CN107680685A - 一种疾病预警方法及*** - Google Patents
一种疾病预警方法及*** Download PDFInfo
- Publication number
- CN107680685A CN107680685A CN201711001175.4A CN201711001175A CN107680685A CN 107680685 A CN107680685 A CN 107680685A CN 201711001175 A CN201711001175 A CN 201711001175A CN 107680685 A CN107680685 A CN 107680685A
- Authority
- CN
- China
- Prior art keywords
- environmental
- recurrence probability
- target
- attribute
- environment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 201000010099 disease Diseases 0.000 title claims abstract description 29
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 29
- 230000007613 environmental effect Effects 0.000 claims abstract description 113
- 206010061819 Disease recurrence Diseases 0.000 claims description 34
- 238000012544 monitoring process Methods 0.000 claims description 23
- 230000009467 reduction Effects 0.000 claims description 12
- 238000004140 cleaning Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 4
- 230000001131 transforming effect Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 description 10
- 239000002184 metal Substances 0.000 description 8
- 238000007635 classification algorithm Methods 0.000 description 6
- 238000007418 data mining Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 208000023504 respiratory system disease Diseases 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000013501 data transformation Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003045 statistical classification method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Landscapes
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明提供了一种疾病预警方法及***，该方法包括：获取至少一个环境参数；从所述至少一个环境属性中确定所述至少一个环境参数对应的至少一个环境属性，以及每一个所述环境属性对应复发概率；获取待预测患者对应的环境预测参数以及病例信息；确定与所述环境预测参数对应的至少一个目标环境属性，以及每一个所述目标环境属性对应的目标复发概率；根据确定出的所述目标复发概率以及所述病例信息，确定所述待预测患者的疾病复发概率。本方案能提高疾病预警结果的准确性。
Description
技术领域
本发明涉及计算机技术领域，特别涉及一种疾病预警方法及***。
背景技术
随着环境质量的恶化，大气环境已经成为呼吸道类疾病的重要诱发因素，因此环境参数对呼吸道疾病的预警具有重要的参考意义。
目前，在对呼吸道疾病进行预警时，一般只考虑了患者过往的病例信息，例如发病频率和服药记录等。在此过程中，没有考虑患者的生活环境对呼吸道疾病复发的影响，因此对疾病的预警效果不够准确。
发明内容
本发明实施例提供了一种疾病预警方法及***，能提高疾病预警结果的准确性。
第一方面，本发明实施例提供了一种疾病预警方法，包括：
获取至少一个环境参数；
确定所述至少一个环境参数对应的至少一个环境属性，以及每一个所述环境属性对应复发概率；
还包括：
获取待预测患者对应的环境预测参数以及病例信息；
