基于互联网数据的传染病预测模型研究进展

目的/意义系统梳理基于互联网数据的传染病预测模型相关研究,助力实现传染病监测关口前移,为构建传染病智慧化立体防治体系提供参考。方法/过程对Web of Science核心数据库和中国知网收录的近20年基于互联网数据的传染病监测预警研究发展历程及研究方向进行梳理,分析当前主要问题与挑战,总结常见预测模型及其优化方向。结果/结论互联网传染病监测研究呈监测疾病多样化、数据来源精细化和专业化等趋势。由于互联网数据的复杂性和不确定性,现有模型大多仅适用于短时或实时预测。通过构建组合模型、加强多源数据融合、完善关键词与影响因素选择等方式,可进一步优化模型,加强拟合效果和预测能力。

利用电子地图实行传染病预警预测的探讨

目的探讨利用电子地图实行传染病预警预测的方法。方法应用灰色系统GM(1,1)模型的原理,建立《南宁市常规疫情辅助分析系统》,《南宁市疾病防控预警系统》。结果可根据用户选择的条件,进行各种比较查询,查询的结果用不同的颜色在地图上显示,以及将疾病的(发病或死亡数/率)和预期数据相比,如超过预期数据,则该区域立即显示红色,实现预警。结论该系统利于及时对疫情进行汇总、分析与评估,预测疫情的走向趋势,预防突发公共卫生事件的发生。

传染病预测预警方法的研究进展

传染病预测预警是目前广泛关注的热点和难点。传染病预测预警的主要目的是通过监测早期发现传染病发生的异常先兆或事件发展的不良趋势,进而提高传染病预防控制工作的主动性和预见性。目前传染病预测预警的方法包括应用互联网和社交媒体等数字化手段进行预测预警,利用症状监测进行预测预警,通过监测传染病发生的影响因素进行预测预警,应用现代科学技术和各种数学模型进行预测预警等。传染病预测预警工作的研究方法不再局限于原有的流行病学理论,已经向学科交叉和综合应用转变,对现代公共卫生和流行病学的发展产生了深远影响。

时空大数据分析技术在传染病预测预警中的应用

建立在泛在网络与空间信息技术之上的时空大数据为传染病预测预警提供了新的数据获取渠道和先进的数据处理方法,能够突破传统预测方法的局限,达到快速、及时、动态预测预警的目的,从而有效提高疫情防控的效率和效果。结合大数据技术原理,针对传染病疫情发生时蕴含在泛在网络中海量的时空信息,利用时空语义关联信息获取技术、时空信息处理及存储技术以及基于自然语义的文本时空动态分析技术,构建一种基于泛在网络的全方位、多视角、多层次、深入快捷的传染病疫情信息立体获取途径,与直报系统互补,为提高传染病疫情的预测预警及防控能力提供了一种新的技术和手段。

一种基于联邦学习与区块链的传染病预警模型

由于医疗数据中含有大量患者的隐私信息,传统的数据中心式模型训练方式在数据聚合过程中容易造成患者隐私泄漏。针对上述问题,提出了一种基于联邦学习的传染病预警模型,采用联邦学习的方法使各个数据节点能够在不上传本地电子病历数据的情况下,通过训练symptomBERT模型提取症状向量进行传染病预警,并采用信誉区块链选取可靠的数据节点,从而保证模型的训练效果。实验证明基于联邦学习的传染病预警模型能够在保护患者隐私的前提下,能够有效提取症状向量进行传染病预警。

基于自然语言处理和深度学习的急性呼吸道传染病早期识别模型的构建

目的通过深度学习算法构建急性呼吸道传染病早期识别模型,协助开展医疗机构呼吸道传染病早期识别工作。方法收集2012年1月-2023年3月北京某大型三甲医疗机构急性呼吸道感染性疾病6683例患者病历文本数据,使用基于自然语言处理(NLP)技术的双向编码器表征(BERT)训练词向量,结合卷积神经网络(CNN)和双向长短期记忆神经网络(BiLSTM)构建早期识别模型BERT_MCB,以受试者工作曲线、准确率、精确率、召回率和F1值等指标作为模型性能判断标准。结果BERT_MCB模型整体优于随机森林、BERT、BERT_CNN、BERT_RNN四组基线模型,其中准确率提高了1.20%~15.80%、精确率提高了1.66%~23.69%、召回率提高了0.25%~26.75%、F1值提高了0.66%~27.25%。结论本研究建立的急性呼吸道传染病早期识别模型可较为准确地识别出急性呼吸道传染病,表明深度学习算法在早期识别急性呼吸道传染病方面具有较好的应用前景。

