一种流行性呼吸系统疾病发病人数和上升趋势预测方法技术方案

本发明专利技术公开了一种流行性呼吸系统疾病发病人数和上升趋势预测方法，获取已有的气候监测数据和病人数据；根据监测到数据，其中数据包括平均气温、平均气压和平均空气质量指数，并筛选出所需的气候因子；呼吸系统疾病按照气管炎、肺部感染和胸腔感染三类进行划分；建立病人数据与气候因子指标的时序连接。本发明专利技术提供了一种流行性呼吸系统疾病发病人数和上升趋势预测方法，通过对感染流行性呼吸系统疾病时的气候要素进行观测，然后对流行性呼吸系统疾病与气候状况之间的分析，以流行性呼吸系统疾病发病趋势和日期来进行科学有效的预测未来一段时间内流行性呼吸系统疾病的发病情况，以为民众提供有效的预防提示。以为民众提供有效的预防提示。

【技术实现步骤摘要】
一种流行性呼吸系统疾病发病人数和上升趋势预测方法


[0001]本专利技术涉及疾病防控领域，尤其涉及一种流行性呼吸系统疾病发病人数和上升趋势预测方法。

技术介绍

[0002]呼吸系统疾病是一种常见病、多发病，主要病变在气管、支气管、肺部及胸腔，病变轻者多咳嗽、胸痛、呼吸受影响，重者呼吸困难、缺氧，甚至呼吸衰竭而致死，呼吸系统疾病作为危害人类健康的主要疾病之一，特别随着天气的变化，流行性呼吸系统疾病很容易出现爆发的状况，如何通过科学有效的预测未来一段时间内流行性呼吸系统疾病的发病情况成为人们主要的研究对象，为此，我们提出一种流行性呼吸系统疾病发病人数和上升趋势预测方法。

