CN111653367A - 一种基于咳嗽症状的呼吸道传染病监测系统及方法 - Google Patents
一种基于咳嗽症状的呼吸道传染病监测系统及方法 Download PDFInfo
- Publication number
- CN111653367A CN111653367A CN202010350804.XA CN202010350804A CN111653367A CN 111653367 A CN111653367 A CN 111653367A CN 202010350804 A CN202010350804 A CN 202010350804A CN 111653367 A CN111653367 A CN 111653367A
- Authority
- CN
- China
- Prior art keywords
- user
- cough
- information
- abnormal
- real
- 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
- 206010011224 Cough Diseases 0.000 title claims abstract description 134
- 208000035473 Communicable disease Diseases 0.000 title claims abstract description 50
- 208000024891 symptom Diseases 0.000 title claims abstract description 33
- 208000015181 infectious disease Diseases 0.000 title claims abstract description 31
- 238000012544 monitoring process Methods 0.000 title claims abstract description 31
- 230000000241 respiratory effect Effects 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 title claims abstract description 20
- 230000002159 abnormal effect Effects 0.000 claims abstract description 115
- 238000001514 detection method Methods 0.000 claims abstract description 37
- 230000005856 abnormality Effects 0.000 claims abstract description 15
- 238000012216 screening Methods 0.000 claims abstract description 11
- 238000004458 analytical method Methods 0.000 claims abstract description 10
- 239000000284 extract Substances 0.000 claims description 8
- 230000005236 sound signal Effects 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 201000010099 disease Diseases 0.000 abstract description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 description 4
- 210000004704 glottis Anatomy 0.000 description 3
- 208000023504 respiratory system disease Diseases 0.000 description 2
- 210000003437 trachea Anatomy 0.000 description 2
- 230000003187 abdominal effect Effects 0.000 description 1
