一种基于病毒检出率的传染病重症、死亡风险预警系统及方法技术方案

本发明专利技术涉及一种基于病毒检出率的传染病重症、死亡风险预警系统及方法，包括风险定义模块、风险要素选取模块、风险网络构建模块、风险评估预测模块、分级预警模块；本发明专利技术可有效解决传统基于传染病异常分布判断的预警模式的判断不确切、不及时、易产生过度预警等问题；可用于对我国国家传染病监测自动预警信息平台的传染病早期时空预警模式进行补充和优化。

【技术实现步骤摘要】
一种基于病毒检出率的传染病重症、死亡风险预警系统及方法
本专利技术涉及一种基于病毒检出率的传染病重症、死亡风险预测系统及方法，可根据传染病的某种致病病毒的检出率,结合气象环境和风险人群分布情况，快速确定该传染病未来发生重症、死亡的风险，并由此有针对性地发出预警，可用于补充和优化我国国家传染病监测自动预警信息平台的传染病早期时空预警模式。
技术介绍
近年来，日趋严重的环境污染和资源匮乏、原有生物病原体的耐药性变异、新发传染病的出现、经济欠发达地区和国家薄弱的公共卫生服务能力、城市地区人口的过度密集、国家和地区间交流的日益频繁、以及部分地区极端民族主义和宗教势力的增长，使得全球逐渐进入了一个突发公共卫生事件的高发时期，人类的生命安全受到了严重威胁。如何有效的防范突发事件带来的危害，已成为各国政府面临的严峻课题。建立包括传染病早期预警系统在内的突发公共卫生事件应急反应体系是有效控制传染病暴发与流行以及有效地应对重大公共卫生事件的重要措施。只有及早的发现异常健康事件的苗头，科学、有效的对“苗头”突发公共卫生事件做出预警，才能为实施各种应对措施赢得时间，把突发公共卫生事件控制在萌芽状态而不致造成危机，或者能够最大限度地降低危机的危害程度。我国于2003年启动了《突发公共卫生事件应急反应机制建设项目》，通过项目的实施，国家建立了以个案报告为基础的传染病与突发公共卫生事件信息报告管理系统(简称网络直报系统)，又于2005年启动了重点传染病监测自动预警信息系统建设与应用试点项目。由此，经过近10年的努力，我国建立起覆盖世界最多人群的传染病监测自动预警信息系统。该系统采用动态百分位数控制图法和空间扫描统计量相结合的时空预警办法，主动地探测疾病的异常聚集分布。这种方法是对已经产生的病例的聚集性进行探测，不具有前瞻性。并且仅利用了病例总数和发病率信息，并没有全面考虑其它的监测报告种类(气象、人口流动、物品流动与购销、重点场所及重点人群的就诊患病等)，易造成预警的不确切、不及时。同样，预警阈值的确定也是个难题。另外算法计算的复杂性，利用模型进行大范围的传染病时空聚集性探测需要耗费大量的时间和计算资源。
技术实现思路
本专利技术的技术解决问题是：本专利技术采取利用当前监测区域的某特定传染病病理、环境风险要素来预测未来一段时间内区域传染病重症、死亡发生风险，由此进行预警，能够克服现有传染病监测自动预警信息系统的预警模式不具有前瞻性的问题。而且本专利技术是根据未来一段时间传染重症、死亡发生风险的不同紧急情况，有针对性地发出预警信号，可有效解决传统基于传染病异常分布判断的预警模式的判断不确切、不及时、易产生过度预警等问题；可用于对我国国家传染病监测自动预警信息平台的传染病早期时空预警模式进行补充和优化。本专利技术的技术解决方案为：一种基于病毒检出率的传染病重症、死亡风险预警系统及方法，其充分利用当前时间段的监测区域特定传染病重症、死亡相关的病理、环境要素来进行下一个时间段的传染病重症、死亡风险预警，如图1所示包括：风险定义模块：扫描监测区域的传染病监测网络数据库，选取监测网络中过去一段时间里每一个月和历史时间段斑块内的特定传染病普通病例和重症、死亡病例，利用移动百分位数方法来确定传染病重症、死亡发生率的历史基线，由此定义监测区域在过去一段时间里每一个月该传染病重症、死亡风险等级。