大數據在護理學科中的研究進展

朱瑞芳,岳小丁，韓世范

?

大數據在護理學科中的研究進展

朱瑞芳,岳小丁，韓世范

從大數據的基本概念、國內外研究現狀分析并探討大數據背景下構建護理領域知識體系對護理學科發展的重要性，認為在大數據背景下有必要成立護理大數據中心，統一語言標準，建立護理數據庫，構建知識體系結構。

護理;護理學科;大數據;知識體系;進展

我們生活在社會中，就不得不同數據打交道。我們也是數據的一部分，不論我們想不想與大數據牽扯到一起，數據都會找到我們，覆蓋我們。如果沒有數據，許多現代經濟活動根本就不能進行，創新就不會產生，經濟也不會增長。近些年的科技進步徹底改變了我們收集、存儲和管理信息的方式。世界的數字化極大地增加了我們收集數據的數量。大數據技術能夠被用來提取、管理、分析和解釋大量的數據集，并且將他們轉變為能夠轉化為實踐的有意義的假說。隨著信息化進程的不斷加快，醫療衛生領域也已逐漸進入大數據時代，大規模、多渠道、形式多樣的數據可以為護理工作提供新方法和思路，在護理評估、護理實踐水平改進、疾病監測、護理科研和臨床決策支持等方面都存在應用價值。那么如何從海量數據中發現知識，尋找隱藏在大數據中的模式、趨勢和相關性，揭示社會現象與社會發展規律，以及可能的商業應用前景，都需要我們擁有更好的大數據研究中心。可見，在大數據時代到來的今天，護理領域開展大數據研究已成為護理學科發展的重要趨勢。

1 基本概念

1.1 大數據 大數據的概念可以追溯到20世紀70 年代。2009 年開始，大數據成為互聯網信息技術行業的流行詞匯。2010年，維克托·邁爾·舍恩伯格和肯尼斯·庫克耶在編寫《大數據時代》中提出[1]：大數據是指不用隨機分析法，而是采用對所有數據進行的分析處理。麥肯錫全球研究所(MGI)定義[2]大數據是傳統數據庫無法獲取、儲存、管理和分析的大規模數據集合。大數據是從不同的來源收集起來的大量的數據資料，并且對其進行分析。這些數據經常會被形容為5“Vs”：容量(Volume)，速度(Velocity)，多樣(Variety)，真實(Veracity)和價值(Value)。容量指的是數據的龐大。比如，國際商用機器公司(IBM)估算，每天有2.5倍百萬的5次冪字節的數據產生(1個百萬的5次冪是1后面有18個0)。大數據的速度指的是產生的速度，但多樣性指的是有多種類型的數據或資源。真實性指的是為了一個目的而收集的數據，可能對于二次使用會有缺失的數據或者數據質量的問題。比如在護理領域，病人數據最初記錄或者獲取是為了提供病人照護，其次使用是為了其他的用途，比如測定一組病人的護理質量。最后，價值指的是從大數據中得出的新的見解[3]。大數據是一次思維上的變革，主要包括：要全體數據不要抽樣，要效率不要絕對精確，要相關不要因果[1]。大數據的本質是思維、商業和管理領域前所未有的大變革。大數據的核心價值就在于對海量數據的存儲和分析。大數據的戰略意義在于對數據的專業化處理，通過提高數據的加工處理能力，實現數據增值的目的。與傳統數據庫相比，大數據具有以下優勢：能夠存儲海量數據信息；快速實現數據交流與共享；多樣化的數據種類；低密度的價值等。

1.2 大數據中心 大數據中心是指在一個物理空間內實現信息的集中處理、存儲、傳輸、交換和管理，而計算機設備、服務器設備、網絡設備、存儲設備等通常被認為是數據中心核心機房的關鍵設備。

1.3 護理大數據 2011年護理學被列入國家一級學科，它是一門以多學科理論為基礎，研究維護、促進、恢復人類身心健康的護理理論、知識、技術及其發展規律的應用科學。它是一門實踐性科學，作為一門獨立學科在醫學領域中發揮著舉足輕重的作用。大數據與海量信息的時代，人們越來越關注如何把信息技術運用到工作、生活中，海量數據與非結構化數據在醫院中也有比較廣泛的應用，最直觀的變化應該體現在醫院的護理服務中。

