通信接口、处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，当所述处理器在执行所述计算机程序时，使得所述服务器实现如上述第二方面中任一实现方式所述的疫情预测的方法。
第七方面，提供了一种计算机可读存储介质，包括计算机指令，当所述计算机指令在计算机上运行时，使得所述计算机执行如上述第一方面或第二方面任一实现方式所述的疫情预测的方法。
第八方面，提供了一种计算机产品，其特征在于，当所述计算机产品在计算机上运行时，使得所述计算机执行如上述第一方面或第二方面中任一实现方式所述疫情预测的方法。
附图说明
图1是本申请实施例提供的一种电子设备100的结构的示意图。
图2是本申请实施例提供的一种疫情预测的系统架构的示意图。
图3是本申请实施例提供的一种疫情预测过程中用户图形界面的示意图。
图4是本申请实施例提供的另一种疫情预测过程中用户图形界面的示意图。
图5是本申请实施例提供的一种用户生理体征的监测结果显示的示意图。
图6是本申请实施例提供的另一种疫情预测的系统架构的示意图。
图7是本申请实施例提供的一种疫情预测过程中用户图形界面的示意图。
图8是本申请实施例提供的一种疫情风险显示的示意图。
图9是本申请实施例提供的一种疫情预测的方法的示意性流程图。
图10是本申请实施例提供的另一种疫情预测的方法的示意性流程图。
图11是本申请实施例提供的一种疫情风险人员分布的示意图。
图12是本申请实施例提供的一种预测的风险总人数的变化趋势的示意图。
图13是本申请实施例提供的一种电子设备的示意性结构图。
图14是本申请实施例提供的一种服务器的示意性结构图。
具体实施方式
下面结合本申请实施例中的附图对本申请实施例进行描述。本申请实施例的实施方式部分使用的术语仅用于对本申请的具体实施例进行解释，而非旨在限定本申请。在本申请实施例的描述中，除非另有说明，“/”表示或的意思，例如，A/B可以表示A或B；本文中的“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。另外，在本申请实施例的描述中，“多个”是指两个或多于两个。
以下，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性护着隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”特征可以明示或者隐含地包括一个或者更多个该特征。
疫情期间，为控制疫情扩散，需要对流动人员的行动轨迹进行追踪。目前人员追踪方式主要包括：(1)人员进入商城、购物中心等公共场所时，场地要求进行扫码，并上报到后台服务器，进行人员流动性跟踪；(2)人员乘坐公共交通工具时，通过购票信息进行流动人员溯源跟踪。如果在公共场所发现传染病人后，疾控中心、医院等政府机构、社会公共机构会开展社会调查，基于确诊患者和用户的轨迹信息分析疫情的亲密接触者；然后观察所有亲密接触者相关时间内的生理特征，分析该区域疫情风险等级，评估相关风险影响。
一般来说，轨迹信息是基于用户的电子设备的定位信息获取的，如手机或穿戴设备的GPS信息等。然而，由于定位信息会受到精度限制，并且无法反映现实中可能出现的多种复杂场景，因此在实际应用时会产生较大的判断误差。例如，如果GPS信息显示在某一时间段，用户与确诊患者的距离较近，则这种情况在实际中可能是：(1)用户与确诊患者同处一栋大楼，但位于不同的楼层，例如确诊患者位于高楼层，而用户仅在地下车库停留一段时间；或者，(2)用户与确诊患者在道路行驶时，由于红灯等原因，同时停车在相近的位置。诸如前述情形，用户被感染的风险较低，如果直接判断类似情形中的用户都为患者，则会产生较大的误差。并且，目前排查感染患者主要通过人力，而有限的人力无法及时有效的对所有的疑似患者进行排查，还会在该过程中提高检测人员感染病毒的风险。
普通公众所了解的确诊患者的行动信息有限，无法自行判断是否与确诊患者发生过亲密接触；即使能够确认发生亲密接触，由于缺乏对新型病毒特征的认识，也无法根据自身的体征表现准确判断是否感染病毒，判断患病风险。因此，有必要提供一种，可以方便用户查询自身患病风险的方法，使用户主动了解自身风险，便于提早做出应对措施。
针对上述问题和需求，本申请实施例提供了一种疫情预测的方法，通过多维度的信息判断用户的风险，能够实现准确监测疫情风险，便于用户查询自身感染风险、疫情发展趋势等信息，使得用户能够基于自身状况以及疫情的发展情况调整自身的日常出行，也便于相关部门采取更具针对性的举措进行疫情防控。
本申请实施例提供的疫情预测的方法，可应用于手机、平板电脑、可穿戴设备、车载设备等电子设备上。本申请实施例对电子设备的具体类型不作限定。
示例性的，图1示出了本申请实施例提供的一种电子设备100的结构示意图。电子设备100可以包括处理器110，传感器模块120，存储器130，通用串行总线(universalserial bus，USB)140，充电管理模块150，显示器160，通信模块170等。其中，传感器模块120可以包括压力传感器120A，陀螺仪传感器120B，气压传感器120C，磁传感器120D，加速度传感器120E，距离传感器120F，接近光传感器120H，温度传感器120J，触摸传感器120K，环境光传感器120L，骨传感器120M等。
可以理解的是，本申请实施例示意的结构并不构成对电子设备100的具体限定。在本申请另一些实施例中，电子设备100可以包括比图示更多或更少的部件，或者组合某些部件，或者拆分某些部件，或者不同的部件布置。图示的部件可以以硬件、软件或软件和硬件的组合实现。
处理器110可以包括一个或多个处理单元，例如：处理器110可以包括应用处理器(application processor，AP)，调制解调处理器，图形处理器(graphics processiong，GPU)，图像信号处理器(image signal processor，ISP)，音频处理器/数字处理器(theaudio processor)，控制器、存储器、视频编解码器、音频编解码器，数字信号处理器(digital signal processor，DSP)，基带处理器器，和/或神经网络出合理器(neural-network processing unit，NPU)等。其中，不同的处理单元可以是独立的器件，也可以集成在一个或多个处理器中。
其中，控制器可以是电子设备100的神经中枢和指挥中心。控制器可以根据指令操作码和时序信号，产生操作控制信号，完成取指令和执行指令的控制。
处理器110中还可以设置存储器，用于存储指令和数据。在一些实施例中，处理器110中的存储器为高速缓冲存储器。该存储器可以保存处理器110刚用过或循环使用的指令或数据。如果处理器110需要再次使用该指令或数据，可从所述存储器中直接调用。避免了重复存取，减少了处理器110的等待事件，因而提高了系统的效率。
例如，本申请中，存储器中存储有固件程序(firmware)，用于使控制器或处理器可以通过接口或协议实现本申请的音频处理的方法。
在一些实施例中，处理器110可以包括一个或多个接口。接口可以包括集成电路(inter-intergrated circuit，I2C)接口，集成电路内置音频(inter-intergratedcircuit sound，I2S)接口，脉冲编码调制(pluse code modulation，PCM)接口，通用异步收发传输器(universal asynchronous receiver/transmitter，UART)接口，移动产业处理器接口(mobile industry processor interface，MIPI)，通用输入输出(general-purposeinput/output，GPIO)，用户标识模块接口，和/或通用串行总线接口等。
I2C接口是一种双向同步串行总线，包括一根串行数据线(serial data line，SDA)和一根串行时钟线(derail clock line，SCL)。在一些实施例中，处理器110可以包含多组I2C总线。处理器110可以通过不同的I2C总线接口分别耦合触摸传感器180K，麦克风，摄像头193等。例如，处理器110器可以通过I2C接口耦合触摸传感器180K，是处理器110与触摸传感器180K通过I2C总线接口通信，实现电子设备100的触摸功能。
I2S接口可以用于音频数据传输。在一些实施例中，处理器110可以包含多组I2S总心啊。处理器110可以通过I2S总线与音频模块170耦合，实现处理器110与音频模块170之间的通信。在一些实施例中，音频模块170可以通过I2S接口接收音频信号，实现录制音频的功能。
PCM接口也可以用于音频通信，将模拟信号抽样，量化和编码。在一些实施例中，音频模块170与无线通信模块160可以通过PCM总线接口耦合。在一些实施例中，音频模块170也可以通过PCM接口向无线通信模块160传递音频信号，实现通过蓝牙耳机接听电话的功能；或者，通过PCM接口接收无线通信模块160输入的音频信号，实现获取无线麦克风采集的音频数据。
