JP2020527787A - 感染症の予測方法、コンピュータ装置及び不揮発性読み取り可能な記憶媒体 - Google Patents
感染症の予測方法、コンピュータ装置及び不揮発性読み取り可能な記憶媒体 Download PDFInfo
- Publication number
- JP2020527787A JP2020527787A JP2019572831A JP2019572831A JP2020527787A JP 2020527787 A JP2020527787 A JP 2020527787A JP 2019572831 A JP2019572831 A JP 2019572831A JP 2019572831 A JP2019572831 A JP 2019572831A JP 2020527787 A JP2020527787 A JP 2020527787A
- Authority
- JP
- Japan
- Prior art keywords
- season
- probability
- epidemic
- turning point
- time
- 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
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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
Description
感染症モニタリングの時系列データを取得するステップと、
前記時系列データにおける各感染症モニタリングデータの対応時点が流行季節/非流行季節の転換点に属する確率を計算し、確率系列を獲得するステップと、
前記確率系列における確率ピークを決定して確率ピーク系列を得るステップと、
前記確率ピーク系列における確率ピークを選別し、選別した確率ピークに基づき前記時系列データに おける流行季節/非流行季節の転換点を得るステップと、
流行季節/非流行季節ごとに、流行季節の起点である上昇転換点と、流行季節の終点である下降転換点を含む転換点のタイプを決定するステップと、を備えることを特徴とする感染症の予測方法を提供する。
図1は本願発明の実施例1に係る感染症流行予測方法を示すフローチャートである。
P(rt|rt−1)が大きくなればなるほど、次の時点tが流行季節/非流行季節の転換点となる確率が高くなる。
P=[P0、P1、P2、…、Pt]
ステップ103では、前記確率系列における確率ピークを決定して確率ピーク系列を得る。
図2は本願発明の実施例2に係る感染症流行予測装置を示した構造図である。
P(rt|rt−1)が大きくなればなるほど、次の時点tが流行季節/非流行季節の転換点となる確率が高くなる。
Pt(rt)=Pt−1(rt−1)*Pt(rt|rt−1)*P(xt|x1:t−1)
以上の方法で時点0から時点tまで流行季節/非流行季節の転換点に属する確率を計算し、以下の確率系列を得る。しかし
P=[P0、P1、P2、…、Pt]
第1決定ユニット203は、前記確率系列における確率ピークを決定して確率ピーク系列を得るように構成される。
図3は本願発明の実施例3に係るコンピュータ装置の模式図である。
実施例4
本実施例は、プロセッサによって実行される時に、上述した疾患異常データ検出方法の実施例におけるステップ、例えば、図1に示すステップ101〜105を実現するためのコンピュータ可読コマンドを格納する不揮発性可読記憶媒体を提供する。
本願発明で提供されるいくつかの実施例で開示されたコンピュータ装置および方法は、他の方法で実施されてもよいことを理解されたい。
Claims (20)
- 感染症流行の予測方法であって、
感染症モニタリングの時系列データを取得するステップと、
前記時系列データにおける各感染症モニタリングデータの対応時点が流行季節/非流行季節の転換点に属する確率を計算し、確率系列を獲得するステップと、
前記確率系列における確率ピークを決定して確率ピーク系列を得るステップと、
前記確率ピーク系列における確率ピークを選別し、選別した確率ピークに基づき前記時系列データにおける流行季節/非流行季節の転換点を得るステップと、
流行季節/非流行季節ごとに、流行季節の起点である上昇転換点と、流行季節の終点である下降転換点を含む転換点のタイプを決定するステップと、
を備えることを特徴とする感染症流行の予測方法。 - 前記時系列データは、X=[x0、x1、x2、…、xt]であり、時点0は既知の前の流行季節/非流行季節の転換点であり、時点tは所与の時点であり、rt表示は時点tから前の流行季節/非流行季節の転換点までの間隔であり、前記時系列データの各感染症モニタリングデータに対応する時点が流行季節/非流行季節の転換点に属する確率を計算するステップは、ステップaとステップbを備え、
前記ステップaにおいて、時点tにおけるrtの取り得る値の確率を計算し、
そのうちμ1:t−1が[x0、…、xt−1]の平均値で、σ1:t−1が[x0、…、xt−1]の標準偏差をし、
(2)前の時点rt−1の確率P(rt−1)を計算し、
rtはすべて前の時点rt−1から転化して、rt=rt−1+1またはrt=0が得られ、
(3)rt−1からrtに転化する時の確率P(rt|rt−1)を計算し、
P(rt|rt−1)は調整可能なパラメータであり、P(rt|rt−1)が大きければ大きいほど、次の時点tが流行季節/非流行季節の転換点となる確率が高くなり、
