CN116644869A - 一种实时数据分析与公共卫生事件预测系统 - Google Patents
一种实时数据分析与公共卫生事件预测系统 Download PDFInfo
- Publication number
- CN116644869A CN116644869A CN202310930964.5A CN202310930964A CN116644869A CN 116644869 A CN116644869 A CN 116644869A CN 202310930964 A CN202310930964 A CN 202310930964A CN 116644869 A CN116644869 A CN 116644869A
- Authority
- CN
- China
- Prior art keywords
- event
- target public
- public event
- personnel
- diffusion
- 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.)
- Granted
Links
- 230000005180 public health Effects 0.000 title claims abstract description 49
- 238000007405 data analysis Methods 0.000 title claims abstract description 31
- 238000009792 diffusion process Methods 0.000 claims description 168
- 238000011156 evaluation Methods 0.000 claims description 101
- 238000004364 calculation method Methods 0.000 claims description 44
- 239000003814 drug Substances 0.000 claims description 39
- 239000000463 material Substances 0.000 claims description 34
- 238000000034 method Methods 0.000 claims description 32
- 238000004458 analytical method Methods 0.000 claims description 31
- 238000012544 monitoring process Methods 0.000 claims description 24
- 230000008569 process Effects 0.000 claims description 22
- 238000010276 construction Methods 0.000 claims description 10
- 229940079593 drug Drugs 0.000 claims description 9
- 230000007480 spreading Effects 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 3
- 238000011534 incubation Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 208000035473 Communicable disease Diseases 0.000 description 1
- 206010016952 Food poisoning Diseases 0.000 description 1
- 208000019331 Foodborne disease Diseases 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
Classifications
-
- 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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及公共卫生事件预测技术领域，具体公开一种实时数据分析与公共卫生事件预测系统，该系统通过设置目标公共事件数据获取模块、基础特性数据分析模块、扩散区域评定分析模块、资源储备数据分析模块、应急预案构建提示模块和数据云平台，本发明通过分析计算扩散区域的人口影响指数，将扩散区域内的人员居住密集性以及人员影响状况进行细致化的分析，能够反映出扩散区域的人员综合影响状况，同时通过整合分析目标公共事件的综合评价系数，并进行实时数据反馈提示，提高了对目标公共事件的预测进行管控的及时性，为全面的反映出目标公共事件的扩散趋势提供了更加具有科学性和时效性的数据依据，进而有助于减少对公众健康产生的危害。
Description
技术领域
本发明涉及公共卫生事件预测技术领域，具体为一种实时数据分析与公共卫生事件预测系统。
背景技术
当前，随着社会的高速发展，人口的流动性越来越大，公共卫生事件的发生会导致更多的人口遭受身体的损伤，因此在公共卫生事件大规模爆发之前，往往需要对公共卫生事件进行预测，进而能够合理高效的预测公共卫生事件的严重性和潜在影响，从而科学的采取相应措施来降低事件的风险性，并减少对公众健康的危害。
如今，对公共卫生事件预测方面还存在一些不足，具体体现在以下几个层面：
（1）现有技术对公共卫生事件预测的分析过程中，往往大多是仅片面依据公共卫生事件的人员增长速度进行预测分析，考虑的维度较为单一，没有考虑到其他公共卫生事件扩散趋向的干扰因素，导致对公共卫生事件的扩散趋向状况没有进行综合性分析，致使所得到的预测结果并不全面准确；
（2）现有技术对于扩散区域人口影响方面的分析较为匮乏，扩散区域内的人口是有一定流动性的，因此需要实时监测分析扩散区域内的人员居住密集性以及人员影响状况，忽视对这一方面的分析，导致无法为公共卫生事件的预测提供科学合理的支撑依据，进而不能够为后续公共卫生事件扩散程度的判定提供数据基础。