- 210000000621 bronchi Anatomy 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002458 infectious effect Effects 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 210000004877 mucosa Anatomy 0.000 description 1
- 210000003800 pharynx Anatomy 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 210000003019 respiratory muscle Anatomy 0.000 description 1
- 210000001584 soft palate Anatomy 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
Landscapes
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明涉及一种基于咳嗽症状的呼吸道传染病监测系统及方法，该系统包括：咳嗽探测与异常分析模块(1)：基于用户终端设备定向识别用户咳嗽症状，并判断是否异常，异常时将用户探测异常信息上传；区域内用户追踪与实时统计模块(2)：建立区域内实时用户数据库，包括区域内用户终端数量信息、地理位置信息和用户背景信息；咳嗽用户信息筛检与整理模块(3)：接收用户探测异常信息和实时用户数据库，形成异常用户数据库；汇总预警模块(4)：接收异常用户数据库和实时用户数据库，计算并存储咳嗽发病率曲线，根据咳嗽发病率曲线对传染病进行预警。与现有技术相比，本发明大大提高疾病监测人群的覆盖率、传染病监测的准确性高。
Description
技术领域
本发明涉及一种呼吸道传染病监测系统及方法，尤其是涉及一种基于咳嗽症状的呼吸道传染病监测系统及方法。
背景技术
呼吸道传染疾病是指患者咽喉、气管及支气管等收到侵入性感染后造成一系列具有传染性的呼吸道疾病。此类疾病大多可经由空气传播，传染性强，扩散速度极快，因此早期的发现和控制意义重大。咳嗽是一种呼吸系统疾病常见的症状，也是呼吸道传染疾病主要症状之一，呼吸道传染病患者在新患之时，往往表现为咳嗽次数的急剧增长，因而咳嗽症状监测已成为呼吸道传染病，特别是新发呼吸道传染病爆发的主要监测手段之一。
咳嗽是由气管、支气管黏膜或肺泡受异物、感染、组织病变等刺激而引起，其运动特征是：先吸一口气，随之声门关闭，同时软腭上举使鼻咽腔完全关闭，然后胸腹部呼吸肌收缩，肺内压力增高，达到一定程度时，声门突然开放，一股强有力的气流迅速通过已经变窄的气道，冲击声门，发出咳嗽声。咳嗽和人体正常情况下产生的声音在能量、频率等声音指标上具有显著的差异，因而具有可识别性，目前声音识别技术已实现了在自然环境中对咳嗽声音和普通声音的有效区分，相应产品也被设计出来，但大部分产品昂贵且不便携带，难以满足对咳嗽实时的监控需要。要通过咳嗽症状来监测呼吸道传染病爆发，必须满足以下条件：能实现个体咳嗽全天候实时准确监测；能即时汇总统计在特定区域人群个体异常信息；能找到判断参照标准以确定所获即时数据是否异常。
已有研究在个体层面实现咳嗽全天候实时准确监测做了有益探索，有文献阐述了通过智能手机来实现咳嗽的识别和监控，但该文献阐述的方法聚焦于个体的疾病诊断与监测，并且其负载的技术还没有实现声音个性化的分析和识别，这就无法在多人咳嗽出现的情况下对特定用户的咳嗽的甄别，从而限制了该技术在人群传染病监测领域的进一步应用。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于咳嗽症状的呼吸道传染病监测系统及方法。
本发明的目的可以通过以下技术方案来实现：
一种基于咳嗽症状的呼吸道传染病监测系统，该系统包括：
咳嗽探测与异常分析模块：基于用户终端设备定向识别用户咳嗽症状，并判断是否异常，异常时将用户探测异常信息上传；
区域内用户追踪与实时统计模块：建立区域内实时用户数据库，包括区域内用户终端数量信息、地理位置信息和用户背景信息；
咳嗽用户信息筛检与整理模块：接收用户探测异常信息和实时用户数据库，形成异常用户数据库；
汇总预警模块：接收异常用户数据库和实时用户数据库，计算并存储咳嗽发病率曲线，根据咳嗽发病率曲线对传染病进行预警。
所述的咳嗽探测与异常分析模块包括：
声音采集传感器：采集声音信号；
咳嗽识别模型：预先存储于用户终端设备，该模型根据采集的声音信号判断是否为用户本人发出的咳嗽声，若是则输出咳嗽发生；
异常统计单元：该单元统计实时咳嗽频次，当实时咳嗽频次超出设定阈值则标记为异常，产生用户探测异常信息，所述的用户探测异常信息包括用户标记信息和实时咳嗽频次。
所述的区域内用户追踪与实时统计模块包括：
定位单元：集成于用户终端设备，用于采集用户地理位置信息；
