据了解，北京市建立运用传染病动力学模型，将各区各街道感染人数、易感人群、人员流动情况等数据作为重要参数，及时对疫情形势进行动态分析研判，为精准实施疫情防控提供了重要参考。

“研判疫情发展趋势，需要综合各方面数据和因素。以大数据技术和思维方式，分析疫情扩散路径与速度，实现结论或问题可视化，以及对系统和构成要素的把握，有助于把握和控制疫情防控过程。”宋怀明说。

不仅对疫情发展态势进行研判，北京市还依托相关数据资源，制定更有针对性的对策与措施。

今年清明小长假前夕，北京就对即将来京人员的出发地、交通工具，及其出发地有无无症状感染者等信息数据进行分析研究，对可能出现的病毒扩散进行仿真模拟，研判传染风险，精准采取防控措施，取得了良好效果。

基于有关数据资源，海淀区上线运行了城市大脑疫情防控平台，集合个性化数据分析、返京人群分析、人口排查分析、重点人群动态监测、预警服务等重要功能，各街镇小区重点人员有哪些、从哪里来、是否经由疫区、驻留多长时间等，一览无余，同时提供重点人流预警服务，防止出现重大传染事件。

在运用数据资源开展分析研判过程中，对数据的计算、建模及可视化输出，是关键一环。奇安信大数据与态势感知负责人李虎说，数据分析师要反复研究疫情数据特点，进行数据筛选和补全，同时在建模过程中，确定每个模型所需的数据资源、关键特征、衡量标准等，并基于这些数据展开模型训练和分析工作，确保模型能够有效投入实战。

除对疫情形势的研判和预警外，充分运用数据资源，还有助于分析研究病毒传播的影响因素，掌握病毒传播规律。中国人民大学统计学院副教授李扬介绍，对于病毒传播影响因素的研究，以前一般是基于临床一线的实践总结，现在则可以通过大数据工具，对世界各地相关临床经验和研究成果进行建模，有效提炼相关信息，更好发现疾病风险因素。

相关报道: