信息流行病学:医院图书馆的新机遇

目的 探讨医院图书馆开展信息流行病学研究的意义和可行性。方法 分析医院图书馆开展信息流行病学研究的背景、意义、优势和掣肘、研究方向和主题。结果 医院图书馆开展信息流行病学研究有着学科背景的优势和资源的便利,且能在网络健康信息评价、网络卫生信息监测、医疗干预措施评估、舆情分析管理研究等多个方面开展研究。结论 医院图书馆开展信息流行病学研究可促进自身转型并助力于医院决策,具有可行性。

基于信息流行病学的社会化媒体数据研究进展

从信息流行病学角度阐述国内外基于社会化媒体数据开展的健康相关信息研究,着重介绍患者体验信息分析利用,从方法学和实践层面分析研究面临的问题与挑战,提出未来研究方向。

基于VOSviewer软件的信息流行病学领域研究热点与主题分析

目的了解全球信息流行病学相关研究主题、热点和发展趋势。方法检索截止到2023年3月3日Web of Science核心合集数据库中收录的信息流行病学相关文献。利用VOSviewer 1.6.19可视化分析工具总结纳入文献的年度发表量、出版期刊、研究机构及作者信息等;并对出现频次前100的关键词进行共现聚类分析,分析研究热点主题与趋势。结果截止到2023年3月3日,共检索到14521篇文献。文献年度发文量2001年超100篇且呈逐年平稳增加趋势,2020年发表文献量由于COVID-19疫情出现了成倍增长且2021年达到峰值(2593篇),2022年有所下降(1973篇);出版文献数量前10位的期刊来自5个国家,出版量总计2099篇(14.46%,2099/14521);发表文献数量前10位的研究机构(除WHO外)来自4个国家,发文量总计2943篇(20.27%,2943/14521);发表文献数量前10位的作者来自中国和英国,发文量均在40篇以上,总计566篇(3.90%,566/14521);高频关键词聚类于4个重要领域[艾滋病(HIV/AIDS)、流行病学(epidemiology)、流行病(epidemic)和COVID-19]和3个热点主题(艾滋病公共卫生监测、流行病信息监测和COVID-19信息流行病)。结论当前信息流行病学的研究热点集中于COVID-19的信息流行病管理,包括SARS-CoV-2、信息流行病、精神卫生和社交媒体等内容。今后将围绕公共卫生焦点问题以信息流行病管理方式开展流行病学相关研究。

信息流行病学研究进展

搜索引擎和社交媒体等网络技术的普及为实时管理用户生成数据提供了机会。通过对网络来源的数据分析,可以了解人们所关注的健康问题,用于传染病流行的预测和慢性非传染性疾病的监测等。信息流行病学(Infodemiology,也称Information Epidemiology)由此产生,旨在研究电子媒介中健康信息的发生、分布和影响因素,以提高人们对疾病和健康问题的认识,并为疾病防控策略的制定提供依据。本文针对信息流行病学的研究进展进行概述。

Python爬虫技术在信息流行病学中的应用

Python网络爬虫技术是一种通过模拟用户的网络浏览行为以实现从网络中自动、大量提取信息的技术,是信息流行病学研究收集并整合多源异构信息数据的关键基础。Python网络爬虫可分为简单爬虫与大型爬虫,集数据采集与数据库构建于一体,语法简洁、灵活性高、学习成本低、维护成本低。它适用于信息流行病学的各种应用场景,通过对互联网中健康相关信息的分析,实现多种公共卫生监测、健康干预实施及效果评价、智慧寻医方略优化等目标。近年,我国政府开始鼓励对含互联网信息在内的多源大数据的整合利用,在此背景下,Python爬虫技术的应用场景势必会越来越多,相应的人才培养、技术革新建议纳入到公共卫生教育和科研体系之中。

