CN115036041B - 一种含记忆性的流行性疾病防控方法、装置、设备及介质 - Google Patents

一种含记忆性的流行性疾病防控方法、装置、设备及介质 Download PDF

Info

Publication number
CN115036041B
CN115036041B CN202210786065.8A CN202210786065A CN115036041B CN 115036041 B CN115036041 B CN 115036041B CN 202210786065 A CN202210786065 A CN 202210786065A CN 115036041 B CN115036041 B CN 115036041B
Authority
CN
China
Prior art keywords
stage
date
epidemic
prevention
control
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
CN202210786065.8A
Other languages
English (en)
Other versions
CN115036041A (zh
Inventor
刘肖廷
戴会超
刘志武
蒋定国
翟俨伟
杨媛
杨恒
董义阳
张博
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.)
China Three Gorges Corp
Original Assignee
China Three Gorges Corp
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 China Three Gorges Corp filed Critical China Three Gorges Corp
Priority to CN202210786065.8A priority Critical patent/CN115036041B/zh
Publication of CN115036041A publication Critical patent/CN115036041A/zh
Application granted granted Critical
Publication of CN115036041B publication Critical patent/CN115036041B/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
    • G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

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)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)

Abstract

本发明公开了一种含记忆性的流行性疾病防控方法、装置、设备及介质，涉及公共卫生领域，该方法包括：基于待防控的流行性疾病，确定待防控的流行性疾病的流行性参数、待防控区域的第一参数及目前持续时间；确定防控等级；将流行性参数、第一参数和目前持续时间输入至含记忆性的疾病两阶段动力学模型中，得到含记忆性的疾病两阶段动力学模型输出的第二阶段的开始日期及结束日期；基于第二阶段的开始日期、结束日期和防控等级，确定预设防控日期。本发明根据防控方案评估流行性疾病可能的传播规模，为企业评估疫情区域的生产风险，促进防疫社会资源的最大化利用提供动态模拟的支持，提出针对性的建议。

