基于大數據的慢性病健康管理服務研究進展

葛海燕，關國躍，祭 偉，王風曉

?

基于大數據的慢性病健康管理服務研究進展

葛海燕，關國躍，祭 偉，王風曉

華東療養院，無錫，214065。

慢性非傳染性疾病已成為全球面臨的一個主要公共衛生問題。中國在慢病管理工作進行了很多實踐，也積累了很多成功的經驗。但是由于各種原因，慢病管理一直都缺乏一種能在全程監測、危險因素評估的基礎上對慢病患者及高危人群開展長期堅持的、覆蓋面廣的、有針對性的健康教育以及干預。隨著互聯網、云計算、物聯網等技術的發展，健康醫療大數據可在多個層面對慢病防控提供支撐。

慢性病；健康管理；大數據

1 大數據的概念及特征

大數據定義為一個大而復雜的、難以用現有數據庫管理工具處理的數據集。通常認為，大數據具有3V的特點：規模性（Volume）、高速性（Velocity）、多樣性（Variety）[1]。此外，IBM公司認為大數據要具有真實性（Veracity），還有人認為大數據應具有價值密度低，商業價值高（Value）的特性。大數據的真正價值不在于數據本身，而是通過處理、分析后的數據共享，通過數據挖掘，能夠從海量、異構、動態實時的數據中，獲取有洞察力和價值的信息[2]。各國政府和科研機構都高度關注大數據，跨國IT企業紛紛進入大數據領域。MapReduce和Hadoop的開發和使用開啟了大數據分析領域的新天地，標志著臨床大數據的開發進程取得了長足進步。醫療大數據指的是在醫療行業中產生的數據，主要有4個來源：臨床實驗數據；生物醫藥、生命科學領域、DNA基因序列、生物芯片研究等過程數據；電子病例、診斷數據；醫療保險、患者登記和社會媒體產生的數據及個體健康信息等。醫療大數據除了具有大數據的5個特點之外，還有多態性、時效性、不完整性、冗余性、隱私性等特點[3-4]。人們越來越關注大數據在醫療衛生領域的診療、科研、管理和教學等方面的作用。

2 大數據對于慢病管理的重要意義

隨著人口老齡化加重、城市化速度加快以及傳統飲食習慣生活行為急劇變化，慢性非傳染性疾病（noninfectious chronic disease，NCDs，以下簡稱“慢病”）已成為全球面臨的一個主要公共衛生問題[5]。中國在慢病管理的工作進行了很多實踐，也積累了很多成功的經驗，但是由于各種原因。一直以來慢病管理都缺乏一種能在全程監測、危險因素評估的基礎上對慢病患者及高危人群開展長期堅持的、覆蓋面廣的、有針對性的健康教育以及干預[6-7]。隨著互聯網、云計算、物聯網等技術的發展，健康醫療大數據可在多個層面對慢病防控提供支撐[8]。過去醫學研究多以隨機小樣本來替代龐大的群體，研究聚焦于疾病的某一環節而非整體，注重疾病的直接因果關系，而淡化了它們之間的關聯。而大數據分析則基于全部數據，側重分析事物之間的關聯，強調了遺傳和環境等危險因素的重要性。做到將慢病診治的關口前移至對疾病的預警、預測，就需要借助大數據的不斷積累[9]。

3 國外大數據應用于醫療衛生及慢病健康管理的現狀

3.1 美國

2014年美國的公共數據開放項目Open FDA上線開放了300萬份藥物不良反應報告數據，涵蓋2004—2013年美國食品藥品管理局收集到的藥品不良反應和醫療過失記錄。近年來，美國將信息技術應用到慢性病管理領域，構建出以家庭為基礎的慢性病遠程管理模式，建立患者專項檔案，實時監測數據，及時調整治療方案。卡羅來納醫療體系利用大數據和預測模型來評價人群的健康水平。該公司向數據代理商購買患者消費信息，并利用預測模型對這些數據進行分析，得出患者的風險評分。至今，該公司己經開始收集并分析了2億人的消費數據，用于識別高危患者。該公司的數據來源于中間商，而中間商的數據則來源于公共記錄、商家以及人們的信用卡消費記錄[10]。

