技术领域
本发明涉及疫情防控领域,尤其涉及一种基于GO法贝叶斯的新冠病毒感染风险评估的方法。
背景技术
每年随着冬季来临、气温不断下降,新冠病毒的传播可能进一步恶化,尤其在人口密集的开放型社区,病毒易在人群间传播,由于病毒存在潜伏期,确诊病例易在确诊前出入公共场所,使得同时间段出入同一区域的人群存在感染风险,这就对确诊病例密接人员感染风险的评估提出了要求,现有诊断方法是直接对密接人员进行核酸检测并隔离,一方面核酸检测过程需要时间,另一方面集中隔离消耗物质资源大,增加市政部门的防疫负担,同时城市社区人口密集且流动性大,现有的手段效率不高。
发明内容
基于背景技术存在的技术问题,本发明提出了一种基于GO法贝叶斯的新冠病毒感染风险评估的方法。
本发明提出的一种基于贝叶斯网络的新冠密接人员感染风险评估的方法其具体操作步骤如下:
1)风险区划分,根据风险源的不同分布状态使用泰森多边形或同心圆两种结构;
2)风险因素的定义和设置,包括人员行为和临床表现两个层面;
3)GO法贝叶斯网络模型单元结构的定义、内部属性与转换规则的确定;
4)根据所述风险因素构建GO法贝叶斯网络模型,获取所述待评估系统的风险因素数据,进行在线风险评估,得到风险评估结果;
5)通过微调模型参数进行灵敏度分析。
优选的,所述风险区的划分包括两种方式,地区内风险源数量多且分散时采用泰森多边形划分网格,风险源数量少或地理位置密集时以风险源群体为中心作一定半径同心圆。
优选的,所述风险因素的定义和设置分为两个层面,包括风险人员行为层面和临床表现层面,初步设定的行为层面包括与风险源距离、出行方式、出入场所密闭性、风险区内逗留时间、口罩的佩戴五种因素,初步设定的临床表现层面参考国家卫生健康委员会发布的第八版《新型冠状病毒肺炎诊疗方案》,主要症状包括发热、干咳、乏力,首发症状包括嗅觉味觉减退,严重症状包括呼吸困难和低氧血症。
优选的,所述GO法贝叶斯网络模型单元结构的定义、内部属性的确定与转换规则为:
单元结构1:风险发生单元(信号发生器),风险发生单元表示系统的输入,该单元本身没有输入,是独立于系统的外部事件或信号,给出个人是否进入风险区的状态I
F
单元结构2:风险传递单元,P(i)表示人员感染状态的概率,Q(i)表示人员健康状态的概率,下标C,S,R分别表示操作符、输入状态、输出状态,θ表示感染风险参数,两状态单元是较常用的单元,自身有健康或感染两种状态,同时有输入和输出数据,该单元转换规则为:
P
Q
θ
单元结构3:风险叠加单元,表示多个风险数据数据输入(下标后面分别加注1,2,…,n表示),例如多种临床症状的输入,一个风险概率数据输出,并且多个输入只要其中一个发生就有输出的逻辑关系,该单元转换规则为:
Q
P
P
…
P
单元结构3表示多个风险数据数据输入(下标后面分别加注1,2,…,n表示),例如多种临床症状的输入,一个风险概率数据输出,并且多个输入只要其中一个发生就有输出的逻辑关系;
单元结构4:风险选择单元,表示一个风险因素存在多种风险选择,输出风险概率可以选择n条输出路径中的一条输出,也可以所有输出路径全部关闭,例如交通方式这一风险因素存在多种选择可能,不同的路径会有不同的输出结果,该单元转换规则为:
单元结构5:风险反馈单元,单元结构5是一个闭环可控制结构,某些风险因素的状态并不是独立可选择的,而是连续的,需要另一个控制因素进行控制,如图所示,S1为闭环可控系统的输入数据,作为单元结构5的主输入,S2为闭环可控系统的反馈信号,作为单元结构5的次输入,R为输出,将输入数据、反馈信号和输出等效为一个部件,用单元结构5来模拟,在风险因素与控制因素之间,存在反馈作用,可对该单元输出进行修正,减少不合理输入对单元的输出的影响,S1与S2之差为偏差量,偏差量在一定范围内才存在输出,该单元转换规则为:
设主输入数据的感染风险参数为θ
优选的,所述根据风险因素构建GO法贝叶斯网络模型,获取待评估系统内的风险因素数据,进行在线风险评估,得到风险评估结果。
优选的,所述通过微调模型参数进行灵敏度分析,调整行为层面和临床层面风险因素初始状态,以及感染风险参数初始数值,得出影响人员感染风险的关键性因素。
本发明中,所述一种基于GO法贝叶斯的新冠病毒感染风险评估的方法,充分发挥GO法中单元多状态的优势,模拟风险人员与风险因素的多状态,能够针对通过非临床手段所收集的风险人员的基础信息,达到对风险群体的独立风险评估,降低疫情防控时间成本,环节核酸检测压力。
附图说明
图1为本发明提出的一种基于GO法贝叶斯的新冠病毒感染风险评估的方法的五种单元结构的结构示意图;
图2为本发明提出的一种基于GO法贝叶斯的新冠病毒感染风险评估的方法的实施例中GO法贝叶斯网络模型结构示意图。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。
一种基于贝叶斯网络的新冠密接人员感染风险评估的方法,其具体操作步骤如下:
