發(fā)布時間：2020-10-23 17:16

　　 目的:諾如病毒是一種常見的腸道病毒,已在世界范圍內(nèi)引起了廣泛的流行。但在我國尚未建立針對諾如病毒的專病監(jiān)測系統(tǒng)。本研究嘗試通過互聯(lián)網(wǎng)監(jiān)測的新方法探索對諾如病毒預(yù)警預(yù)測的可行性與有效性。方法:本研究以浙江省嘉興市2014年諾如疫情作為切入點,收集并分析疫情相關(guān)信息;同時利用文本挖掘技術(shù)和百度大數(shù)據(jù)平臺獲取諾如相關(guān)搜索詞的百度搜索指數(shù);通過相關(guān)分析獲取不同滯后期的相關(guān)搜索詞詞組,并構(gòu)建不同滯后期的復(fù)合百度指數(shù);利用統(tǒng)計指標(biāo)篩選最優(yōu)滯后期和最終模型,收集并計算全國各省與浙江省各地級市復(fù)合百度指數(shù),基于最優(yōu)模型繪制同期浙江省近年來諾如病毒感染的潛在疫情地圖。并選取若干疫情,觀察疫情期間復(fù)合百度指數(shù)的變化情況,并對模型進行驗證,探討互聯(lián)網(wǎng)監(jiān)測的有效性與模型實際應(yīng)用的可能性。結(jié)果:1.本次研究選擇2014年2月17日發(fā)生于嘉興的諾如疫情,該疫情主要聚集于海鹽縣和海寧市的13所學(xué)校,以腹瀉和嘔吐為主要癥狀;通過現(xiàn)場調(diào)查,識別首例病例,其發(fā)病于2014年2月12日。該起疫情共持續(xù)10天,此次暴發(fā)共有924例病例,男女性別比為1:1.2。2.通過百度大數(shù)據(jù)平臺和數(shù)據(jù)挖掘網(wǎng)收集諾如相關(guān)的檢索詞,獲取相關(guān)百度搜索指數(shù),通過Spearman等級相關(guān),篩選滯后期為0,1,2,3,4的搜索詞。結(jié)果顯示滯后期為0天的納入關(guān)鍵詞有“諾如病毒”、“諾如”、“嘔吐出血”;滯后期為1天的納入關(guān)鍵詞有“諾如病毒”、“諾如”;滯后期為2天的納入關(guān)鍵詞有“諾如病毒”、“諾如”、“嘔吐腹瀉”、“嬰兒病毒性腹瀉”、“惡心想吐”;滯后期為3天的納入關(guān)鍵詞有“諾如病毒”、“諾如”、“頭痛惡心是怎么回事”、“頭暈惡心是怎么回事”,滯后期為4天的納入關(guān)鍵詞有“頭痛惡心是怎么回事”。3.研究顯示復(fù)合百度指數(shù)最優(yōu)的時間節(jié)點為滯后期為2天(ρ=0.945,P0.001)和滯后期為1天(ρ=0.924,P0.001);這兩個時間滯后分別被納入最終的模型構(gòu)建。進一步的研究顯示指數(shù)曲線模型是滯后期為1天的最優(yōu)模型,而增長曲線模型為滯后期為2天的最優(yōu)模型。為了評估擬合效果,研究構(gòu)建了總體符合率來評估總體預(yù)測效果,結(jié)果顯示指數(shù)曲線模型的總體符合率值為90.69%,而增長曲線模型的值為66.00%,最終滯后期為1天的指數(shù)曲線模型被認(rèn)定為最優(yōu)模型,在這個模型中復(fù)合百度指數(shù)每增加1個單位提示諾如感染數(shù)增加2.15倍。4.基于最優(yōu)模型,計算全國與浙江省的輿情分布,并估算浙江省的潛在諾如疫情,結(jié)果顯示在2014年疫情暴發(fā)期間,在浙江省范圍內(nèi),杭州與嘉興的輿情指數(shù)明顯高于省內(nèi)其他地區(qū);而全國范圍內(nèi),除浙江省外,江蘇省和廣東省同樣對此次疫情有較高的關(guān)注度,在2013、2014、2015、2016和2017年的同期中,浙江省諾如疫情以2014年最高,此外杭州,湖州、衢州和舟山等地也可能存在潛在的諾如疫情。四起疫情暴發(fā)期間,復(fù)合百度指數(shù)均在同期呈現(xiàn)上升趨勢并隨即出現(xiàn)高峰,對疫情有一定程度的預(yù)警作用。利用突發(fā)公共衛(wèi)生事件管理信息系統(tǒng)上的疫情數(shù)據(jù)對模型進行驗證后發(fā)現(xiàn),模型雖然會在一定程度上低估疫情規(guī)模,但仍可識別出2015年金華,2017年杭州及湖州的三起聚集性疫情。結(jié)論:本研究結(jié)果顯示在缺乏有效專病監(jiān)測系統(tǒng)的情況下,基于網(wǎng)絡(luò)輿情的諾如疫情預(yù)警預(yù)測具有一定意義。研究以百度大數(shù)據(jù)技術(shù)作為支撐,通過對諾如疫情暴發(fā)期間人群網(wǎng)絡(luò)行為特征的定量采集與分析,識別中國人群對諾如疫情關(guān)注度的網(wǎng)絡(luò)流行特征分布。根據(jù)本研究建立的滯后1天的指數(shù)曲線模型,復(fù)合百度指數(shù)每增加1個單位,提示諾如感染數(shù)增加2.15倍,這為基于百度搜索引擎關(guān)鍵詞的監(jiān)測和暴發(fā)期諾如病毒感染之間提供了定量關(guān)系的探索。基于百度搜索引擎開展諾如病毒感染聚集性疫情的監(jiān)測和預(yù)警預(yù)測具有可行性,可為現(xiàn)有傳染病監(jiān)測系統(tǒng)提供新的思路和手段。
【學(xué)位單位】：寧波大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：R512.5;R181.8
【文章目錄】：
摘要
abstract
引言
1 材料與方法
    1.1 研究對象
    1.2 研究內(nèi)容
    1.3 研究方法
        1.3.1 建立關(guān)鍵詞庫及關(guān)鍵詞的納入排除標(biāo)準(zhǔn)
        1.3.2 選取并收集疫情的數(shù)據(jù)與輿情數(shù)據(jù)
        1.3.3 構(gòu)建不同滯后期的諾如相關(guān)關(guān)鍵詞詞組集
        1.3.4 構(gòu)建并選擇諾如預(yù)測模型
        1.3.5 開展不同地區(qū)輿情及疫情評估
        1.3.6 選取若干諾如疫情對模型的驗證
        1.3.7 隱私保護與質(zhì)量控制
    1.4 統(tǒng)計分析
    1.5 技術(shù)路線
2 結(jié)果
    2.1 諾如疫情的暴發(fā)特征
    2.2 各滯后期納入的諾如疫情相關(guān)關(guān)鍵詞
    2.3 構(gòu)建基于百度指數(shù)的諾如預(yù)警預(yù)測模型
    2.4 諾如輿情的復(fù)合百度指數(shù)及諾如預(yù)測病例的空間展示
    2.5 疫情預(yù)警預(yù)測與模型驗證
        2.5.1 疫情預(yù)警預(yù)測
        2.5.2 模型的驗證
3 討論
    3.1 開展互聯(lián)網(wǎng)監(jiān)測的意義
        3.1.1 互聯(lián)網(wǎng)及搜索引擎的發(fā)展
        3.1.2 傳染病監(jiān)測的目的及意義
        3.1.3 開展互聯(lián)網(wǎng)監(jiān)測的優(yōu)點及本研究的意義
    3.2 關(guān)鍵詞的選擇
    3.3 滯后期的選擇的探討
    3.4 對最優(yōu)模型選擇的探討
    3.5 對潛在發(fā)病的探討
    3.6 局限性
4 結(jié)論
參考文獻
附錄A 綜述
    參考文獻
附錄B 2013年浙江省分地市網(wǎng)民規(guī)模及互聯(lián)網(wǎng)普及率
在學(xué)研究成果
致謝

