XiaoMi-AI文件搜索系统
World File Search System卫生监测
将人工智能用于公共卫生监测
背景：机器学习技术在医疗保健领域的使用正在增加，这使得人们能够更有效地从大型管理数据集中估计和预测健康结果。本研究的主要目的是开发一种通用机器学习 (ML) 算法，根据过去 2 年的报销次数来估计糖尿病的发病率。方法：我们从与法国国家健康数据库 (即 SNDS) 链接的基于人群的流行病学队列 (即 CONSTANCES) 中选择了一个最终数据集。为了开发这种算法，我们采用了监督式 ML 方法。执行了以下步骤：i. 选择最终数据集，ii.目标定义，iii.为给定的时间窗口编码变量，iv.将最终数据拆分为训练和测试数据集，v. 变量选择，vi。训练模型，vii。使用测试数据集验证模型和 viii。模型的选择。我们使用受试者工作特征曲线下面积 (AUC) 来选择最佳算法。结果：用于开发算法的最终数据集包括来自 CONSTANCES 的 44,659 名参与者。在与 CONSTANCES 队列相关的 SNDS 的 3468 个变量中，选择了 23 个变量来训练不同的算法。估计糖尿病发病率的最终算法是线性判别分析模型，该模型基于过去 2 年内与生物测试、药物、医疗行为和未经手术的住院治疗相关的选定变量的报销次数。该算法的敏感性为 62%，特异性为 67%，准确率为 67% [95% CI：0.66 – 0.68]。
人工智能在全球卫生监测中的作用
本文探讨了人工智能 (AI) 在改变全球卫生监测系统方面的作用，强调了其对疾病检测、监测和应对能力的深远影响。通过利用机器学习和自然语言处理等先进的人工智能技术，本文深入研究了这些工具如何提高公共卫生战略的效率和准确性。通过一系列案例研究，分析了人工智能在现实场景中的有效性，展示了其比传统方法更有效地预测和管理疾病爆发的潜力。此外，本文还讨论了将人工智能融入现有卫生监测框架的道德挑战和技术限制。本文提供了克服这些挑战的建议，并讨论了强有力的数据保护措施和开发无偏见人工智能算法的必要性。全面的分析旨在为利益相关者提供对人工智能的变革潜力以及在全球卫生监测领域负责任地实施人工智能所需的务实考虑的见解。
“技术在公共卫生监测中的作用”
参考文献 [1]。世界卫生组织。公共卫生监测。世卫组织。2021 年。网址：https://www.who.int/health-topics/public-health-surveillance [2]。徐勇、李鑫、张平等。医疗保健中的大数据分析：从研究到实践。*J Med Syst*。2019；43(6):1-12。 [3]。Shaman J、Karspeck A。使用预测分析预测传染病的传播。*Annu Rev Public Health*。2020；33(1):41-57。 [4]。Kamel Boulos MN 等。公共卫生监测的移动健康工具：最新进展回顾。*J Biomed Inform*。2017；65:269-284。 [5]。Singh K 等。移动健康应用在全球健康中的应用：文献综述。*全球健康行动*。 2016;9(1):1-10。[6]。Kuo TT、Kim HE、Ohno-Machado L。区块链分布式账本技术在生物医学和医疗保健中的应用。*J Am Med Inform Assoc*。2017;24(6):1211-1220。[7]。Gostin LO、Hodge JG。在健康监测中平衡隐私与公共利益。*Science*。2000;290(5498):2303-2304。
飞机废水用于病原体检测和公共卫生监测的适用性
国际航空旅行现在被广泛认为是导致 SARS-CoV-2 跨国流动和全球传播的主要机制之一。监测从飞机和航空运输枢纽收集的人类废水中的病毒载量和新谱系已被提议作为监测病毒病原体输入频率的有效方法。然而，这种方法的成功在很大程度上取决于航空乘客在旅途中的卫生间和排便习惯。在这项针对英国成年人（n = 2103）的研究中，我们量化了短途和长途航班出发前、飞机上和抵达时排便的可能性。然后使用结果来评估在英国旅行枢纽捕获受感染个体信号的可能性。为了获得具有代表性的人口横截面，调查按地理区域、性别、年龄、育儿状况和社会阶层进行了分层。我们发现，个人在短途航班（飞行时间 < 6 小时）上排便的可能性较低（< 总数的 13%），但在长途航班上排便的可能性较高（< 36%；飞行时间 > 6 小时）。这种行为模式在男性和年轻年龄组中更为常见。排便的最大可能性是在出发前（< 39%）。根据已知的 SARS-CoV-2 粪便排泄率（30 – 60%）以及感染者在短途（71% 的入境航班）和长途航班（29%）上的概率相等，我们估计飞机废水可能捕获约进入英国的 SARS-CoV-2 病例的 8 – 14%。蒙特卡洛模拟预测，在
美国农业部动植物卫生检验局响应人员对家禽中禽流感病毒检测的公共卫生监测计划
本文件为地方、州和联邦公共卫生当局提供指导，指导他们在美国农业部动植物卫生检验局 (APHIS) 官方应对活动期间监测可能接触禽流感病毒的人员。应对活动可能包括与受影响鸟类或其环境有关的减少数量、处置和清洁消毒活动，或疾病控制和预防中心 (CDC) 或 APHIS 认为与应对相关的其他活动。引起公共卫生关注的禽流感病毒包括已知会导致人类严重疾病的病毒，例如欧亚谱系 A/goose/Guangdong/1/96 (gs/GD) 类高致病性禽流感 H5N1 病毒和亚洲谱系低致病性禽流感和高致病性禽流感 H7N9 病毒。与已知会导致人类严重疾病的病毒相似的禽流感病毒也引起公共卫生关注，因为它们被认为有可能导致人类严重疾病。其中包括 2014 年至 2017 年期间与美国家禽疫情有关的 gs/GD HPAI H5 和北美谱系 LPAI 和 HPAI H7 病毒。其他禽流感病毒可根据具体情况确定为引起公共卫生关注。