预测传染病传播时区域特定人群人数的方法

摘要

本发明涉及预测传染病传播时区域特定人群人数的方法，主要包括如下步骤，1)根据疫情爆发点上报确定确诊人群和密切接触人群，分别以确诊人员和密切接触人员建立事件抽象序列；2)由每一个确诊人员以出行地为事件回溯时间线，确定新的密切接触人员和高风险人群；3)寻找不同确诊人员之间的事件汇合处，确定感染趋势，直到寻找到疫情感染源；4)基于确诊人员的回溯事件线，构建单人和所有确诊人员的行动轨迹图，绘制基于事件的三维图；5)构建模型计算特定人群的人数。本发明方法具有通用性，可以运用至传染病的跟踪分析，为快速发现传染病特征，阻止传染病进一步爆发提供参考。

说明书

技术领域

本发明涉及预测方法，特别涉及预测传染病传播时区域特定人群人数的方法。

背景技术

疫情防控中的各类重要事件大都包含时间和空间维度，自物理学四维空间理论的提出，复数概念的产生，在四维时空中标识、度量事件成为可能，这非常符合疫情防控事件存储、分析和分享的需要。国外在2000年前后即有文献讨论传染病行为的时空建模方法，2014年以来有文献讨论将时空模型用于单例传染病的数据分析和预测，国内中山大学2018年建立了传染病森林时空模型，用于分析疾病传播。前述研究主要都是将时空模型运用于单个病种的分析和预测或是通用的建模方法，尚无贴近疫情防控需要的时空事件模型和相关计算方法，用以辅助个人测算与确诊患者之间的时空距离，以及不同确诊患者之间的时空交点，估算传染概率和高风险场所和时段。

发明内容

针对现有技术存在的上述问题，本发明的要解决的目的是：如何预测传染病在传播时特定区域可能新增确诊人数和死亡人数的方法。

为实现上述目的，本发明采用如下技术方案：预测传染病传播时区域特定人群人数的方法，包括如下步骤：

S01：疫情爆发点上报：确定确诊人群和密切接触人群，分别以确诊人员和密切接触人员建立事件抽象序列；

第i个确诊人员的确诊事件

EventI(0)＝f(EidI

其中标号“0”表示疫情事件点，EidI表示确诊人员事情编号，EstI表示确诊人员事件发生时间，EetI表示确诊人员事件结束时间，EaI表示确诊人员事件的属性，EOI表示事件的其他说明；

第i个确诊人员的第j个密切人员的事件为：

EventIJ(0)＝f(EidIJ

其中标号“0”表示疫情事件点，EidIJ表示密切接触人员事情编号，EstIJ表示密切接触人员事件发生时间，EetIJ表示密切接触人员事件结束时间，EaIJ表示密切接触人员事件的属性，EOIJ表示事件的其他说明；

S02：由每一个确诊人员以出行地为事件回溯时间线，确定新的密切接触人员和高风险人群；

EventI(-p)＝f(EidI

其中p＝1，2，…表示确诊之前的事件抽象；

S03：寻找不同确诊人员之间的事件汇合处，确定感染趋势，直到寻找到疫情感染源；当EaI

被传染者的回溯事件线和感染者的回溯事件线构成确诊人员的回溯事件线；

S04：基于确诊人员的回溯事件线，构建单人和所有确诊人员的行动轨迹图，绘制基于事件的三维图，其一维为时间，另外两维均为空间位置信息，在所述三维图中分别绘制确诊人员的曲线，寻找时间交汇处，确定疫情感染源，时间维度由事件的初始时间EstI

S05：基于确诊人员的回溯事件线，构建如下模型预测区域内在接下来的t时间段内的确诊人员I、密切接触人群C、高风险人群H、确诊后治愈人员R和病发死亡人员D：

其中，δ表示每个确诊人员的密切接触人数，μ(t)表示第t天发病没有被治疗的比率，k

作为改进，所述模型的整个时间线为：

EstI

本发明提出预测传染病传播时区域特定人群人数的方法，以时空信息为事件进行倒序时间线，迅速寻找确诊人员的外出路线，在时空范围内划分密切接触者、高风险人群和低风险人群，绘制确诊人员的时空图；根据人员划分建立模型预估可能预测区域内未来t时间内的确诊人员的人数I、密切接触人群的人数C、高风险人群的人数H、确诊后治愈人员的人数R和病发死亡人员的人数D；本发明方法具有通用性，可以运用至传染病的跟踪分析，为快速发现传染病特征，阻止传染病进一步爆发提供参考。本发明方法有利于助于实现快速有效的排查高风险人群，有利于政府划分针对性的实施隔离、治疗等方案，有利于防控传染病的爆发。

附图说明

图1为本发明方法的流程图。

图2为确诊人员的事件抽象时空图；

图3为基于模型预测确诊人数、密切接触人群和高风险人群。

具体实施方式

下面对本发明作进一步详细说明。

针对某传染病疫情，建立确诊人群及高风险人群健康状态、人员卫生活动的事件抽象时空模型，从时间倒序事件出发确定密切接触人员、高风险人群，从时间正序事件出发建立时空模型；绘制所有确诊人员事件抽象的空间图，有利于快速划分人群和实施相对应的策略。

参见图1-3，预测传染病传播时区域特定人群人数的方法，包括如下步骤：

对某传染病疫情的控制主要集中在密切接触人员和高风险人员上，如何在确认疫情后估计疫情范围、可能感染人数，寻找密切接触人员是疫情控制的核心所在。本发明中的特定人群是指确诊人员的人数I、密切接触人群的人数C、高风险人群的人数H、确诊后治愈人员的人数R和病发死亡人员的人数D。