護理大數據泛指所有與護理和生命健康相關的極大量數據，包括醫院護理大數據、區域衛生服務平臺大數據、基于大量人群的護理研究或疾病監測大數據等。比起現有的其他技術而言，大數據的廉價、迅速、優化3方面的綜合成本是最優的。大數據將在洞察數據價值、預防疾病蔓延、杜絕醫療浪費、避免高昂醫療費用產生等方面發揮巨大作用，成為使醫療護理更高效的“超能力”。Brennan和Bakken主張：護理需要大數據，大數據需要護理。護理的傳統調查是基于電子健康檔案、索賠數據和公共衛生數據表來理解大數據的。護理數據庫是護理診斷、護理干預和護理結局，是通過一個普遍的護理分類法從大量的電子病歷中提取出來的[4]。

1.4 護理大數據中心 護理大數據中心是集護理學與信息學、分析學于一體，用于識別、定義、管理和交流數據、信息、知識和智慧的護理數據中心，是以大數據挖掘與推理研究為核心的產、學、研一體化的護理研究中心。它是提升我們解讀大數據能力的重要保證。面對同樣的數據，收集的方式相同，但處理的方式不同，所用思路不同、決策的方式不同或觀點不同，其數據處理結果大大不同[5]。因此，形成系統的解讀數據的能力和觀點是大數據中心的核心。

2 國內外研究現狀

2.1 國外研究現狀 伴隨著互聯網技術和計算機技術迅猛發展，大數據產業逐漸在全球興起。美國、英國、日本和韓國等多個國家先后制定了國家大數據戰略。美國甚至提出大數據的戰略地位堪比工業時代的石油。20世紀70年代，美、日等國就已開發了信息系統，并成功應用于醫療護理行業。90年代，美國護士協會和國家護理聯盟把已出版的英文護理學期刊內容做成了CINAHL數據庫。2009 年美國國會頒布HITECH(Health Information Technology for Economic and Clinical Health)法案[6]以來，醫療衛生領域大數據逐漸向人們展示其魅力。截至 2014 年 2 月，美國國立衛生研究院在亞馬遜網絡服務中心已經積累了數以百萬億字節的人類遺傳變異數據，研究人員因此能獲得和分析巨量數據[7]。美國明尼蘇達大學護理學院和它的護理情報中心在2013年和2014年召集了一組專家來參與大數據和轉變醫療衛生共識的科學會議，會議的目標是為了可共享的和可比較的護理數據創建一個國家行為計劃。2015年6月在美國明尼阿波利斯舉辦的護理知識大會上宣布：這個專家組接下來的工作是代表信息學組織、專業護理組織、電子病歷軟件開發商、聯邦政府和醫療衛生提供者，標準化護理術語、普通的數據模型和電子病歷的信息結構是將護理數據整合成用于大數據和大數據科學的臨床數據庫的基礎。2015 年7 月，美國衛生研究院(NIH)下設的護理研究所(National Institute of Nursing Research,NINR)召開護理學大數據會議，試圖推進護理學大數據的發展[8]。美國的護理數據庫包括了護理質量指標國家數據庫(NDNQI)、護理相關結局數據和護理管理最小數據集(NMMDS)等護理數據庫。2011年，韓國生物信息中心計劃開發國家 DNA 管理系統，該系統將集成大量的 DNA 和病人醫療信息，為個人提供個性定制化的診斷和治療[9]。目前應用較好的護理學數據庫是Elsevier旗下的ClinicalKey for Nursing數據庫，但比較遺憾的是此數據庫并沒有漢化版本。

