大數(shù)據(jù)在動(dòng)物疫病防控中的應(yīng)用與展望

高　璐，康京麗，徐全剛，劉　平，曾　恒，李　娟，孫向東

（1.中國動(dòng)物衛(wèi)生與流行病學(xué)中心，山東青島　266032；2.山西大學(xué)，山西太原　030006）

隨著動(dòng)物疫病防控工作不斷深入，數(shù)據(jù)資源更加豐富。從監(jiān)測(cè)對(duì)象來看，包括動(dòng)物疫病數(shù)據(jù)和對(duì)動(dòng)物造成健康危害的風(fēng)險(xiǎn)因素?cái)?shù)據(jù)。從數(shù)據(jù)產(chǎn)生方式來看，包括流行病學(xué)調(diào)查流調(diào)信息，實(shí)驗(yàn)室獲取的生物學(xué)信息，動(dòng)物疫病的有關(guān)社會(huì)輿論信息等。從信息形式上看，包括便于處理的結(jié)構(gòu)化數(shù)據(jù)和目前難以開發(fā)利用的非結(jié)構(gòu)化信息，如視頻、音頻和圖片等。這些信息具備典型的大數(shù)據(jù)特征，即體量大、數(shù)據(jù)類型繁多、產(chǎn)生速度快和價(jià)值密度低。

隨著計(jì)算機(jī)和網(wǎng)絡(luò)技術(shù)的快速發(fā)展，各領(lǐng)域的數(shù)據(jù)呈現(xiàn)爆炸性增長(zhǎng)，單純依靠傳統(tǒng)的數(shù)據(jù)分析方法，已經(jīng)無法應(yīng)對(duì)大量數(shù)據(jù)的分析要求[1-2]。大數(shù)據(jù)的開發(fā)對(duì)于深入認(rèn)識(shí)疫病風(fēng)險(xiǎn)因素、加強(qiáng)疫病監(jiān)測(cè)和提高預(yù)測(cè)預(yù)警能力，以及促進(jìn)動(dòng)物健康具有重要作用[3]。利用大數(shù)據(jù)，最重要的就是挖掘數(shù)據(jù)，將傳統(tǒng)動(dòng)物疫病數(shù)據(jù)分析方法與處理大量數(shù)據(jù)的復(fù)雜算法相結(jié)合。本文對(duì)國內(nèi)外大數(shù)據(jù)開發(fā)技術(shù)在獸醫(yī)領(lǐng)域的應(yīng)用情況進(jìn)行了綜述，以期為進(jìn)一步探索大數(shù)據(jù)在我國動(dòng)物疫病防控中的應(yīng)用與開發(fā)提供思路。

1　動(dòng)物疫病防控大數(shù)據(jù)挖掘技術(shù)框架

動(dòng)物疫病防控?cái)?shù)據(jù)庫是數(shù)據(jù)挖掘的基礎(chǔ)，基于數(shù)據(jù)庫的分析挖掘流程包括3個(gè)步驟，即數(shù)據(jù)采集、數(shù)據(jù)集成存儲(chǔ)和數(shù)據(jù)分析應(yīng)用[4]。

