文档介绍：大数据环境下疫情扩散预警机制研究
摘 要
随着新型冠状病毒引起的非典型肺炎在全世界的蔓延,确诊人数不断上涨,疫情的规模和地理范围变得高度不确定。疾病传播尤其令人担忧。%。回归分析中方差膨胀因子(VIF)为1,小于10,说明没有严重的共线性。结果可以接受。输出比例对疫情扩散的影响为:β=.752,P<,输出比例对疫情扩散具有显著的正向影響。假设1得到验证,即省际输出比例对全国省际疫情确诊病例有显著的正向影响。
市际输出比例对湖北市际疫情确诊病例的影响
在进行假设2验证之前,为了检验各变量之间的相互关系,进行了Pearson相关分析。
相关分析结果见表5。本研究采用Pearson相关分析进行相关分析。从表5可以看出,各变量的均值和标准差均不存在异常。,输出比例与疫情确诊显著正相关(r=, P<),假设2得到初步支持。为了验证市际输出比例对疫情扩散施加影响的假设,。结果表明,F值显著,说明该变量适用于回归分析。%。回归分析中方差膨胀因子(VIF)为1,小于10,说明没有严重的共线性。结果可以接受。输出比例对疫情扩散的影响为:β=.911,P <,输出比例对疫情扩散具有显著的正向影响。假设2得到验证,即市际输出比例对湖北市际疫情确诊病例有显著的正向影响。 3 结论及建议
加强预警机制,注重疫情预测
预警主要由监测、识别、诊断及处理四个环节构成。但目前各大机构往往只注重处理环节,对其他环节未给予应有的重视,以至于错失将危机消灭在萌芽期的机会。正如我国目前所通用的做法往往是在疫情已经蔓延之后,再采取成立临时指挥部,对疫情进行集中处理,但此时的处理,往往已错失了疫情控制的最佳时期。正如2019新型冠状病毒疫情爆发,尽管武汉市于2020年1月23日采取封城措施,但鉴于2010年1月10日-1月24日,正值春运的特殊时期,在此期间仍有500多万人离开武汉,仅2月22日晚全城出走30万人,这些在封城之前出走的武汉人有部分人员在之后得到确诊,而此时因人员流动所带来的严重危害已造成其他省市的大面积感染。
以此看来,如果对疫情的预警仅仅停留在应对而非预测,那么对疫情的控制显然是被动的。如果各地市在武汉人口输出后,能够在第一时间对海量数据进行抓取分析,将大数据技术运用到疫情扩散的预测中,采取及时果断的隔离措施,就可以避免因人员流动带来的疫情扩散,进而就能将疫情扩散扼杀在萌芽状态,减少生命财产损失。
加强预警信息系统,注重系统建设
预警的核心问题就是相关部门对信息的收集和处理过程,根据信息处理结果进行分析汇总,并及时采取相应措施。而我国在预警信息系统建设方面尚不完善。例如,我国对于危机信息的处理仍采取层级上报制度,此过程往往会造成信息的延误和失真,造成危机进一步恶化。对信息的反馈,往往会加入社会利益因素,可能会对关键预警信息采取漠视态度,造成信息瞒报、误报。例如,2019新型冠状病毒爆发,其实早在2019年12月8日就出现第一例不明