疾病预测方法、装置、介质及电子设备与流程

本发明涉及数据处理技术领域，具体而言，涉及一种疾病预测方法、装置、介质及电子设备。

背景技术

目前，当养老社区内的居民中出现传播途径为空气传播、飞沫传播、接触传播等类型的传染疾病时，通常是通过询问患病居民近期与之密切接触的人员来找到交叉感染的高危人员，以便对高危人员采取相应的干预措施。

虽然上述方式能够在一定程度上找到交叉感染的高危人员，但是当患病居民的病情较严重时，无法提供相关的信息；同时由于居民一般不会过于关注公共空间内的其它人员，如居民甲和居民乙坐在长椅上交谈，可能不会注意到坐在旁边椅子上看书的居民丁，因此通过上述方式很难在某些居民被确诊后找到潜在的可能被感染的人员，而被感染人员极有可能成为新的感染源，使得交叉感染比例增加，甚至引发感染爆发，给社区居民和服务人员健康带来严重后果。

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发明的背景的理解，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：

本发明实施例的目的在于提供一种疾病预测方法、装置、介质及电子设备，进而至少在一定程度上克服相关技术中不能准确确定出可能受到感染的人员的问题。

本发明的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本发明的实践而习得。

根据本发明实施例的第一方面，提供了一种疾病预测方法，包括：采集多个用户的活动轨迹；若所述多个用户中出现确诊为传染病的患者，则根据所述多个用户在预定时间段内的活动轨迹，确定所述多个用户中的其它用户与所述患者在各个时间点的位置关系；根据所述其它用户与所述患者在所述各个时间点的位置关系，计算所述其它用户与所述患者的接触程度；将与所述患者的接触程度高于预定阈值的目标用户预测为患病的高危人群。

在本发明的一些实施例中，基于前述方案，根据所述其它用户与所述患者在所述各个时间点的位置关系，计算所述其它用户与所述患者的接触程度，包括：根据所述其它用户与所述患者在所述各个时间点的位置之间的距离，确定所述其它用户在所述各个时间点的感染系数；根据所述其它用户在所述各个时间点的感染系数，计算所述其它用户与所述患者的接触程度。

在本发明的一些实施例中，基于前述方案，基于距离与感染系数之间的反相关关系，确定所述其它用户在所述各个时间点的感染系数。

在本发明的一些实施例中，基于前述方案，根据所述其它用户在所述各个时间点的感染系数，计算所述其它用户与所述患者的接触程度，包括：对所述其它用户在所述各个时间点的感染系数进行求和，并将得到的和值作为所述其它用户与所述患者的接触程度。

在本发明的一些实施例中，基于前述方案，所述的疾病预测方法还包括：在预测得到患病的高危人群之后，根据所述多个用户的活动轨迹，确定与所述高危人群的接触程度高于所述预定阈值的用户；将与所述高危人群的接触程度高于所述预定阈值的用户预测为患病的高危人群。

在本发明的一些实施例中，基于前述方案，采集多个用户的活动轨迹，包括：每隔预定时长采集所述多个用户中每个用户所在的位置信息，以根据多次采集的结果生成所述每个用户的活动轨迹。

在本发明的一些实施例中，基于前述方案，所述预定阈值与所述患者所患传染病的类型相关联。

在本发明的一些实施例中，基于前述方案，所述的疾病预测方法还包括：根据所述高危人群与所述患者的接触程度的高低，确定所述高危人群的感染等级；向指定人员发送针对所述高危人群的预警信息和/或对所述高危人群的干预处理信息，其中，所述预警信息包含所述感染等级。

在本发明的一些实施例中，基于前述方案，还包括：获取所述患者和/或所述高危人群的访客的来访信息；根据所述访客的来访信息确定所述访客的感染风险；向所述访客通知所述感染风险。

