基于主题词异构网络的冠状病毒知识发现研究

目的 构建基于主题词的知识发现模型,提供一种有效发掘细粒度知识关联的方法,并针对冠状病毒开展应用研究。方法 提取PubMed数据库中冠状病毒研究文献标注的MeSH组配词,构建主题词异构网络,通过重启随机游走算法(RWR)挖掘网络中的潜在关联,根据概率高低确定预测结果。结果 经ROC验证,模型的AUC值为0.806,预测效果良好。经模型预测发现,“如何治疗新型冠状病毒感染引发的急性肾损伤”和“如何预防疫苗接种引发的血栓”可能是冠状病毒感染治疗、预防的潜在研究方向。结论 通过MeSH词构建的知识发现模型能够发现细粒度的知识关联,有效弥补传统文献计量方法的不足。

基于ARIMA模型的地区武装冲突期间埃博拉病毒病疫情发展趋势预测

目的探讨差分自回归移动平均(ARIMA)模型预测刚果(金)埃博拉病毒病疫情的可行性,分析武装冲突对疫情传播的影响,为防控工作提供参考依据。方法收集刚果(金)2019年9月至2020年2月埃博拉病毒病累计新增确诊病例数据,利用拟合函数求导处理,转换为每日新增确诊病例数并建立ARIMA模型,预测确诊数和死亡数并对模型预测的准确性进行评估。结果在平台期内北基伍省和伊图里省每日新增确诊病例的最优ARIMA模型分别为ARIMA(3,2,2)和ARIMA(1,2,6),预测的数据和拟合值吻合;进入冲突期后,因ARIMA预测值未考虑冲突影响,两地每日新增确诊病例数高于考虑了冲突的拟合结果。结论在不考虑武装冲突的情况下,ARIMA模型预测刚果(金)埃博拉病毒病疫情拟合效果相对较好,武装冲突可致每日新增确诊病例降低。该模型在埃博拉病毒病的预测预警中起到辅助作用,可为疫情的控制和医疗资源的合理调配提供参考。