基于多源异质大数据的区域人群健康影响因素分析与演化规律建模研究

Recently, phenomenons such as the changes of lifestyle, environmental pollution, climate anomalies have caused much adverse impact on public health. For these problems, this research project will carry out studies on main influence factors analysis of region population health and its evolution model based on the multi-source heterogeneous network data of online social networks, online to offline networks, climate and environment data. The main research contents will include the following four aspects: Firstly, according to the inhomogeneity, sparsity and spatiotemporal nonuniformity characteristics of multi-source heterogeneous networks data, study the compensation and corrective methods of sparsity of multi-source heterogeneous network data, then propose the unified representation data model; Secondly, based on the data of social networks and O2O networks, study the inference model of behavioral semantics mapping from online to offline behaviors, then analyze relationship between the offline behaviors of population and specific diseases; Thirdly, propose the regional climate variation identification method based on climatic and environmental data, and analyze the main climatic and environmental evolution factors on regional population health; Fourthly, based on the analysis of population behaviors, climate and environment factors, propose the regional population health situation analysis model, then construct the regional health diseases prevention strategy optimization model. The research results will reveal the evolution rules of the regional population health and provide new and effective technological approaches and theory basis.

针对近年来生活习惯改变、环境污染、气候异常等原因对人们健康带来的不利影响，基于在线社会网络、O2O网络、气候环境、居民健康数据等多源异质大数据，研究区域人群健康的主要影响因素和演化规律建模等理论问题。项目将进行以下四方面研究：针对多源异质数据的异质性、稀疏性和时空不均匀性等特点，研究多源异质数据的稀疏性补偿与纠偏方法，提出统一化表示模型；基于社会网络和O2O网络数据，研究群体线上行为语义向线下行为的推理模型，分析群体线下行为与特定疾病的关联性；基于气候环境数据，研究提出区域气候突变识别方法，并对区域气候与环境演变影响人群健康的主因素进行分析；基于群体行为、气候环境等与人群健康相关因素的分析，提出基于超多因素的区域人群疾病态势分析模型，构建区域人群疾病预防策略优化模型。项目研究成果将揭示区域人群健康的演化规律，从大数据分析的角度为区域人群健康分析提供新的有效的技术途径和理论基础。

近年来，环境污染、气候异常变化以及生活习惯的改变对人们健康状况造成了极大的影响。传统的人群健康状况研究方法在应对区域人群健康态势分析以及特定疾病传播预测等疾病监控内容时存在样本数据规模小、时效性差，以及致病因素不确定等问题。人群健康档案、社交网络数据、O2O站点数据等多源异质为基于大数据分析区域疾病演化态势分析以及区域人群疾病预防策略等人群健康分析与预测研究提供了重要研究契机。.本项目从数据获取与预处理、疾病因素分析以及疾病态势分析与预防决策三个层面开展研究内容。主要包括：多源异质数据获取及质量控制研究、区域人群行为与疾病关联性分析、区域气候环境与人群特定疾病关联性分析以及区域人群疾病态势演变分析等研究内容。其中重点研究了多源异质数据的获取、基于网络用户数据的线上线下行为推断、基于企业运营数据的人群饮食习惯、用户行为与特定疾病的关联关系研究等内容。.基于研究目标与研究内容，项目组取得了一些标志性成果，主要包括：基于多源异质数据源特定区域人群的肥胖状况评估方法、基于深度学习的餐饮企业物料消耗预测、基于偏好挖掘的人群饮食菜品推荐以及基于分段处理的异常评级信息检测框架。研究成果证明了基于网络数据对特定区域人群慢病状况研究、基于实际企业运营数据揭示人群饮食习惯，基于生活习惯、网络行为偏好进行疾病预防策略优化的可行性。.项目组在研究过程中获取并使用了大规模的网络用户数据以及海量餐饮企业运营数据等多源异质大数据，通过本项目研究的开展能够将前沿研究方法应用于人群健康影响因素分析与演化模型研究。基于各类多源异质数据，能够揭示区域人群行为与疾病的关联关系以及区域人群疾病态势演变规律。研究成果可从大数据分析的角度为区域人群健康分析提供新的有效的技术途径和理论基础，以对现有的区域人群健康分析方法提供有益的方法补充。