1.1　數(shù)據(jù)采集

動(dòng)物疫病相關(guān)數(shù)據(jù)，包括傳染病監(jiān)測(cè)數(shù)據(jù)（了解疫病流行情況和病毒變異情況）、寵物就診電子病歷數(shù)據(jù)、醫(yī)學(xué)檢驗(yàn)數(shù)據(jù)、醫(yī)學(xué)影像數(shù)據(jù)和通過現(xiàn)場(chǎng)調(diào)查獲取的健康風(fēng)險(xiǎn)因素?cái)?shù)據(jù)等，大部分來自各級(jí)動(dòng)物疫病預(yù)防控制中心、動(dòng)物衛(wèi)生監(jiān)督所、診斷實(shí)驗(yàn)室和寵物醫(yī)院等。另外與動(dòng)物疫病防控相關(guān)的數(shù)據(jù)還涉及自然環(huán)境數(shù)據(jù)、地理信息數(shù)據(jù)和文獻(xiàn)等。該類數(shù)據(jù)一般借助自然環(huán)境、地理信息研究相關(guān)科研院所或大型網(wǎng)絡(luò)數(shù)據(jù)庫獲取。動(dòng)物疫病相關(guān)的輿情信息往往借助網(wǎng)絡(luò)爬蟲獲取。網(wǎng)絡(luò)爬蟲是當(dāng)前獲取泛網(wǎng)絡(luò)信息的主流搜索技術(shù)，是按照一定規(guī)則，自動(dòng)抓取萬維網(wǎng)信息的程序或者腳本，有廣度優(yōu)先和深度優(yōu)先兩種策略[2]。借助面向動(dòng)物疫病的智能聚焦網(wǎng)絡(luò)爬蟲算法，有選擇地搜索網(wǎng)絡(luò)，定向抓取與動(dòng)物疫病時(shí)空信息相關(guān)的網(wǎng)頁資源，可為動(dòng)物疫病防控提供切實(shí)可用的信息。

1.2　數(shù)據(jù)集成存儲(chǔ)

數(shù)據(jù)集成是將多個(gè)數(shù)據(jù)源中的數(shù)據(jù)結(jié)合起來，存放到一致的數(shù)據(jù)存儲(chǔ)（如數(shù)據(jù)倉庫）中的過程[4]。通過清洗、集成、轉(zhuǎn)換和消減等預(yù)處理技術(shù)，可以提高數(shù)據(jù)質(zhì)量。數(shù)據(jù)集成是將多模式的數(shù)據(jù)源組合在一起，為下一步數(shù)據(jù)挖掘分析做準(zhǔn)備。在后續(xù)挖掘分析中，需要確定挖掘任務(wù)，制定挖掘計(jì)劃，提取數(shù)據(jù)庫中的相關(guān)數(shù)據(jù)子集，并將數(shù)據(jù)變換成適合挖掘的形式[5]。

1.3　數(shù)據(jù)挖掘分析

數(shù)據(jù)挖掘的目的是從數(shù)據(jù)中提取有用、信息，面向用戶提供目標(biāo)導(dǎo)向知識(shí)或分析服務(wù)[6]。大數(shù)據(jù)屬于全樣本和非實(shí)驗(yàn)觀察數(shù)據(jù)，與傳統(tǒng)抽樣統(tǒng)計(jì)方式有所不同，大數(shù)據(jù)可能不滿足正態(tài)性、獨(dú)立性和方差齊性的模型分析前提條件，存在高噪聲現(xiàn)象，因此大數(shù)據(jù)挖掘是對(duì)統(tǒng)計(jì)分析方法的延伸和擴(kuò)展，其分析產(chǎn)生的結(jié)果可能比“統(tǒng)計(jì)顯著”更接近真實(shí)意義的“顯著”[7]。大數(shù)據(jù)分析技術(shù)沒有固定的算法和模型，必須結(jié)合具體業(yè)務(wù)和需求，有針對(duì)性地研發(fā)適合業(yè)務(wù)本身的算法和模型。常見的大數(shù)據(jù)挖掘方法主要有神經(jīng)網(wǎng)絡(luò)分析、關(guān)聯(lián)分析、決策樹、最近鄰分類器、貝葉斯分類器、隨機(jī)森林、傳統(tǒng)的統(tǒng)計(jì)分析方法和可視化分析等[8-10]。數(shù)據(jù)可視化分析以圖形、圖像和虛擬現(xiàn)實(shí)，等方式展現(xiàn)原始數(shù)據(jù)間的復(fù)雜關(guān)系、潛在信息及發(fā)展趨勢(shì)，從而使數(shù)據(jù)呈現(xiàn)方式直觀有效，包括報(bào)表、圖形、地圖等，可幫助動(dòng)物疫病防控工作者更好地利用掌握的資源信息，如動(dòng)物調(diào)運(yùn)路線、疫病分布范圍、時(shí)空變化趨勢(shì)和聚集性等，為病因探索提供幫助，也可更通俗易懂地為公眾展現(xiàn)分析結(jié)果[11]。機(jī)器學(xué)習(xí)方法是近幾年人工智能領(lǐng)域的熱門課題，是讓計(jì)算機(jī)模擬人類的學(xué)習(xí)過程。機(jī)器通過學(xué)習(xí)獲得智能分析能力，可以搜集輿情信息、計(jì)算模型參數(shù)，甚至是進(jìn)行疫病診斷。以機(jī)器學(xué)習(xí)為代表的人工智能方法可為大數(shù)據(jù)挖掘提供有力支持[10-13]。

