纽约长老会医院利用 Neo4j 提升感染追踪分析能力

挑战

阻止感染传播是医院面临的关键问题。

纽约长老会医院分析项目负责人 Michael Zelenetz 着手制定一种
追踪感染传播的方式。Zelenetz 和他的团队试图找出连接点，以便
医院工作人员能够集中精力减少或消除感染。

但追踪传染病需要同时知道感染患者在哪里以及患者何时在那里。
Zelenetz 说：“对我们来说，能够同时审视时间和空间中的事件至关重要。”
“我们希望能够提出这样的问题：‘谁在住院期间感染了？’以及
‘他们在感染时与谁共用一个房间？’我们在建模空间和时间的关系方面遇到了困难。”
建模空间和时间的关系。”

地图可以标明事件发生地点，但不能标明发生时间。时间序列捕捉了事件的顺序，
但未显示发生地点。

追踪感染需要结合这些数据。“我们不断遇到的问题是，我们想知道患者在就诊期间发生了什么，
以及在某个事件发生时他们身在何处，”Zelenetz 说。
某个事件发生了，”Zelenetz说道。

解决方案

图技术提供了一种灵活的方式来连接事件的所有维度：发生了什么、何时发生以及在哪里发生。
发生地点。

该团队提议使用 Neo4j 来绘制空间和时间的图。他们希望记录医院中发生的每一个事件——
从患者入院到他们接受的所有检查以及出院。
以及他们出院。

首先，Zelenetz 寻找在 Neo4j 中创建时间树以建模时间序列数据的方法。他使用了
他在 Neo4j 博客文章中找到的代码来创建时间树。然后，他创建了一个位置树来建模
设施中的所有房间。

数据建模是任何 Neo4j 项目的关键部分。可视化他们最初的模型揭示了大量的
关系，但仅仅这些并不能满足他们的目标。Zelenetz 决定添加一个事件
实体来连接时间和位置树。

事件实体包括时间、空间、地点和持续时间，并带有事件开始和
结束的时间戳。

包含事件实体使数据模型变得灵活；他们创建的图可以服务于多个
用例，并最终使纽约长老会医院的分析团队能够分析其设施中发生的一切。
设施。

Zelenetz 将他创建的图数据集输入到社区检测图算法中。该算法
将事件分组到肿瘤学和儿科等各个专业中，验证了团队的工作。
团队的工作。