傳染性病原體經商用航空旅行的全球擴散預測系統和方法
2023-05-19 23:21:46 1
專利名稱：傳染性病原體經商用航空旅行的全球擴散預測系統和方法
傳染性病原體經商用航空旅行的全球擴散預測系統和方法發明領域
本發明涉及醫藥和公共衛生領域。尤其涉及通過全J求航空運輸網絡的人類傳染性病原體的時空分布預測。
背景技術：
人類遷移與傳染性疾病的傳播之間的關係在整個人類歷史上已經被
很好地證明。然而，自從20世紀洲際航空旅行出現以來，大規模的、連續不斷地擴展和形成的全球航空運輸網絡已經出現，以滿足對全球對流動性的洶湧需求。同時，全球人口激增已經導致人數的增加，他們在越來越短的時間段內通過旅行穿過更大距離。目前，全球4元空運輸網絡每年運送乘客超過20億。雖然全球航空運輸網絡已經創造了 一個更加互聯的世界，其也已經形成為傳播潛在危險的傳染性病原體的一個主要渠道。
圖1表明了全球因素對傳染性疾病出現和傳播的作用的逐步形成。在上個世紀，全球人口增長迅猛，2008年全世界人口估計達到67億。自從20世紀中葉洲際商用航空出現以來，個人環航全球所需的時間急劇下降，達到少於24小時-短於大多數人類傳染性疾病的最小潛伏期。此外，全球變暖現象助長了重要的傳染性疾病媒介(比如蜱和蚊子)的生態位的擴展，其反過來助長了人口中傳染性疾病的出現和再度出現。如2007年的21世紀全球衛生公共安全的世界健康報告中所記載的，對"完美風暴"(perfect storm)的認識在增長。報告指出，自從1970年，新的傳染性疾病威脅每年或每幾年以空前的速度出現，並且"傳染性疾病目前的地理擴散比人類歷史上任何時候都要快的多"[引自世界衛生組織總幹事Margaret Chan博士]。2003年嚴重急性呼吸綜合症(SARS)的出現，及其隨後通過商用飛機傳播到四個洲的二十六個國家的擴散，提供了無可辯駁的證據，證明國際的甚至洲際的邊界對傳染性疾病的傳播是高滲透的。SARS之後，跨亞洲和非洲的禽類H5N1流感的確診人類病例已經引起了對流感大流行可能即將來臨的關注。自從2001年炭疽孢子通過美國郵政業務被故意傳播以後，關於天花病毒的故意擴散的推測引發了對大流行的額外恐慌。無論源自存有的危險的傳染性病原體實驗室受損(breach)、生物恐怖主義(bioterrorism)或者自然原因，新出現的可潛在大流行的疾病的爆發構成了對整個國際社會的衛生和經濟安全的重要威脅。
拋開商用航空作為新出現的傳染性疾病擴散的主要運輸工具的角色，對全球航空運輸網絡及其與全球安全和公共衛生之間的關係的了解至今為止都極其有限。然而有證據表明，當今世界，傳染性疾病通過商用航空旅行在國際間和洲際間的傳播將明顯地出現，並且疾病所要沿著傳播的軌跡在很大程度上是可預測的。作為原理論證，2003年，確認了在全球航空運輸網絡上的乘客結構和流動與所觀察到的SARS冠狀病毒的國際間傳播之間的顯著地可預測關係。在經常被稱為"大流行預演"的爆發的過程中觀察到的此聯繫，激發了匯集醫藥、傳染性疾病、統計學和數學、網絡、地理學以及計算科學方面的專門知識的進一步研究的發展。因此，需要向政府、商業以及具有必要信息的其他組織提供一發明，以使其充分認識其在高度互聯和互相依賴的世界中的脆弱性。更重要地，確認了有必要快速生成循證性策略計劃，以緩解與危險的全球傳染性疾病威脅相聯繫的風險，並且以唯一適合於所述需求以及在任何特定時間點的 一給定客戶的全球"足跡"的方式完成這些操作。
本發明的目的部分地或完全地滿足一個或多個上述所述需求。發明概述
僅為了便於參考的目的，此處所指的發明記作DiaSPORA,其協助如城市、州、政府部門、公共衛生組織、公司、以及其他團體保護其重要健康利益和/或經濟利益免受全球傳染性疾病威脅的影響。DiaSPORA作用以提取、處理、以及分析大量的世界範圍的商用航空統計數據和微數據，以實現描述人類在世界城市之間的流動性這一預期目的。通過應用此信息，本發明預測，在一疾病爆發環境的內部或外部，傳染性病原體是如何
可能通過全球航空運輸網絡擴散的。本發明背後的科學來源於SARS的世界範圍爆發中所得到的流行病教訓、網絡分析以及數學模擬建模。
此外，DiaSPORA幫助這些組織策略地在所預料到的傳染性疾病威脅出現前對其做好準備,在可疑的或確定的威脅發生時對其形成快速的策略性的對策，並對可疑或確定的疾病爆發在其逐步形成時以及在得到了關於疾病爆發的新信息時，進行反覆響應。儘管目前受到訪問商用航空數據中現有速度的限制，本發明具有實時預報能力並能夠對實時數據收集技術進行響應。
操作上，設計DiaSPORA來緩解與國內的或者世界性的傳染性疾病威脅相聯繫的風險，所述傳染性疾病威脅來源於自然原因(比如流感大流行)、生物恐怖主義(比如故意釋放天花)、實驗室事故(比如生物安全4級實-驗室受損)、或其他無法預見的情況。疾病爆發可能包括那些相關的已知的引發人類傳染病的病原體(比如人類流感病毒)、具有潛在引發人類傳染病的病原體(比如禽類流感病毒)，和/或可以在汙染物上存活的並通過商用航空傳播的病原體(比如引發動物口蹄疾病的小核糖核酸病毒)。可傳染的及具有重大的公共衛生和/或經濟後果的傳染性病原體是最受關注的傳染性病原體。DiaSPORA將經驗數據和模擬數據轉化為一組循證風險緩解策略，其針對全球、本地和/或旅行本身，提出來以供決策者考慮。
本發明一方面包括用於對傳染性病原體通過航空旅行的傳播進行預測的系統，其包括a)資料庫，該資料庫包含在出發城市與目的地城市之間航空旅行的航空乘客旅行數據，其包括從出發城市到目的地城市的航班頻率，從出發城市到目的地城市旅行的乘客數量，從出發城市到目的地城市直達的航班數量，出發和目的地城市的總客運，以及所有航空乘客旅行數據的相應的日期標記；b)建模引擎，其用來建立航空乘客旅行數據與傳感性病原體的映射，來確定單個目的地城市的通過航空旅行來自單個出發城市的傳染概率；以及c)報告引擎，其基於所述映射，用來產生本發明另 一方面包括對傳染性病原體通過航空旅行的傳播進行預測的方法，其包括a)從資料庫中檢索在出發城市與目的地城市之間航空
旅行的航空乘客旅行數據，所述航空乘客旅行數據包括從出發城市到目
的地城市的航班頻率，從出發城市到目的地城市旅行的乘客數量，從出發城市到目的地城市直達的航班數量，出發和目的地城市的總客運，以及所
有航空乘客旅行數據的相應的日期標記；b )為所述傳染性病原體在經過特定時間段後從單個出發城市到單個目的地城市的傳播概率進行建模，所述建模基於所述航空乘客旅行數據；以及c)生成所述時間段內從所述單個出發城市到所述單個目的地城市的傳染概率的報告。
從以下的詳細描述並結合附圖，本發明的其他的和更多的優點及特徵對本領域技術人員而言是明顯的。
附圖簡述
將參考相關附圖，僅通過例子對本發明更詳細地描述，其中相同的數字表示相同的構成要件，其中，
圖1:全球人口數量和流動性，1850年至2000年
圖2:本發明主要組成部分及過程概述
圖3:用於估計埃及人口密度的衛星圖像(圖3A:左側)，以及美國東北部和加拿大的城市夜間環境測量的衛星圖像(圖3B:右側)，來作為經濟發展的替代指標
圖4: 2003年SARS爆發過程中，關於SARS的全世界的媒體報告，以及官方的世界衛生組織旅行公告
圖5: 2003年，所有1061個經營國際航班的世界範圍的商用機場的地理坐標
圖6: 2003年，所有1061個商業機場的世界範圍的國際客流量(即，結合抵達的和離開的)圖7: 2003年，通過直達航班離開香港的可到達的國際目的地(n=60 )， 以及對應的客流量
圖8: 2003年，採用恢復期血清(convalescent serology)和/或聚合 酶《連式反應觀寸定(polymerase chain reaction assay )確定的SARS冠3犬病毒 到23個城市的國際擴散
圖9: 2003年，採用恢復期血清和/或聚合酶鏈式反應測定確定的 SARS冠狀病毒輸入到23個城市的強度
圖10: 2003年，按照需要從香港國際機場抵達的航班數量，SARS 輸入到960個具有國際機場的城市的概率
圖11: 2003年，按照來自所有目的地的國際乘敘氐達量，SARS輸 入到具有國際機場的960個城市的概率
圖12: 2003年，從香港國際機場進入臺灣的客流，以及SARS輸入 的相應量
