传染病数据的处理方法及装置、存储介质、电子设备与流程

1.本公开涉及医疗数据处理领域，尤其涉及一种传染病数据的处理方法与传染病数据的处理装置、计算机可读存储介质及电子设备。


背景技术：

2.慢性传染病具有潜伏期长、潜伏期无症状以及感染后不自知等特点，为了防控和治疗慢性传染病，需要确定慢性传染病的诊断发现率。
3.在相关技术中，通常采用工作簿、预测和估计模型以及spectrum 模型来估计慢性传染病的感染人数，进而计算出诊断发现率，然而在这些方法中，需要应用多种参数，且设立了很多假设条件，进而导致计算出的诊断发现率准确度不高，无法在实际应用场景中得到应用。
4.鉴于此，本领域亟需开发一种新的传染病数据的处理方法及装置。
5.需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。


技术实现要素：

6.本公开的目的在于提供一种传染病数据的处理方法、传染病数据的处理装置、计算机可读存储介质及电子设备，进而至少在一定程度上克服由于相关技术导致的确定出的传染病的诊断发现率准确度低的问题。
7.本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
8.根据本发明实施例的第一个方面，提供一种传染病数据处理方法，所述方法包括：获取疾病状态转换数据；利用疾病状态转换关系，对所述疾病状态转换数据进行计算，得到预定时间内感染所述传染病的感染比例以及确诊所述传染病的确诊比例；其中，所述疾病状态转换关系基于目标传染病模型确定，所述目标传染病模型用于指示不同疾病状态人群以及死亡人群之间的转换关系；基于所述感染比例和所述确诊比例，确定所述传染病的诊断发现率。
9.在本发明的一种示例性实施例中，所述利用疾病状态转换关系，对所述疾病状态转换数据进行计算，得到预定时间内感染所述传染病的感染比例以及确诊所述传染病的确诊比例，包括：基于目标传染病模型，确定不同疾病状态人群以及死亡人群之间的微分关系；利用拟合算法，对所述疾病状态转换数据以及所述微分关系进行计算，以估算出预定时间内感染所述传染病的感染比例以及确诊所述传染病的确诊比例。
10.在本发明的一种示例性实施例中，所述不同疾病状态人群包括易感染人群、被感染人群、被确诊人群以及被治疗人群；所述基于所述目标传染病模型，确定不同疾病状态人群以及死亡人群之间的微分关系，包括：基于所述目标传染病模型，创建所述易感染人群与所述被感染人群之间的疾病感染计算关系；基于所述目标传染病模型，创建所述被感染人
群与所述被确诊人群之间的疾病确诊计算关系，并创建所述被确诊人群与所述被治疗人群之间的疾病治疗计算关系；基于所述目标传染病模型，分别创建不同疾病人群与所述死亡人群之间的易感染死亡计算关系、被感染死亡计算关系、被确诊死亡计算关系以及被治疗死亡计算关系；根据所述易感染死亡计算关系、所述被感染死亡计算关系、所述被确诊死亡计算关系、所述被治疗死亡计算关系、所述疾病感染计算关系、所述疾病确诊计算关系以及所述疾病治疗计算关系，计算得到不同疾病状态人群之间以及所述死亡人群之间的微分关系。
11.在本发明的一种示例性实施例中，所述被感染人群包括第一感染程度人群和所述第二感染程度人群；所述基于所述目标传染病模型，创建所述易感染人群与所述被感染人群之间的疾病感染计算关系，包括：基于所述目标传染病模型，创建所述易感染人群与所述第一感染程度人群之间的第一疾病感染计算关系，并创建所述第一感染程度人群与所述第二感染程度人群之间的第二疾病感染计算关系。
12.在本发明的一种示例性实施例中，所述被确诊人群中包括从所述第一感染程度人群中被确诊的第一确诊人群以及从所述第二感染程度人群中被确诊的第二确诊人群；所述基于所述目标传染病模型，创建所述被感染人群与所述被确诊人群之间的疾病确诊计算关系，包括：基于所述目标传染病模型，创建所述第一感染程度人群与所述第一确诊人群之间的第一确诊计算关系，并创建所述第二感染程度人群与所述第二确诊人群之间的第二确诊计算关系；基于所述目标传染病模型，创建所述第一感染程度人群与所述第二感染程度人群之间的确诊程度转换计算关系。
13.在本发明的一种示例性实施例中，所述被治疗人群包括被以第一治疗程度进行治疗的第一治疗人群以及被以第二治疗程度进行治疗的第二治疗人群；所述基于所述目标传染病模型，创建所述被确诊人群与所述被治疗人群之间的疾病治疗计算关系，包括：基于所述目标传染并模型，创建所述第一确诊人群与所述第一治疗人群之间的第一疾病治疗计算关系，并创建所述第二确诊人群与所述第二治疗人群之间的第二疾病治疗计算关系；基于所述目标传染病模型，创建所述第一治疗人群和所述第二治疗人群之间的治疗程度转换计算关系。
14.在本发明的一种示例性实施例中，所述基于所述目标传染病模型，分别创建不同疾病人群与所述死亡人群之间的易感染死亡计算关系、被感染死亡计算关系、被确诊死亡计算关系以及被治疗死亡计算关系，包括：基于所述目标传染病模型，创建所述第一感染程度人群与所述死亡人群之间的第一感染死亡计算关系，并创建所述第二感染程度人群与所述死亡人群之间的第二感染死亡计算关系；基于所述目标传染病模型，创建所述第一确诊人群与所述死亡人群之间的第一确诊死亡计算关系，并创建所述第二确诊人群与所述死亡人群之间的第二确诊死亡计算关系；基于所述目标传染病模型，创建第一治疗人群与所述死亡人群之间的第一治疗死亡计算关系，并创建所述第二治疗人群与所述死亡人群之间的第二治疗死亡计算关系。
15.在本发明的一种示例性实施例中，所述根据所述易感染死亡计算关系、所述被感染死亡计算关系、所述被确诊死亡计算关系、所述被治疗死亡计算关系、所述易感染程度转换计算关系、所述疾病感染计算关系、所述疾病确诊计算关系以及所述疾病治疗计算关系，计算得到不同疾病状态人群之间以及所述死亡人群之间的微分关系，包括：根据所述易感
染死亡计算关系、所述第一疾病感染计算关系，得到针对于所述易感染人群的微分关系；根据所述第一疾病感染计算关系、所述第一感染死亡计算关系、所述第二疾病感染计算关系以及所述第一确诊计算关系，得到针对于所述第一感染程度人群的微分关系；根据所述第二疾病感染计算关系、所述第二感染死亡计算关系以及所述第二确诊计算关系，得到针对于所述第二感染程度人群的微分关系；根据所述第一确诊计算关系、所述第一确诊死亡计算关系、所述确诊程度转换计算关系以及所述第一疾病治疗计算关系，得到针对于所述第一确诊人群的微分关系；根据所述第二确诊计算关系、所述第二确诊死亡计算关系、所述确诊程度转换计算关系以及所述第二疾病治疗计算关系，得到针对于所述第二确诊人群的微分关系；根据所述第一治疗死亡计算关系、所述治疗程度转换计算关系以及所述第一疾病治疗计算关系，得到针对于所述第一治疗人群的微分关系；根据所述第二治疗死亡计算关系、所述治疗程度转换计算关系以及所述第二疾病治疗计算关系，得到针对于所述第二治疗人群的微分关系。