发明内容
针对现有技术的不足，本发明提供了一种实时数据分析与公共卫生事件预测系统，能够有效解决上述背景技术中涉及的问题。
为实现以上目的，本发明通过以下技术方案予以实现：一种实时数据分析与公共卫生事件预测系统，包括：
目标公共事件数据获取模块，用于将本次发生的公共卫生事件记为目标公共事件，并获取目标公共事件所属基础特性数据；
基础特性数据分析模块，用于对目标公共事件所属基础特性数据进行分析，判定目标公共事件的扩散趋向指数，记为；
扩散区域评定分析模块，用于依据目标公共事件的扩散趋向指数，据此评定扩散区域，进而分析计算扩散区域的人口影响指数，记为；
资源储备数据分析模块，用于对扩散区域的资源储备数据进行分析，进而计算扩散区域的医疗资源储备评定指数以及物资资源储备评定指数，分别记为和/>；
应急预案构建提示模块，用于整合分析目标公共事件的综合评价系数，进而构建目标公共事件对应的应急预案，并进行实时数据反馈提示。
数据云平台，用于存储目标公共事件的历史数据，存储各性质公共事件对应的人员影响潜伏期，存储各性质公共事件所属关联影响人员对应的参照人员影响率，存储各性质公共事件所属各种紧急救援物资以及在各综合评价系数区间下所属救助等级，存储各扩散趋向指数区间下对应的扩散区域所属参照划分直径，并存储各治疗等级所需医护人员数量。
作为进一步的方案，所述目标公共事件所属基础特性数据包括事件性质、发生时间点以及初始发生位置点。
作为进一步的方案，所述对目标公共事件所属基础特性数据进行分析，其具体分析过程为：
获取目标公共事件的各次历史发生开始时间点，并将相邻的历史发生开始时间点记为目标公共事件的发生间隔时长，并依据设定的当前监测时间点，进而获取目标公共事件在当前监测时间点下的关联影响人员总计数量/>，同时依据预定义的各性质公共事件所属关联影响人员对应单位发生间隔时长的最大限度出现数量，从中筛分目标公共事件所属关联影响人员对应单位发生间隔时长的最大限度出现数量/>，进而计算目标公共事件的人员增长速度评定系数/>，其计算公式为：/>，其中e表示为自然常数。
从数据云平台中提取目标公共事件的历史数据，其中历史数据包括历史影响人数以及历史治愈人数，分别记为和/>，进而计算目标公共事件的治愈人员评定系数/>，其计算公式为：
，其中/>表示为设定的目标公共事件的治愈人员对应的修正因子。
依据数据云平台中存储的各性质公共事件对应的人员影响潜伏期，从中提取目标公共事件对应的人员影响潜伏期，并提取人员影响潜伏期的时长，进而计算目标公共事件的潜伏期评定系数/>，其计算公式为：/>，其中/>表示为预定义的目标公共事件对应的人员影响潜伏期单位时长的影响因子。
作为进一步的方案，所述目标公共事件的扩散趋向指数，其具体计算过程为：
依据目标公共事件的人员增长速度评定系数、治愈人员评定系数以及潜伏期评定系数，进而计算目标公共事件的扩散趋向指数，其计算公式为：
，其中/>、/>和/>分别表示为设定的目标公共事件的人员增长速度评定系数、治愈人员评定系数以及潜伏期评定系数对应的权重因子。
作为进一步的方案，所述扩散区域的人口影响指数，其具体分析过程为：
获取目标公共事件的所属区域地图，并根据目标公共事件的初始发生位置点，从而在目标公共事件的所属区域地图中定位至目标公共事件的初始发生位置点，并依据目标公共事件的扩散趋向指数，进而与数据云平台中存储的各扩散趋向指数区间下对应的扩散区域所属参照划分直径进行匹配，得到目标公共事件的扩散趋向指数对应的扩散区域所属参照划分直径，并以目标公共事件的初始发生位置点为扩散区域划分圆心点，划分得到目标公共事件对应的扩散区域，标定为扩散区域。
统计扩散区域在当前监测时间点的常住人口总数量，并获取扩散区域的占地面积/>，同时基于预定义的扩散区域所属参照人员居住密度/>，进而计算扩散区域的人员居住密集性评定系数/>，其计算公式为：/>。
依据目标公共事件的性质，进而与数据云平台中存储的各性质公共事件所属关联影响人员对应的参照人员影响率进行匹配，得到目标公共事件所属关联影响人员对应的参照人员影响率，进而计算扩散区域的人员影响评定系数/>，
其计算公式为：
，其中/>表示为预定义的目标公共事件所属单个影响人员对应的评定影响因子。
综合计算扩散区域的人口影响指数，其计算公式为：
，其中/>和/>分别表示为设定的扩散区域的人员居住密集性评定系数以及人员影响评定系数对应的权重因子。
作为进一步的方案，所述扩散区域的医疗资源储备评定指数，其具体分析过程为：
获取扩散区域的各医院，并记为各关联医院，由此提取各关联医院的医疗资源数据，其中医疗资源数据包括各类药物存储量、各科室的空余床位数量以及各科室所属医护人员数目。
依据目标公共事件的性质，进而与预定义的各性质公共事件所属人员的需求药物种类进行匹配，得到目标公共事件所属人员的需求药物种类，记为指定种类药物，由此提取各关联医院的指定种类药物存储量，记为，其中j表示为各关联医院的编号，，n表示为关联医院的数目，同理，匹配得到目标公共事件所属人员治疗科室，记为指定科室，由此提取各关联医院的指定科室床位总数量以及空余床位数量。
基于目标公共事件的性质，进而与预定义的各性质公共事件对应单个人员的指定种类药物需求量进行匹配，得到目标公共事件对应单个人员的指定种类药物需求量，从而计算扩散区域的药物存储量评定系数/>，其计算公式为：/>。
依据设定的扩散区域的床位可用程度影响因子以及目标公共事件的单个床位对应的可用评定因子/>，并基于各关联医院的指定科室床位总数量/>以及空余床位数量/>，进而计算扩散区域的床位可用程度评定系数/>，
其计算公式为：。
获取并统计各关联医院的指定科室所属医护人员数目，同时依据扩散区域在当前监测时间点的关联影响人员总计数量，与预定义的各关联影响人员总计数量区间对应的治疗等级进行比对，得到扩散区域在当前监测时间点对应的治疗等级，进而与数据云平台中存储的各治疗等级所需医护人员数量进行匹配，得到扩散区域在当前监测时间点所需医护人员数量/>，进而计算得到扩散区域的医护人员数量评定系数/>，其计算公式为：
。
作为进一步的方案，所述扩散区域的医疗资源储备评定指数，其具体计算过程为：
依据扩散区域的药物存储量评定系数、床位可用程度评定系数以及医护人员数量评定系数，进而计算扩散区域的医疗资源储备评定指数，其计算公式为：