2.2 國內研究現狀 與國外相比，國內在20世紀90年代才開始信息化建設，我國護理學乃至醫療衛生領域大數據起步較晚，發展滯后。在傳統的醫療衛生研究中，計數資料和計量資料是最常見的數據形式，作為數值型的結構化數據，他們可以通過一般的數據分析技術或工具進行數據處理。而在大數據背景下，越來越多的非結構化數據涌現，如文本、圖像、視頻、電子郵件、開放式問答等資料，對這些大規模、多渠道、形式多樣的數據進行理解和探究，以獲取有價值的信息，是大數據研究的主要內容和必然趨勢。目前，我國縣及縣以上醫院基本建立了醫院信息系統，20% 的縣及縣以上醫院建立起以病人為中心、以電子病歷為基礎的掛號、收費、處方、治療一體化的管理信息系統。北京、上海、安徽等 12 個省也已建立電子健康檔案資源庫。醫療衛生“大數據”的數據資源包括：醫療服務的電子健康記錄數據，醫院與醫保的結算與費用數據，醫學研究的學術、社會、政府數據，醫療廠商的醫藥、醫療器械、臨床實驗數據，居民的行為與健康管理數據，政府的人口與公共衛生數據，連同我國公共社會經濟生活中網絡產生的數據，這些構成了醫療衛生領域大數據的初期數據資源[10]。

關于大數據的研究，中國大數據學院成立于2014年，大數據學院和大數據國際論壇均由國際知名培訓機構沃賽思公司牽頭建立。中國教育大數據研究院成立于2015年，是由中國統計信息服務中心、曲阜師范大學共建。后來出現了中國大數據網站，網址http://www.thebigdata.cn/。中國電子科技大學(四川成都)于2014年成立大數據研究中心，網址http//www.bigdata-research.org/about/。貴州醫科大學于2017年開辦一個新的專業——醫學信息工程，專門來做健康大數據的分析。中衛護理信息管理研究院(簡稱“中衛護研院”，網址http://www.zwini.org/nurseinfo-web/page/toIndex )成立于2015年，是一個理事會管理下非營利性的研究機構，專注于研究護理專業和護理管理的前沿問題，積極借助數字化和智能化力量改善護理管理的效能，幫助護理行業解決臨床服務和管理的實際問題。總之，隨著醫藥健康信息學的發展，護理學大數據也越來越受到人們的重視。第五屆中國國際護理信息學大會將與2017年8月21日—25日在中國杭州召開，會議的主題為“信息學促進精準護理——信息助力，護理展翼”。

2.3 政策依據 2013年5月，我國加入“國際護士會(ICN)”，護理事業邁向國際舞臺，護理專業發展的同時也對護理信息的發展提出了新的挑戰。2014年6月，國際護理學會大數據與轉化醫學會議指出：未來的護理工作主要集中在大數據背景下轉變護理實踐、研究和教育，并注重開發和培養如何獲取和集成數據信息的能力。2015年7月，國務院發布《關于積極推進“互聯網+”行動的指導意見》，并提出重塑醫療健康服務模式需要護理人員把握機遇，迎接挑戰，在“互聯網+”健康或者“互聯網+”護理領域中成為設計者和主導者。2016年11月18日，國家衛生計生委制定、印發了《全國護理事業發展規劃(2016年—2020年)》，指出信息化技術的快速發展為護理事業發展創造了有利條件。2016年11月29日山西省人民政府辦公廳成立了大數據發展領導小組。2017年3月13日山西省人民政府印發了山西省大數據發展規劃(2017年—2020年)指出要開展健康醫療大數據示范應用，并努力實現基于大數據分析推動醫療行業治理及臨床醫學科研發展。

綜上所述，護理學領域的大數據研究與應用仍處于較滯后狀態，護士參與大數據研究更多地停留在將資料錄入電子健康檔案(electronic health records,EHR)的階段[5]。目前國家及各級政府也非常重視大數據的應用與發展。所以，護理研究者有必要參與到大數據信息平臺的構建中，在跨機構的多重信息平臺中融入護理學元素。

3 目前存在的問題

盡管大數據被認為是有益的和令人滿意的，可能會促進創新和新思維。但是大數據可能會意味著大的危險。大數據的可信度會被不完整的數據和儲存、獲得、分析和呈現大數據時不清晰的標準和流程所破壞[11]。目前，雖然大數據在多個行業應用價值已充分體現，但也有其自身的局限性和發展的局限性。

