| 摘要 | 第7-9页 |
| Abstract | 第9页 |
| 文献综述 | 第10-57页 |
| 文献综述一 信息流行病学的理论基础与实践 | 第10-24页 |
| 1. 信息流行病学的内涵 | 第11-14页 |
| 1.1 领域源流 | 第11页 |
| 1.2 信息流行病学的研究目的 | 第11页 |
| 1.3 与传统流行病学的关系 | 第11-13页 |
| 1.4 信息流行病学的分类 | 第13页 |
| 1.5 信息流行病学的数据来源 | 第13页 |
| 1.6 信息流行病学研究的方法学流程 | 第13页 |
| 1.7 信息流行病学与健康信息监测学的关系 | 第13-14页 |
| 2 供给侧数据在信息流行病学中的评价维度与应用领域 | 第14-21页 |
| 2.1 评价维度 | 第14-18页 |
| 2.1.1 信息存量与信息存率 | 第14-16页 |
| 2.1.2 信息发生量与信息发生率 | 第16-17页 |
| 2.1.3 信息共现率 | 第17-18页 |
| 2.2 数据来源 | 第18-21页 |
| 2.2.1 搜索引擎 | 第18-19页 |
| 2.2.2 健康服务网站信息 | 第19-20页 |
| 2.2.3 社交网络信息 | 第20-21页 |
| 3 需求侧数据在信息流行病学中的评价维度与应用领域 | 第21页 |
| 3.1 评价维度 | 第21页 |
| 3.2 数据来源 | 第21页 |
| 4 展望 | 第21-22页 |
| 4.1 由被动搜集信息过度到主动获取信息 | 第21-22页 |
| 4.2 结合供给侧与需求侧的信息进行人群健康预测 | 第22页 |
| 4.3 信息流行病学在中国的发展前景 | 第22页 |
| 5 信息流行病学的局限性 | 第22-23页 |
| 6 小结 | 第23-24页 |
| 文献综述二 世界各国中医就诊率及使用率的系统综述研究 | 第24-37页 |
| 1 补充替代医学与中医关系的梳理 | 第24-27页 |
| 1.1 补充替代医学术语源流 | 第24-25页 |
| 1.2 补充替代医学代表性定义 | 第25页 |
| 1.3 补充替代医学的主要分类方式 | 第25-26页 |
| 1.4 补充替代医学报道中医相关信息的提取 | 第26-27页 |
| 2 材料与方法 | 第27-28页 |
| 2.1 文献检索 | 第27页 |
| 2.2 文献纳入排除标准 | 第27-28页 |
| 2.3 研究质量评估 | 第28页 |
| 3 结果 | 第28-33页 |
| 3.1 纳入文献基本情况 | 第28-29页 |
| 3.2 甲、乙类文献情况 | 第29-33页 |
| 4 讨论 | 第33-36页 |
| 4.1 研究设计与报道结果差异的解读 | 第33-34页 |
| 4.2 主要国家中医使用情况 | 第34-36页 |
| 4.2.1 中国大陆及香港、台湾地区 | 第34页 |
| 4.2.2 美国 | 第34-35页 |
| 4.2.3 澳大利亚 | 第35-36页 |
| 5 小结 | 第36-37页 |
| 文献综述三 流感预测模型研究系统综述 | 第37-46页 |
| 1 材料与方法 | 第37-38页 |
| 2 研究结果 | 第38-40页 |
| 2.1 预测指标 | 第38-40页 |
| 2.1.1 流感程度指标 | 第38-39页 |
| 2.1.2 波峰时间与波峰强度 | 第39-40页 |
| 2.1.3 流感持续时间 | 第40页 |
| 2.1.4 小结 | 第40页 |
| 3 讨论 | 第40-42页 |
| 3.1 存在潜在问题的预测指标 | 第41页 |
| 3.2 数据来源 | 第41-42页 |
| 4 结论 | 第42-46页 |
| 参考文献 | 第46-57页 |
| 前言 | 第57-68页 |
| 1 研究背景 | 第57-60页 |
| 1.1 流感的危害与早期预报的价值 | 第57页 |
| 1.2 网络大数据的应用 | 第57页 |
| 1.3 基于网络大数据的信息流行病学流感实时播报模型与预测模型 | 第57-58页 |
| 1.4 “谷歌流感趋势”的不足与补充充替代医学视角下的改良价值 | 第58-59页 |
| 1.5 基于补充替代医学变量建立的流感预测模型相对于传统气象学模型与GFT模型可能具有的优势 | 第59-60页 |
| 2 本研究目的 | 第60页 |
| 2.1 主要目的 | 第60页 |
| 2.2 次要目的 | 第60页 |
| 3 研究设计与原理 | 第60-64页 |
| 3.1 科学假说 | 第60-61页 |
| 3.2 基本研究环节 | 第61-62页 |
| 3.3 原理 | 第62-64页 |
