公共卫生大数据应用模式探讨

摘要：推进公共卫生大数据应用是健康中国建设的必然要求，是推进深化医改，完善卫生与健康治理模式的重要支撑。简述了公共卫生大数据的组成与分布，重点阐述了大数据在传染病预防与控制、慢性病防治管理、健康管理、职业病防治管理等方面的应用模式，指出了大数据应用存在的主要问题，以期为更好地推动大数据在公共卫生领域中的应用发挥积极指导作用。
关键词： 公共卫生 大数据

　　2016年6月，国务院印发《关于促进和规范健康医疗大数据应用发展的指导意见》（国办发〔2016〕47号），指出要夯实健康医疗大数据应用基础，推进公共卫生大数据应用，认为健康医疗大数据应用发展将带来健康医疗模式的深刻变化，有利于激发深化医药卫生体制改革的动力与活力，提升健康医疗服务效率和质量。我国构建了覆盖全国的传染病网络直报系统，为公共卫生大数据应用奠定了基础。随着大数据时代的到来，如何更好地开展大数据应用成为亟需解决的重大课题。

　　公共卫生大数据组成与分布

　　公共卫生机构包括疾病预防控制中心、专科疾病防治机构、卫生监督机构、妇幼保健机构、健康教育机构、医疗急救机构、血液管理机构和计划生育服务机构。公共卫生大数据主要包括疾病预防控制中心产生的传染病预防与控制、慢性病防治管理、免疫规划、健康风险监测、精神疾病管理等数据。专科疾病防治机构产生的结核病防治、职业病防治等数据。卫生监督机构产生的卫生计生监督机构与人员信息、卫生行政许可与登记数据、卫生计生监督检测与评价数据、卫生计生监督检查与行政处罚等数据。妇幼保健机构产生的产前保健、产时保健、产后保健、出生医学证明、儿童健康体检、新生儿访视等数据。健康教育机构产生的教育机构管理、教育对象管理、健康教育资料管理、健康教育计划、指导与评估等数据。医疗急救机构产生的急救资源管理、急救事件管理、120调度管理等数据。血液管理机构产生的采血统计信息、供血统计信息、献血者个人信息、献血过程信息、血袋信息、用血明细、血站库存统计信息、血液库存及献血者情况、采供血信息月报表、采供血信息日报表等数据。计划生育服务机构产生的家庭成员信息、已婚育龄妇女信息、妊娠信息、生育信息、孕育情况信息、生殖健康信息、成员流动信息、计划生育技术服务、奖励扶助、计生证件等数据。

　　公共卫生大数据应用模式

　　传染病预防与控制 传染病预防与控制是公共卫生领域内十分重要的内容。在传染病的监测与预警方面，基于国家传染病与突发公共卫生事件网络直报系统产生的传染病监测数据，结合电子病历、电子健康档案、全员人口库，借助网络信息处理技术、文本挖掘技术、GIS、遥感技术以及数据挖掘技术等对医疗数据、病原监测数据、地理信息、互联网信息等进行关键数据提取，建立动态自动预警模型，实现对传染病/新型传染病暴发的早期智能预警。在传染病控制方面，公共卫生大数据提供了传染病从产生、发展到治愈的全过程监测，通过大数据分析有利于筛选传播源、传播途径、传播人群控制、传染病治疗等的关键信息，为有效控制疫情提供决策支持。基于全球定位系统和健康危险因素监测数据，分析患者到过的场所，确定其时空轨迹，利用关联算法、神经网络等大数据技术分析患者的时空轨迹，查找传播源、传播途径关键信息。疫情发生后，通过对病人的电子病历、电子健康档案、监测设备等数据进行智能筛选，挑选出病情好转的病人资料，为疫苗和药物研发部门提供迅速而有用的参考。

　　慢性病防治管理 慢性病防治管理根据应用主体的不同可以分为个人慢性病管理和群体慢性病管理。个人慢性病管理的大数据应用模式主要表现为对个人慢性病的监测与评估和个体化干预。利用移动健康管理设备获取各种疾病的特征指标，如血压、血糖、心率、热消耗量等，以及患者生活规律和生活方式的指标，如饮食、睡眠、锻炼、吸烟饮酒等情况，将个体生理和行为的监测数据上传，利用大数据技术分析患者体质状况，跟踪病程进展、判断短期风险和长期预后，给予实时的慢性病风险评估和智能预警。建立慢病患者健康档案，利用数据挖掘算法对海量慢性病医嘱数据进行分析，实现慢病患者个体化最优用药方案推荐，为患者进行及时有效的干预措施提供支持。群体慢性病管理的大数据应用模式主要表现为慢性病群体特征刻画、慢性病发展预测、慢性病管理评估和监护。基于电子病历、电子健康档案，通过对群体和个体数据进行特征提取、关联分析、聚类分析、分类分析等，刻画慢性病患者的群体特征，进行患者相似性分析，指导慢性病防治工作开展。通过对患者每次就诊的诊断信息，识别某些疾病发生之间具有的关联性或聚类性，采用基于Apriori算法的关联规则分析，寻找具有强关联的疾病模式，采用KNN 最近邻、朴素贝叶斯算法、决策树、支持向量机、组合算法等对不同并发症、合并症群体的刻画，生成易于理解和可读的规则并具有一定的泛化能力，分析影响慢性病并发症、合并症的关键因素，刻画慢性病患者所处的阶段。基于电子病历、电子健康档案，应用高维空间向量模型和特征选择模型，确定影响慢性病管理和监护的重要因素，采用线性回归、回归树、神经网络等算法建立慢性病管理评估模型和慢性病监护模型，对慢性病管理工作进行评估，指导慢性病监护。