以縣（區）為單位，建立當地傳染病報告病例歷史數據庫，采用移動百分位數法動態計算傳染病病例數歷史基線，建立將當地當前觀察周期（7天）內病例數與其相應歷史基線實時進行比較的預警模型。當觀察周期內發現的病例數達到預警閾值時，系統將在24小時內自動發出預警信號。采用移動百分位數法預警的病種：甲肝、丙肝、戊肝、麻疹、流行性出血熱、流行性乙型腦炎、痢疾、傷寒和副傷寒、流行性腦脊髓膜炎、猩紅熱、鉤端螺旋體病、瘧疾、流行性感冒、流行性腮腺炎、風疹、急性出血性結膜炎、流行性和地方性斑疹傷寒、除霍亂、細菌性和阿米巴性痢疾、傷寒和副傷寒以外的***性腹瀉病。通過匯聚傳染病病例監測預警信號，生成基于大數據和專業預警模型合預警信息。整合多源數據、運用智能分析技術，實現對傳染病的實時監測、風險評估和早期預警的關鍵公共衛生工具。廣東傳染病系統管理

人群分布：根據病例的年齡、性別和職業等信息，分析病例的人群聚集性。當地罕見/少見病種：當地從未發生過或近5年來從未報告的病種。對預警信息進行初步分析后仍不能排除異常增加或聚集時，應立即通過電話等方式做進一步核實。核實內容包括疾病診斷的準確性、病例的相關信息以及**發展趨勢等。電話核實結果仍不能排除的，需進行現場調查。并完成現場調查信息的反饋。根據預警規則，完成傳染病電子病歷信息轉換為傳染病預警信號，以便開展傳染病來源排查和風險識別，包括是否有潛在聚集性風險、是否有敏感身份人員（醫護人員、公共服務人員等）。手機傳染病系統機構數據顯示，合理分配資源可以減少應對成本30%-50%。

移動端和智能手環針對用戶，移動端提供了解以及上報流行病的渠道，智能手環實時監測用戶身體狀態。傳染疾病防控與智能分析系統實現了對流行疾病**、輿情、城市人群、行程軌跡、疫苗接種、風向溫度等**相關大數據的多維多尺度監測、專題制圖和時空分析，同時基于手機信令和行程大數據核實確診患者的個人行程以及密接人員，并通過知識圖譜構建病患關系圖譜，精細篩選確診人群、潛在***人群信息及其行為軌跡，結合機器學習ARIMA時序分析模型，SIR、SEIR傳播模型對傳播規律及其拐點進行模擬預測，并通過K-Means聚類、情感分詞、TF-IDF算法、LDA主題模型進行輿情主題信息提取及民眾情感分析，為民眾生活、疾控部門的**防控提供科學有力的支撐。

這個過程存在以下弊端：時間延遲”：由于需要人工收集和報告數據，從病例確診到報告給疾控部門往往存在一定的時間延遲，這會影響到**應對的及時性?！皵祿粶蚀_”：手工錄入的數據可能存在誤差，如信息錄入不完整、錯誤等，這會降低數據的準確性和可靠性?！百Y源消耗大”：傳統模式下需要大量的人力和物力投入，包括病例的追蹤、數據的收集和整理等，增加了公共衛生體系的負擔。針對這些問題，傳染病監測預警前置軟件進行了以下創新和改進：“智能化主動監測”：軟件能夠自動從醫療機構的電子病歷系統中提取傳染病相關的數據，如患者的癥狀、診斷結果、治療過程等，并通過預設的算法對這些數據進行實時分析和處理，從而實現主動監測和預警。模型包括統計模型、人工智能模型等，具有高度的智能化和自動化。

AI算法助力**預測。在**預測中，本系統結合機器學習ARIMA時序分析模型，SIR、SEIR傳播模型對**發展的可能情況進行態勢推演，估算出城市內部**危險系數，對傳播規律及其拐點進行模擬預測。大數據追蹤病患軌跡在傳播調查頁面中，我們采用大數據平臺、結合云計算，實現海量軌跡的篩選追蹤，推測患者關系，智能分析密接人員軌跡。作為軟硬件融合的**監測防疫體系，通過移動端、硬件設備與Web端有機結合，實時監測用戶安全。Web端針對疾控中心，實時監測和分析流行病發展態勢。疾控中心通過流行病學調查、實驗室檢測等方式，獲取傳染病的詳細數據，為預警和防控提供科學依據。湖北利翔科技傳染病系統機構

當前，傳染病預警系統正從“經驗驅動”邁向“數據驅動”，成為全球公共衛生安全的防線。廣東傳染病系統管理

智慧轉型，從“被動報告”到“主動感知”傳統傳染病監測依賴醫療機構被動上報，存在時效性差、覆蓋面有限等問題。系統通過強化日常監測信息分析和定期風險評估，構建起“主動感知”新模式。系統實時研判重點傳染病流行態勢和發展趨勢，定時通報監測分析結果，為防控策略調整提供前瞻性指導。更重要的是，系統推動醫療機構和疾控機構信息系統有效對接，實現涉疫數據雙向流通和異常信號自動識別。例如，當患者就診記錄、藥品**或社區健康異常事件出現關聯性波動時，系統可立即觸發預警，將**信息從傳統的“被動報告”轉向“主動感知”，大幅縮短響應時間。廣東傳染病系統管理