前記ステップbにおいて、時点tが流行季節/非流行季節の転換点に属する確率Pt、すな
項1記載の方法。 - 前記確率ピーク系列における確率ピークを選別し、選別した確率ピークに基づき、前記時系列データの流行季節/非流行季節の転換点が得られるステップにおいて、
前記確率ピーク系列の予め設定された百分位数を算出し、前記予め設定された百分位数を選別の閾値とし、前記確率ピーク系列における確率ピークが予め設定された百分位数より大きい場合、前記確率ピークを流行季節/非流行季節の転換点とするステップと、あるいは、
前記確率ピーク系列の平均値を算出し、前記平均値を選別の閾値とし、前記確率ピーク系列における確率ピークが前記平均値よりも大きい場合、前記確率ピークを流行季節/非流行季節の転換点とするステップと、あるいは、
前記確率ピーク系列の中央値を算出し、前記中央値を選別の閾値とし、前記確率ピーク系列における確率ピークが前記中央値よりも大きい場合、前記確率ピークを流行季節/非流行季節の転換点とするステップと、を備えることを特徴とする請求項1記載の方法。 - 感染症モニタリングデータには、感染症の受診数、受診率、発病数或いは発病率が含まれることを特徴とする請求項1記載の方法。
- 前記流行季節/非流行季節の転換点ごとにタイプを決定するステップにおいて、
前記時系列データにおける前記流行季節/非流行季節の転換点からその前の流行季節/非流行季節の転換点までの平均値を算出し、前記流行季節/非流行季節の転換点からその前の流行季節/非流行季節の転換点までの平均値に基づき、前記流行季節/非流行季節の転換点のタイプを決定するステップと、あるいは、
前記時系列データにおける前記流行季節/非流行季節の転換点からその前の流行季節/非流行季節の転換点までの平均値、及び前記流行季節/非流行季節の転換点からその次の流行季節/非流行季節の転換点までの平均値を算出し、前記流行季節/非流行季節の転換点からその前の流行季節/非流行季節の転換点までの平均値、及び前記流行季節/非流行季節の転換点からその次の流行季節/非流行季節の転換点までの平均値に基づき、前記流行季節/非流行季節の転換点のタイプを決定するステップと、
を備えることを特徴とする請求項1記載の方法。 - 前記感染症モニタリング時系列データを獲得するステップにおいて、
予め設定された地域に、複数の監視拠点からなる感染症モニタリングネットワークを構築し、前記監視拠点から感染症モニタリングデータを採集し、前記感染症モニタリングデータから前記感染症モニタリング時系列データを構成するステップを備えることを特徴とする請求項1記載の方法。 - 前記監視拠点には、予め設定された人数または規模を満たす医療機関、学校、保育所及び薬局を含むことを特徴とする請求項6記載の方法。
- 前記確率系列における確率ピークを決定するステップにおいて、
確率系列における各確率とその前・後に隣接する確率の大きさを順に比較し、当該確率がその前・後に隣接する確率よりも大きい場合、当該確率が確率系列における確率ピークであることを特徴とする請求項1記載の方法。 - 少なくとも1つのコンピュータ可読コマンドを記憶するための記憶装置と、少なくとも1つのコンピュータ可読コマンドを実行するためのプロセッサとを含むコンピュータ装置であって、
前記プロセッサによって前記少なくとも1つのコンピュータ可読コマンドが実行される際、
感染症モニタリングの時系列データを取得するステップと、
前記時系列データにおける各感染症モニタリングデータ別の対応時点が流行季節/非流行季節の転換点に属する確率を計算し、確率系列を獲得するステップと、
前記確率系列における確率ピークを決定して確率ピーク系列を得るステップと、
前記確率ピーク系列における確率ピークを選別し、選別した確率ピークに基づき前記時系列データにおける流行季節/非流行季節の転換点を得るステップと、
流行季節/非流行季節ごとに、流行季節の起点である上昇転換点と、流行季節の終点である下降転換点を含む転換点のタイプを決定するステップと、を実現することを特徴とするコンピュータ装置。 - 前記時系列データは、X=[x0、x1、x2、…、xt]であり、時点0は、既知の前の流行季節/非流行季節の転換点であり、時点tは所与の時点であり、rtは時点tから前の流行季節/非流行季節の転換点までの間隔であり、前記時系列データの各感染症モニタリングデータに対応する時点が流行季節/非流行季節の転換点に属する確率を計算するステップは、ステップaとステップbを備え、前記ステップaにおいて、時点tにおけるrtの取り得る値の確率を計算し、
そのうちμ1:t−1が[x0、…、xt−1]の平均値を示し、σ1:t−1が[x0、…、xt−1]の標準偏差を示し、
(2)前の時点rt−1の確率P(rt−1)を計算し、
rtはすべて前の時点rt−1から転化して、rt=rt−1+1またはrt=0が得られ、
(3)rt−1からrtに転化する時の確率P(rt|rt−1)を計算し、
確率P(rt|rt−1)は人為的に調整できるパラメータであり、
P(rt|rt−1)が大きければ大きいほど、次の時点tが流行季節/非流行季節の転換点となる確率が高くなり、
前記ステップbにおいて、時点tが流行季節/非流行季節の転換点に属する確率Pt、すな
項9記載のコンピュータ装置。 - 前記確率ピーク系列における確率ピークを選別し、選別した確率ピークに基づき前記時系列データにおける流行季節/非流行季節の転換点が得られるステップにおいて、
前記確率ピーク系列の予め設定された百分位数を算出し、前記予め設定された百分位数を選別の閾値とし、前記確率ピーク系列における確率ピークが予め設定された百分位数より大きい場合、前記確率ピークを流行季節/非流行季節の転換点とするステップと、あるいは、
