疫情防控大數據分析模型搭建考慮因素

2020-12-21 千家智客

導讀

2月3日召開的中央政治局常委會會議強調,「這次疫情是對我國治理體系和能力的一次大考」。打贏這場疫情防控阻擊戰,需要各地各部門改掉僵化的思維,拓寬思路,善用科技,拿出切合實際的管用新辦法。

  2月3日召開的中央政治局常委會會議強調,「這次疫情是對我國治理體系和能力的一次大考」。打贏這場疫情防控阻擊戰,需要各地各部門改掉僵化的思維,拓寬思路,善用科技,拿出切合實際的管用新辦法。

 

  疫情面前,時間就是生命。在最短時間內,確定疫情重點關注人員的活動情況、親密接觸者等信息,是打贏這場戰「疫」的一個重要條件。中國工程院院士、國家衛健委高級別專家組成員李蘭娟,在接受中央電視臺採訪時也指出:提倡藉助大數據信息化的手段,進行信息收集,幫助發現傳染源,控制傳染源。

 

  疫情防控大數據分析的關鍵點:一是高危人群要"早發現";二是趨勢研判要"更敏銳",充分應用大數據,為各級政府部門的聯防聯控、精準施策提供更多有價值數據支撐服務。

 

  一、高危人群「早發現」

 

  疫情防控模型設計,主要是利用公安大數據資源和建模技術,輔助排查、挖掘具有傳染風險的人、物。主要功能一是對已知確診對象的隔離控制,二是對已確診對象的其親密接觸人員的挖掘和隔離,三是對高危疫區輸入人員、車輛的預警。

 

  1、已確診人員及可能接觸人員預警。

 

  2、高危疫區輸入人員預警。

 

  3、確診對象家庭關係和疑似密切接觸人員預警。

 

  4、近期有疑似特徵就診的特殊對象預警。

 

  5、高危地區車輛流入預警。

 

  上述數據最好以地市為單位分析,對上述人員來本市趨勢、各地市分布情況建模,與衛生部門提供的疑似病例、隔離觀察人員、門診信息等及時比對並實時預警,跟蹤評估。

 

  二、趨勢研判「更敏銳」

 

  大數據時代,無論是等級響應,還是「封城」、封路,每一道防控疫情的決策,不應只是出自領導者經驗的反映、主觀的感受,或是有限信息條件下的「差不多」判斷,而應該是基於大數據基礎上的科學化、精準化、高效化的決策。通過全景數據實時掌握城市的狀態,及時發現存在的問題,迅速採取精準的措施,徹底消除危險的隱患,保證城市平穩健康運行。可以通過數據分析模型,密切監測一下趨勢:

 

  1、疫情發展趨勢監測。通過各級衛生健康部門每日公布的數據(全國、省、地市、縣的確診數、疑似數、死亡數、出院數等),建立本地區與全國、本省、本市的趨勢對比,通過環比、同比、佔比,及時發現增長過快、持續增長等趨勢特徵。

 

  2、高危區域人員流動特徵監測。發現防控中的重點區域和重點對象。在疫情後該項更為重要。

 

  3、重點區域動態監測。通過熱力圖及動態變化及時發現重點區域和發展態勢。

 

  4、對象特徵實時分析。

 

  5、對象交叉關聯分析。

 

  (以上數據來源於衛健委公告)

 

  三、數據分析「更迫切」

 

  數據也是救援物資,數據分析也是防控實招。在繁雜、緊張、艱巨的疫情防控的同時,採取靈活有效的辦法快速整合疫情有關數據,依託大數據分析平臺,因地制宜建立疫情防控大數據分析挖掘模型刻不容緩,儘快建立「用數據說話、用數據決策、用數據管理、用數據創新」的「疫情防控新機制在當前疫情防控中更為迫切。

 

  「通過大數據分析,我們能夠精準識別到哪些人是重點關注人員,可能接觸過感染源,這為排查工作節省了大量的人力物力,提高了工作效率。」南昌市公安局有關負責人介紹,研判專班多渠道整合了公安自有數據、網際網路數據以及社會共建共享相關數據資源,梳理了涉及疫情防控相關人員數據,通過建立大數據研判模型,對相關人員提前精準預警,聯合多部門梳理了疫情確診、疑似病例及密切接觸者等相關信息,快速排查並鎖定密切接觸者,有效加強了疫情發展趨勢的動態監測,及時識別重點防控區域和高危人群,為快速確定傳染源,切斷傳播途徑,鎖定超級傳播者,打好打贏疫情阻擊戰提供了有力保障。

 

  疫情防控大數據分析模型搭建考慮因素.中琛魔方大數據(www.zcmorefun.com)表示大數據分析模型應該強化對疫情數據的歸集和數據分析,不斷優化疫情防控大數據分析模型,對風險人群的流動做到最大限度的監控,輔助衛生健康部門做好對疫情的防控工作