根据本发明实施例的第二方面，提供了一种疾病预测装置，包括：采集单元，用于采集多个用户的活动轨迹；处理单元，用于在所述多个用户中出现确诊为传染病的患者时，根据所述多个用户在预定时间段内的活动轨迹，确定所述多个用户中的其它用户与所述患者在各个时间点的位置关系；计算单元，用于根据所述其它用户与所述患者在所述各个时间点的位置关系，计算所述其它用户与所述患者的接触程度；预测单元，用于将与所述患者的接触程度高于预定阈值的目标用户预测为患病的高危人群。

在本发明的一些实施例中，基于前述方案，所述计算单元用于：根据所述其它用户与所述患者在所述各个时间点的位置之间的距离，确定所述其它用户在所述各个时间点的感染系数；根据所述其它用户在所述各个时间点的感染系数，计算所述其它用户与所述患者的接触程度。

在本发明的一些实施例中，基于前述方案，所述计算单元用于：基于距离与感染系数之间的反相关关系，确定所述其它用户在所述各个时间点的感染系数。

在本发明的一些实施例中，基于前述方案，所述计算单元用于：对所述其它用户在所述各个时间点的感染系数进行求和，并将得到的和值作为所述其它用户与所述患者的接触程度。

在本发明的一些实施例中，基于前述方案，所述处理单元还用于在预测得到患病的高危人群之后，根据所述多个用户的活动轨迹，确定与所述高危人群的接触程度高于所述预定阈值的用户；所述预测单元还用于将与所述高危人群的接触程度高于所述预定阈值的用户预测为患病的高危人群。

在本发明的一些实施例中，基于前述方案，所述采集单元用于：每隔预定时长采集所述多个用户中每个用户所在的位置信息，以根据多次采集的结果生成所述每个用户的活动轨迹。

在本发明的一些实施例中，基于前述方案，所述预定阈值与所述患者所患传染病的类型相关联。

在本发明的一些实施例中，基于前述方案，所述的疾病预测装置还包括：发送单元；所述处理单元还用于根据所述高危人群与所述患者的接触程度的高低，确定所述高危人群的感染等级；所述发送单元用于向指定人员发送针对所述高危人群的预警信息和/或对所述高危人群的干预处理信息，其中，所述预警信息包含所述感染等级。

在本发明的一些实施例中，基于前述方案，还包括：获取单元，用于获取所述患者和/或所述高危人群的访客的来访信息；第二确定单元，用于根据所述访客的来访信息确定所述访客的感染风险；通知单元，用于向所述访客通知所述感染风险。

根据本发明实施例的第三方面，提供了一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现如上述实施例中第一方面所述的疾病预测方法。

根据本发明实施例的第四方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上述实施例中第一方面所述的疾病预测方法。

本发明实施例提供的技术方案可以包括以下有益效果：

在本发明的一些实施例所提供的技术方案中，通过采集多个用户的活动轨迹，并在多个用户中出现确诊为传染病的患者时，根据该多个用户的活动轨迹确定其它用户与该患者在各个时间点的位置关系，然后基于其它用户与该患者在各个时间点的位置关系，计算其它用户与患者的接触程度，以将接触程度高于预定阈值的目标用户预测为患病的高危人群，使得能够通过用户的位置信息来确定与传染病的感染源(即患者)密切接触的人员，进而能够准确确定出可能受到感染的人员，以及时采取相应的措施，提高了用户健康管理的水平。

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，并不能限制本发明。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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。在附图中：

图1示意性示出了根据本发明的一个实施例的疾病预测方法的流程图；

图2示意性示出了根据本发明的另一个实施例的疾病预测方法的流程图；

图3示意性示出了根据本发明的一个实施例的在养老社区中进行疾病预测的方法的流程图；

图4示出了根据本发明的一个实施例的通过递归计算的方式确定可能感染疾病的人员的示意图；

图5示意性示出了根据本发明的实施例的疾病预测装置的框图；

图6示出了适于用来实现本发明实施例的电子设备的计算机系统的结构示意图。

具体实施方式

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发明将更加全面和完整，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。