2　大數(shù)據(jù)在動(dòng)物疫病防控中的應(yīng)用

2.1　提供動(dòng)物疫病暴發(fā)預(yù)警

大數(shù)據(jù)本身是一種潛在的戰(zhàn)略性資源，具有小規(guī)模數(shù)據(jù)無法匹及的趨勢(shì)預(yù)測(cè)潛力。只有大數(shù)據(jù)的分析和應(yīng)用，才能將這些資源的效益真正釋放出來[14-16]?；诖髷?shù)據(jù)構(gòu)建的預(yù)警功能能夠全面調(diào)查和評(píng)估動(dòng)物疫病流行病學(xué)信息，為及時(shí)發(fā)現(xiàn)新發(fā)病及其癥狀，盡早防控疫病提供便利。目前，根據(jù)傳染病的發(fā)生和發(fā)展規(guī)律，利用各種模型或算法對(duì)傳染病的發(fā)生和發(fā)展作出預(yù)測(cè)，進(jìn)而對(duì)傳染病的流行趨勢(shì)及影響范圍進(jìn)行預(yù)警，是疫病預(yù)防控制中的一項(xiàng)重要工作[6]。美國區(qū)域性流感大暴發(fā)，當(dāng)?shù)丶部刂行母鶕?jù)哨點(diǎn)監(jiān)測(cè)數(shù)形成的分析報(bào)告存在1～2周的滯后期，而谷歌公司運(yùn)用搜索詞條和統(tǒng)計(jì)建模相結(jié)合的方法，在流感暴發(fā)1 d后就形成了疫情報(bào)告，具有顯著的時(shí)間優(yōu)勢(shì)。與此同時(shí)，谷歌的監(jiān)測(cè)和預(yù)測(cè)分析還曾成功預(yù)測(cè)了H1N1事件和幾內(nèi)亞等地的埃博拉流行情況?；诰W(wǎng)絡(luò)的監(jiān)測(cè)系統(tǒng)可以更快地鎖定流行區(qū)域的發(fā)病熱點(diǎn)，預(yù)測(cè)結(jié)果具有更好的時(shí)效性[17-18]。

知曉疫情后，大數(shù)據(jù)分析可以及時(shí)幫助政府作出決策，提供更好的防控措施與政策。例如，Vanina等[19]篩選出與伴侶動(dòng)物祛蜱相關(guān)的熱度最高的網(wǎng)絡(luò)搜索詞，并據(jù)此為當(dāng)?shù)卣贫烁嗅槍?duì)性的蜱蟲病防控策略?！办畛缦x”這個(gè)詞條關(guān)聯(lián)性最高，因此在宣傳干預(yù)防控政策中，指導(dǎo)寵物飼養(yǎng)人群如何有效祛除蜱蟲和更有針對(duì)性地分配發(fā)放驅(qū)蟲工具就被列為干預(yù)重點(diǎn)。