Description

一种含记忆性的流行性疾病防控方法、装置、设备及介质
技术领域
本发明涉及公共卫生领域，具体涉及一种含记忆性的流行性疾病防控方法、装置、设备及介质。
背景技术
部分的流行性疾病由于其较高的传染性和不可忽视的致死率给人类社会带来极大的影响，因此这些流行性疾病的防治工作成为当前世界关注的问题。由于这些流行性疾病患者潜伏期长，不易被隔离，流行性疾病发生时因此不同地区处于疾病爆发的不同的阶段，难以量化防治效果，防疫效果难以达到预期。
发明内容
有鉴于此，本发明实施例提供了一种含记忆性的流行性疾病防控方法、装置、设备及介质，以解决目前流行性疾病的防控难以量化防治效果，防疫效果难以达到预期的问题。
根据第一方面，本发明实施例提供了一种含记忆性的流行性疾病防控方法，所述方法包括：
基于待防控的流行性疾病，确定所述待防控的流行性疾病的流行性参数、待防控区域的第一参数及目前持续时间；所述流行性参数包括用于表征传播特性和致病特性的参数；所述第一参数包括第一阶段每日的易感者、感染者、疑似患者、接受治疗的患者、死亡人数和治愈人数，所述第一阶段用于表征待防控的流行性疾病的自然发展阶段，所述第一阶段的开始日期为感染者或者疑似患者首次超过0的日期，所述目前持续时间为所述第一阶段的开始日期至当前日期的天数；
确定防控等级；所述防控等级与第二阶段的开始日期呈负相关性，所述防控等级越高，所述第二阶段的开始日期距离所述第一阶段的开始日期越近，所述第二阶段用于表征待防控的流行性疾病的人为防控阶段，所述第一阶段的结束日期的下一天为所述第二阶段的开始日期，所述第二阶段的结束日期为每日新增的感染者和疑似患者为0的日期；
将所述流行性参数、所述第一参数和所述目前持续时间输入至含记忆性的疾病两阶段动力学模型中，得到所述含记忆性的疾病两阶段动力学模型输出的所述第二阶段的开始日期及结束日期；所述含记忆性的疾病两阶段动力学模型是基于流行性参数、样本感染区域的所述第一参数、所述第一阶段的开始日期及结束日期、所述第二参数、所述第二阶段的开始日期及结束日期建立的；所述第二参数包括所述第二阶段每日的易感者、感染者、疑似患者、接受治疗的患者、死亡人数和治愈人数；
基于所述第二阶段的开始日期、结束日期和所述防控等级，确定预设防控日期，并基于所述预设防控日期制定待防控区域的防控方案；所述预设防控日期对应的感染者、疑似患者和接受治疗的患者均为所述第一阶段的结束日期对应的感染者、疑似患者和接受治疗的患者乘以衔接系数的倍数，所述衔接系数大于1。
结合第一方面，在第一方面第一实施方式中，所述基于待防控的流行性疾病，确定待防控区域的第一参数和目前持续时间，具体包括：
确定所述待防控的流行性疾病及对应的流行性参数，并划定所述待防控区域；
确定所述待防控区域关于所述待防控的流行性疾病的所述第一参数和所述目前持续时间。
结合第一方面，在第一方面第二实施方式中，所述防控等级是基于所述待防控区域的地理位置、区域范围、医疗资源、人流量、所述第一阶段的开始日期确定的。
结合第一方面，在第一方面第三实施方式中，所述含记忆性的疾病两阶段动力学模型通过以下步骤建立得到：
确定所述待防控的流行性疾病的所述流行性参数；所述流行性参数包括隔离比例、传染概率、接触概率、有效接触概率、隔离解除速率、病死率、感染者的隔离速率、疑似患者的确诊概率、感染者的恢复率和疑似患者的恢复率；
将完整经历过待防控的流行性疾病的所述第一阶段和所述第二阶段的区域确定为所述样本感染区域；
确定所述样本感染区域的所述第一阶段的开始日期及结束日期、所述第二参数、所述第二阶段的开始日期及结束日期；
将所述流行性参数、所述样本感染区域的所述第一阶段的开始日期及结束日期、所述第二参数、所述第二阶段的开始日期及结束日期作为建立所使用的参数，建立所述含记忆性的疾病两阶段动力学模型；所述含记忆性的疾病两阶段动力学模型的所述衔接系数是基于所有所述样本感染区域所述第二阶段的开始日期、所述第一阶段的结束日期对应的感染者的倍数、疑似患者的倍数以及接受治疗的患者的倍数的均值确定的。
结合第一方面，在第一方面第四实施方式中，所述基于所述第二阶段的开始日期、结束日期和所述防控等级，确定预设防控日期，并基于所述预设防控日期制定待防控区域的防控方案，具体包括：
基于所述防控等级，确定预设防控周期；所述防控等级越高，所述预设防控周期的范围越小；
将位于所述预设防控周期内的所述含记忆性的疾病两阶段动力学模型输出的所述第二阶段的开始日期确定为所述预设防控日期，并确定所述预设防控日期对应的所述第二阶段的结束日期；
基于所述预设防控日期，制定待防控区域的防控方案。
结合第一方面第四实施方式，在第一方面第五实施方式中，所述含记忆性的疾病两阶段动力学模型在所述第一阶段的模型为：
Figure GDA0003783363230000031
Figure GDA0003783363230000041
Figure GDA0003783363230000042
Figure GDA0003783363230000043
Figure GDA0003783363230000044
Figure GDA0003783363230000045
式中，α为第一阶段的记忆性指标；S为易感者，I为感染者，R为治愈人数，Sq为疑似患者，Iq为接受治疗的患者，D为死亡人数；q隔离比例，β为传染概率，c为接触概率，p为有效接触概率，λ为隔离解除速率，a为病死率，δ为感染者的隔离速率，β1为疑似患者的确诊概率，ΥI为感染者的恢复率，ΥH为疑似患者的恢复率。
结合第一方面第四实施方式，在第一方面第六实施方式中，所述含记忆性的疾病两阶段动力学模型在所述第一阶段的模型为：
Figure GDA0003783363230000046
Figure GDA0003783363230000047
Figure GDA0003783363230000048
Figure GDA0003783363230000049
Figure GDA00037833632300000410
Figure GDA0003783363230000051
式中，ε为第二阶段的记忆性指标；S为易感者，I为感染者，R为治愈人数，Sq为疑似患者，Iq为接受治疗的患者，D为死亡人数；q隔离比例，β为传染概率，c为接触概率，p为有效接触概率，λ为隔离解除速率，a为病死率，δ为感染者的隔离速率，β1为疑似患者的确诊概率，ΥI为感染者的恢复率，ΥH为疑似患者的恢复率。