UART接口是一种通用串行数据总线，用于异步通信。该总线可以为双向通信总线。它将要传输的数据在串行通信与并行通信之间转换。在一些实施例中，UART接口通常被用于连接处理器110与无线通信模块160。例如，处理器110通过UART接口与无线通信模块160中的蓝牙模块通信，实现蓝牙功能。在一些实施例中，音频模块170可以通过UART接口接收蓝牙模块传递的音频信号，实现通过蓝牙耳机中的无线麦克风的录制音频的功能。
MIPI接口可以被用于连接处理器110与显示屏194，摄像头193等外围器件。MIPI接口包括摄像头串行接口(camera serial interface，CSI)，显示屏串行接口(displayserial interface，DSI)等。在一些实施例中，处理器110和摄像头193通过CSI接口通信，实现电子设备100的拍摄功能。处理器110和显示屏194通过DSI接口通信，实现电子设备100的显示功能。
GPIO接口可以通过软件配置。GPIO可以被配置为控制信号，也可以被配置为数据信号。在一些实施例中，GPIO接口可以用于连接处理器110与摄像头193，显示屏194，无线通信模块160，音频模块170，传感器模块180等。GPIO接口还可以被配置为I2C接口，I2S接口，UART接口，MIPI接口等。
USB接口130是符合USB标准规范的接口，具体可以是Mini USB接口，Micro USB接口，USB Type C接口等。USB接口130可以用于连接充电器为电子设备100充电，也可以用于电子设备100与外围设备之间传输数据。也可以用于连接耳机，通过耳机播放音频。该接口还可以用于连接其他电子设备，例如AR设备等。
应理解，本申请实施例示意的各模块间的接口连接关系，只是示意性说明，并不构成对电子设备100的结构限定。在本申请另一些实施例中，电子设备100也可以采用上述实施例中不同的接口连接方式，或多种接口连接方式的组合。
存储器130可以用于存储计算机可执行程序代码，所述可执行可执行程序代码包括指令。处理器110通过运行存储在存储器130的指令，从而执行电子设备100的各种功能应用以及数据处理。存储器130可以包括存储程序区和存储数据区。其中，存储程序区可存储操作系统，至少一个功能所需的应用程序(比如音频播放功能，图像播放功能等)等。存储数据区可存储电子设备100使用过程中所创建的数据(比如音频数据，电话本等)等。此外，存储器130可以包括高速随机存取存储器，还可以包括非易失性存储器，例如，至少一个磁盘存储器件，闪存器件，通用闪存存储器(universal flash storage，UFS)等。
电源管理模块150用于连接电池，充电管理模块与处理器110。电源管理模块150接收电池和/或充电管理模块的输入，为处理器110，存储器130，显示屏160，和通信模块170等供电。电源管理模块150还可以用于监测电池容量，电池循环次数，电池健康状态(漏电，阻抗)等参数，在其他一些实施例中，电源管理模块150也可以设置于处理器110中。
显示屏160用于显示图像，视频等。显示屏160包括显示面板。显示面板可以采用液晶显示屏(liquid crystal display，LCD)，有机发光二极管(organic light-emittingdiode，OLED)，有源矩阵有机发光二极体(active-matrix organic light emittingdiode，AMOLED)，柔性发光二极管(flex light-emitting diode，FLED)，量子点发光二极管(quantum dot light emitting diodes，QLED)等。
电子设备100的无线通信功能可以通过天线，通信模块170，调制解调处理器以及基带处理器等实现。
通信模块170可以提供应用在电子设备100上的包括2G/3G/4G/5G等无线通信的解决方案。
电子设备100可以通过音频模块170，扬声器170A，受话器170B，麦克风170C，耳机接口170D，以及应用处理器等实现音频功能。例如，音频播放，录音等。电子设备100的案件190可以包括开机键、音量键等。按键190可以是机械按键，也可以是触摸式按键。马达191可以产生振动提示。马达191可以用于来电振动提示，也可以用于触摸振动反馈。指示器192可以是指示灯，可以用于指示充电状态、电量变化、也可以用于指示消息，未接来电，通知等。SIM卡接口195用于连接SIM卡。
此外，电子设备100还包括各种不同传感器，例如，压力传感器，用于感受压力信号，可以将压力信号转换成电信号。陀螺仪传感器可以用于确定电子设备100的运动姿态。气压传感器用于测量气压。磁传感器包括霍尔传感器。加速度传感器可检测电子设备100在个方向上(一般为三轴)加速度的大小。距离传感器，用于测量距离。电子设备100可以通过红外或激光测量距离。接近光传感器可以包括例如发光二极管(LED)和光检测器，例如光电二极管。环境光传感器用于感知环境光亮度。环境光传感器用于感知环境光亮度。电子设备100可以根据感知的环境光亮度自适应调节显示屏160亮度。指纹传感器用于采集指纹。电子设备100可以利用采集的指纹特性实现指纹解锁，访问应用锁，指纹拍照，指纹接听来电等。触摸传感器，也称“触控面板”。触摸传感器可以设置于显示屏194，由触摸传感器与显示屏194组成触摸屏，也称“触控屏”。触摸传感器用于检测作用于其上或附近的触摸操作。触摸传感器可以将检测到的触摸操作传递给应用处理器，以确定触摸事件类型。
本申请实施例还包括温度传感器、骨传导传感器。其中，温度传感器用于检测温度。例如，温度传感器可以是非接触式红外温度传感器，该非接触式红外温度传感器可以利用红外线来测量物体的温度。应理解，本申请实施例对红外温度传感器的类型和数量不做限定。温度传感器可以接收人体温度信号，实现温度检测功能。在一些实施例中，电子设备100利用温度传感器检测的温度，执行温度处理策略。
骨传导传感器可以获取振动信号。在一些实施例中，骨传导传感器可以获取人体声部振动骨块的振动信号。骨传导传感器也可以接触人体脉搏，接收血压跳动信号。在一些实施例中，骨传导传感器也可以设置于耳机中，结合成骨传导耳机。音频模块可以基于所述骨传导传感器获取的声部振动骨块的振动信号，解析出语音信号，实现语音功能。
在一些实现方式中，应用处理器可以基于所述骨传导传感器获取的血压跳动信号解析心率信息，实现心率检测功能以及睡眠监测功能。
此外，电子设备100的处理器110还可以通过优化硬件光路和算法，多光源的融合，利用含氧血红蛋白和脱氧血红蛋白对特定光的反射吸收率不同的特点，进行信号萃取、信号增强、算法训练、异常抑制等措施，测量到脉搏血氧饱和度。
在一些实施例中，本申请实施例提供的疫情预测的方法在用户端可以通过单设备执行，例如通过用户端的智能手表或智能手环执行；或者也可以通过用户端的多设备(如手机和智能手表)之间的协同工作，由多设备协作执行本申请实施例提供的疫情预测的方法。
示例性的，首先以电子设备为智能手表为例，结合附图2对用户端为单设备执行时的场景进行介绍。图2示出了用户端为单设备时的系统架构示意图。该系统架构包括服务器和用户端的电子设备，系统架构中的用户端的可以有多个(如用户1，用户2和用户3)。
在一些实施例中，系统维护人员可以由疾控中心、医院等政府机构获取对外公布的确诊人员的轨迹信息(以下简称为轨迹信息)和传染病的病毒特征信息(以下简称为特征信息)，并将获取的轨迹信息转换为系统需要的地理信息(以下以GPS信息为例)和对应的时间信息输入服务器。服务器接收到特征信息和轨迹信息后，将这些信息存储至区域样本数据库。其中，系统维护人员在输入轨迹信息时，还可以输入轨迹信息中的附加信息，比如，列车编号、车厢号、门牌号等。
示例性的，系统维护人员可以根据最新公布的疫情信息，新增某一病毒确诊患者的轨迹信息以及该病毒的特征信息，或对数据库中已存储的确诊患者的轨迹信息或病毒的特征信息进行更新。例如，当某种新型病毒出现时，服务器可以接收并存储该新型病毒的特征信息，以及该病毒对应的确诊人员的轨迹信息；或者，当某种病毒的特征信息有更新时，服务器接收并更新该病毒的特征信息；又或者，当发现某病毒有新增的确诊人员时，服务器接收新增人员的轨迹信息，并将其添加至该病毒对应的确诊人员的轨迹信息中。
在一些实施例中，服务器可以将更新后的轨迹信息以及病毒特征信息发送给用户端的电子设备，如智能手表。电子设备可以将获取的轨迹信息与病毒特征信息存储于存储器130中。
示例性的，图3示出了本申请实施例提供的一例疫情预测过程中的用户图形界面(graphical user interface，GUI)示意图。为便于理解，这里以智能手表为例，结合图2示出的系统架构，对电子设备与用户的交互过程进行介绍。
如图3中的(a)图所示，用户可以点击智能手表主界面上的“查看XX传染病确诊人员行动路线”选项，该主界面还可以包括如蓝牙图标、电量信息和时间信息等；检测到用户的查询操作后，智能手表可以显示如图3中的(b)图示出的确诊人员行动轨迹搜索界面，该界面包括：传染病类型搜索框、地点/区域搜索框、时间搜索框等，用户可以在搜索框输入相应的内容，然后点击搜索图标；或者，用户也可以点击下拉框控件，电子设备响应于用户的点击操作，可以显示如图3中的(c)图示出的选项，用户点击疾病类型搜索框对应的下拉控件时，下拉列表里可以显示S传染病、X传染病、Y传染病，此外，用户还可以拖动下拉选项区域右侧的滑块，查询更多的传染病类型；用户输入或选择传染病类型、地点/区域以及日期，如用户输入S传染病、XX市XX区、2020年6月18日之后，如图3中的(d)图所示，用户点击搜索图标，表示用户查询2020年6月18日在XX市XX区的传染病确诊患者的行动轨迹；检测到用户的搜索操作，智能手表可以显示如图3中的(e)图示出的地图页面，上面标注有S传染病确诊人员在用户所查询的区域以及时间段内的轨迹路线。
