CN115101216A - 一种基于大数据的新发传染病监测及应对系统 - Google Patents

一种基于大数据的新发传染病监测及应对系统 Download PDF

Info

Publication number
CN115101216A
CN115101216A CN202211022345.8A CN202211022345A CN115101216A CN 115101216 A CN115101216 A CN 115101216A CN 202211022345 A CN202211022345 A CN 202211022345A CN 115101216 A CN115101216 A CN 115101216A
Authority
CN
China
Prior art keywords
data
type
medical
infectious disease
incidence
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
CN202211022345.8A
Other languages
English (en)
Inventor
闫艳
夏存兴
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.)
Nanjing Hanwei Public Health Research Institute Co ltd
Original Assignee
Nanjing Hanwei Public Health Research Institute 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 Nanjing Hanwei Public Health Research Institute Co ltd filed Critical Nanjing Hanwei Public Health Research Institute Co ltd
Priority to CN202211022345.8A priority Critical patent/CN115101216A/zh
Publication of CN115101216A publication Critical patent/CN115101216A/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

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 And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明涉及大数据技术领域，具体涉及一种基于大数据的新发传染病监测及应对系统。所述的基于大数据的新发传染病监测及应对系统包括：采集数据获取模块用于获取采集数据。趋势计算模块用于通过采集数据计算，获得发病概率趋势F。趋势对比模块用于判断发病概率趋势F是否大于一个预先设置F标，如果是，则判定为风险疾病。数据统计模块用于计算获得当前领域感染人数的估计值。预警模块用于判断当前领域的感染人数的估计值是否超出一个预设的当前领域风险预警基线进。对应模块，接收报警信号并判定管控区域。通过不同的领域进行对比可以通过当前的领域进行深入研究，从而可以最快速度进行定位和新发传染病监测及应对。