，其中/>、/>和/>分别表示为设定的扩散区域的药物存储量评定系数、床位可用程度评定系数以及医护人员数量评定系数对应的权重因子。
作为进一步的方案，所述扩散区域的物资资源储备评定指数，其具体分析过程为：
基于目标公共事件的性质，进而与数据云平台中存储的各性质公共事件所属各种紧急救援物资进行匹配，得到目标公共事件所属各种紧急救援物资；
获取扩散区域所属各种救援物资的存储量，从中筛分并统计目标公共事件所属各种紧急救援物资的存储量，其中g表示为各种紧急救援物资的编号，/>，h表示为紧急救援物资的总种类，并根据预定义的各性质公共事件对应单个人员所属各种紧急救援物资的基础需求量，从中筛分目标公共事件对应单个人员所属各种紧急救援物资的基础需求量/>，同时提取扩散区域在当前监测时间点的常住人口总数量/>，进而计算扩散区域的物资资源储备评定指数/>，
其计算公式为：。
作为进一步的方案，所述目标公共事件的综合评价系数，其具体分析过程为：
整合计算目标公共事件的综合评价系数，其计算公式为：
，其中/>、/>、/>以及/>分别表示为设定的目标公共事件的扩散趋向指数、扩散区域的人口影响指数、医疗资源储备评定指数以及物资资源储备评定指数对应的权重因子。
作为进一步的方案，所述构建目标公共事件对应的应急预案，其具体分析过程为：
依据目标公共事件的综合评价系数，进而与数据云平台中存储的各性质公共事件在各综合评价系数区间下所属救助等级进行匹配，得到目标公共事件所属救助等级，将目标公共事件所属救助等级与设定的各救助等级对应的应急预案进行匹配，从而构建目标公共事件对应的应急预案，并进行实时数据反馈提示。
相对于现有技术，本发明的实施例至少具有如下优点或有益效果：
（1）本发明通过提供一种实时数据分析与公共卫生事件预测系统，能够针对发生的公共卫生事件进行及时有效的数据处理反馈，有效提高了对目标公共事件预测的科学化水平，为全面的反映出目标公共事件的扩散趋势提供了更加具有科学性和时效性的数据依据，进而有助于减少对公众健康产生的危害；
（2）本发明依据目标公共事件所属基础特性数据，通过分析计算目标公共事件的扩散趋向指数，能够为目标公共事件的预测提供科学合理的支撑依据，并较大程度上为公共卫生事件扩散程度的判定提供了数据保障；
（3）本发明依据目标公共事件的扩散趋向指数，进而分析计算扩散区域的人口影响指数，将扩散区域内的人员居住密集性以及人员影响状况进行细致化的分析，使考虑的维度较为丰富多样，加强对这一方面的分析，能够反映出扩散区域的人员综合影响状况，进而使得对目标公共事件预测的判定更加合理；
（4）本发明通过分析计算扩散区域的医疗资源储备评定指数以及物资资源储备评定指数，实现对扩散区域内的医疗资源以及物资资源进行详细分析，不仅能够及时的反映出资源储备的可用情况，且能够为资源的调度管控提供数据支持；
（5）本发明通过整合分析目标公共事件的综合评价系数，进而构建目标公共事件对应的应急预案，并进行实时数据反馈提示，提高了对目标公共事件的预测进行管控的及时性，不仅便捷了相关人员的管理，同时增加了对公共卫生事件进行实时数据反馈的时效性。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图；
图1为本发明的系统结构连接示意图。
具体实施方式
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。
请参阅图1，本发明实施例提供一种技术方案：一种实时数据分析与公共卫生事件预测系统，包括目标公共事件数据获取模块、基础特性数据分析模块、扩散区域评定分析模块、资源储备数据分析模块、应急预案构建提示模块和数据云平台。
所述目标公共事件数据获取模块与基础特性数据分析模块相连接，基础特性数据分析模块分别与应急预案构建提示模块、扩散区域评定分析模块和数据云平台相连接，扩散区域评定分析模块分别与应急预案构建提示模块、资源储备数据分析模块和数据云平台相连接，资源储备数据分析模块分别与应急预案构建提示模块和数据云平台相连接，应急预案构建提示模块与数据云平台相连接。
所述目标公共事件数据获取模块用于将本次发生的公共卫生事件记为目标公共事件，并获取目标公共事件所属基础特性数据。
具体的，所述目标公共事件所属基础特性数据包括事件性质、发生时间点以及初始发生位置点。
所述基础特性数据分析模块用于对目标公共事件所属基础特性数据进行分析，判定目标公共事件的扩散趋向指数，记为。
具体的，所述对目标公共事件所属基础特性数据进行分析，其具体分析过程为：
获取目标公共事件的各次历史发生开始时间点，并将相邻的历史发生开始时间点记为目标公共事件的发生间隔时长，并依据设定的当前监测时间点，进而获取目标公共事件在当前监测时间点下的关联影响人员总计数量/>，同时依据预定义的各性质公共事件所属关联影响人员对应单位发生间隔时长的最大限度出现数量，从中筛分目标公共事件所属关联影响人员对应单位发生间隔时长的最大限度出现数量/>，进而计算目标公共事件的人员增长速度评定系数/>；其计算公式为：/>，其中e表示为自然常数；
需要解释的是，上述目标公共事件的发生间隔时长是指两个相邻事件的开始时间点之间的发生间隔时长。
进一步说明的是，上述相邻的历史发生开始时间点，是指距离当前目标公共事件最近的两次公共卫生事件对应的发生开始时间点。
从数据云平台中提取目标公共事件的历史数据，其中历史数据包括历史影响人数以及历史治愈人数，分别记为和/>，进而计算目标公共事件的治愈人员评定系数/>，其计算公式为：
，其中/>表示为设定的目标公共事件的治愈人员对应的修正因子。
依据数据云平台中存储的各性质公共事件对应的人员影响潜伏期，从中提取目标公共事件对应的人员影响潜伏期，并提取人员影响潜伏期的时长，进而计算目标公共事件的潜伏期评定系数/>，其计算公式为：/>，其中/>表示为预定义的目标公共事件对应的人员影响潜伏期单位时长的影响因子；
需要说明的是，上述提取目标公共事件对应的人员影响潜伏期，是由于潜伏期内关联影响人员没有明显的症状，可能会继续正常的社交和日常活动，这增加了疾病的隐匿性，因此需要对公共卫生事件的潜伏期进行分析计算，以此更加精确的分析目标公共事件的扩散趋向指数。
进一步的，所述目标公共事件的扩散趋向指数，其具体计算过程为：