3.1 大數據不能說明因果關系，只能說明相關關系 大數據能夠發現“是什么”，而不能說明“為什么”；大數據能夠發現大趨勢和規律，而不能發生顛覆性的創新；大數據能夠提供貼切的服務，而不能創造新需求，這是我們開發研究大數據，推進完善工作的關鍵所在。

3.2 大數據并不代表總體，可能會出現選擇性偏倚 大數據雖然數據量大，也只不過是一個時間斷面的樣本數據，有可能無限逼近總體，但并不代表總體[12]。當數據量過大的時候，會出現干擾信息或者說噪音過大，聚類分析會變得困難。很多數據和想研究的東西并不相關，這時就需要應用統計學的方法去剔除或分析大量無關的數據。所以，在數據挖掘技術中最重要的一步是數據清洗和缺失填補，有時還得計算每一個特征的顯著性統計量，根據分位數、均值、方差、協方差、相關系數進行過濾、填補。

3.3 缺乏標準化的護理專業術語 大數據的應用建立在資源共享的基礎上，而專業術語標準化是實現資源共享，發揮大數據效益和作用的基礎。Sensmeier[13]曾經建議可以使用美國護士協會推薦的全國性的標準護理術語(Systematized Nomenclature of Medicine-Clinical Terms)。當然，在大數據時代下，我們既要與國際接軌，保持與國際機構標準術語間的兼容性；但更重要的是要建立具有中國特色的統一的標準化護理專業術語，以促進我國護理學科的發展。

3.4 缺乏統一的軟件開發 目前，國內的護理信息化體系大多是公司自行研發，護士根據臨床工作需要，向軟件研發人員提出護理信息系統(Nursing Information System,NIS)中的需要，從而進行系統的研發和推進。這種醫院信息系統開發模式僅單一適應某一醫院的需求，并不適用于學校、研究所、數據庫等，也沒有統一的標準，更沒有形成統一的信息體系，使護理信息軟件開發出現水平參差不齊、重復研發等現象，造成了資源的浪費，同時也制約了NIS的推廣。同時，醫院間的信息系統不統一，使醫院之間的信息資源無法共享，不利于信息系統的發展，也制約了大數據的推進。

3.5 護理信息學人才短缺 以美國為代表的國外護理信息學自20世紀90年代得到承認，到21世紀初已形成了一門獨立的學科，擁有專業的教學與研究師資隊伍，并將護理信息學作為特定的資格認證領域。而我國尚存在較大差距，護理信息學的基礎教育還很缺乏，尤其是大多數護理院校并沒有信息方向的研究生教育，且多數醫院也未有專職的護理信息崗位，這樣勢必會阻礙護理信息學的發展。因此，從國家政策層面應設置護理信息師職業資格及考試、培養信息專業人才，才能滿足護理大數據發展的需求。

4 成立護理大數據中心的意義

通常情況下，掌握大數據本身并無意義,真正的意義體現在對于含有大量信息的數據進行專業化的處理[14]。然而，要實現有效處理大批量、一定時間內的專業化數據，就需要特殊的技術支持，如大規模數據挖掘技術等。大數據挖掘不能依靠業余的團隊來做,一定要有專業的核心團隊和核心技術。成立護理大數據中心，可以合理有效地使用大數據，這對其本身發展與進步，對產業界、學術界和教育界都起到至關重要的作用。

4.1 用于預測 大數據的核心意義是預測[15]。一是對熱點趨勢的預測，即對不同數據特征的文獻進行定量或定性分析，揭示文獻情報規律、學科發展趨勢和熱點問題。二是對疾病的預測，例如谷歌對美國人每天頻繁檢索的搜索詞條進行數據挖掘，基于其中45個檢索詞組合的一個數學模型可以準確預測流感，其預測結果與官方數據的相關性達到97%。另外，對于人的基因數據,某些疾病是與遺傳有關的,當我們知道遺傳基因方面的一些問題,就可以進行預防與護理。