Description

一种基于大数据的新发传染病监测及应对系统
技术领域
本发明涉及大数据技术领域，具体涉及一种基于大数据的新发传染病监测及应对系统。
背景技术
目前，针对新发传染病疫情，大数据发挥了巨大作用，包括获知人口流向，预判疫情传播趋势；结合确诊数据，验证政策效果；预警风险区域，找到风险人群等。
就以上监测预警来说，尚无法实现新发传染病的早发现、早预警、早识别、早干预。目前在新发重大传染病的应对方面，基本集中于对比各国的应对体系、提出应对策略、对各主体应对能力进行评估。监测能力差，且容易造成应对不及时。
发明内容
为解决上述技术问题，本发明提供一种基于大数据的新发传染病监测及应对系统，所述的基于大数据的新发传染病监测及应对系统包括：
采集数据获取模块，其用于获取采集数据；
趋势计算模块，其用于通过采集数据计算，获得发病概率趋势F；
趋势对比模块，其用于判断发病概率趋势F是否大于一个预先设置F标，如果是，则判定为风险疾病；
数据统计模块，其用于对相关领域的数据进行统计并获得当前领域感染人数的估计值；
预警模块，其用于判断当前领域的感染人数的估计值是否超出一个预设的当前领域风险预警基线，如果是，则认定为超过当前领域风险等级，进行登记并发送报警信号；
对应模块，接收报警信号，并从相关领域的数据中获取数据采集地点和时间t’，获得数据采集地点的覆盖范围S，计算获得辐射长度
Figure 332440DEST_PATH_IMAGE001
，并以覆盖范围S以半径为R向外辐射扩张为辐射范围S’，以辐射范围S’为管控区域。
优选的：所述的采集数据包括采集病因、采集地点、采集时间、采集对象、采集环境、采集的次数、采集传染病的发病概率p、采集的结果。
优选的：所述发病概率趋势F通过负二项模型计算获得，
Figure DEST_PATH_IMAGE003
，表示已知一个疾病的发病概率在伯努利试验中每次的出现率是p，在一连串伯努利采集数据中，这个疾病刚好在第r+k次采集出现第r次的概率；以p来表示发病率，k为不发病次数，则（1—p）表示未发病率，通过负二项模型得到不同地域的发病概率趋势F。
优选的：所述相关领域的数据包括医疗人数M、缺席人数A、环境数据E、交通数据T、相关物资流动数据W等中的一种或者多种组合。
优选的：所述医疗人数
Figure 718422DEST_PATH_IMAGE005
，其中i为医疗类型编号，ɑi为医疗类型影响权重。
优选的：所述医疗类型包括医疗机构疾病患病、医疗机构症状、社区登记症状。
优选的：缺席的类型包括：学校因病缺课类型、上班因病缺班类型。
优选的：环境数据E的类型包括气象数据类型、环境数据类型。
优选的：交通数据T的类型包括航班乘客数据类型、铁路乘客数据类型、长途车乘客数据类型、高速路口统计数据类型、旅客潜在来源数据类型。
优选的：相关物资流动数据W类型包括药房药品销售类型、医疗物资类型、医疗设备物资类型、疫苗接种类型、疫苗检测类型。
本发明的技术效果和优点：通过不同的领域进行对比可以通过当前的领域进行深入研究，从而可以最快速度定位、最小损失的进行新发传染病监测及应对。通过对各个数据进行统计，可以从各个方面对新发传染病进行检测，检测能力强。通过环境、交通、缺席、医疗等多方面进行统计，可以进行多层面多维度进行预警。
附图说明
图1为本发明提出的一种基于大数据的新发传染病监测及应对系统的结构框图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细的说明。本发明的实施例是为了示例和描述起见而给出的，而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显而易见的。选择和描述实施例是为了更好说明本发明的原理和实际应用，并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。
实施例1
参考图1，在本实施例中提出了一种基于大数据的新发传染病监测及应对系统，用于通过大数据对新发传染病进行监控和预警，所述的基于大数据的新发传染病监测及应对系统包括：
采集数据获取模块，用于获取采集数据，所述的采集数据可以包括采集病因、采集地点、采集时间、采集对象、采集环境、采集的次数、采集传染病的发病概率p、采集的结果等。所述的采集数据可以通过手动输入或者采集数据自动记录获取，具体在此不做赘述。
趋势计算模块，用于通过采集结果和次数采集计算，获得发病概率趋势F。所述的发病概率趋势F可以通过负二项模型计算获得，负二项模型包含一系列独立的采集，每个采集都有发病、不发病两种结果，发病的概率是恒定的，采集持续到r次不发病，r为正整数。
Figure 967000DEST_PATH_IMAGE006