第二方面，本发明实施例还提供一种含记忆性的流行性疾病防控装置，所述装置包括：
参数确定模块，用于基于待防控的流行性疾病，确定所述待防控的流行性疾病的流行性参数、待防控区域的第一参数及目前持续时间；所述流行性参数包括用于表征传播特性和致病特性的参数；所述第一参数包括第一阶段每日的易感者、感染者、疑似患者、接受治疗的患者、死亡人数和治愈人数，所述第一阶段用于表征待防控的流行性疾病的自然发展阶段，所述第一阶段的开始日期为感染者或者疑似患者首次超过0的日期，所述目前持续时间为所述第一阶段的开始日期至当前日期的天数；
防控确定模块，用于确定防控等级；所述防控等级与第二阶段的开始日期呈负相关性，所述防控等级越高，所述第二阶段的开始日期距离所述第一阶段的开始日期越近，所述第二阶段用于表征待防控的流行性疾病的人为防控阶段，所述第一阶段的结束日期的下一天为所述第二阶段的开始日期，所述第二阶段的结束日期为每日新增的感染者和疑似患者为0的日期；
参数输入模块，用于将所述流行性参数、所述第一参数和所述目前持续时间输入至含记忆性的疾病两阶段动力学模型中，得到所述含记忆性的疾病两阶段动力学模型输出的所述第二阶段的开始日期及结束日期；所述含记忆性的疾病两阶段动力学模型是基于流行性参数、样本感染区域的所述第一参数、所述第一阶段的开始日期及结束日期、所述第二参数、所述第二阶段的开始日期及结束日期建立的；所述第二参数包括所述第二阶段每日的易感者、感染者、疑似患者、接受治疗的患者、死亡人数和治愈人数；
方案确定模块，用于基于所述第二阶段的开始日期、结束日期和所述防控等级，确定预设防控日期，并基于所述预设防控日期制定待防控区域的防控方案；所述预设防控日期对应的感染者、疑似患者和接受治疗的患者均为所述第一阶段的结束日期对应的感染者、疑似患者和接受治疗的患者乘以衔接系数的倍数，所述衔接系数大于1。
第三方面，本发明实施例还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述含记忆性的流行性疾病防控方法的步骤。
第四方面，本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述含记忆性的流行性疾病防控方法的步骤。
第五方面，本发明实施例还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述含记忆性的流行性疾病防控方法的步骤。
本发明提供的含记忆性的流行性疾病防控方法、装置、设备及介质，通过获取流行性参数、第一参数和目前持续时间，并输入至含记忆性的疾病两阶段动力学模型，由含记忆性的疾病两阶段动力学模型预测并输出第二阶段的开始日期及结束日期，在基于已确定的防控等级确定预设防控日期，并基于预设防控日期制定待防控区域的防控方案，根据防控方案评估流行性疾病可能的传播规模，为企业评估疫情区域的生产风险，促进防疫社会资源的最大化利用提供动态模拟的支持，提出针对性的建议。
附图说明
通过参考附图会更加清楚的理解本发明的特征和优点，附图是示意性的而不应理解为对本发明进行任何限制，在附图中：
图1示出了本发明提供的含记忆性的流行性疾病防控方法的流程示意图；
图2示出了本发明提供的含记忆性的流行性疾病防控方法中步骤S101具体的流程示意图；
图3示出了本发明提供的含记忆性的流行性疾病防控方法中建立含记忆性的疾病两阶段动力学模型的流程示意图；
图4示出了本发明提供的含记忆性的流行性疾病防控方法中步骤S104具体的流程示意图；
图5示出了本发明提供的含记忆性的流行性疾病防控装置的结构示意图；
图6示出了本发明提供的电子设备的结构示意图。
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，本领域技术人员在没有作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。
下面结合图1描述本申请的含记忆性的流行性疾病防控方法，本申请针对的流行性疾病防控指的是具有传染性的疾病，该方法包括：
S101、基于待防控的流行性疾病，确定待防控的流行性疾病的流行性参数、待防控区域的第一参数及目前持续时间.
在本申请中，流行性参数包括用于表征传播特性和致病特性的参数。优选的，流行性参数包括隔离比例、传染概率、接触概率、有效接触概率、隔离解除速率、病死率、感染者的隔离速率、疑似患者的确诊概率、感染者的恢复率和疑似患者的恢复率。其中，有效接触概率的值为1；隔离解除速率由待防控的流行性疾病经过研究获取得到的潜伏期所确定，隔离解除速率的值为潜伏期的倒数，例如潜伏期为14天，那么隔离解除速率为1/14。
第一参数包括第一阶段每日的易感者、感染者、疑似患者、接受治疗的患者、死亡人数和治愈人数，第一阶段用于表征待防控的流行性疾病的自然发展阶段，第一阶段的开始日期为感染者或者疑似患者首次超过0的日期，目前持续时间为第一阶段的开始日期至当前日期的天数。
S102、确定防控等级。在本申请中，防控等级是基于待防控区域的地理位置、区域范围、医疗资源、人流量、第一阶段的开始日期等其中一个参数或者多个参数协同确定的。
在本实施例中，防控等级与第二阶段的开始日期呈负相关性，防控等级越高，第二阶段的开始日期距离第一阶段的开始日期越近，第二阶段用于表征待防控的流行性疾病的人为防控阶段，第一阶段的结束日期的下一天为第二阶段的开始日期，第二阶段的结束日期为每日新增的感染者和疑似患者为0的日，且，第二参数也同样包括第二阶段每日的易感者、感染者、疑似患者、接受治疗的患者、死亡人数和治愈人数期。
在本申请中，第一阶段和第二阶段中分别对应的第一参数和第二参数均为获取每一日的相关参数。
S103、将流行性参数、第一参数和目前持续时间输入至含记忆性的疾病两阶段动力学模型中，得到含记忆性的疾病两阶段动力学模型输出的第二阶段的开始日期及结束日期。含记忆性的疾病两阶段动力学模型是基于流行性参数、样本感染区域的第一参数、第一阶段的开始日期及结束日期、第二参数、第二阶段的开始日期及结束日期建立的。可以理解的是，建立含记忆性的疾病两阶段动力学模型所需的流行性参数为待防控的流行性疾病的流行性参数。
