基于“健康深圳”行動計劃的社會健康水平評估與測控模型

朱磊，王超，李佳鈺，李涵，王雪茹

基于“健康深圳”行動計劃的社會健康水平評估與測控模型

朱磊1，王超1，李佳鈺1，李涵2，王雪茹3

（沈陽航空航天大學 1. 航空發動機學院，2. 民用航空學院，3. 理學院，遼寧 沈陽 110136）

隨著人民物質生活水平的提高，人們過去所保持的飲食習慣和意識觀念正受到沖擊，以失配性疾病為代表的慢性病與現代環境問題開始影響人們的身體健康．中國衛生事業正從以治病為中心向以健康為中心轉變．深圳市政府提出“健康深圳”行動計劃，力圖從多方面提升居民健康水平．針對該計劃，建立多元非線性回歸模型，對其實施效果做出分析與預測，基于BP神經網絡算法建立社會衛生與環境健康評估模型，并給出相關建議．

健康深圳；多元非線性回歸；BP神經網絡

隨著我國人民生活水平的持續提高，社會的發展面臨全新的挑戰．從衛生事業的角度來看，工業化時代技術與物質的浪潮正在沖擊著人們過去一直保持的飲食習慣和意識觀念．一方面，失配性疾病（如糖尿病）等一系列慢性非傳染性疾病開始出現并迅速蔓延；另一方面，外部環境遭遇的空氣污染等現代環境問題，也在損害著人體健康．“以治病為中心”的思想越來越不適應我國的需要．根據國家《“健康中國2030”規劃綱要》，中國衛生事業正從以治病為中心向以健康為中心轉變．對此，深圳市政府積極響應，提出“健康深圳”行動計劃，力圖從生活、環境、衛生、醫療和文體等多個方面提升居民的健康水平．本文針對“健康深圳”行動計劃，建立多元非線性回歸模型，對其實施效果做出分析與預測，基于BP神經網絡算法建立社會衛生與環境健康評估模型，并為該計劃提供改進建議．

關于全方位的健康檢測與健康管理，許多學者已進行過探索．莊潤森[1]探索構建公眾健康素養快速評估與短信干預系統，將健康素養與自我健康管理相結合；彭朝林[2]等定性分析了“健康深圳”計劃的不足，針對健康社區的建設和發展提出建議．

1　基于多元非線性回歸的計劃實施效果評估

為使問題得到合理簡化，提出假設：（1）在統計的時間段內不存在大范圍的人口遷移；（2）計算深圳市居民醫療消費支出時沒有物價的改變；（3）統計數據涵蓋所有統計對象；（4）在統計的時間段內沒有較大的政策調整對數據產生干擾．

1.1　健康水平衡量標準的選定

選定的健康水平衡量標準應適用于定量分析，且能直觀地反映居民健康水平．結合如今生活水平提高導致肥胖問題日益突出這一背景，選取深圳市居民的肥胖率作為健康水平的衡量標準．

1.2　灰色關聯度分析

采用灰色關聯度分析法[3]分析深圳市社會養老機構及救助站數量、灰霾日天數、生活垃圾轉運站數量、醫療衛生機構數目和全民健康活動參加人數這５個因素與作為健康水平衡量標準的肥胖率的關聯性．

灰色關聯度分析的基本步驟為：

Step1確定分析數列．反映系統行為特征的數據序列，稱為參考數列；影響系統行為的因素組成的數據序列，稱比較數列．選擇肥胖率的相關數據為參考數列，影響深圳市居民肥胖率的５種因素的相關數據為比較數列．參考數列和比較數列的具體數據來源于2008—2017年的深圳市統計年鑒[4-13]．

參考數列的相關數據記為

比較數列的相關數據分別記為

Step2變量的無量綱化．由于系統中各因素列中的數據可能因量綱、數量級的不同，不便于比較或在比較時難以得到正確的結論，因此在進行灰色關聯度分析之前，需要進行數據的無量綱化處理．這里選用均值化處理的方式，即

Step3計算關聯系數．關聯系數的計算公式為

通過公式（1）~（6）對各因素與深圳市居民肥胖率的關聯度進行計算，結果見表１．

表1　各因素與深圳市居民肥胖率的關聯度

由表１可以看出，各指標的關聯度都比較高，達到了較高要求，說明所選取的５個指標與深圳市居民健康水平指標肥胖率的關聯性是比較大的，可以用來構建多元非線性回歸評估模型．

1.3　多元非線性回歸評估模型構建

根據數據繪制散點圖，結果見圖１．

圖1 各因素數據散點圖

根據數據繪制散點圖，結果見圖１．

由圖１可以看出，散點分布類似于拋物線．據此，給出肥胖率與５個指標間的函數關系式

由此可得肥胖率與５個指標之間的多元非線性回歸模型

1.4 “健康深圳”行動計劃實施效果評估

在“健康深圳”行動計劃中找到５個指標的預期值：養老機構及救助站數45個，灰霾日天數7天，生活垃圾轉運站數1 200個，醫療衛生機構數4 800個，全民健康活動參加人數450萬．