依据目标公共事件的人员增长速度评定系数、治愈人员评定系数以及潜伏期评定系数，进而计算目标公共事件的扩散趋向指数，其计算公式为：
，其中/>、/>和/>分别表示为设定的目标公共事件的人员增长速度评定系数、治愈人员评定系数以及潜伏期评定系数对应的权重因子。
在一个具体实施例中，本发明依据目标公共事件所属基础特性数据，通过分析计算目标公共事件的扩散趋向指数，能够为目标公共事件的预测提供科学合理的支撑依据，并较大程度上为公共卫生事件扩散程度的判定提供了数据保障。
所述扩散区域评定分析模块用于依据目标公共事件的扩散趋向指数，据此评定扩散区域，进而分析计算扩散区域的人口影响指数，记为。
具体的，所述扩散区域的人口影响指数，其具体分析过程为：
获取目标公共事件的所属区域地图，并根据目标公共事件的初始发生位置点，从而在目标公共事件的所属区域地图中定位至目标公共事件的初始发生位置点，并依据目标公共事件的扩散趋向指数，进而与数据云平台中存储的各扩散趋向指数区间下对应的扩散区域所属参照划分直径进行匹配，得到目标公共事件的扩散趋向指数对应的扩散区域所属参照划分直径，并以目标公共事件的初始发生位置点为扩散区域划分圆心点，划分得到目标公共事件对应的扩散区域，标定为扩散区域。
统计扩散区域在当前监测时间点的常住人口总数量，并获取扩散区域的占地面积/>，同时基于预定义的扩散区域所属参照人员居住密度/>，进而计算扩散区域的人员居住密集性评定系数/>，其计算公式为：/>；
需要说明的是，上述统计扩散区域在当前监测时间点的常住人口总数量，在当前监测时间点通过统计扩散区域内覆盖的各个社区，并提取各个社区邻近的人口普查统计数据，进而得到扩散区域在当前监测时间点的常住人口总数量。
依据目标公共事件的性质，进而与数据云平台中存储的各性质公共事件所属关联影响人员对应的参照人员影响率进行匹配，得到目标公共事件所属关联影响人员对应的参照人员影响率，进而计算扩散区域的人员影响评定系数/>，
其计算公式为：
，其中/>表示为预定义的目标公共事件所属单个影响人员对应的评定影响因子。
综合计算扩散区域的人口影响指数，其计算公式为：
，其中/>和/>分别表示为设定的扩散区域的人员居住密集性评定系数以及人员影响评定系数对应的权重因子。
在一个具体实施例中，本发明依据目标公共事件的扩散趋向指数，进而分析计算扩散区域的人口影响指数，将扩散区域内的人员居住密集性以及人员影响状况进行细致化的分析，使考虑的维度较为丰富多样，加强对这一方面的分析，能够反映出扩散区域的人员综合影响状况，进而使得对目标公共事件预测的判定更加合理。
所述资源储备数据分析模块用于对扩散区域的资源储备数据进行分析，进而计算扩散区域的医疗资源储备评定指数以及物资资源储备评定指数，分别记为和/>。
具体的，所述扩散区域的医疗资源储备评定指数，其具体分析过程为：
获取扩散区域的各医院，并记为各关联医院，由此提取各关联医院的医疗资源数据，其中医疗资源数据包括各类药物存储量、各科室的空余床位数量以及各科室所属医护人员数目。
依据目标公共事件的性质，进而与预定义的各性质公共事件所属人员的需求药物种类进行匹配，得到目标公共事件所属人员的需求药物种类，记为指定种类药物，由此提取各关联医院的指定种类药物存储量，记为，其中j表示为各关联医院的编号，/>，n表示为关联医院的数目，同理，匹配得到目标公共事件所属人员治疗科室，记为指定科室，由此提取各关联医院的指定科室床位总数量以及空余床位数量。
示例性地，若公共卫生事件为食物中毒事件，则相关的科室为呼吸道传染性疾病科，对公共卫生事件的预测有着更加科学性以及准确性的数据支撑。
基于目标公共事件的性质，进而与预定义的各性质公共事件对应单个人员的指定种类药物需求量进行匹配，得到目标公共事件对应单个人员的指定种类药物需求量，从而计算扩散区域的药物存储量评定系数/>，
其计算公式为：。
依据设定的扩散区域的床位可用程度影响因子以及目标公共事件的单个床位对应的可用评定因子/>，并基于各关联医院的指定科室床位总数量/>以及空余床位数量/>，进而计算扩散区域的床位可用程度评定系数/>其计算公式为：。
获取并统计各关联医院的指定科室所属医护人员数目，同时依据扩散区域在当前监测时间点的关联影响人员总计数量，与预定义的各关联影响人员总计数量区间对应的治疗等级进行比对，得到扩散区域在当前监测时间点对应的治疗等级，进而与数据云平台中存储的各治疗等级所需医护人员数量进行匹配，得到扩散区域在当前监测时间点所需医护人员数量/>，进而计算得到扩散区域的医护人员数量评定系数/>，
其计算公式为：。
进一步的，所述扩散区域的医疗资源储备评定指数，其具体计算过程为：
依据扩散区域的药物存储量评定系数、床位可用程度评定系数以及医护人员数量评定系数，进而计算扩散区域的医疗资源储备评定指数，其计算公式为：
，其中/>、/>和/>分别表示为设定的扩散区域的药物存储量评定系数、床位可用程度评定系数以及医护人员数量评定系数对应的权重因子。
具体的，所述扩散区域的物资资源储备评定指数，其具体分析过程为：
基于目标公共事件的性质，进而与数据云平台中存储的各性质公共事件所属各种紧急救援物资进行匹配，得到目标公共事件所属各种紧急救援物资。
获取扩散区域所属各种救援物资的存储量，从中筛分并统计目标公共事件所属各种紧急救援物资的存储量，其中g表示为各种紧急救援物资的编号，/>，h表示为紧急救援物资的总种类，并根据预定义的各性质公共事件对应单个人员所属各种紧急救援物资的基础需求量，从中筛分目标公共事件对应单个人员所属各种紧急救援物资的基础需求量/>，同时提取扩散区域在当前监测时间点的常住人口总数量/>，进而计算扩散区域的物资资源储备评定指数/>，/>
其计算公式为：；
需要说明的是，上述获取扩散区域所属各种救援物资的存储量，是通过应急管理部门协调和管理救援物资的储备和分配，从粮食储备库以及相关组织设立的物资储备库中获取各种救援物资目前的存储量。
在一个具体实施例中，本发明通过分析计算扩散区域的医疗资源储备评定指数以及物资资源储备评定指数，实现对扩散区域内的医疗资源以及物资资源进行详细分析，不仅能够及时的反映出资源储备的可用情况，且能够为资源的调度管控提供数据支持。
所述应急预案构建提示模块用于整合分析目标公共事件的综合评价系数，进而构建目标公共事件对应的应急预案，并进行实时数据反馈提示。