应理解，本申请实施例中，用户查询确诊人员行动路线的具体步骤还可以包括其他多种，不仅限于上述列举中的步骤，本申请对此不作限定。
在一些实施例中，智能手表在接收到轨迹信息和特征信息后，基于本地存储的用户的历史轨迹信息，判断用户是否为确诊人员的近距离接触者，并向用户提醒近距离接触风险。例如，当检测到用户与确诊人员发生近距离接触时，如图4中的(a)图所示，智能手表界面可以显示风险提示信息，如“您在2020-06-18，13：00始，在A商场可能近距离接触S传染病确诊人员1小时，请确认是否存在近距离接触的可能”；当检测到用户点击“确认”选项时，如图4中的(b)图所示，智能手表界面可以显示生理体征监测提示信息，如“是否同意对与S传染病相关的生理体征进行监测”；当检测到用户点击“确认”图标时，表示用户同意电子设备对其进行生理体征监测，智能手表可以开启生理体征监测功能。
应理解，在实际应用时，仅基于轨迹信息判断的位置相近，无法准确反映用户与确诊人员是否真正存在近距离的密切接触，因此，上述如图4中的(a)图所示的提示信息，可以提示用户回忆是否在指示的时间和地点与确诊人员密切接触，从而提高近距离接触判断的准确性。
在一些实施例中，智能手表所监测的生理体征包括与S传染病相关的生理体征，比如S传染病的病毒感染后，会导致被感染者的体温升高、血氧下降，则所监测的生理体征可以为体温和血氧饱和度；又或者，比如S传染病的病毒感染后，会导致被感染者的心率、体温、血氧饱和度发生变化，则所监测的生理体征可以包括心率、体温、血氧饱和度。可选地，被检测的生理体征还可以包括其他多种，此处不做限定。
在一些实施例中，智能手表在检测到用户点击“确认”图标后，电子设备对其进行生理体征监测；之后，如图4中的(c)图所示，智能手表可以进一步显示用户生理体征信息上报的提示信息，如“是否同意将您的生理体征数据上报，进行风险分析”；当检测到用户点击“确认”操作后，表示用户同意智能手表将其生理体征的监测数据上报给服务器，则智能手表可以将测量的用户生理体征数据上报给服务器。
在一些实施例中，智能手表还可以根据获取的生理体征监测数据，基于一定的准则，计算用户的健康风险分数，该健康风险分数用于指示用户感染传染病的概率。示例性的，智能手表可以持续监测用户连续多天的生理体征数据的变化，然后绘制出健康风险分数的变化趋势图和/或生理体征监测结果的变化趋势图。智能手表可以根据各项生理体征的监测结果和/或健康风险分数，对用户进行健康风险提示，如图4中的(d)图所示，当用户的生理体征监测结果表示用户的生理体征符合感染传染病的特征时，或者健康风险分数高于预设的高风险分数时，智能手表界面可以显示如“检测到您是S传染病的高风险人群，请及时就医”。
在一些实施例中，智能手表根据监测的生理体征数据计算用户的健康风险分数后，如图4中的(e)图所示，智能手表可以进一步显示用户健康风险分数上报的提示信息，如“是否同意将您的健康风险分数上报，进行风险分析”；当检测到用户点击“确认”图标后，表示用户同意智能手表将其健康风险分数上报，则智能手表将用户的健康风险分数上报给服务器。
应理解，在本申请实施例中，电子设备对用户是否为确诊人员近距离接触者的检测以及对用户数据(生理体征测量结果或健康风险分数)上报可以是周期性的。例如，电子设备每间隔30min根据更新的确诊人员的轨迹信息，检测用户是否为近距离接触者；每隔1h会上报用户的生理体征监测数据等。其中，电子设备对用户是否为近距离接触者的检测周期，和上报用户数据的周期可以相同，也可以不相同，此处不做限定。
此外，电子设备对用户生理体征的检测过程可以是实时且持续进行的，换句话说，在获得用户授权(如用户在图4中的(b)图中点击确认图标)后，电子设备开启生理体征检测功能，可以持续性的在后台对用户的生理体征进行监测，以获取用户不同时刻的准确的体征数据。
服务器根据用户上报的数据和已有的风险人员，基于一定的计算模型预测区域疫情发展趋势，如预测某些区域的总风险人数。示例性的，服务器可以根据该预测的疫情发展趋势，更新用户在预设历史时间段停留过的某些区域的疫情状况，并向用户的电子设备发送这些区域的风险等级。
在一些实施例中，如图4中的(f)图所示，用户可以在智能手表的监测结果查询界面查询各个生理体征的监测结果，各个生理体征例如包括：心率、R波间期(R-R interval，RRI)心率、血氧、睡眠特征、心电图(ECG)等。用户点击标有不同生理体征名称的图标时，智能手表则可以显示对应的生理体征的监测结果。比如，如图4中的(f)图所示，用户点击心率选项，智能手表响应于用户的点击操作，显示如图4中的(g)图，向用户呈现心率的监测结果和状态(心率，65，正常状态)。
其中，监测结果的查询和显示方式还可以有多其他形式，例如在另一些实施例中，该监测结果查询界面可以包括查询选项，当用户点击查询选项时，智能手表可以同时显示多项被检测生理体征的结果(类似图5中的(a)图所示)。本申请对此不作限定。
图5示出本申请实施例提供的一种生理体征测量结果的显示界面的示意图。
在一些实施例中，当智能手表检测到用户输入体征监测结果查询的操作时，还可以显示图5中(a)图所示的界面，该界面可以为生理体征的监测结果显示界面，包括多项生理体征测量结果以及生理体征数据的变化趋势。其中，生理体征例如为血氧、心率以及睡眠特征。该界面的变化趋势图中用于表示血氧的变化趋势(如图5中(a)图最上的曲线所示)、心率的变化趋势(如图5中(a)图最下的曲线所示)以及睡眠特征(如图5中(a)图的点状填充区域所示)。由图5中的(a)图可以看出，在01：15时，用户的血氧为98％，心率为65，且此时处于清醒状态。
或者，在一些实施例中，如果用户在图4中(d)图或(e)图所示的界面中点击“确认”时，智能手表还可以显示用户的健康风险分数。如图5中的(b)图所示，为智能手表显示出的根据一定的准则计算出来的用户的健康风险分数，示例性的，该显示界面包括不同日期分别对应的健康风险分数。
可选地，如图5中的(c)图所示，智能手表还可以在日历页面上标注不同日期对应的健康风险分数对应的状态，向用户进行展示。其中，当用户在某一日期的风险分数处于预设的正常状态分数区间时，则该日期下方标注为正常，表示用户健康处于正常状态；当用户在某一日期的健康风险分数处于预设的风险状态(如低风险、中风险、高风险等)分数区间时，则该日期下方标注为对应的风险状态(如低风险、中风险、高风险等)，表示用户当前的健康存在健康风险。此外，若用户存在健康风险时，该日历界面还可以在显示风险程度(如图5中的(c)图所示的60％)；还可以在风险状态下显示建议选项，用户可以点击该建议选项获取相应的健康建议。
应理解，在实际应用中，很多用户的智能手表与其他设备建立有连接，可以实现多个设备协同工作，例如，用户可以将上述智能手表的显示信息拖拽到手机、平板电脑上显示，使用户能够在大屏上更清晰地查看信息。或者，其他设备与智能手表建立连接后，可以对智能手表对用户的生理体征监测数据进行融合，分析用户的健康风险分数等。
以下结合附图，对用户端由多个设备协作共同完成本申请实施例提供的疫情预测的方法进行介绍。
在一些实施例中，本申请实施例提供的疫情预测的方法还可以通过图6示出的系统架构实现。在图6示出的系统架构中，用户端的多个电子设备可以为一个组合，组合中的电子设备具有不同的分工。以电子设备的组合包括手机和智能手表为例，手机和智能手表可以建立有无线连接，如蓝牙连接等，手机和智能手表可以协同工作。示例性的，图6所示的电子设备组合中各电子设备的分工可以包括但不限于以下情形：
情形一：手机利用其通信功能、计算能力，用于与服务器、用户进行交互，并且对用户是否为疫情的近距离接触者、以及用户的健康风险分数等进行分析；而智能手表主要利用生理体征监测功能，用于在手机的指示下进行用户的生理体征检测，并将检测的数据发送至手机供其计算健康风险分数，或者供用户查看。
情形二：智能手表用于监测用户的生理体征数据、处理该生理体征数据并且与服务器和用户进行交互；而手机利用其显示功能，用于接收智能手表的生理体征监测结果，向用户展示各项生理体征的结果、健康风险分数、提示消息等。
应理解，电子设备组合内的各个电子设备的分工，可以基于电子设备自身支持的功能进行多种设置，本申请对此不作限定。并且，图6示出的系统架构以用户设备为手机和智能手表的组合为例进行说明，但本申请并不限于此，该组合例如还可以是平板电脑和智能手表的组合，或者车载设备与智能手表的组合等。