信息流行病学在应对新冠肺炎疫情中的应用

信息流行病学是研究大流行暴发时社会化媒体和互联网信息对人群健康影响的一门交叉学科。过去,有关研究主要集中在公共卫生监测、药物警戒、健康干预项目实施及效果评估等领域。2019年新型冠状病毒肺炎的发生和互联网技术飞速发展,使得新冠疫情成为人类历史上首次大规模使用网络资源和社交媒体传播信息的大流行病。然而,海量的准确与不实信息并存,对缺乏专业知识的普通民众产生了负面影响,国内外对信息流行病学的关注因此由传统领域逐渐转变为舆情管理。通过梳理其既往的研究与在新冠肺炎疫情中的应用,探索信息流行病学的应用前景。

基于信息流行病学的中医药防治新冠肺炎的研究特征分析及演进规律研究

目的以中医药防治新冠肺炎为例,对中医对新发传染病的研究演进规律进行归纳和总结。方法通过检索中国知网(CNKI)系统性收集我国中医防治新冠肺炎相关文献,运用信息流行病学和信息计量学方法对文献的发表时间、期刊来源、关键词分布等特征指标进行分析,并探索其演进规律。结果命中1094篇文献,清洗后纳入分析1073篇。文献量整体呈正偏态分布,以3月份数量最多,之后总体呈现下降趋势。核心期刊、双核心期刊平均刊文量是非核心期刊的1.34倍和2.11倍。作者单位以医院、高校及科研院所最多,分别占比为52.25%和39.64%,机构间合作以两者之间的合作为主。关键词分析提示主要关注辨证施治、预防为主和数据挖掘。结论中医药应对新突发传染病的早期重点关注病例总结和辨证施治,以30天左右可以形成有效的诊疗和预防方案为主要目标,之后可以将研究内容扩展到护理、中药、针灸理疗等。在中医药应对新突发传染病的过程中,辨证施治是其核心,预防为主是其灵魂,医院和高校及科研院所是开展相关研究的主力,核心期刊在刊文方面具有引导作用,数据挖掘的作用越来越受到关注。

基于BERT的流行病学调查信息文本的命名实体识别

为准确抽取流行病学调查信息中的关键实体,构建了基于COVID-19确诊病例流调信息文本的命名实体语料集;提出了基于BERT预训练语言模型的流行病学调查流调信息的命名实体识别方法。该方法首先通过预训练语言模型BERT根据字的上下文动态生成语义向量作为模型输入,通过嵌入条件随机场(CRF)的双向长短时记忆(BiLSTM)神经网络模型获取输入文本序列的上下文特征,解码标注提取出相应的9个实体类型。为进一步提升实体识别效果,对模型进行改进,继续增加注意力层,实验结果显示,模型识别的F1值在94.23%的基础上又提升了1.16%。

矛盾性健康信息的概念、分布及原因分析

本文试图从医学角度深入解释信息流行病学视角下矛盾性健康信息的概念、分布及原因。新冠肺炎疫情大流行引发了人们对信息流行病和信息流行病学的再次关注。从现象上看,信息流行病主要表现为围绕某一疾病的信息量短期内呈爆发式增长,且多呈现为错误/虚假信息、冲突性/矛盾性信息等异常状态。知识的不确定性、矛盾性和冲突性是信息流行病的主要原因。矛盾性健康信息定义为两个或多个在逻辑上不能同时成立的医学主张,主要涉及自身特征、时间分布、空间分布三个维度。在互联网和社交媒体成为人们获取健康信息的主要渠道,但公民健康信息素养较低的背景下,本文总结了矛盾性健康信息的产生原因及其在信息监测、证据综合、知识转化和健康教育中的应用价值。

头晕流行病学的研究进展

头晕是一种很常见的临床症状，为了更好地评估其在人群中的发病情况，详细的、综合考虑到耳科及神经科等因素的流行病学研究是十分必要的，这些流行病学信息可以帮助医生作出正确的临床决策，使患者接受到更好的处理和指导。本文主要针对近年国内外有关头晕流行病学的研究进展，进行了文献归纳与分析，希望在头晕的鉴别诊断及制定正确诊疗决策等方面对临床医生有所帮助。

