本發(fā)明屬于疾病預(yù)測(cè)領(lǐng)域，具體而言涉及一種人畜共患病流行病學(xué)智能分析方法及系統(tǒng)。
背景技術(shù)：
1、人畜共患病是指由病原體引起、在人類與動(dòng)物之間能夠自然傳播的傳染性疾病，其種類繁多、傳播路徑復(fù)雜，具有較高的公共衛(wèi)生風(fēng)險(xiǎn)。典型的人畜共患病包括禽流感、布魯氏菌病、彎曲菌病、狂犬病及鸚鵡熱等，隨著養(yǎng)殖業(yè)規(guī)?；叭祟惢顒?dòng)范圍擴(kuò)大，對(duì)人畜共患病傳播過(guò)程進(jìn)行科學(xué)建模與感染趨勢(shì)預(yù)測(cè)，已成為防控重大人群健康風(fēng)險(xiǎn)的重要技術(shù)途徑。
2、目前，主流的流行病學(xué)分析方法大多基于seir類動(dòng)力學(xué)模型，并依賴傳播率等參數(shù)對(duì)疫情發(fā)展趨勢(shì)進(jìn)行模擬預(yù)測(cè)，在此類模型中，人-畜接觸率是影響人類與動(dòng)物之間傳播效率的關(guān)鍵變量，通常作為傳播率的核心組成部分，用于刻畫單位時(shí)間內(nèi)人類個(gè)體與動(dòng)物個(gè)體發(fā)生有效傳播性接觸的頻率。
3、然而，在實(shí)際應(yīng)用中，人-畜接觸率的變化呈現(xiàn)高度波動(dòng)性與不確定性，受多種因素影響顯著，例如季節(jié)性活動(dòng)、農(nóng)貿(mào)市場(chǎng)交易頻率、環(huán)境管控政策及人類行為模式等均會(huì)導(dǎo)致人-畜接觸強(qiáng)度在短時(shí)間內(nèi)發(fā)生顯著變化。此外，由于缺乏系統(tǒng)性的接觸監(jiān)測(cè)手段，人-畜接觸率無(wú)法通過(guò)直接觀測(cè)或?qū)崟r(shí)測(cè)量獲得，需依賴間接數(shù)據(jù)進(jìn)行估計(jì)。
4、傳統(tǒng)方法往往將人-畜接觸率視為固定值或采用經(jīng)驗(yàn)估計(jì)，未能充分反映接觸率的動(dòng)態(tài)變化規(guī)律，導(dǎo)致傳播率計(jì)算存在偏差，進(jìn)而影響模型對(duì)感染人數(shù)變化趨勢(shì)的準(zhǔn)確預(yù)測(cè)，降低了流行病學(xué)分析結(jié)果的可信度與實(shí)用性。
技術(shù)實(shí)現(xiàn)思路
1、為了解決現(xiàn)有技術(shù)中的問(wèn)題，本發(fā)明提供一種人畜共患病流行病學(xué)智能分析方法，包括如下步驟：
2、在預(yù)設(shè)的時(shí)間周期內(nèi)，采集樣本，并進(jìn)行病原檢測(cè)，獲得感染數(shù)據(jù)序列；
3、根據(jù)所述感染數(shù)據(jù)序列確定人-畜交叉感染人數(shù)變化率；
4、將人-畜接觸率確定為隱藏狀態(tài)，構(gòu)建隱馬爾可夫模型；
5、以所述人-畜交叉感染人數(shù)變化率為觀測(cè)序列訓(xùn)練所述隱馬爾可夫模型，確定所述隱馬爾可夫模型的狀態(tài)分布、狀態(tài)轉(zhuǎn)移概率矩陣及觀測(cè)概率分布參數(shù)；
6、根據(jù)當(dāng)前的人-畜交叉感染人數(shù)變化率及訓(xùn)練好的所述隱馬爾可夫模型推斷當(dāng)前人-畜接觸率；
7、根據(jù)所述人-畜接觸率建立傳播模型，根據(jù)所述傳播模型預(yù)測(cè)感染數(shù)據(jù)。
8、另一方面，本發(fā)明還提供一種人畜共患病流行病學(xué)智能分析系統(tǒng)，包括如下模塊：
9、數(shù)據(jù)獲取模塊，用于在預(yù)設(shè)的時(shí)間周期內(nèi)，采集樣本，并進(jìn)行病原檢測(cè)，獲得感染數(shù)據(jù)序列；
10、計(jì)算模塊，用于根據(jù)所述感染數(shù)據(jù)序列確定人-畜交叉感染人數(shù)變化率；
11、建模模塊，用于將人-畜接觸率確定為隱藏狀態(tài)，構(gòu)建隱馬爾可夫模型；