3.2 以色列

劉文先等[11]在2018年對以色列健康信息化情況進行考察，其報告顯示，以色列持續推進實施國家數字健康戰略，從國家層面搭建頂層架構，電子病歷基本覆蓋全體居民，衛生部投資建設國家健康信息交換（HIE）平臺，各個醫療機構將數據推送至前置端并接入平臺，形成健康信息交換網絡，實現整個醫療保健系統的診療數據共享使用。每天更新數據，保證每位居民都有長期的、連續性的個人健康記錄。患者所有的住院及門診信息，均可在社區服務中心通過網絡獲取，居民根據自身的健康情況，可通過遠程醫療進行預約、咨詢、開藥、轉診等。醫生能在線開處方并對醫療質量負責。目前，以色列正在進行糖尿病大數據分析，采集5萬余名患者數據，建立管理模型，幫助患者控制病情。

3.3 丹麥

丹麥MedCom項目于2003年發起，目前大力推進電子健康記錄項目，目的是使醫生能獲取病人在全國各醫院的電子病歷信息，包括疾病診斷、病程記錄、出院小結等。2011年該系統包含了丹麥85%人口健康記錄。公立醫院的醫生通過醫院的電子病歷系統能直接查看電子健康記錄，全科醫生和民眾則通過國家健康網站訪問。同時，丹麥政府準許研究者獲取1970年到現在患者的匿名數據（包括健康指標和住院數據）[12]。

3.4 韓國

韓國生物醫學中心計劃運行國家DNA管理系統，將DNA和患者醫療數據結合，為患者提供個性化診斷和治療。其實際即是運用大數據的分析能力將系統生物學數據（如基因、蛋白質、生物小分子的相關數據）和電子健康病歷數據結合，使基因測序、個性化藥物及個人健康管理等個性化醫療行為變成臨床實踐。

4 大數據技術在我國醫療衛生慢病健康管理工作中的應用

4.1 大數據運用的相關政策文件

2014年11月，李克強總理提出在疾病防治、災害預防、社會保障、電子政務等領域開展大數據應用示范。自2015年起，我國已連續出臺了一系列政策文件《國務院關于推進“互聯網+”行動的指導意見》《全國醫療衛生服務體系規劃綱要（2015—2020年）》《促進大數據發展行動綱要》《關于促進和規范健康醫療大數據應用發展的指導意見》等，將健康醫療大數據列為國家重要的基礎性戰略資源，進一步規范和推動健康醫療大數據融合共享與開放應用。

4.2 大數據慢病管理的平臺建設

目前，全國有上海、北京、湖南、四川等多個省市都啟動了省級衛生信息化平臺建設，并初步完成了基礎平臺建設。浙江杭州已嘗試建立社區衛生服務網，該信息共享平臺不僅對醫務人員開放，還可對普通居民開放，使普通民眾也能主動管理自身的健康。廈門市建成了全國首個區域性“健康醫療云”項目，該項目將原有的慢病一體化系統整合至云平臺，在云上進行糖尿病及高血壓管理登記報告制度，搭建胸痛遠程監控平臺，實現了老年慢性病的延續護理。上海健康信息網工程，實現市級平臺、公衛平臺、17個區縣平臺與醫聯平臺的互聯互通，包含健康檔案數據庫和電子病歷數據庫二個核心數據庫。“上海健康云”市民端應用可以在線提供慢病風險評估、健康檔案調閱、在線問診、在線簽約、預約掛號轉診、免疫規劃、親情賬戶等服務，引導市民開展慢病自主管理。該服務覆蓋了上海全市122個社區，實現了9萬余名社區居民的線上注冊，有7,000余名家庭醫生提供線上服務，120余萬名居民還在社區衛生服務中心使用物聯網監測設備測量體征[13]。

劉倩麗等[14]對中國電子健康檔案的應用情況進行了研究，指出了電子健康檔案困境和瓶頸，并提出建議，包括建立統一數據標準，實現醫療衛生服務信息的互聯互通共享；提高整體建檔率，加強與新農合等基本醫療保險系統相銜接，努力擴大建檔人群，提高建檔率；建立EHR的多渠道籌資模式充分利用市場等。