圖13: K叩lan-Meier分析顯示，按照從香港出發存在直達4元班或不 存在直達4元班，SARS輸入到城市的時間
圖14: DiaSPORA屏幕快照表明了主要功能(左側)和通過特定時 間的分析定製(右側)
圖15: DiaSPORA屏幕快照表明了按照地理位置(香港)和客流方 向(入境的)的分析定製
圖16: DiaSPORA屏幕快照顯示2003年具有抵達進入香港的直達航 班的城市，按照乘客量排序
圖17: 2003年，具有從多倫多離開(n=120)的直達4元班的世界地 點，以及相應的離開乘客量
圖18: 2003年，應用基本組成(要素)分析定義的在北美和加勒比 海島中的4個區域網絡
圖19: DiaSPORA屏幕快照顯示2003年，應用圖i侖定義的香港(入 境的)區域網絡的分級結構圖20: 2003年，應用圖論定義的新加坡區域網絡的分級結構，以及 具有輸入的SARS的城市
圖21: 2003年SARS世界範圍爆發期間，模擬SARS爆發與所觀察 到的SARS輸入之間的空間 一致性
圖22:接收器工作特性(ROC)曲線顯示釆用選定閾值的SARS模 擬的靈敏度和特異性
圖23: 2003年SARS世界範圍爆發期間，模擬SARS爆發與所觀察 到的SARS輸入之間的時間 一致性
圖24:針對於2006年1月1日起源於印度尼西亞雅加達並通過商用 航空的傳播的SARS爆發四周的模擬結果
圖24A:圖24中的東南亞放大插圖
圖25:針對於2006年1月1日起源於埃及開羅並通過商用航空的傳 播的SARS爆發四周的模擬結果
圖25A:圖25中的西歐放大插圖
圖25B:圖25中的非洲中東部和東北部的放大插圖
4^發明實施方式詳述
如所應用的，"傳染性病原體"或"病原體"指活體或非活體比如細 菌、病毒、真菌、寄生蟲或朊病毒，其可引起在人類或其他動物或植物物 種中的染病期傳染(active infection)或潛伏傳染(latent infection )。為了 本發明，要對那些傳染性病原體可能通過商用航空在人體內或其外部表面 (即汙染物上或無生命物體比如衣物製品)傳播的環境，以及對人口帶來 潛在的衛生後果和/或經濟後果的環境特別關注。在下文中，這些環境通 常被指作"傳染性疾病威脅"。
在一參考的實施方式中，此處提出的本發明系統和方法包括的組成 部分和過程如圖2中所示。此處涉及的本發明，專為便於參考記作 DiaSPORA,考慮部分或全部實現如下目標中的一個或多個產生一系統和方法，該系統和方法為實現分析目的，設計來集成、 組織和遠程訪問在整個全球^^空運輸網絡體系中的歷史的、當前的和可得 到的未來數據，以及該網絡相應的商業航班和客流動態特性。所述系統集 成了來自多個來源的世界範圍的商用航空數據，這些數據與具有公共衛生 重要性和/或經濟重要性的傳染性病原體的出現和/或傳播相關。這些數據 將包括，但不限於，關於已知的在人類中引發疾病的傳染性病原體的信息， 可潛在形成且在人類中引發疾病的傳染性病原體的信息，以及潛在的可通 過商用航空旅行由人傳播的傳染性病原體的信息。與這些病原體的出現和
/或傳播相關的情境信息也可被集成，且可包括i)人口規模、密度和人 口統計資料，ii)環境條件，比如海拔、溫度和溼度，iii)醫療基礎設施 和資源，iv)經濟增長和發展，以及v)其他各種因素。
產生一 系統和方法，以快速和準確地確定全球4元空運輸網絡隨時間 如何演進，以及任一給定實體("實體"此後指商業機場、城市、州、國 家、地方當局、政府、公司、組織或其組合)如何在全球網絡中在一選定 時間點或時間段如何相互連接。這些信息通過對上面描述的數據的分析得 到，並用於特徵化所述實體對通過商用航空輸入的傳染性病原體的弱點。
產生一系統和方法，所述系統和方法可快速進行對傳染性疾病爆發 的數學模擬，以預測病原體通過全球;杭空運輸網絡的(時空的)傳播。所 述系統和方法有利於實現廣泛的模擬條件，包括根據以下項、但不限於以 下項進行調整的模擬條件i)已知的傳染性病原體的特徵，以及先前未 被認識的(即，其中比如病原體的傳播方式、基本再生數、潛伏期等可被 估計的特徵)的傳染性病原體的特徵;ii)可疑或確定的傳染性病原體將出 現和/或傳播的地點，以及iii)通過預防、擾亂或延遲病原體通過商用飛 機的輸入來進行保護的地理坐標。
創建一系統和方法，為一實體產生一框架，以檢查在所預料到的傳 染性疾病威脅的開始之前其具有的全球互通性的結構，並因此掌握其對傳 染性病原體通過全球航空運輸網絡輸入的弱點。通過應用經驗數據，對可 緩解潛在的危險傳染性病原體通過商用航空旅行輸入的風險的潛在策略 進行客觀地評價。
22創建一系統和方法，為一實體產生一框架，在一新可疑的或確定的 疾病爆發中，通過快速形成一策略響應計劃，以保護其衛生和/或經濟利 益，所述策略響應計劃用來預防、擾亂或延遲傳染性病原體通過商用^^空 3良4亍的1命入。
創建一系統和方法，為一實體產生一框架，當可得到與疾病爆發有 關的新信息時，通過快速形成反覆策略響應計劃以保護其衛生和/或經濟 利益，該反覆策略響應計劃用來預防、擾亂或延遲傳染性病原體通過商用 4元空旅行的輸入。
創建一系統和方法，以生成一綜合報告，所述綜合報告適合於預料 到的、可疑的、或確定的傳染性疾病威脅的周圍條件，以及特定實體的所
宣稱的自身利益。報告被構造來評價針對不同級別的策略，包括全球級 別(即那些在實體定義的邊界以外的，比如在目標國際地點加強監測)、 本地級別(即那些在實體定義的邊界內的，比如與風險相適應的健康資源 和人力資源配置)以及旅行本身(即那些在全球和本地級別之間的，比如 旅行限制)。
參考圖2，概要地示出了本發明中包含的基本組成和過程。在步驟l 中，引起應用本發明的是傳染性疾病威脅的出現，傳染性疾病威脅由病原 體引起，傳染性病原體能被內部攜帶在人體內(成為潛伏的或染病期傳 染)，或被外部攜帶在汙染物上(即無生命物體，比如鞋子或衣服)，並因 此通過商用航空傳播到世界範圍。對於那些可能導致嚴重的公共衛生後果 和/或經濟後果的傳染性病原體，本發明提供了其最大價值。威脅可能包 括預料到的、可疑的或確定的疾病爆發，以及源自自然原因(比如流感 大流行)、生物恐怖主義(比如天花的故意釋放)、實驗室事故(比如生物 安全4級實驗室受損)或其他無法預見的環境的疾病爆發。基於所述威脅 的性質，本發明的操作者可以選擇地或緊急地採取行動。
在步驟2中，本發明的操作者訪問為本發明特別研發的資料庫，其 中容納了世界範圍的商用航空統計和微數據，以及與全球傳染性疾病威脅 相關的其他數據。在該步驟中，提取微數據來進行處理以及進一步分析。
在步驟3中，釆用與預期響應一致的方式組織微數據。這些響應可能包括為已預料但還未發生的威脅做準備，快速形成對新的可疑的或確 定的威脅的策略對策，和/或在威脅形成並且新信息變的可用時，反覆地 快速形成對正在發生的可疑的或確定的威脅(比如疾病爆發)的策略對策。
在步驟4中，通過一系列自動算法對大量商用航空微數據及其他相 關數據進行分析。這些分析包括進行i)網絡分析，其嚴格地描述了實 體對全球傳染性疾病威脅的連通性和弱點，以及ii)數學模擬，其預測了 特定的傳染性病原體在限定的條件下將可能如何通過商用航空旅行傳播。
在步驟5中，生成檢查潛在策略的綜合報告，潛在策略的目的是緩 解與具有公共衛生和/或經濟重要性的傳染性疾病威脅相關的風險。
客戶所考慮的潛在策略可能包括針對以下級別的策略i)"全球"級 別(即在潛在客戶定義的邊界之外的地點)，ii)"本地"級別(即在潛在 客戶定義的邊界之內的地點)，以及iii)旅行本身(即在全球和本地級別 之間的地點)。潛在客戶的不全面的列表包括i)主要公共衛生組織(比 如世界衛生組織)，ii)公司或其他的企業界成員(比如保險公司、跨國 公司)，或iii)政府機構(比如國防部、聯邦公共衛生機構、州/省、或市 政級別)。
基於上述描述的一般步驟，此處描述的本發明系統和方法的主要組 成在下面進一步詳細描述，其包括
全球城市資料庫(GCD),其容納關於全球航空運輸網絡、世界城市 以及全球傳染性疾病威脅的歷史的、當前的和將來的數據。
軟體應用，其被稱為DiaSPORA,並設計用來快速提取、處理、分析 以及模擬傳染性病原體通過全球航空運輸網絡的世界範圍的傳播。
最終輸出，其適於抗擊特定的傳染性疾病威脅，並按照用戶定義的 環境和條件保護潛在客戶的所宣稱的利益。