具体的，所述目标公共事件的综合评价系数，其具体分析过程为：
整合计算目标公共事件的综合评价系数，其计算公式为：
，其中/>、/>、/>以及/>分别表示为设定的目标公共事件的扩散趋向指数、扩散区域的人口影响指数、医疗资源储备评定指数以及物资资源储备评定指数对应的权重因子。
在一个具体实施例中，本发明通过整合分析目标公共事件的综合评价系数，进而构建目标公共事件对应的应急预案，并进行实时数据反馈提示，提高了对目标公共事件的预测进行管控的及时性，不仅便捷了相关人员的管理，同时增加了对公共卫生事件进行实时数据反馈的时效性。
进一步的，所述构建目标公共事件对应的应急预案，其具体分析过程为：
依据目标公共事件的综合评价系数，进而与数据云平台中存储的各性质公共事件在各综合评价系数区间下所属救助等级进行匹配，得到目标公共事件所属救助等级，将目标公共事件所属救助等级与设定的各救助等级对应的应急预案进行匹配，从而构建目标公共事件对应的应急预案，并进行实时数据反馈提示；
需要说明的是，上述构建目标公共事件对应的应急预案，是由于公共卫生事件的等级不同，其相对应的应急预案也会有所不同，不同等级的公共卫生事件可能具有不同的传播方式、严重程度和影响范围，因此需要采取对应的应急预案来应对，应急预案涵盖的内容包括但不仅限于物资、设备、人力资源和财政等方面的调配供应举措。
在一个具体实施例中，本发明通过提供一种实时数据分析与公共卫生事件预测系统，能够针对发生的公共卫生事件进行及时有效的数据处理反馈，有效提高了对目标公共事件预测的科学化水平，为全面的反映出目标公共事件的扩散趋势提供了更加具有科学性和时效性的数据依据，进而有助于减少对公众健康产生的危害。
所述数据云平台用于存储目标公共事件的历史数据，存储各性质公共事件对应的人员影响潜伏期，存储各性质公共事件所属关联影响人员对应的参照人员影响率，存储各性质公共事件所属各种紧急救援物资以及在各综合评价系数区间下所属救助等级，存储各扩散趋向指数区间下对应的扩散区域所属参照划分直径，并存储各治疗等级所需医护人员数量。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
Claims (10)
1.一种实时数据分析与公共卫生事件预测系统，其特征在于，包括：
目标公共事件数据获取模块，用于将本次发生的公共卫生事件记为目标公共事件，并获取目标公共事件所属基础特性数据；
基础特性数据分析模块，用于对目标公共事件所属基础特性数据进行分析，判定目标公共事件的扩散趋向指数，记为；
扩散区域评定分析模块，用于依据目标公共事件的扩散趋向指数，据此评定扩散区域，进而分析计算扩散区域的人口影响指数，记为；
资源储备数据分析模块，用于对扩散区域的资源储备数据进行分析，进而计算扩散区域的医疗资源储备评定指数以及物资资源储备评定指数，分别记为和/>；
应急预案构建提示模块，用于整合分析目标公共事件的综合评价系数，进而构建目标公共事件对应的应急预案，并进行实时数据反馈提示；
数据云平台，用于存储目标公共事件的历史数据，存储各性质公共事件对应的人员影响潜伏期，存储各性质公共事件所属关联影响人员对应的参照人员影响率，存储各性质公共事件所属各种紧急救援物资以及在各综合评价系数区间下所属救助等级，存储各扩散趋向指数区间下对应的扩散区域所属参照划分直径，并存储各治疗等级所需医护人员数量。
2.根据权利要求1所述的一种实时数据分析与公共卫生事件预测系统，其特征在于：所述目标公共事件所属基础特性数据包括事件性质、发生时间点以及初始发生位置点。
3.根据权利要求2所述的一种实时数据分析与公共卫生事件预测系统，其特征在于：所述对目标公共事件所属基础特性数据进行分析，其具体分析过程为：
获取目标公共事件的各次历史发生开始时间点，并将相邻的历史发生开始时间点记为目标公共事件的发生间隔时长，并依据设定的当前监测时间点，进而获取目标公共事件在当前监测时间点下的关联影响人员总计数量/>，同时依据预定义的各性质公共事件所属关联影响人员对应单位发生间隔时长的最大限度出现数量，从中筛分目标公共事件所属关联影响人员对应单位发生间隔时长的最大限度出现数量/>进而计算目标公共事件的人员增长速度评定系数/>其计算公式为：
；
其中e表示为自然常数；从数据云平台中提取目标公共事件的历史数据，其中历史数据包括历史影响人数以及历史治愈人数，分别记为和/>，进而计算目标公共事件的治愈人员评定系数/>，其计算公式为：
；
其中表示为设定的目标公共事件的治愈人员对应的修正因子；
依据数据云平台中存储的各性质公共事件对应的人员影响潜伏期，从中提取目标公共事件对应的人员影响潜伏期，并提取人员影响潜伏期的时长，进而计算目标公共事件的潜伏期评定系数/>，其计算公式为：
；
其中表示为预定义的目标公共事件对应的人员影响潜伏期单位时长的影响因子。
4.根据权利要求3所述的一种实时数据分析与公共卫生事件预测系统，其特征在于：所述目标公共事件的扩散趋向指数，其具体计算过程为：
依据目标公共事件的人员增长速度评定系数、治愈人员评定系数以及潜伏期评定系数，进而计算目标公共事件的扩散趋向指数，其计算公式为：
；
其中，/>和/>分别表示为设定的目标公共事件的人员增长速度评定系数、治愈人员评定系数以及潜伏期评定系数对应的权重因子。
5.根据权利要求1所述的一种实时数据分析与公共卫生事件预测系统，其特征在于：所述扩散区域的人口影响指数，其具体分析过程为：
获取目标公共事件的所属区域地图，并根据目标公共事件的初始发生位置点，从而在目标公共事件的所属区域地图中定位至目标公共事件的初始发生位置点，并依据目标公共事件的扩散趋向指数，进而与数据云平台中存储的各扩散趋向指数区间下对应的扩散区域所属参照划分直径进行匹配，得到目标公共事件的扩散趋向指数对应的扩散区域所属参照划分直径，并以目标公共事件的初始发生位置点为扩散区域划分圆心点，划分得到目标公共事件对应的扩散区域，标定为扩散区域；
统计扩散区域在当前监测时间点的常住人口总数量，并获取扩散区域的占地面积，同时基于预定义的扩散区域所属参照人员居住密度/>，进而计算扩散区域的人员居住密集性评定系数/>，其计算公式为：
；
依据目标公共事件的性质，进而与数据云平台中存储的各性质公共事件所属关联影响人员对应的参照人员影响率进行匹配，得到目标公共事件所属关联影响人员对应的参照人员影响率，进而计算扩散区域的人员影响评定系数/>，其计算公式为：
