一種基于網(wǎng)格技術的新生兒缺陷預警方法及系統(tǒng)的制作方法
【技術領域】
[0001]本發(fā)明涉及一種新生兒缺陷預警方法及系統(tǒng)，具體涉及一種基于網(wǎng)絡技術的新生兒缺陷預警方法及系統(tǒng)。
【背景技術】
[0002]地理信息系統(tǒng)(geographic informat 1n system, GIS)是用于對地表相關信息數(shù)據(jù)進行收集、檢查、處理、集成和分析的計算機系統(tǒng)。隨著GIS的迅速發(fā)展，GIS在公共衛(wèi)生領域的作用越來越大，是公共衛(wèi)生從業(yè)人員的一個有用的工具。目前，國際上有很多不同等級的用空間分布來監(jiān)測某一疾病危險因素的嘗試。GIS是以地理空間為基礎的，采用地理模型分析方法，從而提供多種空間和動態(tài)的地理信息。
[0003]出生缺陷也稱先天異常，是指胚胎發(fā)育紊亂引起的形態(tài)、結構、功能、代謝、精神、行為等方面的異常，包括先天畸形、智力障礙、代謝性疾病等。根據(jù)國家衛(wèi)生部發(fā)布的全國出生缺陷檢測結果，全國出生缺陷總發(fā)生率為1.1%。我國每年約有20?30多萬肉眼可見的先天畸形兒出生。出生缺陷給家庭和社會造成沉重的負擔，找到出生缺陷和哪些因素，提前做好預防措施，將在很大程度上遏制其發(fā)生。這對提高嬰兒的出生健康，提高人口素質(zhì)有很重要的意義。

【發(fā)明內(nèi)容】

[0004]本發(fā)明所要解決的技術問題是提供一種基于網(wǎng)絡技術的新生兒缺陷預警方法及系統(tǒng)，可以為出生缺陷的的病因研究提供有力的工具，具有廣泛的應用前景。
[0005]本發(fā)明解決上述技術問題的技術方案如下:一種基于網(wǎng)格技術的新生兒出生缺陷預警方法，包括以下步驟，
[0006]步驟一，將待預警區(qū)域的地圖根據(jù)經(jīng)、瑋度進行網(wǎng)格劃分，劃分成多個方格區(qū)域；
[0007]步驟二，統(tǒng)計每個所述方格區(qū)域的人口分布數(shù)量，對人口分布數(shù)量低于預設值的方格區(qū)域進行排除；
[0008]步驟三，將人口分布量高于預設值的方格區(qū)域內(nèi)的具有出生缺陷的新生兒的地址與相應的經(jīng)、瑋度點進行對應；
[0009]步驟四，統(tǒng)計人口分布量高于預設值的方格區(qū)域內(nèi)的所有新生兒出生總數(shù)和具有出生缺陷的新生兒總數(shù)，將第i個人口分布量高于預設值的方格區(qū)域內(nèi)的新生兒出生總數(shù)記作P1，將第i個人口分布量高于預設值的方格區(qū)域內(nèi)的具有出生缺陷的新生兒出生總數(shù)記為P i，計算出人口分布量高于預設值的方格區(qū)域內(nèi)的新生兒出生缺陷的患病率為R = P i /Pi;
[0010]步驟五，設定患病率閾值，將單個人口分布量高于預設值的方格區(qū)域內(nèi)的新生兒出生缺陷的患病率與患病率閾值進行對比，并對新生兒出生缺陷高于患病率閾值的人口分布量高于預設值的方格區(qū)域進行標記；
[0011]步驟六，將標記過的人口分布量高于預設值的方格區(qū)域與當?shù)丨h(huán)境因素相關聯(lián)，實現(xiàn)新生兒出生缺陷預警。
[0012]在上述技術方案的基礎上，本發(fā)明還可以做如下改進。
[0013]進一步，所述在步驟三中，人口分布量高于預設值的方格區(qū)域內(nèi)的具有出生缺陷的新生兒的地址與相應的經(jīng)、瑋度點進行對應的方法為將具有出生缺陷的新生兒的地址，結合百度地圖API生成相應的經(jīng)、瑋度點。
[0014]進一步，所述患病率閾值為全國的新生兒出生缺陷患病率。
[0015]進一步，將待預警區(qū)域的地圖進行網(wǎng)格劃分，進行網(wǎng)格劃分的方格區(qū)域的個數(shù)與待預警區(qū)域的大小和待預警的精度相關聯(lián)。
[0016]進一步，在步驟五中，對新生兒出生缺陷高于患病率閾值的人口分布量高于預設值的方格區(qū)域采用紅綠兩種顏色進行標記，紅色表示待預警區(qū)域的新生兒出生缺陷的患病率大于患病閾值，綠色表示待預警區(qū)域的新生兒出生缺陷的患病率小于或等于患病閾值。
