基于大数据的慢性病健康管理服务研究进展

葛海燕，关国跃，祭 伟，王风晓



基于大数据的慢性病健康管理服务研究进展

葛海燕，关国跃，祭 伟，王风晓

华东疗养院，无锡，214065。

慢性非传染性疾病已成为全球面临的一个主要公共卫生问题。中国在慢病管理工作进行了很多实践，也积累了很多成功的经验。但是由于各种原因，慢病管理一直都缺乏一种能在全程监测、危险因素评估的基础上对慢病患者及高危人群开展长期坚持的、覆盖面广的、有针对性的健康教育以及干预。随着互联网、云计算、物联网等技术的发展，健康医疗大数据可在多个层面对慢病防控提供支撑。

慢性病；健康管理；大数据

1 大数据的概念及特征

大数据定义为一个大而复杂的、难以用现有数据库管理工具处理的数据集。通常认为，大数据具有3V的特点：规模性（Volume）、高速性（Velocity）、多样性（Variety）[1]。此外，IBM公司认为大数据要具有真实性（Veracity），还有人认为大数据应具有价值密度低，商业价值高（Value）的特性。大数据的真正价值不在于数据本身，而是通过处理、分析后的数据共享，通过数据挖掘，能够从海量、异构、动态实时的数据中，获取有洞察力和价值的信息[2]。各国政府和科研机构都高度关注大数据，跨国IT企业纷纷进入大数据领域。MapReduce和Hadoop的开发和使用开启了大数据分析领域的新天地，标志着临床大数据的开发进程取得了长足进步。医疗大数据指的是在医疗行业中产生的数据，主要有4个来源：临床实验数据；生物医药、生命科学领域、DNA基因序列、生物芯片研究等过程数据；电子病例、诊断数据；医疗保险、患者登记和社会媒体产生的数据及个体健康信息等。医疗大数据除了具有大数据的5个特点之外，还有多态性、时效性、不完整性、冗余性、隐私性等特点[3-4]。人们越来越关注大数据在医疗卫生领域的诊疗、科研、管理和教学等方面的作用。

2 大数据对于慢病管理的重要意义

随着人口老龄化加重、城市化速度加快以及传统饮食习惯生活行为急剧变化，慢性非传染性疾病（noninfectious chronic disease，NCDs，以下简称“慢病”）已成为全球面临的一个主要公共卫生问题[5]。中国在慢病管理的工作进行了很多实践，也积累了很多成功的经验，但是由于各种原因。一直以来慢病管理都缺乏一种能在全程监测、危险因素评估的基础上对慢病患者及高危人群开展长期坚持的、覆盖面广的、有针对性的健康教育以及干预[6-7]。随着互联网、云计算、物联网等技术的发展，健康医疗大数据可在多个层面对慢病防控提供支撑[8]。过去医学研究多以随机小样本来替代庞大的群体，研究聚焦于疾病的某一环节而非整体，注重疾病的直接因果关系，而淡化了它们之间的关联。而大数据分析则基于全部数据，侧重分析事物之间的关联，强调了遗传和环境等危险因素的重要性。做到将慢病诊治的关口前移至对疾病的预警、预测，就需要借助大数据的不断积累[9]。

3 国外大数据应用于医疗卫生及慢病健康管理的现状

3.1 美国

2014年美国的公共数据开放项目Open FDA上线开放了300万份药物不良反应报告数据，涵盖2004—2013年美国食品药品管理局收集到的药品不良反应和医疗过失记录。近年来，美国将信息技术应用到慢性病管理领域，构建出以家庭为基础的慢性病远程管理模式，建立患者专项档案，实时监测数据，及时调整治疗方案。卡罗来纳医疗体系利用大数据和预测模型来评价人群的健康水平。该公司向数据代理商购买患者消费信息，并利用预测模型对这些数据进行分析，得出患者的风险评分。至今，该公司己经开始收集并分析了2亿人的消费数据，用于识别高危患者。该公司的数据来源于中间商，而中间商的数据则来源于公共记录、商家以及人们的信用卡消费记录[10]。

3.2 以色列

刘文先等[11]在2018年对以色列健康信息化情况进行考察，其报告显示，以色列持续推进实施国家数字健康战略，从国家层面搭建顶层架构，电子病历基本覆盖全体居民，卫生部投资建设国家健康信息交换（HIE）平台，各个医疗机构将数据推送至前置端并接入平台，形成健康信息交换网络，实现整个医疗保健系统的诊疗数据共享使用。每天更新数据，保证每位居民都有长期的、连续性的个人健康记录。患者所有的住院及门诊信息，均可在社区服务中心通过网络获取，居民根据自身的健康情况，可通过远程医疗进行预约、咨询、开药、转诊等。医生能在线开处方并对医疗质量负责。目前，以色列正在进行糖尿病大数据分析，采集5万余名患者数据，建立管理模型，帮助患者控制病情。

3.3 丹麦

丹麦MedCom项目于2003年发起，目前大力推进电子健康记录项目，目的是使医生能获取病人在全国各医院的电子病历信息，包括疾病诊断、病程记录、出院小结等。2011年该系统包含了丹麦85%人口健康记录。公立医院的医生通过医院的电子病历系统能直接查看电子健康记录，全科医生和民众则通过国家健康网站访问。同时，丹麦政府准许研究者获取1970年到现在患者的匿名数据（包括健康指标和住院数据）[12]。