，表示已知一个疾病的发病概率在伯努利试验中每次的出现率是p，在一连串伯努利采集数据中，这个疾病刚好在第r+k次采集出现第r次的概率。在疫情发病风险预测模型中，以p来表示发病率，k为不发病次数，则（1—p）可表示未发病率，通过负二项模型得到不同地域的发病概率趋势F。当然还可以通过其他方法计算发病概率趋势F，具体在此不做赘述。
趋势对比模块，用于判断发病概率趋势F是否大于一个预先设置F标，如果是，则判定为风险疾病，并发送相关领域的数据统计信号，如果否，则判定为非风险疾病，不发送信号，所述的F标可以通过统计或者实验获得，具体在此不做赘述。
数据统计模块，用于对相关领域的数据进行统计并获得当前领域感染人数的估计值。所述的相关领域的数据可以包括医疗人数M、缺席人数A、环境数据E、交通数据T、相关物资流动数据W等中的一种或者多种组合，从而可以进行多方面进行计算和评定。医疗人数
Figure 627789DEST_PATH_IMAGE007
，其中i为医疗类型编号，ɑi为医疗类型影响权重，各个医疗类型影响权重可以通过确诊人数和统计人数的比值确定，具体在此不做赘述，Mi为对应的医疗类型的人数，这个人数为排除重合的人数，从而可以获得医疗人数M。所述医疗类型包括医疗机构疾病患病、医疗机构症状、社区登记症状等,当然并不排除其他医疗类型。医疗机构疾病患病人数M1、医疗机构症状人数M2、社区等级症状人数M3,M并不是各个医疗类型人数的相加，医疗人数
Figure 645423DEST_PATH_IMAGE009
=ɑ1M1+ɑ2M2+ɑ3M3。例如以支气管炎为例，医疗机构疾病患病人数M1为65、医疗机构症状人数M2为38、社区等级症状人数M3为26,支气管炎的医疗机构疾病患病的ɑ1权重为0.95、医疗机构症状的ɑ2权重为0.80、社区等级症状的ɑ2权重为0.50。则计算获得支气管炎的医疗人数M=ɑ1M1+ɑ2M2+ɑ3M3=65×0.95+38×0.80+26×0.50=105。所述的缺席类型包括：学校因病缺课类型、上班因病缺班类型，学校因病缺课类型人数为A1（传染病类）、上班因病缺班类型人数A2（传染病类）等，当然并不排除其他的缺席类型，具体在此不做赘述。缺席人数
Figure 936727DEST_PATH_IMAGE011
，βi为缺席类型影响权重，各个缺席类型影响权重可以通过确诊人数和统计人数的比值确定，具体在此不做赘述，Ai为对应的缺席类型的人数，这个人数为排除重合的人数。环境数据E的类型包括气象数据类型、环境数据类型，计算方式相同，在此不做赘述。交通数据T类型可以包括航班乘客数据类型、铁路乘客数据类型、长途车乘客数据类型、高速路口统计数据类型、旅客潜在来源数据类型等。相关物资流动数据W类型可以包括药房药品销售类型、医疗物资类型、医疗设备物资类型、疫苗接种类型、疫苗检测类型等。
预警模块，判断当前领域的感染人数的估计值是否超出一个预设的当前领域风险预警基线，如果是，则认定为超过当前领域风险等级，进行登记并发送报警信号，如果否，则不进行登记和不发送报警信号。例如通过医疗人数M与医疗风险预警基线进行对比、缺席人数A与缺席风险预警基线进行对比、环境数据E与风环境险预警基线进行对比、交通数据T与交通风险预警基线进行对比、相关物资流动数据W与风险预警基线进行对比进行对比，具体在此不做赘述。通过不同的领域进行对比可以进行深入研究，从而可以最快速度定位、最小损失的进行新发传染病监测及应对。通过对各个数据进行统计，可以从各个方面对新发传染病进行检测，检测能力强。通过环境、交通、缺席、医疗等多方面进行统计，可以进行多层面多维度预警。
对应模块，接收报警信号，并从相关领域的数据中获取数据采集地点和时间t’，获得数据采集地点的覆盖范围S,计算获得辐射长度
Figure 469340DEST_PATH_IMAGE001
，并以覆盖范围S以半径为R向外辐射扩张为辐射范围S’，以辐射范围S’为管控区域。判断当前领域感染人数的估计值与一个预设的当前领域风险预警基线之间差值，并计算差值与当前领域风险预警基线比值获得相对预警比值a，并判定相对预警比值a是否大于一个预先设置a1，如果是，发送报警信号，列辐射范围S’为一级管控区域；如果否，判断a2≤a≤a1，如果是，发送警示信号，列辐射范围S’二级管控区域；如果否，则判断0≤a≤a2，发送警示信号，列辐射范围S’三级管控区域；通过多级管控，可以针对处理，合理分配人力物力，更好的进行应对。
显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域及相关领域的普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。本发明中未具体描述和解释说明的结构、装置以及操作方法，如无特别说明和限定，均按照本领域的常规手段进行实施。