含记忆性的疾病两阶段动力学模型针对流行性疾病的自然发展阶段和人为管控的人为防控阶段进行研究和模拟，估计人类和社会本身的学习能力与自我保护意识在各个阶段发挥的作用，将其作为本申请含记忆性的疾病两阶段动力学模型中记忆性强弱的重要指标。
含记忆性的疾病两阶段动力学模型会基于输入的流行性参数、第一参数和目前持续时间，预测得到第二阶段的开始日期及结束日期作为输出，这样也就能到的第一阶段的结束日期以及第一阶段的持续日期(开始日期至结束日期)。其中第一阶段的持续时间也将作为变量，其时长表征采取防疫措施的反应速度，同时，反应了防疫的反应速度。
S104、基于第二阶段的开始日期、结束日期和防控等级，确定预设防控日期，并基于预设防控日期制定待防控区域的防控方案。
需要说明的是，本申请中得到预设防控日期是一个日期的范围，范围内的每一个日期即为可能的每一个第二阶段的开始日期，并且范围内的每一个日期均会对应一个第二阶段的结束日期，本申请制定的防控方案能够基于预设防控日期，得到预估的第二阶段的结束日期，进而根据防控方案评估流行性疾病可能的传播规模，为企业评估疫情区域的生产风险，促进防疫社会资源的最大化利用提供动态模拟的支持，提出针对性的建议。
在本申请中，预设防控日期对应的感染者、疑似患者和接受治疗的患者均为第一阶段的结束日期对应的感染者、疑似患者和接受治疗的患者乘以衔接系数的倍数，衔接系数大于1。
在流行性病毒的人为防控阶段即第二阶段，由于第二阶段该阶段防疫强度的增加，检测资源的增加，会带来感染者、需要被隔离的疑似患者和需要进行住院治疗、接受专业医疗人员、团队治疗等的接受治疗的患者的人数相对应增长。需要说明的是，接受治疗的患者可以是感染者和疑似患者。在本申请中衔接系数pu反映了第一阶段和第二阶段这前后两个阶段的感染者、疑似患者和接受治疗的患者的比例关系，并通过衔接系数模拟得到第二阶段的开始日期也就是第一天的感染者、疑似患者和接受治疗的患者的人数。
本发明的含记忆性的流行性疾病防控方法，通过获取流行性参数、第一参数和目前持续时间，并输入至含记忆性的疾病两阶段动力学模型，由含记忆性的疾病两阶段动力学模型预测并输出第二阶段的开始日期及结束日期，在基于已确定的防控等级确定预设防控日期，并基于预设防控日期制定待防控区域的防控方案，根据防控方案评估流行性疾病可能的传播规模，为企业评估疫情区域的生产风险，促进防疫社会资源的最大化利用提供动态模拟的支持，提出针对性的建议。
下面结合图2描述本申请的含记忆性的流行性疾病防控方法，步骤S101具体包括：
S1011、确定待防控的流行性疾病以及对应的流行性参数，并划定待防控区域。
在本实施例中，可以收集各个完整经历过待防控的流行性疾病的第一阶段和第二阶段的区域的疾病传播数据，明确早期感染人数和爆发区域、后期采取的措施监测能力增强后的感染人数激增和最终感染者和疑似患者清零的过程，进而得到对应的流行性参数。
划定待防控区域时可以是划定的范围可以是小区、街道、乡、镇、县、区、市、省等等。
S1012、确定待防控区域关于待防控的流行性疾病的第一参数和目前持续时间。
下面结合图3描述本申请的含记忆性的流行性疾病防控方法，含记忆性的疾病两阶段动力学模型通过以下步骤建立得到：
A101、确定待防控的流行性疾病的流行性参数。
A102、将完整经历过待防控的流行性疾病的第一阶段和第二阶段的区域确定为样本感染区域。
A103、确定样本感染区域的第一阶段的开始日期及结束日期、第二参数、第二阶段的开始日期及结束日期。估计人类和社会本身的学习能力与自我保护意识在各个阶段发挥的作用，将其作为记忆性强弱的重要指标，同时分析病毒的传播特性，分析其传染性和致死性等特征。
A104、将流行性参数、样本感染区域的第一阶段的开始日期及结束日期、第二参数、第二阶段的开始日期及结束日期作为建立所使用的参数，建立含记忆性的疾病两阶段动力学模型。含记忆性的疾病两阶段动力学模型的衔接系数pu是基于所有样本感染区域第二阶段的开始日期、第一阶段的结束日期对应的感染者的倍数、疑似患者的倍数以及接受治疗的患者的倍数的均值确定的。
其中，含记忆性的疾病两阶段动力学模型在第一阶段的模型为：
Figure GDA0003783363230000111
Figure GDA0003783363230000112
Figure GDA0003783363230000113
Figure GDA0003783363230000114
Figure GDA0003783363230000115
Figure GDA0003783363230000116
式中，α为第一阶段的记忆性指标，该指标反应该阶段居民的自我保护程度，数值越小，自我保护程度越高，也将为下一防控阶段即第二阶段的标准；S为易感者，I为感染者，R为治愈人数，Sq为疑似患者，Iq为接受治疗的患者，D为死亡人数；q隔离比例，β为传染概率，c为接触概率，p为有效接触概率，λ为隔离解除速率，a为病死率，δ为感染者的隔离速率，β1为疑似患者的确诊概率，γI为感染者的恢复率，γH为疑似患者的恢复率。需要说明的是，含记忆性的疾病两阶段动力学模型在第一阶段的模型中S、I、R、Sq、Iq、D、c、δ、γI、γH等参数均为第一阶段分别对应的参数。
在流行性病毒发生和扩散后，人为防控阶段会增加人类防疫措施的对人类行为的影响，因此需要重新构造新的含记忆性的动力学模型，此时，含记忆性的疾病两阶段动力学模型在第二阶段的模型为：
Figure GDA0003783363230000117
Figure GDA0003783363230000121
Figure GDA0003783363230000122
Figure GDA0003783363230000123
Figure GDA0003783363230000124
Figure GDA0003783363230000125
式中，ε为第二阶段的记忆性指标；S为易感者，I为感染者，R为治愈人数，Sq为疑似患者，Iq为接受治疗的患者，D为死亡人数；q隔离比例，β为传染概率，c为接触概率，p为有效接触概率，λ为隔离解除速率，a为病死率，δ为感染者的隔离速率，β1为疑似患者的确诊概率，ΥI为感染者的恢复率，ΥH为疑似患者的恢复率。需要说明的是，含记忆性的疾病两阶段动力学模型在第二阶段的模型中S、I、R、Sq、Iq、D、c、δ、ΥI、γH等参数均为第一阶段分别对应的参数。