16.在本发明的一种示例性实施例中，所述感染比例包括所述第一感染程度人群的第一感染比例和所述第二感染程度人群的第二感染比例；所述基于所述感染比例和所述确诊比例，确定所述传染病的诊断发现率，包括：对所述第一感染程度人群、所述第二感染程度人群、所述第一确诊比例以及所述第二确诊比例进行计算得到所述传染病的确诊总人数；对所述易感染人群和所述感染比例进行计算得到所述传染病的感染总人数；对所述感染总人数和所述确诊总人数进行计算得到所述传染病的诊断发现率。
17.根据本发明实施例的第二个方面，提供一种传染病数据的处理装置，所述装置包括：获取模块，被配置为获取疾病状态转换数据；计算模块，被配置为利用疾病状态转换关系，对所述疾病状态转换数据进行计算，得到预定时间内感染所述传染病的感染比例以及确诊所述传染病的确诊比例；其中，所述疾病状态转换计算关系基于目标传染病模型确定，所述目标传染病模型用于指示不同疾病状态人群以及死亡人群之间的转换关系；确定模块，被配置为基于所述感染比例和所述确诊比例，确定所述传染病的诊断发现率。
18.根据本发明实施例的第三个方面，提供一种电子设备，包括：处理器和存储器；其中，存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现上述任意示例性实施例的传染病数据的处理方法。
19.根据本发明实施例的第四个方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意示例性实施例中的传染病数据的处理方法。
20.由上述技术方案可知，本发明示例性实施例中的传染病数据的处理方法、传染病数据的处理装置、计算机存储介质及电子设备至少具备以下优点和积极效果：
21.在本公开的示例性实施例提供的方法及装置中，一方面，传染病的确诊比例和感染比例是根据疾病状态转换数据得到的，进而将疾病状态转换数据纳入为传染病确诊比例和感染比例的影响因素，提高了计算出的传染病的确诊比例以及感染比例的准确度，进而提高了确定出的传染病诊断发现率的准确度；另一方面，目标传染病模型中包括死亡人群，完善了目标传染病模型的逻辑，更加贴合于实际传染病传播的应用场景，不仅提高了传染病诊断发现率的准确度，而且扩大了确定传染病诊断发现率的应用场景。
22.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不
能限制本公开。
附图说明
23.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
24.图1示意性示出本公开实施例中传染病数据的处理方法的流程示意图；
25.图2示意性示出本公开实施例中传染病数据的处理方法中得到传染病确诊比例以及感染比例的流程示意图；
26.图3示意性示出本公开实施例中传染病数据处理的方法中确定微分关系的流程示意图；
27.图4示意性示出本公开实施例中传染病数据的处理方法中创建疾病确诊计算关系的流程示意图；
28.图5示意性示出本公开实施例中传染病数据的处理方法中创建疾病治疗计算关系的流程示意图；
29.图6示意性示出本公开实施例中传染病数据的处理方法中创建不同疾病状态人群与死亡人群之间的计算关系的流程示意图；
30.图7示意性示出本公开实施例中传染病数据的处理方法中计算不同疾病状态人群与死亡人群之间的微分关系的流程示意图；
31.图8示意性示出本公开实施例中传染病数据的处理方法中确定诊断发现率的流程示意图；
32.图9示意性示出本公开实施例中应用场景下艾滋病的目标产染病模型的结构示意图；
33.图10示意性示出本公开实施例中一种传染病数据的处理装置的结构示意图；
34.图11示意性示出本公开实施例中一种用于传染病数据的处理方法的电子设备；
35.图12示意性示出本公开实施例中一种用于传染病数据的处理方法的计算机可读存储介质。
具体实施方式
36.现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
37.本说明书中使用用语“一个”、“一”、“该”和“所述”用以表示存在一个或多个要素/
组成部分/等；用语“包括”和“具有”用以表示开放式的包括在内的意思并且是指除了列出的要素/组成部分/等之外还可存在另外的要素/组成部分/等；用语“第一”和“第二”等仅作为标记使用，不是对其对象的数量限制。
38.此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。
39.针对相关技术中存在的问题，本公开提出了一种传染病数据的处理方法。图1示出了传染病数据的处理方法的流程示意图，如图1所示，传染病数据处理方法至少包括以下步骤：
40.步骤s110.获取疾病状态转换数据。
41.步骤s120.利用疾病状态转换关系，对疾病状态转换数据进行计算，得到预定时间内感染传染病的感染比例以及确诊传染病的确诊比例；其中，疾病状态转换关系基于目标传染病模型确定，目标传染病模型用于指示不同疾病状态人群以及死亡人群之间的转换关系。
42.步骤s130.基于感染比例和确诊比例，确定传染病的诊断发现率。
43.在本公开的示例性实施例提供的方法及装置中，一方面，传染病的确诊比例和感染比例是根据疾病状态转换数据得到的，进而将疾病状态转换数据纳入为传染病确诊比例和感染比例的影响因素，提高了计算出的传染病的确诊比例以及感染比例的准确度，进而提高了确定出的传染病诊断发现率的准确度；另一方面，目标传染病模型中包括死亡人群，完善了目标传染病模型的逻辑，更加贴合于实际传染病传播的应用场景，不仅提高了传染病诊断发现率的准确度，而且扩大了确定传染病诊断发现率的应用场景。下面对疫苗接种比例的计算方法的各个步骤进行详细说明。
44.在步骤s110中，获取疾病状态转换数据。
45.在本公开的示例性实施例中，疾病状态转换数据指的是描述不同疾病状态在转换过程中的转换率或转换数量，例如可以是被感染人群得到治疗后成功转换为被治疗人群的数量，并且疾病状态转换数据为一种由经验或逻辑论证建立起来的先验数据，例如可以是通过调查得到的数据，可以是从文献中获得的数据，可以是通过进行数据统计得到的数据，还可以是根据统计模型估计出的数据，本示例性实施例对此不做特殊限定。
46.举例而言，若不同的疾病状态人群包括死亡人群、易感染人群、被感染人群以及被确诊人群，则疾病状态转换数据包括上述四种人群中任意两种人群在转换过程中的转换率或转换数量。