；
其中表示为预定义的目标公共事件所属单个影响人员对应的评定影响因子；综合计算扩散区域的人口影响指数/>，其计算公式为：
；
其中和/>分别表示为设定的扩散区域的人员居住密集性评定系数以及人员影响评定系数对应的权重因子。
6.根据权利要求1所述的一种实时数据分析与公共卫生事件预测系统，其特征在于：所述扩散区域的医疗资源储备评定指数，其具体分析过程为：
获取扩散区域的各医院，并记为各关联医院，由此提取各关联医院的医疗资源数据，其中医疗资源数据包括各类药物存储量、各科室的空余床位数量以及各科室所属医护人员数目；
依据目标公共事件的性质，进而与预定义的各性质公共事件所属人员的需求药物种类进行匹配，得到目标公共事件所属人员的需求药物种类，记为指定种类药物，由此提取各关联医院的指定种类药物存储量，记为，其中j表示为各关联医院的编号，/>，n表示为关联医院的数目，同理，匹配得到目标公共事件所属人员治疗科室，记为指定科室，由此提取各关联医院的指定科室床位总数量以及空余床位数量；
基于目标公共事件的性质，进而与预定义的各性质公共事件对应单个人员的指定种类药物需求量进行匹配，得到目标公共事件对应单个人员的指定种类药物需求量，从而计算扩散区域的药物存储量评定系数/>，其计算公式为：
；
依据设定的扩散区域的床位可用程度影响因子以及目标公共事件的单个床位对应的可用评定因子/>，并基于各关联医院的指定科室床位总数量/>以及空余床位数量，进而计算扩散区域的床位可用程度评定系数/>，其计算公式为：
；
获取并统计各关联医院的指定科室所属医护人员数目，同时依据扩散区域在当前监测时间点的关联影响人员总计数量，与预定义的各关联影响人员总计数量区间对应的治疗等级进行比对，得到扩散区域在当前监测时间点对应的治疗等级，进而与数据云平台中存储的各治疗等级所需医护人员数量进行匹配，得到扩散区域在当前监测时间点所需医护人员数量/>，进而计算得到扩散区域的医护人员数量评定系数/>，其计算公式为：
。
7.根据权利要求6所述的一种实时数据分析与公共卫生事件预测系统，其特征在于：所述扩散区域的医疗资源储备评定指数，其具体计算过程为：
依据扩散区域的药物存储量评定系数、床位可用程度评定系数以及医护人员数量评定系数，进而计算扩散区域的医疗资源储备评定指数，其计算公式为：
；
其中，/>和/>分别表示为设定的扩散区域的药物存储量评定系数、床位可用程度评定系数以及医护人员数量评定系数对应的权重因子。
8.根据权利要求1所述的一种实时数据分析与公共卫生事件预测系统，其特征在于：所述扩散区域的物资资源储备评定指数，其具体分析过程为：
基于目标公共事件的性质，进而与数据云平台中存储的各性质公共事件所属各种紧急救援物资进行匹配，得到目标公共事件所属各种紧急救援物资；
获取扩散区域所属各种救援物资的存储量，从中筛分并统计目标公共事件所属各种紧急救援物资的存储量，其中g表示为各种紧急救援物资的编号，/>，h表示为紧急救援物资的总种类，并根据预定义的各性质公共事件对应单个人员所属各种紧急救援物资的基础需求量，从中筛分目标公共事件对应单个人员所属各种紧急救援物资的基础需求量/>，同时提取扩散区域在当前监测时间点的常住人口总数量/>，进而计算扩散区域的物资资源储备评定指数/>，其计算公式为：
。
9.根据权利要求1所述的一种实时数据分析与公共卫生事件预测系统，其特征在于：所述目标公共事件的综合评价系数，其具体分析过程为：
整合计算目标公共事件的综合评价系数，其计算公式为：
；
其中，/>和/>以及/>分别表示为设定的目标公共事件的扩散趋向指数、扩散区域的人口影响指数、医疗资源储备评定指数以及物资资源储备评定指数对应的权重因子。
10.根据权利要求1所述的一种实时数据分析与公共卫生事件预测系统，其特征在于：所述构建目标公共事件对应的应急预案，其具体分析过程为：
依据目标公共事件的综合评价系数，进而与数据云平台中存储的各性质公共事件在各综合评价系数区间下所属救助等级进行匹配，得到目标公共事件所属救助等级，将目标公共事件所属救助等级与设定的各救助等级对应的应急预案进行匹配，从而构建目标公共事件对应的应急预案，并进行实时数据反馈提示。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310930964.5A CN116644869B (zh) | 2023-07-27 | 2023-07-27 | 一种实时数据分析与公共卫生事件预测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310930964.5A CN116644869B (zh) | 2023-07-27 | 2023-07-27 | 一种实时数据分析与公共卫生事件预测系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116644869A true CN116644869A (zh) | 2023-08-25 |
| CN116644869B CN116644869B (zh) | 2023-11-10 |
Family
ID=87623373
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310930964.5A Active CN116644869B (zh) | 2023-07-27 | 2023-07-27 | 一种实时数据分析与公共卫生事件预测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116644869B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116933981A (zh) * | 2023-09-15 | 2023-10-24 | 安徽方能电气技术有限公司 | 基于停复电事件数据监测的区域电力稳定性分析评价方法 |