追踪统计单元：追踪用户终端设备，以分钟为单位获取区域内实时用户终端数量信息和地理位置信息，根据追踪到的用户终端设备对应的用户标记信息匹配获取用户背景信息，所述的用户背景信息包括用户个人信息。
所述的用户终端设备包括智能手机，进而，所述的用户标记信息为智能手机的手机号。
所述的定位单元包括北斗定位单元。
所述的咳嗽用户信息筛检与整理模块包括：
异常用户匹配提取单元：该单元提取用户探测异常信息中的用户标记信息，根据用户标记信息从实时用户数据库匹配提取用户的地理位置信息和用户背景信息，将用户探测异常信息、地理位置信息和用户背景信息汇总为异常用户数据信息，所有异常用户的异常用户数据信息构成所述的异常用户数据库；
查询单元：连接异常用户数据库，该单元提供查询读取接口，用于读取异常用户数据库中的异常用户数据信息。
所述的汇总预警模块包括：
咳嗽发病率曲线构建单元：构建多维度咳嗽发病率曲线；
预警单元：比对多维度咳嗽发病率曲线产生传染病预警信息并实时预警。
所述的多维度咳嗽发病率曲线包括每日发病率曲线、近7日平均发病率曲线和年度平均发病率曲线，
所述的每日发病率曲线通过如下方式获得：根据异常用户数据库确定每分钟咳嗽异常用户数，同时根据实时用户数据库对应获取区域同时段用户总数，利用每分钟咳嗽异常用户数除以区域同时段用户总数求取每分钟咳嗽发病率，根据每分钟咳嗽发病率绘制每日发病率曲线；
进而，根据历史每日发病率曲线构建近7日平均发病率曲线和年度平均发病率曲线。
所述的预警单元将当日发病率曲线与前1日发病率曲线、近7日平均发病率曲线和年度平均发病率曲线进行比较，若当日发病率发生突增时产生传染病预警信息并实时预警。
一种基于咳嗽症状的呼吸道传染病监测方法，该方法基于上述系统，所述的方法包括如下步骤：
步骤S1：识别用户咳嗽症状，判断是否异常，异常时将用户探测异常信息上传；
步骤S2：获取区域内实时用户数据，构建实时用户数据库，包括区域内用户终端数量信息、地理位置信息和用户背景信息，所述的用户背景信息包括用户个人信息；
步骤S3：根据用户探测异常信息和实时用户数据库进行整理筛选，形成异常用户数据库，所述的异常用户数据库包括所有异常用户的异常用户数据信息，所述的异常用户数据信息包括用户探测异常信息、地理位置信息和用户背景信息；
步骤S4：根据异常用户数据库确定每分钟咳嗽异常用户数，同时根据实时用户数据库对应获取区域同时段用户总数，利用每分钟咳嗽异常用户数除以区域同时段用户总数求取每分钟咳嗽发病率，根据每分钟咳嗽发病率绘制每日发病率曲线；
步骤S5：根据历史每日发病率曲线构建近7日平均发病率曲线和年度平均发病率曲线；
步骤S6：将当日发病率曲线与前1日发病率曲线、近7日平均发病率曲线和年度平均发病率曲线进行比较，若当日发病率发生突增时产生传染病预警信息并实时预警。
与现有技术相比，本发明具有如下优点：
(1)本发明将咳嗽症状的识别技术内置于用户终端设备(如智能手机)，费用经济，使用便捷，隐秘客观，能对个体进行全天候全时段的咳嗽数据监测，实现个体数据的精准收集，同时也大大提高疾病监测人群的覆盖率，为后续分析提供科学数据；
(2)本发明咳嗽识别模型在多人咳嗽出现的情况下实现对特定用户咳嗽的甄别，从而传染病监测的准确性；
(3)本发明可实现对以咳嗽主要症状的呼吸道传染病发病数据进行即时分析，尽早发现传染病爆发苗头，全面描述特定区域的传染病爆发状态，及时反馈结果给相关部门，实现对传染病的及早干预；
(4)本发明可以在必要时对传染病疑似患者进行位置锁定和路径追踪，从而更好地防控传染病。
(5)本发明可建立区域传染病发病率数据库，为相关研究打下基础。
附图说明
图1为本发明基于咳嗽症状的呼吸道传染病监测系统的结构框图；
图2为本发明基于咳嗽症状的呼吸道传染病监测方法的流程图。
图中，1为咳嗽探测与异常分析模块，2为区域内用户追踪与实时统计模块，3为咳嗽用户信息筛检与整理模块，4为汇总预警模块，11为声音采集传感器，12为咳嗽识别模型，13为异常统计单元，21为定位单元，22为追踪统计单元，31为异常用户匹配提取单元，32为查询单元，41为咳嗽发病率曲线构建单元，42为预警单元。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。注意，以下的实施方式的说明只是实质上的例示，本发明并不意在对其适用物或其用途进行限定，且本发明并不限定于以下的实施方式。
实施例
如图1所示，一种基于咳嗽症状的呼吸道传染病监测系统，该系统包括：
咳嗽探测与异常分析模块1：基于用户终端设备定向识别用户咳嗽症状，并判断是否异常，异常时将用户探测异常信息上传；
区域内用户追踪与实时统计模块2：建立区域内实时用户数据库，包括区域内用户终端数量信息、地理位置信息和用户背景信息；