[0017]本發(fā)明的有益效果是:本發(fā)明一種基于網(wǎng)格技術的新生兒出生缺陷預警方法中，網(wǎng)格技術可以為出生缺陷的的病因研究提供有力的工具，具有廣泛的應用前景。它和傳統(tǒng)的描述性研究不同。傳統(tǒng)的描述性研究雖然定位于疾病的空間、人群、地點的三間分布。但是它的空間范圍特別大，沒有具體和細化。網(wǎng)格技術把一個大的區(qū)域劃分為很多小的區(qū)域，可以對空間的最小的范圍進行病因的研究。尤其是隨著衛(wèi)星遙感技術的發(fā)展，我們可以獲得更為精確的地面水溫、氣象、植被、土壤、工廠企業(yè)，比如化工廠，垃圾焚燒廠等等。通過這些信息可以掌握環(huán)境因素，為找到與出生缺陷相關的因素提供有力的支持。
[0018]基于上述一種基于網(wǎng)格技術的新生兒出生缺陷預警方法，本發(fā)明還提供一種基于網(wǎng)格技術的新生兒出生缺陷預警系統(tǒng)。
[0019]—種基于網(wǎng)格技術的新生兒缺陷預警系統(tǒng)，包括網(wǎng)格劃分模塊、人口限值模塊、人口對應模塊、出生缺陷患病率計算模塊、標注模塊和環(huán)境關聯(lián)模塊，
[0020]所述網(wǎng)格劃分模塊用于將待預警區(qū)域的地圖根據(jù)經(jīng)、瑋度進行網(wǎng)格劃分，劃分成多個方格區(qū)域；
[0021]所述限制模塊用于統(tǒng)計每個所述方格區(qū)域的人口分布數(shù)量，對人口分布數(shù)量低于預設值的方格區(qū)域進行排除；
[0022]所述人口對應模塊用于將人口分布量高于預設值的方格區(qū)域內(nèi)的具有出生缺陷的新生兒的地址與相應的經(jīng)、瑋度點進行對應，使得具有出生缺陷的新生兒與方格區(qū)域相對應；
[0023]所述出生缺陷患病率計算模塊用于統(tǒng)計人口分布量高于預設值的方格區(qū)域內(nèi)的所有新生兒出生總數(shù)和具有出生缺陷的新生兒總數(shù)，將第i個人口分布量高于預設值的方格區(qū)域內(nèi)的新生兒出生總數(shù)記作P1，將第i個人口分布量高于預設值的方格區(qū)域內(nèi)的具有出生缺陷的新生兒出生總數(shù)記為P1,計算出人口分布量高于預設值的方格區(qū)域內(nèi)的新生兒出生缺陷的患病率為R = P1A31;
[0024]所述標注模塊用于設定患病率閾值，并將單個人口分布量高于預設值的方格區(qū)域內(nèi)的新生兒出生缺陷的患病率與患病率閾值進行對比，并對新生兒出生缺陷高于患病率閾值的人口分布量高于預設值的方格區(qū)域進行標記；
[0025]所述環(huán)境關聯(lián)模塊用于將標記過的人口分布量高于預設值的方格區(qū)域與當?shù)丨h(huán)境因素相關聯(lián)，實現(xiàn)新生兒出生缺陷預警。
[0026]在上述技術方案的基礎上，本發(fā)明還可以做如下改進。
[0027]進一步，人口分布量高于預設值的方格區(qū)域內(nèi)的具有出生缺陷的新生兒的地址與相應的經(jīng)、瑋度點進行對應的方法為，將具有出生缺陷的新生兒的地址，結合百度地圖API生成相應的經(jīng)、瑋度點。
[0028]進一步，所述患病率閾值為全國的新生兒出生缺陷患病率。
[0029]進一步，將待預警區(qū)域的地圖進行網(wǎng)格劃分，進行網(wǎng)格劃分的方格區(qū)域的個數(shù)與待預警區(qū)域的大小和待預警的精度相關聯(lián)。
[0030]進一步，對新生兒出生缺陷高于患病率閾值的人口分布量高于預設值的方格區(qū)域采用紅綠兩種顏色進行標記，紅色表示待預警區(qū)域的新生兒出生缺陷的患病率大于患病閾值，綠色表示待預警區(qū)域的新生兒出生缺陷的患病率小于或等于患病閾值。