GCD:世界範圍的商用航空數據
主要從以下五個組織獲得航空統計數據和微數據 1.國際才幾場委員會(ACI)2.官方航線指南(OAG)
， 士 i厶乂士白頭'+ 4"g 7""^r拔^ 、《TTV"T ^
4. 國際;杭空運輸協會(IATA)
5. 國際民用4元空組織(ICAO)
來自上述來源的航空統計數據和微數據應用IATA機場代碼會集起 來，其依次用來定義在特定時間點或時間段的全球航空運輸網絡的結構， 以及描述世界範圍的人口流動性。由於機場對之間的航線並非總是雙向 的，並且可能涉及圍繞多點多邊形的單向流動，因此分別測量入境和出境 結構以及客流動態特性。客流動態特性也可以按天、按周、按月以及按季 節變化進行測量，以說明"自然的"變化模式。此時，可用數據包括歷史 的、當前的以及將來的最多可提前一年的航班時刻的數據。數據包括商 用飛機和乘客座位的預定活動信息、商用飛機和乘客座位的實際活動信 息，以及乘客實際活動信息(即區分被佔用座位與空座)。大部分商用航 空文件中還包括在途乘客信息(即，那些簡單連接到其他目的地的)。所 有數據包括與數據相關的日期標記，日期標記包括時間標記，如果時間標 記可獲取的話。在機場級別可獲得數據，因此便於進行與在特定時間點或 時間段內任意選定的世界範圍的商用機場對相關的統計計算。在GCD中， 可以從商用機場、市政當局、航空公司、航空公司聯盟(比如天合聯盟 (SkyTeam)、寰宇一家(One World )、星空聯盟(Star Alliance)或任意 世界範圍的機場對之間的特定路徑的角度，對數據進行分析。
GCD:人口統計數據和動態特性
人口統計數據典型地採用人口普查數據獲得。然而，當在全球級別 進行分析時，採用全國人口普查數據存在難題。首先，並非世界上所有國 家都在同年進行人口普查。對有些正在發生武裝衝突的國家，安全問題可 能在一段時間妨礙了全國人口普查。第二，在城市級別，人口普查數據反 映是人們所處在的地區，但不一定是其工作或度過其時間中的重要時期的 地區(比如極少數人生活在商用機場周圍，但很多人"佔有"商用才幾場中 的和商用機場周圍的空間)。最後，城市及其邊界的界定是非常多變的，這使得難以以 一致方式測量城市人口 。上述挑戰的 一個解決方案是有必要 應用衛星數據以估計人口規模和密度。
參考圖3A和3B，其描述了埃及(左側)的人口密度衛星圖像(3A), 以及美國東北部和加拿大(右側)的城市的夜間環境衛星圖像(3B)。圖 像用於獲取人口規模以及對選定的地理區域的夜間環境的估計(其在本發 明中用作經濟發展的替代指標)。這些估計直接來自美國國家海洋與大氣 管理局，其中對主要數據進行選擇和分析並且用作本發明的數學模型的輸 入。
GCD:經濟JL^
經濟發展可以與有利於先前未知的傳染性病原體出現或已知病原體 反覆出現的條件有關。國際經濟發展數據可以通過使用由世界銀行公布的 世界發展指標獲得，儘管這些數據只是在國家級別報導的。這可能限制了 應用這些數據，尤其是對於資源不均勻分布的國家(比如發展中國家，如 中國和印度)。替代的和可能補充性的來測量城市級別經濟發展的方法包 括使用衛星數據。特別地，夜間從空中觀察城市的環境或燈密度(如上面 參考圖3B所討論的)可以成為經濟發展的重要的替代指標。採用該替代 指標的前提在於，與"更暗的"城市相比，"更亮的"城市更加發達且經 濟更加繁榮。
GCD:醫療J^i5^fe
一個城市的能力可以與本地可用的醫療基礎設施和人力資源聯繫起 來，以檢測在其邊界內的傳染性病原體的出現，避免傳染性病原體的本地 傳播，和/或避免傳染性病原體輸出到其他城市。此類數據(比如醫生和 註冊護士數量的全國估計，全國的國內生產總值分配給公共醫療的比例 等)可以從世界^L行的衛生、營養和人口統計司獲得。然而，由於這些統 計只在國家級別報導，必須做一假定，假定資源是按照給定國家內的城市 人口規^莫成比例分配的。
GCD:環境4Hf
實際上，所有傳染性病原體的特徵和活動受到環境條件的影響，比如溫度、溼度以及海拔。這樣的全球數據從多樣的環境資源中獲得，以確 認傳染性病原體可能繁盛和/或建立新的生態位的地點。
GCD:人類及非人類傳染性病原體
雖然不同規;漠的傳染性疾病的爆發-是全世界普遍發生的，GCD將重 點關注具有嚴重的公共衛生和/或經濟影響的全球傳染性疾病威脅。GCD 將頻繁地補充最新資料，使用多種的著名的公共和私人資源來嚢括關於預 料到的、可疑的或確定的世界範圍的全球傳染性疾病威脅(比如H5N1
A逸、、亡 1 a^'丄A / A ;九、丄A旦j厶丄A rn 乂士
丙六々iu〈^7 1久u、jz、wi々術/ 口Vif又 ^1 trj M 乂tj'I3,&、
GCD:各種數據
將來可添加另外的數據資源，以反映關於特定傳染性疾病的新知識、 有利於特定傳染性疾病出現或反覆出現的條件、和/或與此類疾病的本地 或全球傳播相關的因素。
通過舉例方式，圖4描述了關於SARS在2003年爆發期間的任一給 定曰的媒體報導的數量，媒體報導在世界範圍內以英語、法語、西班牙語、 中文(繁體或簡體)或日語公布。這些數據從Fa^va獲得，資料庫FaWva 可以連接來自152個國家22種不同語言的包括報紙、期刊、雜誌、新聞 和廣#"談話的超過10， 000的i某體資源，包括超過120條可連續更新的新 聞專線。該圖還描述了由世界衛生組織發出的主要旅行公告的時間。這些 數據用於檢查通過全球媒體、官方旅行公告對信息的獲取與其預期的或未 預期的對人類在世界範圍的旅行行為的影響之間的關聯。所了解到的教訓 被併入本發明的系統和方法中，以更好地預料旅行行為可能如何受傳染性 疾病威脅的影響，並強制調整數據和/或模型。
發明原理"^t
本發明建立原理在於，傳染性病原體通過商用航空的傳播是由全球 航空運輸網絡的結構和其上的相關的乘客活動決定的。通過對2003年世 界範圍的SARS爆發(經常被指為"大流行預演")的細緻的研究，對該 原理的支持已經按下面描述的方式進行表明。
步驟1:得到在國際SARS爆發過程中的世界範圍的商用航空統計數據和微數據
這些微數據從官方航線指南(OAG)獲得，且便於對整個全球航空 運輸網絡的結構分析，以及對2003年實際上世界範圍的每個商用機場之 間的預定乘客座位的活動分析。由於突破了國際邊界的絕大多數的SARS 病例通過從香港國際機場離開的商用飛機來突破國際邊界，分析集中在了 香港與世界其他地方的連通性上。
參考圖5，其標識了 2003年所有1061個運營世界範圍的國際航線的 商用才幾場地理坐標。
參考圖6，其顯示了 2003年國際客流(到達和離開結合的)的全球 變化，其在世界的三維表示法以峰值來表示。雖然太複雜無法以圖形呈現， 本發明開發的軟體設計用來在任意特定時間點或時間段，對任意機場快速 提取、處理以及分析乘客到達和/或離開數據。
參考圖7,其表現了 一合適的分析，對2003年從香港前往所有60個 接收直達航班的城市的國際客流量進行了量化。進行這種"出境"分析， 以對2003年SARS爆發期間對增高的SARS輸入風險的潛在地點進行確 認。
步驟2:收集SARS國際傳播的詳細信息
世界衛生組織(WHO)公布了到2003年12月31日為止，SARS的 輸入性疑似病例的國家總計數據。然而這些數據沒有包括市一級的信息， 也沒有包括與對在疾病爆發期間跨國際邊界的142例輸入病例中的每一 個的診斷方式相關的信息。為了研究，對每個SARS的輸入性疑似病例， 下述數據是從世界各地的實驗室和公共衛生機構收集的
1. 出發港和到達港，其包括中間站；
2. 對上述港的出發日期和達到日期；
3. 旅行方式(即4元空、陸地、海洋)；
4. SARS診斷的方法-流行病學病例定義，聚合酶鏈式反應測定(PCR) 分析，和/或恢復期血清(即在疾病發作之後至少28天時出現對SARS冠狀病毒的抗體)；以及
5,輸入SARS病例的數量和每個輸入SARS病例的診斷方法。
參考圖8,對2003年爆發期間，對所有已確診的SARS病例的世界 軌跡的描述表明，所有病例中超過90%的病例直接或間接地從香港國際 機場傳輸過來。單獨示出了自從SARS出現通過陸地(從中國大陸的廣東 省)進入呼和浩特和廣州及其本身並因此與香港已在空中不存在直接或間 接聯繫之後，SARS通過航空旅行從呼和浩特(中國)到烏蘭巴託(蒙古) 以及從廣州(中國)到吉隆坡(馬來西亞)的國際傳播。