2 基于BP神經網絡的社會健康評估

2.1 失配性疾病

失配性疾病是美國哈佛大學人類進化生物學教授丹尼爾·利伯曼提出的關于非傳染性的慢性疾病概念．主要有2類，即能量太多造成的疾病和用進廢退造成的疾病．因能量太多導致的疾病主要有糖尿病和心腦血管疾病等；因用進廢退造成的疾病主要有骨質疏松和關節炎等．

2.2　基于BP神經網絡的社會衛生與環境健康評估模型

希望建立支持健康水平動態測控的社會衛生與環境健康評估模型，能夠在已知社會衛生與環境方面的幾個指標時，通過此模型來判斷社會衛生與環境健康水平．

2.2.1 社會衛生與環境健康水平影響指標及其衡量指標的確定考慮社會衛生與環境健康問題中所涉及的飲食、生活、工作和醫療等因素，通過查閱深圳市統計年鑒和《健康深圳行動計劃（2017—2020年）》，在各參考因素中選取比較具有代表性的4個影響指標，即空氣質量優良天數、國民體質合格以上比例、城鎮登記失業率以及醫療衛生機構數目．

根據選取的影響指標，考慮到在城市中居民就醫數量是一項較為明顯的判別城市宜居與否的判據，結合指標量化這一條件，最終選取城市每年總看病人數作為社會衛生與環境健康水平的衡量指標．

根據灰色關聯度分析原理，還可對4個影響指標的關聯度進行評估，以確保指標選取的合理性，在此不再贅述．

2.2.2 數據預處理獲取了深圳市城市總看病人數、空氣質量優良天數、國民體質合格以上比例、城鎮登記失業率和醫療衛生機構數目共96組數據（2010-01—2017-12）[6-13]．為使用BP神經網絡模型進行社會衛生與環境健康評估，在這些數據間進行插值，插值并剔除異常值后得到2 853組數據．

2.2.3 基于BP神經網絡的社會與環境健康水平評估模型三層神經網絡結構見圖2.

圖2 三層神經網絡結構

用獲得的數據序列訓練BP神經網絡[15]，即將空氣優良天數、國民體質合格以上比例、城鎮登記失業率以及醫療衛生機構數目作為輸入數據，城市總看病人數作為輸出數據，最終對社會衛生與環境健康水平做出評估．

將2 853組數據的前2 600組作為訓練學習樣本，后253組作為驗證樣本．

此處的BP神經網絡輸入節點為4個，輸出節點為1個，隱節點為15個，其中輸入層到隱層的激活函數采用Sigmoid型函數

隱層到輸出層的激活函數使用Purelin函數，可得網絡輸出與輸入的關系

設置的BP神經網絡參數見表２．

表2　BP神經網絡設置參數

在BP神經網絡經過訓練后，將驗證集的社會衛生與環境的４個指標作為輸入數據輸入，輸出結果與驗證集中的健康水平指標做比較（見圖3），輸出值與實際值間的誤差較小，結果較為準確．

圖3　網絡輸出對比

為避免神經網絡對訓練數據過分擬合、偏離其它未參加訓練的數據，Matlab把總共2 853組數據劃分成3份，分別為training（訓練）、validation（驗證）、test（測試），前2 600組數據作為training數據參加訓練，其它數據作為validation和test數據用于檢驗．

BP神經網絡的回歸系數見圖4，其中橫坐標為目標值，縱坐標為網絡輸出，數據集中在對角線上時擬合效果較好．

圖4　BP神經網絡的回歸系數

由圖４可以看出，回歸系數R的值越接近于1，其擬合的回歸越好．擬合優度的系數R達到了0.994 24，說明BP神經網絡對于社會衛生與環境健康水平的評估較為準確，基于BP神經網絡的社會衛生與環境健康水平的評估模型是成功的．

3　推廣與建議

基于BP神經網絡構建了深圳市社會衛生與環境健康水平評估模型．可以發現，只需改變影響指標與衡量指標，就可將社會衛生與環境健康水平評估模型變為其它領域的評估模型，模型本身的結構與求解過程不會發生變化，模型結果誤差也較小．由此可見，該模型具有良好的適應性，可向其它領域或其他城市推廣，也可根據實際需要，加入更多的其它相關指標，使結果更加完善，更具真實性．在當今的大數據時代，該模型也利于國民健康數據庫的建立以及相關研究問題的數據處理．

