面向公共衛生事件的大數據治理能力評價與應急管理策略研究

黃煒　孟慧瑩

DOI：10 3969/j.issn.1008-0821.2021.10.014

[中圖分類號]G203 [文獻標識碼]A [文章編號]1008—0821（2021）10—0119—11

一直以來，突發公共衛生事件給人類社會造成巨大威脅，特別是2003年廣東順德暴發的非典疫情以及2020年湖北武漢暴發的新冠肺炎疫情，兩次重大疫情均從暴發地迅速蔓延到全國各地，并造成嚴重危害。盡管，非典疫情后，我國公共衛生應急管理體系建設已向前邁出重要一步，然而，2020年初暴發的新冠肺炎疫情仍然暴露出我國在應對重大突發公共衛生事件中存在的監測預警機制不完善、信息通報制度不全面、公共衛生資源供給不足與配置不合理等諸多問題。

大數據治理有助于公共衛生應急管理體系建設快速發展，從而保證國家、社會以及民眾能夠更從容地應對公共衛生事件，盡可能降低其危害性。然而，目前鮮有研究利用大數據治理解決公共衛生應急管理中存在的問題。因此，為了充分利用大數據治理的相關技術和方法應對公共衛生事件，提升公共衛生應急管理水平，本研究將通過探析大數據治理與公共衛生事件的深層次聯系，分析面向公共衛生事件的大數據治理能力影響因素，構建面向公共衛生事件的大數據治理能力評價指標體系，并根據研究結果，結合此次新冠肺炎疫情防控中的問題，為公共衛生事件的應急管理提出相應對策和建議。

1相關研究

1.1公共衛生事件與公共衛生應急管理

公共衛生事件是指對國家發展、社會穩定、民眾健康構成或者可能構成威脅的突發性事件，非典和新冠肺炎疫情均屬于重大突發公共衛生事件。為應對諸如此類的事件，相關組織機構應當實施恰當的公共衛生應急管理措施并在此過程中總結經驗以提高公共衛生應急管理水平。公共衛生應急管理是為了保障民眾健康和生命安全，維護社會穩定，由衛生部門、政府機構等采取醫學防治、衛生監督、政策發布等一系列干預和控制公共衛生事件危害性的行為。

新冠肺炎疫情暴發后迅速蔓延，成為國際性的重大突發公共衛生事件。由于公共衛生事件會對國家、社會和民眾造成嚴重影響和威脅，因此如何應對公共衛生事件成為學界的研究熱點。在應對公共衛生事件方面，提高社會對于風險信息的感知能力，不斷完善預警機制，是從源頭防范和控制公共衛生事件的關鍵。并且，對公共衛生事件下產生的網絡輿情進行分析并合理應對，是維持社會穩定的重要環節。趙耀等建議從加強早期網絡輿情的監測預警、做好中期網絡輿情的引導工作、重視末期網絡輿情的恢復3大層面應對公共衛生事件下的網絡輿情。馬續補等發現公眾會高度關注公共衛生事件下的科研信息報道，并且官方媒體和權威專家的回應能夠影響事件輿情的走向，由此建立“官方媒體—權威專家—普通公眾”三方協同的公共衛生事件科研信息報道輿情的管控機制。另外，利用大數據相關的技術和方法是目前應對公共衛生事件的重要發展趨勢。彭宗超等通過分析新冠肺炎疫情前期防控過程中“五情”信息的演化和相互之間影響的過程、機理，呼吁相關機構高度重視公共衛生事件早期的大數據監測預警工作。王鉞通過剖析“互聯網+國家治理”之于突發公共衛生事件的內在機制，分析新冠肺炎疫情防控過程中暴露的問題，從意識、技術和管理3個層面提出公共衛生事件治理能力提升的具體措施。

公共衛生事件的應急管理作為防范、處置公共衛生事件的核心要務同樣引起了學者們的關注。公共衛生應急管理階段劃分的結果具有多樣性，其中魯全將公共衛生應急管理周期劃分為3個階段，分別是預防與準備階段、響應和應對階段以及善后與恢復階段。公共衛生應急管理體系具有復雜性，為充分發揮公共衛生應急管理的治理能力，促進公共衛生應急管理體系建設，相關組織機構需要健全應急管理體制、機制并完善其法制。李雪峰從公共衛生應急管理的法治保障、國家及衛生部門應急管理體制、應急管理的工作機制等7個方面出發，為健全我國公共衛生應急管理體系提出了對策與建議。