咳嗽用户信息筛检与整理模块3：接收用户探测异常信息和实时用户数据库，形成异常用户数据库；
汇总预警模块4：接收异常用户数据库和实时用户数据库，计算并存储咳嗽发病率曲线，根据咳嗽发病率曲线对传染病进行预警。
具体地：咳嗽探测与异常分析模块1包括：
声音采集传感器11：采集声音信号；
咳嗽识别模型12：预先存储于用户终端设备，该模型根据采集的声音信号判断是否为用户本人发出的咳嗽声，若是则输出咳嗽发生；
异常统计单元13：该单元统计实时咳嗽频次，当实时咳嗽频次超出设定阈值则标记为异常，产生用户探测异常信息，用户探测异常信息包括用户标记信息和实时咳嗽频次，本实施例若每分钟咳嗽次数超过3次视为异常。
区域内用户追踪与实时统计模块2包括：
定位单元21：集成于用户终端设备，用于采集用户地理位置信息，定位单元21包括北斗定位单元21；
追踪统计单元22：追踪用户终端设备，以分钟为单位获取区域内实时用户终端数量信息和地理位置信息，根据追踪到的用户终端设备对应的用户标记信息匹配获取用户背景信息，用户背景信息包括用户个人信息，用户个人信息包括姓名、性别、年龄、住址等个人信息；
区域内用户追踪与实时统计模块2接入区域电子地图，利用全球定位系统(北斗)以分钟为单位建立区域内每分钟用户终端设备数量及相应地理位置信息，接入用户背景信息，构建包括号码、背景和地理位置信息的综合数据总库。
用户终端设备包括智能手机，进而，用户标记信息为智能手机的手机号。
咳嗽用户信息筛检与整理模块3包括：
异常用户匹配提取单元31：该单元提取用户探测异常信息中的用户标记信息，根据用户标记信息从实时用户数据库匹配提取用户的地理位置信息和用户背景信息，将用户探测异常信息、地理位置信息和用户背景信息汇总为异常用户数据信息，所有异常用户的异常用户数据信息构成异常用户数据库；
查询单元32：连接异常用户数据库，该单元提供查询读取接口，用于读取异常用户数据库中的异常用户数据信息。
汇总预警模块4包括：
咳嗽发病率曲线构建单元41：构建多维度咳嗽发病率曲线；
预警单元42：比对多维度咳嗽发病率曲线产生传染病预警信息并实时预警。
多维度咳嗽发病率曲线包括每日发病率曲线、近7日平均发病率曲线和年度平均发病率曲线，
每日发病率曲线通过如下方式获得：根据异常用户数据库确定每分钟咳嗽异常用户数，同时根据实时用户数据库对应获取区域同时段用户总数，利用每分钟咳嗽异常用户数除以区域同时段用户总数求取每分钟咳嗽发病率，根据每分钟咳嗽发病率绘制每日发病率曲线；
进而，根据历史每日发病率曲线构建近7日平均发病率曲线和年度平均发病率曲线。
预警单元42将当日发病率曲线与前1日发病率曲线、近7日平均发病率曲线和年度平均发病率曲线进行比较，若当日发病率发生突增时产生传染病预警信息并实时预警。
综上，本发明涉及的数据信息包括：
用户探测异常信息：用户每分钟咳嗽次数，按分钟存储用户咳嗽信息，每条信息包括用户手机号、时间和咳嗽次数；
用户背景信息：本发明基于移动运行商提供的信息，因此用户背景信息全国移动用户的背景信息组成，按手机号存储，每条信息包括手机号、姓名、性别、年龄、住址等；
区域内实时用户数据库：每分钟区域内用户信息，按手机号码存储，每条信息包括手机号、姓名、性别、年龄、住址、当日时间、进入指定区域时间、离开指定区域时间；
异常用户数据库：每分钟区域内异常用户数据信息，每条信息包括手机号、姓名、性别、年龄、住址、时间、实时位置、是否异常等数据；
每日发病率曲线：以分钟为单位，咳嗽异常用户数除以区域实时用户总数求取实时咳嗽发病率，记录一天之内咳嗽发病率的变化曲线；
近7日平均发病率曲线：特定日期前七日平均发病率绘制的发展趋势曲线；
年度平均发病率曲线：年度的实时咳嗽发病率构成的趋势线。
如图2所示，一种基于咳嗽症状的呼吸道传染病监测方法，该方法基于上述系统，方法包括如下步骤：
步骤S1：识别用户咳嗽症状，判断是否异常，异常时将用户探测异常信息上传；
步骤S2：获取区域内实时用户数据，构建实时用户数据库，包括区域内用户终端数量信息、地理位置信息和用户背景信息，用户背景信息包括用户个人信息；
步骤S3：根据用户探测异常信息和实时用户数据库进行整理筛选，形成异常用户数据库，异常用户数据库包括所有异常用户的异常用户数据信息，异常用户数据信息包括用户探测异常信息、地理位置信息和用户背景信息；
步骤S4：根据异常用户数据库确定每分钟咳嗽异常用户数，同时根据实时用户数据库对应获取区域同时段用户总数，利用每分钟咳嗽异常用户数除以区域同时段用户总数求取每分钟咳嗽发病率，根据每分钟咳嗽发病率绘制每日发病率曲线；
步骤S5：根据历史每日发病率曲线构建近7日平均发病率曲线和年度平均发病率曲线；