前記確率ピーク系列の平均値を算出し、前記平均値を選別の閾値とし、前記確率ピーク系列における確率ピークが前記平均値よりも大きい場合、前記確率ピークを流行季節/非流行季節の転換点とするステップと、あるいは、
前記確率ピーク系列の中央値を算出し、前記中央値を選別の閾値とし、前記確率ピーク系列における確率ピークが前記中央値よりも大きい場合、前記確率ピークを流行季節/非流行季節の転換点とするステップと、を備えることを特徴とする請求項9記載のコンピュータ装置。 - 。
前記流行季節/非流行季節の転換点ごとにタイプを決定するステップにおいて、
前記時系列データにおける前記流行季節/非流行季節の転換点からその前の流行季節/非流行季節の転換点までの平均値を算出し、前記流行季節/非流行季節の転換点からその前の流行季節/非流行季節の転換点までの平均値に基づき、前記流行季節/非流行季節の転換点のタイプを決定するステップと、あるいは、
前記時系列データにおける前記流行季節/非流行季節の転換点からその前の流行季節/非流行季節の転換点までの平均値、及び前記流行季節/非流行季節の転換点からその次の流行季節/非流行季節の転換点までの平均値を算出し、前記流行季節/非流行季節の転換点からその前の流行季節/非流行季節の転換点までの平均値、及び前記流行季節/非流行季節の転換点からその次の流行季節/非流行季節の転換点までの平均値に基づき、前記流行季節/非流行季節の転換点のタイプを決定するステップと、
を備えることを特徴とする請求項9記載のコンピュータ装置。 - 。
前記感染症モニタリング時系列データを獲得するステップにおいて、
予め設定された地域に、複数の監視拠点からなる感染症モニタリングネットワークを構築し、前記監視拠点から感染症モニタリングデータを採集し、前記感染症モニタリングデータから前記感染症モニタリング時系列データを構成するという前記感染症モニタリング時系列データを構成するステップを備えることを特徴とする請求項9記載のコンピュータ装置。 - 前記確率系列における確率ピークを決定するステップにおいて、
確率系列における各確率とその前・後に隣接する確率の大きさを順に比較し、当該確率がその前・後に隣接する確率よりも大きい場合、当該確率が確率系列における確率ピークであることを特徴とする請求項9記載のコンピュータ装置。 - 少なくとも1つのコンピュータ可読コマンドが格納された不揮発性可読記憶媒体であって、
前記少なくとも1つのコンピュータ可読コマンドプロセッサによって実行される際、
感染症モニタリングの時系列データを取得するステップと、
前記時系列データにおける各感染症モニタリングデータ別の対応時点が流行季節/非流行季節の転換点に属する確率を計算し、確率系列を獲得するステップと、
前記確率系列における確率ピークを決定して確率ピーク系列を得るステップと、
前記確率ピーク系列における確率ピークを選別し、選別した確率ピークに基づき前記時系列データにおける流行季節/非流行季節の転換点を得るステップと、
流行季節/非流行季節ごとに、流行季節の起点である上昇転換点と、流行季節の終点である下降転換点を含む転換点のタイプを決定するステップと、
を実現することを特徴とする不揮発性可読記憶媒体。 - 前記時系列データは、X=[x0、x1、x2、…、xt]であり、時点0は、既知の前の流行季節/非流行季節の転換点であり、時点tは所与の時点であり、rtは時点tから前の流行季節/非流行季節の転換点までの間隔であり、前記時系列データの各感染症モニタリングデータに対応する時点が流行季節/非流行季節の転換点に属する確率を計算するステップは、ステップaとステップbを備え、前記ステップaにおいて、時点tにおけるrt取り得る値の確率を計算し、
そのうちμ1:t−1が[x0、…、xt−1]の平均値を示し、σ1:t−1が[x0、…、xt−1]の標準偏差を示し、
(2)前の時点rt−1の確率P(rt−1)を計算し、
rtはすべて前の時点rt−1から転化して、rt=rt−1+1またはrt=0が得られ、
(3)rt−1からrtに転化する時の確率P(rt|rt−1)を計算し、
確率P(rt|rt−1)は人為的に調整できるパラメータであり、
P(rt|rt−1)が大きければ大きいほど、次の時点tが流行季節/非流行季節の転換点となる確率が高くなり、
前記ステップbにおいて、時点tが流行季節/非流行季節の転換点に属する確率Pt、すな
項15記載の記憶媒体。 - 前記確率ピーク系列における確率ピークを選別し、選別した確率ピークに基づき、前記時系列データにおける流行季節/非流行季節の転換点が得られるステップにおいて、
前記確率ピーク系列の予め設定された百分位数を算出し、前記予め設定された百分位数を選別の閾値とし、前記確率ピーク系列における確率ピークが予め設定された百分位数より大きい場合、前記確率ピークは流行季節/非流行季節の転換点とするステップと、あるいは、
前記確率ピーク系列の平均値を算出し、前記平均値を選別の閾値とし、前記確率ピーク系列における確率ピークが前記平均値よりも大きい場合、前記確率ピークを流行季節/非流行季節の転換点とするステップと、あるいは、
前記確率ピーク系列の中央値を算出し、前記中央値を選別の閾値とし、前記確率ピーク系列における確率ピークが前記中央値よりも大きい場合、前記確率ピークを流行季節/非流行季節の転換点とするステップと、を備えることを特徴とする請求項15記載の記憶媒体。 - 。