Claims (10)

1.一种基于大数据的新发传染病监测及应对系统，其特征在于，所述的基于大数据的新发传染病监测及应对系统包括：
采集数据获取模块，其用于获取采集数据；
趋势计算模块，其用于通过采集数据计算，获得发病概率趋势F；
趋势对比模块，其用于判断发病概率趋势F是否大于一个预先设置F标，如果是，则判定为风险疾病；
数据统计模块，其用于对相关领域的数据进行统计并获得当前领域感染人数的估计值；
预警模块，其用于判断当前领域的感染人数的估计值是否超出一个预设的当前领域风险预警基线，如果是，则认定为超过当前领域风险等级，进行登记并发送报警信号；
对应模块，接收报警信号，并从相关领域的数据中获取数据采集地点和时间t’，获得数据采集地点的覆盖范围S，计算获得辐射长度
Figure 326910DEST_PATH_IMAGE001
，并以覆盖范围S以半径为R向外辐射扩张为辐射范围S’，以辐射范围S’为管控区域。
2.根据权利要求1所述的一种基于大数据的新发传染病监测及应对系统，其特征在于，所述的采集数据包括采集病因、采集地点、采集时间、采集对象、采集环境、采集的次数、采集传染病的发病概率p、采集的结果。
3.根据权利要求1所述的一种基于大数据的新发传染病监测及应对系统，其特征在于，所述发病概率趋势F通过负二项模型计算获得，
Figure 997538DEST_PATH_IMAGE002
，表示已知一个疾病的发病概率在伯努利试验中每次的出现率是p，在一连串伯努利采集数据中，这个疾病刚好在第r+k次采集出现第r次的概率；以p来表示发病率，k为不发病次数，则（1—p）表示未发病率，通过负二项模型得到不同地域的发病概率趋势F。
4.根据权利要求1所述的一种基于大数据的新发传染病监测及应对系统，其特征在于，所述相关领域的数据包括医疗人数M、缺席人数A、环境数据E、交通数据T、相关物资流动数据W中的一种或者多种组合。
5.根据权利要求1所述的一种基于大数据的新发传染病监测及应对系统，其特征在于，所述医疗人数
Figure 462018DEST_PATH_IMAGE003
，其中i为医疗类型编号，ɑi为医疗类型影响权重。
6.根据权利要求4所述的一种基于大数据的新发传染病监测及应对系统，其特征在于，所述医疗类型包括医疗机构疾病患病、医疗机构症状、社区登记症状。
7.根据权利要求4所述的一种基于大数据的新发传染病监测及应对系统，其特征在于，缺席的类型包括：学校因病缺课类型、上班因病缺班类型。
8.根据权利要求4所述的一种基于大数据的新发传染病监测及应对系统，其特征在于，环境数据E的类型包括气象数据类型、环境数据类型。
9.根据权利要求4所述的一种基于大数据的新发传染病监测及应对系统，其特征在于，交通数据T的类型包括航班乘客数据类型、铁路乘客数据类型、长途车乘客数据类型、高速路口统计数据类型、旅客潜在来源数据类型。
10.根据权利要求4所述的一种基于大数据的新发传染病监测及应对系统，其特征在于，相关物资流动数据W类型包括药房药品销售类型、医疗物资类型、医疗设备物资类型、疫苗接种类型、疫苗检测类型。
CN202211022345.8A 2022-08-25 2022-08-25 一种基于大数据的新发传染病监测及应对系统 Pending CN115101216A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211022345.8A CN115101216A (zh) 2022-08-25 2022-08-25 一种基于大数据的新发传染病监测及应对系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211022345.8A CN115101216A (zh) 2022-08-25 2022-08-25 一种基于大数据的新发传染病监测及应对系统

Publications (1)

Publication Number Publication Date
CN115101216A true CN115101216A (zh) 2022-09-23

Family

ID=83301205

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211022345.8A Pending CN115101216A (zh) 2022-08-25 2022-08-25 一种基于大数据的新发传染病监测及应对系统

Country Status (1)