此外，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例中。在下面的描述中，提供许多具体细节从而给出对本发明的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本发明的技术方案而没有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方法、装置、实现或者操作以避免模糊本发明的各方面。

附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。

图1示意性示出了根据本发明的一个实施例的疾病预测方法的流程图，该疾病预测方法的执行主体可以是具有计算处理功能的设备，如服务器等。

参照图1所示，根据本发明的一个实施例的疾病预测方法，包括步骤s110至步骤s130，以下对各个步骤的实现细节进行详细阐述：

在步骤s110中，采集多个用户的活动轨迹。

在本发明的一个实施例中，可以通过用户随身佩戴的可穿戴设备(如智能手表、运动手环等)采集用户的活动轨迹；或者也可以通过用户随身携带的移动终端(如智能手机、平板电脑等)来采集用户的活动轨迹，比如移动终端上安装有采集活动轨迹的应用程序，则可以通过该应用程序采集用户的活动轨迹。具体地，可以每隔预定时长采集多个用户中每个用户所在的位置信息，以根据多次采集的结果生成每个用户的活动轨迹。比如可以每隔两分钟采集一次用户所在的位置，得到用户的一个位置点，然后根据多次采集的结果(即得到的多个位置点)生成用户的活动轨迹。

需要说明的是，用户的活动轨迹中不仅包含了位置信息，而且还包含了时间信息，该时间信息用于描述用户处于不同位置时的时间。

在步骤s120中，若所述多个用户中出现确诊为传染病的患者，则根据所述多个用户在预定时间段内的活动轨迹，确定所述多个用户中的其它用户与所述患者在各个时间点的位置关系。

在本发明的一个实施例中，由于活动轨迹既包含了位置信息，也包含了用于描述用户处于不同位置时的时间信息，因此可以根据多个用户在预定时间段内的活动轨迹来确定患者与其它用户在各个时间点的位置关系，该位置关系可以是该患者与其它用户之间的距离远近关系。

在本发明的一个实施例中，预定时间段可以是从患者确诊时间往前追溯的一段时间。比如从患者确诊时间往前追溯两天作为该预定时间段。

步骤s130，根据所述其它用户与所述患者在所述各个时间点的位置关系，计算所述其它用户与所述患者的接触程度。

在本发明的一些实施例中，步骤s130包括：根据所述其它用户与所述患者在所述各个时间点的位置之间的距离，确定所述其它用户在所述各个时间点的感染系数；根据所述其它用户在所述各个时间点的感染系数，计算所述其它用户与所述患者的接触程度。

在本发明的一个实施例中，上述的距离与感染系数之间可以是反相关关系，即患者与某个用户在某个时间点的位置之间的距离越大，则该患者与该用户在该时间点的感染系数越小，也即该用户被感染的几率越小。

在本发明的一个实施例中，可以将其它用户在各个时间点的感染系数进行求和，并将得到的和值作为其它用户与所述患者的接触程度。

步骤s140，将与所述患者的接触程度高于预定阈值的目标用户预测为患病的高危人群。

在本发明的一个实施例中，该预定阈值的大小与患者所患传染病的类型相关联。传染病的类型可以包括空气传播、飞沫传播、接触传播，由于不同类型的传染病的传染距离不同，因此可以根据实际的传染病类型来确定上述的预定阈值。

在本发明的一个实施例中，在预测出患病的高危人群之后，可以向指定人员(如健康管理师、亲属、医护人员等)发送预警信息和/或对高危人群的干预处理信息，比如可以通过邮件、短信或即时通讯软件等发送预警信息。优选地，还可以根据高危人群与患者的接触程度的高低，确定高危人群的感染等级，然后在向指定人员发送的预警信息中添加该感染等级。

图1所示实施例的技术方案使得能够通过用户的位置信息来确定与传染病的患者密切接触的人员，进而能够准确确定出可能受到感染的人员，以及时采取相应的措施，提高了用户健康管理的水平。

