基于大数据的食源性疾病事件探测与风险评估

被引：20

作者：

郭旦怀 ^{[1
]}

崔文娟 ^{[1
]}

郭云昌 ^{[2
]}

黎建辉 ^{[1
]}

机构：

[1] 中国科学院计算机网络信息中心科学数据中心

[2] 国家食品安全风险评估中心

来源：

系统工程理论与实践 | 2015年 / 35卷 / 10期

关键词：

食源性疾病; 大数据; 事件探测; 风险评估; 集成时空框架;

D O I：

暂无

中图分类号：

R155.3 [饮食中毒与饮食性疾病的预防]; TP311.13 [];

学科分类号：

100403 ; 1201 ;

摘要：

食源性疾病由于其症状轻重不一常被低估,但近年来,食源性疾病的爆发在全国范围内呈上升趋势,准确探测食源性疾病事件并对其进行风险评估有重要意义.本文分别对哨点医院监测数据、食品检测数据和来自互联网的数据建立事件探测模型,实现风险评估,并分析比较模型优劣,最后建立统一的时空框架,引入人口、交通、食品生产等大数据对风险预测结果进行综合集成.通过对某大城市2014年食源性疾病事件的探测结果对比,实证结果表明,综合模型预测的时空精度更高,对防控更具操作性.

引用

页码：2523 / 2530

页数：8

共 4 条

[1] 基于“情景-应对”的国家应急平台体系基础科学问题与集成平台 [J].

张辉 ;

刘奕 .

系统工程理论与实践, 2012, 32 (05) :947-953

[2] 1992～2001年食源性疾病暴发资料分析——国家食源性疾病监测网 [J].

刘秀梅 ;

陈艳 ;

王晓英 ;

计融 .

卫生研究, 2004, (06) :725-727

[3]

Health Department Use of Social Media to Identify Foodborne Illness - Chicago, Illinois, 2013-2014[J] . Harris, Jenine K,Mansour, Raed,Choucair, Bechara,Olson, Joe,Nissen, Cory,Bhatt, Jay.MMWR. Morbidity and Mortality Weekly Report . 2014 (32)

[4]

Attribute weighting methods and decision quality in the presence of response error: a simulation study[J] . JianminJia,Gregory W.Fischer,James S.Dyer.J. Behav. Decis. Making . 1998 (2)

← 1 →