4.2 用于評價 科研論文是科研成果和科研活動的主要表現形式，其數量與質量是評價科研單位水平、科研人員研究水平、科研成果水平的重要指標[16]。因此，這里的評價主要是基于“文獻”的評價，目的是為科學家提供服務，具體體現在對護理綜合實力的評價、護理教學的評價、期刊學報的評價、護理人才的評價等。①對護理綜合實力的評價：護理綜合實力泛指護士發現問題、分析問題、解決問題的能力。對醫院護理綜合實力的評價，其實是對護士掌握知識、應用知識的本領等進行評價，從而體現護理人員及護理部的整體科研水平。②對護理教學的評價：“十三五”期間，教育部將構建網絡化、數字化、個性化、終身化的教育體系，利用大數據，可以從設置護理教學目標入手，并以護理教學目標為依據對教學過程和教學效果進行價值判斷和科研評價，以促進信息技術與教育融合的創新發展之路。③對期刊學報的評價：期刊學報的水平高低最終要通過評價予以檢驗。也就是說，評價的標準決定了期刊未來發展的方向和目標。大數據的應用也將為期刊評價提供新的技術手段與方法。研發智能審稿輔助系統，對期刊學報的各項指標進行評價，如對關注度的評價、對創新點的評價、對應用價值等的評價，大大提升了期刊評價標準的精確性與全面性。④對護理人才的評價：護理是一門專業性很強的研究人類健康的科學，護理人才應當是“科學家”型的。而護理又是一門藝術性很強的專業，護理人才也應當是“藝術家”型的。可見，不管是對諾貝爾生理學或醫學獎獲得者的評價，還是對南丁格爾獎獲得者的評價，以及對美國科學院院士的評價都離不開文獻計量學的分析。

4.3 用于科研 傳統的護理科研采用小樣本量進行假設檢驗，在一定程度上使研究結果的可信度大打折扣。在當前的大數據背景下，資料獲取不再困難，護理科研可以擺脫樣本量不足、數據類型單一、經費不足等限制，研究者可以花更多的時間設計研究方案或針對數據分析結果進行深入分析和思考，節省時間、人力和財力的同時提高研究效果。目前護理科研以非實驗性研究為主，描述性研究、病例對照研究和隊列研究是護理研究者最常選擇的研究類型，而大數據資源的大規模、多形式和多來源極好地滿足了此類研究的數據需求。以病例對照研究為例，大樣本量已經成為病例對照研究的發展趨勢，護理研究者可以通過數據平臺獲取大量病例，借助EHR等系統存儲的既往資料完成回顧性研究，用于探討某護理干預的效果或研究某藥物對護理結局的作用。另外，開展以大數據為導向的人群隊列研究，是護理科研的良好機遇[17]。超大規模隊列研究具有大樣本、前瞻性、多學科、多病種、多因素、整合性、共享性等特點。大數據的“4V”特性很好地滿足了其需求，護理研究者可以借助數據庫篩選出所需的目標人群，在醫療信息平臺中完成病人信息追蹤和隨訪來進行前瞻性研究。研究者通過護理大數據平臺顆粒化查閱文獻，獲取匹配度較高的資料開展深度研究，是護理科研的良好契機。將大數據資源轉化為研究成果進而加以推廣使用，是大數據在護理科研中最基礎的應用。

4.4 用于護理教育 大數據對教育者和學習者都是重要的，因為它可能徹底改變護士的教育政策、研究和實踐。大數據指的是數據集很大、很復雜，用傳統的軟件工具管理是不切實際的，用十幾年前的技術是做不到的。如果大數據是名詞，分析學是動詞，我們如何提取、證實、轉化和利用大數據就成為一個新的趨勢。分析學可以為護理教育提供很多方法，包括改進操作和經濟的決策制定，幫助達到特定的學習目標和通過揭露大數據集之間的關系和模式來預測行為和事件。護理教育中的數據類型包括關于教學、學習和評估的數據。學生通過電子學習檔案、電子病歷和社會媒體產生數據。此外，行政人員和學校職工通過學業的進度報告、上課出勤表、獎學金和研究來產生數據。相關人員通過收集、分析和使用數據來制定決策，包括學生、老師、管理人員、醫生和學者。這些人員從不同的系統，從第一年的課程清單到最后一年的臨床技能記錄，收集關于教育和評估的數據[11]。