在本发明的一个实施例中，如图2所示，根据本发明的另一个实施例的疾病预测方法，包括：

步骤s210，在预测得到患病的高危人群之后，根据所述多个用户的活动轨迹，确定与所述高危人群的接触程度高于预定阈值的用户。

在本发明的一个实施例中，可以按照前述实施例中所述的方案来根据多个用户的活动轨迹，确定与高危人群的接触程度高于预定阈值的用户。

步骤s220，将与所述高危人群的接触程度高于所述预定阈值的用户预测为患病的高危人群。

在本发明的一个实施例中，当预测出高危人群之后，同样向指定人员(如健康管理师、亲属、医护人员等)发送预警信息和/或对高危人群的干预处理信息，比如可以通过邮件、短信或即时通讯软件等发送预警信息。优选地，还可以根据高危人群与患者的接触程度的高低，确定高危人群的感染等级，然后在向指定人员发送的预警信息中添加该感染等级。

图2所示实施例的技术方案使得在预测得到患病的高危人群之后，可以将这些高危人群作为传染病的患者，进一步递归计算新的可能存在感染风险的人员，进而能够有效确定出所有可能受到感染的人员，确保及时采取相应的处理措施，有利于提高用户健康管理的水平。

在本发明的一个实施例中，还可以获取所述患者和/或所述高危人群的访客的来访信息，然后根据所述访客的来访信息确定所述访客的感染风险，向所述访客通知所述感染风险。

在该实施例中，可以根据访客的来访信息中包含的来访时间段和来访时长来确定访客的感染风险，比如若患者和/或高危人群在访客的来访时间段内已被感染，且访客的访问时间较长，那么可以确定访客具有较高的感染风险。

以上详细阐述了本发明实施例的技术方案的技术原理及实现细节，以下对本发明实施例的具体应用场景进行阐述。

在本发明的一个具体应用场景中，可以对养老社区中的居民进行疾病预测，具体地，当养老社区内出现感染源时(养老社区或医护人员确诊为传染型疾病)，可以通过位置信息递归计算与感染源接触密切的人员，同时获取感染人员及与感染人员密切接触人员的访客信息，进而能够及时对可能被感染的人员进行感染控制干预措施，避免养老社区内的居民、医护人员及访客之间出现交叉感染传播的问题，防止传染病爆发给养老社区内的人员及访客健康带来风险。具体流程如图3所示，主要包括如下步骤：

步骤s301，社区居民和医务人员佩戴可穿戴设备。

在本发明的一个实施例中，可穿戴设备可以是智能手表、运动手环等。在本发明的其它实施例中，社区居民和医务人员也可以通过随身携带的移动终端(如智能手机、平板电脑等)来采集用户的位置信息。

步骤s302，定时采集lbs(locationbasedservice，基于移动位置服务)信息。比如可以每隔两分钟采集一次。

步骤s303，当社区居民或医护人员中有确诊为患空气传播、飞沫传播、接触传播等类型传染病的患者时，根据各个居民最近某段时间内的活动轨迹信息，递归计算与该患者的活动轨迹有交集且达到一定量的人员。

在本发明的一个实施例中，可以从与养老社区对接的医院获取到是否有社区居民或医护人员确诊为患空气传播、飞沫传播、接触传播等类型传染病。在本发明的另一个实施例中，如果养老社区没有与确诊医院对接，则可以由医护人员手动录入医院的确诊信息，录入完成后，会触发计算与该患者的活动轨迹有交集且达到一定量的人员。

在本发明的一个实施例中，在递归计算与该患者的活动轨迹有交集且达到一定量的人员时，可以根据用户的lbs信息计算与感染源的密切接触程度。其中，不同传播途径的传染病类型可根据距离定义不同的感染系数，比如空气传播类型的传染病可定义与感染源相距1米以内的感染系数为1，相距2米以内的感染系数为0.5，相距3米以内的感染系数为0.3，相距3米以上可忽略。