習近平總書記鼓勵充分發揮大數據技術在疫情防控中的作用，保證公共衛生事件的監測預警工作、醫療防控救治工作以及應急資源調配工作等高效精準實施。將大數據技術運用于公共衛生應急管理中能夠提高其決策水平，并轉變決策方式，使得決策方式從經驗決策轉變為數據決策，由事后經驗總結轉變為事前及時預警。另外，面向公共衛生事件的大數據治理對跨部門數據對接、信息共享以及組織間協同管理存在較高要求，并對數字化技術表現出高依賴性。王青蘭等提出公共衛生數據共享平臺能夠通過數據分析將公共衛生實踐中所產生的數據轉變為電子病歷類信息、臨床決策類信息、政務協同類信息以及社會治理類信息，對這4大類信息進行提煉整合后能夠得到可傳播、可促進決策的公共衛生信息，由此提升公共衛生應急管理水平。

1.2大數據治理及其治理能力

大數據治理的概念眾說紛紜，學者們也沒有統一、權威的定論，但是從大數據治理的目的、對象以及解決的問題3個維度解讀大數據治理能夠幫助理解其概念內涵。大數據治理的目的在于價值實現和風險管控;大數據治理的對象是權責分配，即分配決策權的歸屬以及其相應所承擔的責任，并需要保證權力與責任匹配;大數據治理需要解決的實際問題包括決策范圍、決策者、決策制定以及決策監控。實現大數據治理，發揮大數據治理的作用需要具備4大要素。其中，風險管控和價值實現構成大數據治理目標要素：組織結構、組織流程以及組織人員構成大數據治理促成要素;大數據質量管理、大數據生命周期管理以及大數據安全與隱私管理則組成大數據治理的核心要素;大數據基礎資源要素管理以及大數據標準管理則是大數據治理的支持要素。明確大數據治理的要素，了解各要素的作用以及要素間的關系有利于提高大數據治理能力。大數據治理能力指某領域利用大數據治理的相關技術和方法，解決此領域中存在的問題或推進此領域發展的能力。

目前，學界對大數據治理能力的研究主要集中在政府、醫療和檔案3大領域。政府大數據治理能力是指以政府為治理主體，以公民、社會以及政府自身的需求為治理導向，運用大數據技術和方法對政府的各類數據資源進行治理以實現政府數據治理現代化的能力。影響政府大數據治理能力的主要因素包括數據、技術以及資源，三者相輔相成，為政府大數據治理中產生的問題提供決策方案。謝剛等提出提升醫院大數據治理能力能夠提高醫療服務效率以及醫療服務質量，據此構建多科性醫院大數據治理能力的評價指標體系，研究結果表明，搭建滿足大數據治理需求的軟硬件環境，并提高相關部門的大數據治理能力水平是促進多科性醫院大數據治理能力快速提升的關鍵所在。常大偉等從治理能力建設以及實現角度分析檔案數據治理能力，通過構建檔案數據治理能力的結構體系，明晰提升檔案數據治理能力的具體實施路徑。

2面向公共衛生事件的大數據治理能力評價指標體系

2.1面向公共衛生事件的大數據治理活動

面向公共衛生事件的大數據治理需要結合公共衛生事件的應對策略規劃大數據治理活動，本文通過梳理面向公共衛生事件的大數據治理從宏觀層面至下各階段治理活動，如圖1所示，剖析其大數據治理能力的主要影響因素。

2.1.1宏觀層

大數據治理在宏觀層面的治理活動要素主要包括治理目標、需要解決的實際問題以及治理過程中的權責分配。基于公共衛生事件，大數據治理目標即利用大數據做出科學決策，實現數據價值;監測大數據動態，在公共衛生事件防控前期及時發出預警信號，最大限度地降低公共衛生事件帶來的風險。需要解決的實際問題包括公共衛生事件治理的決策范圍、決策者、決策制定以及決策監控，可以通過尋求公共衛生事件治理的實施路徑，即制定大數據解決方案和大數據過程標準，解決以上問題。明確治理目標與制定實施路徑的過程即為面向公共衛生事件的大數據治理戰略規劃。