4.5 用于臨床 大數據可以反映醫療和護理領域數據相關問題的規模和影響。大數據應用于臨床主要體現在通過收集臨床數據而對病人進行健康指導。大數據可以使護理工作中每一個上傳到網絡的數據都被自動記錄。護士一生中護理的病人是有限的，但大數據的數據庫里面有各種各樣病人的相關記載，病人一來馬上就可以將他的信息與數據庫里的信息進行比對。護士可以基于既得數據對病人現有疾病進行實時的健康干預，提供飲食、運動等方面的健康指導，這樣既可以提高自身的工作效率，又可以實現健康保健的真正個體化，促進病人康復[18]。另外，大數據可以通過收集體征數據而對特定人群進行健康監測。許多傳統的信息采集方式將被顛覆，各種信息量隨時監測與采集，將病人的護理向患病前及出院后，甚至向病人周圍的親屬朋友延伸，使圍繞個體的全程健康護理及資源共享成為可能[19]。護士通過個人數碼助理(PDA)、傳感器、可穿戴醫療設備等對病人進行實時、連續的健康監測與評估，及早發現特定病人的健康問題或風險并有針對性地采取預防措施，使護理服務衍生至后期的生態服務圈。比如：歐洲很早就開始給老人們佩戴可以監測生命體征的手表，如果發生異常手表會自動報警，能在黃金時間挽救老人的生命。

4.6 用于決策 大數據可以用于醫藥、運營流程、病例數據，也可以用于決策系統。一方面基于大數據下的數據應用，護理決策支持系統可以增加臨床工作者對病人護理的理性決策，可以幫助護士和醫務人員出正確判斷，在正確的時間獲得正確的信息以支持臨床最佳決策，為病人提供及時準確的護理，可以顯著影響護士循證實踐，提高病人臨床護理質量，改善病人結局，減少醫療成本，確保病人安全。另一方面可以為護理管理者提供決策。利用大數據收集、分析和萃取海量數據的能力，對全部數據進行經驗性相關分析，使管理顛覆傳統的自上而下的精英決策模式，護理管理者或執行者不再依據業務經驗、頭腦風暴提供的決策，而是對全部數據進行分析并得出決策性結果，從有章可循逐步轉變為有數據可循。

4.7 用于市場 據不完全統計，截至2016 年10 月底，2016 年中國大數據行業有184 家企業獲得投融資。大數據行業成資本市場新寵，數據源已成大數據公司核心競爭力。2016年11月17日，國家衛生計生委主辦的第三屆世界互聯網大會“互聯網+智慧醫療”論壇上探討了大數據、云計算、物聯網和信息通信技術等在健康醫療領域的創新應用，推進產學研用聯合協同創新。基于海量數據的共享與應用，大數據中心可用于醫藥研發等產學研成果轉化。2016年11月23日，醫藥工商戰略合作高峰論壇指出，隨著“健康2030”的提出，我們要“聚勢、融合、共贏”，運用大數據、互聯網思維深度挖掘大健康市場，將大健康理念落地，精準地挖掘用戶需求，并滿足其需求。可見，大數據中心可用于分析用戶的行為特征，滿足用戶的特定需求。

按照“大數據、小傳感、海儲存、云應用”的產業方向，大數據中心除直接為用戶提供其所需求的數據；還可以為不同的企業或企業不同的需求，對數據進行分析，提供針對性的信息。另外，還可以提供學習平臺、培訓服務、咨詢服務等。

5 結語

總之，當數據的積累量足夠大的時候，信息系統將從簡單的數據交流和信息傳遞上升到基于海量數據的整合分析。大數據使信息系統從以往的“人的使用工具”變得“開始會自己思考了”。大數據通過對海量數據進行整合分析，得出“非因果關系”的相關性，合理分析和利用這些大數據，將改變我們的護理實踐、研究和教育，并因此推動護理學科向前發展。成立護理大數據中心，將成為連接政府、企業、高校、研究院所、資本和創業型企業的紐帶和中樞，建設在學科、學術、技術、產業、機制5方面均在國內具有引領地位的護理大型創新平臺，最終形成大數據行業的“護理研究實驗室”。而龐大的“護理數據庫”是用之不竭的資產，也是競爭對手難以逾越的門檻。

[1] Schonberger MV,Cukier K.大數據時代[M].盛楊燕,周濤,譯．杭州:浙江人民出版社，2013：9.