按照上述方式分别计算在预定时间内(比如最近两天)养老社区内与感染源有交集的其它人员(即存在交叉感染风险的人员)的每个位置信息采集点的感染系数，所有采集点的感染系数之和作为感染风险系数(感染风险系数用于描述养老社区的居民与感染源之间的接触程度，感染风险系数越大，说明居民与感染源之间的接触程度越高)。同时，在本发明的实施例中，可以根据传染病的不同传播途径设定感染风险系数的风险级别，比如空气传播的传染病的感染风险系数大于720以上可以认定为具有极高的感染风险。在得出各个居民的感染风险后，如果存在感染风险极高的人员，则把这些人员当作感染源，进一步递归计算新的交叉感染风险人员。

在本发明的一个实施例中，如图4所示，居民a被确诊为患传染病的感染源，通过本发明上述实施例的技术方案确定了居民b的感染风险为极高，居民c的感染风险为高，居民d的感染风险为中，居民e的感染风险为低。然后以居民b作为感染源，继续通过本发明上述实施例的技术方案进一步确定居民f的感染风险为高，居民g的感染风险为中。

步骤s304，获取与该患者接触度较高的人员，以及近段时间内的访客人员。

在本发明的一个实施例中，若感染源或感染风险极高的人员在预定时间内有访客，则可以通过登记的访客信息，如来访时间、来访时长等确定访客的感染风险级别。

步骤s305，根据不同的传染病类型给医务人员发送预警信息及干预处理措施信息。其中，可以从传染病干预处理措施规则库中获取到相应的干预处理措施信息。

步骤s306，医务人员进行干预处理，并记录处理结果。

基于上述的应用场景，以下介绍采用本发明实施例的技术方案的一个具体示例：甲先生在某养老社区的独立生活区居住，近段时间出现发热、咳嗽、喉痛、身体疼痛、头痛以及呕吐等症状，在社区护理人员陪同下到社区康监管医院就诊，医生根据症状判定甲先生有感染甲型h1n1流感的可能性，进行病原学检查后确诊为甲型h1n1流感；确诊后疾病预测系统自动给根据养老社区中各个居民的lbs信息，递归计算出与甲先生近三天有密切接触的人员，并通过规则库获取该传染病的干预措施信息，同时发送给社区医护团队。医生a带领社区医护团队根据与甲先生密切接触的人员列表(高危人群)进行干预处置，如对甲先生的房间进行消毒处理，对与甲先生接触时间最长的丁先生、丙女士进行单间隔离观察，对其它人员定期观察，一旦出流感样症状(发热、咳嗽、流涕等)，尽早服药对症治疗。可见，本发明实施例的技术方案可避免流感在养老社区内交叉感染扩散，对与甲先生密切接触的人员，一旦出现被感染情况也可早发生早治疗，同时采取了隔离措施，有效避免丁先生、丙女士成为新的感染源。

需要说明的是，本发明实施例的技术方案并不仅适用于在上述的养老社区中进行疾病预测的场景，而且也可以适用于在学校、监狱等多人员环境中进行疾病预测的场景。

以下介绍本发明的装置实施例，可以用于执行本发明上述的疾病预测方法。

图5示意性示出了根据本发明的实施例的疾病预测装置的框图。

如图5所示，根据本发明的实施例的疾病预测装置500，包括：采集单元502、处理单元504、计算单元506和预测单元508。

其中，采集单元502用于采集多个用户的活动轨迹；处理单元504用于在所述多个用户中出现确诊为传染病的患者时，根据所述多个用户在预定时间段内的活动轨迹，确定所述多个用户中的其它用户与所述患者在各个时间点的位置关系；计算单元506用于根据所述其它用户与所述患者在所述各个时间点的位置关系，计算所述其它用户与所述患者的接触程度；预测单元508用于将与所述患者的接触程度高于预定阈值的目标用户预测为患病的高危人群。