S01：疫情爆发点上报：确定确诊人群和密切接触人群，分别以确诊人员和密切接触人员建立事件抽象序列；

第i个确诊人员的确诊事件

EventI(0)＝f(EidI

其中标号“0”表示疫情事件点，EidI表示确诊人员事情编号，EstI表示确诊人员事件发生时间，EetI表示确诊人员事件结束时间，EaI表示确诊人员事件的属性，EOI表示事件的其他说明；

第i个确诊人员的第j个密切人员的事件为：

EventIJ(0)＝f(EidIJ

其中标号“0”表示疫情事件点，EidIJ表示密切接触人员事情编号，EstIJ表示密切接触人员事件发生时间，EetIJ表示密切接触人员事件结束时间，EaIJ表示密切接触人员事件的属性，EOIJ表示事件的其他说明；

S02：由每一个确诊人员以出行地为事件回溯时间线，确定新的密切接触人员和高风险人群；

EventI(-p)＝f(EidI

其中p＝1，2，…表示确诊之前的事件抽象；

S03：寻找不同确诊人员之间的事件汇合处，确定感染趋势，直到寻找到疫情感染源；当EaI

被传染者的回溯事件线和感染者的回溯事件线构成确诊人员的回溯事件线；

S04：基于确诊人员的回溯事件线，构建单人和所有确诊人员的行动轨迹图，确定受影响的社区和公共场合，明确区域内的密切接触者、高风险人群和低风险人群，从空间地理上进行展示。绘制基于事件的三维图，其一维为时间，另外两维均为空间位置信息，在所述三维图中分别绘制确诊人员的曲线，寻找时间交汇处，确定疫情感染源，时间维度由事件的初始时间EstI

S05：基于确诊人员的回溯事件线，构建如下模型预测区域内在接下来的t时间段内的确诊人员的人数I、密切接触人群的人数C、高风险人群的人数H、确诊后治愈人员的人数R和病发死亡人员的人数D：

新增确诊人员主要由密切接触者产生，高风险人群也有较小的概率产生；密切接触者由于在爆发疫情后采用隔离措施，人数是不断减少的过程；高风险人群在疫情爆发后主要由于确诊人员和密切接触者产生；

其中，δ表示每个确诊人员的密切接触人数，μ(t)表示第t天发病没有被治疗的比率，k

针对同一个确诊人员的时间序列满足：EstI

EstI

密切接触人员的时间线可依次类推建立，但通常密切接触人员的数量远多于确诊人员，时空模型会更加复杂，也存在大量时间和空间的交互。

具体实施时，可以通过本发明预测的预测区域内在接下来的t时间段内的确诊人员I、密切接触人群C、高风险人群H、确诊后治愈人员R和病发死亡人员D对该预测区域采取相应的措施，例如：

1)对确诊人员I、密切接触人群C和高风险人群H分别进行隔离，隔离期间，确诊人员和密切接触者属性信息变化的事件分别为：

EventI(m)＝f(EidI

和

EventIJ(n)＝f(EidIJ

其中m＝1，2，…和n＝1，2，…分别表示确诊人员和密切接触人员的事件发展序列。这里的属性信息变化主要是指人员属性和状态的改变。

2)直到所有确诊人员、密切接触者和高风险人群降为低风险人群为止，方解除隔离。

实验：

本发明选择的数据集来自脱敏后的某市某传染病患者流调数据和患者亲缘关系数据。数据集包括458个患者及其流调数据，2587个亲缘关系人员，798个家庭。运用本发明方法，随机选取46个患者流调数据，整理形成了221个事件，涉及29个地理位置，41个医疗机构，50个时间点，共计14458条记录。

为方便展示，从中选择3个有代表性的确诊人员绘制三维视图。依据发明的步骤S03到S05，将三名确诊人员的事件统一成{空间信息，时间}，其中空间信息由两维坐标组成。

基于某传染病疫情的数据，治愈率为0.9181，平均痊愈时间为30天，因此r

从三维事件图中可清晰看到，当两个确诊人员的时间曲线相交时，通常是其中一个确诊人员的收到感染后的起始状态。而当两条曲线存在多个事件的交互时，说明两个确诊人员存在亲缘关系，长时间居于相同的时空内。基于确诊人员的时空曲线，可快速确定高风险区域和时间。

通过将确诊人员的回溯事件抽象进行可视化展示，能够清楚的分析看出感染过程，以及感染时间和位置序列，并分析抽象出高风险人群特征。与传统非结构化流调数据模型相比，本方法能够更加直观、快捷的发现感染源、感染途径以及区分高风险人群。

而从确诊人数、密切接触人员、高风险人群、低风险人群的预测可知，在疫情爆发初期，由于缺乏有效的隔离和治疗，密切接触人群和高风险人群会有发病概率而造成确诊人员增加较快；而在后期，由于隔离和治疗措施的实施，确诊人员稳定在某个阶段后，会不断减少。

通过确诊人员的正向事件抽象，可有效预测区域内的确诊人数、密切接触人员的人数、高风险人群的人数和低风险人群的人数。

简而言之，本发明提出了一种针对某传染病的确诊人群和高风险人群的事件抽象时空模型，一方面解决了传染病数据时空序列结构化问题，另一方面使得分析过程更加直观和快捷。本发明的模型具有一定通用性，可以运用至其他传染病的跟踪分析，为快速发现传染病特征，阻止传染病进一步爆发提供参考。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。