[0031]本發(fā)明的有益效果是:本發(fā)明一種基于網(wǎng)格技術的新生兒缺陷預警系統(tǒng)將深圳市按經(jīng)瑋度劃分為若干網(wǎng)格，統(tǒng)計每個網(wǎng)格的新生兒出生缺陷患病率并與全國水平比較，從而找出網(wǎng)格中的高危環(huán)境因素。網(wǎng)格技術的應用使得細化環(huán)境因素對出生缺陷的影響成為可能，在一個可以實際操作的水平上，提高對疾病空間分布的了解，找出暗藏的危險因素。網(wǎng)格分析是將空間劃分為小方格，并統(tǒng)計方格內(nèi)的患病率，從而把患病率的高低和地理位置、環(huán)境結合起來，在新生兒出生缺陷的預警和干預中有很大應用前景。
【附圖說明】
[0032]圖1為本發(fā)明一種基于網(wǎng)格技術的新生兒出生缺陷預警方法的流程圖；
[0033]圖2為本發(fā)明一種基于網(wǎng)格技術的新生兒出生缺陷預警系統(tǒng)的結構框圖。
【具體實施方式】
[0034]以下結合附圖對本發(fā)明的原理和特征進行描述，所舉實例只用于解釋本發(fā)明，并非用于限定本發(fā)明的范圍。
[0035]如圖1所示，一種基于網(wǎng)格技術的新生兒出生缺陷預警方法，包括以下步驟，
[0036]SI,將待預警區(qū)域的地圖根據(jù)經(jīng)、瑋度進行網(wǎng)格劃分，劃分成多個方格區(qū)域；
[0037]S2，統(tǒng)計每個所述方格區(qū)域的人口分布數(shù)量，對人口分布數(shù)量低于預設值的方格區(qū)域進行排除；人口分布量高于預設值的方格區(qū)域內(nèi)的具有出生缺陷的新生兒的地址與相應的經(jīng)、瑋度點進行對應的方法為將具有出生缺陷的新生兒的地址，結合百度地圖API生成相應的經(jīng)、瑋度點；
[0038]S3，將人口分布量高于預設值的方格區(qū)域內(nèi)的具有出生缺陷的新生兒的地址與相應的經(jīng)、瑋度點進行對應，使得具有出生缺陷的新生兒與方格區(qū)域相對應；
[0039]S4，統(tǒng)計人口分布量高于預設值的方格區(qū)域內(nèi)的所有新生兒出生總數(shù)和具有出生缺陷的新生兒總數(shù)，將第i個人口分布量高于預設值的方格區(qū)域內(nèi)的新生兒出生總數(shù)記作？1，將第i個人口分布量高于預設值的方格區(qū)域內(nèi)的具有出生缺陷的新生兒出生總數(shù)記為P1,計算出人口分布量高于預設值的方格區(qū)域內(nèi)的新生兒出生缺陷的患病率為R = P1/Pi;
[0040]S5，設定患病率閾值，將單個人口分布量高于預設值的方格區(qū)域內(nèi)的新生兒出生缺陷的患病率與患病率閾值進行對比，并對新生兒出生缺陷高于患病率閾值的人口分布量高于預設值的方格區(qū)域進行標記；所述患病率閾值為全國的新生兒出生缺陷患病率；
[0041]S6，將標記過的人口分布量高于預設值的方格區(qū)域與當?shù)丨h(huán)境因素相關聯(lián)，實現(xiàn)新生兒出生缺陷預警。
[0042]本實施例中，以深圳地區(qū)為例，深圳市位于北回歸線以南，東經(jīng)113° 46 r至114° 371，北瑋22° 2T至22° 52 ^，陸地最東端位于東南部南澳街道東沖海柴角，最西端位于西北部沙井街道民主村，最南端位于西南面珠江口中的內(nèi)伶彳丁島，最北端位于西北部松崗街道羅田社區(qū)，共1996.85平方千米。2014年，深圳市常住人口有1077.89萬。實際分區(qū)數(shù)目(橫向，縱向)取決于所研究區(qū)域的大小和想要研究的精度。這里可以將深圳市劃分20*10個小區(qū)，這樣每個方格的面積接近1km2.每一個方格都會對應一定的經(jīng)瑋度。通過深圳市衛(wèi)生機構和醫(yī)院收集深圳市所有的新生兒出生缺陷的信息，有父母的住址、缺陷類型等。通過父母的住址，結合百度地圖API，會給每一個住址找到相對應的經(jīng)瑋度，這樣，所有的出生缺陷患兒都是一個有著經(jīng)瑋度的點。由于每個格子也是與經(jīng)瑋相關聯(lián)的，所以可以將新生兒出生缺陷患者和格子對應起來。由于人口的分布不是均勻分布的，市區(qū)的人口密度大，郊區(qū)的人口密度小。如果統(tǒng)一劃分人口，會導致有的網(wǎng)格的人口過少，樣