47.在本示例性实施例中，获取疾病状态转换数据，有助于后续根据疾病状态转换数据计算得出传染病的确诊比例和感染比例，进而将疾病状态转换数据纳入为传染病确诊比例和感染比例的影响因素，提高了计算出的传染病的确诊比例以及感染比例的准确度，进而为后续得出准确度高的传染病诊断发现率提供了保障。
48.在步骤s120中，利用疾病状态转换关系，对疾病状态转换数据进行计算，得到预定时间内感染传染病的感染比例以及确诊传染病的确诊比例；其中，疾病状态转换关系基于目标传染病模型确定，目标传染病模型用于指示不同疾病状态人群以及死亡人群之间的转换关系。
49.在公开的示例性实施例中，目标传染病模型是一种指示不同疾病状态人群以及死亡人群之间转换关系的模型，其中，不同疾病状态人群包括容易患传染病的易感染人群、被感染上传染病的被感染人群、被确诊患有传染病的被确诊人群以及得到治疗的被治疗人群，死亡人群即不同疾病状态人群中死亡的人群。
50.基于此，疾病状态转换关系即上述五种人群任意两种之间的转换关系，并且，在疾病状态转换关系中存在与疾病状态转换数据对应的参数，因此，将疾病状态转换数据代入疾病状态转换关系中，可以得到在预设时间内感染传染病的感染比例和确诊比例。
51.传染病具有潜伏期较长、潜伏期无症状的特点，具体的，传染病可以是艾滋病，可以是乙肝，还可以是任意一种具有潜伏期较长、潜伏期无症状的特点的传染病，本示例性实施例对此不做特殊限定。
52.举例而言，传染病为艾滋病，利用目标传染病模型可以确定出易感染艾滋病人群、被感染艾滋病人群、被确诊艾滋病人群、被治疗艾滋病人群以及死亡人群之间的疾病状态转换关系。
53.举例而言，传染病为乙肝，利用目标传染病模型可以确定出易感染乙肝人群、被感染乙肝人群、被确诊乙肝人群、被治疗乙肝人群以及死亡人群之间的疾病状态转换关系。
54.将获取到的不同艾滋病状态转换过程中的疾病状态转换数据代入疾病状态转换关系可以得到预定时间内感染艾滋病的感染比例以及确诊艾滋病的确诊比例。
55.在可选的实施例中，图2示出了传染病数据的处理方法中得到传染病确诊比例以及感染比例的流程示意图，如图2所示，该方法至少包括以下步骤：在步骤s210中，基于目标传染病模型，确定不同疾病状态人群以及死亡人群之间的微分关系。
56.具体地，微分关系指的是微分形式的描述不同疾病状态人群以及死亡人群之间转换关系的计算公式。
57.举例而言，基于目标传染病模型，可以分别确定出易感染艾滋病人群、被感染艾滋病人群、被确诊艾滋病人群以及被治理艾滋病人群以及死亡人群之间的微分形式的计算公式。
58.在步骤s220中，利用拟合算法，对疾病状态转换数据以及微分关系进行计算，以估算出预定时间内感染传染病的感染比例以及确诊传染病的确诊比例。
59.其中，拟合算法指的是一种把现有数据透过数学方法来代入一条数学表达式的表示方式，即根据微分关系以及疾病状态转换数据，用一条数学表达式表示出感染传染病的感染比例与时间之间的公式以及确诊传染病的确诊比例与时间之间的公式，具体的，拟合算法可是马尔科夫链蒙特卡罗算法，也可以是其他拟合算法，本示例性实施例对此不做特殊限定。
60.举例而言，将每年确诊艾滋病的病例数以及接收治疗的艾滋病病例数作为拟合数据，利用马尔科夫链蒙特卡罗算法，对疾病状态转换数据以及疾病状态转换关系进行计算，得到每年艾滋病的感染比例以及确诊比例。
61.在可选的实施例中，图3示出了传染病数据的处理方法中确定微分关系的流程示意图，如图3所示，不同疾病状态人群包括易感染人群、被感染人群、被确诊人群以及被治疗人群，该方法至少包括以下步骤：在步骤s310中，基于目标传染病模型，创建易感染人群与被感染人群之间的疾病感染计算关系。
62.其中，不同疾病状态人群包括易感染人群、被感染人群、被确诊人群以及被治疗人群，其中，易感染人群指的是容易感染传染病的人群，例如对于艾滋病来说，易感染人群可以是非法买卖血液的人群，可以是有过高危性行为的人群。被感染人群指的是已经被感染传染病的人群，被确诊人群指的是被感染人群中中被确诊的人群，被治疗人群指的是被确诊人群中得到治疗的人群。
63.疾病感染计算公式即为易感染人群与被感染人群之间的疾病状态转换关系。
64.举例而言，针对于艾滋病来说，根据目标传染病模型，将人群分为了五类，即死亡人群、易感染艾滋病的人群、被感染艾滋病的人群、被确诊艾滋病的人群以及被治疗人群，由此可以得到如公式(1)所示的易感染艾滋病人群与被感染艾滋病人群之间的疾病感染计算关系。
65.la(t)＝s(t)
×
beta(t)
ꢀꢀꢀꢀꢀ
(1)
66.其中，s(t)为单位时间内易感染艾滋病人群，beta(t)为单位时间内易感染艾滋病人群中被感染的比例，la(t)为单位时间内被感染艾滋病的人群。
67.在步骤s320中，基于目标传染病模型，创建被感染人群与被确诊人群之间的疾病确诊计算关系，并创建被确诊人群与被治疗人群之间的疾病治疗计算关系。
68.其中，根据目标传染病模型还可以创建被感染人群与被确诊人群之间的疾病状态转换关系以及被确诊人群与被治疗人群之间的疾病状态转换关系，即确定疾病确诊计算关系以及疾病治疗计算关系。
69.举例而言，根据艾滋病的目标传染病模型，可以确定如公式(2) 所示的疾病确诊计算关系以及如公式(3)所示的疾病治疗计算关系。
70.ca(t)＝la(t)
×
fa(t)
ꢀꢀꢀꢀ
(2)
71.ta(t)＝ca(t)
×
ra(t)
ꢀꢀꢀꢀ
(3)
72.其中，la(t)为单位时间内被感染艾滋病的人群，ca(t)为单位时间内被感染艾滋病人群中被确诊艾滋病人群，ta(t)为单位时间内被确诊艾滋病人群中被治疗艾滋病人群，fa(t)为单位时间被感染艾滋病人群中被确诊的比例，ra(t)为单位时间被确诊艾滋病人群中接收抗病毒治疗的比例。
73.在步骤s330中，基于目标传染病模型，分别创建不同疾病人群与死亡人群之间的易感染死亡计算关系、被感染死亡计算关系、被确诊死亡计算关系以及被治疗死亡计算关系。
74.其中，基于目标传染病模型，还可以创建不同疾病人群与死亡人群之间的转换关系，具体地，可以创建易感染人群与死亡人群之间的易感染死亡计算关系，还可以创建被感染人群与死亡人群之间的被感染死亡计算关系，还可以创建被确诊人群与死亡人群之间的被确诊死亡计算关系，还可以创建被治疗人群与死亡人群之间的被治疗死亡计算关系。
75.举例而言，基于目标传染病模型，可以创建如公式(4)所示的易感染死亡计算关系，如公式(5)所示的被感染死亡计算关系，如公式 (6)所示的被确诊死亡计算关系，如公式(7)所示的被治疗死亡计算关系。
76.d1(t)＝s(t)
×
ds
ꢀꢀꢀ
(4)
77.d2(t)＝la(t)
×
dia
ꢀꢀꢀ
(5)
78.d3(t)＝ca(t)
×
dca
ꢀꢀꢀ
(6)