第二阶段的社会防疫的自我防护意识增加了人为干预部分，因此ε数c会比前一阶段即第一阶段的对应参数数值小，δ、γI、γH则会比前一阶段即第一阶段的对应参数数值变大，其他的q、β、p、λ、a、β1参数数值不变。
其中，模型中分数阶导数算子定义为：
Figure GDA0003783363230000126
该式(1)中，t∈[t1,t2]，t1为第一阶段的持续日期，t2为第二阶段的持续日期；C为自变量对应着模型的易感者S与感染者I；α为分数阶导数模型的阶数，对应着模型中的ε与α，用来表征自变量C的之前的值对当前值的影响，是衡量记忆性的重要指标。
下面结合图4描述本申请的含记忆性的流行性疾病防控方法，步骤S104具体包括：
S1041、基于防控等级，确定预设防控周期，且，防控等级越高，预设防控周期的范围越小。
在一些可能的实施例中，首先由防控等级，确定预设日期，防控等级越高，预设日期距离第一阶段的开始日期越近，并且预设日期超过当前持续时间的日期，之后以预设日期为中心，前后延伸预设范围例如±5天，得到预设防控周期。
S1042、将位于预设防控周期内的含记忆性的疾病两阶段动力学模型输出的第二阶段的开始日期确定为预设防控日期，并确定预设防控日期对应的第二阶段的结束日期。超出预设周期范围的日期则可以剔除。
S1043、基于预设防控日期，制定待防控区域的防控方案。
下面对本发明提供的含记忆性的流行性疾病防控装置进行描述，下文描述的含记忆性的流行性疾病防控装置与上文描述的含记忆性的流行性疾病防控方法可相互对应参照。
下面结合图4描述本申请的含记忆性的流行性疾病防控装置，本申请针对的流行性疾病防控指的是具有传染性的疾病，该装置包括：
参数确定模块101，用于基于待防控的流行性疾病，确定待防控的流行性疾病的流行性参数、待防控区域的第一参数及目前持续时间.
在本申请中，流行性参数包括用于表征传播特性和致病特性的参数。优选的，流行性参数包括隔离比例、传染概率、接触概率、有效接触概率、隔离解除速率、病死率、感染者的隔离速率、疑似患者的确诊概率、感染者的恢复率和疑似患者的恢复率。其中，有效接触概率的值为1；隔离解除速率由待防控的流行性疾病经过研究获取得到的潜伏期所确定，隔离解除速率的值为潜伏期的倒数，例如潜伏期为14天，那么隔离解除速率为1/14。
第一参数包括第一阶段每日的易感者、感染者、疑似患者、接受治疗的患者、死亡人数和治愈人数，第一阶段用于表征待防控的流行性疾病的自然发展阶段，第一阶段的开始日期为感染者或者疑似患者首次超过0的日期，目前持续时间为第一阶段的开始日期至当前日期的天数。
防控确定模块102，用于确定防控等级。在本申请中，防控等级是基于待防控区域的地理位置、区域范围、医疗资源、人流量、第一阶段的开始日期等其中一个参数或者多个参数协同确定的。
在本实施例中，防控等级与第二阶段的开始日期呈负相关性，防控等级越高，第二阶段的开始日期距离第一阶段的开始日期越近，第二阶段用于表征待防控的流行性疾病的人为防控阶段，第一阶段的结束日期的下一天为第二阶段的开始日期，第二阶段的结束日期为每日新增的感染者和疑似患者为0的日，且，第二参数也同样包括第二阶段每日的易感者、感染者、疑似患者、接受治疗的患者、死亡人数和治愈人数期。
在本申请中，第一阶段和第二阶段中分别对应的第一参数和第二参数均为获取每一日的相关参数。
参数输入模块103，用于将流行性参数、第一参数和目前持续时间输入至含记忆性的疾病两阶段动力学模型中，得到含记忆性的疾病两阶段动力学模型输出的第二阶段的开始日期及结束日期。含记忆性的疾病两阶段动力学模型是基于流行性参数、样本感染区域的第一参数、第一阶段的开始日期及结束日期、第二参数、第二阶段的开始日期及结束日期建立的。可以理解的是，建立含记忆性的疾病两阶段动力学模型所需的流行性参数为待防控的流行性疾病的流行性参数。
含记忆性的疾病两阶段动力学模型针对流行性疾病的自然发展阶段和人为管控的人为防控阶段进行研究和模拟，估计人类和社会本身的学习能力与自我保护意识在各个阶段发挥的作用，将其作为本申请含记忆性的疾病两阶段动力学模型中记忆性强弱的重要指标。
含记忆性的疾病两阶段动力学模型会基于输入的流行性参数、第一参数和目前持续时间，预测得到第二阶段的开始日期及结束日期作为输出，这样也就能到的第一阶段的结束日期以及第一阶段的持续日期(开始日期至结束日期)。其中第一阶段的持续时间也将作为变量，其时长表征采取防疫措施的反应速度，同时，反应了防疫的反应速度。
方案确定模块104，用于基于第二阶段的开始日期、结束日期和防控等级，确定预设防控日期，并基于预设防控日期制定待防控区域的防控方案。
需要说明的是，本申请中得到预设防控日期是一个日期的范围，范围内的每一个日期即为可能的每一个第二阶段的开始日期，并且范围内的每一个日期均会对应一个第二阶段的结束日期，本申请制定的防控方案能够基于预设防控日期，得到预估的第二阶段的结束日期，进而根据防控方案评估流行性疾病可能的传播规模，为企业评估疫情区域的生产风险，促进防疫社会资源的最大化利用提供动态模拟的支持，提出针对性的建议。
在本申请中，预设防控日期对应的感染者、疑似患者和接受治疗的患者均为第一阶段的结束日期对应的感染者、疑似患者和接受治疗的患者乘以衔接系数的倍数，衔接系数大于1。
在流行性病毒的人为防控阶段即第二阶段，由于第二阶段该阶段防疫强度的增加，检测资源的增加，会带来感染者、需要被隔离的疑似患者和需要进行住院治疗、接受专业医疗人员、团队治疗等的接受治疗的患者的人数相对应增长。需要说明的是，接受治疗的患者可以是感染者和疑似患者。在本申请中衔接系数pu反映了第一阶段和第二阶段这前后两个阶段的感染者、疑似患者和接受治疗的患者的比例关系，并通过衔接系数模拟得到第二阶段的开始日期也就是第一天的感染者、疑似患者和接受治疗的患者的人数。
图6示例了一种电子设备的实体结构示意图，如图6所示，该电子设备可以包括：处理器(processor)210、通信接口(Communications Interface)220、存储器(memory)230和通信总线240，其中，处理器210，通信接口220，存储器230通过通信总线240完成相互间的通信。处理器210可以调用存储器230中的逻辑命令，以执行含记忆性的流行性疾病防控方法，该方法包括：