步骤S6：将当日发病率曲线与前1日发病率曲线、近7日平均发病率曲线和年度平均发病率曲线进行比较，若当日发病率发生突增时产生传染病预警信息并实时预警。
上述实施方式仅为例举，不表示对本发明范围的限定。这些实施方式还能以其它各种方式来实施，且能在不脱离本发明技术思想的范围内作各种省略、置换、变更。
Claims (10)
1.一种基于咳嗽症状的呼吸道传染病监测系统，其特征在于，该系统包括：
咳嗽探测与异常分析模块(1)：基于用户终端设备定向识别用户咳嗽症状，并判断是否异常，异常时将用户探测异常信息上传；
区域内用户追踪与实时统计模块(2)：建立区域内实时用户数据库，包括区域内用户终端数量信息、地理位置信息和用户背景信息；
咳嗽用户信息筛检与整理模块(3)：接收用户探测异常信息和实时用户数据库，形成异常用户数据库；
汇总预警模块(4)：接收异常用户数据库和实时用户数据库，计算并存储咳嗽发病率曲线，根据咳嗽发病率曲线对传染病进行预警。
2.根据权利要求1所述的一种基于咳嗽症状的呼吸道传染病监测系统，其特征在于，所述的咳嗽探测与异常分析模块(1)包括：
声音采集传感器(11)：采集声音信号；
咳嗽识别模型(12)：预先存储于用户终端设备，该模型根据采集的声音信号判断是否为用户本人发出的咳嗽声，若是则输出咳嗽发生；
异常统计单元(13)：该单元统计实时咳嗽频次，当实时咳嗽频次超出设定阈值则标记为异常，产生用户探测异常信息，所述的用户探测异常信息包括用户标记信息和实时咳嗽频次。
3.根据权利要求2所述的一种基于咳嗽症状的呼吸道传染病监测系统，其特征在于，所述的区域内用户追踪与实时统计模块(2)包括：
定位单元(21)：集成于用户终端设备，用于采集用户地理位置信息；
追踪统计单元(22)：追踪用户终端设备，以分钟为单位获取区域内实时用户终端数量信息和地理位置信息，根据追踪到的用户终端设备对应的用户标记信息匹配获取用户背景信息，所述的用户背景信息包括用户个人信息。
4.根据权利要求3任意一项所述的一种基于咳嗽症状的呼吸道传染病监测系统，其特征在于，所述的用户终端设备包括智能手机，进而，所述的用户标记信息为智能手机的手机号。
5.根据权利要求3所述的一种基于咳嗽症状的呼吸道传染病监测系统，其特征在于，所述的定位单元(21)包括北斗定位单元。
6.根据权利要求3所述的一种基于咳嗽症状的呼吸道传染病监测系统，其特征在于，所述的咳嗽用户信息筛检与整理模块(3)包括：
异常用户匹配提取单元(31)：该单元提取用户探测异常信息中的用户标记信息，根据用户标记信息从实时用户数据库匹配提取用户的地理位置信息和用户背景信息，将用户探测异常信息、地理位置信息和用户背景信息汇总为异常用户数据信息，所有异常用户的异常用户数据信息构成所述的异常用户数据库；
查询单元(32)：连接异常用户数据库，该单元提供查询读取接口，用于读取异常用户数据库中的异常用户数据信息。
7.根据权利要求1所述的一种基于咳嗽症状的呼吸道传染病监测系统，其特征在于，所述的汇总预警模块(4)包括：
咳嗽发病率曲线构建单元(41)：构建多维度咳嗽发病率曲线；
预警单元(42)：比对多维度咳嗽发病率曲线产生传染病预警信息并实时预警。
8.根据权利要求7所述的一种基于咳嗽症状的呼吸道传染病监测系统，其特征在于，所述的多维度咳嗽发病率曲线包括每日发病率曲线、近7日平均发病率曲线和年度平均发病率曲线，
所述的每日发病率曲线通过如下方式获得：根据异常用户数据库确定每分钟咳嗽异常用户数，同时根据实时用户数据库对应获取区域同时段用户总数，利用每分钟咳嗽异常用户数除以区域同时段用户总数求取每分钟咳嗽发病率，根据每分钟咳嗽发病率绘制每日发病率曲线；
进而，根据历史每日发病率曲线构建近7日平均发病率曲线和年度平均发病率曲线。
9.根据权利要求7所述的一种基于咳嗽症状的呼吸道传染病监测系统，其特征在于，所述的预警单元(42)将当日发病率曲线与前1日发病率曲线、近7日平均发病率曲线和年度平均发病率曲线进行比较，若当日发病率发生突增时产生传染病预警信息并实时预警。
10.一种基于咳嗽症状的呼吸道传染病监测方法，其特征在于，该方法基于权利要求1～9任意一项所述的系统，所述的方法包括如下步骤：
步骤S1：识别用户咳嗽症状，判断是否异常，异常时将用户探测异常信息上传；
步骤S2：获取区域内实时用户数据，构建实时用户数据库，包括区域内用户终端数量信息、地理位置信息和用户背景信息，所述的用户背景信息包括用户个人信息；
步骤S3：根据用户探测异常信息和实时用户数据库进行整理筛选，形成异常用户数据库，所述的异常用户数据库包括所有异常用户的异常用户数据信息，所述的异常用户数据信息包括用户探测异常信息、地理位置信息和用户背景信息；