79.d4(t)＝ta(t)
×
dta
ꢀꢀꢀ
(7)
80.其中，s(t)为单位时间内易感染艾滋病人群、la(t)为单位时间内被感染艾滋病人群，ca(t)为单位时间内被确诊艾滋病人群，ta(t)为单位时间内被治疗艾滋病人群，ds为易感染艾滋病人群中的自然死亡率，dia 为被感染艾滋病人群中的自然死亡率，dca为被确诊艾滋病人群中的自然死亡率，dta为被治疗艾滋病人群中的自然死亡率，基于此，d1(t)为与s(t)对应的死亡人数，d2(t)为与la(t)对应的死亡人数，d3(t)为与 ca(t)对应的死亡人数，d4(t)为与ta(t)对应的死亡人数。
81.在步骤s340中，根据易感染死亡计算关系、被感染死亡计算关系、被确诊死亡计算关系、被治疗死亡计算关系、疾病感染计算关系、疾病确诊计算关系以及疾病治疗计算关系，计算得到不同疾病状态人群以及死亡人群之间的微分关系。
82.其中，对易感染死亡计算关系、被感染死亡计算关系、被确诊死亡计算关系、被治疗死亡计算关系、疾病感染计算关系、疾病确诊计算关系以及疾病治疗计算关系进行组合可以得到不同疾病人群以及死亡人群之间的微分关系。
83.举例而言，对公式(1)至公式(7)进行计算可以得到艾滋病的微分关系。
84.在本示例性实施例中，目标传染病模型中包括死亡人群，更符合实际传染病传播过程中所涉及的人群，为后续确定出准确的诊断发现率提供了保障。
85.在可选的实施例中，被感染人群包括第一感染程度人群和第二感染程度人群；基于目标传染病模型，创建易感染人群与被感染人群之间的疾病感染计算关系，包括：基于目标传染病模型，创建易感染人群与第一感染程度人群之间的第一疾病感染计算关系，并创建第一感染程度人群与第二感染程度人群之间的第二疾病感染计算关系。
86.其中，根据感染程度对被感染人群进行分类，以得到第一感染程度人群以及第二感染程度人群，则基于目标传染病模型，可以得到易感染人群与第一感染程度人群之间的疾病状态转换关系，即第一疾病感染计算关系，还可以得到易感染人群与第二感染程度人群之间的疾病状态转换关系，即第二疾病感染计算关系，其中，第一感染程度人群感染传染病的程度低于第二感染程度人群感染传染病的程度。例如，第一感染程度人群可以为轻症人群，第二感染程度人群可以为重症人群。
87.举例而言，根据目标传染病模型，可以得到如公式(8)所示的第一疾病感染计算关系以及如公式(9)所示的第二疾病感染计算关系。
88.la1(t)＝s(t)
×
beta1(t)
ꢀꢀꢀ
(8)
89.la2(t)＝s(t)
×
beta2(t)
ꢀꢀꢀ
(9)
90.其中，la1(t)为单位时间被感染艾滋病的人群中的第一感染程度人群，la2(t)为单位时间被感染艾滋病的人群中的第二感染程度人群，s(t) 为易感染人群，beta1(t)为易感染艾滋病人群转换为第一感染程度人群的比例，beta2(t)为易感染艾滋病人群转换为第二感染程度人群的比例。
91.在本示例性实施例中，将被感染人群按照感染程度区分为了第一感染程度人群以及第二感染程度人群，充分考虑了不同感染程度人群对诊断发现率的影响，进而提高了确定出的诊断发现的准确度。
92.在可选的实施例中，图4示出了传染病数据的处理方法中创建疾病确诊计算关系的流程示意图，如图4所示，被确诊人群中包括从第一感染程度人群中被确诊的第一确诊人
群以及从第二感染程度人群中被确诊的第二确诊人群，该方法至少包括以下步骤：在步骤s410中，基于目标传染病模型，创建第一感染程度人群与第一确诊人群之间的第一确诊计算关系，并创建第二感染程度人群与第二确诊人群之间的第二确诊计算关系。
93.其中，基于被感染人群被分为了两类，因此，被确诊人群也被分为了两类，分别为第一感染程度人群中被确诊的第一确诊人群以及第二感染程度人群中被确诊的第二确诊人群。
94.因此，基于目标传染病模型，可以建立第一感染程度人群与第一确诊人群之间的疾病状态转换关系，还可以确定第二感染程度与第二确诊人群之间的疾病状态转换关系，即确定出第一确诊计算关系和第二确诊计算关系。
95.举例而言，根据目标传染病模型，可以得到如公式(10)所示第一确诊计算关系和公式(11)所示的第二确诊计算关系。
96.ca1(t)＝la1(t)
×
fa1(t)
ꢀꢀꢀꢀ
(10)
97.ca2(t)＝la2(t)
×
fa2(t)
ꢀꢀꢀꢀ
(11)
98.其中，ca1(t)和ca2(t)分别为单位时间内第一确诊人群和第二确诊人群，la1(t)和la2(t)分别为单位时间内第一感染程度人群和第二感染程度人群，fa1(t)为单位时间内第一感染程度人群转换至第一确诊人群的转换比例，fa2(t)为单位时间内第二感染程度人群转换至第二确诊人群的转换比例。
99.在步骤s420中，基于目标传染病模型，创建第一感染程度人群与第二感染程度人群之间的确诊程度转换计算关系。
100.其中，值得说明的是，第一感染程度人群若病情发生变化，有可能转变为第二感染程度人群，即存在第一感染程度人群与第二感染程度人群之间的确诊程度转换计算关系。
101.举例而言，根据目标传染病模型，可以创建如公式(12)所示的确诊程度转换计算关系。
102.la2(t)＝la1(t)
×
pc(t)
ꢀꢀꢀꢀ
(12)
103.其中，la1(t)和la2(t)分别为单位时间内第一感染程度人群和第二感染程度人群，pc(t)为单位时间第一感染程度人群转换为第二感染程度人群的比例。
104.在本示例性实施例中，根据对被感染人群以及被确诊人群的分类，完善了对诊断发现率的影响因素，进而提高了确定出的诊断发现的准确度。
105.在可选的实施例中，图5示出了传染病数据处理方法中创建疾病治疗计算关系的流程示意图，如图5所示，被治疗人群包括被以第一治疗程度进行治疗的第一治疗人群以及被以第二治疗程度进行治疗的第二治疗人群，该方法至少包括以下步骤：在步骤s510中，基于目标传染病模型，创建第一确诊人群与第一治疗人群之间的第一疾病治疗计算关系，并创建第二确诊人群与第二治疗人群之间的第二疾病治疗计算关系。
106.其中，被治疗人群也包括两类，分别为第一治疗人群和第二治疗人群，第一治疗人群与第二治疗人群的区别在于治疗程度不同，例如第一治疗人群可以是以中药温和的方式被治疗的被治疗人群，第二治疗人群可以是以激素强刺激的方式被治疗的被治疗人群，值得说明的是，第一治疗人群与第一确诊人群对应，第二治疗人群与第二确诊人群对应。
107.基于此，可以创建第一疾病治疗计算关系以及第二治病治疗计算关系，用以表示第一确诊人群与第一治疗人群之间的疾病状态转换关系以及第二确诊人群与第二治疗人
群之间的疾病状态转换关系。
108.举例而言，根据目标传染病模型，创建出如公式(13)所示的第一疾病治疗计算关系以及如公式(14)所所示的第二疾病治疗计算关系。