基于大數據的慢病管理平臺，計算構建慢病管控的各項指標，利用歷史數據的比對，來評估慢病管理的有效性，分析慢病管理的有效方案，形成直觀的可視化統計報表，實時發布慢病現狀和診療技術發展趨勢，使衛生管理機構能夠合理調配醫療資源[15]。利用大數據技術與方法，可為循證公共衛生決策提供準確有效的支持。將個人數據集加入大數據能為循證醫學提供堅實的證據，能發現小樣本無法發現的細微差別，為公共衛生決策者提供最新的證據，指導衛生政策的制定或臨床實踐[3]。“基于大數據的上海市衛生決策支持體系構建項目”開展了衛生籌資、衛生規劃、衛生績效評價、藥品使用監測、衛生技術評估五大模塊與應用研究，挖掘數據潛在價值，為衛生決策提供工具與方法學參考[16]。

4.3 大數據在慢病健康管理中的運用

伴隨互聯網與健康產業融合的不斷深化，大數據將不斷豐富慢性病防治的方式與方法，逐漸成為慢病管理的主要手段。大數據時代的到來是大勢所趨，大數據分析因其強大的預測能力，在疾病診療、模型建立、個人健康管理、基因分析等領域逐漸顯示出強大的優勢[17]。

4.3.1 大數據在疾病預警中的運用

薛付忠[18]提出了健康醫療大數據背景下生命歷程流行病學與暴露組學理論指導的健康/疾病管理學理論框架與概念模型、健康/疾病檢測指標篩選及證據獲取的理論方法。其中，以心血管疾病為例，在暴露組學和生命歷程流行病學理論框架下，提出了廣義心血管事件鏈（general cardiovascular continuum，GCVO）概念模型，擴展了疾病預警時間鏈，并特別強調“基因—環境”的復雜交互作用調控心血管病變發生、發展和轉歸進程，使心血管健康管理貫穿于整個生命歷程。其課題組建立的“山東多中心健康管理縱向觀察大數據庫”，開展大數據研究，為代謝綜合征和心血管病預測模型提供了很多新型的生物標記和預測因子。袁祖貽[9]開展的西北地區（陜西省）慢性病防控心血管健康指數的研究，通過對大數據挖掘和分析，發現心腦血管疾病在西北地區的流行特征并提早布局，并進行有針對性的防控，對陜西城鄉居民衛生健康狀況的改善意義重大。孫艷秋等[19]提出采用大數據分析的潛在高血壓病預測方法，通過數據采集、預處理等，對數據屬性進行分類，建立潛在高血壓病的預測模型，根據計算模型屬性分類結果的權重，得到不同屬性對高血壓影響的重要程度分級，通過與高血壓病特征參數的比較，獲取潛在的高血壓病的預測結果。

王偉娜等[20]對患者畫像技術進行描述，根據用戶的診斷信息、日常生活信息、用藥信息、醫學影像信息等數據進行抽象標簽化，根據用戶的醫學標簽更加精確的為用戶提供慢病管理等健康服務。此技術通過實時監控消費者的網絡咨詢、問診等健康服務網絡行為，分析抓取相關關鍵詞，如詢問病癥名稱、自我療法、相關藥品等關鍵詞，可以發出大數據的預警。通過大數據的分析，能夠識別不同病癥的地域分布，影響的人群廣度，并結合醫療工作者的經驗，共同判斷是否會爆發流行性疾病[21]。利用大數據技術，基于處方藥和非處方藥的銷售量、衛生服務咨詢中心接到患者電話的數量和內容、關鍵詞的點擊量或搜索次數、社交網絡瀏覽偏好等，使人群疾病預測成為可能，對于人群健康/疾病特點的分析相較于之前的小樣本數據分析更客觀準確。

劉詠梅等[22]在對“量化自我在健康領域的應用”的研究中，分析了“量化自我”的內涵，是由“大數據+移動終端+傳感器網絡+數據處理+游戲”構成。研究指出：對量化自我數據的運用，有利于慢性病的家庭護理與康復，利于發現病癥新的醫療發現、形成新的醫療方法，能夠處理成為一系列的行為見解和干預措施，在患者發生病理前識別出早期預警信號，便于醫生及時介入診療。