从所述至少一个环境属性中确定与所述环境预测参数对应的至少一个目标环境属性，以及每一个所述目标环境属性对应的目标复发概率；
根据确定出的所述目标复发概率以及所述病例信息，确定所述待预测患者的疾病复发概率。
优选地，
所述根据确定出的所述目标复发概率以及所述病例信息，确定所述待预测患者的疾病复发概率，包括：
根据确定出的所述目标复发概率，利用以下计算公式计算环境影响率；
根据计算出的所述环境影响率以及所述病例信息，确定所述疾病复发概率；
其中，M表征所述环境影响率，ai表征第i个所述目标环境属性对应的目标复发概率，ki表征第i个所述目标复发概率对应的权重系数，n表征所述目标环境属性的总数量。
优选地，
在所述根据确定出的所述目标复发概率以及预存的病例信息，确定所述待预测患者的疾病复发概率之后，进一步包括：
确定所述疾病复发概率是否大于预设阈值，如果是，生成与所述待预测患者对应的预警信息，并将所述预警信息发送给所述待预测患者。
优选地，
在所述获取至少一个环境参数之后，在所述确定所述至少一个环境参数对应的至少一个环境属性，以及每一个所述环境属性对应复发概率之前，进一步包括：
对所述至少一个环境参数进行数据清理，得到清理后的标准化数据；
对所述标准化数据进行变换和归约处理，并将处理后的所述标准化数据进行统一存储。
所述确定所述至少一个环境参数对应的至少一个环境属性，以及每一个所述环境属性对应复发概率，包括：
确定统一存储的标准化数据中，每一个所述标准化数据对应的至少一个环境属性，以及每一个所述环境属性对应复发概率。
优选地，
所述获取待预测患者对应的环境预测参数以及所述病例信息，包括：
利用统一数据接口，将预存所述病例信息的病例***与环境监测***进行连接；
利用连接所述环境监测***的所述病例***，获取所述环境预测参数和所述病例信息。
第二方面，本发明实施例提供了一种疾病预警***，包括：确定单元、获取单元和预警单元；其中，
所述确定单元，用于获取至少一个环境参数，并确定所述至少一个环境参数对应的至少一个环境属性，以及每一个所述环境属性对应复发概率；
所述获取单元，用于获取待预测患者对应的环境预测参数以及病例信息；
所述预警单元，用于从所述至少一个环境属性中确定与所述环境预测参数对应的至少一个目标环境属性，以及每一个所述目标环境属性对应的目标复发概率，并根据确定出的所述目标复发概率以及所述病例信息，确定所述待预测患者的疾病复发概率。
优选地，
所述预警单元，用于根据确定出的所述目标复发概率，利用以下计算公式计算环境影响率，并根据计算出的所述环境影响率以及所述病例信息，确定所述疾病复发概率；
其中，M表征所述环境影响率，ai表征第i个所述目标环境属性对应的目标复发概率，ki表征第i个所述目标复发概率对应的权重系数，n表征所述目标环境属性的总数量。
优选地，
所述预警单元，进一步用于确定所述疾病复发概率是否大于预设阈值，如果是，生成与所述待预测患者对应的预警信息，并将所述预警信息发送给所述待预测患者。
优选地，
所述确定单元，用于对所述至少一个环境参数进行数据清理，得到清理后的标准化数据，并对所述标准化数据进行变换和归约处理，并将处理后的所述标准化数据进行统一存储，确定统一存储的标准化数据中，每一个所述标准化数据对应的至少一个环境属性，以及每一个所述环境属性对应复发概率。
优选地，
所述获取单元，用于利用统一数据接口，将预存所述病例信息的病例***与环境监测***进行连接，并利用连接所述环境监测***的所述病例***，获取所述环境预测参数和所述病例信息。
本发明实施例提供了一种疾病预警方法及***，通过从获取的至少一个环境参数中确定至少一个环境属性，以及每一个环境属性对应的复发概率。在获取到待预测患者对应的环境预测参数以及病例信息之后，确定与环境预测参数对应的至少一个目标环境属性，以及每一个目标环境属性对应的目标复发概率，然后根据确定出的目标复发概率以及病例信息，确定患者的疾病复发概率。由此，在疾病预警过程中，不仅考虑了患者的病例信息，还考虑了患者所处环境的环境参数，从而提高了预警结果的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一个实施例提供的一种疾病预警方法的流程图；
图2是本发明另一个实施例提供的一种疾病预警方法的流程图；
图3是本发明一个实施例提供的一种疾病预警***的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，本发明实施例提供了一种疾病预警方法，该方法可以包括以下步骤：
步骤101：获取至少一个环境参数；
步骤102：确定所述至少一个环境参数对应的至少一个环境属性，以及每一个所述环境属性对应复发概率；
步骤103：获取待预测患者对应的环境预测参数以及病例信息；
步骤104：从所述至少一个环境属性中确定与所述环境预测参数对应的至少一个目标环境属性，以及每一个所述目标环境属性对应的目标复发概率；
步骤105：根据确定出的所述目标复发概率以及所述病例信息，确定所述待预测患者的疾病复发概率。