| CN117172501A (zh) * | 2023-09-21 | 2023-12-05 | 奇点数联(北京)科技有限公司 | 一种基于数据挖掘的物资分配系统 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090319295A1 (en) * | 2006-07-25 | 2009-12-24 | Kass-Hout Taha A | Global disease surveillance platform, and corresponding system and method |
| US20140164022A1 (en) * | 2012-12-10 | 2014-06-12 | Atlantic Health System, Inc., a NJ non-profit corporation | Patient Directed Healthcare System |
| 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 |
| CN112382403A (zh) * | 2020-09-30 | 2021-02-19 | 哈尔滨工业大学 | 一种基于人员聚集度的seiqr传染病模型的构建方法 |
| KR102232807B1 (ko) * | 2020-09-28 | 2021-03-25 | 이다은 | 감염병 관리 어플리케이션 제공 시스템 |
| CN112652403A (zh) * | 2020-12-25 | 2021-04-13 | 中国科学技术大学 | 疫情预测方法及装置 |
| CN113113154A (zh) * | 2021-04-16 | 2021-07-13 | 南方科技大学 | 一种传染病防控方法、装置、计算机设备及存储介质 |
| US20210249138A1 (en) * | 2018-06-18 | 2021-08-12 | Nec Corporation | Disease risk prediction device, disease risk prediction method, and disease risk prediction program |
| CN113517075A (zh) * | 2021-06-25 | 2021-10-19 | 联通(广东)产业互联网有限公司 | 一种基于传染病动力学的传染病预测方法、系统及介质 |
| CN114566290A (zh) * | 2022-02-18 | 2022-05-31 | 云南省急救中心 | 一种应对医务人员疑似职业暴露的预警分析方法 |
| CN114723133A (zh) * | 2022-04-07 | 2022-07-08 | 华北科技学院(中国煤矿安全技术培训中心) | 一种紧急事件下城市应急预警和疏散指挥方法及系统 |
| CN114912734A (zh) * | 2022-02-18 | 2022-08-16 | 程庆林 | 一种传染病公共卫生事件应急健康传播性能的评估系统 |
| CN116313143A (zh) * | 2023-03-03 | 2023-06-23 | 山东真泰信息科技有限公司 | 一种大规模群体传染病检测仿真建模方法、装置及设备 |
| CN116362519A (zh) * | 2023-05-12 | 2023-06-30 | 河北金锁安防工程股份有限公司 | 一种基于城市公共卫生事件的应急资源管理系统 |
-
2023
- 2023-07-27 CN CN202310930964.5A patent/CN116644869B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090319295A1 (en) * | 2006-07-25 | 2009-12-24 | Kass-Hout Taha A | Global disease surveillance platform, and corresponding system and method |
| US20140164022A1 (en) * | 2012-12-10 | 2014-06-12 | Atlantic Health System, Inc., a NJ non-profit corporation | Patient Directed Healthcare System |
| US20210249138A1 (en) * | 2018-06-18 | 2021-08-12 | Nec Corporation | Disease risk prediction device, disease risk prediction method, and disease risk prediction program |
| 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 |
| KR102232807B1 (ko) * | 2020-09-28 | 2021-03-25 | 이다은 | 감염병 관리 어플리케이션 제공 시스템 |
| CN112382403A (zh) * | 2020-09-30 | 2021-02-19 | 哈尔滨工业大学 | 一种基于人员聚集度的seiqr传染病模型的构建方法 |
| CN112652403A (zh) * | 2020-12-25 | 2021-04-13 | 中国科学技术大学 | 疫情预测方法及装置 |
| CN113113154A (zh) * | 2021-04-16 | 2021-07-13 | 南方科技大学 | 一种传染病防控方法、装置、计算机设备及存储介质 |
| CN113517075A (zh) * | 2021-06-25 | 2021-10-19 | 联通(广东)产业互联网有限公司 | 一种基于传染病动力学的传染病预测方法、系统及介质 |
| CN114566290A (zh) * | 2022-02-18 | 2022-05-31 | 云南省急救中心 | 一种应对医务人员疑似职业暴露的预警分析方法 |
| CN114912734A (zh) * | 2022-02-18 | 2022-08-16 | 程庆林 | 一种传染病公共卫生事件应急健康传播性能的评估系统 |