面向公共衛生事件的大數據治理過程中的權責分配，即各階段組織流程的決策權歸屬、責任分配以及人員設置，其中包括組織流程、組織結構以及組織人員3個要素。這些組織要素共同構建起面向公共衛生事件的大數據治理組織保障。

2.1.2中觀層

在中觀層面，面向公共衛生事件的大數據治理活動包括確定所需管理的數據資源要素、部署數據架構以及管控大數據治理風險。元數據管理、主數據管理、參考數據管理以及數據標準管理是數據資源管理的基礎管理要素。元數據是描述數據屬性的一類數據，有助于資源查找、文件記錄、存儲位置指示等功能的實現，元數據管理包括元數據實體定義、詞匯表發展等，元數據的創建、存儲以及共享交換等則是較為基礎的元數據管理流程;主數據是相關部門的關鍵數據，也是系統間需要共享的數據，主數據管理包括了解主數據應用需求、識別主數據來源以及提高主數據質量等;參考數據是增加數據可讀性以及可維護性的重要數據，對參考數據進行管理能夠幫助相關組織機構提高數據整合、共享及分析的效率;數據標準管理是規范數據標準制定及其實施的一系列活動，對提升數據質量、實現數據共享、釋放數據價值等意義重大。部署數據架構包括建設大數據平臺與運用大數據技術。建設大數據平臺能夠實現公共衛生應急管理大數據的收集、分析、存儲以及共享等功能，而合理運用大數據技術處理公共衛生應急管理中所產生的大數據，能夠幫助相關部門做出合理決策，保證大數據決策的準確性。

大數據治理的快速發展與應用加快了國家治理體系和治理能力現代化的進程，然而在此過程中也催生了大數據治理風險，主要表現為大數據質量風險、大數據生命周期風險、大數據安全與隱私風險以及大數據技術風險。保證大數據質量是進行大數據研究的基礎條件，是開展數據治理活動的前提。大數據質量管理是提高大數據質量的重要手段，是大數據治理的要務之一。大數據質量管理的重點是對數據集進行評估，并對不符合要求的數據進行糾正，確保所得到的數據集能夠服務于面向公共衛生事件的大數據治理。在此過程中，數據冗余、數據殘缺以及數據結構不一致等數據質量風險需要及時關注并解決。大數據生命周期管理用于管理系統數據全生命周期的流動，包括數據的創建、存儲、分析、共享以及銷毀等階段。其中，數據供需不匹配、數據共享受阻、數據價值流失等數據生命周期風險應當引起注意。大數據安全與隱私管理貫穿大數據全生命周期，需要考慮在大數據生命周期不同階段，數據在不同主體間進行發布、傳輸和共享等操作時的數據安全保護策略。此過程中，數據丟失和數據泄露是需要重點關注的安全風險。大數據技術風險則涉及數據平臺建設中“數據倉庫”的安全性和穩定性以及數據技術應用的一體化程度。

以上確定數據資源管理要素、部署數據架構以及管控數據治理風險的過程即為面向公共衛生事件的大數據治理數據管控。

2.1.3微觀層

在微觀層，面向公共衛生事件的大數據治理活動是從具體行為角度防控公共衛生事件，包括外部響應和內部應急，這兩部分治理活動的治理對象及治理目標有所不同。外部響應根據治理主體不同，分為包含輿論應對和民眾參與的社會治理以及包含響應大數據政策和公共衛生管理制度的政府治理。內部應急包括醫療資源信息治理和衛生機構服務范圍監測，前者是利用大數據掌握醫療資源的數量、需求量以及分配比例等數據信息，對數據進行分析處理，實現醫療資源的及時補充和精準調配;后者是通過預測潛在病患數量，并以相關衛生機構的工作人員數量（包括醫生、護士、機動人員等）、床位數量、設施齊全度等為依據評估衛生機構的服務范圍和服務能力，增援服務能力不足的地區，保證公共衛生事件發生后，區域內的所有病患都能夠接受有效治療。通過保證外部響應與內部應急及時有效，進而保證面向公共衛生事件的大數據治理應急效能。