上述实施例中，通过从获取的至少一个环境参数中确定至少一个环境属性，以及每一个环境属性对应的复发概率。在获取到待预测患者对应的环境预测参数以及病例信息之后，确定与环境预测参数对应的至少一个目标环境属性，以及每一个目标环境属性对应的目标复发概率，然后根据确定出的目标复发概率以及病例信息，确定患者的疾病复发概率。由此，在疾病预警过程中，不仅考虑了患者的病例信息，还考虑了患者所处环境的环境参数，从而提高了预警结果的准确性。
本发明一个实施例中，步骤105的具体实施方式，可以包括：
根据确定出的所述目标复发概率，利用以下计算公式计算环境影响率；
根据计算出的所述环境影响率以及所述病例信息，确定所述疾病复发概率；
其中，M表征所述环境影响率，ai表征第i个所述目标环境属性对应的目标复发概率，ki表征第i个所述目标复发概率对应的权重系数，n表征所述目标环境属性的总数量。
在确定各个环境属性对应的复发概率时，可利用贝叶斯分类算法建模，贝叶斯分类算法是统计学的一种分类方法，它是一类利用概率统计知识进行分类的算法。在许多场合，朴素贝叶斯分类算法可以与决策树和神经网络分类算法相媲美，该算法能运用到大型数据库中，而且方法简单、分类准确率高、速度快。各个环境属性可为PM2.5值以及对应的天气状态等，例如晴、雨或阴，为不同的环境属性设置不同的复发概率，例如PM2.5值越大时，其对应的复发概率越大。另外，如果训练数据集(在这里为获取的环境参数)有许多属性和元组，因此通常假设各个属性的取值相互独立，这样便于计算。
在本实施例中，利用各个目标复发概率及其对应的权重值，计算环境影响率，其中，目标复发概率对应的权重值可在建模时进行设定，同一个环境属性在不同组合时，其权重值可以不同，由此可更准确地确定出环境因素的影响，进一步提高预警效果的准确性。
本发明一个实施例中，步骤105之后，可以进一步包括：
确定所述疾病复发概率是否大于预设阈值，如果是，生成与所述待预测患者对应的预警信息，并将所述预警信息发送给所述待预测患者。
在这里，当确定出疾病复发概率大于预设阈值时，说明患者有可能在未来一段时间复发疾病，此时可生成相应的预警信息，例如发送短信给患者，提醒其存在疾病复发风险，以使患者提前预防。
本发明一个实施例中，在步骤101之后，在步骤102之前，可以进一步包括：
对所述至少一个环境参数进行数据清理，得到清理后的标准化数据；
对所述标准化数据进行变换和归约处理，并将处理后的所述标准化数据进行统一存储。
步骤102的具体实施方式，可以包括：
确定统一存储的标准化数据中，每一个所述标准化数据对应的至少一个环境属性，以及每一个所述环境属性对应复发概率。
在本实施例中，对获取到的环境参数进行预处理，首先通过填写缺失的值、光滑噪声数据、识别或删除离群点并解决不一致性来清理数据，可达到对数据格式标准化，异常数据和重复数据的清除以及错误数据的纠正的效果，得到清理后的标准化数据。然后通过平滑聚集、数据概化和规范化等方式将数据变换为适用于数据挖掘的形式。而数据挖掘时往往数据量非常大，在少量数据上进行挖掘分析需要很长的时间，数据归约技术可以用来得到数据集的归约表示，它小得多，但仍然接近于保持原数据的完整性，并结果与归约前结果相同或几乎相同。因此，将变换后的数据再进行规约处理，以提高数据挖掘的效率，然后将处理后的数据进行统一存储，即数据集成，便于后续使用。由此，通过数据清理、数据集成、数据变换和数据归约等方式，对数据进行预处理，便于后续环境属性和复发概率的确定，有利于提高预警效率。
本发明一个实施例中，步骤103的具体实施方式，可以包括：
利用统一数据接口，将预存所述病例信息的病例***与环境监测***进行连接；
利用连接所述环境监测***的所述病例***，获取所述环境预测参数和所述病例信息。
在这里，病例***调用环境监测部门的统一数据接口，获取未来一段时间的大气环境监测数据，即环境预测参数，并对环境预测参数进行处理，得到未来一段时间各环境监测指标的均值。通过统一数据接口，便于获取病例信息和环境预测参数，从而有利于疾病预警。并且，将环境监测部门数据与医院病历管理***联通，还提升了数据价值。
如图2所示，本发明实施例提供了一种疾病预警方法，该方法包括以下步骤：
步骤201：获取至少一个环境参数，对所述至少一个环境参数进行数据清理，得到清理后的标准化数据，并对所述标准化数据进行变换和归约处理，将处理后的所述标准化数据进行统一存储。
在这里，对获取到的环境参数进行预处理，首先通过填写缺失的值、光滑噪声数据、识别或删除离群点并解决不一致性来清理数据，可达到对数据格式标准化，异常数据和重复数据的清除以及错误数据的纠正的效果，得到清理后的标准化数据。然后通过平滑聚集、数据概化和规范化等方式将数据变换为适用于数据挖掘的形式。而数据挖掘时往往数据量非常大，在少量数据上进行挖掘分析需要很长的时间，数据归约技术可以用来得到数据集的归约表示，它小得多，但仍然接近于保持原数据的完整性，并结果与归约前结果相同或几乎相同，然后将处理后的数据进行统一存储，即数据集成，便于后续使用。
步骤202：确定统一存储的标准化数据中，每一个所述标准化数据对应的至少一个环境属性，以及每一个所述环境属性对应复发概率。
