文档介绍：创新疾病监测预警
利用基于健康档案的区域卫生信息系统建立疾病监测预警系统的尝试
疾病监测预警系统
区域卫生信息平台的生命力及其系统服务能力的提
升在于应用,通过应用发现问题,系统服务水平能力才
得以提升。
应用领域愈多,涉及面就愈广,使用的频率就会越
高。尽可能地拓宽应用领域、发现和挖掘系统功能、提
升系统服务能力是项目设计和建设的重要任务。同时,
医药卫生体制改革与公立医院改革监测所需的部分报表
也可由此系统自动生成。
疾病监测预警系统
提 纲
一、疾病监测预警二、基于健康档案的区域卫生信息系统建
立疾病监测预警系统的尝试
三、结束语
一、疾病监测预警
疾病监测预警系统
疾病监测预警系统
两种理解:对个体罹患某种疾病的预测,即对
个体患病的概率估计;对群体罹患某种疾病的
预测,即某病的发病水平预测。本文着重研究
后者,即公共卫生意义上的疾病监测预警。
群体患病预测任务属于典型的数据挖掘预
测算法的工作范围。
★预测方法大体有四种:
当前主流预测方法及对应特点
•一是基于疾病传播动力学模型的预测
•二是基于疾病统计分析和回归的预测
•三是时间序列预测方法。
•第四是新型数据挖掘预测算法(灰度理论
、粗糙集、马尔科夫链、贝叶斯网络等)
•理论基础坚实、清晰直观
;但不灵活、不稳定
•可灵活增加带预测疾病因素;但很难列出所有因素
•避免纠缠于细节因素,从宏观统计角度进行数值分析;但需要足够历史数据
•针对具体疾病或细节问题效果良好;但普适性差, 理论基础有待完善
•该方法的优点在于原理清晰直观、理论支持坚实,当被预测群体属性稳定、外界环境符合模型预设条件时精度较高。缺点在于:群体预测时往往属性变动较大,包括数据量大、变化更新速度快,从而导致模型中代表病患的变量无法与实际病患群体相符,另外对大数据量数据信息的及时获取、并更新到模型中是一项艰巨的任务。
疾病监测预警系统
•(广义的统计概念包括回归,与回归并列提出时说明此时的统计具体指描述性统计方法),该方法的优点在于可设置任何与待预测疾病相关的因素,通过回归确定各因素对疾病发生和发展的影响程度。该方法除了具备疾病动力学预测方法的优点之外,可以通过概率论增加一些在病理上无直接联系但在客观实际中确有影响的致病因素来进行量化预测,如中医理论中的模糊致病因素或无法通过当前西方科学解释的因素(进一步说甚至可以通过“气”,“阴阳”,“天人”进行回归)。
疾病监测预警系统
•时间序列分析方法是通过疾病的发生发展历史来预测疾病的未来,具有较强的宏观性和前瞻性,能够克服疾病动力学预测方法和统计回归预测方法的不足,通常应用在股票、国家和地区经济等涉及因素众多、建模难度较高的预测任务中,该方法也是各国群体性疾病预测所共用率最高的方法之一。
疾病监测预警系统
疾病监测预警系统
•包括神经网络、贝叶斯网络、马尔科夫链、粗糙集、灰度理论等等预测方法。这些方法已经产生较长时间,在疾病预测分析领域属于近几年兴起,相对于前三种方法来说属于年轻方法,优势与劣势并存,各有利弊。