前記流行季節/非流行季節の転換点ごとにタイプを決定するステップにおいて、
前記時系列データにおける前記流行季節/非流行季節の転換点からその前の流行季節/非流行季節の転換点までの平均値を算出し、前記流行季節/非流行季節の転換点からその前の流行季節/非流行季節の転換点までの平均値に基づき、前記流行季節/非流行季節の転換点のタイプを決定するステップと、あるいは、
前記時系列データにおける前記流行季節/非流行季節の転換点からその前の流行季節/非流行季節の転換点までの平均値、及び前記流行季節/非流行季節の転換点からその次の流行季節/非流行季節の転換点までの平均値を算出し、前記流行季節/非流行季節の転換点からその前の流行季節/非流行季節の転換点までの平均値、及び前記流行季節/非流行季節の転換点からその次の流行季節/非流行季節の転換点までの平均値に基づき、前記流行季節/非流行季節の転換点のタイプを決定するステップと、
を備えることを特徴とする請求項15記載の記憶媒体。 - 前記感染症モニタリング時系列データを獲得するステップにおいて、
予め設定された地域に、複数の監視拠点からなる感染症モニタリングネットワークを構築し、前記監視拠点から感染症モニタリングデータを採集し、前記感染症モニタリングデータから前記感染症モニタリング時系列データを構成するという前記感染症モニタリング時系列データを構成するステップを備えることを特徴とする請求項15記載の記憶媒体。 - 前記確率系列における確率ピークを決定する方法であり、
確率系列における各確率とその前・後に隣接する確率の大きさを順に比較し、当該確率がその前・後に隣接する確率よりも同時に大きい場合、当該確率が確率系列における確率ピークとなることを特徴とする請求項15記載の記憶媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810322421.4 | 2018-04-11 | ||
CN201810322421.4A CN108630321B (zh) | 2018-04-11 | 2018-04-11 | 流行病预测方法、计算机装置及计算机可读存储介质 |
PCT/CN2018/099663 WO2019196283A1 (zh) | 2018-04-11 | 2018-08-09 | 流行病预测方法、计算机装置及非易失性可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020527787A true JP2020527787A (ja) | 2020-09-10 |
JP6950008B2 JP6950008B2 (ja) | 2021-10-13 |
Family
ID=63705116
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019572831A Active JP6950008B2 (ja) | 2018-04-11 | 2018-08-09 | コンピュータ装置による感染症流行の予測方法、コンピュータ装置及び不揮発性読み取り可能な記憶媒体 |
Country Status (3)
Country | Link |
---|---|
JP (1) | JP6950008B2 (ja) |
CN (1) | CN108630321B (ja) |
WO (1) | WO2019196283A1 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109767842B (zh) * | 2018-12-13 | 2023-08-22 | 平安科技(深圳)有限公司 | 一种疾病预警方法、疾病预警装置及计算机可读存储介质 |
CN110047593A (zh) * | 2019-04-12 | 2019-07-23 | 平安科技(深圳)有限公司 | 疾病流行季等级的确定方法、装置、设备及可读存储介质 |
CN111145917B (zh) * | 2020-01-20 | 2021-05-04 | 罗晖 | 一种面向流行病防控的大规模人口接触网络建模方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010146223A (ja) * | 2008-12-18 | 2010-07-01 | Hitachi Ltd | 行動抽出システム、行動抽出方法、及びサーバ |
CN101894309A (zh) * | 2009-11-05 | 2010-11-24 | 南京医科大学 | 传染病疫情预测预警方法 |
JP2011128935A (ja) * | 2009-12-18 | 2011-06-30 | Noriaki Aoki | 感染症予測システム |
WO2014045351A1 (ja) * | 2012-09-19 | 2014-03-27 | 株式会社 東芝 | 時系列データ蓄積装置 |
US20140095417A1 (en) * | 2012-10-01 | 2014-04-03 | Frederick S.M. Herz | Sdi (sdi for epi-demics) |
JP2015152933A (ja) * | 2014-02-10 | 2015-08-24 | オムロン株式会社 | 監視装置及び監視方法 |
JP2016081321A (ja) * | 2014-10-17 | 2016-05-16 | 日本電気株式会社 | 感染症流行予測装置、感染症流行予測方法及びプログラム |
