以縣（區(qū)）為單位，建立當(dāng)?shù)貍魅静?bào)告病例歷史數(shù)據(jù)庫，采用移動(dòng)百分位數(shù)法動(dòng)態(tài)計(jì)算傳染病病例數(shù)歷史基線，建立將當(dāng)?shù)禺?dāng)前觀察周期（7天）內(nèi)病例數(shù)與其相應(yīng)歷史基線實(shí)時(shí)進(jìn)行比較的預(yù)警模型。當(dāng)觀察周期內(nèi)發(fā)現(xiàn)的病例數(shù)達(dá)到預(yù)警閾值時(shí)，系統(tǒng)將在24小時(shí)內(nèi)自動(dòng)發(fā)出預(yù)警信號(hào)。采用移動(dòng)百分位數(shù)法預(yù)警的病種：甲肝、丙肝、戊肝、麻疹、流行性出血熱、流行性乙型腦炎、痢疾、傷寒和副傷寒、流行性腦脊髓膜炎、猩紅熱、鉤端螺旋體病、瘧疾、流行性感冒、流行性腮腺炎、風(fēng)疹、急性出血性結(jié)膜炎、流行性和地方性斑疹傷寒、除霍亂、細(xì)菌性和阿米巴性痢疾、傷寒和副傷寒以外的***性腹瀉病。通過匯聚傳染病病例監(jiān)測(cè)預(yù)警信號(hào)，生成基于大數(shù)據(jù)和專業(yè)預(yù)警模型合預(yù)警信息。整合多源數(shù)據(jù)、運(yùn)用智能分析技術(shù)，實(shí)現(xiàn)對(duì)傳染病的實(shí)時(shí)監(jiān)測(cè)、風(fēng)險(xiǎn)評(píng)估和早期預(yù)警的關(guān)鍵公共衛(wèi)生工具。廣東傳染病系統(tǒng)管理

人群分布：根據(jù)病例的年齡、性別和職業(yè)等信息，分析病例的人群聚集性。當(dāng)?shù)睾币?少見病種：當(dāng)?shù)貜奈窗l(fā)生過或近5年來從未報(bào)告的病種。對(duì)預(yù)警信息進(jìn)行初步分析后仍不能排除異常增加或聚集時(shí)，應(yīng)立即通過電話等方式做進(jìn)一步核實(shí)。核實(shí)內(nèi)容包括疾病診斷的準(zhǔn)確性、病例的相關(guān)信息以及**發(fā)展趨勢(shì)等。電話核實(shí)結(jié)果仍不能排除的，需進(jìn)行現(xiàn)場(chǎng)調(diào)查。并完成現(xiàn)場(chǎng)調(diào)查信息的反饋。根據(jù)預(yù)警規(guī)則，完成傳染病電子病歷信息轉(zhuǎn)換為傳染病預(yù)警信號(hào)，以便開展傳染病來源排查和風(fēng)險(xiǎn)識(shí)別，包括是否有潛在聚集性風(fēng)險(xiǎn)、是否有敏感身份人員（醫(yī)護(hù)人員、公共服務(wù)人員等）。手機(jī)傳染病系統(tǒng)機(jī)構(gòu)數(shù)據(jù)顯示，合理分配資源可以減少應(yīng)對(duì)成本30%-50%。

移動(dòng)端和智能手環(huán)針對(duì)用戶，移動(dòng)端提供了解以及上報(bào)流行病的渠道，智能手環(huán)實(shí)時(shí)監(jiān)測(cè)用戶身體狀態(tài)。傳染疾病防控與智能分析系統(tǒng)實(shí)現(xiàn)了對(duì)流行疾病**、輿情、城市人群、行程軌跡、疫苗接種、風(fēng)向溫度等**相關(guān)大數(shù)據(jù)的多維多尺度監(jiān)測(cè)、專題制圖和時(shí)空分析，同時(shí)基于手機(jī)信令和行程大數(shù)據(jù)核實(shí)確診患者的個(gè)人行程以及密接人員，并通過知識(shí)圖譜構(gòu)建病患關(guān)系圖譜，精細(xì)篩選確診人群、潛在***人群信息及其行為軌跡，結(jié)合機(jī)器學(xué)習(xí)ARIMA時(shí)序分析模型，SIR、SEIR傳播模型對(duì)傳播規(guī)律及其拐點(diǎn)進(jìn)行模擬預(yù)測(cè)，并通過K-Means聚類、情感分詞、TF-IDF算法、LDA主題模型進(jìn)行輿情主題信息提取及民眾情感分析，為民眾生活、疾控部門的**防控提供科學(xué)有力的支撐。