在这里，可利用贝叶斯分类算法建模，例如，各个环境属性可为PM2.5值以及对应的天气状态等，例如晴、雨或阴，为不同的环境属性设置不同的复发概率，例如PM2.5值越大时，其对应的复发概率越大。
步骤203：利用统一数据接口，将预存病例信息的病例***与环境监测***进行连接，并利用连接所述环境监测***的所述病例***，获取所述环境预测参数和所述病例信息。
在这里，病例***调用环境监测部门的统一数据接口，获取未来一段时间的大气环境监测数据，即环境预测参数，并对环境预测参数进行处理，得到未来一段时间各环境监测指标的均值。
步骤204：从所述至少一个环境属性中确定与所述环境预测参数对应的至少一个目标环境属性，以及每一个所述目标环境属性对应的目标复发概率。
在这里，根据步骤202确定出的各个环境属性及其对应的复发概率，确定出目标环境属性以及目标复发概率。
步骤205：根据确定出的所述目标复发概率以及所述病例信息，确定所述待预测患者的疾病复发概率。
可根据确定出的目标复发概率以及公式计算环境影响率，其中，M表征所述环境影响率，ai表征第i个所述目标环境属性对应的目标复发概率，ki表征第i个所述目标复发概率对应的权重系数，n表征所述目标环境属性的总数量。再结合环境影响率和病例信息，确定出疾病复发概率。
步骤206：当所述疾病复发概率大于预设阈值时，生成待预测患者对应的预警信息，并将所述预警信息发送给所述待预测患者。
在这里，当确定出疾病复发概率大于预设阈值时，说明患者有可能在未来一段时间复发疾病，此时可生成相应的预警信息，例如发送短信给患者，提醒其存在疾病复发风险，以使用户提前预防。
如图3所示，本发明实施例提供了一种疾病预警***，包括：确定单元301、获取单元302和预警单元303；其中，
所述确定单元301，用于获取至少一个环境参数，并确定所述至少一个环境参数对应的至少一个环境属性，以及每一个所述环境属性对应复发概率；
所述获取单元302，用于获取待预测患者对应的环境预测参数以及病例信息；
所述预警单元303，用于从所述至少一个环境属性中确定与所述环境预测参数对应的至少一个目标环境属性，以及每一个所述目标环境属性对应的目标复发概率，并根据确定出的所述目标复发概率以及所述病例信息，确定所述待预测患者的疾病复发概率。
本发明一个实施例中，所述预警单元303，用于根据确定出的所述目标复发概率，利用以下计算公式计算环境影响率，并根据计算出的所述环境影响率以及所述病例信息，确定所述疾病复发概率；
其中，M表征所述环境影响率，ai表征第i个所述目标环境属性对应的目标复发概率，ki表征第i个所述目标复发概率对应的权重系数，n表征所述目标环境属性的总数量。
本发明一个实施例中，所述预警单元303，进一步用于确定所述疾病复发概率是否大于预设阈值，如果是，生成与所述待预测患者对应的预警信息，并将所述预警信息发送给所述待预测患者。
本发明一个实施例中，所述确定单元301，用于对所述至少一个环境参数进行数据清理，得到清理后的标准化数据，并对所述标准化数据进行变换和归约处理，并将处理后的所述标准化数据进行统一存储，确定统一存储的标准化数据中，每一个所述标准化数据对应的至少一个环境属性，以及每一个所述环境属性对应复发概率。
本发明一个实施例中，所述获取单元302，用于利用统一数据接口，将预存所述病例信息的病例***与环境监测***进行连接，并利用连接所述环境监测***的所述病例***，获取所述环境预测参数和所述病例信息。
上述装置内的各单元之间的信息交互、执行过程等内容，由于与本发明方法实施例基于同一构思，具体内容可参见本发明方法实施例中的叙述，此处不再赘述。
本发明实施例还提供了一种可读介质，包括执行指令，当存储控制器的处理器执行所述执行指令时，所述存储控制器执行本发明上述任一实施例提供的方法。
本发明实施例还提供了一种存储控制器，包括：处理器、存储器和总线；所述存储器用于存储执行指令，所述处理器与所述存储器通过所述总线连接，当所述存储控制器运行时，所述处理器执行所述存储器存储的所述执行指令，以使所述存储控制器执行本发明上述任一实施例提供的方法。
综上所述，本发明以上各个实施例至少具有如下有益效果：
1、在本发明实施例中，通过从获取的至少一个环境参数中确定至少一个环境属性，以及每一个环境属性对应的复发概率。在获取到待预测患者对应的环境预测参数以及病例信息之后，确定与环境预测参数对应的至少一个目标环境属性，以及每一个目标环境属性对应的目标复发概率，然后根据确定出的目标复发概率以及病例信息，确定患者的疾病复发概率。由此，在疾病预警过程中，不仅考虑了患者的病例信息，还考虑了患者所处环境的环境参数，从而提高了预警结果的准确性。
2、在本发明实施例中，利用各个目标复发概率及其对应的权重值，计算环境影响率，其中，目标复发概率对应的权重值可在建模时进行设定，同一个环境属性在不同组合时，其权重值可以不同，由此可更准确地确定出环境因素的影响，进一步提高预警效果的准确性。
3、在本发明实施例中，当确定出疾病复发概率大于预设阈值时，生成相应的预警信息，提醒患者存在疾病复发风险，以使患者提前预防，提高用户体验。
4、在本发明实施例中，通过数据清理、数据集成、数据变换和数据归约等方式，对数据进行预处理，便于后续环境属性和复发概率的确定，有利于提高预警效率。
