大数据如何推动疫情防控？

危地区提供了有力依据。

可追溯传染病源头利用人工智能、深度学习等新兴技术，联合出行轨迹流动信息、社交信息、消费数据、暴露接触史等大量数据进行科学建模，可以根据病患确诊顺序和密切接触人员等信息定位时空碰撞点，进而有望推算出疾病传播路径，为传染病溯源分析提供理论依据。

可预测疫情发展态势通过高危人群，即确诊病患和病患密切接触者的运动情况，结合疫情新增确诊、疑似、死亡、治愈的病例数，借助传播动力学模型、动态感染模型、回归模型等大数据模型和技术，不仅可以分析展示发病热力分布和密切接触者的风险热力分布，还可以预测疫情峰值拐点等重要信息。根据预测的疫情发展态势，卫生部门可以针对发病热力分布，对重点区域强化卫生措施;依据风险热力分布，对可能扩散的区域提前陈设防疫防控资源，避免出现二次爆发、局部爆发和多点爆发。同时，疫情发展趋势预测对于政府部门确定复工时间、出台公共管理和促进经济发展的措施都将起到很重要的作用。无论对决策者还是普通人，心中有“数”，才能提前陈设，防患未然。

数据采集手段及流传仍存问题

虽然大数据在精准防疫和决策支持方面可以发挥重大作用，但从我国此次应对新型冠状病毒感染的肺炎疫情来看，仍有很大空间值得挖掘和提升。为了进一步推动大数据助力疫情防控，以下3个问题亟需得到解决。

一是数据采集手段原始，质量较低。一些政府部门和基层组织在采集疫情相关数据仍然采用手工作坊式的人海战术。在采集时通常采用手工填表、打电话等方式，这既给基层工作人员增加负担，也无法保证数据的真实性。例如，在采集患者个人信息时，由于没有区分所留手机号到底属于病患还是其家属，运营商系统核验时就会存在大量身份证号与手机号不一致的情况，导致后续数据分析的准确性和真实性模糊。

（编辑：怀化站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!