2.2　輔助監(jiān)測(cè)與疫病應(yīng)急處置

大數(shù)據(jù)挖掘出的有效信息可以應(yīng)用于監(jiān)測(cè)工作[20]。美國現(xiàn)行寵物疫病癥狀實(shí)時(shí)監(jiān)測(cè)系統(tǒng)涵蓋了當(dāng)?shù)?00多家寵物醫(yī)院，其系統(tǒng)數(shù)據(jù)挖掘功能可以及時(shí)發(fā)現(xiàn)動(dòng)物疫病異常事件的時(shí)空分布，結(jié)合暴露信息數(shù)據(jù)，還可以進(jìn)行后續(xù)疫病病因?qū)W研究[15]。針對(duì)重大疫病應(yīng)急防控信息化管理需要，白維生等[21]創(chuàng)建了基于地理信息系統(tǒng)（GIS）的北京市動(dòng)物疫病應(yīng)急指揮平臺(tái)，解決了疫源分析、劃定疫點(diǎn)、疫區(qū)、受威脅區(qū)、路口封鎖、疫情監(jiān)測(cè)、無害化處理及解除封鎖等一系列應(yīng)急處置中的關(guān)鍵問題，實(shí)現(xiàn)了北京市重大動(dòng)物疫病信息化和一體化的應(yīng)急指揮。

二手?jǐn)?shù)據(jù)挖掘在疾病監(jiān)測(cè)中也發(fā)揮著重要作用。中國動(dòng)物衛(wèi)生與流行病學(xué)中心構(gòu)建了動(dòng)物疫病防控輿情平臺(tái)，利用網(wǎng)絡(luò)爬蟲，對(duì)定點(diǎn)網(wǎng)站、論壇和博客中涉及的大眾對(duì)動(dòng)物疫病，特別是熱點(diǎn)病種的輿論信息，進(jìn)行動(dòng)態(tài)監(jiān)測(cè)和定向采集，每月出一期輿情簡(jiǎn)報(bào)，客觀匯總當(dāng)月大眾對(duì)熱點(diǎn)疫病的態(tài)度[22]。BioCaster[23]也根據(jù)網(wǎng)絡(luò)語言信息建立了挖掘傳染病暴發(fā)情況，追蹤傳染病分布情況的系統(tǒng)，包括話題分類、實(shí)體識(shí)別命名、疾病和位置挖掘和疾病事件識(shí)別。2014年，該系統(tǒng)通過新聞報(bào)道甄別出了幾內(nèi)亞的異常發(fā)熱情況，比官方發(fā)布的西非埃博拉疫情早了9 d。加拿大全球公共衛(wèi)生情報(bào)網(wǎng)絡(luò)（GPHIN）最早監(jiān)測(cè)到了廣東的SARS疫情，比WHO公布的SARS疫情早了兩個(gè)月[24]?？梢姡髷?shù)據(jù)監(jiān)測(cè)和挖掘?qū)鹘y(tǒng)監(jiān)測(cè)方法起到了補(bǔ)充和輔助作用[25]，且時(shí)效性更強(qiáng)。

獸藥是預(yù)防、治療和診斷動(dòng)物疫病的特殊商品，為做好安全監(jiān)管，我國建立了獸藥產(chǎn)品監(jiān)測(cè)系統(tǒng)，首次實(shí)現(xiàn)了獸藥產(chǎn)品流向可追溯和來源可查詢，提高了監(jiān)管效率，遏制了造假售假行為，保障了動(dòng)物安全[26]。利物浦大學(xué)搭建了小動(dòng)物獸醫(yī)監(jiān)測(cè)網(wǎng)（SAVSNET），其功能之一就是監(jiān)測(cè)貓和狗的抗生素應(yīng)用情況及其耐藥性[27-29]。