5、在本发明实施例中，利用统一数据接口，将预存病例信息的病例***与环境监测***进行连接，并利用连接后的病例***，获取环境预测参数和病例信息。由此通过统一数据接口，便于获取病例信息和环境预测参数，从而有利于疾病预警。并且，将环境监测部门数据与医院病历管理***联通，还提升了数据价值。
需要说明的是，在本文中，诸如第一和第二之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个······”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同因素。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储在计算机可读取的存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质中。
最后需要说明的是：以上所述仅为本发明的较佳实施例，仅用于说明本发明的技术方案，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所做的任何修改、等同替换、改进等，均包含在本发明的保护范围内。
Claims (10)
1.一种疾病预警方法，其特征在于，包括：
获取至少一个环境参数；
从所述至少一个环境属性中确定所述至少一个环境参数对应的至少一个环境属性，以及每一个所述环境属性对应复发概率；
还包括：
获取待预测患者对应的环境预测参数以及病例信息；
确定与所述环境预测参数对应的至少一个目标环境属性，以及每一个所述目标环境属性对应的目标复发概率；
根据确定出的所述目标复发概率以及所述病例信息，确定所述待预测患者的疾病复发概率。
2.根据权利要求1所述的方法，其特征在于，
所述根据确定出的所述目标复发概率以及所述病例信息，确定所述待预测患者的疾病复发概率，包括：
根据确定出的所述目标复发概率，利用以下计算公式计算环境影响率；
根据计算出的所述环境影响率以及所述病例信息，确定所述疾病复发概率；
<mrow>
<mi>M</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>k</mi>
<mi>i</mi>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>a</mi>
<mi>i</mi>
</msub>
</mrow>
其中，M表征所述环境影响率，ai表征第i个所述目标环境属性对应的目标复发概率，ki表征第i个所述目标复发概率对应的权重系数，n表征所述目标环境属性的总数量。
3.根据权利要求1所述的方法，其特征在于，
在所述根据确定出的所述目标复发概率以及预存的病例信息，确定所述待预测患者的疾病复发概率之后，进一步包括：
确定所述疾病复发概率是否大于预设阈值，如果是，生成与所述待预测患者对应的预警信息，并将所述预警信息发送给所述待预测患者。
4.根据权利要求1所述的方法，其特征在于，
在所述获取至少一个环境参数之后，在所述确定所述至少一个环境参数对应的至少一个环境属性，以及每一个所述环境属性对应复发概率之前，进一步包括：
对所述至少一个环境参数进行数据清理，得到清理后的标准化数据；
对所述标准化数据进行变换和归约处理，并将处理后的所述标准化数据进行统一存储。
所述确定所述至少一个环境参数对应的至少一个环境属性，以及每一个所述环境属性对应复发概率，包括：
确定统一存储的标准化数据中，每一个所述标准化数据对应的至少一个环境属性，以及每一个所述环境属性对应复发概率。
5.根据权利要求1至4任一所述的方法，其特征在于，
所述获取待预测患者对应的环境预测参数以及所述病例信息，包括：
利用统一数据接口，将预存所述病例信息的病例***与环境监测***进行连接；
利用连接所述环境监测***的所述病例***，获取所述环境预测参数和所述病例信息。
6.一种疾病预警***，其特征在于，包括：确定单元、获取单元和预警单元；其中，
所述确定单元，用于获取至少一个环境参数，并确定所述至少一个环境参数对应的至少一个环境属性，以及每一个所述环境属性对应复发概率；
所述获取单元，用于获取待预测患者对应的环境预测参数以及病例信息；
所述预警单元，用于从所述至少一个环境属性中确定与所述环境预测参数对应的至少一个目标环境属性，以及每一个所述目标环境属性对应的目标复发概率，并根据确定出的所述目标复发概率以及所述病例信息，确定所述待预测患者的疾病复发概率。
7.根据权利要求6所述的***，其特征在于，
所述预警单元，用于根据确定出的所述目标复发概率，利用以下计算公式计算环境影响率，并根据计算出的所述环境影响率以及所述病例信息，确定所述疾病复发概率；
<mrow>
<mi>M</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>k</mi>
<mi>i</mi>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>a</mi>
<mi>i</mi>
</msub>
</mrow>