參考圖9，該地圖描述了 2003年世界範圍內已確診的輸入SARS病 例的強度。這些觀察資料已經被用於研究全球航空運輸網絡的結構、全球 航空運輸網絡的客流以及所觀察到的SARS輸入強度之間的"劑量效應 (dose-response effect )，，。
步驟3:測量全球航空運輸網絡特性與所觀察到的SARS的確診(或 確診及疑似)病例的擴散之間的統計關聯。
參考圖10，其表明，在SARS爆發期間，相對於需要一個航班以連 接到達的城市，那些從香港國際機場經直達航班到達的城市，其確診的 SARS的輸入風險要大四十倍。世界範圍中與香港需要兩個或多個航線連 接的城市中(截至2003年)，沒有一個在爆發的過程中接收到輸入的(確 診及疑似)SARS病例。這些發現強烈提出，那些與傳染性疾病爆發中心 有直達4元線的城市承擔著實質上增高的疾病輸入的風險。
參考圖11，其表明世界範圍內具有最高的國際客流到達量的城市， 具有最大的SARS輸入風險。比如，2003年，接收到達的國際乘客超過l 千萬的城市的輸入風險，比接收到達的國際乘客少於1百萬的城市的輸入 風險大100倍。
參考圖12,其圖示了離開香港國際機場併到達進入臺灣的乘客與相 關的SARS輸入臺灣的強度之間的"劑量響應"關係。中國大陸與臺灣之 間的航班聯繫有些獨特，因為其航班聯繫幾乎專門通過香港(作為替換， 也可經澳門，但要少的多)。該圖與SARS輸入(或者其他傳染性病原體的輸入)的強度將相應於沿空中交通動脈的客流的這一基本假設相一致， 在本例中，空中交通在香港與臺灣的位於臺北和高雄的兩個國際機場之間進行。
參考圖13,其顯示了 Kaplan-Meier圖，其描述了通過航空旅行，世 界範圍的城市中由其與香港的連通性導致的SARS輸入的時間。該圖表 明，SARS輸入的時間分布強烈地受到城市與香港的空中連通性的影響。 特別地，從香港經直達航班到達城市，其與那些沒有這樣直達聯繫的城市 相比，接收到的輸入SARS病例本質上速度更快。本圖未示出國際衛生組 織在曲線42天處"展平"的部分之前發出提倡所有到香港和中國大陸廣 東省的非必須的旅行限制到不超過一周的旅行公告的時間。儘管這是一種 聯繫，仍然不清楚公告是否與爆發過程中的變化有因果關係，或者是隨機 且無關聯的。需要對事件進一步研究，以探尋在實際旅行行為中公告的預 期效應和/或非預期效應。
步驟4:開發模型以模擬和預測SARS的傳播
確定性(修正經典SEIR)數學模擬模型採用常微分方程(ODE)被 開發來預測2003年SARS的擴散。同時，開發了類似的隨機的(馬爾科 夫的)模型以檢測世界範圍的SARS爆發的潛在"實現"的分布。通過比 較模擬模型中得到的結果與SARS的實際擴散(如步驟2中所確認的)， 所述模型可以被證實有效。下面描述的(確定性模型和隨機模型的子標題 下)部分數學模型，提供了對模型、開發這些模型所包含的步驟以及數學 模擬的SARS爆發與2003年爆發期間實際觀察到的事件之間的一致性的 程度的更深入的描述。
DiaSPORA: —般描述
目前正在進行到Visual Basic. NET ( VB. NET )的遷移。該轉換j皮4丸行來 促進可靠的、分層的、遠程的訪問以及本發明通過網際網路的操作，因為可 以在迫切需要時應用網際網路並且不需要通知。虛擬平臺也允許本發明的操 作者不用考慮他們自身的位置(其可能在傳染性疾病威脅當中具有相當大 的重要性)而操作該虛擬平臺，並且為重要決策者和客戶方便來賓訪問。最新開發的DiaSPORA軟體將設計來集成其他存在的與本發明的操作相 關的4欠件應用，比如SAS (統計分析)、ESRI ArcGIS和Pitney Bows Maplnfo( GIS及空間分析)、Berkeley Madonna(數學分析)、以及Microsoft Office (結果的j艮告與通4言X 通過應用有歲丈的處i裡算法、分鬥斤處J裡的自 動操作以及計算機技術中的進展，DiaSPORA將在越來越短的時間段內產
，l 曰, /—丄入.，，l f + 乂曰工 l
王取向乂貝置日;J禍Tffi刀回3C1於叉刀口^] 3 又。
參考圖14,其描述了取自DiaSPORA的開端屏幕的截屏，表明了 DiaSPORA根據用戶定義的時間點或時間段處理和分析微數據的能力。如 上述描述的，來自GCD的可用於處理和分析的數據包括歷史的和當前的 商用航空統計數據和微數據，此外還包括在未來最遠到 一年的航班時刻表 微數據。為該假設性分析選擇的時間框架是2003年1月1日至12月31 曰。
參考圖15，其也描述了取自DiaSPORA的地理選擇屏幕的截圖，表 明了 DiaSPORA根據用戶定義的地理位置或特定的客流方向處理和分析 微數據的能力。所述分析可以與任意實體相關，比如機場、城市、州或其 他組織。儘管本圖中未示出，DiaSPORA也能夠構造並非地理連續的(比 如具有橫穿遙遠的城市和國家的商業中心的跨國公司)分析單元。
DiaSPORA也允許用戶選擇分析方向，因為全球航空運輸網絡上出境和入 境結構(以及客流)是不相同的。在本圖中，所選擇的分析檢查了入境結 構以及達到進入香港的國際客流。
DiaSPORA:網^^析
對於任意用戶定義的環境和條件設置，DiaSPORA進行嚴格的網絡分 析以定義精確結構，該精確結構中給定實體連接到全球航空運輸網絡。
首先，從在給定的城市對之間旅行所需的最少停靠點數量方面，來 分析直接連通性。正如2003年世界範圍的SARS爆發期間確認的， 一城 市對外部傳染性疾病威脅的弱點似乎與其相關的"距離"是相反的，該"距 離"由跨越該"距離"所需的航班數量來度量。因此，如果一城市直接(即 存在直達的連接)或間接(需要航班連接)的處於傳染性疾病威脅的"射 線"中，可以快速確i人該j成市。參考圖16,DiaSPORA進行直接連通性的分析，顯示了在選定的2003 年l月1日到12月31日的時間框架，從世界範圍的所有國際地點通過直 飛航班進入香港的入境流。該數據可以輸出用於進一步分析，其表明2003 年超過430萬乘客從臺北到達進入香港，佔總國際入境量的18.1°/。。佔進 入香港的總國際入境交通量的一半的交通量來自六個城市(即臺北、曼谷、 新加坡、東京、馬尼拉以及北京)。舉例來說，該圖中示出的數據包括 總入境客流量、總入境客流量的百分比以及入境量累計百分比，然而，有 關連通性、中心性以及集體性的許多其他網絡參數被另外生成。
圖17，通過舉例方式，顯示了類似的所有國際入境交通量的分析， 所有國際入境交通量是2003年從世界範圍的120個目的地，通過直飛航 班進入多倫多市的。通過結合表格格式和圖示法，關於直接連通性的信息 有效地傳達給本發明的客戶或用戶。
第二，採用兩個補充方法分析了直接連通性主要組成(因子)分 析和應用圖論。這些方法被用來定義網絡的範圍和分層結構，其中每個包 含一個高度互聯城市的集合。比如， 一城市可能沒有將其直接連接到一傳 染性疾病爆發中心的直飛航班，但在其自身的網絡中的成員城市可能有此 類連結。對其中特殊的實體或城市所屬於的網絡結構的範圍和分層結構的 檢查，清楚有價值地顯示出對一個特殊的傳染性疾病威脅來說，其"鄰居" 可能是如何脆弱。
參考圖18，採用主要組成(因子)分析，此北美的地圖標識了 4個 主要的網絡城市。儘管此網絡已經多少被隨意地被稱為美國東部、美國西 部、加拿大東部以及加拿大西部網絡，其實際上是完全獨立於地理邊界或 因素來定義的。比如，多倫多市與美國東部網絡的聯繫相比其與加拿大內 的其他城市的聯繫"更強"。此外，墨西哥內的城市和加勒比島國與美國 和加拿大的部分地區的聯"l妻如此廣泛，以至於其共享一個7>用網絡。
參考圖19,該截屏顯示了屬於香港的(入境)城市網絡的城市列表。 該圖在最右邊("網絡")列表明，香港是全球網絡21的分層的"頭"(2003 年世界範圍已經確認了 55個網絡)。第一個數字表明網絡ID號碼，而隨 後的號碼描述了其分層結構。在這個例子中，曼谷緊跟在香港之下，而清萊、蘇梅島以及萬象彼此平行且緊跟在曼谷之下。進一步地，烏達寶緊跟 在蘇梅島之下，並且琅勃拉邦在萬象之下。採用圖論來檢查航空運輸網絡 的分段，以在廣泛的全球網絡範圍內，提供關於給定地點如何脆弱和偏僻 的重要的視覺線索和統計數據。儘管該圖中沒有示出，全球航空運輸網絡