無錫阿斯利康制藥有限公司在全國范圍內已經建成了1,320余家呼吸綜合診療室和12,900多間標準霧化室，覆蓋260多個城市。上千家霧化中心實現數據連接后，每天上百萬人在霧化室治療急性哮喘，可形成霧化地圖。通過數據分析可查找到過敏源、氣溫等各種因素可能對人體造成的影響。一旦數據聯通技術成熟，就可以開發各種應用：比如與氣象站或者學校連接，可以及時提醒患有哮喘的孩子加強疾病的預防[23]。

《2017年中國城市健康狀況大調查第二期》中反映，對北京和上海地區慈銘體檢2016年參檢客戶健康數據分析整理結果：兩個城市體檢人群中乳腺異常、口腔異常、眼科異常高發，其中TCT異常、血脂異常、子宮疾患數、宮頸疾患數、脂肪肝數，北京高于上海。這是健康管理機構對職業人群運用大數據進行疾病特點分析的典型案例[24]。

4.3.2 大數據在慢病健康促進中的運用

2018年，寧光院士推動鄭州人民醫院內分泌代謝科“國家標準化代謝性疾病管理中心（MMC）”揭牌。MMC專項管理小組是由內分泌代謝科牽頭，由專業的醫師、教育護士、營養師、健康管理師、藥師、心理師組成醫療團隊。自2018年1月8日正式運行以來，已入組300多例代謝性疾病患者，患者一次入組后就能享受快速檢測、數據分析、疾病診療、配合APP院外提醒等全方位一站式診療服務，避免患者多次往返于多個科室，減輕醫患雙方的負擔。成功入組后，醫院將定期通知患者訪視復查，發現問題及時啟動有效的預防和治療，促使更多的患者在院外可以保證血糖、血壓、血脂等代謝性指標的長期達標[25]。作為上海市政府第四輪公共衛生體系建設3年行動計劃（2015—2017）建設項目之一，上海市第六人民醫院會同市疾病預防控制中心、市眼病防治中心等共同組織并實施代謝性疾病（糖尿病）預防和診治服務體系建設項目，旨在向申城居民提供融合健康教育、高危人群篩查和疾病管理為一體的糖尿病預防與診治全程服務[26]。閆冠韞等[27]基于大數據，立足于糖尿病患者管理現狀與存在問題，運用互聯網的信息交互技術和移動應用技術，通過建立一體化信息系統、移動互聯網、物聯網、虛擬貨幣、人工智能5種模式，滿足糖尿病患者醫療服務的數據信息化和便捷化需求。

李顯熙等[28]提出建設以心血管專科臨床數據倉庫以及心血管注冊數據中心為核心的心血管專科臨床科研數據中心，并開發了基于隨訪策略的心血管隨訪管理、基于個性化診療計劃的心血管病人院后管理、相關性分析及不良心血管事件模式識別等應用和工具，設計測試的“心血管病人慢病管理解決方案”，通過基于個性化診療方案的病人居家慢病管理解決方案、隨訪機制與流程，期望幫助病人提高對診療計劃的依從性，所有的隨訪數據與病人居家慢病管理數據均被自動和手動記錄在隨訪注冊表中，為心血管疾病的臨床質量評估和科研同時提供便利。

4.3.3 其他健康管理大數據的應用實踐

此外，越來越多的醫藥公司將大數據應用于醫藥研發領域[29]。華大基因針對人類基因組展開研究，最終是為了整合各種醫療、環境、來自穿戴設備的數據，為人類健康提供大數據支持。“好大夫”網站是就醫經驗發布平臺，患者可以為自己喜愛的大夫投票、撰寫感謝信，分享如何選擇醫生，交流就醫經驗，共同對抗疾病。同時，該網站通過自動匯總來自患者的親歷經驗，形成數據資源，形成就醫向導系統，能提供近200個專科、2,000余類疾病的就醫推薦，為患者選對醫生、正確就醫提供參考。“春雨醫生”是國內開發的一款移動健康咨詢APP，創立于2011年7月，截至2015年7月份春雨醫生擁有6,500萬用戶、20萬注冊醫生和7,000萬條健康數據，每天有11萬個健康問題在春雨醫生上得到解答，目前已積累了許多數據。