其中，M表征所述环境影响率，ai表征第i个所述目标环境属性对应的目标复发概率，ki表征第i个所述目标复发概率对应的权重系数，n表征所述目标环境属性的总数量。
8.根据权利要求6所述的***，其特征在于，
所述预警单元，进一步用于确定所述疾病复发概率是否大于预设阈值，如果是，生成与所述待预测患者对应的预警信息，并将所述预警信息发送给所述待预测患者。
9.根据权利要求6所述的***，其特征在于，
所述确定单元，用于对所述至少一个环境参数进行数据清理，得到清理后的标准化数据，并对所述标准化数据进行变换和归约处理，并将处理后的所述标准化数据进行统一存储，确定统一存储的标准化数据中，每一个所述标准化数据对应的至少一个环境属性，以及每一个所述环境属性对应复发概率。
10.根据权利要求6至9任一所述的***，其特征在于，
所述获取单元，用于利用统一数据接口，将预存所述病例信息的病例***与环境监测***进行连接，并利用连接所述环境监测***的所述病例***，获取所述环境预测参数和所述病例信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711001175.4A CN107680685A (zh) | 2017-10-24 | 2017-10-24 | 一种疾病预警方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711001175.4A CN107680685A (zh) | 2017-10-24 | 2017-10-24 | 一种疾病预警方法及*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107680685A true CN107680685A (zh) | 2018-02-09 |
Family
ID=61141983
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711001175.4A Pending CN107680685A (zh) | 2017-10-24 | 2017-10-24 | 一种疾病预警方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107680685A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113160993A (zh) * | 2020-12-31 | 2021-07-23 | 上海明品医学数据科技有限公司 | 一种健康干预***、服务器及健康管理*** |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102187344A (zh) * | 2008-09-12 | 2011-09-14 | 纳维哲尼克斯公司 | 用于综合多种环境与遗传风险因子的方法和*** |
| CN103150611A (zh) * | 2013-03-08 | 2013-06-12 | 北京理工大学 | Ii型糖尿病发病概率分层预测方法 |
| CN104021302A (zh) * | 2014-06-18 | 2014-09-03 | 北京邮电大学 | 一种基于贝叶斯文本分类模型的辅助挂号方法 |
| CN104615884A (zh) * | 2015-02-04 | 2015-05-13 | 中国科学院地理科学与资源研究所 | 一种基于病毒检出率的传染病重症、死亡风险预警***及方法 |
-
2017
- 2017-10-24 CN CN201711001175.4A patent/CN107680685A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102187344A (zh) * | 2008-09-12 | 2011-09-14 | 纳维哲尼克斯公司 | 用于综合多种环境与遗传风险因子的方法和*** |
| CN103150611A (zh) * | 2013-03-08 | 2013-06-12 | 北京理工大学 | Ii型糖尿病发病概率分层预测方法 |
| CN104021302A (zh) * | 2014-06-18 | 2014-09-03 | 北京邮电大学 | 一种基于贝叶斯文本分类模型的辅助挂号方法 |
| CN104615884A (zh) * | 2015-02-04 | 2015-05-13 | 中国科学院地理科学与资源研究所 | 一种基于病毒检出率的传染病重症、死亡风险预警***及方法 |
Non-Patent Citations (2)
| Title |
|---|
| 丘文洋等: ""利用空间聚集的贝叶斯网络评估手足口病发病风险"", 《地球信息科学》 * |
