2018, 29(6):8-12.
摘要:目的 已有研究在基于搜索指数预测传染病疫情时大多未考虑同一时间各省传染病疫情的差异、各省人口规模对疫情严重程度评估的影响以及公众搜索行为随疫情发展的变化。以人感染H7N9禽流感为例,克服上述不足,基于百度指数预测该疫情的发展。 方法 引入各省每年每1000万常住人口中感染病例数来评估各省该疫情的严重程度;选择疫情较为严重的省份,基于“H7N9”百度指数建立支持向量机回归模型来预测该省疫情的发展。 结果 若不考虑人口规模的影响,仅利用总病例数评估各省疫情的严重程度,福建省疫情会被低估。进一步基于百度指数预测福建省疫情,发现:随着疫情的发展,福建省公众的搜索行为发生变化。因此,考虑公众的搜索行为分波段建立基于福建省“H7N9”百度指数预测该省疫情的支持向量机回归模型,该模型能够准确预测疫情的变化趋势以及峰值爆发的时间。 结论 根据疫情的发展以及公众的搜索行为,分波段建立疫情预测模型,可以实现疫情变化趋势和爆发时间的准确预测。