基于待防控的流行性疾病，确定所述待防控的流行性疾病的流行性参数、待防控区域的第一参数及目前持续时间；所述流行性参数包括用于表征传播特性和致病特性的参数；所述第一参数包括第一阶段每日的易感者、感染者、疑似患者、接受治疗的患者、死亡人数和治愈人数，所述第一阶段用于表征待防控的流行性疾病的自然发展阶段，所述第一阶段的开始日期为感染者或者疑似患者首次超过0的日期，所述目前持续时间为所述第一阶段的开始日期至当前日期的天数；
确定防控等级；所述防控等级与第二阶段的开始日期呈负相关性，所述防控等级越高，所述第二阶段的开始日期距离所述第一阶段的开始日期越近，所述第二阶段用于表征待防控的流行性疾病的人为防控阶段，所述第一阶段的结束日期的下一天为所述第二阶段的开始日期，所述第二阶段的结束日期为每日新增的感染者和疑似患者为0的日期；
将所述流行性参数、所述第一参数和所述目前持续时间输入至含记忆性的疾病两阶段动力学模型中，得到所述含记忆性的疾病两阶段动力学模型输出的所述第二阶段的开始日期及结束日期；所述含记忆性的疾病两阶段动力学模型是基于样本感染区域的所述第一参数、所述第一阶段的开始日期及结束日期、所述第二参数、所述第二阶段的开始日期及结束日期建立的；所述第二参数包括所述第二阶段每日的易感者、感染者、疑似患者、接受治疗的患者、死亡人数和治愈人数；
基于所述第二阶段的开始日期、结束日期和所述防控等级，确定预设防控日期，并基于所述预设防控日期制定待防控区域的防控方案；所述预设防控日期对应的感染者、疑似患者和接受治疗的患者均为所述第一阶段的结束日期对应的感染者、疑似患者和接受治疗的患者乘以衔接系数的倍数，所述衔接系数大于1。
此外，上述的存储器230中的逻辑命令可以通过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，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干命令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的含记忆性的流行性疾病防控方法，该方法包括：
基于待防控的流行性疾病，确定所述待防控的流行性疾病的流行性参数、待防控区域的第一参数及目前持续时间；所述流行性参数包括用于表征传播特性和致病特性的参数；所述第一参数包括第一阶段每日的易感者、感染者、疑似患者、接受治疗的患者、死亡人数和治愈人数，所述第一阶段用于表征待防控的流行性疾病的自然发展阶段，所述第一阶段的开始日期为感染者或者疑似患者首次超过0的日期，所述目前持续时间为所述第一阶段的开始日期至当前日期的天数；
确定防控等级；所述防控等级与第二阶段的开始日期呈负相关性，所述防控等级越高，所述第二阶段的开始日期距离所述第一阶段的开始日期越近，所述第二阶段用于表征待防控的流行性疾病的人为防控阶段，所述第一阶段的结束日期的下一天为所述第二阶段的开始日期，所述第二阶段的结束日期为每日新增的感染者和疑似患者为0的日期；
将所述流行性参数、所述第一参数和所述目前持续时间输入至含记忆性的疾病两阶段动力学模型中，得到所述含记忆性的疾病两阶段动力学模型输出的所述第二阶段的开始日期及结束日期；所述含记忆性的疾病两阶段动力学模型是基于样本感染区域的所述第一参数、所述第一阶段的开始日期及结束日期、所述第二参数、所述第二阶段的开始日期及结束日期建立的；所述第二参数包括所述第二阶段每日的易感者、感染者、疑似患者、接受治疗的患者、死亡人数和治愈人数；
基于所述第二阶段的开始日期、结束日期和所述防控等级，确定预设防控日期，并基于所述预设防控日期制定待防控区域的防控方案；所述预设防控日期对应的感染者、疑似患者和接受治疗的患者均为所述第一阶段的结束日期对应的感染者、疑似患者和接受治疗的患者乘以衔接系数的倍数，所述衔接系数大于1。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的含记忆性的流行性疾病防控方法，该方法包括：
基于待防控的流行性疾病，确定所述待防控的流行性疾病的流行性参数、待防控区域的第一参数及目前持续时间；所述流行性参数包括用于表征传播特性和致病特性的参数；所述第一参数包括第一阶段每日的易感者、感染者、疑似患者、接受治疗的患者、死亡人数和治愈人数，所述第一阶段用于表征待防控的流行性疾病的自然发展阶段，所述第一阶段的开始日期为感染者或者疑似患者首次超过0的日期，所述目前持续时间为所述第一阶段的开始日期至当前日期的天数；
确定防控等级；所述防控等级与第二阶段的开始日期呈负相关性，所述防控等级越高，所述第二阶段的开始日期距离所述第一阶段的开始日期越近，所述第二阶段用于表征待防控的流行性疾病的人为防控阶段，所述第一阶段的结束日期的下一天为所述第二阶段的开始日期，所述第二阶段的结束日期为每日新增的感染者和疑似患者为0的日期；
将所述流行性参数、所述第一参数和所述目前持续时间输入至含记忆性的疾病两阶段动力学模型中，得到所述含记忆性的疾病两阶段动力学模型输出的所述第二阶段的开始日期及结束日期；所述含记忆性的疾病两阶段动力学模型是基于样本感染区域的所述第一参数、所述第一阶段的开始日期及结束日期、所述第二参数、所述第二阶段的开始日期及结束日期建立的；所述第二参数包括所述第二阶段每日的易感者、感染者、疑似患者、接受治疗的患者、死亡人数和治愈人数；
基于所述第二阶段的开始日期、结束日期和所述防控等级，确定预设防控日期，并基于所述预设防控日期制定待防控区域的防控方案；所述预设防控日期对应的感染者、疑似患者和接受治疗的患者均为所述第一阶段的结束日期对应的感染者、疑似患者和接受治疗的患者乘以衔接系数的倍数，所述衔接系数大于1。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干命令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上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精神和范围。

