TY - JOUR AU - Poirier, Canelle AU - Lavenu, Audrey AU - Bertaud, Valérie AU - Campillo-Gimenez, Boris AU - Chazard, Emmanuel AU - Cuggia, Marc AU - Bouzillé， Guillaume PY - 2018 DA - 2018/12/21 TI -结合机器学习方法使用医院大数据进行实时流感监测:比较研究JO - JMIR公共卫生监测SP - e11361 VL - 4is - 4kw -电子健康记录KW -大数据KW -信息流行病学KW -信息监测KW -流感KW -机器学习KW -哨兵网络AB -背景:传统监测系统产生流感样疾病(ILI)发病率的估计，但有1- 3周的延迟。准确的流感疫情实时监测系统可能有助于制定公共卫生决策。有几项研究调查了利用互联网用户的活动数据和不同的统计模型来预测流感流行的可能性。然而，对医院大数据的研究很少。目的:在这里，我们比较了互联网和电子健康记录(EHRs)数据和不同的统计模型，以确定实时估计ILI的最佳方法(数据类型和统计模型)。方法:互联网数据采用谷歌数据，医院数据采用临床数据仓库eHOP，其中包括法国雷恩大学医院的所有ehr。我们比较了随机森林、弹性网络和支持向量机(SVM) 3种统计模型。结果:全国ILI发病率相关性最佳为0.98，均方误差(MSE)为866。对于布列塔尼地区，利用医院数据和SVM模型得到的相关系数最佳为0.923,MSE为2364。 Conclusions: We found that EHR data together with historical epidemiological information (French Sentinelles network) allowed for accurately predicting ILI incidence rates for the entire France as well as for the Brittany region and outperformed the internet data whatever was the statistical model used. Moreover, the performance of the two statistical models, elastic net and SVM, was comparable. SN - 2369-2960 UR - http://publichealth.www.mybigtv.com/2018/4/e11361/ UR - https://doi.org/10.2196/11361 UR - http://www.ncbi.nlm.nih.gov/pubmed/30578212 DO - 10.2196/11361 ID - info:doi/10.2196/11361 ER -