为便于理解，以下以情形一为例，对该系统架构下的疫情预测过程进行介绍。在该情形下，服务器可以将确诊人员的轨迹信息和传染病的特征信息发送给手机，由手机基于存储的用户历史轨迹信息判断用户是否为确诊人员的近距离接触者；当确定用户为近距离接触者时，手机可以提示用户存在近距离接触风险；如果手机获取了用户确认近距离接触的操作，以及用户授权进行生理体征监测后，手机可以指示用户佩戴的智能手表进行生理体征监测；响应于手机的指示，智能手表开启生理体征监测功能，并将获取的体征监测结果发送至手机，由手机进行健康风险分数的计算以及相关数据的上报。
示例性的，结合图6示出的系统架构，图7示出了本申请实施例提供的一例疫情预测过程中用户图形界面的示意图。为便于理解，这里仍然以手机和智能手表的组合为例进行说明。
其中，图7中的(a)图示出了手机的解锁模式下的界面，该手机的屏幕显示界面显示了当前的界面内容701，该界面内容701可以为手机的主界面。该界面内容701显示了多款应用程序(application，App)，例如时钟、日历、图库、备忘录、文件管理、电子邮件、音乐、计算器、华为视频、天气、浏览器、智慧生活、设置、录音机、应用商场以及相机、通讯录、电话、信息和运动健康等应用程序。应理解，界面内容701还可以包括其他更多的应用程序，本申请实施例对此不作限定。
如图7中的(a)图所示，用户点击运动健康应用的图标；响应于用户的点击操作，手机开启运动健康应用，并显示健康界面702，如图7中的(b)图所示，健康界面702可以包括多个显示子区域，包括计步显示子区域10，生命体征数据查询子区域20，以及疫情风险查询子区域30等。其中，计步显示子区域10可以包括用户当天的步数，行走的距离以及消耗的热量等数据；生命体征数据查询子区域20可以包括多项生理体征测量结果查询选项，包括心率、血氧饱和度、RRI心率、心电图、睡眠特征等，此外，还包括健康生活选项，用于使用户查询健康建议等信息。
当手机检测到用户点击疫情风险查询图标时，手机可以显示如图7中的(c)图所示的界面，该界面为确诊人员轨迹信息以及传染病特征信息查询界面，包括确诊人员行动轨迹查询图标，传染病特征信息查询图标。
其中，如图7中的(c)图所示，当用户点击查看传染病确诊人员行动路线的图标时，手机可以显示如图7中的(d)图示出的界面，包括传染病类型、地点/区域、时间的输入区域(区域703)，用户可以输入想要查询的传染病名称、以及地点和时间；或者，如图7中的(d)图所示，用户也可以在下拉框中选择想要查看的选项。
当手机检测到用户输入的查询信息后，比如用户在传染病类型搜索框输入或选择S传染病，在地点/区域搜索框输入或选择XX市XX区，在时间搜索框输入或选择2020-6-18后，点击搜索图标(704)；响应于用户输入的搜索操作，如图7中的(e)图所示，手机可以显示用户所查询的S传染病确诊人员2020-6-18在某XX市XX区的行动轨迹，如手机界面可以显示地图页面，并且在该地图页面标注有确诊人员的行动路径，以及停留地点的信息和对应的停留时间。
在一些实施例中，当手机检测到用户在如图7中的(c)图所示的界面上点击查询传染病的特征信息时，手机可以显示多种传染病的特征信息，包括：潜伏期、传播距离、患病症状等。
在一些实施例中，手机基于获取的轨迹信息和存储的用户的历史轨迹信息，确定用户为近距离接触者时，显示提示信息，例如，提示用户“在XX时间，XX地点与确诊人员近距离接触X小时，存在近距离接触风险”；用户基于自己经过的历史路径，判断近距离接触是否真实发生，排除仅因为地理位置相近误判为近距离接触的情况，如果存在近距离接触，则可以点击“确认”，否则，可以点击“取消”。
应理解，在实际应用时，仅基于轨迹信息判断的位置相近，无法准确反映用户与确诊人员是否真正存在亲密接触，因此，该提示信息可以提示用户回忆是否在指示的时间和地点与确诊人员密切接触，提高近距离接触判断的准确性。
其中，当用户点击“确认”时，表明用户确认存在近距离接触，则可能存在被感染的风险较大。当手机检测到用户点击“确认”图标时，表示用户确认与确诊人员发生过近距离接触，则响应于该确认操作，手机可以向用户显示生理体征监测的提示信息，例如“是否同意对您的生理体征进行检测”；当检测到用户点击“确认”时，手机可以指示与其连接的穿戴设备对用户的生理体征进行监测。
智能手表接收到手机的指示后，对用户的生理体征进行监测。具体地，智能手表在监测过程中可以将监测数据发送至手机；或者，在监测完毕之后，智能手表可以将监测数据发送至手机。
示例性的，在生理体征监测开始时或者监测过程中，手机还可以显示提示信息，例如提示用户“是否同意将您的生理体征信息上报，进行风险分析”；当检测到用户点击“确认”时，表示用户同意手机将其生理体征的监测数据上报给服务器，则手机可以将自身测得的生理体征数据上报给服务器。
在一些实施例中，手机还可以根据获取的体征信息，基于一定的准则，计算用户的健康风险分数，该健康风险分数用于指示用户感染病毒的概率。智能手表可以根据各项生理体征的监测结果和/或健康风险分数，对用户进行健康风险提示，如显示“检测到您是S传染病的高风险人群，请及时就医”的提示信息。
在一些实施例中，手机根据测量的生理体征数据计算用户的健康风险分数后，手机可以进一步显示用户健康风险分数上报的提示信息，如“是否同意将您的健康风险分数上报，进行风险分析”；当检测到用户点击“确认”操作后，表示用户同意手机将其健康风险分数上报给服务器，则手机可以将用户的健康风险分数上报给服务器。
在一些实施例中，用户可以在手机的检测查询界面查询各个生理体征的监测结果，各个生理体征例如包括：心率、RRI心率、血氧、睡眠特征、ECG等。用户点击标有不同生理体征名称的图标时，手机则可以显示对应的生理体征的监测结果。或者，用户点击查询体征监测结果时，手机可以同时显示多项被监测生理体征的监测结果。
其中，手机显示的生理体征的监测结果显示界面示意图可以参见图5，此处不再赘述。
在一些可能的实施例中，用于上报用户数据的电子设备还可以接收多个设备发送的数据，比如，在一种家庭场景中，如果多个家庭成员的智能手表均与一个电子设备建立连接，则多个设备可以将分别测量的不同用户的体征数据发送至电子设备，由电子设备计算不同用户的健康风险分数，并上报该健康风险分数，从而可以进行多人健康风险分数上报。
应理解，由于当一个人员感染传染病时，与该人员日常接触较多的其他人，如家庭成员、同事等，被感染的风险会提高，因此，当检测到用户为确诊人员的近距离接触者后，可以进一步提示用户进行多人健康风险分数上报，提升对疫情预测的效率。
在一些实施例中，服务器可以基于用户电子设备的上报数据，对用户上报区域的疫情发展趋势进行预测，包括该区域的风险总人数、疫情风险等级等。服务器将生成的信息发送至电子设备，电子设备可以进一步向用户展示该区域的风险总人数和/或疫情风险等级。
示例性的，如图8所示，为本申请实施例提供的一例风险地图的示意图。其中，电子设备可以基于获取的各区域的疫情风险等级，在地图页面标注不同区域的疫情风险等级，如“XX传染病疫情高风险地区”、“XX传染病疫情中风险地区”，以供用户查看，便于用户规划出行路线，避开疫情风险等级较高的地区。
以上结合附图和具体场景对本申请实施例提供的疫情预测过程的外部实现进行了介绍，为更好的理解本申请提供的疫情预测的方法，下面从内部实现层面介绍具体的实现过程和算法。
示例性的，图9示出了本申请实施例提供的一种疫情预测的方法。可以应用于电子设备。该方法包括以下步骤：
S901，获取传染病确诊人员的轨迹信息和该传染病的特征信息，该轨迹信息包括位置信息和与位置信息对应的时间信息。
其中，电子设备可以由服务器获取确诊人员的轨迹信息，该轨迹信息包括位置信息和时间信息，如确诊人员在某一时刻对应的位置。电子设备还可以由服务器获取传染病的特征信息，该特征信息可以包括：传染病病毒的传播途径、传播距离、潜伏期、与传染病相关的生理体征等。
应理解，本申请所说的与传染病相关的生理体征可以指用户感染传染病病毒时所影响到的生理体征，比如某些传染病的病毒感染后，会导致被感染者的体温升高、血氧下降，则与该传染病相关的生理体征可以为体温和血氧饱和度；又或者，有些传染病的病毒感染后，会导致被感染者的心率、体温、血氧饱和度发生变化，则该传染病相关的生理体征可以为心率、体温、血氧饱和度。
S902，当根据用户的轨迹信息和确诊人员的轨迹信息，检测到用户为确诊人员的近距离接触者时，监测用户的生理体征，并获取生理体征的监测数据。
其中，本申请实施例中确诊人员的轨迹信息以及用户的历史轨迹信息可以均为GPS信息。
在一些实施例中，用户的轨迹信息可以是用户在预设历史时间段内的轨迹信息，例如在一周之内的轨迹信息等。
在一些实施例中，电子设备可以根据用户历史轨迹信息中的位置信息和时间信息，以及确诊人员的位置信息和时间信息，获得用户与确诊人员之间的接触距离，其中，这里的接触距离可以指在同一时刻，用户所在位置与确诊人员所在位置之间的距离。当用户与确诊人员的接触距离小于传染病病毒的传播距离(即发生近距离接触)时，则用户被传染病毒的风险较大，可以进一步判断用户与确诊人员近距离接触的时间；当用户和确诊人员的发生近接触的时长大于第一阈值时，则确定用户为确诊人员的近距离接触者。
换言之，电子设备可以基于步骤S901获取确诊人员的轨迹信息，判断电子设备上存储的用户的历史轨迹信息是否出现在确诊人员路线的预设区间内，并且在该预设区间的时间大于第一阈值，若是，则认为用户为确诊人员的近距离接触者。