2.3　輔助臨床醫(yī)生作出科學(xué)決策

將動(dòng)物疫病防控領(lǐng)域的研究成果和數(shù)據(jù)信息整合成數(shù)據(jù)庫，可以為探究更多的疫病風(fēng)險(xiǎn)因素及其關(guān)聯(lián)提供基礎(chǔ)數(shù)據(jù)，彌補(bǔ)知識(shí)缺陷，提供更全面的動(dòng)物健康保護(hù)措施。診斷方案和接種建議等臨床決策和研究重點(diǎn)可以從資源整合系統(tǒng)中找到證據(jù)支持[30-31]。由于當(dāng)前收集的高質(zhì)量數(shù)據(jù)有限，一些獸醫(yī)臨床診斷結(jié)論都是基于案例研究、個(gè)人經(jīng)驗(yàn)、人類醫(yī)學(xué)和同行建議制定的，存在一定程度的不確定性和主觀性。大數(shù)據(jù)挖掘技術(shù)促進(jìn)了獸醫(yī)循證醫(yī)學(xué)的發(fā)展，幫助臨床醫(yī)生作出有科學(xué)依據(jù)的決策。英國皇家獸醫(yī)學(xué)院開發(fā)的VetCompass平臺(tái)，能夠提供伴侶動(dòng)物的外科學(xué)、病原學(xué)、微生物學(xué)、病毒學(xué)和寄生蟲學(xué)等多方面證據(jù)，幫助臨床醫(yī)生做出更科學(xué)的疫病診斷、治療和防控決策[32]。未來通過VetCompass這類資源整合系統(tǒng)，結(jié)合數(shù)據(jù)智能分析，可以形成動(dòng)物疫病防控的個(gè)性化定制服務(wù)，實(shí)現(xiàn)用戶通過網(wǎng)絡(luò)平臺(tái)實(shí)時(shí)為畜禽尋醫(yī)問診[33]?，F(xiàn)在部分大型養(yǎng)殖場(chǎng)正在探索視頻圖像分析技術(shù)，利用人工智能系統(tǒng)，監(jiān)測(cè)畜禽的體溫、咳嗽、體重、進(jìn)食情況和運(yùn)動(dòng)強(qiáng)度，一旦出現(xiàn)異常，就在第一時(shí)間做出疫情預(yù)警，以達(dá)到控制疫病的目的[34]。

3　大數(shù)據(jù)時(shí)代動(dòng)物疫病防控面臨的挑戰(zhàn)及展望

3.1　對(duì)數(shù)據(jù)獲取平臺(tái)和技術(shù)提出更高要求

在大數(shù)據(jù)時(shí)代，想要獲取更多有效信息，幫助臨床決策、防控決策和科研工作，對(duì)數(shù)據(jù)獲取平臺(tái)和技術(shù)就有更高要求。數(shù)據(jù)獲取平臺(tái)應(yīng)該有廣泛的覆蓋范圍，如英國的VetCompass系統(tǒng)涵蓋了全國498個(gè)獸醫(yī)診所，超過600萬只伴侶動(dòng)物，近4 000萬條診療信息，形成了完善的上報(bào)系統(tǒng)。該項(xiàng)目分為3個(gè)階段：一是通過VetCompass平臺(tái)獲取獸醫(yī)臨床數(shù)據(jù)；二是研究人員挖掘數(shù)據(jù)信息；三是創(chuàng)建世界最大規(guī)模的實(shí)時(shí)監(jiān)測(cè)接口[35]。當(dāng)前澳大利亞也引入了這一系統(tǒng)，并已經(jīng)處于第二階段應(yīng)用。我國動(dòng)物疫病和檢疫等信息上報(bào)系統(tǒng)的數(shù)據(jù)存在一定問題，尚不能提供準(zhǔn)確及時(shí)的疫病預(yù)警，在進(jìn)行數(shù)挖掘的時(shí)候會(huì)嚴(yán)重影響分析結(jié)果。因此，構(gòu)建覆蓋面廣、數(shù)據(jù)質(zhì)量高和兼容性強(qiáng)的數(shù)據(jù)庫是數(shù)據(jù)挖掘的基礎(chǔ)之一。

