一种新冠肺炎患者流行病学史结构化建模方法
技术领域
本发明涉及活动轨迹追踪技术领域，特别涉及一种新冠肺炎患者流行病学史结构化建模方法。
背景技术
新冠肺炎患者的活动轨迹作为流行病学调查的重要信息之一，是发现高风险人群的重要依据。
目前的这些信息的采集主要通过患者口述或者自拟的流行病学史的方式进行，但是患者口述或自拟的流行病学史大多是非结构化自然语言描述，存在要素结构不规范，时间顺序混乱等问题，难以开展有效分析。而且，患者的流行病学史数据整体或部分存储于传统的关系型数据模型，不易适应灵活的事件描述场景，也难以从时间、地点等要素开展多因素关联性分析。
为此，需要一种便于开展多因素关联性分析的新冠肺炎患者流行病学史结构化建模方法。
发明内容
本发明提供了一种新冠肺炎患者流行病学史结构化建模方法，便于开展多因素关联性分析。
为了解决上述技术问题，本申请提供如下技术方案：
一种新冠肺炎患者流行病学史结构化建模方法，包括如下步骤：
S1、确定新冠肺炎流行病学史数据模型的要素；
S2、获取患者流行病学史信息，基于数据模型从患者流行病学史信息中提取要素；对要素进行统一建模，形成数据模型；
S3、将多个患者数据模型组织形成有向无环图。
基础方案原理及有益效果如下：
本方案通过建立的数据模型可以简单清晰的描述新冠肺炎的流行病学史，以便快速了解患者的活动轨迹；通过有向无环图组织的多患者流行病学史，可以灵活的适配各种要素的描述，便于开展多因素关联性分析，从而进一步快速定位高风险人群。
进一步，所述S1中要素包括事件、空间位置、医疗机构、工具、人员，以及事件-空间位置、事件-医疗机构、事件-工具和事件-人员。
一些认知科学家认为，事件是人类认识和理解现实世界的基本单元。事件(Event)是指在某个特定时间和环境下发生的，由若干角色参与，表现出若干动作特征的一件事情。通过引入事件作为要素，便于后续提取患者流行病学史信息中的关键信息。
进一步，所述S3中，事件、空间位置、医疗机构、工具和人员作为有向无环图的顶点；事件-空间位置、事件-医疗机构、事件-工具、事件-人员作为有向无环图的关联关系。
在图论中，如果一个有向图无法从某个顶点出发经过若干条边回到该点，则这个图是一个有向无环图(DAG图)。通过有向无环图，便于后续利用图的遍历，快速发现事件、人员之间的关联性。
进一步，所述S1中，事件包括迁徙事件、就诊事件、确诊事件、出现症状事件、出院事件、偶然接触事件、务工事件、旅游事件和出差事件。
可以全面的包含患者在活动中遇到的各种事件。
进一步，所述S1中，空间位置包括城市和乡镇。
进一步，所述S1中，医疗机构包括公立医院、民营医院、基层卫生院和私人诊所。
进一步，所述S1中，工具包括火车、公共汽车、飞机、出租车和私家车。
进一步，所述S2中，从患者流行病学史信息中提取要素时，还为每一要素设置独立的编号。
便于后续的数据处理。
进一步，所述S2中，还为要素事件-空间位置、事件-医疗机构、事件-工具和事件-人员设置权重。
进一步，所述权重为1。
附图说明
图1为一种新冠肺炎患者流行病学史结构化建模方法实施例一的流程图；
图2为一种新冠肺炎患者流行病学史结构化建模方法实施例一数据模型的示意图；
图3为一种新冠肺炎患者流行病学史结构化建模方法实施例一事件的统计表；
图4为一种新冠肺炎患者流行病学史结构化建模方法实施例一人员的统计表；
图5为一种新冠肺炎患者流行病学史结构化建模方法实施例一空间位置的统计表；
图6为一种新冠肺炎患者流行病学史结构化建模方法实施例一医疗机构的统计表；
图7为一种新冠肺炎患者流行病学史结构化建模方法实施例一工具的统计表；
图8为一种新冠肺炎患者流行病学史结构化建模方法实施例一关联关系的统计表；
图9为一种新冠肺炎患者流行病学史结构化建模方法实施例一的向无环图。
具体实施方式
下面通过具体实施方式进一步详细说明：
实施例一
如图1所示，本实施例的一种新冠肺炎患者流行病学史结构化建模方法，包括如下步骤：
S1、确定新冠肺炎流行病学史数据模型的要素；要素包括事件、空间位置、医疗机构、工具、人员，以及事件-空间位置、事件-医疗机构、事件-工具和事件-人员。