109.ta1(t)＝ca1(t)
×
ra1(t)
ꢀꢀꢀꢀ
(13)
110.ta2(t)＝ca2(t)
×
ra2(t)
ꢀꢀꢀꢀ
(14)
111.其中，ta1(t)和ta2(t)分别为单位时间内第一治疗人群和第二治疗人群，ca1(t)和ca2(t)分别为单位时间内第一确诊人群和第二确诊人群，ra1(t)为单位时间内第一确诊人群转换至第一治疗人群的转换比例， ra2(t)为单位时间捏第二确诊人群转换至第二治疗人群的转换比例。
112.在步骤s520中，基于目标传染病模型，创建第一治疗人群和第二治疗人群之间的治疗程度转换计算关系。
113.其中，随着传染病感染程度的增加，第一治疗人群也会转换为第二治疗人群，治疗程度转换关系即描述第一治疗人群与第二治疗人群之间的疾病状态转换关系。
114.举例而言，根据目标传染病模型，可以创建如公式(15)所示的治疗程度转换计算关系。
115.ta2(t)＝ta1(t)
×
pt(t)
ꢀꢀꢀꢀ
(15)
116.其中，ta1(t)和ta2(t)分别单位时间内第一治疗人群和第二治疗人群，pt(t)为单位时间第一治疗人群转换至第二治疗人群的转换率。
117.在本示例性实施例中，将被治疗人群分为第一治疗人群和第二治疗人群，增加了确定诊断发现率的细化程度，充分考虑了不同感染程度人群对诊断发现率的影响，进而提高了确定出的诊断发现的准确度。
118.在可选的实施例中，图6示出了传染病数据的处理方法中创建不同疾病状态人群与死亡人群之间的计算关系的流程示意图，如图6所示，该方法至少包括以下步骤：在步骤s610中，基于目标传染病模型，创建第一感染程度人群与死亡人群之间的第一感染死亡计算关系，并创建第二感染程度人群与死亡人群之间的第二感染死亡计算关系。
119.其中，不同疾病状态人群与死亡人群之间都具有疾病状态转换关系，其中，第一感染程度人群与死亡人群之间的转换关系为第一感染死亡计算关系，第二感染程度人群与死亡人群之间的转换关系为第二感染死亡计算关系。
120.举例而言，基于目标传染病模型，创建如公式(16)所示的第一感染死亡计算关系和如公式(17)所示的第二感染死亡计算关系。
121.d21(t)＝la1(t)
×
dia1(t)
ꢀꢀꢀꢀ
(16)
122.d22(t)＝la2(t)
×
dia2(t)
ꢀꢀꢀꢀ
(17)
123.其中，la1(t)和la2(t)分别为单位时间内第一个感染程度人群和第二感染程度人群，dia1(t)和dia2(t)分别单位时间为第一感染程度人群的自然死亡率和第二感染程度人群的自然死亡率，d21(t)和d22(t)分别为单位时间内第一感染程度人群中的死亡的人数和第二感染程度人群中的死亡的人数。
124.在步骤s620中，基于目标传染病模型，创建第一确诊人群与死亡人群之间的第一确诊死亡计算关系，并创建第二确诊人群与死亡人群之间的第二确诊死亡计算关系。
125.其中，第一确诊计算关系即第一确诊人群与死亡人群之间的疾病状态转换关系，
第二确诊计算关系即第二确诊人群与死亡人群之间的疾病状态转换关系。
126.举例而言，基于目标传染病模型，可以创建如公式(18)所示的第一确诊死亡计算关系和公式(19)所示的第二确诊死亡计算关系。
127.d31(t)＝ca1(t)
×
dca1(t)
ꢀꢀꢀ
(18)
128.d32(t)＝ca2(t)
×
dca2(t)
ꢀꢀꢀ
(19)
129.其中，ca1(t)和ca2(t)分别为单位时间内第一确诊人群和第二确诊人群，dca1(t)和dca2(t)分别为单位时间内第一确诊人群的死亡率和第二确诊人群的死亡率，d31(t)和d32(t)分别为单位时间内第一确诊人群中的死亡人数和第二确诊人群中的死亡人数。
130.在步骤s630中，基于目标传染病模型，创建第一治疗人群与死亡人群之间的第一治疗死亡计算关系，并创建第二治疗人群与死亡人群之间的第二治疗死亡计算关系。
131.其中，第一被治疗死亡计算关系为第一治疗人群与死亡人群之间的疾病状态转换关系，第二被治疗死亡计算关系为第二治疗人群与死亡人群之间的疾病状态转换关系。
132.举例而言，基于目标传染病模型，可以创建如公式(20)所示的第一治疗死亡计算关系和如公式(21)所示的第二治疗死亡计算关系。
133.d41(t)＝ta1(t)
×
dta1(t)
ꢀꢀꢀ
(20)
134.d42(t)＝ta2(t)
×
dta2(t)
ꢀꢀꢀ
(21)
135.其中，ta1(t)和ta2(t)分别为单位时间内第一治疗人群和第二治疗人群，dta1(t)和dta2(t)分别为单位时间内第一治疗人群的死亡率和第二治疗人群的死亡率，d41(t)和d42(t)分别为单位时间捏第一治疗人群中的死亡人数和第二治疗人群中的死亡人数。
136.在本示例性实施例中，在目标传染病模型中引入死亡人群，完善了影响传染病诊断发现率的因素，进而提高了确定出的诊断发现率的准确度。
137.在可选的实施例中，图7示出了传染病数据处理方法中计算不同疾病状态人群与死亡人群之间的微分关系的流程示意图，如图7所示，该方法至少包括以下步骤：在步骤s710中，根据易感染死亡计算关系、第一疾病感染计算关系，得到针对于易感染人群的微分关系。
138.其中，对于易感染人群来说，有从易感染人群转换至死亡人群的，有从易感染人群转换成第一感染程度人群的，还有通过高危行为转换成易感染人群的，还有停止高危行为从易感染群中转换出去的。
139.基于上述的疾病状态转换关系，可以确定出针对于易感染人群的微分关系。
140.举例而言，根据如公式(4)所示的易感染死亡计算关系、公式公式(1) 所示的第一疾病感染计算关系可以得到如公式(22)所示的针对于易感染人群的微分关系。
141.s(t 1)＝s(t) in-(out ds)-beta1(t)
×
s(t)
ꢀꢀꢀ
(22)
142.其中，s(t)为单位时间内的易感染人群，in为单位时间进行高危行为的人数，out为单位时间停止高危人群的人数，ds为易感染人群中的自然死亡率，beta1(t)为易感染人群转换为第一感染程度人群的比例。
143.在步骤s720中，根据第一疾病感染计算关系、第一感染死亡计算关系、第二疾病感染计算关系以及第一确诊计算关系，得到针对于第一感染程度人群的微分关系。
144.其中，对于第一感染程度人群来说，有从第一感染性程度人群转换成第二感染程度人群的，有从第一感染程度人群转换为死亡人群的，有从第一感染程度人群转换为第一
确诊人群的，有从易感染人群转换成第一感染程度人群的，基于此，可以确定针对于第一感染程度人群的微分关系。