| 张洪大: ""大庆海外石油钻探项目风险预警管理研究——基于模糊综合评价模型"", 《中国国土资源经济》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113160993A (zh) * | 2020-12-31 | 2021-07-23 | 上海明品医学数据科技有限公司 | 一种健康干预***、服务器及健康管理*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109636061B (zh) | 医保欺诈预测网络的训练方法、装置、设备及存储介质 | |
| CN112071425B (zh) | 一种数据处理方法、装置、计算机设备及存储介质 | |
| WO2023024259A1 (zh) | 基于数字孪生的局部放电监测***、方法和装置 | |
| WO2020177377A1 (zh) | 基于机器学习的数据预测处理方法、装置和计算机设备 | |
| WO2018108129A1 (zh) | 用于识别物体类别的方法及装置、电子设备 | |
| WO2022217713A1 (zh) | 症候群监测预警方法、装置、计算机设备及存储介质 | |
| CN111340246A (zh) | 用于企业智能决策分析的处理方法、装置和计算机设备 | |
| WO2019001278A1 (zh) | 医疗保险基金精算预测方法、装置以及计算机设备 | |
| US20220068445A1 (en) | Robust forecasting system on irregular time series in dialysis medical records | |
| CN112562863A (zh) | 流行病监测预警方法、装置、电子设备 | |
| US20230359868A1 (en) | Federated learning method and apparatus based on graph neural network, and federated learning system | |
| CN112602155A (zh) | 生成针对经训练的模型的元数据 | |
| Li et al. | An enhanced naive Bayes model for dissolved oxygen forecasting in shellfish aquaculture | |
| CN112465231A (zh) | 地区人口健康状态预测方法、设备和可读存储介质 | |
| US20190340514A1 (en) | System and method for generating ultimate reason codes for computer models | |
| CN109871866B (zh) | 用于医院内感染预测的模型训练方法、装置、设备及介质 | |
| CN107680685A (zh) | 一种疾病预警方法及*** | |
| WO2024109331A1 (zh) | 传染病人数预测方法、***、电子设备及可读存储介质 | |
| CN113192627A (zh) | 一种基于病人与疾病二部图的再入院预测方法及*** | |
| CN109003193B (zh) | 投保风险预测方法、装置、计算机设备和存储介质 | |
| CN111166286A (zh) | 一种梦游检测方法、存储介质以及梦游检测装置 | |
| CN114580791B (zh) | 膨化机工作状态识别方法、装置、计算机设备、存储介质 | |
| CN109754319B (zh) | 信用分值确定***、方法、终端及服务器 | |
| CN113555120B (zh) | 生物状态分析方法及装置、存储介质、电子设备 | |
| US20210209489A1 (en) | Processing a classifier |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20200812 Address after: 250100 Room 3110, S01 Building, Tidal Building, 1036 Tidal Road, Jinan High-tech Zone, Shandong Province Applicant after: Shandong Aicheng Network Information Technology Co.,Ltd. Address before: 250100 Ji'nan science and technology zone, Shandong high tide Road, No. 1036 wave of science and Technology Park, building S06 Applicant before: SHANDONG INSPUR CLOUD SERVICE INFORMATION TECHNOLOGY Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180209 |
|
| RJ01 | Rejection of invention patent application after publication |