“大數據”技術在公共突發衛生事件的應用研究

林海虹 李敏 羅佳佳

摘要：【目的/意義】隨著信息技術的發展，大數據技術在精準助力國家重大突發公共衛生事件的應急管理方面展現了其優越性。、利用大數據技術聯合全社會力量共同抗疫，科學高效地提升突發事件的應對能力，對提高疫情防控效率有重要意義?！痉椒?過程】首先探討了大數據在我國不同治理模式下的應用，通過對比論證分析了新型冠狀病毒疫情排查防控工作中的不足之處，在“健康碼”的基礎上引入城市“權限碼”從而構建立一個“由上至下”“由下至上”相結合的新型疫情防控情報系統模型，闡述了該模型的體系結構、總體架構及運作機制?！窘Y果/結論】該模型結合大數據技術，在健康碼基礎上發展創新權限碼，具有共享能力強、可拓展性強、安全性高等優勢，有助于提高疫情防控效率。

關鍵詞：突發公共衛生事件 新型冠狀疫情 大數據技術 應急管理 健康碼

分類號：R-05;G206

引言

2020年新年伊始，新型冠狀病毒肺炎爆發，它的蔓延速度和危害性始料未及，截至2021年2月，全球累計確診超1億例，累計死亡超2287萬例，已成為全球性重大突發公共衛生事件，給社會帶來了不可估量的損失和影響，給各國政府的應急治理工作帶來的極大的挑戰。

隨著社會信息化、數字化的發展，大數據在應急治理中的作用不斷提高;習近平總書記在全面深化改革委員會第十二次會議上強調：“鼓勵運用大數據人工智能等數字技術。在疫情監測分析，病毒溯源，防控救治，資源調配等方面發揮支撐作用，依靠科技提高應急管理的科學化、專業化、智能化、精細化水平。”[[]]但同時大數據的應用仍然存在許多問題，如公共衛生領域各類數據的開放和共享有限，數據治理規范性不足無法保證其質量，缺乏大數據在公共衛生領域應用的主動性和前瞻性等問題，導致大數據的價值難以全面發揮。

基于前述現象，本文在對突發公共衛生事件進行現狀研究和問題分析的基礎上應用相關創新理論研究突發公共衛生事件的應對機制，提升我國的衛生應急管理能力。本文以“健康碼”為視角，構建新型疫情防控情報系統模型來對我國現存在的不足進行改進;以期加強我國公共衛生應急管理的科學研究，加大防控力度，提升快速應急響應和高效防控治理未來突發公共衛生事件的能力。

一、國內外相關研究

隨著信息技術的飛速發展，通過大數據技術加強疫情防控的優勢日益明顯，國內外有關于疫情防控開展許多相關研究。國外方面，谷歌于2009年推出了“Google Flu Trends”（GFT），通過對Google的搜索日志進行大數據分析，對傳染病疫情進行了預測[[]]。Ginsberg[[]]通過自動獲取方式在谷歌日志中選擇關鍵詞，建立模型以監測流感活動。模型預測值與國家疾病預防控制中心（ Center For Disease Control And Prevention，CDC） 數據高度吻合，并且能提前1一到兩周預測流感樣病例的發生。2014年，加拿大公司推出了Bio.Di-aspora系統，運用大數據技術，通過分析全球航班起降、人口移動、氣候因素、家禽家畜密度、城市衛生管理系統等資訊，建立模型，發布動態全球病毒地圖，成功對埃博拉病毒等傳染病進行了追溯及預測[[]]。國內方面，2003年SARS事件后，我國建立了法定傳染病疫情和突發公共衛生事件網絡直報系統[[]]，各級醫院、疾控中心、衛健委可通過該系統進行事件上報及分析利用。由于公共衛生突發事件通常是復雜、長期的，針對衛生事件的預測預警，我國成功建立了傳染病預警系統，已有效服務于傳染病防控工作，實現對多種傳染病的自動檢測分析、時空聚集性識別、預警信息發送及響應結果追蹤等功能[[]]。當前，我國以傳染病監測數據為基礎，建立了基于不同大數據來源的傳染病監測預警系統，包括基于網絡、社會和自然環境因素、醫療、病原監測等[[]]。這些面向疫情防控的數據體系在疫情多源實時監控、醫療救治、信息聯動等方面發揮著重要的支撐作用。