步骤S4：根据异常用户数据库确定每分钟咳嗽异常用户数，同时根据实时用户数据库对应获取区域同时段用户总数，利用每分钟咳嗽异常用户数除以区域同时段用户总数求取每分钟咳嗽发病率，根据每分钟咳嗽发病率绘制每日发病率曲线；
步骤S5：根据历史每日发病率曲线构建近7日平均发病率曲线和年度平均发病率曲线；
步骤S6：将当日发病率曲线与前1日发病率曲线、近7日平均发病率曲线和年度平均发病率曲线进行比较，若当日发病率发生突增时产生传染病预警信息并实时预警。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010350804.XA CN111653367A (zh) | 2020-04-28 | 2020-04-28 | 一种基于咳嗽症状的呼吸道传染病监测系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010350804.XA CN111653367A (zh) | 2020-04-28 | 2020-04-28 | 一种基于咳嗽症状的呼吸道传染病监测系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111653367A true CN111653367A (zh) | 2020-09-11 |
Family
ID=72348538
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010350804.XA Pending CN111653367A (zh) | 2020-04-28 | 2020-04-28 | 一种基于咳嗽症状的呼吸道传染病监测系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111653367A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114708985A (zh) * | 2022-03-14 | 2022-07-05 | 中国人民解放军总医院第八医学中心 | 呼吸道传染病预警方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2008152433A1 (en) * | 2007-06-15 | 2008-12-18 | Biorics Nv | Recognition and localisation of pathologic animal and human sounds |
| US20150245788A1 (en) * | 2013-07-22 | 2015-09-03 | Quvium Uk Ltd | Cough detection, analysis, and communication platform |
| CN106326635A (zh) * | 2016-08-08 | 2017-01-11 | 捷开通讯(深圳)有限公司 | 一种信息监测方法及系统 |
| CN109378079A (zh) * | 2018-09-27 | 2019-02-22 | 同济大学 | 一种基于发热症状监测传染病的系统及方法 |
| CN109817343A (zh) * | 2019-01-31 | 2019-05-28 | 关强 | 传染病监测系统 |
-
2020
- 2020-04-28 CN CN202010350804.XA patent/CN111653367A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2008152433A1 (en) * | 2007-06-15 | 2008-12-18 | Biorics Nv | Recognition and localisation of pathologic animal and human sounds |
| US20150245788A1 (en) * | 2013-07-22 | 2015-09-03 | Quvium Uk Ltd | Cough detection, analysis, and communication platform |
| CN106326635A (zh) * | 2016-08-08 | 2017-01-11 | 捷开通讯(深圳)有限公司 | 一种信息监测方法及系统 |
| CN109378079A (zh) * | 2018-09-27 | 2019-02-22 | 同济大学 | 一种基于发热症状监测传染病的系统及方法 |