Country Link
CN (1) CN115101216A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115762797A (zh) * 2022-09-28 2023-03-07 南京汉卫公共卫生研究院有限公司 一种基于大数据的多点触发传染病预警方法
CN116342345A (zh) * 2023-05-26 2023-06-27 湖南智慧平安科技有限公司 一种基于大数据的智慧社区便民综合服务方法及平台
CN117174332A (zh) * 2023-05-25 2023-12-05 江苏瀚云医疗信息技术有限公司 一种基于多源数据的传染病监测预警系统及预警方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112115580A (zh) * 2020-08-12 2020-12-22 科技谷（厦门）信息技术有限公司 一种基于大数据的新发重大传染病监测、预警及应对系统
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
CN112992375A (zh) * 2021-04-25 2021-06-18 南京汉卫公共卫生研究院有限公司 一种疾病的预警方法、预警装置、设备及介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112115580A (zh) * 2020-08-12 2020-12-22 科技谷（厦门）信息技术有限公司 一种基于大数据的新发重大传染病监测、预警及应对系统
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
CN112992375A (zh) * 2021-04-25 2021-06-18 南京汉卫公共卫生研究院有限公司 一种疾病的预警方法、预警装置、设备及介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115762797A (zh) * 2022-09-28 2023-03-07 南京汉卫公共卫生研究院有限公司 一种基于大数据的多点触发传染病预警方法
CN117174332A (zh) * 2023-05-25 2023-12-05 江苏瀚云医疗信息技术有限公司 一种基于多源数据的传染病监测预警系统及预警方法
CN116342345A (zh) * 2023-05-26 2023-06-27 湖南智慧平安科技有限公司 一种基于大数据的智慧社区便民综合服务方法及平台
CN116342345B (zh) * 2023-05-26 2023-09-19 贺显雅 一种基于大数据的智慧社区便民综合服务方法及平台

Similar Documents

Publication Publication Date Title
CN115101216A (zh) 一种基于大数据的新发传染病监测及应对系统
Lazarus et al. Using automated medical records for rapid identification of illness syndromes (syndromic surveillance): the example of lower respiratory infection
Craglia et al. A comparative evaluation of approaches to urban crime pattern analysis
WO2022100062A1 (zh) 风险管控方法、装置、电子设备和存储介质
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
CN110288823A (zh) 一种基于朴素贝叶斯网络的交通违章误判识别方法
Senarath et al. Emergency incident detection from crowdsourced waze data using bayesian information fusion
CN115018384A (zh) 一种建筑工地安全风险评估方法及系统
CN115936443A (zh) 台风暴雨灾害的风险评估方法、装置及电子设备
Silman et al. Do new cases of rheumatoid arthritis cluster in time or in space?
CN104239951A (zh) 一种利用信道状态信息的非绑定人数计数方法
Ursenbach et al. Scoring algorithms for a computer-based cognitive screening tool: An illustrative example of overfitting machine learning approaches and the impact on estimates of classification accuracy.
CN113096785A (zh) 一种疫情时期医疗资源分配方法
Yeng et al. K-cusum: Cluster detection mechanism in edmon
Ratcliffe et al. Crime, repeat victimisation and GIS
Souty et al. Performances of statistical methods for the detection of seasonal influenza epidemics using a consensus-based gold standard
Anithadevi et al. An Improved SSD Object Detection Algorithm For Safe Social Distancing and Face Mask Detection In Public Areas Through Intelligent Video Analytics
Pathan et al. Incorporating social entropy for crowd behavior detection using SVM
CN111369394B (zh) 基于大数据的景区客流量统计评估系统及方法
Baller et al. The interchangeability of homicide data sources: A spatial analytical perspective
CN114743690A (zh) 传染病的预警方法、装置、介质及电子设备
Dismer et al. Identification of TB space-time clusters and hotspots in Ouest département, Haiti, 2011–2016
Wadhwa et al. Modified DBSCAN using particle swarm optimization for spatial hotspot identification
CN112801603A (zh) 一种智慧社区特殊数据感知服务系统
Guerrieri et al. Social distance evaluation in transportation systems and other public spaces using deep learning

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