Claims (9)

1.一种含记忆性的流行性疾病防控方法，其特征在于，所述方法包括：
基于待防控的流行性疾病，确定所述待防控的流行性疾病的流行性参数、待防控区域的第一参数及目前持续时间；所述流行性参数包括用于表征传播特性和致病特性的参数；所述第一参数包括第一阶段每日的易感者、感染者、疑似患者、接受治疗的患者、死亡人数和治愈人数，所述第一阶段用于表征待防控的流行性疾病的自然发展阶段，所述第一阶段的开始日期为感染者或者疑似患者首次超过0的日期，所述目前持续时间为所述第一阶段的开始日期至当前日期的天数；
确定防控等级；所述防控等级与第二阶段的开始日期呈负相关性，所述防控等级越高，所述第二阶段的开始日期距离所述第一阶段的开始日期越近，所述第二阶段用于表征待防控的流行性疾病的人为防控阶段，所述第一阶段的结束日期的下一天为所述第二阶段的开始日期，所述第二阶段的结束日期为每日新增的感染者和疑似患者为0的日期；
将所述流行性参数、所述第一参数和所述目前持续时间输入至含记忆性的疾病两阶段动力学模型中，得到所述含记忆性的疾病两阶段动力学模型输出的所述第二阶段的开始日期及结束日期；所述含记忆性的疾病两阶段动力学模型是基于流行性参数、样本感染区域的所述第一参数、所述第一阶段的开始日期及结束日期、第二参数、所述第二阶段的开始日期及结束日期建立的；所述第二参数包括所述第二阶段每日的易感者、感染者、疑似患者、接受治疗的患者、死亡人数和治愈人数；
基于所述第二阶段的开始日期、结束日期和所述防控等级，确定预设防控日期，并基于所述预设防控日期制定待防控区域的防控方案；所述预设防控日期对应的感染者、疑似患者和接受治疗的患者均为所述第一阶段的结束日期对应的感染者、疑似患者和接受治疗的患者乘以衔接系数的倍数，所述衔接系数大于1；
所述含记忆性的疾病两阶段动力学模型在所述第一阶段的模型为：
Figure QLYQS_1
Figure QLYQS_2
Figure QLYQS_3
Figure QLYQS_4
Figure QLYQS_5
Figure QLYQS_6
式中，α为第一阶段的记忆性指标；S为易感者，I为感染者，R为治愈人数，Sq为疑似患者，Iq为接受治疗的患者，D为死亡人数；q隔离比例，β为传染概率，c为接触概率，p为有效接触概率，λ为隔离解除速率，a为病死率，δ为感染者的隔离速率，β1为疑似患者的确诊概率，γI为感染者的恢复率，γH为疑似患者的恢复率。
2.根据权利要求1所述的含记忆性的流行性疾病防控方法，其特征在于，所述基于待防控的流行性疾病，确定待防控区域的第一参数和目前持续时间，具体包括：
确定所述待防控的流行性疾病及对应的流行性参数，并划定所述待防控区域；
确定所述待防控区域关于所述待防控的流行性疾病的所述第一参数和所述目前持续时间。
3.根据权利要求1所述的含记忆性的流行性疾病防控方法，其特征在于，所述防控等级是基于所述待防控区域的地理位置、区域范围、医疗资源、人流量、所述第一阶段的开始日期确定的。
4.根据权利要求1所述的含记忆性的流行性疾病防控方法，其特征在于，所述含记忆性的疾病两阶段动力学模型通过以下步骤建立得到：
确定所述待防控的流行性疾病的所述流行性参数；所述流行性参数包括隔离比例、传染概率、接触概率、有效接触概率、隔离解除速率、病死率、感染者的隔离速率、疑似患者的确诊概率、感染者的恢复率和疑似患者的恢复率；
将完整经历过待防控的流行性疾病的所述第一阶段和所述第二阶段的区域确定为所述样本感染区域；
确定所述样本感染区域的所述第一阶段的开始日期及结束日期、所述第二参数、所述第二阶段的开始日期及结束日期；
将所述流行性参数、所述样本感染区域的所述第一阶段的开始日期及结束日期、所述第二参数、所述第二阶段的开始日期及结束日期作为建立所使用的参数，建立所述含记忆性的疾病两阶段动力学模型；所述含记忆性的疾病两阶段动力学模型的所述衔接系数是基于所有所述样本感染区域所述第二阶段的开始日期、所述第一阶段的结束日期对应的感染者的倍数、疑似患者的倍数以及接受治疗的患者的倍数的均值确定的。
5.根据权利要求1所述的含记忆性的流行性疾病防控方法，其特征在于，所述基于所述第二阶段的开始日期、结束日期和所述防控等级，确定预设防控日期，并基于所述预设防控日期制定待防控区域的防控方案，具体包括：
基于所述防控等级，确定预设防控周期；所述防控等级越高，所述预设防控周期的范围越小；
将位于所述预设防控周期内的所述含记忆性的疾病两阶段动力学模型输出的所述第二阶段的开始日期确定为所述预设防控日期，并确定所述预设防控日期对应的所述第二阶段的结束日期；
基于所述预设防控日期，制定待防控区域的防控方案。
6.根据权利要求1所述的含记忆性的流行性疾病防控方法，其特征在于，所述含记忆性的疾病两阶段动力学模型在所述第一阶段的模型为：
Figure QLYQS_7
Figure QLYQS_8
Figure QLYQS_9
Figure QLYQS_10
Figure QLYQS_11
Figure QLYQS_12
式中，ε为第二阶段的记忆性指标；S为易感者，I为感染者，R为治愈人数，Sq为疑似患者，Iq为接受治疗的患者，D为死亡人数；q隔离比例，β为传染概率，c为接触概率，p为有效接触概率，λ为隔离解除速率，a为病死率，δ为感染者的隔离速率，β1为疑似患者的确诊概率，ΥI为感染者的恢复率，ΥH为疑似患者的恢复率。
7.一种含记忆性的流行性疾病防控装置，其特征在于，所述装置包括：
参数确定模块，用于基于待防控的流行性疾病，确定所述待防控的流行性疾病的流行性参数、待防控区域的第一参数及目前持续时间；所述流行性参数包括用于表征传播特性和致病特性的参数；所述第一参数包括第一阶段每日的易感者、感染者、疑似患者、接受治疗的患者、死亡人数和治愈人数，所述第一阶段用于表征待防控的流行性疾病的自然发展阶段，所述第一阶段的开始日期为感染者或者疑似患者首次超过0的日期，所述目前持续时间为所述第一阶段的开始日期至当前日期的天数；
防控确定模块，用于确定防控等级；所述防控等级与第二阶段的开始日期呈负相关性，所述防控等级越高，所述第二阶段的开始日期距离所述第一阶段的开始日期越近，所述第二阶段用于表征待防控的流行性疾病的人为防控阶段，所述第一阶段的结束日期的下一天为所述第二阶段的开始日期，所述第二阶段的结束日期为每日新增的感染者和疑似患者为0的日期；
参数输入模块，用于将所述流行性参数、所述第一参数和所述目前持续时间输入至含记忆性的疾病两阶段动力学模型中，得到所述含记忆性的疾病两阶段动力学模型输出的所述第二阶段的开始日期及结束日期；所述含记忆性的疾病两阶段动力学模型是基于流行性参数、样本感染区域的所述第一参数、所述第一阶段的开始日期及结束日期、第二参数、所述第二阶段的开始日期及结束日期建立的；所述第二参数包括所述第二阶段每日的易感者、感染者、疑似患者、接受治疗的患者、死亡人数和治愈人数；
方案确定模块，用于基于所述第二阶段的开始日期、结束日期和所述防控等级，确定预设防控日期，并基于所述预设防控日期制定待防控区域的防控方案；所述预设防控日期对应的感染者、疑似患者和接受治疗的患者均为所述第一阶段的结束日期对应的感染者、疑似患者和接受治疗的患者乘以衔接系数的倍数，所述衔接系数大于1；
所述含记忆性的疾病两阶段动力学模型在所述第一阶段的模型为：
Figure QLYQS_13
Figure QLYQS_14
Figure QLYQS_15
Figure QLYQS_16
Figure QLYQS_17
Figure QLYQS_18
式中，α为第一阶段的记忆性指标；S为易感者，I为感染者，R为治愈人数，Sq为疑似患者，Iq为接受治疗的患者，D为死亡人数；q隔离比例，β为传染概率，c为接触概率，p为有效接触概率，λ为隔离解除速率，a为病死率，δ为感染者的隔离速率，β1为疑似患者的确诊概率，γI为感染者的恢复率，ΥH为疑似患者的恢复率。
8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述含记忆性的流行性疾病防控方法的步骤。
9.一种非暂态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至6任一项所述含记忆性的流行性疾病防控方法的步骤。
CN202210786065.8A 2022-07-04 2022-07-04 一种含记忆性的流行性疾病防控方法、装置、设备及介质 Active CN115036041B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210786065.8A CN115036041B (zh) 2022-07-04 2022-07-04 一种含记忆性的流行性疾病防控方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210786065.8A CN115036041B (zh) 2022-07-04 2022-07-04 一种含记忆性的流行性疾病防控方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN115036041A CN115036041A (zh) 2022-09-09
CN115036041B true CN115036041B (zh) 2023-07-04