3.2　規(guī)范選取關(guān)鍵詞

開展網(wǎng)絡(luò)信息監(jiān)測(cè)，直接關(guān)系到數(shù)據(jù)的可用性，甚至影響到數(shù)據(jù)分析和防控方案制定，因此選取搜索詞需要更加嚴(yán)謹(jǐn)。近年來，研究熱點(diǎn)聚焦于探索監(jiān)測(cè)的新方法，運(yùn)用對(duì)網(wǎng)絡(luò)數(shù)據(jù)流的分析，預(yù)測(cè)疾病高發(fā)時(shí)段。當(dāng)前研究表明，基于網(wǎng)絡(luò)數(shù)據(jù)的監(jiān)測(cè)系統(tǒng)在人群傳染病監(jiān)測(cè)中起到了很大的作用，但在獸醫(yī)領(lǐng)域應(yīng)用較少。Guernier[36]在動(dòng)物疫病應(yīng)用上作出了嘗試，根據(jù)高頻搜索詞條成功制定了有效防控政策。谷歌公司在搜索詞的選取上主要依據(jù)線性模型的擬合和驗(yàn)證，對(duì)搜索詞進(jìn)行過濾，保證了流感模型預(yù)測(cè)的準(zhǔn)確性[17]。

3.3　結(jié)構(gòu)化數(shù)據(jù)有待規(guī)范

當(dāng)前監(jiān)測(cè)和調(diào)研體系產(chǎn)生的結(jié)構(gòu)化數(shù)據(jù)存在一些問題，如格式不統(tǒng)一、質(zhì)量參差不齊、輸入?yún)R總繁瑣、數(shù)據(jù)對(duì)比與獲取困難等。建議制定行業(yè)規(guī)范，建立日常的實(shí)驗(yàn)室檢測(cè)、診斷和現(xiàn)場(chǎng)調(diào)查等一手?jǐn)?shù)據(jù)采集和上報(bào)的數(shù)據(jù)標(biāo)準(zhǔn)規(guī)范。例如，進(jìn)行重大動(dòng)物疫病防控信息報(bào)送工作，開發(fā)標(biāo)準(zhǔn)化的臨床觀察數(shù)據(jù)現(xiàn)場(chǎng)記錄系統(tǒng)，提高數(shù)據(jù)兼容性。遼寧省制定了《遼寧省畜牧獸醫(yī)部門統(tǒng)計(jì)管理辦法》和《遼寧省畜牧獸醫(yī)信息工作量化考核暫行辦法》等管理辦法，加大對(duì)系統(tǒng)數(shù)據(jù)源頭采集者，包括村獸醫(yī)和鄉(xiāng)鎮(zhèn)動(dòng)物防疫監(jiān)督所的監(jiān)管人員，通過建立嚴(yán)格的數(shù)據(jù)收集和錄入制度，明確責(zé)任，確保數(shù)據(jù)錄入及時(shí)、準(zhǔn)確[37]。

3.4　構(gòu)建大型智能模型系統(tǒng)

解決非結(jié)構(gòu)化數(shù)據(jù)的挖掘利用，應(yīng)該依靠構(gòu)建大型智能模型系統(tǒng)，從處理結(jié)構(gòu)化數(shù)據(jù)向處理繁多的非結(jié)構(gòu)化數(shù)據(jù)拓展，開發(fā)能夠識(shí)別和處理非結(jié)構(gòu)化數(shù)據(jù)的方法[1]。

3.5　完善數(shù)據(jù)的存儲(chǔ)和安全

大數(shù)據(jù)時(shí)代，如何做好數(shù)據(jù)存儲(chǔ)和安全工作，合理利用數(shù)據(jù)，注重研究對(duì)象隱私保護(hù)，是一項(xiàng)新的挑戰(zhàn)。谷歌公司注重對(duì)研究對(duì)象隱私的保護(hù)，所有患病數(shù)據(jù)均無法與確切的個(gè)人信息關(guān)聯(lián)（包括ID、IP和具體地址）。依據(jù)谷歌隱私保護(hù)政策，所有超過9個(gè)月的原始網(wǎng)站搜索日志均會(huì)被隱去隱私信息[17]，這種保護(hù)研究對(duì)象隱私的做法值得借鑒。

參考文獻(xiàn)：

[1] 許世衛(wèi). 農(nóng)業(yè)大數(shù)據(jù)與農(nóng)產(chǎn)品監(jiān)測(cè)預(yù)警[J]. 中國農(nóng)業(yè)科技導(dǎo)報(bào)，2014，16（5）：14-20.