应理解，如果用户仅与确诊人员发生极短暂(时长小于第一阈值)的近距离接触，则该用户被传染的风险较低，此时不将该用户视为确诊人员的近距离接触者；而当用户与确诊人员发生近距离接触，且近距离接触的时长大于或等于第一阈值时，则认为该用户为确诊人员的近距离接触者，后续对其进行生理体征监测以及数据上报。
具体地，电子设备还可以根据用户与确诊人员的接触距离，进行近距离接触风险打分，近距离接触风险分数的计算公式如公式(1-1)所示：
Figure BDA0002852414430000181
其中，ds为近距离接触风险分数；
d为用户与确诊人员之间的接触距离；
dmax为传染病病毒的最大传播距离。
在一些实施例中，如果电子设备基于确诊人员的轨迹信息中的附加信息，确定用户与确诊人员曾经同处一个密闭空间，例如同处列车车厢、房间、电梯轿厢等密闭空间时，可以不再考虑其同处一个密闭空间的时长，而直接确定该用户为确诊人员的近距离接触者。
在一些实施例中，当确定用户为确诊人员的近距离接触者后，电子设备可以显示第一信息(如图4中的(a)图所示的近距离接触风险提示信息)，该第一信息用于向用户查询是否为确诊人员的近距离接触者，该第一信息包括用户与确诊人员发生近距离接触的地点信息和/或时间信息。可选地，当电子设备提示用户存在近距离接触风险时，可以根据ds确定近距离接触的风险等级，并向用户提示该近距离接触的风险等级。
电子设备接收所述用户输入的第一确认信息(如图4中的(a)图所示的用户点击确认选项)，该第一确认信息可以用于指示用户为近距离接触者。
示例性的，电子设备可以显示第二信息(如图4中的(b)图所示的生理体征监测提示信息)，该第二信息用于向用户请求进行生理体征监测。当电子设备接收用户输入的第二确认信息(如图4中的(b)图所示的用户点击确认选项)后，可以开启用户的生理体征监测，该第二确认信息可以用于指示用户同意电子设备进行生理体征监测。
可选地，当电子设备自身支持生理体征监测功能时，可以由该电子设备对用户进行生理体征监测；或者，电子设备也可以指示与其连接的其它电子设备，如智能手表、智能手环等对用户进行生理体征监测。
S903，根据监测数据和传染病的特征信息，获取该用户的健康风险分数。
在一些实施例中，电子设备可以获取不同生理体征对应的权重，该权重可以为根据传染病的特征模型，预先设置的权重。
在一些实施例中，电子设备可以根据传染病的特征信息获取至少一个第一生理体征，该第一生理体征为与传染病关联的特征；之后，电子设备可以对用户的该至少一个第一生理体征信息进行监测，并获取第一生理体征的监测数据；然后，电子设备可以根据该至少一个第一生理体征对应的预设权重，对该至少一个第一生理体征的监测数据进行加权计算，获得用户的健康风险分数。
示例性的，以智能手表获取的用户的心率、RRI、Spo2、体温的生理体征为例，则健康分数的计算公式可以为公式(1-2)：
Shealth＝hrweight×心率变化值+RRIweight×RRI心率变化值+Spo2weight×血氧变化值+Tweight×体温变化值 (1-2)
其中，Shealth为健康风险分数；hrweight为心率对应的预设权重；RRIweight为心率对应的预设权重；Tweight为体温对应的预设权重。应理解，各个生理体征的变化值可以是监测的生理体征监测数据与预设的生理体征的正常数据之间的变化值。
可选地，与传染病关联性较大的生理体征的权重可以设置的较大，与传染病关联性较小的生理体征的权重可以设置的较小。本申请对此不作限定。
在一些实施例中，电子设备可以根据用户健康分数向用户显示第一提示信息，向用户提示存在健康风险。比如，电子设备确定用户的健康分数不在正常范围之内，则电子设备可以显示如图4中的(d)图所示的风险提示信息。
在一些实施例中，电子设备还可以向用户显示第三信息(如图4中的(e)图所示的健康风险分数上报提示信息)，向用户请求上报用户的健康风险分数；之后，若电子设备接收用户输入的第三确认信息(如图4中的(e)图所示的用户点击确认选项)，即用户同意上报其健康风险分数时，电子设备可以向服务器上报用户的健康风险分数。
在一些实施例中，电子设备可以显示在不同时间点时，所述用户的第一生理体征信息；和/或，显示所述第一生理体征信息随时间的变化趋势(如图5中的(a)图所示)。
在一些实施例中，电子设备可以显示在不同时间点时，所述用户的健康风险分数(如图5中的(b)图所示)；或者，在日历界面标注不同日期下对应的健康风险等级(如图5中的(c)图所示)。
S904，向服务器上报健康风险分数，该健康风险分数用于预测第一区域的疫情风险，该第一区域为用户在预设历史时间段停留过的区域，疫情风险包括传染病确诊人员和疑似人员的总风险人数。
在一些实施例中，电子设备在获取用户的授权(如图4中的(e)图所示用户点击确认选项)后，电子设备可以向服务器上报健康风险分数；服务器可以根据该健康风险分数预测第一区域的疫情风险。
其中，第一区域可以是用户在预设历史时间内停留过的区域，预设历史时间可以预先进行灵活设置，如一周时间等，本申请实施例对此不作限定。并且，本申请实施例所说的用户停留过的区域可以指用户停留时间大于第二阈值的区域，其中，第二阈值可以根据传染病病毒的传播能力等实际情况灵活设定，此处不做限定。
在一些实施例中，服务器可以将预测的第一区域的疫情风险发送给电子设备，由电子设备向用户提示第一区域的疫情风险等级。比如，电子设备可以在所述电子设备的地图页面上显示所述第一区域为疫情风险地区(如图8所示)，并且，在该地图页面上可以标注有第一区域的疫情风险等级。
应理解，通过向用户提示特定区域的疫情风险等级，能够便于用户了解疫情风险地区，合理调整出行路线，降低被传染病感染的风险。
根据本申请实施例提供的疫情预测的方法，通过基于用户和确诊患者的轨迹信息确定用户为疫情近距离接触者后，在用户的授权下，进行生理体征检测，实现自动对用疫情风险进行警报，并且使得服务器可以根据上报数据预测疫情发展，减少人力参与，从而降低被感染人员的数量，提升疫情防控的效率。
在一些实施例中，服务器可以利用感染人群风险分析模型，对第一区域的疫情发展趋势进行预测，如总风险人数(包括确诊人员和疑似人员的数量)的预测，并根据预测的总风险人数评估该区域的风险等级。具体地，服务器可以将历史风险人群、新增确诊人群、上报数据分析的风险人群合并为种子风险；以确诊人员和疑似人员的人数(增加的风险人数)增长率作为扩散系数，来预测总风险人数。此外，还可以以用户的确认率为扩散系数的校准系数，并总风险人数进行校准。
图10示出了本申请实施例提供的服务器侧进行疫情风险预测的示意性流程图。图10示出的过程可以由服务器执行，具体可以包括以下步骤：
S1001，根据健康风险分数确定第一区域的传染病的扩散系数。
其中，第一区域可以是用户在预设历史时间段内停留过的区域。第一区域的传染病的扩散系数是指该区域的风险人数的增长率。其中，增长的风险人数为通过电子设备确认与确诊人员有近距离接触的用户的数量。
应理解，现有的一些风险人数预测过程中，直接将风险人数的增长率作为扩散系数，对未来可能的总风险人数进行预测。然而，由于不同的用户其对应的风险等级可能不相同，因而如果直接将所有在终端确认是近距离接触者的用户均作为风险人员，会导致较大的误差。因此，在本申请实施例中，通过上报用户的健康风险分数对用户划分风险等级，确定各个风险等级的扩散系数(增长率)，之后，根据各风险等级扩散系数对应的权重，对扩散系数进行修正，获得与疫情等级关联的修正后总的扩散系数。
为便于理解，以图11所示的第一区域的风险人群分布示意图为例，进行更为直观的说明。在图11中，X3为已确诊人员，X1，X2，X4～X6分别为X3的近距离接触者，具体地，X1与X3的近距离接触参数(包括接触距离和接时长)为X(1，3)，X2与X3的近距离接触参数为X(2，3)，X4与X3的近距离接触参数为X(4，3)，X5与X3的近距离接触参数为X(3，5)，X6与X3的近距离接触参数为X(3，6)；且不同人员具有不同的健康风险分数，如X1至X6至的健康风险分数分别对应为h1至h6。则服务器在根据近距离接触者计算扩散系数时，需要结合不同近距离接触者的健康风险分数(如h1至h6)对应的风险等级，对各风险等级的扩散系数与该风险等级的权重进行加权计算，获得更为准确的扩散系数，进而更准确地预测未来的疫情风险总人数。
具体地，服务器接收到电子设备上报的用户的健康风险分数后，根据健康风险分数所属的分数范围，确定该用户对应的风险等级，如当用户的健康风险分数属于高风险等级对应的分数范围时，确定该用户属于高风险等级；当用户的健康风险分数属于中风险等级对应的分数范围时，确定该用户属于中风险等级；当用户的健康风险分数属于低风险等级对应的分数或分数范围时，确定该用户属于低风险；当用户的健康风险分数属于无风险等级对应的分数或分数范围时，确定该用户属于无风险。
在一些实施例中，服务器可以预先设置不同风险等级所对应的权重，比如，如表1所示，高风险等级对应的权重为100％，中风险等级对应的权重为50％，低风险等级对应的权重为20％，无风险等级对应的权重为0。
表1
Figure BDA0002852414430000201
Figure BDA0002852414430000211