145.举例而言，根据如公式(8)所示的第一感染计算关系、如公式(16) 所示的第一感染死亡计算关系、如公式(9)所示的第二疾病感染计算公式以及如公式(10)所示的第一确诊计算关系，可以得到如公式(23) 所示的针对于第一感染程度人群的微分关系。
146.ia1(t 1)＝ia1(t) beta1(t)
×
s(t)-(dla1(t) fa1(t) fa2(t))
×ꢀ
ia1(t)
ꢀꢀꢀ
(23)
147.其中，ia1(t)为单位时间第一感染程度人群，beta1(t)为单位时间易感染人群转换为第一感染程度人群的比例，s(t)为单位时间易感染人群， dia1(t)为第一感染程度人群的自然死亡率，fa1(t)为第一感染程度人群转换至第一确诊人群的转换比例，fa2(t)为第二感染程度人群转换至第二确诊人群的转换比例。
148.在步骤s730中，根据第二疾病感染计算关系、第二感染死亡计算关系以及第二确诊计算关系，得到针对于第二感染程度人群的微分关系。
149.其中，针对于第二感染程度人群来说，有从第一感染程度人群转换而来的，有从第二感染程度人群转换为死亡人群的，有从第二感染程度人群转换为第二确诊人群的，基于此，可以确定出针对于第二感染程度人群的微分关系。
150.举例而言，根据如公式(9)所示的第二疾病感染计算关系、如公式(17) 所示的第二感染死亡计算关系以及如公式(11)所示的第二确诊计算关系，可以得出如公式(24)所示的针对于第二感染程度人群的微分关系。
151.la2(t 1)＝la2(t) fa1(t)
×
la1(t)-(dla2(t) fa2(t))
×ꢀ
la2(t))
ꢀꢀ
(24)
152.其中，la1(t)为单位时间第一感染程度人群，la2(t)为单位时间第二感染程度人群，fa1(t)单位时间第一感染程度人群转换至第一确诊人群的转换比例，fa2(t)为单位时间第二感染程度人群转换至第二确诊人群的转换比例，dia2(t)为单位时间第二感染程度人群的自然死亡率。
153.在步骤s740中，根据第一确诊计算关系、第一确诊死亡计算关系、确诊程度转换计算关系以及第一疾病治疗计算关系，得到针对于第一确诊人群的微分关系。
154.其中，对于第一确诊人群来说，有从第一感染程度人群转换成第一确诊人群的，有从第一确诊人群转换为死亡人群的，有从第二确诊人群转换为第一确诊人群的，有从第一确诊人群转换成第一治疗人群的，基于此，可以确定出针对于第一确诊人群的微分关系。
155.举例而言，如公式(10)所示的第一确诊计算关系、如公式(12) 所示的确诊程度转换计算关系、如公式(13)所示的第一疾病治疗关系以及如公式(18)所述的第一确诊死亡计算关系，可以得到如公式(25)
156.所示的针对于第一确诊人群的微分关系。
157.ca1(t 1)＝ca1(t) fa1(t)
×
la1(t) qa1(t)
×
ta1(t)-(dca1(t) ra1(t) pc(t))
×
ca1(t)
ꢀꢀꢀꢀ
(25)
158.其中，ca1(t)为单位时间内第一确诊人群，ra1(t)为单位时间内第一确诊人群转换至第一治疗人群的转换比例，dca1(t)为单位时间内第一确诊人群的死亡率，pc(t)为单位时间内第一感染程度人群转换为第二感染程度人群的比例，la1(t)为单位时间内第一感染程度人群，fa1(t)为第一感染程度人群转换至第一确诊人群的转换比例，qa1(t)为第一治疗人群转换为第一确诊人群的比例，ta1(t)为单位时间内第一治疗人群。
159.在步骤s750中，根据第二确诊计算关系、第二确诊死亡计算关系、确诊程度转换计算关系以及第二疾病治疗计算关系，得到针对于第二确诊人群的微分关系。
160.其中，针对于第二确诊人群，有从第二感染程度人群转换为第二确诊人群的，有从第二确诊人群转换为死亡人群的，有从第一确诊人群转换为第二确诊人群的，有从第二确诊人群转换为第二治疗人群的，基于此，可以得到针对于第二确诊人群的微分关系。
161.举例而言，如公式(11)所示的第二确诊计算关系、如公式(19)所示的第二确诊死亡计算关系、如公式(15)所示的确诊程度转换计算关系以及如公式(14)所示的第二疾病治疗计算关系，可以得到如公式(26)所示的针对于第二确诊人群的微分关系。
162.ca2(t 1)＝ca2(t) fa2(t)
×
la2(t) pc(t)
×
la1(t) qb(t)
×ꢀ
ta2(t)-(dca2 ra2(t))
×
ca2(t)
ꢀꢀꢀꢀ
(26)
163.其中，ca2(t)为单位时间内第二确诊人群，fa2(t)为单位时间内第二感染程度人群转换至第二确诊人群的转换比例，la2(t)为单位时间内第二感染程度人群，pc(t)为单位时间第一感染程度人群转换为第二感染程度人群的比例，la1(t)为单位时间内第一感染程度人群，ta2(t)为单位时间内第二治疗人群，dca2为单位时间内第二确诊人群的死亡率，ra2(t) 为单位时间内第二确诊人群转换至第二治疗人群的转换比例，ca2(t)为单位时间内第二确诊人群，qb(t)为第二治疗人群转换为第二确诊人群的转换率。
164.在步骤s760中，根据第一治疗死亡计算关系、治疗程度转换计算关系以及第一疾病治疗计算关系，得到针对于第一治疗人群的微分关系。
165.其中，针对于第一治疗人群，有从第一确诊人群中转换成第一治疗人群的，有从第一治疗人群转换为死亡人群的，有从第一治疗人群转换成第二治疗人群的，基于此，可以确定出针对于第二治疗人群的微分关系。
166.举例而言，如公式(20)所述的第一治疗死亡计算关系、如公式 (15)所示的治疗程度转换计算公式、如公式(14)所示的第一疾病治疗计算关系，可以得到如公式(27)所示的针对于第一治疗人群的微分关系。
167.ta1(t 1)＝ta1(t) ra1(t)
×
ca1(t)-(dta1(t) qa(t) pt(t))
×ꢀ
ta(t)
ꢀꢀꢀ
(27)
168.其中，ta(t)为单位时间内第一治疗人群，ra1(t)为单位时间内第一确诊人群转换至第一治疗人群的转换比例，ca1(t)为单位时间内第一确诊人群，dta1(t)为单位时间内第一治疗人群的死亡率，qa(t)为单位时间内第一治疗人群转换为第一确诊人群的转换率，pt(t)为单位时间内第一治疗人群转换至第二治疗人群的转换率。
169.在步骤s770中，根据第二治疗死亡计算关系、治疗程度转换计算关系以及第二疾病治疗计算关系，得到针对于第二治疗人群的微分关系。
170.其中，针对于第二治疗人群，有从第二确诊人群中转换成第二治疗人群的，有从第二治疗人群转换为死亡人群的，有从第二治疗人群转换成第一治疗人群的，基于此，可以确定出针对于第二治疗人群的微分关系。