的結構是多維的，且可在DiaSPORA中的不同級別上(用低級、中級和 高級示出)進行描述。
圖20是應用圖17描述的相同的過程得到的，但圖20以圖形顯示。 該圖示出了 2003年新加坡所在的網絡的分層結構。進一步地，帶星的城 市代表已經確診的SARS乘飛機輸入的地點。儘管在這個特定的例子中未 表明，絕大多數的SARS病例通過商用航空旅行穿過國際邊界登陸到其區 域網絡的頂端城市，放過了下面的更偏僻的地點。
DiaSPORA:數學模擬
開發了兩類數學模型-第一類採取確定性框架得到，而第二類採用了 隨機框架。
確定性模型此類模型從經典SEIR (易感的、暴露的、傳染的以及 去除的)框架得到，並適宜於本發明。下面的常微分方程(ODE)被用 於在一給定城市內對傳染性病原體的傳播動力學性質進行建模,城市記為 下標/:
& ' '' ' " 7V,''
》峰
其中，1/￡,.代表傳染性病原體的潛伏期過程的平均時間，以及l/y,代
表在因死亡或痊癒導致的去除之前傳染的平均時間。
接下來對SEIR模型進行修正以說明城市之間的商用航空旅行，並示出如下(圏出了對初始方程調整的部分)
+ z《s ;
、7=1 乂=1
、p /=1 」
d 〖 " " 、j
^^=s&—(《+^)々+z^^—s《a ;
(《+ v, 它附X —1>^,|
辺 、y=i >i ' 從機場/飛往機場j'的乘客數
附 =-
y 飛出機場/的總乘客數
預測的是，本發明進行的模擬分析界限一般地將在數周量級(當與 傳染性疾病威脅有關的新數據和/或商用航空數據變得可用時執行反覆模 擬)。因此，上述方程可進行簡化以去掉易感部分(即，其近似為居住在 一城市中的總人口 ，並在短期模擬內的變化可忽略不計)以及去掉去^卩 分(即，由於在短期模擬中，因免疫或死亡導致而去除的人口總數相對於 所有部分的總人口可忽略不計)。因此，上述方程可減少到其最終簡化形
式，其顯著減輕了計算機處理需求，並減少了模擬時間。
隨m型此類模型開發來檢查源於單個事件(即特定的傳染性疾 病威脅)的可能性實現的分布。除採用馬爾科夫過程之外，該模型概念上 類似於上述簡化的兩部分、確定性常微分方程(ODE)模型。通過對每 個模擬結果分別評價，其可估計對任意給定城市的輸入概率，並非常適用 於時空預測應用。當進行相當大量的模擬時，在隨機模型中觀察到的"平 均"值傾向於接近從確定性模型獲得的"計算"值。
—5, =1丄，+v,《—
A ' '' ' ' TVformula see original document page 35對所有的A:e/。
5. 在長度為/z的時間間隔中，機場7'中的一感染者轉移到機場A:(其中A:^7'),即，
(^"…,^,…,q,4,…，")—1，…,e"+l，…,e")其概率
對所有的A:e/。
6. 在長度為/2的時間間隔中，系統無變化，即，
(e",…,V"…，^,/")—("，…, .
其概率
p(/^l一y/2 + o(/2)
其中
模型中的期望值g :=E(￡々》，以及7; :-]E(/,(^證明了確定性模型。
圖21代表了 2003年2月21日起源於香港並持續超過22周長度的SARS的模擬爆發的輸出，(設計為類似於2003年實際爆發的周圍條件)。從本發明的隨機模擬模型得到的結果(運行共計250次模擬)識別出被預測輸入風險最大(即其模擬概率超過90%)的城市。最右側的列示出了在SARS爆發期間實際觀察到的情況。在模擬的世界範圍的19個最高風險城市中，16個城市有疑似或者確診的SARS輸入。
圖22概括了通過接收器工作特性(ROC)曲線，隨積4莫型對SARS的世界範圍爆發進行辨別及定標的規範。當將來自所進行的250個模擬結果與實際的確診SARS輸入進行比較時，模型靈敏度為91.3%,且特異性為90.9%。給定的這些模擬是隨機的(且代表了單獨事件的不同的可能實現)，通過模擬的結果在一定程度上有不同。儘管如此，在SARS的許多大尺度空間模擬中，本發明已經一致地超過了 90%的靈敏度及90%的特異性閾值，曲線下區域(AUC)始終在0.90和0.95範圍之間。
圖23描述了本發明的時空模擬能力中的時間組成。特別的，該圖形表明了模擬SARS輸入的中值周(median week )，與爆發期間SARS輸入的實際周之間的相合性。採用在爆發期間(即，理想地在短時間範圍，比如一天)更精確的客流數據(如果可得到的話)，將可進一步提高時間精度。儘管如此，在SARS輸入的觀察周中，分別在2周和4周內有61%和83%的模擬SARS輸入(上述模擬期間)登陸。
圖24和圖25代表了分別起源於雅加達、印度尼西亞和埃及開羅的假設的模擬SARS爆發結果，所述SARS爆發在2006年1月1日至2006年l月31日存在觀察結果。輸入概率由城市上覆蓋的圓圈大小來描述。對於這些圖形，先前的SARS模型中的模擬參數保持不變，只對爆發的中心有修正。這兩個圖表明，傳染性爆發將如何從世界範圍起源的不同點展開。
DiaSPORA中的數學模型可以修正以反映不同的病原體特性，比如基本再生數、潛伏期以及傳播方式。本地人口因素以及動態特性也可根據當地條件調整。因此，通過訪問GCD中的大量數據，DiaSPORA可以採用很短的通知來模擬不同傳染性病原體從世界範圍的具有商用機場的任何城市的擴散，並在幾小時內提供結果。
輸出潛在情況
通過例子，涉及潛在傳染性疾病威脅的幾個情況描述如下，以表明本發明可以如何用在真實世界的環境下。
^i殳情況1: 2003年在遭受了來自SARS本地爆發的重大且正在發生的經濟破壞後，多倫多市正在考慮形成一綜合的預防策略，來緩解其對全球傳染性疾病威脅的風險和漏洞。該策略的一個組成部分需要評價多倫多與全球的城市社會如何互聯，以及哪種可能的策略被認為可以保護其重要的衛生和經濟利益。^i更響應1:作為初始步驟，從GCD中提取5年窗口內的乘客微數據(即，將來1年的未來航班時間表數據加上前4年的數據)。下面描述的所有分析執行來確認時間趨勢。
為評價直接連通性，分析GCD微數據以檢查來自世界範圍具有商用機場的所有城市的入境航班及乘客到達,按到達多倫多所需的停靠點數量以及到達的國際乘客量進行排序。
為評價間接連通性，釆用主要組成(因子)分析以確認多倫多所屬於的城市網絡，同時釆用應用圖論以定義網絡的分層結構。進行這些分析時，未考慮地緣政治邊界。
然後，針對預料到的、可疑的或確定的傳染性疾病威脅，評價了多倫多直接和間接聯繫最多的全球城市列表。比如，位於或靠近影響家禽和/或人類的H5N1禽類流感爆發區域的城市，將被視為提高了風險(即對流感大流行可能的發生)。同樣的，存在生物安全4級實一驗室的城市也被視為提高風險的地點。採用上述框架，將生成一高風險城市列表，並按照其對一旦出現的傳染性疾病威脅的快速檢測和控制能力進行排列。將通過量化衛生範圍和本地可用的人力資源來估計此能力，所述估計採用來自世界銀行的當前的衛生、營養及人口統計數據。因此，作為綜合結果得到對高風險城市的定義，其綜合了與多倫多的互聯、對傳染性疾病威脅出現的本地風險以及對將出現的威脅的監測和響應的本地能力。
然後通過數學模擬評價多倫多的"最高風險"城市短列表。將這些地點中的每一個考慮作為所定義的全球和本地條件下的潛在中心，將對爆發的許多可能的模擬實現進行評價。然而，將對具有最高概率的重要事件給予最大的關注。預防、擾亂和/或延遲預料到的傳染性疾病威脅的策略對策，將在國際級別(比如對傳染性疾病的加強監測、在檢測和控制能力中的國際投資)、本地級別(衛生和人力資源分配、地方應變能力的投資)和/或旅行本身(比如考慮旅行限制、提高邊界篩查)。
假設情況2:恐怖分子組織聲稱24小時前在倫敦希思羅機場釋放了未公開的但是高傳染的且致命的傳染性病原體。在希思羅機場調查危險的傳染性病原體的存在的過程中，世界各地的城市已經通過世界衛生組織設置了高度戒備，並被建議密切關注地方傳染性疾病爆發的徵兆。
假i更響應2:這快速響應假設將包含，在(或大約在)公告故意釋放的時間，從GCD中快速提取航班時刻表微數據。由於24小時前的實際乘客數據可能不可用，將獲取預定的乘客座位的統計(以及，如果可用的話，已購票的預定乘客的可能統計)。預定乘客座位數據通過應用負載係數估計進行修正(即乘客佔用乘客座位數的比例)。