将风险等级定义结果存入风险样本数据库里。风险要素选取模块：在风险定义模块确定了风险样本之后，风险要素选取模块采用专家打分法或阅览文献等手段，在监测区域众多环境要素中分析、选取过去同时间段里与该传染病每个月的重症、死亡风险相关的前一个月的病理、环境要素，建立风险要素体系。再利用相关性分析来确定最终的进行传染病重症、死亡风险预测所需的病理、环境要素。将这些要素进行离散化处理，结果存入环境要素样本数据库。同时也对当前月的相关病理和环境要素数据进行同样的处理，也存入到环境要素样本数据库里。风险网络构建模块：结合风险样本数据库和环境要素样本数据库里的数据，利用基于信息论的网络结构学习方法，建立在过去一段时间里监测区域的最能反映病理、环境要素与重症、死亡发生风险之间关系的贝叶斯网络；所建立的网络里的节点分别代表了指示传染病重症、死亡发生风险等级变量和相关病理、环境要素变量。该模块建立的风险网络将推送到风险评估预测模块里进行当前监测区域该传染病的重症、死亡风险估计。风险评估预测模块：风险评估预测模块读取环境要素样本数据库中当前月所选的相关病理、环境要素数据，利用风险网络构建模块所建立的风险网络，通过联合概率公式计算下一个月监测区域传染病重症、死亡各种风险等级发生的可能性大小。在这基础上，风险评估预测模块选择可能性最大的风险等级作为下一个月重症、死亡风险等级，作为判断条件推送给分级预警模块。分级预警模块：根据风险评估预测模块推送的下一个月监测区域的该传染病重症、死亡风险等级，有针对性地发出两种紧急程度预警或不进行预警。预警信号包括风险等级、预警涉及区域和时间段信息。预警信号可以以短信和网络页面形式，向疾病预防控制部门的专职工作人员进行推送。所述风险网络构建模块实现过程如下：(1)先建立以图形化方式进行表达的贝叶斯网络初始结构G＝<V,E>，其中结构图G中的节点V所对应的是指示传染病重症、死亡发生风险等级变量和已选择的病理、环境要素变量。节点V之间暂时没有连接边E，标示变量间暂无依赖关系；(2)在监测区域病理、环境风险和传染病重症、死亡发生风险历史资料的基础上，利用公式(1)计算了每对节点间的交互信息I(vi,vj)。Pr(vi,vj)表示节点对vi,vj所代表的两种变量所示情况同时发生的可能性大小，Pr(vi)、Pr(vj)分别表示单个节点vi或vj所代表的变量所示情况同时发生的可能性大小。对于所有交互信息大于阈值ε的节点对，按照交互信息值大小从大到小依次插入链表L中，此时建立一个指针P指向链表L的第一个节点对。(3)从链表L中移出前两个节点对，将相应的连接边放入连接边E中，并把指针P移到下一个节点对。从链表L中取出指针P所指向的节点对，如果这两个节点间没有连接路径存在，就将对应的边加入到连接边E中并将对应的节点对从链表L中删除，然后将指针P指向链表L中的下一个节点对。重复执行加边删点的步骤，直到指针P指向链表L的尾，或者图G中包含了h-1条边时为止。h是图G中的节点数。当图G包含h-1条边，若再加一条边就会形成回路。(4)再将指针P指向链表L的第一个节点对，取出指针P所指向的节点对vi,vj，在结构图G中寻找能隔断这对节点联系的隔断节点集合。利用公式(2)计算了每个节点对中单个节点vn与结构图G中其它某一节点vs间的条件交互信息I(vn,vs|C)，C为节点集，vn为节点对vi,vj中任意一节点。Pr(vn,vs|C)表示节点集C中节点对vi,vj所代表的两种变量所示情况同时发生的可能性大小，Pr(vn|C)、Pr(vs|C)分别表示节点集C中单个节点vn或vs所代表的变量所示情况同时发生的可能性大小。若I(vn,vs|C)小于阈值ε，则节点对vn,vs不能条件独立于隔断节点集，那么在连接边E中删除节点对vn,vs之间的连接边，增加节点对和隔断节点间的连接边。重复执行该本文档来自技高网...