则修正后的扩散系数rsp可以根据公式(1-3)计算：
修正后rsp＝r高风险×100％+r中×50％+r低×20％+r无×0％ (1-3)
其中，r高风险为高风险等级对应的扩散系数；r中风险为中风险等级对应的扩散系数；r低风险为低风险等级对应的扩散系数；r无风险为无风险等级对应的扩散系数。
其中，各个风险等级的扩散系数可以根据该风险等级新增的人数和该风险等级已有的风险人数进行计算。
S1002，根据扩散系数和第一区域已确诊人员和疑似人员的数量，预测第一区域的总风险人数。
服务器利用感染人群风险分析模型，对第一区域的疫情总风险人数的预测。
第一区域总风险人数可以为根据确诊人员与风险人群以及修正后的扩散系数计算获得。其中，总风险人数的计算公式如(1-4)所示。在某时间点t，第一区域的风险总人数Nr(t)由多个部分的人员组成，具体包括由其他方式获知的当前新增风险人数Ncon(t)、电子设备风险分析的新增风险人数Nb(t)、第一区域的修正扩散系数rsp、第一区域的平均电子设备确认率rsm。其中，其他方式获知的当前新增风险人数中的其它方式是指：通过电子设备上报的健康风险分数这一方式之外的其它方式。
Figure BDA0002852414430000212
此外，服务器可以根据扩散系数，预测第一区域下的新增风险人数，并绘制出风险总人数变化趋势图(如图12所示)。
在一些实施例中，服务器可以将预测的风险总人数发送给电子设备，由电子设备展示给用户，进行疫情发展趋势提示。服务器还可以将风险总人数变化趋势图发送给电子设备，由电子设备展示给用户，使用户更加直观地获取疫情发展趋势。
S1003，根据预测的风险总人数确定第一区域的疫情风险等级。
其中，服务器可以根据预测的风险总人数确定第一区域的疫情风险等级。比如，当风险总人数小于或等于10时，对应的第一区域的疫情风险等级为低风险等级；当风险总人数大于10且小于或等于100时，对应的第一区域的疫情风险等级为中风险等级；当风险总人数大于100时，对应的第一区域的疫情风险等级为高风险等级。
在一些实施例中，服务器可以将疫情风险等级发送给电子设备；电子设备可以根据该疫情风险等级在地图页面的第一区域位置标注其风险等级(如图8所示)，使用户更加直观地获取不同区域的疫情状况。
根据本申请实施例提供的疫情预测的方法，通过基于用户和确诊患者的轨迹信息确定用户为疫情近距离接触者后，在用户的授权下，进行生理体征检测，实现自动对用疫情风险进行警报，并且使得服务器可以根据上报数据预测疫情发展，减少人力参与，从而降低被感染人员的数量，提升疫情防控的效率。
示例性的，如图13所示，为本申请实施例提供的一种电子设备的结构示意图。该电子设备1300包括接收模块1301，监测模块1302，处理模块1303和发送模块1304。
其中，接收模块1301，可以用于获取传染病确诊人员的轨迹信息和所述传染病的特征信息，所述轨迹信息包括位置信息和时间信息。
监测模块1302，可以用于当根据用户的轨迹信息和所述确诊人员的轨迹信息，检测到所述用户为所述确诊人员的近距离接触者时，监测所述用户的生理体征，并获取所述生理体征的监测数据。
处理模块1303，可以用于根据所述监测数据和所述传染病的特征信息，获取所述用户的健康风险分数。
发送模块1304，可以用于向服务器上报所述健康风险分数，所述健康风险分数用于所述服务器预测第一区域的疫情风险，所述第一区域为所述用户在预设历史时间段停留过的区域，所述疫情风险包括所述传染病确诊人员和疑似人员的总风险人数。
在一些实施例中，电子设备1300还可以包括显示模块，可以用于显示第一信息，所述第一信息用于向用户查询是否为所述近距离接触者，所述第一信息包括所述近距离接触的地点信息和/或时间信息。
接收模块1301，还可以用于接收所述用户输入的第一确认信息，所述第一确认信息用于指示所述用户为所述近距离接触者。
在一些实施例中，显示模块，还可以用于显示第二信息，所述第二信息用于向所述用户请求进行生理体征监测。
接收模块1301，还可以用于接收用户输入的第二确认信息，所述第二确认信息用户指示所述用户同意所述电子设备进行所述生理体征监测。
在一些实施例中，显示模块，还可以用于根据健康风险分数显示第一提示信息，所述第一提示信息用于向所述用户指示存在健康风险。
在一些实施例中，显示模块，还可以用于显示第三信息，该第三信息用于向用户请求上报生理体征监测的数据。
接收模块1301，还可以用于接收用户输入的第三确认信息，该第三确认信息用于指示用户同意上报生理体征监测的数据。
在一些实施例中，显示模块，还可以用于显示第四信息，该第四信息用于向用户提示第一区域的疫情风险等级和/或总风险人数。
在一些实施例中，处理模块还可以用于根据传染病特征信息获取至少一个第一生理体征，该第一生理体征为与传染病相关的特征；获取所述用户的所述至少一个第一生理体征信息的监测数据；根据预设权重对监测数据加权，计算用户的健康风险分数。
在一些实施例中，显示模块，还可以用于显示不同时间点对应的第一生理体征的监测数据；和/或，显示第一生理体征的监测数据随时间的变化趋势。
在一些实施例中，显示模块，还可以用于显示地图页面，该地图页面上标注有第一区域的疫情风险等级。
在一些实施例中，处理模块1303，还可以用于根据用户的轨迹信息和确诊人员的轨迹信息确定用户与确诊人员的接触距离；当接触距离小于传播距离，且用户和确诊人员的接触时长大于第一阈值时，确定用户为确诊人员的近距离接触者。
在一些实施例中，处理模块1303，还可以用于根据位置标识确定用户和确诊人员同时处于第一密闭空间时，确定用户为确诊人员的近距离接触者。
其中，位置可以包括以下至少一种：列车车次和/或车厢号、房间标识或者电梯标识；第一密闭空间包括以下至少一种：列车车厢、房间、或者电梯轿厢。
此外，本申请实施例中的传染病的特征信息包括以下至少一种：传染病病毒的传播途径、传染病病毒的传播距离、传染病的潜伏期、与传染病相关的生理体征。生理体征包括以下至少一种：体温、心率、一次心跳期间RRI、血氧饱和度Spo2、睡眠特征。
示例性的，如图14所示，为本申请实施例提供的一种服务器的结构示意图。该服务器1400包括发送模块1401，接收模块1402和处理模块1403。
在一些实施例中，发送模块1401，可以用于向电子设备发送传染病确诊人员的轨迹信息和传染病的特征信息，轨迹信息包括位置信息和时间信息。
接收模块1402，可以用于接收电子设备发送的用户健康风险分数，该用户为确认是确诊人员的近距离接触者的人员。
处理模块1403，可以用于根据健康风险分数预测第一区域的疫情风险，该第一区域为所述用户在预设历史时间段停留过的区域，疫情风险包括传染病确诊人员和疑似人员的总风险人数。
在一些实施例中，处理模块1403，还可以用于根据风险分数确定第一区域的传染病的扩散系数；根据扩散系数和第一区域已有的风险人数和扩散系数，预测第一区域的总风险人数；根据总分线人数确定所述第一区域的疫情风险等级。
在一些实施例中，处理模块1403，还可以用于确定多个风险等级分别对应的扩散系数，所述扩散系数用于指示对应的所述风险等级的人数增长率，所述风险等级用于指示为所述传染病确诊人员的概率；根据所述多个扩散系数对应的预设权重，对所述多个扩散系数进行加权，确定所述第一区域的传染病扩散系数。
在一些实施例中，处理模块1403，还可以用于根据以下公式计算总风险人数：
Figure BDA0002852414430000231
其中，t为时间，Nr(t)为时间点t的所述总风险人数，rsm为所述第一区域用户对确认自身为近距离接触者的平均确认率，rsp为所述第一区域的传染病扩散系数，Ncon为由外部获知的当前新增确诊人员，Nb为根据所述电子设备发送数据确定的新增风险人数。
本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当其在计算机或处理器上运行时，使得计算机或处理器执行上述任一个方法中的一个或多个步骤。
本申请实施例还提供了一种包含指令的计算机程序产品。当该计算机程序产品在计算机或处理器上运行时，使得计算机或处理器执行上述任一个方法中的一个或多个步骤。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者通过所述计算机可读存储介质进行传输。所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如，固态硬盘(solid state disk，SSD))等。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，该流程可以由计算机程序来指令相关的硬件完成，该程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法实施例的流程。而前述的存储介质包括：ROM或随机存储记忆体RAM、磁碟或者光盘等各种可存储程序代码的介质。
以上所述，仅为本申请实施例的具体实施方式，但本申请实施例的保护范围并不局限于此，任何在本申请实施例揭露的技术范围内的变化或替换，都应涵盖在本申请实施例的保护范围之内。因此，本申请实施例的保护范围应以所述权利要求的保护范围为准。