| CN109817343A (zh) * | 2019-01-31 | 2019-05-28 | 关强 | 传染病监测系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114708985A (zh) * | 2022-03-14 | 2022-07-05 | 中国人民解放军总医院第八医学中心 | 呼吸道传染病预警方法及系统 |
| CN114708985B (zh) * | 2022-03-14 | 2023-01-24 | 中国人民解放军总医院第八医学中心 | 呼吸道传染病预警方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US12361716B2 (en) | Information processing method, recording medium, and information processing system | |
| Singh et al. | Effective overview of different ML models used for prediction of COVID-19 patients | |
| CN115064246B (zh) | 一种基于多模态信息融合的抑郁症评估系统及设备 | |
| US20090312660A1 (en) | Recognition and localisation of pathologic animal and human sounds | |
| US11684293B2 (en) | Sensors and method for defining breathing signatures for identifying respiratory disease | |
| WO2008152433A1 (en) | Recognition and localisation of pathologic animal and human sounds | |
| CN104462744B (zh) | 适用于心血管远程监测系统的数据质量控制方法 | |
| CN112150327A (zh) | 一种用于学生体质检测的测试系统 | |
| CN111370124A (zh) | 一种基于面手部识别和大数据的健康分析系统及方法 | |
| CN105261152A (zh) | 基于聚类分析的空中交通管制员疲劳检测方法、装置和系统 | |
| CN110811638A (zh) | 一种用于监测睡眠的svm分类器构建方法、系统及方法 | |
| Windmon et al. | On Detecting Chronic Obstructive Pulmonary Disease (COPD) Cough using Audio Signals Recorded from Smart-Phones. | |
| CN115346648A (zh) | 一种手术室护理风险评估方法及系统 | |
| CN117133464A (zh) | 一种老年人健康智能监测系统及监测方法 | |
| CN113974566B (zh) | 一种基于时间窗的copd急性加重预测方法 | |
| CN111863274A (zh) | 一种智能体温实时监测管理系统 | |
| CN118430184A (zh) | 一种基于多传感数据的防跌倒预警系统 | |
| CN116504392A (zh) | 一种基于数据分析的智能辅助诊断提示系统 | |
| CN111653367A (zh) | 一种基于咳嗽症状的呼吸道传染病监测系统及方法 | |
| WO2022141929A1 (zh) | 一种健康自测系统、服务器及健康检测系统 | |
| CN119153077A (zh) | 基于aigc技术的多模态慢性病风险预测方法 | |
| CN118737438A (zh) | 一种围术期风险分级模型构建方法和围术期风险分级方法 | |
| Ali et al. | Cough detection using mobile phone accelerometer and machine learning techniques | |
| CN119763835A (zh) | 一种基于呼吸波频谱定量分析测量呼吸功能参数的方法 | |
| CN118412145A (zh) | 基于多源数据分析的出入境疾病预警防控系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200911 |
|
| RJ01 | Rejection of invention patent application after publication |