技术实现思路

[0003]基于
技术介绍
存在的技术问题，本专利技术提出了一种流行性呼吸系统疾病发病人数和上升趋势预测方法。
[0004]本专利技术提供如下技术方案：
[0005]一种流行性呼吸系统疾病发病人数和上升趋势预测方法，包括如下步骤：
[0006]A、数据采集：获取已有的气候监测数据和病人数据；
[0007](1)气候监测数据处理：根据监测到数据，其中数据包括平均气温、平均气压和平均空气质量指数，并筛选出所需的气候因子；
[0008](2)病人数据处理：呼吸系统疾病按照气管炎、肺部感染和胸腔感染三类进行划分；
[0009]B、筛选：建立病人数据与气候因子指标的时序连接，将病人感染出现症状时间与天气记录的时间对应，然后计算出以时间为单位每一天的气候状况和病人数量；
[0010]C、预测：根据计算出的数据与流行性呼吸系统疾病发布指数，生成流行性呼吸系统疾病发病趋势预测提示。
[0011]优选的，所述步骤A在数据采集时，也可获取一定时间范围内的潜在样本数据；所述潜在样本数据包括：风速、平均气温、平均气压、降水量、平均湿度、最高气温、最低气温、平均空气质量指数和病例数，并对得到的数据分布特征进行分析，可得到基于时间上的数据分布特征。
[0012]优选的，所述步骤A中在获取气候监测数据时，也可获取城市中各设定区域的人口密度数据、大气污染物数据、气象数据及病例数据；然后构建与发病人数之间的暴露
‑
反应关系模型，暴露
‑
反应关系模型公式如下：
[0013]log[E(Y
t
)]＝α+DOW+βf(x
t
)+S(time,df)+S(Z
t
,df)
[0014]其中，t为观察日期，E(Y
t
)为t日疾病人数的期望值，DOW为虚拟变量星期效应，α为截距，β为回归系数，为t日的污染物浓度，S(time,df)、S(Z
t
,df)分别代表日历效应以及气
象条件的平滑函数；所述气象条件包括温度、相对湿度。
[0015]优选的，所述步骤B中在计算时，给出两个时间序列，分别为特征气候因子指标的时间序列x(t)和某一类型的呼吸系统疾病病人数量的时间序列y(t)：
[0016]x(t)＝{x(t)，x(t
‑
δt)，...，x(t
‑
(n
‑
1)δt)}；
[0017]y(t)＝{y(t)，y(t
‑
δt)，...，y(t
‑
(n
‑
1)δt)}；
[0018]n是嵌入维度，δt表示时间间隔。
[0019]本专利技术提供了一种流行性呼吸系统疾病发病人数和上升趋势预测方法，通过对感染流行性呼吸系统疾病时的气候要素进行观测，然后对流行性呼吸系统疾病与气候状况之间的分析，以流行性呼吸系统疾病发病趋势和日期来进行科学有效的预测未来一段时间内流行性呼吸系统疾病的发病情况，以为民众提供有效的预防提示。
具体实施方式
[0020]对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0021]本专利技术提供一种技术方案：
[0022]一种流行性呼吸系统疾病发病人数和上升趋势预测方法，包括如下步骤：
[0023]A、数据采集：获取已有的气候监测数据和病人数据；
[0024](1)气候监测数据处理：根据监测到数据，其中数据包括平均气温、平均气压和平均空气质量指数，并筛选出所需的气候因子；
[0025](2)病人数据处理：呼吸系统疾病按照气管炎、肺部感染和胸腔感染三类进行划分；
[0026]B、筛选：建立病人数据与气候因子指标的时序连接，将病人感染出现症状时间与天气记录的时间对应，然后计算出以时间为单位每一天的气候状况和病人数量；
[0027]C、预测：根据计算出的数据与流行性呼吸系统疾病发布指数，生成流行性呼吸系统疾病发病趋势预测提示。
[0028]具体的，从天气公开网站以天为维度自动爬取城市的日期、最高气温、最低气温、天气、风力信息数据，得到天气数据，然后对数据进行转换处理；
[0029]数据转换：对空气质量数据和天气数据的多个指标进行数据转换。其中，针对天气进行数值编码，转换规则为：小雨、中雨、阵雨、大雨、暴雨；
[0030]进一步地，所述步骤A在数据采集时，也可获取一定时间范围内的潜在样本数据；所述潜在样本数据包括：风速、平均气温、平均气压、降水量、平均湿度、最高气温、最低气温、平均空气质量指数和病例数，并对得到的数据分布特征进行分析，可得到基于时间上的数据分布特征。
[0031]具体的，对潜在样本数据中的每个数据进行分布特征分析，得到各潜在样本数据基于时间轴的数据分布特征；也可通过对潜在样本数据中的每个数据绘制分布图，就能够直观的看出疾病的高发期、低发期等特征以及其它一些指标的分布特征；
[0032]具体的，将气象要素相关的数据进行分析，得出病例数与气象要素相关的数据的多元线形相关性，结合分布特征，就可以识别出潜在样本数据中与病例数有较强相关性的
数据，作为样本数据，将没有关系或相关性不明显的气象数据剔除；
[0033]进一步地，所述步骤A中在获取气候监测数据时，也可获取城市中各设定区域的人口密度数据、大气污染物数据、气象数据及病例数据；然后构建与发病人数之间的暴露
‑
反应关系模型，暴露
‑
反应关系模型公式如下：
[0034]log[E(Y
t
)]＝α+DOW+βf(x
t
)+S(time,df)+S(Z
t
,df)
[0035]其中，t为观察日期，E(Y
t
)为t日疾病人数的期望值，DOW为虚拟变量星期效应，α为截距，β为回归系数，为t日的污染物浓度，S(time,df)、S(Z
t
,df)分别代表日历效应以及气象条件的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种流行性呼吸系统疾病发病人数和上升趋势预测方法，其特征在于，包括如下步骤：A、数据采集：获取已有的气候监测数据和病人数据；(1)气候监测数据处理：根据监测到数据，其中数据包括平均气温、平均气压和平均空气质量指数，并筛选出所需的气候因子；(2)病人数据处理：呼吸系统疾病按照气管炎、肺部感染和胸腔感染三类进行划分；B、筛选：建立病人数据与气候因子指标的时序连接，将病人感染出现症状时间与天气记录的时间对应，然后计算出以时间为单位每一天的气候状况和病人数量；C、预测：根据计算出的数据与流行性呼吸系统疾病发布指数，生成流行性呼吸系统疾病发病趋势预测提示。2.根据权利要求1所述的一种流行性呼吸系统疾病发病人数和上升趋势预测方法，其特征在于：所述步骤A在数据采集时，也可获取一定时间范围内的潜在样本数据；所述潜在样本数据包括：风速、平均气温、平均气压、降水量、平均湿度、最高气温、最低气温、平均空气质量指数和病例数，并对得到的数据分布特征进行分析，可得到基于时间上的数据分布特征。3.根据权利要求1所述的一种流行性呼吸系统疾病发病人数和上升趋势预测方法，其特征在于：所述步骤A中在获取气候监测数据时，也可获取城市中各设定区域的人口密度数据、大气污染物数据、气象数据及病例数据；然后构建与发病人数之间的暴露
‑<...

【专利技术属性】
技术研发人员：姚凌，吕宁，秦军，陆佳莺，刘唐，姜侯，
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：