基于环境气象因素影响的异常就诊量预测

基于环境气象因素影响的异常就诊量预测

于广军1,2，熊贇3,4，彭思佳4,5，阮璐3,4

1. 上海市儿童医院，上海 200040

2. 上海交通大学医学院，上海 200025

3. 复旦大学计算机科学技术学院，上海 200433

4. 上海市数据科学重点实验室，上海 200433

5. 复旦大学化学系，上海 200433

摘要：通过分析某儿童医院传染科就医人数异常（突增、突减）情况，建立就医人数与气象特征间的分类模型，实现对传染科就医突变情况的高准确率预测，以便院方合理调配科室、安排医生出诊人数。建立的模型对就医人数突增情况的预测准确率达到92.8%，召回率达到83.5%；对就医人数突减情况的预测准确率达到87.4%，召回率达到92.4%，并与多种分类器进行比较，实验表明该方法在预警传染科就诊人数的突变方面综合表现更佳。

关键词：环境气象因素；随机森林；异常预测

doi:10.11959/j.issn.2096-0271.2018030

论文引用格式：于广军, 熊贇, 彭思佳, 等. 基于环境气象因素影响的异常就诊量预测[J]. 大数据, 2018, 4(3): 54-60.

YU G J, XIONG Y, PENG S J, et al. Abnormal detection of hospital admissions based on meteorological factors[J]. Big Data Research, 2018, 4(3): 54-60.

1  引言

环境气象被认为是影响人类健康的因素之一，某些疾病的发生与恶化通常具有明显的周期性气候特征[1,2]。如春季气温回升，细菌滋生，小儿麻疹、 风疹、水痘、手足口病等病高发；秋冬季气温下降，肺结核、哮喘、肺炎、流行性感冒等疾病较为严重。另外，空气污染物颗粒，如 NOx、NO2、CO、O3、SO2、PM2.5、PM10等，都有可能导致相关疾病发生率升高 [3,4]。

就医人数作为疾病发生率的一种表现，易于统计，分析不同科室就医人数与气候变化的关系，为就医人数建立预测模型和公共卫生部门做出决策提供支持[5]，同时可以为人们选择就医时段提供参考。当前，反映气候状况的气温、空气环境的相应指标数据可以被准确全面地记录和整理。因为涉及隐私，对特定疾病发病情况的收集相对困难，而特定科室的就医人数也可以在一定程度上反映疾病的发生情况。

利用大数据技术从医疗相关数据中发现潜在的关系与模式，帮助医院和公共卫生部门做出决策已经受到关注。例如， 2009年，Google公司借助大数据技术从用户的搜索行为中预测了甲型H1N1流感的爆发，比美国疾病控制与预防中心先一步发出预警[6]；一些研究根据用户在Twitter上的文章构建了流感样病例率的预测模型，取得了较准确的结果[7]