流行病学研究中数字型ID编码的校验

在流行病学研究中存在大量个体样本，每个样本含有不同类型的研究内容，如样本的流行病学信息、实验室检测信息和用药信息等，这些信息存在于同一样本的不同调查表和不同的研究现场。为了确保个体样本信息的惟一性、关联性和易管理性，研究者大多采用十进制数字作为编码元素编制统一的ID编码，然后分配给每个研究对象作为其惟一的身份标识。但在实际工作中，处理这些十进制数字时常出现识别、书写和录入错误。

从“谷歌流感趋势”预测谈健康医疗大数据伦理

"谷歌流感趋势"是企业和政府部门合作,利用大数据预测流行病趋势的一次尝试和创新。虽然有很多成功的预测,但2009年的失败案例引发诸多的伦理学反思。从"大数据的傲慢"、"个体隐私和共同隐私的权衡"、"被动共享、算法黑箱和监督的缺失"、"大数据时代的小数据"等方面分析了"谷歌流感趋势"预测带来的伦理争论。在此基础上,政府应当引导、鼓励企业负责任地创新,对数据控制者和处理者的行为进行监督。与此同时,也应当发挥自由市场的作用,让互联网公司之间形成有效的合作机制,达到相互监督的效果。

浅析基于百度指数评估网络用户对于突发传染病的健康认知

本研究旨在了解国内网络用户对于人类感染新冠肺炎的认知程度及判断百度关键词日搜索指数在监测突发公共卫生事件中的可用性。 方法:研究时间节点确定在 2019 年 12 月 1 日至 2020 年 6 月 10 日,使用新冠肺炎有关 51 个百度关键词,比较不同百度关键词日搜索指数和新冠肺炎新增确诊病例、尚在医学观察人数和新增新冠肺炎治愈出院病例的相关性。结果:新型冠状病毒等 7 个关键词与新冠肺炎新增确诊病例、尚在医学观察人数和新增新冠肺炎治愈出院病例的相关性 r≥0.8。结论:百度指数可以作为评估新发传染病用户网络健康意识和预警的有效工具。

SARS抵抗者

每当瘟疫、战争、灾害来临之际,人们的第一反应往往会是逃避。这时,总会有一些人站起来,发起抵抗,唤醒其他人的斗志。当广州和北京等地先后遭遇SARS病毒侵袭之时,白衣战士们在用生命和SARS进行着肉搏;抗病物资生产一线的工人则用汗水和SARS赛跑;除此之外,还有一些人在用数字技术抵抗着SARS,朱荣辉就属于后者。

基于社交媒体的新冠肺炎(COVID-19)研究进展

2020年3月,世界卫生组织(World Health Organization,WHO)宣布,新型冠状病毒肺炎(coronavirus disease 2019,COVID-19)已发生全球性大流行。社交媒体作为一种实时开放的网络信息共享媒介,在疫情期间不仅为疫情信息监测与预判提供了有益数据来源,也为公众信息获取、医疗健康服务与舆情监测提供了重要途径,在疫情防控中体现出不可忽视的价值。然而,目前仍存在预测模型应用范围有限和易传播错误信息等缺陷。在全球化背景下,充分利用社交媒体及时、前瞻、敏感的监控优势,能够为COVID-19乃至未来新发传染病疫情的防控提供有益的思路和方法。未来可围绕如何制定基于社交媒体的预测流程范式以及消除数据共享壁垒等方面,逐步推进相关领域的方法优化与实践应用,为疫情防控提供支持和保障。

A Model-Embedded Trend Test with Incorporating Hardy-Weinberg Equilibrium Information

The genetic models are greatly important in the analysis of genetic epidemiologic studies and many of the studies are conducted using the trend test under the additive model. However, for many complex diseases and traits, the underlying genetic model for a genetic locus is usually uncertain. So a robust test free of genetic model is appropriate. In this paper, the authors propose a model-embedded trend test by incorporating Hardy-Weinberg equilibrium information and obtain the explicit formula to calculate its statistical significance. Extensive simulation studies show the proposed test is more robust than the existing procedures. Finally, a real application is further analyzed to show the performance of the proposed test.