相關焦點

  • 工信部:電信大數據可統計分析人員流動情況 助力疫情防控
    人民網北京2月15日電(趙超)2月14日,工業和信息化部在京舉行媒體通氣會,介紹電信大數據分析、支撐服務疫情防控的總體情況並回答記者提問。   電信大數據助力疫情防控   中國信息通信研究院院長劉多表示,電信大數據來源於公眾通信網絡中的基礎數據,可以較為準確的統計分析全國各省市以及重點區域人員流動,一般可以分析到區縣級流動和分布情況。
  • 中央企業應用大數據支持疫情防控
    同期,聯合團隊以最快速度與國家有關部門取得聯繫、提供數據支撐。同時,中國聯通要求各省分持續加強與各地有關疫情防控部門對接,主動收集當地政府需求。,中國聯通按照有關行業管理部門要求快速建立起協同機制,利用成熟的算法模型提供相關數據分析和智能應用,為疫情防控提供相關人口流動大數據分析支撐服務,全方位支撐疫情防控工作。
  • 數學模型是預測疫情的「水晶球」嗎?
    簡單來說,就是根據實際的問題(比如疫情的發展趨勢)來建立相應的數學模型,通過分析現有存在的數據,以及相關的影響因素,進行合理的假設,並簡化抽象出可以定量的數學模型。自從新冠發生以來,科學家們對數學模型進行了廣泛的應用。舉例來說,通過每天的新增的病例數,進行粗略簡單曲線(如線性回歸,冪回歸)擬合,從而預測後期可能增長的人數。
  • 醫渡雲數據智能化技術助力疫情防控實現"三早"
    醫渡雲首席AI科學家閆峻受邀參加此次會議,並通過題為《疫情常態化防控新形式下的數據智能》的特邀報告,深度講解了如何通過數據智能化技術對疫情的傳播進行及時發現,及時預警,及時阻斷;以及如何在常態化疫情防控中,在降低疫情死亡率同時,有條件保障社會生產生活的恢復及正常運轉等內容。
  • 北京大學大數據分析與應用技術國家工程實驗室助力科學抗疫
    王騰蛟團隊研發多源大數據疫情防控研判系統1月底,實驗室數據管理及分析中心王騰蛟教授團隊接到學校一項緊急任務安排:發揮團隊在大數據分析技術方面的優勢,立即投入大數據疫情防控研判系統的研發,為疫情研判服務。
  • 疫情防控的關鍵武器:大數據!十個關鍵知識點和一本書等你GET!
    在這樣的大背景下,全社會運用大數據技術,支撐了此次新冠肺炎的防控工作,開啟了一場大數據與病毒賽跑的抗疫戰爭。大數據技術,將很可能成為人們最終制勝的關鍵武器之一。在疫情爆發後,全社會迅速搭建了國家、省、市、區/縣、鄉/鎮/街道甚至村/社區的多級、多部門的疫情防控數據平臺。
  • 讓大數據為疫情預警——大數據在疾控應用中的方方面面
    不同於以往的情況,我國的科技水平如今已經有了大幅提升,甚至在某些領域領先全球,尤其是雲服務、大數據和人工智慧技術等創新科技。在本次疫情防控工作中,我們用高科技武裝自己,將這些技術變為應對疫情的有力武器,在疫情追蹤溯源、路徑傳播、發展模型預測、資源調配等領域加以廣泛應用。
  • 構建跟蹤防控體系 科技助力疫情防控 城市大腦疫情防控平臺在海澱...
    為了做好返京人群分析、排查以及重點人群動態監測、跟蹤與預警服務,2月8日,海澱區政府城市大腦疫情防控平臺在海澱區城市服務管理指揮中心正式上線試運行,海澱區相關政府單位只要登錄「城市大腦疫情防控平臺」,返京人員的來源地、是否經由疫區、是否與確診病例同過車、駐留時長等信息就能實時在大屏幕上顯示出來。
  • 《2020疫情數據報導分析報告》
    而在更早的1月,大數據文摘發表「預測型」報導《防控力度多大才能遏制疫情發展?網絡動力學推演給你答案》通過網絡動力學方法,採用定量化計算機模擬與數據擬合併進手段研究大量的人口流動而導致的病毒二級甚至三級爆發的問題,預測各地疫情爆發時間、自然衰退時間和幹預衰退時間[5]。單個創作主體觀察,創作者的專業背景和定位會影響所生產的數據新聞的知識特性。
  • 2020疫情數據報導分析報告
    而在更早的1月,大數據文摘發表「預測型」報導《防控力度多大才能遏制疫情發展?網絡動力學推演給你答案》通過網絡動力學方法,採用定量化計算機模擬與數據擬合併進手段研究大量的人口流動而導致的病毒二級甚至三級爆發的問題,預測各地疫情爆發時間、自然衰退時間和幹預衰退時間[5]。