類似假設情況1，根據從倫敦希思羅機場(由於取自多個機場的數據集合對城市級別是不必要的，此分析可在機場級別開始)離開的停靠點數量以及對乘客(座位)量的統計，世界範圍的具有商用機場的所有城市可被分類。
將就未證實的和未確認的傳染性病原體離開希思羅機場的傳播進行模擬，並通過對世界各地不同城市的相關輸入概率進行檢查。對於這種模擬分析，採用最好的或最壞的病例情況可估計傳染性病原體的特性，其假定基於情報或其他信息，或當傳染性病原體首次"登陸"在另外一個城市時，模擬停止且完全忽視(即在"接收的"人口內的本地傳播可被忽略)。此外，所有模擬將根據在故意釋放被公布的時間和隨後宣告釋放之間離開希思羅機場的預定的乘客座位(和/或估計的佔用那些座位的乘客)的精確數量來進行調整。此計算實際上可以計算向下精確到分鐘(假設航班按照時刻表準時離開)。因此，處於來自希思羅的航班的"接收"末端的城市於是可以釆取恰當的、與所涉及的風險估計的(模擬的)程度成比例的措施來進行本地響應。如果傳染性病原體的故意釋放被證實，並且需要策略控制措施，以進一步擾亂或延遲傳染性病原體通過商用航空旅行的傳播，本發明可能被進一步應用。
與情況2中描述的有些類似的情況，可能涉及發生在存有了危險的傳染性病原體的生物安全3級或4級實驗室的意外的或故意的實驗室破壞。
^Ri殳情況3:在世界各地7個城市運轉的大型跨國公司正更新其組織的保險合同。保險商開始擔心該公司組織結構中幾個關鍵經營位於印度尼西亞和越南，該地區涉及人H5N1已正在爆發，並且恐怕其可能發生流感大流行。保險商直接對該公司的可保性提出疑問，並提出，保險成本可能 相應大幅增長，直至這些危險被緩解。作為響應，公司對其自身對本地和 全球傳染性疾病威脅的弱點進行嚴格的分析，其目的在於創建策略的經營 冗餘，並將其重要的經營轉投到更加"偏僻的，，且預測風險的較低世界地 區。通過創造在全球級別維持商業持續性的策略，公司試圖找到措施以保 護其經濟利益。
^Ri更響應3:除了 "實體"利益被定義的方式外，此情況將以與情況 l類似的方式進行。對於此分析，所述實體包括該公司維持其總部以及重 要經營的地點(即在不同國家的7個不同城市)。儘管比單個地點要複雜 的多，所述公司的直接及間接的連通性仍然可以按如情況1中相同的方式 來確定。此外，可考慮涉及最重要地點及經營的子群分析，並且使模擬適 應一些"最可能的"情況。分析也可以被進行來與一年中的特殊季節或時 間內的繁忙的商業活動相一致。接著在排定的(或按照所需要的)基礎上 進行分析，以適應企業隨時間擴張或調整，和/或全球;杭空運輸網絡的形 成。
此處結束對本發明目前最優的實施方式的描述。前面的描述是為進 式。本發明的範圍不是以此描述而是以隨後的權利要求進行限制。
權利要求
1.一種用於預測傳染性病原體通過航空旅行的傳播的系統，其包括a)資料庫，所述資料庫包含在出發城市與目的地城市之間航空旅行的航空乘客旅行數據，所述航空乘客旅行數據包括從所述出發城市到所述目的地城市的航班頻率，從所述出發城市到所述目的地城市旅行的乘客數量，從所述出發城市到所述目的地城市直達的航班數量，所述出發城市和所述目的地城市的總客運，以及所有所述航空乘客旅行數據的相應的日期標記；b)建模引擎，所述建模引擎運行來建立所述航空乘客旅行數據與所述傳感性病原體的映射，來確定單個目的地城市的通過航空旅行來自單個出發城市的傳染概率；以及c)報告引擎，所述報告引擎運行來基於所述映射產生所述單個目的地城市在給定時間的來自所述單個出發城市的傳染概率。
2. 如權利要求l所述的系統，其中，所述資料庫間隔三個月更新。
3. 如權利要求l所述的系統，其中，所述資料庫實時更新。
4. 如權利要求1所述的系統，其中，所述建模引擎採用確定性的建 模技術。
5. 如權利要求1所述的系統，其中，所述建模引擎採用隨機的建模 技術。
6. 如權利要求3所述的系統，其中，所述建模引擎反覆地運行以結 合更新的數據來產生更新的映射。
7. 如權利要求1所述的系統，其中，所述資料庫還包括城市數據， 所述城市數據包括下述數據中的一個或多個經濟數據、環境數據及醫療 保健數據，以及所述建模引擎還運行來基於所述城市數據修改所述圖。
8. 如權利要求1所述的系統，其中，所述建模引擎依據連接所述出發城市與所述目的地城市所需的航班停靠點數量的數據以及與出發城市 無關的、所述目的地城市的總客運的數據來運行。
9. 如權利要求1所述的系統，其中，所述報告引擎還產生所述傳染 性病原體經過一段時間之後進入所述目的地城市的概率的報告。
10. 如權利要求l所述的系統，其中，所述建模引擎運行以預測所述 傳染性病原體的理論爆發。
11. 如權利要求l所述的系統，其中，所述建模引擎運行以預測所述 傳染性病原體的染病期爆發。
12. 如權利要求l所述的系統，其中，所述資料庫還將每個出發城市 及每個目的地城市與 一個或多個機場相關聯，使得在所述系統中用所述關 聯的一幾場代表所述城市。
13. 如權利要求l所述的系統，其中，所述資料庫還包括機場的網絡 信息，使得每個所述機場歸屬於一個或多個機場網絡，並在每個所述機場 網絡內被指定一個位置。
14. 如權利要求13所述的系統，其中，所述建模引擎還使用所述機 場在所述機場網絡內的所述位置來確定傳染概率。
15. 如權利要求l所述的系統，其中，所述給定時間是從檢測到所述 傳染性病原體的日期開始起一個月。
16. 如權利要求l所述的系統，其中，所述給定時間是從檢測到所述 傳染性病原體的日期開始起兩周。
17. 如權利要求1所述的系統，其還包括包含過去的傳染性病原體事 件的媒體報導的媒體資料庫，以及其中，所述建模引擎還根據從所述媒體 報導中產生的推測對所述航空乘客數據建模。
18. 如權利要求l所述的系統，其還包括計劃引擎，所述計劃引擎運 行來基於所述概率4艮告以及選擇的響應級別來產生響應計劃。
19. 如權利要求18所述的系統，其中，所述選擇的響應級別是本地的，且所述響應計劃包括響應團隊的最優地點、藥物儲備以及應對所述傳 染性病原體的其他本地響應元素。
20. 如權利要求18所述的系統，其中，所述選擇的響應級別是國家 級的，且所述響應計劃包括確認對航空旅行乘客進行入境和出境掃描的地點。
21. 如權利要求18所述的系統，其中，所述選擇的響應級別是國際 的，且所述響應計劃包括旅行公告的發布的地點及航班限制的地點。
22. 如權利要求18所述的系統，其中，所述選擇的響應級別是國際 的，且所述響應計劃包括確認國際投資的目標地點，來改善所述目標地點內的條件，以提高所 述目標地點的使傳感性病原體爆發的風險最小化的能力、檢測傳染性病原 體爆發的能力和控制病原體爆發的能力。
23. —種用於預測傳染性病原體通過航空旅行的傳播的系統，其包括a) 資料庫，所述資料庫包含在出發城市與目的地城市之間航空旅行 的航空乘客旅行數據，所述航空乘客旅行數據包括從所述出發城市到所述目的地城市的航班頻率，從所述出發城 市到所述目的地城市旅行的乘客數量，從所述出發城市到所述目的 地城市直達的航班數量，所述出發城市和所述目的地城市的總客運， 以及所有所述航空乘客旅行數據的相應的日期標記；b) 建模引擎，所述建模引擎運行來建立所述航空乘客旅行數據與所 述傳感性病原體的映射，來確定所述目的地城市的通過航空旅行來自單個 出發城市的傳染概率；以及c) 報告引擎，所述報告引擎運行來基於所述映射產生所述目的地城 市在給定時間的來自所述單個出發城市的傳染概率。
24. 如權利要求23所述的系統，其中，所述資料庫間隔三個月更新。
25. 如權利要求23所述的系統，其中，所述資料庫實時更新。
26. 如權利要求23所述的系統，其中，所述建模引擎採用確定性的 建模技術。
27. 如權利要求23所述的系統，其中，所述建模引擎採用隨機的建 模技術。
28. 如權利要求25所述的系統，其中，所述建模引擎反覆地運行以 結合更新的數據來產生更新的圖。
29. 如權利要求25所述的系統，其中，所述資料庫還包括城市數據，所述城市數據包括下述數據中的一個或 多個經濟數據、環境數據及醫療保健數據，以及所述建模引擎還運行來基於所述城市數據修改所述圖。
30. 如權利要求25所述的系統，其中，所述建模引擎依據連接所述 出發城市與每個所述目的地城市所需的航班停靠點數量的數據以及與出 發城市無關的、每個所述目的地城市的總客運的數據來運行。
31. 如權利要求25所述的系統，其中，所述4艮告引擎還產生所述傳 染性病原體經過一段時間之後進入每個所述目的地城市的概率的報告。