Family

ID=83129488

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210786065.8A Active CN115036041B (zh) 2022-07-04 2022-07-04 一种含记忆性的流行性疾病防控方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN115036041B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111863271A (zh) * 2020-06-08 2020-10-30 浙江大学 一种新冠肺炎的重大传染病传播风险预警及防控分析系统
WO2021212670A1 (zh) * 2020-04-21 2021-10-28 香港理工大学深圳研究院 新发传染病发病风险预测方法、装置、终端设备及介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021212670A1 (zh) * 2020-04-21 2021-10-28 香港理工大学深圳研究院 新发传染病发病风险预测方法、装置、终端设备及介质
CN111863271A (zh) * 2020-06-08 2020-10-30 浙江大学 一种新冠肺炎的重大传染病传播风险预警及防控分析系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
"Analysis of COVID-19 Prevention and Control Effects Based on the SEITRD Dynamic Model and Wuhan Epidemic Statistics";Zhang Yusheng 等;《International journal of environmental research and public health》;全文 *
"多阶段动态时滞动力学模型的COVID-19传播分析";张李盈 等;《武汉大学学报·信息科学版》;第45卷(第5期);全文 *
Ting Zhang 等.《Engineering》."A Scenario-Based Evaluation of COVID-19-Related Essential Clinical Resource Demands in China",2021,全文. *

Also Published As

Publication number Publication date
CN115036041A (zh) 2022-09-09

Similar Documents

Publication Publication Date Title
Yuan et al. Modelling the effects of Wuhan’s lockdown during COVID-19, China
Tang et al. The effectiveness of quarantine and isolation determine the trend of the COVID-19 epidemic in the final phase of the current outbreak in China
Kilicman A fractional order SIR epidemic model for dengue transmission
Huo et al. The effect of vaccines on backward bifurcation in a fractional order HIV model
Wang et al. Modelling and assessing the effects of medical resources on transmission of novel coronavirus (COVID-19) in Wuhan, China
Reiner Jr et al. Time-varying, serotype-specific force of infection of dengue virus
Chen et al. Risk of imported Ebola virus disease in China
Xiao et al. Linking key intervention timing to rapid decline of the COVID-19 effective reproductive number to quantify lessons from mainland China
CN113593716B (zh) 一种传染病趋势预测方法及装置
Ajelli et al. The RAPIDD Ebola forecasting challenge: Model description and synthetic data generation
JP2012043431A (ja) 特性関数によって表現されたデータ・サンプルの比較
Li et al. Dynamical analysis of an SEIT epidemic model with application to Ebola virus transmission in Guinea
CN115036041B (zh) 一种含记忆性的流行性疾病防控方法、装置、设备及介质
Xu et al. Effectiveness of non-pharmaceutical interventions against local transmission of Covid-19: An individual-based modelling study
Xu et al. Green social CPS based e-healthcare systems to control the spread of infectious diseases
Omae et al. SIRVVD model-based verification of the effect of first and second doses of COVID-19/SARS-CoV-2 vaccination in Japan
Dhandapani et al. New Fuzzy Fractional Epidemic Model Involving Death Population.
Turnes Jr et al. An epidemic model to evaluate the homogeneous mixing assumption
Misra et al. Spread and control of COVID-19: A mathematical model
JP5712860B2 (ja) 特性関数によって表現されたセンサー・データの有効確認
Ould Beinane et al. Stability Analysis of COVID‐19 Epidemic Model of Type SEIQHR with Fractional Order
JP5691934B2 (ja) センサー・データを表す二分決定図の注釈付け
Chen et al. Silent geographical spread of the H7N9 virus by online knowledge analysis of the live bird trade with a distributed focused crawler
Liu et al. Incidence, circulation, and spatiotemporal analysis of seasonal influenza in Shandong, China, 2008–2019: A retrospective study
Yang et al. Mathematical models and control methods of infectious diseases

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