JP2017194785A (ja) * | 2016-04-19 | 2017-10-26 | 株式会社デンソー | 業務評価システム |
JP2017204214A (ja) * | 2016-05-13 | 2017-11-16 | 株式会社リコー | 情報処理装置及びプログラム |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7457731B2 (en) * | 2001-12-14 | 2008-11-25 | Siemens Medical Solutions Usa, Inc. | Early detection of disease outbreak using electronic patient data to reduce public health threat from bio-terrorism |
US20100274573A1 (en) * | 2006-03-09 | 2010-10-28 | Microsoft Corporation | Data relevation and pattern or event recognition |
CN101339078A (zh) * | 2007-07-05 | 2009-01-07 | 王俪谕 | 禽畜流感疾病的预警装置 |
US20170316324A1 (en) * | 2016-04-27 | 2017-11-02 | Virginia Polytechnic Institute And State University | Computerized Event-Forecasting System and User Interface |
CN106599553B (zh) * | 2016-11-29 | 2019-08-16 | 中国科学院深圳先进技术研究院 | 疾病预警装置 |
CN107871538A (zh) * | 2016-12-19 | 2018-04-03 | 平安科技(深圳)有限公司 | 基于宏观因子的大数据预测方法及系统 |
CN107633254A (zh) * | 2017-07-25 | 2018-01-26 | 平安科技(深圳)有限公司 | 建立预测模型的装置、方法及计算机可读存储介质 |
CN107688872A (zh) * | 2017-08-20 | 2018-02-13 | 平安科技(深圳)有限公司 | 预测模型建立装置、方法及计算机可读存储介质 |
-
2018
- 2018-04-11 CN CN201810322421.4A patent/CN108630321B/zh active Active
- 2018-08-09 JP JP2019572831A patent/JP6950008B2/ja active Active
- 2018-08-09 WO PCT/CN2018/099663 patent/WO2019196283A1/zh active Application Filing
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010146223A (ja) * | 2008-12-18 | 2010-07-01 | Hitachi Ltd | 行動抽出システム、行動抽出方法、及びサーバ |
CN101894309A (zh) * | 2009-11-05 | 2010-11-24 | 南京医科大学 | 传染病疫情预测预警方法 |
JP2011128935A (ja) * | 2009-12-18 | 2011-06-30 | Noriaki Aoki | 感染症予測システム |
WO2014045351A1 (ja) * | 2012-09-19 | 2014-03-27 | 株式会社 東芝 | 時系列データ蓄積装置 |
US20140095417A1 (en) * | 2012-10-01 | 2014-04-03 | Frederick S.M. Herz | Sdi (sdi for epi-demics) |
JP2015152933A (ja) * | 2014-02-10 | 2015-08-24 | オムロン株式会社 | 監視装置及び監視方法 |
JP2016081321A (ja) * | 2014-10-17 | 2016-05-16 | 日本電気株式会社 | 感染症流行予測装置、感染症流行予測方法及びプログラム |
JP2017194785A (ja) * | 2016-04-19 | 2017-10-26 | 株式会社デンソー | 業務評価システム |
JP2017204214A (ja) * | 2016-05-13 | 2017-11-16 | 株式会社リコー | 情報処理装置及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
CN108630321A (zh) | 2018-10-09 |
JP6950008B2 (ja) | 2021-10-13 |
CN108630321B (zh) | 2020-02-21 |
WO2019196283A1 (zh) | 2019-10-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9830801B2 (en) | Alarm management system | |
US10347373B2 (en) | Intelligent integration, analysis, and presentation of notifications in mobile health systems | |