| CN114723133A (zh) * | 2022-04-07 | 2022-07-08 | 华北科技学院(中国煤矿安全技术培训中心) | 一种紧急事件下城市应急预警和疏散指挥方法及系统 |
| CN116313143A (zh) * | 2023-03-03 | 2023-06-23 | 山东真泰信息科技有限公司 | 一种大规模群体传染病检测仿真建模方法、装置及设备 |
| CN116362519A (zh) * | 2023-05-12 | 2023-06-30 | 河北金锁安防工程股份有限公司 | 一种基于城市公共卫生事件的应急资源管理系统 |
Non-Patent Citations (1)
| Title |
|---|
| 沈世敬: "传染病预测模型的应用及研究进展", 《中华医院感染学杂志》, no. 16, pages 2550 - 2554 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116933981A (zh) * | 2023-09-15 | 2023-10-24 | 安徽方能电气技术有限公司 | 基于停复电事件数据监测的区域电力稳定性分析评价方法 |
| CN116933981B (zh) * | 2023-09-15 | 2023-12-08 | 安徽方能电气技术有限公司 | 基于停复电事件数据监测的区域电力稳定性分析评价方法 |
| CN117172501A (zh) * | 2023-09-21 | 2023-12-05 | 奇点数联(北京)科技有限公司 | 一种基于数据挖掘的物资分配系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116644869B (zh) | 2023-11-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116644869B (zh) | 一种实时数据分析与公共卫生事件预测系统 | |
| US7685000B1 (en) | Predictive modeling system and method for disease management | |
| CN108573752A (zh) | 一种基于健康大数据的健康信息处理的方法及系统 | |
| US20140337047A1 (en) | Scoring, evaluation, and feedback related to ems clinical and operational performance | |
| CN111695836B (zh) | 临床试验在线运行管控集成系统 | |
| CN108766542A (zh) | 一种数据分析处理方法和系统 | |
| CN114300106A (zh) | 医疗资源分配方法、装置及电子设备 | |
| Cheesman et al. | Epidemiology of anesthesia-related complications in labor and delivery, New York State, 2002-2005 | |
| CN112950433A (zh) | 一种基于DRGs的病种组成本数据采集与核算系统 | |
| Jamjoom et al. | Improving outpatient waiting time using simulation approach | |
| Wujcik et al. | Electronic patient symptom management program to support patients receiving cancer treatment at home during the COVID-19 pandemic | |
| CN113592259A (zh) | 医院指标考核全量分析任务分配系统及方法 | |
| CN115798715B (zh) | 基于数据分析的慢性呼吸疾病防治信息管理系统 | |
| JP2003526137A (ja) | 職員配置を自動的に割り振るための方法および装置 | |
| Pecoraro et al. | A methodology of healthcare quality measurement: a case study | |
| CN113870987A (zh) | 一种医用智能床位柜的使用方法 | |
| US20220028558A1 (en) | Systems and methods for allocating resources in mental health treatment | |
| CN114842975A (zh) | 一种单位团体健康管理方法及系统 | |
| CN113781277A (zh) | 一种开展康养服务的终端、系统和数据处理方法 | |
| Bernet et al. | Potential of electronic medical record data for national quality measurement | |
| Vieta et al. | Which Nontraditional Outcomes Should Be Measured in Healthcare Decision‐Making in Schizophrenia? A Systematic Review | |
| CN111685742A (zh) | 一种用于脑卒中病治疗的评估系统及方法 | |
| Rastpour et al. | Modeling yellow and red alert durations for ambulance systems | |
| Shaw | Assessing quality in mental health care: the United Kingdom experience | |
| CN211044320U (zh) | 一种基于机构养老中心的智慧养老管理服务系统 |
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 |