32. 如權利要求25所述的系統，其中，所述建模引擎運行以預測所 述傳染性病原體的理論爆發。
33. 如權利要求25所述的系統，其中，所述建模引擎運行以預測所 述傳染性病原體的染病期夂暴發。
34. 如權利要求25所述的系統，其中，所述資料庫還將所述出發城 市及每個目的地城市與 一個或多個機場相關聯，使得在所述系統中用所述 關聯的機場代表所述城市。
35. —種用於預測傳染性病原體通過^^空旅行的傳播的系統，其包括a)資料庫，所述資料庫包含在出發城市與目的地城市之間航空旅行 的航空乘客旅行數據，所述航空乘客旅行數據包括從所述出發城市到所述目的地城市的航班頻率，從所述出發城市到所述目的地城市旅行的乘客數量，從所述出發城市到所述目的地城 市直達的航班數量，所述出發城市和所述目的地城市的總客運，以及所有所述航空乘客旅行數據的相應的日期標記；b) 建模引擎，所述建模引擎運行來建立所述航空乘客旅行數據與所 述傳感性病原體的映射，來確定單個目的地城市的通過航空旅行來自所述 出發城市的傳染概率；以及c) 報告引擎，所述淨艮告引擎運行來基於所述映射產生所述單個目的 地城市在給定時間的來自所述出發城市的傳染概率。
36. 如權利要求35所述的系統，其中，所述資料庫間隔三個月更新。
37. 如權利要求35所述的系統，其中，所述資料庫實時更新。
38. 如權利要求35所述的系統，其中，所述建模引擎採用確定性的 建模技術。
39. 如權利要求35所述的系統，其中，所述建模引擎採用隨機的建 模技術。
40. 如權利要求37所述的系統，其中，所述建模引擎反覆地運行以 結合更新的數據來產生更新的映射。
41. 如權利要求35所述的系統，其中，所述資料庫還包括城市數據，所述城市數據包括下述數據中的一個或 多個經濟數據、環境數據及醫療保健數據，以及所述建模引擎還運行來基於所述城市數據修改所述圖。
42. 如權利要求35所述的系統，其中，所述建模引擎依據連接每個 所述出發城市與所述目的地城市所需的航班停靠點數量的數據以及與出 發城市無關的、所述目的地城市的總客運的數據來運行。
43. 如權利要求35所述的系統，其中，所述報告引擎還產生所述傳 染性病原體經過一段時間之後進入所述目的地城市的概率的報告。
44. 如權利要求35所述的系統，其中，所述建模引擎運行以預測所 述傳染性病原體的理論爆發。
45. 如權利要求35所述的系統，其中，所述建模引擎運行以預測所 述傳染性病原體的染病期爆發。
46. 如權利要求35所述的系統，其中，所述資料庫還將每個出發城 市及所述目的地城市與 一個或多個機場相關聯,使得在所述系統中用所述 關聯的機場代表所述城市。
47. —種用於預測傳染性病原體通過航空旅行的傳播的系統，其包括a) 資料庫，所述資料庫包含在出發城市與目的地城市之間航空旅行 的航空乘客旅行數據，所述航空乘客旅行數據包括從所述出發城市到所述目的地城市的航班頻率，從所述出發城 市到所述目的地城市旅行的乘客數量，從所述出發城市到所述目的 地城市直達的航班數量，所述出發城市和所述目的地城市的總客運， 以及所有所述^^空乘客旅行數據的相應的日期標記，且所述資料庫 中的信息實時更新；b) 建模引擎，所述建模引擎運行來反覆地建立所述航空乘客旅行數 據與所述傳感性病原體的映射，來確定單個目的地城市的通過航空旅行來 自單個出發城市的傳染概率；以及c) 報告引擎，所述報告引擎運行來基於所述映射產生所述單個目的 地城市當前時間的來自所述單個出發城市的傳染概率。
48. 如權利要求47所述的系統，其中，所述建模引擎採用確定性的 建模技術。
49. 如權利要求47所述的系統，其中，所述建模引擎採用隨機的建 模技術。
50. 如權利要求47所述的系統，其中，所述資料庫還包括城市數據，所述城市數據包括下述數據中的一個或 多個經濟數據、環境數據及醫療保健數據，以及所述建模引擎還運行來基於所述城市數據修改所述圖。
51. 如權利要求47所述的系統，其中，所述建模引擎依據連接所述 出發城市與所述目的地城市所需的航班停靠點數量的數據以及與出發城 市無關的、所述目的地城市的總客運的數據來運行。
52. 如權利要求47所述的系統，其中，所述報告引擎還產生所述傳 染性病原體經過一段時間之後進入所述目的地城市的概率的報告。
53. 如權利要求47所述的系統，其中，所述建模引擎運行以預測所 述傳染性病原體的理論爆發。
54. 如權利要求47所述的系統，其中，所述建模引擎運行以預測所 述傳染性病原體的染病期爆發。
55. 如權利要求47所述的系統，其中，所述資料庫還將每個出發城 市及每個目的地城市與 一個或多個機場相關聯,使得在所述系統中用所述 關聯的機場代表所述城市。
56. —種預測傳染性病原體通過航空旅行的傳播的方法，其包括a)從資料庫中檢索在出發城市與目的地城市之間航空旅行的航空乘 客旅行數據，所述航空乘客旅行數據包括從所述出發城市到所述目的地城市的4元班頻率，從所述出發城 市到所述目的地城市旅行的乘客數量，從所述出發城市到所述目的 地城市直達的航班數量，所述出發城市和所述目的地城市的總客運， 以及所有所述航空乘客旅行數據的相應的日期標記；目的地城市的傳播的概率進行建模，所述建模基於所述航空乘客旅行數 據；以及傳染概率的報告。
57. 如權利要求56所述的方法，其中，所述建模步驟是確定性的。
58. 如權利要求56所述的方法，其中，所述建模步驟是隨機的。
59. 如權利要求56所述的方法，其中，所述航空乘客旅行數據間隔三個月更新。
60. 如權利要求56所述的方法，其中，所述航空乘客旅行數據實時 更新。
61. 如權利要求60所述的方法，其中，所述建模步驟是反覆的。
62. 如權利要求56所述的方法，其中，所述建模步驟基於連接所述 出發城市與所述目的地城市所需的航班停靠點數量的數據以及與出發城 市無關的、前往所述目的地城市的航班的總客運量的數據。
63. 如權利要求56所述的方法，其中，所述生成步驟生成所述傳感 性病原體經過一段時間之後進入所述目的地城市的概率的報告。
64. 如權利要求56所述的系統，其中，所述建模步驟產生所述傳染 性病原體的理論爆發的概率。
65. 如權利要求56所述的系統，其中，所述建模步驟產生所述傳染 性病原體的染病期爆發的概率。
66. 如權利要求56所述的方法，其中，所述資料庫還將每個出發城 市及每個目的地城市與一個或多個機場相關聯,使得在所述方法中用所述 關聯的機場代表所述城市。
67. 如權利要求56所述的方法，其中，所述資料庫還包括機場的網 絡信息，使得每個所述機場歸屬於一個或多個機場網絡，並在每個所述機 場網絡內被指定一個位置。
68. 如權利要求67所述的方法，其中，所述建模步驟還使用所述機 場在所述機場網絡內的所述位置來確定傳染概率。
69. 如權利要求56所述的方法，其中，所述時間段是從檢測到所述 傳染性病原體的日期開始起一個月。
70. 如權利要求56所述的方法，其中，所述時間段是從檢測到所述 傳染性病原體的日期開始起兩周。
71. 如權利要求56所述的方法，其還包括從媒體資料庫中檢索媒體數據，所述媒體數據包含對過去的傳染性病原體事件的媒體報導，以及包括所述媒體數據作為所述建模步驟的部分。
72. 如權利要求56所述的方法，其還包括以下步驟 選擇對所述傳染性病原體的響應級別，以及基於所述概率報告和所選擇的響應級別產生響應計劃。
73. 如權利要求72所述的方法，其中，所述選擇的響應級別是本地 的，且所述響應計劃包括響應團隊的最優地點、藥物儲備以及應對所述傳染性病原體的其他本 地響應元素。
74. 如權利要求72所述的方法，其中，所述選擇的響應級別是國家 級的，且所述響應計劃包括確認對航空旅行乘客進行入境和出境掃描的地點。
75. 如權利要求72所述的方法，其中，所述選擇的響應級別是國際 的，且所述響應計劃包括旅行公告的發布的地點及關閉航線的地點。
76. 如權利要求72所述的方法，其中，所述選擇的響應級別是國際 的，且所述響應計劃包括確認國際投資的目標地點，來改善所述目標地點內的條件，以提高所 述目標地點的使傳感性病原體爆發的風險最小化的能力、檢測傳染性病原 體爆發的能力和控制病原體爆發的能力。