[2] McKinsey Global Institute.Big data：the next frontier for innovation,competition，and productivity[R]．S．l：McKinsey Global Institute,2011:1.

[3] Westra BL，Peterson JJ.Big data and perioperative nursing[J].AORN Journal，2016,104(4)：286-292.

[4] Jane Englebright,Barbara Caspers.The role of the chief nurse executive in the big data revolution[J].Nurse Leader，2016(3):280-284.

[5] Simpson RL.Big data and nursing knowledge[J]．Nursing Administration Quarterly，2015，39(1): 87-89．

[6] Strobel CD.American recovery and reinvestment act of 2009[J].Journal of Corporate Accounting & Finance，2009，20(5): 83-85．

[7] 潘媛媛.大數據時代的護理會診信息系統構建[J].醫學信息，2014，27(8):10.

[8] NIH.NINR big data in symptoms research methodologies boot camp[EB/OL].[2017-02-18]。http://www.ninr.nih.gov/training/training opportunities intramural/bootcamp．VhkmHbmEA9M．

[9] Jee K，Kim GH.Potentiality of big data in the medical sector：focus on how to reshape the healthcare system[J].Healthc Inform Res，2013，19(2)：79-85.

[10] 周光華，辛英，張雅潔.醫療衛生領域大數據應用探討[J].中國衛生信息管理雜志，2013，10(4):296-300;304.

[11] Schwerdtle B.Big data in nurse education[J].Nurse Education Today,2016，51：114-116.

[12] Kobayashi T，Kishimoto M，Swearingen CJ，etal．Differences in clinical manifestations， treatment， and concordance rates with two major sets of criteria for Behet’s syndrome for patients in the US and Japan：data from a large，three-center cohort study[J].Mod Rheumatol，2013，23(3):547-553．

[13] Sensmeier J.Big data and the future of nursing knowledge[J].Nurs Manage,2015,46(6):22-27.

[14] 陳鎮.大數據在醫療護理中的應用[J].信息與電腦，2016 (11)：31-32.

[15] Armstrong K．Big data：a revolution that will transform how we live， work， and think[J].Information，2014，17(1)：181-183．

[16] 張艷,張振香,陳勤,等.1994～2011 年國內護理學研究主題分布狀況分析[J] .護士進修雜志,2013,28(5): 389-392.

[17] 劉輝，杜建，高妍，等．護理信息學專業發展與研究方向分析[J].中國護理管理，2014，14(4):29

[18] Groves P，Kayyali B，Knott D，etal．The ‘big data’revolution in healthcare[EB/OL].[2013-01-15]．http://www.payerfusion． com/wp-content/uploads/2014/02 /The＿big＿data＿revolution＿in＿healthcare-1.pdf.

[19] Brennan PF，Bakken S．Nursing needs big data and big data needs nursing[J]．J Nurs Scholarsh，2015，47(5):477-484．

(本文編輯李亞琴)

Research progress on big data in nursing science

Zhu Ruifang,Yue Xiaoding,Han Shifan

(Shanxi Medical University,Shanxi 030001 China)

It analyzed the basic conception of big data and the research status guo in China and outside China,and probed into building nursing domain knowledge system on the importance of the development of nursing science under the background of big data.We believed that it’s necessary to set up nursing big data center,unify language standard,establish nursing database and build a knowledge system structure.

nursing;nursing science;big data;knowledge system;research progress

朱瑞芳，博士研究生在讀，學習單位：030001，山西醫科大學(工作單位:030001，山西醫科大學第一醫院)；岳小丁單位：030001，山西醫科大學；韓世范(通訊作者)單位：030001，山西醫科大學第一醫院。

R47

A

10.3969/j.issn.1009-6493.2017.13.005

1009-6493(2017)13-1553-05

2017-04-10)

引用信息 朱瑞芳,岳小丁,韓世范.大數據在護理學科中的研究進展[J].護理研究，2017，31(13)：1553-1557.