這個(gè)過程存在以下弊端：時(shí)間延遲”：由于需要人工收集和報(bào)告數(shù)據(jù)，從病例確診到報(bào)告給疾控部門往往存在一定的時(shí)間延遲，這會(huì)影響到**應(yīng)對(duì)的及時(shí)性。“數(shù)據(jù)不準(zhǔn)確”：手工錄入的數(shù)據(jù)可能存在誤差，如信息錄入不完整、錯(cuò)誤等，這會(huì)降低數(shù)據(jù)的準(zhǔn)確性和可靠性?！百Y源消耗大”：傳統(tǒng)模式下需要大量的人力和物力投入，包括病例的追蹤、數(shù)據(jù)的收集和整理等，增加了公共衛(wèi)生體系的負(fù)擔(dān)。針對(duì)這些問題，傳染病監(jiān)測(cè)預(yù)警前置軟件進(jìn)行了以下創(chuàng)新和改進(jìn)：“智能化主動(dòng)監(jiān)測(cè)”：軟件能夠自動(dòng)從醫(yī)療機(jī)構(gòu)的電子病歷系統(tǒng)中提取傳染病相關(guān)的數(shù)據(jù)，如患者的癥狀、診斷結(jié)果、治療過程等，并通過預(yù)設(shè)的算法對(duì)這些數(shù)據(jù)進(jìn)行實(shí)時(shí)分析和處理，從而實(shí)現(xiàn)主動(dòng)監(jiān)測(cè)和預(yù)警。模型包括統(tǒng)計(jì)模型、人工智能模型等，具有高度的智能化和自動(dòng)化。

AI算法助力**預(yù)測(cè)。在**預(yù)測(cè)中，本系統(tǒng)結(jié)合機(jī)器學(xué)習(xí)ARIMA時(shí)序分析模型，SIR、SEIR傳播模型對(duì)**發(fā)展的可能情況進(jìn)行態(tài)勢(shì)推演，估算出城市內(nèi)部**危險(xiǎn)系數(shù)，對(duì)傳播規(guī)律及其拐點(diǎn)進(jìn)行模擬預(yù)測(cè)。大數(shù)據(jù)追蹤病患軌跡在傳播調(diào)查頁面中，我們采用大數(shù)據(jù)平臺(tái)、結(jié)合云計(jì)算，實(shí)現(xiàn)海量軌跡的篩選追蹤，推測(cè)患者關(guān)系，智能分析密接人員軌跡。作為軟硬件融合的**監(jiān)測(cè)防疫體系，通過移動(dòng)端、硬件設(shè)備與Web端有機(jī)結(jié)合，實(shí)時(shí)監(jiān)測(cè)用戶安全。Web端針對(duì)疾控中心，實(shí)時(shí)監(jiān)測(cè)和分析流行病發(fā)展態(tài)勢(shì)。疾控中心通過流行病學(xué)調(diào)查、實(shí)驗(yàn)室檢測(cè)等方式，獲取傳染病的詳細(xì)數(shù)據(jù)，為預(yù)警和防控提供科學(xué)依據(jù)。湖北利翔科技傳染病系統(tǒng)機(jī)構(gòu)

當(dāng)前，傳染病預(yù)警系統(tǒng)正從“經(jīng)驗(yàn)驅(qū)動(dòng)”邁向“數(shù)據(jù)驅(qū)動(dòng)”，成為全球公共衛(wèi)生安全的防線。廣東傳染病系統(tǒng)管理

智慧轉(zhuǎn)型，從“被動(dòng)報(bào)告”到“主動(dòng)感知”傳統(tǒng)傳染病監(jiān)測(cè)依賴醫(yī)療機(jī)構(gòu)被動(dòng)上報(bào)，存在時(shí)效性差、覆蓋面有限等問題。系統(tǒng)通過強(qiáng)化日常監(jiān)測(cè)信息分析和定期風(fēng)險(xiǎn)評(píng)估，構(gòu)建起“主動(dòng)感知”新模式。系統(tǒng)實(shí)時(shí)研判重點(diǎn)傳染病流行態(tài)勢(shì)和發(fā)展趨勢(shì)，定時(shí)通報(bào)監(jiān)測(cè)分析結(jié)果，為防控策略調(diào)整提供前瞻性指導(dǎo)。更重要的是，系統(tǒng)推動(dòng)醫(yī)療機(jī)構(gòu)和疾控機(jī)構(gòu)信息系統(tǒng)有效對(duì)接，實(shí)現(xiàn)涉疫數(shù)據(jù)雙向流通和異常信號(hào)自動(dòng)識(shí)別。例如，當(dāng)患者就診記錄、藥品**或社區(qū)健康異常事件出現(xiàn)關(guān)聯(lián)性波動(dòng)時(shí)，系統(tǒng)可立即觸發(fā)預(yù)警，將**信息從傳統(tǒng)的“被動(dòng)報(bào)告”轉(zhuǎn)向“主動(dòng)感知”，大幅縮短響應(yīng)時(shí)間。廣東傳染病系統(tǒng)管理