[2] 王文生，郭雷風(fēng). 農(nóng)業(yè)大數(shù)據(jù)及其應(yīng)用展望[J]. 江蘇農(nóng)業(yè)科學(xué)，2015，43（9）：43-46.

[3] KHOURY M J，IOANNIDIS J P A. Big data meets public health[J]. New zealand medical journal，2014，93（676）：1054-1055.

[4] 肖輝，周征奇，肖革新，等. 公共衛(wèi)生領(lǐng)域中的數(shù)據(jù)挖掘[J]. 醫(yī)學(xué)信息學(xué)雜志，2013，34（12）：1-5.

[5] 石曉敬. 數(shù)據(jù)挖掘及其在醫(yī)學(xué)信息中的應(yīng)用[J]. 醫(yī)學(xué)信息學(xué)雜志，2013，34（5）：2-6.

[6] 屈曉暉，袁武，袁文，等. 時(shí)空大數(shù)據(jù)分析技術(shù)在傳染病預(yù)測(cè)預(yù)警中的應(yīng)用[J]. 中國數(shù)字醫(yī)學(xué)，2015，（8）：36-39.

[7] 簡(jiǎn)禎富，許嘉裕. 大數(shù)據(jù)分析與數(shù)據(jù)挖掘[M]. 北京：清華大學(xué)出版社，2016.

[8] 高昭昇，曹晉軍，馮柳，等. 基于大數(shù)據(jù)的傳染病爆發(fā)、預(yù)測(cè)和預(yù)警等應(yīng)用分析[J]. 中國衛(wèi)生事業(yè)管理，2016，33（4）：270-272.

[9] 于長(zhǎng)春，賀佳，范思昌，等. 數(shù)據(jù)挖掘技術(shù)在醫(yī)學(xué)領(lǐng)域中的應(yīng)用[J]. 第二軍醫(yī)大學(xué)學(xué)報(bào)，2003，24（11）：1250-1252.

[10] 史倩楠，馬家奇. 公共衛(wèi)生大數(shù)據(jù)分析方法與應(yīng)用方向[J]. 中國數(shù)字醫(yī)學(xué)，2016，11（2）：10-12.

[11] 張會(huì)會(huì)，馬敬東，邸金平. 商業(yè)智能在醫(yī)療衛(wèi)生領(lǐng)域的應(yīng)用[J]. 中國衛(wèi)生信息管理雜志，2014（3）：255-9.

[12] 佚名. 科學(xué)家利用“機(jī)器學(xué)習(xí)”人工智能實(shí)現(xiàn)傳染病早期預(yù)警[J]. 技術(shù)與市場(chǎng)，2015（10）：3.

[13] 鄒北驥. 大數(shù)據(jù)分析及其在醫(yī)療領(lǐng)域中的應(yīng)用[J]. 計(jì)算機(jī)教育，2014（7）：24-29.

[14] 寧康，陳挺. 生物醫(yī)學(xué)大數(shù)據(jù)的現(xiàn)狀與展望[J]. 科學(xué)通報(bào)，2015（5）：534-546.

[15] KASS P H，WENG H Y，GAONA M A L，et al.Syndromic surveillance in companion animals utilizing electronic medical records data：development and proof of concept[J]. Peerj，2016，4（Suppl）：e1940.

[16] PFEIFFER D U，STEVENS K B. Spatial and temporal epidemiological analysis in the big data era[J]. Preventive veterinary medicine，2015，122（1/2）：213-220.

[17] GINSBERG J，MOHEBBI M H，PATEL R S，et al.Detecting in fl uenza epidemics using search engine query data[J]. Nature，2009，457（7232）：1012.

[18] MILINOVICH G J，MAGALH ES R J，HU W. Role of big data in the early detection of Ebola and other emerging infectious diseases[J]. Lancet global health，2015，3（1）：e20.

[19] VANINA G，MILINOVICH G J，ANTONIO B S M，et al. Use of big data in the surveillance of veterinary diseases：early detection of tick paralysis in companion animals[J]. Parasites&vectors，2016，9（1）：1-10.

