基于Logistic模型的醫療網絡輿情監控與預警系統的研究

張巍+陳俊杰

摘要：為了能夠有效地監控和預警醫療網絡的輿情，及時地解決可能出現的醫療輿情危機，提高醫院輿情危機應對能力，提升醫療服務質量，醫療輿情監控和預警系統顯得尤為重要。該文根據醫療網絡輿情的特點，對醫療網絡輿情監控和預警的相關技術進行了研究。主要包括數據收集和預處理、醫療知識庫、醫療事件預警模塊的設計，最后實現了一個原型系統以驗證系統的有效性。

關鍵詞：Logistic；醫療輿情；監控；預警

中圖分類號：TP311 文獻標識碼：A 文章編號：1009-3044（2018）04-0010-02

1 背景

隨著計算機和網絡技術的快速發展，互聯網已成為現代社會最重要的媒介。CNNIC第40次報告顯示，截至2017年6月，我國網民規模達7.51億，互聯網普及率為54.3%。其中，即時通信用戶數為6.92 億，搜索引擎用戶數為6.09億，網絡新聞用戶規模為6.25 億。微信朋友圈、QQ 空間作為即時通信工具所衍生出來的社交服務，用戶使用率分別為84.3% 和65.8%。海量用戶通過互聯網獲取最新資訊，互聯網雖有利于自由表達自己的思想，也能被一些壞人利用，誤導輿論。

醫院輿情危機指能夠對醫院正常運營，或者聲譽造成潛在破壞的輿情。在現今醫患關系非常緊張的形勢下，本來一個普通的醫患糾紛，通過互聯網的放大作用，很可能形成輿情危機事件。因此，有必要建設高效的醫療網絡輿情監測和預警系統，便于醫療部門盡早采取應對措施，將危機消滅在初期。

本文基于Logistic模型，設計并實現了一個醫療輿情監控與預警系統。下面將對本系統的構成、功能模塊以及實現進行介紹。

2 系統構成

本文提出的系統的結構如圖1所示。

系統主要包括6個模塊：數據采集及預處理模塊、醫療輿情常態監控模塊、醫療敏感知識庫模塊、輿情危機預警指標體系模塊、預警多元回歸模型模塊以及四級預警與展示模塊。

3 系統實現關鍵技術

3.1 數據采集及處理模塊

本模塊的任務是負責博客、論壇、新聞、微博上關于醫療輿情網頁的抓取并存入MYSQL數據庫。本模塊的功能有兩個：一是提供對新浪博客、天涯論壇、新浪微博、新浪新聞醫療輿情網頁抓取的接口。另外可以提供對新浪博客、天涯論壇、新浪微博、新浪新聞實時抓取新數據的接口。本模塊使用的軟件及工具有：1）Eclipse環境及jdk 1.8.0_131的java語言。2）WebMagic爬蟲框架，采用其0.7.2開源版本。3）quartz任務調度框架，采用其2.2.3開源版本。4）selenium 框架，采用其2.44.0開源版本。5）chrome的自動化軟件。

爬蟲爬取具體步驟：

1） 創建詞庫、并且分類。

如圖2所示，創建表。

2） 分析網頁、編寫爬蟲

（1） 根據關鍵詞、標題、排序等參數編寫url。

（2） 分析該網頁的文章url的格式、找到規律，編寫正則表達式。

（3） 將該網頁中所有符合“文章正則表達式”的網頁添加到待爬取隊列當中。

（4） 將該頁的分頁也編寫正則表達式，并且將符合“分頁正則表達式”的網頁添加到待爬取隊列當中。

（5） 將文章的網頁中的標題、正文、日期、作者等相關信息通過webmagic框架中的方法提取出來，并且存到數據庫中。

3） 根據需要、實時抓取

可以將以上爬蟲簡寫成只爬取前兩頁的內容，但是獲取到的結果都要經過時間優先，且結果都要根據標題檢索。

3.2 醫療輿情知識庫模塊

醫療輿情知識庫模塊由醫療事件庫、醫療關鍵詞庫、關注站點庫和微博虛擬身份庫組成。醫療事件庫收集了近年來具有較大社會影響力的50多個涉及醫療糾紛、醫患關系、醫療事故等的醫療領域事件。醫療關鍵詞庫收集了200多個醫療關鍵詞組，為識別醫療信息提供幫助。微博虛擬身份庫包含兩百多個重點關注用戶，有助于提高數據抓取的目標性。

3.3 醫療事件預警模塊

3.3.1 預警系數構成

根據系統采集到的數據，制定了輿情發布、輿情發布者兩個一級系數，輿情發布廣度、輿情發布活速率、輿情發布者具有的影響力、輿情發布者活躍程度四個二級系數，以及六個三級系數，如表1所示。

3.3.2 預警模型構造

根據前期采集到的醫療事件，采用多元Logistic回歸訓練模型，可判別出對醫療事件預警起關鍵作用的指數，同時訓練出各個指數的權重值。

醫療輿情事件的預警可以認為是一個具有兩個值的因變量的Logistic回歸模型，研究因變量y取值為1（預警）的概率p與自變量x之間的關系。自變量x是一個向量，它是影響y的因素。設在向量x條件下y=1的概率是p=p（y=1|x），那么所得出的公式（1）就是此條件下的多元Logistic回歸模型。

（1）

以某個醫療輿情事件的預警系數為識別變量，對此事件對應的六個預警系數作為模型擬合數據，構建Logistic回歸分析模型，從而可獲得該事件未來輿情危機爆發的預警級別。預警機制可根據嚴重程度的不同，分為輕度危機，普通危機，重大危機以及特大危機等，最后可對重大危急事件進行預警。

根據已建立的醫療輿情知識庫中近期的50個醫療事件的六個醫療輿情預警系數統計計算的值，經過歸一處理后作為輸入，使用軟件SPSS 24.0中的向前逐步回歸法選擇變量，經過10次迭代可獲取預警模型，最后一次迭代結果如下表所示。

如果p>0.5，則進行預警，否則，不進行預警。

4 結束語

總之，基于Logistic回歸模型，通過對爬取下來的有關醫療網絡輿情信息進行處理、統計、計算和分析，得到了p值作為預警指標，從而可對重大危急事件進行預警，便于醫院管理部門采取必要措施將醫療輿情危機消滅在初始狀態。但此模型的精度還不是很高，下一步，需增加更多的醫療輿情預警系數來調整此模型的建模。

參考文獻：

[1] China Internet Network Information Center. 第40次中國互聯網絡發展狀況統計報告[EB/OL]. http：//cnnic.cn/hlwfzyj/hlwxzbg/hlwtjbg/201708/P020170807351923262153.pdf.

[2] 錢海峰. 公立醫院危機成因與應對[D]. 上海： 復旦大學， 2011.

[3] 張寅榮， 王超超. 醫療機構網絡輿情的應對策略[J]. 中國醫院， 2010， 14（7）：41-42.

[4] 溫舟， 婁芳蕾， 史虹婷， 等. 錦州市綜合氣象預報預警服務平臺設計與實現[J]. 電腦知識與技術， 2017， 13（7）：74-76.

[5] 趙軍， 趙玉玲， 段琪慶. 基于logistic回歸的區域房地產預警模型[J]. 中國人口·資源與環境， 2013， 23（11）：454-457.

[6] 方匡南， 章貴軍， 張惠穎. 基于Lasso-logistic模型的個人信用風險預警方法[J]. 數量經濟技術經濟研究， 2014（2）：125-136.