總結而言，當前學界關于突發事件的應急管理研究主要集中在應急情報的研究上，從不同現代化技術手段、不同領域、不同案例等視角進行問題的研究及闡述。本文基于國內突發公共衛生事件防控體質建設背景下，以2019-nCoV疫情排查工作為例，將側重點落于研究疫情產物“健康碼”的創新與發展上，即在健康碼的基礎上引入城市“權限碼”概念從而對當前國內的疫情防控體系進行創新，是在國內突發公共衛生事件背景下針健康碼排查問題的補充與完善。

二、大數據在我國不同治理模式下的現狀

（一）運用現狀分析

雖然自經歷了“SARS”、“H7N9”等事件，我國應急管理機制不斷完善，逐漸由自上而下的以政府為單一主體的治理模式逐漸向自下而上的以政府、群眾、企業等多元主體治理模式轉變，現大數據在我國主要有兩種不同治理模式如表1：

傳統城市治理模式是政府通過基礎手段，對城市各項事務進行治理，以政府為主導中心的治理能夠更好地利用權力作為治理手段，實施過程較為順利，但是由于主體單一，導致這種治理模式在實行過程中存在許多問題。以智慧城市為例，它是一種典型的自上而下的治理模式，需要有充足的資金投入和時間投入，無法滿足此次新冠疫情應急管理的需求。在疫情防控中，這種傳統的治理模式出現了反應遲緩、基層手動填報任務重、群眾參與度低、城鄉區域發展失衡等問題;這些問題的存在導致最終決策和應用結果缺乏科學性，無法達到理想的防控治理結果。而與智慧城市相比，健康碼打破了以上報政府為中心的治理模式，取而代之的是以用戶為中心，政府參與的一種自下而上的管理模式，協同社會各方力量形成了有效數據庫，即在一定程度上改善了智慧城市存在的問題。

（二）漏洞現狀分析

在大數據應用過程中也存在著些許問題，例如政府方面的原始數據來源多而雜，有殘缺或錯誤，比如僅登記姓名或電話，且存在不準確現象;沒有形成標準規范，不能真正完全互聯互通共享;信息更新速度緩慢，不能及時更新，使得潛在的感染因素的接觸史超過隔離期，新發病例不能及時補充;便捷性不足，缺少對弱勢群體的關照等。

三、創新性理論構建

（一）概念引入

健康碼的出現是在非常時期突破諸多制度和規范的非常之舉。然而，“健康碼”必須以真實數據為基礎，主要依靠個人“打卡”申報，以基層數據“由下至上”形式充實大數據信息，如果個別人刻意隱瞞或漏報遲報，就難以保證數據的準確性。為此我們在“健康碼”的基礎上參照“護照”的權限設置，引入城市“權限碼”的概念，在城市與城市之間建立“權限碼”，通過各城鎮政府與國家的協同作用及大數據的優勢在重大衛生事件等級中“由上至下”進行防控。因此，規范出行人分級進行審批流程、分級進行權限劃分成為我們探討的重點。

（二）概念界定

四、模型實際構建

（一）遞階審核判斷

在疫情的迅速發展下，僅依靠政府及相關部門的力量難以進行高效快速的應對;人口的流動性是造成新型冠狀傳染病毒在全國范圍內擴散的重要驅動因素，正確引導人口的流動，也就在一定程度上降低了交叉感染的概率。對跨省區域、人員類別、出行需求等實行分級調控，明確高危區、中風險區和安全區的具體權限劃分，以更加有效地推進精細化治理。結合“權限碼”后，將不同省份的出行人面臨的問題轉移至政府相關部門，由上級政府進行電子審批能否跨省，因此設置分級審批流程及審批標準極具必要性，以下從審核標準劃分、用戶劃分及權限劃分三個遞階層次進行闡述：

1、審核標準劃分

審核標準的劃分是建立遞階審批判斷機制的基礎，它要求用戶遞交的材料具有真實性、準確性及及時性。用戶依據實際情況在統一的網上訪問窗口根據提示選填出行的地區及提交相關的材料，當地應急辦專屬部門根據其自身基本約束條件結合大數據技術對用戶進行信息審核，信息審核通過后才可進行下一層判斷。審核標準劃分如圖1所示。

2、用戶劃分

在疫情爆發期間，我們秉持著“非必要不外出”的原則，但我們也可以看到疫情有效遏制的背后存在著體制固化的現象。“一刀切”執法也給公眾的生活、工作等造成了巨大的影響，要想協同公眾力量一起作戰，必須不斷改善機制的固化提高抗疫的人性化，即針對“必要外出”現象作出相應制度創新。滿足用戶的出行需求的同時做好管控是建立新型排查防控體系的初始目的，不同的用戶群體在疫情期間出行需求存在差異，此時要做好人流量的管控必須先從用戶群體入手;此處從個人及機構兩大要素上確定用戶類別，從而根據要求進行不同權限程度的放行，用戶劃分如圖2所示。