Claims (21)

1.一种疫情预测的方法，其特征在于，应用于电子设备，包括：
获取传染病确诊人员的轨迹信息和所述传染病的特征信息，所述轨迹信息包括位置信息和所述位置信息对应的时间信息；
根据用户的轨迹信息和所述确诊人员的轨迹信息，检测到所述用户为所述确诊人员的近距离接触者时，获取所述用户的生理体征的监测数据；
根据所述监测数据和所述传染病的特征信息，确定所述用户的健康风险分数；
向服务器上报所述健康风险分数，所述健康风险分数用于预测第一区域的疫情风险，所述第一区域为所述用户在预设历史时间段停留过的区域，所述疫情风险包括所述传染病确诊人员和疑似人员的总风险人数。
2.根据权利要求1所述的方法，其特征在于，所述当根据用户的轨迹信息和所述确诊人员的轨迹信息，检测到所述用户为所述确诊人员的近距离接触者时，所述方法还包括：
显示第一信息，所述第一信息用于向用户查询是否为所述近距离接触者，所述第一信息包括所述近距离接触的地点信息和/或时间信息。
3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：
显示第二信息，所述第二信息用于向所述用户请求进行生理体征监测；
接收用户输入的第二确认信息，所述第二确认信息用于指示所述用户同意所述电子设备进行所述生理体征监测。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
显示第三信息，所述第三信息用于向用户请求上报所述生理体征的监测数据；
接收所述用户输入的第三确认信息，所述第三确认信息用于指示同意上报所述生理体征监测的数据。
5.根据权利要求1-4中任一项所述的方法，其特征在于，所述方法还包括：
接收所述服务器发送的第一指示信息，所述第一指示信息用于指示所述第一区域的疫情风险等级和/或所述第一区域的风险总人数；
显示第四信息，所述第四信息用于向所述用户提示所述第一区域的所述疫情风险等级和/或所述第一区域的所述总风险人数。
6.根据权利要求1-5中任一项所述的方法，其特征在于，所述根据所述生理体征信息和所述传染病的特征信息，计算所述用户的健康风险分数，还包括：
根据所述传染病的特征信息获取至少一个第一生理体征，所述第一生理体征为与所述传染病相关的特征；
获取所述用户的所述至少一个第一生理体征的监测数据，每个所述第一生理体征具有对应的第一预设权重；
根据所述至少一个第一生理体征的监测数据和对应的所述第一预设权重进行加权计算，获取所述用户的健康风险分数。
7.根据权利要求1-6中任一项所述的方法，其特征在于，所述方法还包括：
显示不同时间点对应的第一生理体征的监测数据；和/或，
显示第一生理体征的监测数据随时间的变化趋势。
8.根据权利要求1-7中任一项所述的方法，其特征在于，所述方法还包括：
显示地图页面，所述地图页面上标注有所述第一区域的疫情风险等级。
9.根据权利要求1-8中任一项所述的方法，其特征在于，所述传染病的特征信息包括所述传染病的传播距离，所述根据用户的轨迹信息和所述确诊人员的轨迹信息，确定所述用户为所述确诊人员的近距离接触者，包括：
根据所述用户的轨迹信息和所述确诊人员的轨迹信息确定所述用户与所述确诊人员的接触距离；
当所述接触距离小于所述传播距离，且所述用户和所述确诊人员的接触时长大于第一阈值时，确定所述用户为所述确诊人员的近距离接触者。
10.根据权利要求1-9中任一项所述的方法，其特征在于，所述确诊人员的轨迹信息和所述用户的轨迹信息还包括位置标识，所述方法还包括：
当根据所述位置标识确定所述用户和所述确诊人员同时处于第一密闭空间时，确定所述用户为所述确诊人员的近距离接触者。
11.根据权利要求10所述的方法，其特征在于，所述位置标识包括以下至少一种：
列车车次和/或车厢号、房间标识或者电梯标识；
所述第一密闭空间包括以下至少一种：
列车车厢、房间、或者电梯轿厢。
12.根据权利要求1-11中任一项所述的方法，其特征在于，所述传染病的特征信息包括以下至少一种：
传染病病毒传播途径、传染病病毒的传播距离、所述传染病的潜伏期、与所述传染病相关的生理体征。
13.根据权利要求1-12中任一项所述的方法，其特征在于，所述生理体征包括以下至少一种：
体温、心率、一次心跳期间RRI、心电图、血氧饱和度Spo2、睡眠特征。
14.一种疫情预测的方法，其特征在于，应用于服务器，包括：
向电子设备发送传染病确诊人员的轨迹信息和所述传染病的特征信息，所述轨迹信息包括位置信息和时间信息；
接收所述电子设备发送的用户健康风险分数，所述用户为确认是所述确诊人员的近距离接触者的人员；
根据所述健康风险分数预测第一区域的疫情风险，所述第一区域为所述用户在预设历史时间段停留过的区域，所述疫情风险包括所述传染病确诊人员和疑似人员的总风险人数。
15.根据权利要求14所述的方法，其特征在于，所述服务器预设有多个风险等级，每个所述风险等级具有对应的健康风险分数区间，所述方法还包括：
根据所述用户的健康风险分数所属的所述健康风险分数区间，确定所述用户对应的风险等级，每个所述风险等级具有对应的第二预设权重；
根据所述多个风险等级分别对应的新增风险人数，确定所述多个风险等级分别对应的扩散系数；
将所述多个风险等级的扩散系数和对应所述第二预设权重进行加权计算，获取修正扩散系数；
根据所述修正扩散系数和所述第一区域已有的风险人数，预测所述第一区域的所述总风险人数。
16.根据权利要求14或15所述的方法，其特征在于，所述方法还包括：
根据所述总风险人数确定所述第一区域的疫情风险等级；
向所述电子设备发送第一指示信息，所述第一指示信息用于指示所述第一区域的疫情风险等级和/或所述第一区域的风险总人数。
17.根据权利要求14至16中任一项所述的方法，其特征在于，所述总风险人数包括：
Figure FDA0002852414420000031
其中，t为时间，Nr(t)为时间点t的所述总风险人数，rsm为所述用户通过所述电子设备确认自身为近距离接触者的平均确认率，rsp为修正扩散系数，Ncon为由其它方式获知的当前新增风险人员，Nb为根据所述电子设备发送数据确定的新增风险人数。
18.一种电子设备，其特征在于，包括通信接口、处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，当所述处理器在执行所述计算机程序时，使得所述电子设备实现如权利要求1至13中任一项所述的疫情预测的方法。
19.一种服务器，其特征在于，包括通信接口、处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，当所述处理器在执行所述计算机程序时，使得所述服务器实现如权利要求14至17中任一项所述的疫情预测的方法。
20.一种计算机可读存储介质，其特征在于，包括计算机指令，当所述计算机指令在计算机上运行时，使得所述计算机执行如权利要求1至17中任一项所述的疫情预测的方法。
21.一种计算机产品，其特征在于，当所述计算机产品在计算机上运行时，使得所述计算机执行如权利要求1至17中任一项所述的疫情预测的方法。
CN202011532380.5A 2020-12-22 2020-12-22 一种疫情预测的方法及电子设备 Pending CN114724727A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202011532380.5A CN114724727A (zh) 2020-12-22 2020-12-22 一种疫情预测的方法及电子设备
PCT/CN2021/137280 WO2022135197A1 (zh) 2020-12-22 2021-12-11 一种疫情预测的方法及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011532380.5A CN114724727A (zh) 2020-12-22 2020-12-22 一种疫情预测的方法及电子设备