隨著信息技術發展，“可穿戴移動設備+健康應用軟件”正在把健康保健轉變為一個更高效、以人為中心的個人即時系統。谷歌和Dexcom合作開發微型血糖監測可穿戴設備，蘋果AppleWatch和健康數據平臺HealthKit、谷歌GoogleFit等合作，用戶基于相關硬件可獲取體能生理數據并通過數據平臺進行分析。除了能檢測和監控人體各項數值變化外，目前已有智能穿戴設備投入醫用治療領域，日本熊本大學就研發了一種治療2型糖尿病的可穿戴腰帶。

徐昆[30]對商業保險與醫療大數據對接進行研究，提出了醫療系統大數據庫與保險行業數據庫的互聯互通，可解決商業保險公司的承保風險、產品設計、疾病發生率等經營環節中的關鍵問題，提高商業健康保險管理水平；還可解決醫療機構腐敗、過度治療的問題，方便商業保險參保患者獲得一站式免墊資理賠服務，全面提升國民健康管理水平，構建新的醫療保障體系。

5 總結

要實現慢病管理有效實施，需要從影響健康的全要素出發，包含生物遺傳、生活方式、風險評估等來搭建健康管理平臺。健康醫療大數據平臺在對慢病患者、慢病高危人群、健康個體進行健康醫療數據收集和監測的基礎上，通過數據挖掘、深度分析、云計算等技術建立慢病預測分析模型，可對導致慢病發生的高危因素進行定位，對健康個體給予健康管理相關指導，對高危人群進行健康危險評估和預警并引導其進行有效的干預，對慢病患者進行個性化治療與預后的跟蹤監測。大數據的發展為慢病健康管理提供了創新的模式。

[1] 上海市科學技術委員會. 上海推進大數據研究與發展三年行動計劃(2013-2015年)[EB/OL]. (2013-07-12). [2018-12-31]. http://www.stcsm.gov.cn/gk/ggjg/20694. htm.

[2] 黃遠, 王心馨. 大數據下一站:智慧醫療[N]. 第一財經日報, 2014-02-19.

[3] 王瀟, 張愛迪, 嚴謹. 大數據在醫療衛生中的應用前景[J]. 中國全科醫學, 2015, 18(1):113-115.

[4] 鄭曉瑛, 劉玉博, 武繼磊, 等. 人口健康測量與大數據標準研究回顧[J]. 人口與發展, 2014, 20(1):42-49.

[5] 馮晶晶, 劉宇飛, 靖瑞鋒. 慢性病管理的國際經驗及啟示[J]. 中國藥房, 2017, 28(8):1009-1012.

[6] 竇強, 劉鴻齊, 晉曉強, 等. 基于全程管理的“互聯網+”慢性病管理模式[J]. 中華醫學圖書情報雜志, 2016, 25(7):22-26.

[7] 屈健寧, 王浩, 梅浙川, 等. 互聯網+慢性病管理創新模式探索[J]. 重慶醫學, 2017, 46(7):988-989.

[8] 李迎新, 黃河. 基于國家衛生與健康管理大數據平臺的慢病防控模式[J]. 國際生物醫學工程雜志, 2017, 40(6):403-409.

[9] 袁祖貽. 不忘初心, 方得始終: 大數據分析西北地區慢性病防控[J]. 臨床心血管病雜志, 2018, 34(8):739-742.

[10] 馬莉, 陸遠強. 健康管理的某些新理念[J]. 中華保健醫學雜志, 2016, 18(1):81-82.

[11] 劉文先, 胡建平, 肖大華, 等. 以色列健康信息化情況考察報告[J]. 中國衛生信息管理雜志, 2018, 15(2): 175-178,210.

[12] 徐彪, 庹兵兵, 張黎黎, 等. 丹麥衛生信息化項目MedCom建設及其啟示[J]. 醫學信息學雜志, 2015, 36 (4):8-12,18.