77. —種預測傳染性病原體通過航空旅行的傳播的方法，其包括a)從資料庫中檢索在出發城市與目的地城市之間航空旅行的航空乘 客旅行數據，所述航空乘客旅行數據包括從所述出發城市到所述目的地城市的航班頻率，從所述出發城 市到所述目的地城市旅行的乘客數量，從所述出發城市到所述目的 地城市直達的航班數量，所述出發城市和所述目的地城市的總客運，以及所有所述航空乘客旅行數據的相應的日期標記；b) 選擇一出發城市；c) 選擇一目的地城市；到所述選擇的目的地城市的傳播概率進行建模,所述建模基於所述航空乘 客旅行數據；以及e)生成所述時間段內所述選擇的目的地城市來自所述選擇的出發城 市的傳染概率的報告。
78. 如權利要求77所述的方法，其中，所述建模步驟是確定性的。
79. 如權利要求77所述的方法，其中，所述建模步驟是隨機的。
80. 如權利要求77所述的方法，其中，所述航空乘客旅行數據間隔 三個月更新。
81. 如權利要求77所述的方法，其中，所述航空乘客旅行數據實時 更新。
82. 如權利要求81所述的方法，其中，所述建模步驟是反覆的。
83. 如權利要求77所述的方法，其中，所述建模步驟基於連接所述 出發城市與所述目的地城市所需的航班停靠點數量的數據以及與出發城 市無關的、前往所述目的地城市的4元班的總客運量。
84. 如權利要求77所述的方法，其中，所述生成步驟生成所述傳感 性病原體經過一段時間之後進入所述目的地城市的概率的報告。
85. 如權利要求77所述的系統，其中，所述建模步驟產生所述傳染 性病原體的理論爆發的概率。
86. 如權利要求77所述的系統，其中，所述建模步驟產生所述傳染 性病原體的染病期爆發的概率。
87. 如權利要求77所述的方法，其中，所述資料庫還將每個出發城 市及每個目的地城市與 一個或多個機場相關聯，使得在所述方法中用所述 關聯的機場代表所述城市。
88. —種預測傳染性病原體通過航空旅行的傳播的方法，其包括a) 從資料庫中檢索在出發城市與目的地城市之間航空旅行的航空乘 客旅行數據，所述航空乘客旅行數據包括從所述出發城市到所述目的地城市的4元班頻率，從所述出發城 市到所述目的地城市旅行的乘客數量，從所述出發城市到所述目的 地城市直達的航班數量，所述出發城市和所述目的地城市的總客運， 以及所有所述航空乘客旅行數據的相應的日期標記；b) 選擇一出發城市；c) 選擇一個或多個目的地城市；到所述選擇的目的地城市的傳播概率進行建模，所述建模基於所述航空乘 客旅行數據；以及市的傳染概率的報告。
89. 如權利要求88所述的方法，其中，所述建模步驟是確定性的。
90. 如權利要求88所述的方法，其中，
91. 如權利要求88所述的方法，其中 三個月更新。
92. 如權利要求88所述的方法，其中，所述4元空乘客旅行數據實時 更新。
93. 如權利要求92所述的方法，其中，
94. 如權利要求88所述的方法，其中 出發城市與每個所述目的地城市所需的航班停靠點數量的數據以及與出 發城市無關的、前往每個所述目的地城市的航班的總客運量的數據。
95. 如權利要求88所述的方法，其中，所述生成步驟生成所述傳感 性病原體經過一段時間之後進入每個所述目的地城市的概率的報告。
96. 如權利要求88所述的系統，其中，所述建模步驟產生所述傳染所述建模步驟是隨機的。 所述4元空乘客旅行數據間隔所述建模步驟是反覆的。 所述建模步驟基於連接所述性病原體的理論爆發的概率。
97. 如權利要求88所述的系統，其中，所述建模步驟產生所述傳染 性病原體的染病期爆發的概率。
98. 如權利要求88所述的方法，其中，所述資料庫還將所述出發城 市及每個所述目的地城市與一個或多個機場相關聯，使得在所述方法中用 所述關聯的機場代表所述城市。
99. 一種預測傳染性病原體通過航空旅行的傳播的方法，其包括a)從資料庫中4全索在出發城市與目的地城市之間4元空3良行的4元空乘 客旅行數據，所述航空乘客旅行數據包括從所述出發城市到所述目的地城市的^t班頻率，從所述出發城 市到所述目的地城市旅行的乘客數量，從所述出發城市到所述目的 地城市直達的航班數量，所述出發城市和所述目的地城市的總客運， 以及所有所述航空乘客旅行數據的相應的日期標記；a) 選擇一個或多個出發城市；b) 選擇一目的地城市；到所述選擇的目的地城市的傳播概率進行建模,所述建模基於所述航空乘 客旅行數據；以及市的傳染概率的報告。
100. 如權利要求99所述的方法，其中，所述建模步驟是確定性的。
101. 如權利要求99所述的方法，其中，所述建模步驟是隨機的。
102. 如權利要求99所述的方法，其中，所述航空乘客旅行數據間隔 三個月更新。
103. 如權利要求99所述的方法，其中，所述航空乘客旅行數據實時 更新。
104. 如權利要求103所述的方法，其中，所述建模步驟是反覆的。
105. 如權利要求99所述的方法，其中，所述建模步驟基於連接每個 所述出發城市與所述目的地城市所需的航班停靠點數量的數據以及與出^ lJU 士工 V丄A 口丄/< t丄l丄、士丄厶t.Vt丄A "々喜A/t朵+T 乂ux w、j 、 f川i工〃i《fj wv巧:yivi"1 wv肌:^工tpj,;^令J^裡的雙循o
106. 如權利要求99所述的方法，其中，所述生成步驟生成所述傳感 性病原體經過一段時間之後進入所述目的地城市的概率的報告。
107. 如權利要求99所述的系統，其中，所述建模步驟產生所述傳染 性病原體的理論爆發的概率。
108. 如權利要求99所述的系統，其中，所述建模步驟產生所述傳染 性病原體的染病期爆發的概率。
109. 如權利要求99所述的方法，其中，所述資料庫還將每個出發城 市及所述目的地城市與一個或多個機場相關聯，使得在所述方法中用所述 關聯的機場代表所述城市。
110. —種預測傳染性病原體通過航空旅行的傳播的方法，其包括a) 從資料庫中檢索在出發城市與目的地城市之間航空旅行的當前的 航空乘客旅行數據，所述航空乘客旅行數據包括從所述出發城市到所述目的地城市的航班頻率，從所述出發城 市到所述目的地城市旅行的乘客數量，從所述出發城市到所述目的 地城市直達的4元班數量，所述出發城市和所述目的地城市的總客運， 以及所有所述航空乘客旅行數據的相應的日期標記；b) 對所述傳染性病原體從單個出發城市到單個目的地城市的傳播的 當前概率進行建模，所述建模基於所述航空乘客旅行數據；以及c) 通過反覆執行所述建模步驟，生成所述單個目的地城市來自所述 單個出發城市的傳染的所述當前概率的報告。
111. 如權利要求110所述的方法，其中，所述建^f莫步驟是確定性的。
112. 如權利要求110所述的方法，其中，所述建模步驟是隨機的。
113. 如權利要求110所述的方法，其中，所述建模步驟基於連接所 述出發城市與所述目的地城市所需的航班停靠點數量的數據以及與出發城市無關的、前往所述目的地城市的航班的總客運量。
114. 如權利要求110所述的方法，其中，所述生成步驟生成所述傳 感性病原體經過一段時間之後進入所述目的地城市的概率的報告。
115. 如權利要求110所述的系統，其中，所述建模步驟產生所述傳 染性病原體的理論爆發的概率。
116. 如權利要求110所述的系統，其中，所述建模步驟產生所述傳 染性病原體的染病期爆發的概率。
117. 如權利要求110所述的方法，其中，所述資料庫還將每個出發 城市及每個目的地城市與一個或多個機場相關聯，使得在所述方法中用所 述關聯的機場代表所述城市。
全文摘要
本發明包括一種用於預測傳染性病原體通過航空旅行的傳播的系統，其包括a)資料庫，其包含在出發城市與目的地城市之間航空旅行的航空乘客旅行數據，該航空乘客旅行數據包括從出發城市到目的地城市的航班頻率，從出發城市到目的地城市旅行的乘客數量，從出發城市到目的地城市直達的航班數量，出發和目的地城市的總客運，以及所有航空乘客旅行數據的相應的日期標記；b)建模引擎，其用來建立航空乘客旅行數據與傳感性病原體的映射，來確定單個目的地城市的通過航空旅行來自單個出發城市的傳染概率；以及c)報告引擎，其基於所述映射，用來產生單個目的地城市在給定時間的來自述單個出發城市的傳染概率。
文檔編號G06F19/00GK101681490SQ200880018357
公開日2010年3月24日 申請日期2008年4月2日 優先權日2007年4月2日
發明者卡姆蘭·卡恩 申請人:卡姆蘭·卡恩