171.举例而言，根据如公式(21)所示的第二治疗死亡人群、如公式 (15)所示的治疗程度转换计算关系、如公式(14)所示的第二疾病治疗关系得到如公式(28)所示的针对于第二治疗人群的微分关系。
172.ta2(t 1)＝ta2(t) ra2(t)
×
ca2(t) pt(t)
×
ta1(t)-(dta2(t) qb(t))
×
ta2(t)
ꢀꢀꢀ
(28)
173.其中，ta2(t)为单位时间内第二治疗人群，dta2(t)为单位时间捏第二治疗人群的死亡率，ta1(t)为单位时间内第一治疗人群，pt(t)为单位时间内第一治疗人群转换至第二治疗人群的转换率，ca2(t)为单位时间内第二确诊人群，ra2(t)为单位时间内第二确诊人群转换至第二治疗人群的转换比例，qb(t)为单位时间内第二治疗人群转换成第一确诊人群的比例。
174.在本示例性实施例中，基于目标传染病模型，建立起不同疾病状态人群中各个分类以及死亡人群之间的微分关系，完善了目标传染病模型的逻辑，为后续确定诊断发现率奠定了基础。
175.在步骤s130中，基于感染比例和确诊比例，确定传染病的诊断发现率。
176.在公开的示例性实施例中，传染病的感染比例指的是在预设时间内感染传染病的比例，对应的，确诊比例指的是在预设时间内确诊传染病的比例，诊断发现率指的是被感染人群中可以得到确诊的比例。
177.举例而言，利用公式(29)可以计算出传染病的诊断发现率。
[0178][0179]
其中，la1(t)和la2(t)分别为单位时间内第一感染程度人群和第二感染程度人群，fa1(t)为单位时间内第一感染程度人群确诊传染病的确诊比例，fa2(t)为单位时间内第二感染程度人群确诊传染病的确诊比例， s(t)为单位时间内易感染人群，beta(t)为单位时间内易感人群内感染的比例。
[0180]
在可选的实施例中，图8示出了传染病数据的处理方法中确定诊断发现率的流程示意图，如图8所示，感染比例包括第一感染程度人群的第一感染比例和第二感染程度人群的第二感染比例，该方法至少包括以下步骤：在步骤s810中，对第一感染程度人群、第二感染程度人群、第一确诊比例以及第二确诊比例进行计算得到传染病的确诊总人数。
[0181]
其中，第一确诊比例指的是第一感染程度人群转换至第一确诊人群的转换比例，对应的，第二确诊比例指的是第二感染程度人群转换值第二确诊人群的转换比例。
[0182]
举例而言，利用公式(30)可以得到传染病的确诊总人数。
[0183]
∑(fa1(t)
×
la1(t) fa2(t)
×
ia2(t))
ꢀꢀꢀꢀ
(30)
[0184]
其中，fa1(t)为第一感染程度人群转换至第一确诊人群的转换比例，fa2(t)为第二感染程度人群转换值第二确诊人群的转换比例，la1(t)和 la2(t)分别为第一感染程度人群和第二感染程度人群。
[0185]
在步骤s820中，对易感染人群和感染比例进行计算得到传染病的感染总人数。
[0186]
其中，感染比例指的是单位时间内易感染人群中被感染的比例。
[0187]
举例而言，利用公式(31)可以得到传染病的感染总人数。
[0188]
∑beta(t)
×
s(t)
ꢀꢀꢀꢀ
(31)
[0189]
其中，s(t)为易感染艾滋病人群，beta(t)为单位时间内易感染艾滋病人群中被感染的比例。
[0190]
在步骤s830中，对感染总人数和确诊总人数进行计算得到传染病的诊断发现率。
[0191]
其中，对感染总人数和确诊总人数进行计算可以得到传染病的诊断发现率。
[0192]
举例而言，利用公式(29)可以得到传染病的诊断发现率，其中分母为感染总人数，
分子为确诊总人数。
[0193]
在本示例性实施例中，利用感染比例和确诊比例计算传染病的诊断发现率，并且感染比例和确诊比例是基于目标传染病模型和疾病状态转换数据计算得出的，由于目标传染病模型中引入了死亡人群，疾病状态转换数据是一种先验数据，进而提高了诊断发现率的准确度。
[0194]
在本公开的示例性实施例提供的方法及装置中，一方面，传染病的确诊比例和感染比例是根据疾病状态转换数据得到的，进而将疾病状态转换数据纳入为传染病确诊比例和感染比例的影响因素，提高了计算出的传染病的确诊比例以及感染比例的准确度，进而提高了确定出的传染病诊断发现率的准确度；另一方面，目标传染病模型中包括死亡人群，完善了目标传染病模型的逻辑，更加贴合于实际传染病传播的应用场景，不仅提高了传染病诊断发现率的准确度，而且扩大了确定传染病诊断发现率的应用场景。
[0195]
下面结合一应用场景对本公开实施例中疫苗接种比例的计算方法做出详细说明。
[0196]
图9示出了在应用场景下艾滋病的目标产染病模型的结构示意图，如图9所示，其中，s(t)为单位时间内易感染人群，la1(t)为单位时间内被感染艾滋病的人群中的第一感染程度人群，la2(t)为单位时间内被感染艾滋病的人群中的第二感染程度人群，ca1(t)和ca2(t)分别为单位时间捏第一确诊人群和第二确诊人群，ta1(t)和ta2(t)分别为单位时间内第一治疗人群和第二治疗人群，d1(t)、d21(t)、d22(t)、d31(t)、d32(t)、 d41(t)以及d42(t)分别为不同疾病状态人群与死亡人群之间的疾病状态转换关系。
[0197]
beta1(t)为单位时间内易感染人群转换为第一感染程度人群的比例， beta2(t)为单位时间内易感染人群转换为第二感染程度人群的比例，ds 为易感染人群中的自然死亡率，fa1(t)为单位时间内第一感染程度人群转换至第一确诊人群的转换比例，fa2(t)为单位时间内第二感染程度人群转换至第二确诊人群的转换比例，pc(t)为单位时间内第一感染程度人群转换为第二感染程度人群的比例，ra1(t)为单位时间内第一确诊人群转换至第一治疗人群的转换比例，ra2(t)为单位时间内第二确诊人群转换至第二治疗人群的转换比例，pt(t)为单位时间内第一治疗人群转换至第二治疗人群的转换率，dia1(t)和dia2(t)分别为单位时间内第一感染程度人群的自然死亡率和第二感染程度人群的自然死亡率，dca1(t)和 dca2(t)分别为单位时间内第一确诊人群的死亡率和第二确诊人群的死亡率，dta1(t)和dta2(t)分别为单位时间内第一治疗人群的死亡率和第二治疗人群的死亡率，qa(t)为单位时间内第一治疗人群转换为第一确诊人群的转换率，qb(t)为单位时间内第二治疗人群转换成第一确诊人群的比例，基于此，可以得到如公式(22)至公式(29)所示的微分关系。
[0198]
根据疾病状态转换数据和微分关系计算出艾滋病的感染比例以及确诊比例，利用公式(29)得到艾滋病的诊断发现率。
[0199]