  • 如何用線性回歸模型做數據分析?
    編輯導語:在日常工作中,很多時候都會用到數據分析的方法,線性回歸模型看起來非常簡單,但實際上它的十分重要;本文作者分享了關於如何用線性回歸模型做數據分析的方法,我們一起來學習一下。線性回歸應用於數據分析的場景主要有兩種:驅動力分析:某個因變量指標受多個因素所影響,分析不同因素對因變量驅動力的強弱(驅動力指相關性,不是因果性);預測:自變量與因變量呈線性關係的預測;模型數學形式:=0+11+22++
  • 【防控疫情·科技範兒】小程序、大數據、小區廣播 北京疫情防控戰...
    &nbsp&nbsp&nbsp&nbsp同時,該平臺還可以提供人員的每日健康情況採集,並通過大數據進行分析,為海澱區政務提供有效的數據支撐,幫助海澱區面向下屬各級單位做好後勤支持及保障工作。&nbsp&nbsp&nbsp&nbsp春節期間「防疫上報管理平臺」已經對企業和各級組織免費開放。
  • 疫情卡口防控系統競品分析
    圖2-1 新冠疫情情況 數據來源艾瑞數據通過數據分析可知:國內:2020年新冠疫情增長快速,湖北省內為疫情重災區,累計確診人數呈斷崖式增長。截止到2月底,國內整體累計確診才逐漸平穩。這時利用網際網路搭建疫情防控系統就十分便利了,可以減少人員接觸,降低人員投入成本。2.1.3 疫情期間社區需求
  • 大數據抗疫,如何精準發力
    電影票房、交通流量、機票價格、啤酒銷量……這些似乎通過大數據分析都可以預測,甚至蛋撻與颶風、啤酒與尿不溼的關係,數據工程師都能找出關聯。  但是,新冠肺炎疫情的暴發讓所有人都猝不及防,也沒有預測、預警,大數據這次真的失靈了嗎?
  • 數說足球:以拜仁為例 通過大數據模型分析引援契合度!
    國際足聯將本賽季的夏季轉會期延續到10月5日,可截止目前大多數歐洲豪門仍然沒有太大的消息,雖然這是受今年全球疫情影響,但是在所有普通球迷心中,每個夏季的焦點永遠都是球隊的引援動態。為此,我們不妨採用因子與聚類分析相結合的方法對豪門俱樂部的有意球員進行排序和分類,分析結果顯示各個球員差異明顯,試圖尋找各個球隊最適合引援的球員。
  • 國網瀋陽供電公司:讓電力大數據「開口說話」
    如何整理分析如此龐大的基礎數據以獲得有參考價值的結果,是這項工作最關鍵的一步,而張琦就是這個數據加工過程的重要推手。「最開始做這項分析工作的時候走了很多的彎路,那時候缺少經驗和結論驗證,直接套用上級單位下發的分析模型,沒有充分考慮公司的實際情況,用電量數據處理的也不夠精細,分析出來的結果與客觀實際存在明顯的偏差。」張琦在回憶剛接手這項工作時所遇到的問題。
  • 詳解數據分析六大經典模型原理及應用場景,值得收藏
    要想做好數據分析離不開數據分析模型的理解和掌握,掌握常用的數據分析模型能夠幫助我們拿到數據時很快理順分析的思路,提供一個分析的整體結構,另外也能更好幫助拆解問題,將問題細化,方便找出問題的主要原因。
  • 如何用決策樹模型做數據分析?
    編輯導語:在這個大數據時代,數據對於各行各業的重要性不言而喻,因此有越來越多的企業開始重視並且運用數據分析。數據分析的方法有很多種,今天,本文作者為我們介紹了決策樹模型的分析方法,讓我們一起來看看如何用決策樹模型做數據分析吧。
  • 大數據真的知道……
    大數據報告給政府部門做決策和施策  實際上,電信大數據分析不僅僅供用戶自己查詢,還提供給有關部門做疫情防控工作。  如,中國電信黨組副書記邵廣祿稱,目前,中國電信大數據平臺已部署近萬節點,數據實現分鐘級匯聚和統一計算,向工信部等國家有關部門提供漫遊用戶分析、重點人群流動等支撐數據和報告102份,開發應用模型及標籤20餘個。各省公司配合當地政府部門,提供數據清單和分析報告600餘份。  中國移動副總裁簡勤表示,全網集中化大數據平臺,實現對全網信令數據的統一採集、分析處理。
  • 清華PE研究院:疫情正加速大數據產業鏈發酵
    那麼,在疫情中發揮積極作用的人員追蹤定位、醫療影像大數據和基層智慧政務等大數據業務是如何組織開展的?新業務場景的湧現對大數據行業的進一步發展將帶來哪些影響?哪些領域將長期受益?什麼樣的大數據公司將更具競爭力?