在本发明的一个实施例中，所述计算单元506用于：根据所述其它用户与所述患者在所述各个时间点的位置之间的距离，确定所述其它用户在所述各个时间点的感染系数；根据所述其它用户在所述各个时间点的感染系数，计算所述其它用户与所述患者的接触程度。

在本发明的一个实施例中，所述计算单元506用于：基于距离与感染系数之间的反相关关系，确定所述其它用户在所述各个时间点的感染系数。

在本发明的一个实施例中，所述计算单元506用于：对所述其它用户在所述各个时间点的感染系数进行求和，并将得到的和值作为所述其它用户与所述患者的接触程度。

在本发明的一个实施例中，所述处理单元504还用于在预测得到患病的高危人群之后，根据所述多个用户的活动轨迹，确定与所述高危人群的接触程度高于所述预定阈值的用户；所述预测单元506还用于将与所述高危人群的接触程度高于所述预定阈值的用户预测为患病的高危人群。

在本发明的一个实施例中，所述采集单元502用于：每隔预定时长采集所述多个用户中每个用户所在的位置信息，以根据多次采集的结果生成所述每个用户的活动轨迹。

在本发明的一个实施例中，所述预定阈值与所述患者所患传染病的类型相关联。

在本发明的一个实施例中，所述的疾病预测装置500还包括：发送单元；所述处理单元504还用于根据所述高危人群与所述患者的接触程度的高低，确定所述高危人群的感染等级；所述发送单元用于向指定人员发送针对所述高危人群的预警信息和/或对所述高危人群的干预处理信息，其中，所述预警信息包含所述感染等级。

在本发明的一个实施例中，所述的疾病预测装置还包括：获取单元，用于获取所述患者和/或所述高危人群的访客的来访信息；第二确定单元，用于根据所述访客的来访信息确定所述访客的感染风险；通知单元，用于向所述访客通知所述感染风险。

由于本发明的示例实施例的疾病预测装置的各个功能模块与上述疾病预测方法的示例实施例的步骤对应，因此对于本发明装置实施例中未披露的细节，请参照本发明上述的疾病预测方法的实施例。

下面参考图6，其示出了适于用来实现本发明实施例的电子设备的计算机系统600的结构示意图。图6示出的电子设备的计算机系统600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。

如图6所示，计算机系统600包括中央处理单元(cpu)601，其可以根据存储在只读存储器(rom)602中的程序或者从存储部分608加载到随机访问存储器(ram)603中的程序而执行各种适当的动作和处理。在ram603中，还存储有系统操作所需的各种程序和数据。cpu601、rom602以及ram603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。

以下部件连接至i/o接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至i/o接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。

特别地，根据本发明的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(cpu)601执行时，执行本申请的系统中限定的上述功能。

需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——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。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机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。而在本发明中，计算机可读的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，其中承载了计算机可读的程序代码。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。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、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。计算机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、电线、光缆、rf等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本发明实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元也可以设置在处理器中。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该电子设备执行时，使得该电子设备实现如上述实施例中所述的疾病预测方法。

例如，所述的电子设备可以实现如图1中所示的：步骤s110，采集多个用户的活动轨迹；步骤s120，若所述多个用户中出现确诊为传染病的患者，则根据所述多个用户在预定时间段内的活动轨迹，确定所述多个用户中的其它用户与所述患者在各个时间点的位置关系；步骤s130，根据所述其它用户与所述患者在所述各个时间点的位置关系，计算所述其它用户与所述患者的接触程度；步骤s140，将与所述患者的接触程度高于预定阈值的目标用户预测为患病的高危人群。

又如，所述的电子设备可以实现如图2所示的各个步骤。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本发明的实施方式，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。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施方式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、触控终端、或者网络设备等)执行根据本发明实施方式的方法。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、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发明的一般性原理并包括本发明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，本发明的真正范围和精神由下面的权利要求指出。

应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。