【技术保护点】
一种基于病毒检出率的传染病重症、死亡风险预警系统，其特征在于包括：风险定义模块、风险要素选取模块、风险网络构建模块、风险评估预测模块和分级预警模块；其中：风险定义模块：扫描监测区域的传染病监测网络数据库，选取监测网络中过去一段时间里每一个月和历史时间段斑块内的特定传染病普通病例和重症、死亡病例，利用移动百分位数方法来确定传染病重症、死亡发生率的历史基线，由此定义监测区域在过去一段时间里每一个月该传染病重症、死亡风险等级；将风险等级定义结果存入风险样本数据库里；风险要素选取模块：在风险定义模块确定了风险样本之后，风险要素选取模块采用专家打分法或阅览文献等手段，在监测区域众多环境要素中分析、选取过去同时间段里与该传染病每个月的重症、死亡风险相关的前一个月的病理、环境要素，建立风险要素体系；再利用相关性分析来确定最终的进行传染病重症、死亡风险预测所需的病理、环境要素；将这些要素进行离散化处理，结果存入环境要素样本数据库；同时也对当前月的相关病理和环境要素数据进行同样的处理，也存入到环境要素样本数据库里；风险网络构建模块：结合风险样本数据库和环境要素样本数据库里的数据，利用基于信息论的网络结构学习方法，建立在过去一段时间里监测区域的最能反映病理、环境要素与重症、死亡发生风险之间关系的贝叶斯网络；所建立的网络里的节点分别代表了指示传染病重症、死亡发生风险等级变量和相关病理、环境要素变量；该模块建立的风险网络将推送到风险评估预测模块里进行当前月监测区域该传染病的重症、死亡风险估计；风险评估预测模块：风险评估预测模块读取环境要素样本数据库中当前月所选的相关病理、环境要素数据，利用风险网络构建模块所建立的风险网络，通过联合概率公式计算下一个月监测区域传染病重症、死亡各种风险等级发生的可能性大小；在这基础上，风险评估预测模块选择可能性最大的风险等级作为下一个月重症、死亡风险等级，作为判断条件推送给分级预警模块；分级预警模块：根据风险评估预测模块推送的下一个月监测区域的该传染病重症、死亡风险等级，有针对性地发出两种紧急程度预警或不进行预警；预警信号包括风险等级、预警涉及区域和时间段信息；预警信号可以以短信和网络页面形式，向疾病预防控制部门的专职工作人员进行推送。...

【技术特征摘要】
1.一种基于病毒检出率的传染病重症、死亡风险预警系统，其特征在于包括：风险定义模块、风险要素选取模块、风险网络构建模块、风险评估预测模块和分级预警模块；其中：风险定义模块：扫描监测区域的传染病监测网络数据库，选取监测网络中过去一段时间里每一个月和历史时间段斑块内的特定传染病普通病例和重症、死亡病例，利用移动百分位数方法来确定传染病重症、死亡发生率的历史基线，由此定义监测区域在过去一段时间里每一个月该传染病重症、死亡风险等级；将风险等级定义结果存入风险样本数据库里；风险要素选取模块：在风险定义模块确定了风险样本之后，风险要素选取模块采用专家打分法或阅览文献手段，在监测区域众多环境要素中分析、选取过去同时间段里与该传染病每个月的重症、死亡风险相关的前一个月的病理、环境要素，建立风险要素体系；再利用相关性分析来确定最终的进行传染病重症、死亡风险预测所需的病理、环境要素；将这些要素进行离散化处理，结果存入环境要素样本数据库；同时也对当前月的相关病理和环境要素数据进行同样的处理，也存入到环境要素样本数据库里；风险网络构建模块：结合风险样本数据库和环境要素样本数据库里的数据，利用基于信息论的网络结构学习方法，建立在过去一段时间里监测区域的最能反映病理、环境要素与重症、死亡发生风险之间关系的贝叶斯网络；所建立的网络里的节点分别代表了指示传染病重症、死亡发生风险等级变量和相关病理、环境要素变量；该模块建立的风险网络将推送到风险评估预测模块里进行当前月监测区域该传染病的重症、死亡风险估计；风险评估预测模块：风险评估预测模块读取环境要素样本数据库中当前月所选的相关病理、环境要素