JP6950008B2 (ja) | コンピュータ装置による感染症流行の予測方法、コンピュータ装置及び不揮発性読み取り可能な記憶媒体 | |
WO2019196282A1 (zh) | 疾病异常数据检测方法及装置、计算机装置及存储介质 | |
CN104091373B (zh) | 一种健康保健智慧管理系统 | |
Mustapha et al. | Impact of industry 4.0 on healthcare: a systematic literature review (SLR) from the last decade | |
US10268784B2 (en) | Real-time predictive simulation modeling | |
CN103905549A (zh) | 基于物联网和云计算的健康管理系统及方法 | |
CN112185586A (zh) | 一种传染病监测预警方法及装置 | |
Lang et al. | The impact of an electronic patient bedside observation and handover system on clinical practice: mixed-methods evaluation | |
CN113345583A (zh) | 一种构建全生命周期居民智慧健康档案的方法及系统 | |
CN113555136A (zh) | 一种基于医工融合技术的五位一体综合医养系统 | |
Salsabilla et al. | Cost-Effectiveness of telemedicine in Asia: a scoping review | |
WO2019196279A1 (zh) | 疾病异常数据检测方法及装置、计算机装置及存储介质 | |
CN117038039A (zh) | 一种基于深度学习的智慧病房资源调度方法和系统 | |
Fägerstad et al. | Dental avoidance among adolescents–a retrospective case–control study based on dental records in the public dental service in a Swedish county | |
CN106778049A (zh) | 一种基于大数据平台的社区精准医疗救助及其方法 | |
Willetts et al. | Big data, big data analytics application to smart home technologies and services for geriatric rehabilitation | |
Shojaei et al. | Investigating impacts of telemedicine on emergency department through decreasing non-urgent patients in spain | |
CN111784453B (zh) | 基于区块链的跨平台医药集采价格同步方法及相关装置 | |
US20180349558A1 (en) | Systems and methods for autonomous discharge queue management | |
US10431339B1 (en) | Method and system for determining relevant patient information | |
Lai et al. | Healthcare with wireless communication and smart meters | |
CN114582510A (zh) | 一种基于大数据的ai健康监测管理系统 | |
Wayne | Health-care spending to reach 20% of us economy by 2021 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191216 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191216 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20201221 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210105 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210323 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210817 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210831 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210914 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210922 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6950008 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |