大数据与健康管理的关系及实践

大数据与健康管理的关系及实践

郑末枝

国网湖北省电力公司职工医院医务部430000

【摘要】大数据是指超出常规数据库工具获取、存储、管理及分析能力的数据集，将大数据技术应用于健康管理是时代发展的必然趋势。本研究阐述了大数据、健康管理的内涵及国际国内大数据在健康管理中的应用现状，提出了大数据在健康管理应用中面临的困难并探讨了解决对策。

【关键词】大数据；健康管理；实践

目前健康管理越来越受到人们的重视，健康管理需求在不断增加。大数据时代的到来，可为动态掌握健康状况、及时处理健康问题、实现个体化用药等提供更多可能。来自基础研究和临床的大量数据正爆炸性地进入大众健康和个人健康领域，大数据方法则可以帮助人们有效应对空前规模的数据信息。本文探讨了大数据在健康管理中的应用研究进展，以期促进大数据在健康管理中的应用、提高人们运用大数据技术服务健康管理的意识和水平。

一、概念与内涵

1.1大数据

即涉及的数据量规模巨大，无法通过人工在合理时间内截取、管理、处理并整理成为人类能解读的信息的数据［1］，这些数据已超出典型软件的管理能力。国际数据公司（IDC）认为大数据的特征包括：海量的数据模式，快速的数据流转，动态的数据体系，多样的数据类型，巨大的数据价值［1］。大数据的真正价值不在于数据本身，而是通过处理、分析后的数据共享，使不同利益攸关方能够及时获取信息，从而大大降低数据收集和处理的成本。大数据分析因其强大的预测能力，在疾病诊疗、模型建立、个人健康管理、基因分析等领域逐渐显示出强大的优势［2］.

1.2健康管理

是指一种对个人或人群的健康危险因素进行全面管理，建立以个人健康档案为核心的全生命周期的全面管理过程［3］。健康管理服务包括健康状况检测、风险评估、风险干预或健康促进３个基本服务内容，由专家对居民健康程度做出诊断，预测可能发生的健康问题，采取适当措施，避免高危人群患病，阻止已患疾病病情恶化，减少个人医疗费用支出，节省医保资金，实现疾病的科学管理［4］。

在健康管理领域，可通过对临床数据、行为数据的大数据分析，为患者提供个体化的预防保健服务，设计出个性化的健康体检套餐［5］；医疗机构可利用大数据提高生产力、改进医疗护理水平、增强创新能力；利用大数据可预测疾病，如流感的爆发等，与生活方式有关的疾病也可以通过长时间的数据观察进行预测，如吸烟与肺癌的关系；在疾病的发展过程中，若能及时筛查和干预危险因素，至少８０％的死亡可以避免［6］；通过大数据技术可以分析海量的临床治疗记录、用药记录、治疗效果及医疗费用等数据，得出针对疾病的最有效治疗方法和临床路径，为医护人员做出临床决策提供强有力的支持，从而将医护人员的经验与大数据优势结合起来，提高临床决策成效；对于基层医院而言，医学大数据的使用有助于提高医疗水平，消除或部分消除因医疗资源分配不均带来的不利影响；通过分析来自社交网络慢性病患者的数据可获得院外治疗效果；将大数据驱动方法应用于个人保健领域，一方面可贯彻以患者为中心的理念，另一方面，研究认为还可以降低患者的再入院率［7］。

二、大数据技术应用于健康管理的具体实践。

根据健康管理理论，健康管理过程是健康管理循环的不断运行，即对健康信息的检查监测（发现健康问题）一评价（认识健康问题）一干预（解决健康问题）—再监测一再评价一再干预??［8］。

2．1过程一健康信息的收集和监测，形成数据库只有对个人的健康状况深入了解。才能提供个性化的健康管理服务，有效的维护个人健康。监测的具体内容包括个人一般情况（性别、年龄等），目前健康状况和疾病家族史，生活方式（膳食、体力活动、吸烟、饮酒等），体格检查（身高、体重、血压等），近期血、尿实验室检查（血脂、血糖等）、疾病情况甚至死亡资料，工作生活中接触的各种健康危害因素。慢性生活方式疾病的自然进程是多种健康危险因素作用的长期积累、叠加、协同的过程，健康危险因素具有潜伏期长、特异性弱、广泛存在和联合作用等特点，需要长期、全面、动态监测。通过智能化设备实时监测、收集的这些健康危险因素可以获得海量数据，而大数据技术则可以将检测数据传送并储存于云端，形成连续不断的全面的个人健康档案数据库。为个体针对性的预防干预提供方向和依据。

2．2过程二健康和疾病风险评估利用前期收集的个人健康档案数据库，建立适合各地区和民族的各种疾病的数理统计模型，这时的模型源自大数据，其准确性性和拟合度可以达到相当高的水准，根据模型进行个体和群体的健康危险因素评价。

2．2．1个体评价：区分健康危险因素的主次，根据健康检查发现的健康信息，通过健康危险因素评估，分成一般人群、高危人群、疾病人群，为每个对象做出评价并制订个性化干预计划，进行分类干预。

2．2．2群体评价：对群体的健康危险因素、阳性指标（有病史的和新发现的）、发生疾病的危险度的频率及其动态进行分析评估，形成群体健康危险因素的监测资料，提出群体干预计划的建议。比如：卫生部门可以通过遍布全国的数据库，监测并预测疫情在人群中的传播，快速进行响应。2009年美国甲型H1N1流感疫情的抗击过程中，谷歌公司就利用大数据算法分析用户在搜索引擎中的搜索关键词，建立流感趋势预测系统，能提前1—2周准确地预测特定区域的流行强度。

2．3过程三开展健康危险因素干预对于健康危险因素进行干预是健康管理循环的核心环节，也是健康管理的核心内容和落实“三级预防”措施的具体落实。对一般人群开展健康教育，对各类疾病人群开展针对性的健康促进诊疗措施，对于高危人群进行个体化的指导，在这一过程中，具有大数据技术的健康管理可以实现对健康危险因素全程、全方位干预。

三、大数据在健康管理中应用面临的困难及对策

3.1数据共享不畅导致健康数据未被充分使用

健康数据由政府、制药企业、医疗机构、医保公司及患者本人等提供［9］，健康数据不易获得，个人数据一般为个人、商业实体及非政府组织等控制，通常会严格控制，使用须获得授权。另外，政府管控的数据也是严格准入的，在使用过程中必须妥善处理各方利益。

另外，健康数据的格式繁多，内容不统一，记录不完整，客观上增加了实现数据共享的难度。目前，我国部分医疗机构尤其是基层医疗卫生机构仍以书面形式记录患者的健康资料，已推行电子病历的医疗机构所使用的电子病历系统也是各式各样，这给健康数据的使用和信息流通管理增加了困难。国内医疗机构之间的信息总体上互不流通、互不分享，互不承认，对此，国家应做好顶层设计，破除内部和外部、公共和商业之间的健康数据流通壁垒，整合多渠道信息，建立统一的信息流动数据库，为大数据分析提供信息池。卫生部门应建立基于共享理念的全国统一的电子健康档案系统，为全面开展健康管理服务提供保障。政府、社会组织要积极宣传和引导民众共享和使用健康数据。

3.2数据质量有待提高

大数据分析的前提是具备一定规模的数据，收集数据是医学研究中最大的难题之一。数据的质量会直接影响分析结果，最终影响建模质量［2］，健康数据几乎都以片段形式出现，包括半结构数据和非结构数据。信息记录残缺，时效性差，描述不规范，信息之间的关联性差。来自网络的数据更是杂乱无章，信息噪音大，绝大部分不具有医学价值［10］，同时，大数据中有许多“脏数据”，即虚假数据，对这些数据的分析将会得出不正确的结论，导致错误的预测结果，对健康管理会产生严重的负面影响。因此，应认真检查数据的真实性，医疗数据使用时要与临床经验和实际情况相结合。

3.3数据分析和使用中存在的问题健康数据包含大量的非结构化数据且规模已达ＰＢ级［10］，整合、分析和存储具有一定难度。目前，国内对大数据的关注主要是数据的准确性，对数据之间的关联性挖掘尚处于初始状态［10］。云计算在大数据中的使用大大提高了数据处理速度，为大数据分析提供了更加高效和可行的解决办法［2］。从大量信息中提取有价值的数据是进行大数据分析的关键步骤，然而大数据中的所有项目均符合条件是不可能的［11］，开发新的数据准入标准和准入系统是必须的。大数据的应用需要标准化的方法，同时能够处理不同格式的大数据［12］。