[13] 你的健康在云上？！大數據告訴你真相[N/OL]. (2017- 09-05). [2018-12-31]. http://www.sohu.com/a/1697358 30_660858.

[14] 劉倩麗, 關健. 中國電子健康檔案的應用現況與展望[J]. 中國健康教育, 2015, 31(10):969-971.

[15] 王偉娜, 楊丹, 童慶. 基于大數據的慢病管理平臺的研究[J]. 電腦知識與技術, 2018, 14(5):27-29.

[16] 健康醫療大數據怎么用上海率先開發5大模塊供決策參考[N/OL]. (2017-12-06). [2018-12-31]. http://www. shanghai.gov.cn/nw2/nw2314/nw2315/nw4411/u21aw1272631.html.

[17] 范盧明, 梁桂仙. 大數據在健康管理中的應用研究進展[J]. 中國全科醫學, 2016, 19(31):3786-3789.

[18] 薛付忠. 健康醫療大數據驅動的健康管理學理論方法體系[J]. 山東大學學報(醫學版), 2017, 55(6):1-29.

[19] 孫艷秋, 劉鋼. 基于大數據分析的潛在高血壓病預測研究[J]. 計算機仿真, 2015, 32(5):386-389,421.

[20] 王偉娜, 楊丹, 童慶. 基于大數據的慢病管理平臺的研究[J]. 電腦知識與技術, 2018, 14(05):27-29.

[21] 劉艷飛, 王振. “互聯網+”條件下健康服務業新業態研究[J]. 改革與戰略, 2016, 32(11):151-154.

[22] 劉詠梅, 劇曉紅. 量化自我在健康領域的應用——基于大數據的角度[J]. 情報資料工作, 2018(4):56-63.

[23] 不用出家門, 醫生就能聽到你的“心跳”[N/OL]. (2017- 09-12). [2018-12-31]. http://www.wxrb.com/zhuanti_ center/2017/2017WIOT/news/201709/t20170912_1331066.shtml.

[24] 2017年慈銘體檢城市健康狀況調查: 北京VS上海哪個城市人群更健康？[N/OL]. (2017-04-28). [2018-12- 31]. http://health.people.com.cn/n1/2017/0428/c14739- 29244345.html.

[25] 河南省首家！“國家標準化代謝性疾病管理中心(MMC)”在鄭醫揭牌[N/OL]. (2018-04-27). [2018-12- 31]. http://www.ha.chinanews.com/news/hnjk/2018/ 0427/16144.shtml.

[26] 糖尿病管理的“上海探索”[N/OL]. (2017-12-13). [2018- 12-31]. http://www.xinhuanet.com//health/2017-12/13/c_ 1122101794.htm.

[27] 閆冠韞, 陳洪恩, 李舜, 等. 大數據視閾下糖尿病患者管理模式探析[J]. 中國全科醫學, 2018, 21(9):1066- 1069,1084.

[28] 李顯熙, 周國鵬, 蔣捷. 我國心血管專科臨床科研數據中心的建設與思考[J]. 中國醫院管理, 2017, 37(5):51-53.

[29] 蘇燕, 李禎祺, 徐萍. 健康大數據產業發展態勢分析[J]. 競爭情報, 2017, 13(3):26-32.

[30] 徐昆. 商業健康保險與醫療大數據對接交互系統研究[J]. 金融理論與實踐, 2018(7):103-108.

Research Progress of Health Management Services for Chronic Diseases Based on Big Data

Noninfectious chronic disease(NCDs) have become a major public health problem in the world. China has carried out many practices and accumulated successful experiences in the management of chronic diseases. However, due to various reasons, chronic disease management has always lacked a long-term, comprehensive and targeted health education and intervention for chronic patients and high-risk groups on the basis of overall monitoring and risk factor assessment. With the development of Internet, cloud computing, Internet of Things, and other technologies, big data of health care can support the prevention and control of chronic diseases.

Chronic disease; Health management; Big data

10.16117/j.cnki.31-1974/r.201901017

2018年上海市衛生和計劃生育委員會政策研究自選課題。

葛海燕（1978—），女，本科，副研究員，gehaiyan01@ 163.com。

王風曉，50870138@qq.com。

2019-01-03。