Publications (1)

Publication Number Publication Date
CN114724727A true CN114724727A (zh) 2022-07-08

Family

ID=82157350

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011532380.5A Pending CN114724727A (zh) 2020-12-22 2020-12-22 一种疫情预测的方法及电子设备

Country Status (2)

Country Link
CN (1) CN114724727A (zh)
WO (1) WO2022135197A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115662650A (zh) * 2022-09-02 2023-01-31 深圳市名通科技股份有限公司 基于大数据精准定位的密接用户打捞方法
CN117594248A (zh) * 2023-12-02 2024-02-23 北京中数睿智科技有限公司 一种适用于多方联控的大数据处理方法及系统

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115188490A (zh) * 2022-07-08 2022-10-14 青岛国信城市信息科技有限公司 一种基于大数据分析的疫情防控行踪溯源智能管理平台

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018013913A1 (en) * 2016-07-15 2018-01-18 Knox Spencer Associates Llc Systems and methods for determining, tracking, and predicting common infectious illness outbreaks
US11423755B2 (en) * 2017-05-17 2022-08-23 Blue Storm Media, Inc. System and method for a digital proof of vaccine
CN111446001A (zh) * 2020-03-09 2020-07-24 杭州电子科技大学 一种用于人群动态医学观察与隔离管理的智能系统及方法
CN111436941B (zh) * 2020-03-23 2021-12-07 未来穿戴技术有限公司 潜在疾病预防的提醒系统及方法以及服务器
CN111640515A (zh) * 2020-05-26 2020-09-08 深圳市通用互联科技有限责任公司 区域的疫情风险确定方法、装置、计算机设备和存储介质
CN111743522A (zh) * 2020-06-15 2020-10-09 武汉理工大学 一种疫情防控的智能终端预警系统
CN111477341A (zh) * 2020-06-18 2020-07-31 杭州数梦工场科技有限公司 一种疫情监测方法、装置、电子设备及存储介质
CN112037924B (zh) * 2020-07-24 2024-02-20 中科苏州智能计算技术研究院 一种中长距疫情监测和安全指数量化方法
CN112017792A (zh) * 2020-07-31 2020-12-01 宇龙计算机通信科技(深圳)有限公司 一种公共卫生监控方法、装置、存储介质及电子设备

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115662650A (zh) * 2022-09-02 2023-01-31 深圳市名通科技股份有限公司 基于大数据精准定位的密接用户打捞方法
CN115662650B (zh) * 2022-09-02 2024-04-26 深圳市名通科技股份有限公司 基于大数据精准定位的密接用户打捞方法
CN117594248A (zh) * 2023-12-02 2024-02-23 北京中数睿智科技有限公司 一种适用于多方联控的大数据处理方法及系统

Also Published As

Publication number Publication date
WO2022135197A1 (zh) 2022-06-30

Similar Documents

Publication Publication Date Title
CN114724727A (zh) 一种疫情预测的方法及电子设备
Rocha et al. Innovations in health care services: The CAALYX system
US20200135334A1 (en) Devices and methods for remotely managing chronic medical conditions
Bisio et al. A smartphone‐centric platform for remote health monitoring of heart failure
US8152694B2 (en) Activity monitoring device and method
CN107004054B (zh) 计算健康参数
US20160132652A1 (en) Communicable disease tracking
CN106441326A (zh) 提供路线信息的方法和用于处理路线信息的电子装置
KR20170050878A (ko) 사용자 프로파일을 생성하기 위한 전자 장치 및 방법
CN108701495A (zh) 用于整合和提供从多个设备收集的数据的方法以及用于实现该方法的电子设备
CN106267776A (zh) 提供锻炼指导信息的方法和装置
KR20170136317A (ko) 전자 장치 및 그의 동작 방법
CN104835003A (zh) 一种面向移动养老服务的系统及其实现方法
WO2012142462A1 (en) Remote data monitoring and collection system with multi-tiered analysis
WO2010083165A1 (en) Activity monitoring device and method
US20230197289A1 (en) Epidemic Monitoring System
CN111640515A (zh) 区域的疫情风险确定方法、装置、计算机设备和存储介质
WO2015083568A1 (ja) ユーザ認証システム
CN106055300A (zh) 用于控制声音输出的方法及其电子设备
US20190096000A1 (en) System and Method for Sharing User Information with an Insurer Utilizing Wireless Earpieces
WO2021121226A1 (zh) 一种心电信号的预测方法、装置、终端以及存储介质
JP2015114761A (ja) 情報処理システム、電子機器、方法及びプログラム
CN113384252A (zh) 一种基于5g网络的防疫手环
CN113729643A (zh) 基于健康监测和轨道监测的传染病防控方法、设备及系统
CN114532992B (zh) 小睡状态检测方法、装置、系统及计算机可读存储介质

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