3．4个人健康数据的隐私保护问题。由于个人健康数据要依靠互联网传输并进行云存储。而互联网网络攻击事件层出不穷。过去的时代里，单个病人的隐私泄露也许是微小的，如：定位信息、病情发展、通信记录等，可能后果并不严重。但在大数据时代，数据就是资源，具有恶意动机的网络攻击者可以从海量的隐私泄露数据中发掘更有价值、能产生利益的数据，如利用这些有价值的信息进行恶意破坏活动，其反作用也是巨大的。

3.5认识不足及人才缺乏带来的挑战。运用大数据是行业内公认的可获得更高水平卫生保健效果的新思路，但整个社会中的大数据意识仍很缺乏。电子健康档案在我国已实施多年，而医务人员和患者仍未充分认识其意义。医务人员仍倾向于结合临床经验做出判断，很少使用基于大数据的循证方法。各级医疗机构多以自我为中心，共享信息的意愿和积极性不高。媒体对智慧医疗、健康管理的宣传不力，导致居民对医疗健康服务的认识仍停留在患病后到医院治疗的传统水平，平时的健康管理多被忽略。医疗机构仅将患者的健康信息录入电脑远远不够，还要利用临床决策系统支持诊断，然后进行效果分析。若不对健康数据进行反向干预，大数据蕴含的巨大价值将永远沉睡。医疗行业缺乏既精通医疗业务又擅长信息技术的健康管理新型人才［10］，这已成为制约我国健康管理产业发展的主要因素。国家应增加投入，加大人才培训力度，完善健康管理人才培养体系，既注重专业水平的培养，也重视统计分析能力的提高。

总之，大数据蕴含大效益，也存在大挑战。在健康管理领域，大数据具有广泛的应用前景，通过大数据可动态监测治疗效果和机体情况，为改良治疗方法提供参考［13］。目前，国际上大数据技术的标准与软件应用尚处于起步阶段，为我国健康管理领域软、硬件及应用技术的创新发展提供了前所未有的机会。

参考文献：

[1]吴之杰，郭清．大数据时代我国健康管理产业发展策略研究［Ｊ］．卫生经济研究，2014，31（6）：14-16.

[2]刘东冬，刘胜林，张佳华，等．基于SWOT模型分析大数据在医疗中的应用［Ｊ］．数字医学，2014，9（11）：13-15，18．

[3]王婷利，徐亚南，王宝刚．三级医院信息化现状及发展趋势展望［Ｊ］．计算机光盘软件与应用，2014，17（17）：24-26.

[4]周光华，辛英，张雅洁，等．医疗卫生领域大数据应用探讨［Ｊ］．中国卫生信息管理杂志，2013，10（4）：296-300.

[5]王仕洪．大数据在健康体检行业的应用价值分析与展望［J］．东方企业文化，2015，12（11）：257.

[6]蒲亚川．可穿戴医疗开启大健康时代［J］.互联网经济，2015，2（4）：16-19.

[7]CHAWLANV，DAVISDA.Bringingbigdatatopersonalizedhealthcare：patient-centeredframework[J].JGenInternMed.

[8]隋栋梁，于杰，范子亮，等.大数据技术在健康管理领域的应用.世界最新医学信息文摘，2015，15（4）.

[9]YUM，LUZ.Opportunityandchallengeofbigdatainimprovingchronicnon-communicablediseases：byhealthsystemengineeringapproaches[J].ChinMedJ[Engl]，2014，127（19）：3361-3363.

[10]朱蕊，彭龑．医疗大数据的应用［Ｊ］．中国西部科技，2015，14（5）：95-97.

[11]KHANN，YAQOOBI，HASHEMIA，etal.Bigdata：survey，technologies，opportunities，andchallenges[J].ScientificWorldJournal，2014，2014：1-18.

[12]GUJ，TAYLORCR.Practicingpathologyintheeraofbigdataandpersonalizedmedicine[J].AppiimmunohistochemMolMorphol，2014，22（1）：1-9.

[13]SSANT，BYERSSW，DAKSHANAMURTHYS.Bigdata：thenextfrontierforinnovationintherapeuticsandhealthcare[J].ExpertRevClinPharmacol，2014，7（3）：293-298.