[发明专利]一种基于网络结构的疾病动态预测方法

摘要

本发明公开了一种基于网络结构的疾病动态预测方法，首先通过分析由疫情地区的志愿者携带的移动设备采集的大量时空数据来评估网络结构对疾病动态的影响，采用聚类系数、度分布和度相关性三个特性来刻画网络结构，然后基于该评估的结果，设计结构识别模型识别动态变化的网络结构，最后根据疾病动态性和网络结构的关系模型预测出疾病的动态变化。本发明能够有效地提高疾病预测的准确性，对传染病控制和预防有着重要意义。

主权项

一种基于网络结构的疾病动态预测方法，其特征在于，包括以下步骤：1)志愿者手持安装有接触跟踪应用的智能移动设备，只要直接接触传染病患者，通过该手持设备，这次接触的时间、地点就能被提交到疾病控制中心，记录在数据库中；2)从数据库中选取一定时间一定区域的数据，构造接触网络为动态图Gt＝(Vt,Et,Wt),其中，Gt表示动态图，Vt表示以病例为图顶点的顶点集合，Et表示动态图中边的集合，Et中包含元素eij表示顶点i和顶点j之间的边，Wt表示权值的集合，Wt中包含元素wij表示疾病从顶点i到顶点j的传播概率；所述构造的接触网络中包含四个参数：(a)病例ID；(b)传染源的ID；(c)病例被感染的日期；(d)病例所在的位置；3)构造三个结构特性：聚类系数、度分布和度相关性，来评估接触网络结构对疾病动态的影响；4)设计识别模型来获取接触网络的结构，所述识别模型包括测量模块和信息获取模块；所述测量模块计算聚类系数、度分布和度相关性以及节点度的期望，节点度集合的期望和两个节点度的联合概率分布的期望；所述信息获取模块将节点度的期望，节点度集合的期望和两个节点度的联合概率分布的期望进行融合；5)预测疾病的动态变化，包括以下步骤：5‑1)通过识别模型获取接触网络结构与信息；5‑2)通过SRM估算传染病繁殖数量。