3、權限劃分

由于疫情是在不斷變化的，全國落至地方的疫情防控手段也在不斷改變，所以用戶需求也在不斷更新。因此，在用戶群體劃分之后，我們對出行用戶的需求從事件、屬性、期限、緩急等角度進行科學劃分（如圖3），多維度地進行綜合研判，從而達到精準布設，實施分級分類的防控策略，以更好地統籌疫情防控與經濟社會秩序恢復。各地應急辦工作人員需與政府、醫療衛生系統等進行不斷的溝通，把握不同情況下的決策、防控要求，同時也要因地制宜結合所在區域的具體管理方案、條例等約束條件自行細化規則及設置個性化需求。

（二）遞階風險審批

1、整體風險防控構架

疫情防控工作是基于“風險 - 應急 - 危機治理”的城市公共安全治理的整合性分析框架，不論在哪個階段都需要突出重點、統籌兼顧，對各城市進行精準防控。當前，我國為應對新型冠狀病毒肺炎疫情構建了國務院聯防聯控機制，下設疫情防控、醫療救治、科研攻關、宣傳、后勤、保障等工作組，采取了集中管理的模式，形成防控疫情的有效合力。對于應急管理體制一般采用國家———省級———地方的三級結構進行設置（如圖4）。在整個疫情防控中始終貫穿以上橫向構架圖?？筛鶕咔轱L險層次進行系統性地分級指導：從短期防控來看，可考慮“省級統籌到平地、地市精準防控”，分級區域細化到縣（市、區），有條件的地區可細化到鄉（鎮、街道），賦予地市基層一定的自主權，實現精準治理;從長期防控來看，可以此為基礎，從實際出發劃分階段性的高、中、低風險區，通過分級執行差異化管理和防控措施，為疫后生產生活秩序的恢復提供最大的回旋余地。

2、遞階衛生等級審批流程

x本文引入的城市“權限碼”主要針對公共突發衛生等級前兩個等級：特別重大（Ⅰ級）、重大（Ⅱ級）等級進行具體如圖5所示流程審批，健康碼全程作為輔助，其功能并入該治理模型中，形成一個完整的“由上至下”“由下至上”的完整閉合系統。

在Ⅰ、Ⅱ重大公共衛生響應情況下，由出行人員遞交相關材料至當地疫情指揮部進行初審，由于各城市的疫情災情情況不一，初審通過后的材料需要目的地城市的疫情指揮部進行復審，高風險地區“權限碼”與“健康碼”雙管齊下進行嚴控把守，即在城市與城市間設置權限從而達到實施精細化和精準化治理。而在Ⅲ、Ⅳ衛生響應級別下，對于城鎮放開權限設置，由“健康碼”動態追蹤反饋，無須“權限碼”審核同時鼓勵進行恢復生產、生活。

（三）數據訪問與接入

1、數據訪問接入整體構架

在公共突發衛生中一個看似簡單的二維碼背后，調動的是涉及產品、技術、運營的多方面能力以及強大的用戶觸達能力。其需要整合了多個領域、多個部門的大量數據，通過大數據實時比對、更新并作出綜合研判，進而對用戶申報的信息進行交叉驗證，掌握公民的行動軌跡，精準識別高危人群。本文將“權限碼”背后的體系結構分為訪問層、WEB層、接口層、服務層、數據層及資源層（如圖6）。用戶端通過訪問層發送請求至API Gateway，而后API Gateway負責請求轉發、合成和協議轉換，所有來自用戶端的請求都要先經過API Gateway，然后路由這些請求到對應的微服務，用戶通過服務層與外部接入系統數據的交互，間接參與疫情防控情報系統。城市“權限碼”不同于“健康碼”傾向于在平臺端通過與手機漫游軌跡、密切接觸人員等相關數據的校驗，“權限碼”更傾向于數據比對后的環節，即在數據比對審核通過后設置的分層權限。

（1）用戶層及訪問層

新型防控系統所處理的數據，最終是要提供給用戶進行參考，以了解出行信息要求、提交材料審核及其他疫情防控訊息。疫情防控的主體是人，包括個人及由人所組成的機構。用戶可根據自身情況選擇適合自己的訪問端進行信息的搜集及填報，可結合手機客戶端等智能快捷方式提交審批材料。