結合全文的研究，對“健康深圳”行動計劃提出建議：

（1）政府應制定能夠具體落實到社區的方案，不斷改善社會公共衛生與環境，通過充分發揮媒體優勢來鼓勵居民外出鍛煉，同時加大體育場館及設施的建設以提升市民的體質．以社區為單位增加配套醫療設施及人員的數量．通過改善居民膳食結構等方式，改善居民體質并以此優化生活垃圾的回收效果，進一步提升深圳市空氣環境質量水平．

（2）呼吁居民以步行的方式外出，減少每日脂肪的攝入量，通過“減少能量”和避免“用進廢退”的方式有效降低居民失配性疾病的患病率，從而提高居民健康水平，同時有利于深圳市空氣質量的提高．

（3）在測控數據采集機制的構建與個人隱私保護等方面，建議設立專門部門對此負責，定期進行數據采集與處理，設立相關課題研究，建立資料庫．同時確保資料庫的保密性，對外展示研究成果時僅展示研究結論，不透露居民個人信息．做好年度、中期和終末評估，定期上報和公開工作情況及研究成果．

[1] 莊潤森．城市公眾健康素養快速評估與短信干預系統的構建與應用研究[D]．廣州：南方醫科大學，2014

[2] 彭朝林，張京京，王穎，等．健康深圳建設存在的問題及對策——基于“健康社區”的視角[J]．深圳職業技術學院學報，2019，18（2）：35-41

[3] 黃濤. 基于灰色關聯度分析的模糊群決策方法研究[D]．廣州：華南理工大學，2016

[4] 深圳市統計局．深圳市統計年鑒2008[EB/OL]．（2008-02-01）[2019-05-13]．http：// www.tjj.sz.gov.cn

[5] 深圳市統計局．深圳市統計年鑒2009[EB/OL]．（2009-03-08）[2019-05-13]．http：// www.tjj.sz.gov.cn

[6] 深圳市統計局．深圳市統計年鑒2010[EB/OL]．（2010-12-24）[2019-05-13]．http：// www.tjj.sz.gov.cn

[7] 深圳市統計局．深圳市統計年鑒2011[EB/OL]．（2012-02-16）[2019-05-13]．http：// www.tjj.sz.gov.cn

[8] 深圳市統計局．深圳市統計年鑒2012[EB/OL]．（2013-04-24）[2019-05-13]．http：// www.tjj.sz.gov.cn

[9] 深圳市統計局．深圳市統計年鑒2013[EB/OL]．（2014-04-21）[2019-05-13]．http：// www.tjj.sz.gov.cn

[10] 深圳市統計局．深圳市統計年鑒2014[EB/OL]．（2015-03-21）[2019-05-13]．http：// www.tjj.sz.gov.cn

[11] 深圳市統計局．深圳市統計年鑒2015[EB/OL]．（2016-06-07）[2019-05-13]．http：// www.tjj.sz.gov.cn

[12] 深圳市統計局．深圳市統計年鑒2016[EB/OL]．（2017-01-20）[2019-05-13]．http：// www.tjj.sz.gov.cn

[13] 深圳市統計局．深圳市統計年鑒2017[EB/OL]．（2017-12-19）[2019-05-13]．http：// www.tjj.sz.gov.cn

[14] 冷建飛，高旭，朱嘉平．多元線性回歸統計預測模型的應用[J]．統計與決策，2016（7）：82-85

[15] 吳茂興，曾慶華，陳龍志．神經網絡及回歸型支持向量融合健康評估模型[J]．航空兵器，2013（6）：43-48

The evaluation and control model of social health level based on Healthy Shenzhen plan

ZHU Lei1，WANG Chao1，LI Jiayu1，LI Han2，WANG Xueru3

（1. School of Aero-engine，2. School of Civil Aviation，3. School of Science，Shenyang Aerospace University，Shenyang 110136，China）

With the improvement of people′s material living standards，the eating habits and consciousness that people have maintained in the past are being impacted．Chronic diseases represented by mismatch diseases and modern environmental problems have begun to affect people′s health．Chinese health service is changing from treating disease as the center to health as the center．The Shenzhen municipal government has proposed a plan named Healthy Shenzhen to improve residents′ health in many aspects．Based on the plan，a multiple linear regression model was established to analyze and predicting its effects，and then a social health and environmental health assessment model was established based on the BP neural network algorithm．Finally，the related suggestions was given．

Healthy Shenzhen；multiple linear regression；BP neural network

O29∶R195

A

10.3969/j.issn.1007-9831.2020.09.006

1007-9831（2020）09-0023-06

2020-04-06

朱磊（1999-），男，湖南永州人，在讀本科生．E-mail：13324018981@163.com

王雪茹（1981-），女，內蒙古赤峰人，講師，碩士，從事基礎數學研究．E-mail：wxrlittle@163.com