数据，利用风险网络构建模块所建立的风险网络，通过联合概率公式计算下一个月监测区域传染病重症、死亡各种风险等级发生的可能性大小；在这基础上，风险评估预测模块选择可能性最大的风险等级作为下一个月重症、死亡风险等级，作为判断条件推送给分级预警模块；分级预警模块：根据风险评估预测模块推送的下一个月监测区域的该传染病重症、死亡风险等级，有针对性地发出两种紧急程度预警或不进行预警；预警信号包括风险等级、预警涉及区域和时间段信息；预警信号以短信和网络页面形式，向疾病预防控制部门的专职工作人员进行推送；所述的风险网络构建模块实现过程如下：(1)先建立以图形化方式进行表达的贝叶斯网络初始结构G＝<V,E>，其中结构图G中的节点V所对应的是指示传染病重症、死亡发生风险等级变量和已选择的病理、环境要素变量；节点V之间暂时没有连接边E，标示变量间暂无依赖关系；(2)在监测区域病理、环境风险和传染病重症、死亡发生风险历史资料的基础上，利用公式(1)计算了每对节点间的交互信息I(vi,vj)；Pr(vi,vj)表示节点对vi,vj所代表的两种变量所示情况同时发生的可能性大小，Pr(vi)、Pr(vj)分别表示单个节点vi或vj所代表的变量所示情况分别发生的可能性大小；对于所有交互信息大于阈值ε的节点对，按照交互信息值大小从大到小依次插入链表L中，此时建立一个指针P指向链表L的第一个节点对；(3)从链表L中移出前两个节点对，将相应的连接边放入连接边E中，并把指针P移到下一个节点对；从链表L中取出指针P所指向的节点对，如果这两个节点间没有连接路径存在，就将对应的边加入到连接边E中并将对应的节点对从链表L中删除，然后将指针P指向链表L中的下一个节点对；重复执行加边删点的步骤，直到指针P指向链表L的尾，或者图G中包含了h-1条边时为止；h是图G中的节点数；当图G包含h-1条边，若再加一条边就会形成回路；(4)再将指针P指向链表L的第一个节点对，取出指针P所指向的节点对vi,vj，在结构图G中寻找能隔断这对节点联系的隔断节点集合；利用公式(2)计算了每个节点对中单个节点vn与结构图G中其它某一节点vs间的条件交互信息I(vn,vs|C)，C为节点集，vn为节点对vi,vj中任意一节点；Pr(vn,vs|C)表示节点集C中节点对vi,vj所代表的两种变量所示情况同时发生的可能性大小，Pr(vn|C)、Pr(vs|C)分别表示节点集C中单个节点vn或vs所代表的变量所示情况发生的可能性大小；若I(vn,vs|C)小于阈值ε，则节点对vn,vs不能条件独立于隔断节点集，那么在连接边E中删除节点对vn,vs之间的连接边，增加节点对和隔断节点间的连接边；重复执行该步骤，直到指针P指向链表L的尾；(5)对于在连接边E中的边E(vi,vj)，如果在节点vi或vj之间还存在有其它边，那么将边E(vi,vj)暂时从连接边E中删除，如果这两个节点不能被隔开，将边E(vi,vj)重新加入连接边E；否则永久删除这条边；最后给当前图中的边定向；(6)当贝叶斯网络结构一旦确定，基于历史数据资料，计算网络结构里在过去一段时间里前一个月的病理、环境要素组合条件下，下一个月的各种传染病重症、死亡发生风险等级发生的联合概率分布，由此得到监测区域下一个月里各种传染病重症、死亡发生风险等级发生的可能性大小；根据历史资料来优化调整网络结构。2.一种基于病毒检出率的传染病重症、死亡风险预警方法，其特征在于步骤如下：(1)根据监测区域的传染病监测网络中过去一段时间里每个月和之前几个月的历史时间段斑块内的特定传染病普通病例和重症、死亡病例，通过移动百分位数方法，观察按照月为时间单位移动的周期重症、死亡发生率水平，并同步移动计算历史重症、死亡发生...

【专利技术属性】
技术研发人员：廖一兰，王劲峰，高立冬，徐冰，胡世雄，刘小驰，杨兆臣，
申请(专利权)人：中国科学院地理科学与资源研究所，
类型：发明
国别省市：北京;11