綜上所述，面向公共衛生事件的大數據治理能力，即為相關組織機構通過對面向公共衛生事件的大數據治理過程中產生的數據采取一系列數據管控措施，以實現大數據治理戰略規劃，并提高公共衛生事件應急效能的能力。面向公共衛生事件的大數據治理能力的核心因素分別為戰略規劃、組織保障、數據管控以及應急效能，將其作為本文所構建指標體系的初步一級指標。

2.2面向公共衛生事件的大數據治理能力評價指標體系構建

為科學有效地評價面向公共衛生事件的大數據治理能力，保證所構建的評價指標體系合理且規范，設計原則應當具備系統性、針對性、可操作性以及動態性。本文根據相關理論分析、文獻研究以及治理活動框架，結合德爾菲法確定面向公共衛生事件的大數據治理能力評價指標體系。

首先，對公共衛生事件和大數據治理的相關理論及文獻進行歸納梳理，分析面向公共衛生事件的大數據治理活動要素，從而剖析大數據治理能力的影響要素，得到以4個一級指標、9個二級指標、30個三級指標構成的初級評價指標體系。

然后，利用德爾菲法，以問卷調查的形式征詢專家意見，對其進行整合，進而篩選出合理有效的指標。采用李克特五點量表法設計問卷，將指標的重要程度劃分為5個等級，并分別賦值，5、4、3、2、1這5個數字分別代表非常重要、重要、一般重要、不重要和非常不重要5個程度。集中度和離散度是進行指標選取的兩個重要判斷標準，集中度由指標認同率和指標重要程度平均值來度量，而離散度以變異系數來度量。由此，選取的指標應當滿足認同率高于65%、重要程度的平均值高于3.5分以及變異系數低于0.3這3個要求。

最后，根據湖北工業大學知識管理與創新研究中心10位相關領域研究者的兩輪打分結果進行指標取舍以及優化調整，所獲得的一、二、三級指標認同率分別為100%、100%、90%。最終確定的指標體系包含戰略規劃、組織保障、數據管控和應急效能4個一級指標，治理目標、實施路徑、組織架構等9個二級指標和大數據監測預警能力、大數據科學決策能力、大數據解決方案制定等24個三級指標，如表1所示。

3面向公共衛生事件的大數據治理能力評價指標權重確定

本文采用改進的“五標度”層次分析法，結合D-S證據理論，確定指標權重。由于常用的“1～9標度”法基礎數據復雜并且對各指標間的重要程度判斷要求比較高，而改進的“三標度”法雖然基礎數據較少，各指標間重要程度判斷較為簡單，但隨之會產生一致性缺失、判斷信息缺失以及累計優勢度降低的問題，因此本文選擇（-2，2）的“五標度”法。首先，基于“五標度”法設計各級指標間兩兩重要性比較的專家問卷，指標重要性判斷法則如表2所示;然后，為降低單一專家決策意見所造成的片面性和不確定性，文章利用D-S證據理論融合各專家意見，構造判斷矩陣;最后，運用改進層次分析法計算本文面向公共衛生事件的大數據治理能力影響指標權重。

3.1 D-S證據理論

D-S證據理論具備扎實的數學基礎，能夠提供一種融合多源數據的合成法則，在處理不確定性信息方面顯示出強大的能力。將D-S證據理論運用于專家決策中，能夠減少因專家對不確定事件的錯誤或不準確判斷而造成的決策偏差，提高專家決策的準確程度。

將專家根據重要性判斷法則對各級指標間進行兩兩比較重要程度判斷的識別框架設定為θ={-2，-1，0，1，2}，指標Q_i和Q_i重要程度判斷的專家評價結果設定為Q_ij（i=1，2，…，n;j=1，2，…，n）。由W位專家獨立地對各級指標間兩兩比較重要程度進行評價，根據所獲取的W位專家評價結果能夠得到屬于θ冪集的w個基本概率分配函數mass：m₁，m₂，…，m_w。利用Dempster合成規則對以上mass函數進行依次融合，即：

