大型活动中多源数据的传染病症状监测与预警方法

摘要

本发明涉及一种大型活动中多源数据的传染病症状监测与预警方法，通过建立大型活动中多源数据的医疗机构、学校和幼托机构、药店、宾馆等多种数据源的症状监测网络，分别就相应的目标症候群等指标进行监测及数据采集，进而对采集到的数据通过运行预警模型来给出分析及预警结果。本发明建立了大型活动症状监测与自动预警系统，能够及时、有效地发现可能的新发和突发传染病暴发事件，为采取有效的传染病控制措施赢得时间，保障大型活动期间的公众健康安全，并为今后我国大规模人群聚集活动的卫生安全保障提供技术范例。

主权项

一种大型活动中多源数据的传染病症状监测与预警方法，其特征在于，所述方法通过在设定的区域内所建立的基于传染病症状监测的数据采集、上报、分析及预警的系统，实现对突发公共卫生事件的早期识别及预警；所述方法构建了具有多种数据源的症状监测网络，所述数据源至少包含医疗机构、学校和幼托机构、药店及宾馆；基于MSN抽样模型，将区域内的其中一些医疗机构、学校和幼托机构、药店及宾馆选定为监测点；其中，在对每个数据源选择其各自的多个监测点时，先是使用MSN抽样模型，在区域内选择出监测点的样点的理论最优分布；当样点的实际分布为有偏次优时，使用B‑shape模型对样点赋予不同的权重进行样点分布的调整，以确定最终监测的样点；再使用Sandwich插值模型，根据最终监测的样点对总体的分布进行估计；所述方法在区域范围内开展大型活动的期间内实行，在对样点分布进行调整时，优先选择下列各项中权重更高的样点：使位置靠近所述大型活动的样点的权重，高于位置远离所述大型活动的样点的权重；使信息化程度高、人流量稳定的样点的权重，高于信息化程度低、人流量不稳定的样点的权重；使人流量高、规模大的样点的权重，高于人流量低、规模小的样点的权重；由不同种类的所述数据源各自对设定的症候群和症状进行监测，采集数据后上传至系统，由系统运行CuSum预警模型或时空扫描预警模型，并根据与这些症候群和症状相互对应的目标疾病及其风险程度，给出相应的分析及预警信号；所述时空扫描预警模型中，令在设定空间位置和设定时间区域出现的总病例数为n_G，总人口数为m_G，预期病例数为μ(G)；令扫描窗口Z内出现的病例数为n_Z，m_Z为扫描窗口Z中的人口数，μ(Z)为扫描窗口Z中预期病例数；预期病例数的计算公式为：$\mu \left(Z\right)=\frac{n_G}{m_G}\times m_Z$μ(G)＝∑μ(Z)根据泊松模型，在总病例数n_G条件下，计算似然比：$L\left(Z\right)=\frac{e^{-n_G}}{n_G!}{\left(\frac{n_z}{\mu \left(Z\right)}\right)}^{n_Z}{\left(\frac{n_G-n_Z}{\mu \left(G\right)-\mu \left(Z\right)}\right)}^{n_G-n_Z}\underset{x_i\in Z}{\Pi }\mu \left(x_i\right)$$L_0=\frac{e^{-n_G}}{n_G!}{\left(\frac{n_G}{\mu \left(G\right)}\right)}^{n_G}\underset{x_i\in Z}{\Pi }\mu \left(x_i\right)$扫描统计量S为扫描窗口Z中观察数超过预期数的最大比值：$S=max\left\{\frac{L\left(Z\right)}{L_0}\right\}$根据求得的观察值，对设定空间位置和设定时间区域是否存在病例聚集性进行判断。