1)风险区划分,根据风险源的不同分布状态使用泰森多边形或同心圆两种结构;
2)风险因素的定义和设置,包括人员行为和临床表现两个层面;
3)GO法贝叶斯网络模型单元结构的定义、内部属性与转换规则的确定;
4)根据所述风险因素构建GO法贝叶斯网络模型,获取所述待评估系统的风险因素数据,进行在线风险评估,得到风险评估结果;
5)通过微调模型参数进行灵敏度分析。
本发明中,所述风险区的划分包括两种方式,地区内风险源数量多且分散时采用泰森多边形划分网格,风险源数量少或地理位置密集时以风险源群体为中心作一定半径同心圆。
本发明中,所述风险因素的定义和设置分为两个层面,包括风险人员行为层面和临床表现层面,初步设定的行为层面包括与风险源距离、出行方式、出入场所密闭性、风险区内逗留时间、口罩的佩戴五种因素,初步设定的临床表现层面参考国家卫生健康委员会发布的第八版《新型冠状病毒肺炎诊疗方案》,主要症状包括发热、干咳、乏力,首发症状包括嗅觉味觉减退,严重症状包括呼吸困难和低氧血症。
本发明中,所述GO法贝叶斯网络模型单元结构的定义、内部属性的确定与转换规则为:
单元结构1:风险发生单元(信号发生器),风险发生单元表示系统的输入,该单元本身没有输入,是独立于系统的外部事件或信号,给出个人是否进入风险区的状态I
F
单元结构2:风险传递单元,P(i)表示人员感染状态的概率,Q(i)表示人员健康状态的概率,下标C,S,R分别表示操作符、输入状态、输出状态,θ表示感染风险参数,两状态单元是较常用的单元,自身有健康或感染两种状态,同时有输入和输出数据,该单元转换规则为:
P
Q
θ
单元结构3:风险叠加单元,表示多个风险数据数据输入(下标后面分别加注1,2,…,n表示),例如多种临床症状的输入,一个风险概率数据输出,并且多个输入只要其中一个发生就有输出的逻辑关系,该单元转换规则为:
Q
P
P
…
P
单元结构3表示多个风险数据数据输入(下标后面分别加注1,2,…,n表示),例如多种临床症状的输入,一个风险概率数据输出,并且多个输入只要其中一个发生就有输出的逻辑关系;
单元结构4:风险选择单元,表示一个风险因素存在多种风险选择,输出风险概率可以选择n条输出路径中的一条输出,也可以所有输出路径全部关闭,例如交通方式这一风险因素存在多种选择可能,不同的路径会有不同的输出结果,该单元转换规则为:
单元结构5:风险反馈单元,单元结构5是一个闭环可控制结构,某些风险因素的状态并不是独立可选择的,而是连续的,需要另一个控制因素进行控制,如图所示,S1为闭环可控系统的输入数据,作为单元结构5的主输入,S2为闭环可控系统的反馈信号,作为单元结构5的次输入,R为输出,将输入数据、反馈信号和输出等效为一个部件,用单元结构5来模拟,在风险因素与控制因素之间,存在反馈作用,可对该单元输出进行修正,减少不合理输入对单元的输出的影响,S1与S2之差为偏差量,偏差量在一定范围内才存在输出,该单元转换规则为:
设主输入数据的感染风险参数为θ
本发明中,所述根据风险因素构建GO法贝叶斯网络模型,获取待评估系统内的风险因素数据,进行在线风险评估,得到风险评估结果。
本发明中,所述通过微调模型参数进行灵敏度分析,调整行为层面和临床层面风险因素初始状态,以及感染风险参数初始数值,得出影响人员感染风险的关键性因素。
本发明:将存在确诊病例的社区按规则划分成多边形网格或者不同等级的同心圆区域,整个地区为风险区;在未感染人员进入风险区后,通过收集人员基础行为信息和简要判断临床症状,获得风险因素数据,输入GO法贝叶斯网络模型,如图2,各单元具体释义如下表:
单元1-1为风险发生单元,是一个初始的输入,表示人员进入风险区;在行为层面上,设置一个风险选择单元4-2对人员的交通方式进行选择,包括2-3、2-4、2-5三种形式;同时设置一个风险反馈单元5-7对人员与风险源的距离以及在风险区内逗留时间进行控制;单元3-9表示这两种行为层面的风险因素叠加;单元3-10表示人员佩戴口罩的状态;在临床表现层面,单元3-14是三种主要临床症状2-11、2-12、2-13的叠加单元;单元3-18是两种严重临床症状2-17、2-16的叠加单元;同时与首发临床症状单元2-15叠加至风险叠加单元3-19;行为层面与临床表现层面风险因素最终通过单元3-20叠加,输出人员感染风险评估结果;对于该结果还可以调整行为层面和临床层面风险因素初始状态,以及感染风险参数初始数值,得出影响人员感染风险的关键性因素。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
机译: 基于贝叶斯峰选择和监测设备的基于贝叶斯峰值选择和相同的监测设备确定方法的方法
机译: 一种基于熵信息和贝叶斯SOM的基于排序文档的聚类调整方法
机译: 基于朴素贝叶斯滤波方法的语义环境Ubiquitous健康服务推荐个性化内容推荐方法以及基于数字电视的Ubuquitous健康服务平台推荐方法