基于Web数据挖掘的COVID-19流行病学特征分析

发布时间：2022-07-11 19:39

　　基于Selenium数据挖掘技术,通过对2020年2月4日-22日新浪微博"肺炎患者求助超话"中690例有效病例的分析,获得了新浪微博中真实求助病例的流行病学特征。研究发现,求助患者97.6%来自于武汉,重点集中在武昌、硚口、汉阳等中心城区,与当地的医疗资源和人口密度成正比。微博求助病例主要分布在2020年2月4日-7日,随着医疗资源紧张程度的缓解,通过微博求助的病例明显减少。求助患者确诊日期主要分布在2020年1月16日-2月6日,与中国疾控中心发布的病例分布情况基本一致。求助患者年龄分布中位数为60岁,明显高于中国疾控中心发布的数据,但与武汉市中心医院的数据基本吻合。该文研究结果说明,针对重大突发性传染病,微博等社交媒体除了在舆论传播上发挥作用,在流行病学分析上也具有重要意义。基于社交媒体的实时性和广泛性,结合数据挖掘和大数据分析等方法,有助于决策层快速掌握一线真实情况。 

【文章页数】：7 页

【文章目录】：
1 资料与方法
2 结果
    2.1 求助患者区域分布
    2.2 求助患者时序分析
    2.3 求助患者确诊日期分布
    2.4 求助患者年龄分布
3 结束语


【参考文献】：
期刊论文
[1]新型冠状病毒（2019-nCoV）相关研究进展[J]. 周娟,李丹,龙云铸.  中国感染控制杂志. 2020(03)
[2]瑞德西韦与α-干扰素联用治疗新型冠状病毒肺炎的可行性分析[J]. 田成,向明.  医药导报. 2020(04)
[3]新型冠状病毒肺炎基本再生数的初步预测[J]. 周涛,刘权辉,杨紫陌,廖敬仪,杨可心,白薇,吕欣,张伟.  中国循证医学杂志. 2020(03)
[4]基于Python的健康数据爬虫设计与实现[J]. 程增辉,夏林旭,刘茂福.  软件导刊. 2019(02)
[5]浅析社交网络的现状及发展趋势——以微博为例[J]. 郑睿颖,涂珍,孟令坤.  电脑迷. 2018(08)



本文编号：3658758