现代数字技术赋能公共卫生高质量发展

在当今信息多元和数字爆炸的时代,物联网、大数据、人工智能、云计算等现代数字技术相互依托、互为补充,共同推动了我国数字化建设。新冠病毒感染的全球大流行更是加速了数字技术在公共卫生领域的应用和发展,使得公共卫生有关数据来源更加广泛且数据结构愈发多样化。在回顾国内外公共卫生信息化发展进程后,发现物联网、遥感技术、5G通信技术、大数据、人工智能、云计算等前沿技术已在传染病监测预测预警、卫生应急处置、慢性病和免疫规划管理、食品安全管理、人才培养、健康宣教等公共卫生多个领域得到了有效应用并取得了诸多成果。尽管数字技术在公共卫生领域应用过程中面临新的挑战,但毋庸置疑的是,公共卫生数字化发展已成为未来的必然方向。

传染病预测及模型选择研究进展

传染病是对人类社会存在威胁的全球公共卫生问题,传染病早期预警将大大降低传染病的社会经济危害。目前应用于预测传染病的数学模型和方法体系较为广泛的主要是传统方法、传播动力学模型以及多元统计。传统方法主要指回归方法、灰色模型、时间序列模型以及马尔科夫模型等,传播动力学模型的经典形式是SIS模型和SIR模型。多元统计如维度缩减、联合建模和向量累积等方法近年来也运用较多。模型研究对疾病的预测预警有重要意义。

澜湄次区域虫媒传染病联防联控平台的建设与实施

登革热、疟疾等重要虫媒传染病是澜湄次区域频发的热带传染病,对区域社会生产和人民生活构成重大威胁。为了控制区域虫媒病的传播,建设澜湄次区域虫媒传染病联防联控平台,作为响应我国"一带一路"倡议的典型案例,平台利用现代信息技术,增强对虫媒传染病的监测、预测、预警能力,便于相关组织或机构及时制定应对措施。

基于互联网大数据的传染病预测预警研究进展

传染病严重威胁人类生命健康,对其进行早期预测预警是防控传染病的关键。利用传统方法对传染病进行预警已不能满足当前传染病疫情早期预警的需求。随着大数据时代的到来,基于互联网大数据的传染病预测预警技术研究成为研究热点。本文结合案例,对基于互联网大数据的传染病预测预警方法和模型最新研究进展进行综述,旨在为公共卫生相关领域的研究人员提供参考。

运用德尔菲法构建三种疾病发病风险指数的探讨

目的构建马鞍山市流行性感冒(简称"流感")、手足口病、其他感染性腹泻病的风险指数模型,为疾病预测预警提供科学依据。方法采用德尔菲法(Delphi)确定疾病风险指数模型中的指标并计算各指标权重系数,建立流感、手足口病、其他感染性腹泻病风险指数的计算公式,各指标数据根据指标评分表转换为分值进入公式计算得出风险指数,再将风险指数参照风险等级判别规则,得出相应的风险等级。结果第一轮专家积极系数为100%,第二轮专家积极系数为89.5%。两轮咨询专家的权威系数均在0.70以上。专家两轮咨询协调系数差异均有统计学意义(P<0.05)。流感风险指数模型:Y=0.250×X1+0.270×X2+0.240×X3+0.083×X41+0.079×X42+0.078×X43;手足口病风险指数模型:Y=0.130×X1+0.130×X2+0.320×X3+0.143×X41+0.139×X42+0.138×X43;其他感染性腹泻病风险指数模型:Y=0.330×X1+0.330×X2+0.114×X31+0.114×X32+0.112×X33,并将近三年数据回代模型预测,与实际数据比较,一致率均在70%以上。结论马鞍山市三种疾病风险指数模型的建立,能够将数据通过简单的模型较好地转化为风险等级,能够发挥疾病发病风险提示作用。