[20] KLOMPAS M，MURPHY M，LANKIEWICZ J，et al. Harnessing electronic health records for public health surveillance[J]. Online Journal of public health informatics，2011，3（3）：1.

[21] 白維生，張瑞俠，史明昌，等. 基于GIS的北京市動(dòng)物疫病應(yīng)急指揮平臺(tái)設(shè)計(jì)與應(yīng)用[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2011，27（5）：195-201.

[22] 徐全剛，李金花，柳宜江，等. 動(dòng)物疫情信息分析系統(tǒng)本體的構(gòu)建[J]. 中國動(dòng)物檢疫，2018，35（1）：13-16.

[23] COLLIER N，DOAN S，KAWAZOE A，et al.BioCaster：detecting public health rumors with a webbased text mining system[J]. Bioinformatics，2008，24（24）：2940.

[24] MYKHALOVSKIY E，WEIR L. The global public health intelligence network and early warning outbreak detection：a Canadian contribution to global public health[J]. Canadian journal of public health = revue canadienne de santpublique，2006，97（1）：42.

[25] MILINOVICH G J，WILLIAMS G M，CLEMENTS A C，et al. Internet-based surveillance systems for monitoring emerging infectious diseases[J]. Lancet infectious diseases，2014，14（2）：160-168.

[26] 郝毫剛，高錄軍，張積慧，等. 基于獸藥電子追溯的獸藥大數(shù)據(jù)平臺(tái)建設(shè)研究[J]. 中國獸藥雜志，2017，51（3）：4-10.

[27] MATEUS A，BRODBELT D C，BARBER N，et al.Antimicrobial usage in dogs and cats in first opinion veterinary practices in the UK[J]. The Journal of small animal practice，2011，52（10）：515-521.

[28] RADFORD A D，NOBLE P J，COYNE K P，et al.Antibacterial prescribing patterns in small animal veterinary practice identified via SAVSNET：the small animal veterinary surveillance network[J]. The veterinary record，2011，169（12）：310.

[29] BUCKLAND E L，O'NEILL D，SUMMERS J，et al.Characterisation of antimicrobial usage in cats and dogs attending UK primary care companion animal veterinary practices[J]. Veterinary record，2016，179（19）：489.

[30] LANYON L. Collecting the evidence for EBVM：who pays?[J]. Veterinary record，2016，178（5）：120-121.

[31] ROBINSON N J，DEAN R S，COBB M，et al.Paper：investigating common clinical presentations in first opinion small animal consultations using direct observation[J]. Veterinary record，2015，176（18）：463.

[32] MUELLNER P，MUELLNER U，GATES M C，et al. Evidence in practice – a pilot study leveraging companion animal and equine health data from primary care veterinary clinics in New Zealand[J]. Frontiers in veterinary science，2016，3（1）：116.

[33] 李仁良. 決策樹算法在臨床診斷中的應(yīng)用研究[D]. 阜新：遼寧工程技術(shù)大學(xué)，2009.

[34] 阿里云. 馬云也開始養(yǎng)豬了，兩年后達(dá)到1000萬頭!畜牧界開始不淡定了[EB/OL]. （2018-02-09）[2018-03-14]. http://k.sina.com.cn/article_6433157727_17f7232 5f001003nst.html.

[35] MCGREEVY P，THOMSON P，DHAND N K，et al.VetCompass Australia：a national big data collection system for veterinary science[J]. Animals an open access journal from mdpi，2017，7（10）：1.

[36] GUERNIER V，MILINOVICH G J，SANTOS M A B，et al. Use of big data in the surveillance of veterinary diseases：early detection of tick paralysis in companion animals[J]. Parasites&vectors，2016，9（1）：1-10.

[37] 魏學(xué)義，李寧. 遼寧省畜禽分布定位及重大動(dòng)物疫病防控調(diào)度指揮系統(tǒng)建設(shè)推進(jìn)現(xiàn)代畜牧業(yè)發(fā)展[J]. 現(xiàn)代畜牧獸醫(yī)，2007（10）：1-2.