【參考文獻】

相關(guān)期刊論文 前6條

1 洪榮濤;吳生根;李群;歐劍鳴;陳武;嚴(yán)延生;;中國大陸傳染病監(jiān)測與展望[J];疾病監(jiān)測;2015年12期

2 魯琴寶;林君芬;李傅冬;吳昊澄;吳晨;王臻;劉碧瑤;徐旭卿;;浙江省學(xué)校諾如病毒胃腸炎暴發(fā)疫情流行病學(xué)分析[J];中國學(xué)校衛(wèi)生;2015年10期

3 鄒曉輝;朱聞斐;楊磊;舒躍龍;;谷歌流感預(yù)測——大數(shù)據(jù)在公共衛(wèi)生領(lǐng)域的嘗試[J];中華預(yù)防醫(yī)學(xué)雜志;2015年06期

4 裴迎新;劉慧慧;;對中國傳染病監(jiān)測發(fā)展方向的思考[J];疾病監(jiān)測;2014年04期

5 徐旭卿;王臻;鄭亞明;劉碧瑤;;浙江省諾如病毒引起急性胃腸炎暴發(fā)的流行病學(xué)研究[J];疾病監(jiān)測;2011年09期

6 徐旭卿;魯琴寶;王臻;賴圣杰;李中杰;;浙江省傳染病自動預(yù)警系統(tǒng)暴發(fā)預(yù)警效果評價[J];中華流行病學(xué)雜志;2011年05期

本文編號：2853315