大数据挖掘技术应用于血吸虫病监测预警研究的探讨

中国寄生虫学与寄生虫病杂志

大数据挖掘技术应用于血吸虫病监测预警研究的探讨

杨坤1*，李石柱2

1 江苏省血吸虫病防治研究所，卫生部寄生虫病预防与控制技术重点实验室，无锡214064；2 中国疾病预防控制中心寄生虫病预防控制所，卫生部寄生虫病原与媒介生物学重点实验室，世界卫生组织热带病合作中心，上海200025

出版日期:2015-12-30 发布日期:2016-03-24

Application of Big Data Mining Technology in Monitoring and Early-warning of Schistosomiasis

YANG Kun1*, LI Shi-zhu2

1 Jiangsu Institute of Parasitic Diseases; Key Laboratory on Technology for Parasitic Disease Prevention and Control, Ministry of Health, Wuxi 214064, China; 2 National Institute of Parasitic Diseases, Chinese Center for Disease Control and Prevention; Key Laboratory of Parasite and Vector Biology, MOH; WHO Collaborating Centre for Tropical Diseases; Shanghai 200025, China

Online:2015-12-30 Published:2016-03-24

摘要/Abstract

摘要：

我国血吸虫病疫情将进一步降至较低水平，建立适应低疫情态势下敏感有效的血吸虫病监测预警体系，对巩固血防成果、保障人群健康至关重要。本文分别从血吸虫病监测预警的重要性、研究方向、数据挖掘技术研究进展和应用于监测预警研究的主要内容等4个方面，探讨大数据挖掘技术应用于血吸虫病监测预警研究的可行性，以期提高血吸虫病监测预警研究的效能，加快我国消除血吸虫病进程。
　

关键词: 血吸虫病, 大数据挖掘, 监测预警

Abstract:

The prevalence of schistosomiasis will soon be controlled to a low level in China. It is therefore imperative to establish a more sensitive and effective early warning system for schistosomiasis, so as to consolidate the achievements of the disease control. By covering four topics including the importance of early warning system for schistosomiasis and its research direction, as well as recent development in big data mining and its application in monitoring and early-warning of schistosomiasis, this review discusses the feasibility of data mining technology for monitoring and early warning of the disease. It is hoped that this technology would increase the efficacy of studies on monitoring and early warning, and promote the elimination of schistosomiasis in China.

Key words: Schistosomiasis, Big data mining, Monitoring and early warning system

杨坤1*，李石柱2. 大数据挖掘技术应用于血吸虫病监测预警研究的探讨[J]. 中国寄生虫学与寄生虫病杂志.

YANG Kun1*, LI Shi-zhu2. Application of Big Data Mining Technology in Monitoring and Early-warning of Schistosomiasis[J]. Chinese Journal of Parasitology and Parasitic Diseases.

[1]	李婕, 文雨松, 李召军. 我国旅游开发对血吸虫病防治的影响[J]. 中国寄生虫学与寄生虫病杂志, 2023, 41(3): 355-360.
[2]	陈琳, 朱继峰, 邱竞帆, 徐志鹏, 张东辉, 陈璐, 何健, 李伟, 杨坤, 季旻珺. 寓全健康理念于血吸虫病防控虚拟仿真项目建设[J]. 中国寄生虫学与寄生虫病杂志, 2023, 41(1): 81-84.
[3]	王晨曦, 陈福民, 修乐山, 胡沁沁, 周晓农, 郭晓奎, 殷堃. 基于全健康理念的气候变化下人兽共患病风险监测预警体系[J]. 中国寄生虫学与寄生虫病杂志, 2022, 40(6): 691-700.
[4]	冯家鑫, 公衍峰, 罗卓韦, 汪伟, 曹淳力, 许静, 李石柱. 我国血吸虫病防治策略的科学基础与“十四五”展望[J]. 中国寄生虫学与寄生虫病杂志, 2022, 40(4): 428-435.
[5]	陈兵, 张国莉, 张高红. 血吸虫病候选疫苗临床研究进展[J]. 中国寄生虫学与寄生虫病杂志, 2022, 40(4): 511-515.
[6]	高元, 胡媛, 曹建平. 免疫细胞对血吸虫病肝纤维化作用的研究进展[J]. 中国寄生虫学与寄生虫病杂志, 2022, 40(1): 88-93.
[7]	郭苏影, 祝红庆, 曹淳力, 邓王平, 鲍子平, 贾铁武, 李银龙, 吕超, 秦志强, 张利娟, 冯婷, 杨帆, 吕山, 许静, 李石柱. 2020年长江中下游地区洪涝灾害后血吸虫病传播风险评估[J]. 中国寄生虫学与寄生虫病杂志, 2021, 39(6): 753-758.
[8]	施亮, 熊春蓉, 刘毛毛, 魏秀参, 张键锋, 王鑫瑶, 王涛, 杭德荣, 羊海涛, 杨坤. 基于深度学习技术的湖北钉螺视觉智能识别模型效能评价[J]. 中国寄生虫学与寄生虫病杂志, 2021, 39(6): 764-770.
[9]	李博, 张聪, 单晓伟, 易佳, 涂珍, 何汇, 唐丽, 朱红, 刘建兵. 湖北省血吸虫病规范化实验室病原学检测能力评估[J]. 中国寄生虫学与寄生虫病杂志, 2021, 39(5): 572-576.
[10]	吴家利, 李博, 刘斯, 涂祖武, 唐丽, 涂珍, 周晓蓉, 孙凌聪, 肖瑛, 朱红. 基于人群抗体水平的湖北省血吸虫病传播风险分析[J]. 中国寄生虫学与寄生虫病杂志, 2021, 39(5): 578-584.
[11]	胡飞, 高祖禄, 袁敏, 李召军, 李宜锋, 刘跃民, 李剑瑛, 谢曙英, 文雨松, 林丹丹. 鄱阳湖区居民血吸虫感染及肝纤维化变化趋势的研究[J]. 中国寄生虫学与寄生虫病杂志, 2021, 39(5): 629-636.
[12]	刘蓉, 张剑锋, 严晓岚, 闻礼永. SF-36和EQ-5D-5L量表在晚期血吸虫病患者生命质量评价中的比较研究[J]. 中国寄生虫学与寄生虫病杂志, 2021, 39(5): 639-645.
[13]	刘蓉, 闻礼永. 晚期血吸虫病基础和临床研究新进展[J]. 中国寄生虫学与寄生虫病杂志, 2021, 39(4): 429-436.
[14]	洪中, 吴铃铃, 王丽萍, 许静. 全球血吸虫病防控进展及面临的挑战[J]. 中国寄生虫学与寄生虫病杂志, 2021, 39(4): 514-519.
[15]	王丽萍, 秦志强, 吕山, 李石柱, 周晓农, 许静. 湄公血吸虫病流行概况及消除面临的挑战[J]. 中国寄生虫学与寄生虫病杂志, 2020, 38(6): 758-763.