以一級指標中戰略規劃（X₁）和組織保障（X₂）為例，由湖北工業大學知識管理與創新研究中心相關領域的5位專家獨立地對兩指標的相對重要程度做出判斷，表3即為各專家結合表2所給出的指標相對重要程度概率矩陣。

3.2改進層次分析法

3.2.1建立層次結構模型

將影響面向公共衛生事件大數據治理能力的因素進行梳理，建立如圖2所示的大數據治理能力影響因素層次結構模型。

3.2.2構建判斷矩陣

根據D-S證據理論融合專家意見的結果，構建如下判斷矩陣。

3.2.3改進矩陣一致性

專家根據經驗給出指標間兩兩比較重要程度的結果，然而，由于人們對于事物的認識和判斷受主觀因素的影響，其給出的判斷結果往往不能夠完全反映事物的客觀狀態，因此當使用傳統層次分析法計算指標權重時，則需要對矩陣進行一致性檢驗。但是，隨著專家學者對層次分析法研究的深入，其計算方式有所改進，可以利用構造一致性矩陣的方式代替矩陣一致性的驗證。

根據式（5）可得：

It/=[0.5279，0.0714，0.2494，0.1513]^T

W中各元素即為各一級指標的權重值。

根據以上方法，求得各層各指標元素權重值，如表4所示。

3.3權重結果分析

通過圖3可以看出，大數據監測預警能力是一級指標戰略規劃層中影響力最大的因素，也是面向公共衛生事件的大數據治理能力所有影響指標中權重最大的因素。在其他一級指標層中，影響力最大的因素分別是組織保障層中的組織人員的數據素養、數據管控層中的大數據質量風險管理以及應急效能層中的醫療資源信息治理能力。

4新冠肺炎疫情防控問題與公共衛生應急管理策略

新冠肺炎疫情暴露出我國公共衛生應急管理體系仍然存在著諸多問題，下文將結合面向公共衛生事件的大數據治理能力評價指標體系研究結果有針對性地剖析疫情防控中暴露出的問題，據此為公共衛生事件的應急管理提出對策和建議。

4.1大數據監測預警方面存在的問題及其應對策略

大數據監測預警能力是影響面向公共衛生事件的大數據治理能力最為根本的因素。然而，盡管我國在SARS之后重點建造了中國傳染病疫情和突發公共衛生事件網絡直報系統，但是由于相關組織機構對“非官方”數據信息關注度不夠，導致網絡直報系統失靈。在新冠疫情暴發初期，從各方對于疫情信息的“誤判”、疫情上報不夠及時到疫情防控預警系統失效，種種原因導致疫情蔓延范圍增大、疫情擴散趨勢加快、疫情控制難度加大。這暴露出我國公共衛生應急管理大數據監測預警體系存在如下問題：現有監測預警系統功能結構不夠完善，缺乏針對新型傳染病疫情以及不明原因疾病的應對方案;新型傳染病疫情以及不明原因疾病的上報審批過程繁瑣，對疫情快速預警和防控造成阻礙;大數據監測預警系統的數據來源單一，獲得的信息具有不確定性，導致相關部門所做的判斷或決策不夠準確且不夠權威;各相關部門間缺乏信息共享機制，信息難以在部門間流轉，信息的整合效率低，無法進行有效的聯合預警。

對此，有如下建議：完善公共衛生應急管理大數據監測預警系統，不僅要制定法定傳染病的分級、監測預警方案，還需匯總新型傳染病的各項信息，并制定新型傳染病疫情以及不明原因疾病的系統性應對方案;簡化新型傳染病疫情以及不明原因疾病的上報流程，依據事態嚴重性分級制定不同等級的疫情審批原則;獲取醫療衛生、政府政策、社會民生以及互聯網等與新型傳染病疫情以及不明原因疾病相關的多方面數據，通過匯總、分析多元數據對新型傳染病疫情以及不明原因疾病做出相對準確的判斷;構建一體化的公共衛生應急管理大數據治理平臺，實現跨部門數據共享，整合各部門信息，實現快速且有效的聯合預警。