| 3.3.1 信息流行病学模型构建原理 | 第62页 |
| 3.3.2 人群代表性 | 第62-63页 |
| 3.3.3 Elastic Net回归 | 第63页 |
| 3.3.4 流感补充替代医学网上检索词条类别的预判 | 第63-64页 |
| 4 数据来源 | 第64-66页 |
| 4.1 CDC流感数据 | 第64-65页 |
| 4.2 Google Trends点击量数据 | 第65页 |
| 4.3 Google Flu Trends流感样病例预测结果、 | 第65-66页 |
| 5 研究意义 | 第66页 |
| 6 开展本研究需解决的关键技术问题 | 第66-67页 |
| 7 本研究技术路线 | 第67-68页 |
| 1 材料与方法 | 第68-74页 |
| 1.1 第一部分研究:西方网络用户使用搜索引擎检索CAM相关流感健康信息检索词的识别及相关临床证据评价 | 第68-70页 |
| 1.1.1 网络信息检索 | 第69页 |
| 1.1.2 文献信息检索 | 第69-70页 |
| 1.1.2.1 文献的纳入排除标准 | 第69页 |
| 1.1.2.2 总结与分析 | 第69-70页 |
| 1.1.2.3 质量控制 | 第70页 |
| 1.2 第二部分研究:GT检索量数据与CDC报告的ILI数据的相关性分析 | 第70-71页 |
| 1.2.1 搜集GT检索趋势数据 | 第70页 |
| 1.2.2 相关性分析 | 第70页 |
| 1.2.3 统计分析与指标 | 第70-71页 |
| 1.2.4 质量控制 | 第71页 |
| 1.3 第三部分研究:流感实时播报模型的建立与比较 | 第71-72页 |
| 1.3.1 模型训练 | 第71-72页 |
| 1.3.1.1 CAMF-LOS建模 | 第71-72页 |
| 1.3.1.2 CAMF-ELASTIC建模 | 第72页 |
| 1.3.2 质量控制 | 第72页 |
| 1.3.3 使用工具 | 第72页 |
| 1.3.4 评价指标 | 第72页 |
| 1.4 第四部分研究:流感预测模型的比较 | 第72-74页 |
| 1.4.1 模型对比 | 第72-73页 |
| 1.4.2 质量控制 | 第73页 |
| 1.4.3 使用工具 | 第73页 |
| 1.4.4 评价指标 | 第73-74页 |
| 2 研究结果 | 第74-92页 |
| 2.1. 第一部分研究:西方网络用户使用搜索引擎检索CAM相关流感治疗信息检索词条的识别及相关临床证据评价—研究结果 | 第74-80页 |
| 2.1.1 网络CAM治疗流感信息筛选结果 | 第74页 |
| 2.1.2 CAM治疗流感临床证据文献检索与纳入结果 | 第74-75页 |
| 2.1.3 CAM疗法临床证据简述 | 第75-79页 |
| 2.1.3.1 紫锥菊(治疗+预防) | 第75-76页 |
| 2.1.3.2 人参(预防) | 第76-77页 |
| 2.1.3.3 维他命C(治疗+预防) | 第77页 |
| 2.1.3.4 蒜素(预防) | 第77-78页 |
| 2.1.3.5 益生菌(预防) | 第78页 |
| 2.1.3.6 锌锭(治疗) | 第78-79页 |
| 2.1.4 第一部分研究结果小结 | 第79-80页 |
| 2.2. 第二部分研究:GT检索量数据与CDC报告的ILI数据的相关性分析—研究结果 | 第80-86页 |
| 2.2.1 CFQC词集GT检索结果 | 第80页 |
| 2.2.2 相关分析结果 | 第80-86页 |
| 2.3. 第三部分研究:流感实时播报模型的建立与比较—研究结果 | 第86-90页 |
| 2.3.1 NCAMF-LOS模型 | 第86-87页 |
| 2.3.2 NCAMF-ELASTIC模型 | 第87-89页 |
| 2.3.3 模型比较 | 第89-90页 |
| 2.4. 第三部分研究:流感预测模型的比较—研究结果 | 第90-92页 |
| 讨论与结语 | 第92-97页 |
| 1 建模效果评价 | 第92页 |
| 2 本研究模型优势来源分析 | 第92-94页 |
| 3 CAM在现代流感防治中的证据及网络信息与证据的对应性 | 第94页 |
| 4 信息流行病学在中国开展的前景 | 第94-95页 |
| 5 信息流行病学对中医的价值 | 第95页 |
| 6 基于信息流行病学流感发病率预测领域的局限 | 第95页 |
| 7 本研究局限性 | 第95-96页 |
| 8 研究结论 | 第96-97页 |
| 参考文献 | 第97-103页 |
| 附录 | 第103-107页 |
| 致谢 | 第107-108页 |
| 个人简历 | 第108页 |