12、訓(xùn)練模塊，用于以所述人-畜交叉感染人數(shù)變化率為觀測(cè)序列訓(xùn)練所述隱馬爾可夫模型，確定所述隱馬爾可夫模型的狀態(tài)分布、狀態(tài)轉(zhuǎn)移概率矩陣及觀測(cè)概率分布參數(shù)；
13、推斷模塊，用于根據(jù)當(dāng)前的人-畜交叉感染人數(shù)變化率及訓(xùn)練好的所述隱馬爾可夫模型推斷當(dāng)前人-畜接觸率；
14、本發(fā)明通過(guò)構(gòu)建以人-畜交叉感染人數(shù)變化率為觀測(cè)序列的隱馬爾可夫模型，將傳統(tǒng)無(wú)法觀測(cè)的人-畜接觸率轉(zhuǎn)化為可推斷的隱藏狀態(tài)，解決了人-畜接觸率無(wú)法實(shí)時(shí)監(jiān)測(cè)的問(wèn)題，實(shí)現(xiàn)對(duì)接觸率變化的量化與動(dòng)態(tài)估計(jì)。利用動(dòng)態(tài)更新的人-畜接觸率參數(shù)，實(shí)時(shí)調(diào)整人-畜傳播率，有效反映接觸行為變動(dòng)對(duì)疫情傳播的影響，顯著提高了傳播模型對(duì)感染數(shù)據(jù)的擬合度及對(duì)趨勢(shì)的預(yù)測(cè)能力，克服了固定傳播率模型預(yù)測(cè)不準(zhǔn)的問(wèn)題。
1.一種人畜共患病流行病學(xué)智能分析方法，其特征在于，包括如下步驟：
2.根據(jù)權(quán)利要求1所述的人畜共患病流行病學(xué)智能分析方法，其特征在于，所述人-畜交叉感染人數(shù)變化率定義與t時(shí)刻人類感染人數(shù)、t時(shí)刻動(dòng)物感染數(shù)、采樣人群總數(shù)、采樣動(dòng)物總數(shù)、單位時(shí)間內(nèi)人-畜感染強(qiáng)度變化有關(guān)。
3.根據(jù)權(quán)利要求2所述的人畜共患病流行病學(xué)智能分析方法，其特征在于，所述構(gòu)建隱馬爾可夫模型包括：
4.根據(jù)權(quán)利要求3所述的人畜共患病流行病學(xué)智能分析方法，其特征在于，以所述人-畜交叉感染人數(shù)變化率為觀測(cè)序列訓(xùn)練所述隱馬爾可夫模型，確定所述隱馬爾可夫模型的狀態(tài)分布、狀態(tài)轉(zhuǎn)移概率矩陣及觀測(cè)概率分布參數(shù)具體包括：
5.根據(jù)權(quán)利要求4所述的人畜共患病流行病學(xué)智能分析方法，其特征在于，根據(jù)當(dāng)前的人-畜交叉感染人數(shù)變化率及訓(xùn)練好的所述隱馬爾可夫模型推斷當(dāng)前人-畜接觸率包括：
6.一種人畜共患病流行病學(xué)智能分析系統(tǒng)，其特征在于，包括如下模塊：
7.根據(jù)權(quán)利要求6所述的人畜共患病流行病學(xué)智能分析系統(tǒng)，其特征在于，所述人-畜交叉感染人數(shù)變化率定義與t時(shí)刻人類感染人數(shù)、t時(shí)刻動(dòng)物感染數(shù)、采樣人群總數(shù)、采樣動(dòng)物總數(shù)、單位時(shí)間內(nèi)人-畜感染強(qiáng)度變化有關(guān)。
8.根據(jù)權(quán)利要求7所述的人畜共患病流行病學(xué)智能分析系統(tǒng)，其特征在于，所述構(gòu)建隱馬爾可夫模型包括：
9.根據(jù)權(quán)利要求8所述的人畜共患病流行病學(xué)智能分析系統(tǒng)，其特征在于，以所述人-畜交叉感染人數(shù)變化率為觀測(cè)序列訓(xùn)練所述隱馬爾可夫模型，確定所述隱馬爾可夫模型的狀態(tài)分布、狀態(tài)轉(zhuǎn)移概率矩陣及觀測(cè)概率分布參數(shù)具體包括：
10.根據(jù)權(quán)利要求9所述的人畜共患病流行病學(xué)智能分析系統(tǒng)，其特征在于，根據(jù)當(dāng)前的人-畜交叉感染人數(shù)變化率及訓(xùn)練好的所述隱馬爾可夫模型推斷當(dāng)前人-畜接觸率包括：