在本应用场景中，一方面，传染病的确诊比例和感染比例是根据疾病状态转换数据得到的，进而将疾病状态转换数据纳入为传染病确诊比例和感染比例的影响因素，提高了计算出的传染病的确诊比例以及感染比例的准确度，进而提高了确定出的传染病诊断发现率的准确度；另一方面，目标传染病模型中包括死亡人群，完善了目标传染病模型的逻辑，更加贴合于实际传染病传播的应用场景，不仅提高了传染病诊断发现率的准确度，而且扩大了确定传染病诊断发现率的应用场景。
[0200]
此外，在本公开的示例性实施例中，还提供一种传染病数据的处理装置。图10示出了传染病数据的处理装置的结构示意图，如图10所示，传染病数据处理装置1000可以包括：获取模块1010、计算模块1020 以及确定模块1030。其中：
[0201]
获取模块1010，被配置为获取疾病状态转换数据；计算模块1020，被配置为利用疾病状态转换关系，对疾病状态转换数据进行计算，得到预定时间内感染传染病的感染比例以及确诊传染病的确诊比例；其中，疾病状态转换关系基于目标传染病模型确定目标传染病模型用于指示不同疾病状态人群以及死亡人群之间的转换关系；确定模块1030，被配置为基于感染比例和确诊比例，确定传染病的诊断发现率。
[0202]
上述传染病数据处理装置1000的具体细节已经在对应的传染病数据处理方法中进行了详细的描述，因此此处不再赘述。
[0203]
应当注意，尽管在上文详细描述中提及传染病数据的处理装置 1000的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
[0204]
此外，在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。
[0205]
下面参照图11来描述根据本发明的这种实施例的电子设备1100。图11显示的电子设备1100仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
[0206]
如图11所示，电子设备1100以通用计算设备的形式表现。电子设备1100的组件可以包括但不限于：上述至少一个处理单元1110、上述至少一个存储单元1120、连接不同系统组件(包括存储单元1120和处理单元1110)的总线1130、显示单元1140。
[0207]
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元1110执行，使得所述处理单元1110执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。
[0208]
存储单元1120可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(ram)1121和/或高速缓存存储单元1122，还可以进一步包括只读存储单元(rom)1123。
[0209]
存储单元1120还可以包括具有一组(至少一个)程序模块1125的程序/使用工具1124，这样的程序模块1125包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包含网络环境的现实。
[0210]
总线1130可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
[0211]
电子设备1100也可以与一个或多个外部设备1170(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备1100交互的设备通信，和/或与使得该电子设备1100能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等) 通信。这种通信可以通过输入/输出(i/o)接口1150进行。并且，电子设备1100还可以通过网络适配器1160与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器1160通过总线1130与电子设备1100的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备1100使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、rai系统、磁
带驱动器以及数据备份存储系统等。
[0212]
通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd
‑ꢀ
rom，u盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施例的方法。
[0213]
在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施例中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。
[0214]
参考图12所示，描述了根据本发明的实施例的用于实现上述方法的程序产品1200，其可以采用便携式紧凑盘只读存储器(cd-rom)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
[0215]
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器 (ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom 或闪存)、光纤、便携式紧凑盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。
[0216]
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
[0217]
可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、rf等等，或者上述的任意合适的组合。
[0218]
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、c 等，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
[0219]
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本技术旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者
适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。