4.2組織人員的數據素養方面存在的問題及其應對策略

組織人員的數據素養是面向公共衛生事件的大數據治理能力組織保障層最為基本且重要的因素，是指相關組織機構的工作人員對數據的收集、分析和處理能力以及利用數據做出決策的能力。在公共衛生應急管理中，基層公共衛生機構工作者主要負責對公共衛生事件的相關數據進行收集、記錄和匯總;具備大數據處理能力的人員主要負責對數據進行分析、整合;公共衛生事件相關決策者則根據經過分析處理的公共衛生數據及信息做出正確決策。

然而，在此次新冠肺炎疫情應急管理中，仍然存在使用人工登記、紙質填報等方式獲取數據信息的部門和組織。傳統的數據獲取方式耗時耗力、準確性難以保證并且數據難以傳遞和共享，導致基層工作人員的工作任務量巨大且效率低下。基于此，應當提高基層公共衛生機構的信息化程度，為其配置相應的信息化設備，并且對基層公共衛生工作者進行信息化教育培訓，提高工作者的信息化水平和數據素養。

4.3大數據質量風險管理方面存在的問題及其應對策略

大數據質量管理是面向公共衛生事件的大數據治理能力數據管控層最為關鍵的因素，它決定著數據管控層中所有環節的成功與否，是數據全生命周期管理的基礎，也是數據安全與隱私管理的前提。并且，大數據平臺的搭建以及大數據技術的應用均對大數據質量有較高要求。與此同時，大數據質量也面臨著諸多風險。

此次新冠肺炎疫情中，通過各部門數據采集所獲取的疫情相關基礎數據存在數據冗余、數據缺失、數據結構不一致等問題。因而，把基礎數據轉化為高質量公共數據的過程更加艱難，并且與疫情防控的數據需求匹配度不高。由于相關部門在數據采集方面的權責劃分不清晰，因此會出現數據采集重復、缺失等問題;而沒有統一的數據采集上報平臺，則會導致數據結構產生差異。對此，應當增強跨部門間信息交流，對各部門的權責劃分制定清晰、明確的標準，規避數據冗余以及數據缺失風險;建立標準的、統一管理的數據采集上報平臺，對所獲取的數據進行處理，及時發現、解決數據冗余和數據缺失問題，并通過制定數據標準規范數據結構。

4.4醫療資源信息治理方面存在的問題及其應對策略

醫療資源信息治理能力是面向公共衛生事件的大數據治理能力應急效能層中最為核心的因素，決定著醫療應急物資的精準調配能力，充足的醫療應急物資能夠保證醫護人員在進行醫療救助過程中的安全、保證各部門防疫工作者在實施公共衛生事件應對措施時的安全。

但是，在此次新冠肺炎疫情中，由于疫情的突發性以及病情的潛伏期，醫療物資數量和調配量難以提前預知，導致疫情初期湖北地區醫療物資嚴重短缺，一線醫護人員面臨著嚴重的安全威脅。這暴露出我國公共衛生應急管理在醫療應急資源信息治理中存在的主要問題有：醫療應急資源信息管理和調配過程管理不統一、不集中;醫療應急資源信息在部門之間存在數據不互通、信息流轉堵塞等問題。對此，應當建立全地區統一的應急物資信息管理平臺，優化應急物資管理的決策權;并通過平臺實現醫療應急資源信息的共享，保證信息的真實性、透明性和可追溯性。

5結語

本文通過構建面向公共衛生事件的大數據治理能力評價指標體系，計算各指標權重，發現大數據監測預警能力、組織人員的數據素養、大數據質量風險管理以及醫療資源信息治理能力分別是一級指標戰略規劃、組織保障、數據管控以及應急效能層面影響力最大的因素，其中大數據監測預警能力則是評價指標體系中影響力最大的因素。根據研究結果，有針對性地對新冠肺炎疫情防控中暴露出的問題進行分析，并為公共衛生事件的應急管理提出相應建議。

（責任編輯：孫國雷）