本实施例中，事件：描述动作和具体内容；由于时间具有连续性，实际数据中时间粒度也各不相同，因此将时间作为事件的属性，分为事件起始时间、结束时间；本实施例中，事件包括迁徙事件、就诊事件、确诊事件、出现症状事件、出院事件、偶然接触事件、务工事件、旅游事件和出差事件等；
空间位置：描述空间地点，如城市、乡镇；
医疗机构：描述相关医疗机构；包括公立医院、民营医院、基层卫生院和私人诊所等；
工具：描述交通工具，包括火车、公共汽车、飞机、出租车和私家车等；
人员：描述具体的人；
事件-空间位置：描述事件发生或涉及的空间地点；
事件-医疗机构：描述患者前往就诊、再诊的医院；
事件-工具：描述事件发生时采用或涉及的交通工具；
事件-人员：描述事件的参与者。
S2、获取患者流行病学史信息，基于数据模型从患者流行病学史信息中提取要素；为每一要素设置独立的编号，对要素进行统一建模，形成数据模型，如图2所示；还为要素事件-空间位置、事件-医疗机构、事件-工具和事件-人员设置权重，本实施例中，权重均为1。
S3、将多个患者数据模型组织形成有向无环图；本实施例中，事件、空间位置，医疗机构、工具和人员作为有向无环图的顶点(Vertex)；事件-空间位置、事件-医疗机构、事件-工具、事件-人员作为有向无环图的关联关系(边Edge)。
例如，患者S的流行病学史为，患者S于1月13日从A市返C市；入院前13天，至“A市B医院”就诊，诊断为“急性上呼吸道感染”。8天前，患者从A市乘坐动车D9999回C市，至“HWS诊所”就诊，诊断“支气管炎”，予以“口服药物”治疗，患者气促未见明显好转，逐渐出现咳嗽，干咳为主。入院2天前，患者出现发热，无畏寒寒颤，发热无明显规律，最高体温不详，遂至D医院门诊就诊，1月16日经疾控部门检测新型冠状病毒核酸监测结果为阳性。基于数据模型从患者流行病学史信息中提取的要素如图3-8所示，形成的有向无环图如图9所示。
本实施例通过建立的数据模型可以简单清晰的描述新冠肺炎的流行病学史，以便快速了解患者的活动轨迹；通过有向无环图组织的多患者流行病学史，可以灵活的适配各种事件的描述，便于后续利用图的遍历，快速发现事件、人员之间的关联性，从而进一步快速定位高风险人群。
实施例二
本实施例与实施例一的不同之处在于，还包括
S4、通过手机终端采集其他蓝牙设备信息和通讯方式并纪录时间，并共享自身蓝牙设备信息和通讯方式；还采集移动速度信息；
S5、获取确诊患者手机终端采集其他蓝牙设备信息；基于确诊患者乘坐交通工具时间，筛选出该时间手机终端采集的蓝牙设备信息，并标记为疑似设备；
S6、向疑似设备发送筛查提醒；
S7、疑似设备获取确诊患者乘坐交通工具时间以及确诊患者乘坐交通工具时的移动速度信息；与本疑似设备在同一时间的移动速度信息进行对比，判断是否一致；如果一致，在本疑似设备发出就诊提醒。
本实施例中，记录其他蓝牙设备信息、通信方式以及采集移动速度信息可以由能够实现该功能的app执行，app安装在手机上。
在疫情发生时，可以鼓励用户都打开蓝牙，便于进行蓝牙设备信息的采集，因为蓝牙的发现距离有限，可以辅助判断两个用户是否有过密切接触。当两个用户在同一时间乘坐相同的交通工具时，而其中一个用户被确诊时，就需要向另外的用户及时的发送就诊提醒，让另外的用户及时到医院去做检测，本实施例能自动发送，反应速度快。但是仅仅通过蓝牙设备信息不能分辨一个用户在公交车上，另外一个用户在马路上，接近的瞬间蓝牙设备信息被相互采集的情况，这种情形下另外一个用户实际上和确诊的用户没有接触，本实施中，通过速度这一维度，可以有效筛选出来，提高提醒的准确率。
以上的仅是本发明的实施例，该发明不限于此实施案例涉及的领域，方案中公知的具体结构及特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本申请给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。