（2）服務層

服務層開展了以城市“權限碼”申請為主要業務、預警預測、緊急業務、特殊人群業務等服務為輔的統一服務訪問窗口（如圖7）。在服務層背后做支撐的是多元化的數據共享機制，各參與機構的系統平臺接入此新型疫情防控系統，將各自采集、處理的數據上送至區塊鏈進行存儲，形成一個完整的多元化數據共享庫。數據源包括應急管理內部數據、其他部門共享數據、社會互聯網數據及感知數據四大模塊。在用戶申請出行時，做到數據、接口、服務、應用四個清楚，城市“權限碼”數據接入及接出流程、權限接口至各市（自治區、直轄市）、區（縣）、鎮（街道處）的技術標準和其他服務的配套標準，形成數據的共享保障機制。

（3）數據層

新型疫情防控系統的數據來源于各行各業，而各行各業的情報數據行業特性強、隱私保護要求高，我們也不能忽視對數據的管控，比如機構接入情報系統需經過注冊審核、網絡準入、區塊鏈角色與權限分配、注銷退出等流程，本文針對數據的應用分為了數據接入、處理、管控三個版塊。數據接入包括探查、讀取、對賬、續傳、分發及任務管理;數據處理包括數據的抽取、轉換、清洗、去重、補全、關聯、融合、比對及標識;數據管控上包括元數據的管理、資源目錄管理、數據字典管理等。

（4）資源層

在數據傳輸后需要對數據進行清洗和冗余消除等預處理工作，提高數據質量和有效性，對清洗過的數據進行相互關聯及聚合，最后根據數據類型的不同以標準化的結構存貯至不同的數據庫。資源層結構我們主要分為數據庫儲存、緩存、文件儲存及其他合作的云儲存服務，高效的資源整合有助于推動多元智庫的數據存儲發展，從而為疫情的數據分析提供基礎。

五、未來發展與建議

（一）完善疫情監測體系，提升預測排查能力。建立排查體系是指以國家公共衛生信息系統為基礎，結合其他與突發公共衛生事件有關的體系，建立健全全國不同層級的信息網絡，使其覆蓋各省、市、縣、鄉、村，甚至覆蓋各個社區及街道.。

（二）構建數據治理模型，制定數據采集標準。構建一個統一、規范、成熟的數據模型能夠為突發公共衛生事件的防控工作提供有價值的數據參考，降低數據后期的處理難度，為防控工作提供一個統一的標準，更有利于開展防控工作，提升突發公共衛生事件中風險防范及應急處置的前瞻性和精準性。

（三）加強數據監督治理體系，注重公民隱私保護。利用大數據進行精準防控的同時通過技術、監管等手段進一步加強相關數據的開放和安全隱私的保護，要保證原始數據的質量，提升大數據分析結果的準確性，加強數據監管體系。

（三）構建多元治理機制，推動協同治理模式。運用大數據構建政府各部門之間，政府與社會各界共享信息的線上治理平臺，改變政府單一化、碎片化的治理模式。另以大數據為依托形成以政府為主導、部門聯動、社會各界支持和民眾積極參與的多元協同治理，實現最大限度的數據共享，提高突發公共衛生事件的治理效率。

參考文獻

[1]習近平主席在中央全面深化改革委員會第十二次會議上的講話[EB/OL].[2020-03-27]

[2] 張昌明，朱紅. 大數據以及在醫療領域的應用[J]. 中國醫學教育技術，2015，29（ 3）： 294 - 297.

[3] Ginsberg J，Mohebbi MH，Patel RS，et al. Detecting influenza epidemics using search engine query data[J].Nature，2009，457（ 7232）：1012-1014.

[4] 辛妍. Bio. Diaspora： 基于大數據的疫情擴散預測[J].新經濟導刊，2014，11： 44 - 49.

[5]金水高. 我國公共衛生信息化發展概覽[J]. 中國醫療器械信息，2010，16（03）：9-18+36.

[6]我國傳染病預警系統達國際先進水平[J].中國信息界（e醫療），2014，（11）：11.

[7]祝丙華，王立貴，孫巖松，宋宏彬. 基于大數據傳染病監測預警研究進展[J]. 中國公共衛生，2016，32（09）：1276-1279.

[8]趙發珍，王超，曲宗希.大數據驅動的城市公共安全治理模式研究——一個整合性分析框架[J].情報雜志，2020，39（06）：179-186+151.

湖北經濟學院法商學院，湖北武漢430000