3.4 韩国

韩国生物医学中心计划运行国家DNA管理系统，将DNA和患者医疗数据结合，为患者提供个性化诊断和治疗。其实际即是运用大数据的分析能力将系统生物学数据（如基因、蛋白质、生物小分子的相关数据）和电子健康病历数据结合，使基因测序、个性化药物及个人健康管理等个性化医疗行为变成临床实践。

4 大数据技术在我国医疗卫生慢病健康管理工作中的应用

4.1 大数据运用的相关政策文件

2014年11月，李克强总理提出在疾病防治、灾害预防、社会保障、电子政务等领域开展大数据应用示范。自2015年起，我国已连续出台了一系列政策文件《国务院关于推进“互联网+”行动的指导意见》《全国医疗卫生服务体系规划纲要（2015—2020年）》《促进大数据发展行动纲要》《关于促进和规范健康医疗大数据应用发展的指导意见》等，将健康医疗大数据列为国家重要的基础性战略资源，进一步规范和推动健康医疗大数据融合共享与开放应用。

4.2 大数据慢病管理的平台建设

目前，全国有上海、北京、湖南、四川等多个省市都启动了省级卫生信息化平台建设，并初步完成了基础平台建设。浙江杭州已尝试建立社区卫生服务网，该信息共享平台不仅对医务人员开放，还可对普通居民开放，使普通民众也能主动管理自身的健康。厦门市建成了全国首个区域性“健康医疗云”项目，该项目将原有的慢病一体化系统整合至云平台，在云上进行糖尿病及高血压管理登记报告制度，搭建胸痛远程监控平台，实现了老年慢性病的延续护理。上海健康信息网工程，实现市级平台、公卫平台、17个区县平台与医联平台的互联互通，包含健康档案数据库和电子病历数据库二个核心数据库。“上海健康云”市民端应用可以在线提供慢病风险评估、健康档案调阅、在线问诊、在线签约、预约挂号转诊、免疫规划、亲情账户等服务，引导市民开展慢病自主管理。该服务覆盖了上海全市122个社区，实现了9万余名社区居民的线上注册，有7,000余名家庭医生提供线上服务，120余万名居民还在社区卫生服务中心使用物联网监测设备测量体征[13]。

刘倩丽等[14]对中国电子健康档案的应用情况进行了研究，指出了电子健康档案困境和瓶颈，并提出建议，包括建立统一数据标准，实现医疗卫生服务信息的互联互通共享；提高整体建档率，加强与新农合等基本医疗保险系统相衔接，努力扩大建档人群，提高建档率；建立EHR的多渠道筹资模式充分利用市场等。

基于大数据的慢病管理平台，计算构建慢病管控的各项指标，利用历史数据的比对，来评估慢病管理的有效性，分析慢病管理的有效方案，形成直观的可视化统计报表，实时发布慢病现状和诊疗技术发展趋势，使卫生管理机构能够合理调配医疗资源[15]。利用大数据技术与方法，可为循证公共卫生决策提供准确有效的支持。将个人数据集加入大数据能为循证医学提供坚实的证据，能发现小样本无法发现的细微差别，为公共卫生决策者提供最新的证据，指导卫生政策的制定或临床实践[3]。“基于大数据的上海市卫生决策支持体系构建项目”开展了卫生筹资、卫生规划、卫生绩效评价、药品使用监测、卫生技术评估五大模块与应用研究，挖掘数据潜在价值，为卫生决策提供工具与方法学参考[16]。

4.3 大数据在慢病健康管理中的运用

伴随互联网与健康产业融合的不断深化，大数据将不断丰富慢性病防治的方式与方法，逐渐成为慢病管理的主要手段。大数据时代的到来是大势所趋，大数据分析因其强大的预测能力，在疾病诊疗、模型建立、个人健康管理、基因分析等领域逐渐显示出强大的优势[17]。

4.3.1 大数据在疾病预警中的运用

薛付忠[18]提出了健康医疗大数据背景下生命历程流行病学与暴露组学理论指导的健康/疾病管理学理论框架与概念模型、健康/疾病检测指标筛选及证据获取的理论方法。其中，以心血管疾病为例，在暴露组学和生命历程流行病学理论框架下，提出了广义心血管事件链（general cardiovascular continuum，GCVO）概念模型，扩展了疾病预警时间链，并特别强调“基因—环境”的复杂交互作用调控心血管病变发生、发展和转归进程，使心血管健康管理贯穿于整个生命历程。其课题组建立的“山东多中心健康管理纵向观察大数据库”，开展大数据研究，为代谢综合征和心血管病预测模型提供了很多新型的生物标记和预测因子。袁祖贻[9]开展的西北地区（陕西省）慢性病防控心血管健康指数的研究，通过对大数据挖掘和分析，发现心脑血管疾病在西北地区的流行特征并提早布局，并进行有针对性的防控，对陕西城乡居民卫生健康状况的改善意义重大。孙艳秋等[19]提出采用大数据分析的潜在高血压病预测方法，通过数据采集、预处理等，对数据属性进行分类，建立潜在高血压病的预测模型，根据计算模型属性分类结果的权重，得到不同属性对高血压影响的重要程度分级，通过与高血压病特征参数的比较，获取潜在的高血压病的预测结果。

王伟娜等[20]对患者画像技术进行描述，根据用户的诊断信息、日常生活信息、用药信息、医学影像信息等数据进行抽象标签化，根据用户的医学标签更加精确的为用户提供慢病管理等健康服务。此技术通过实时监控消费者的网络咨询、问诊等健康服务网络行为，分析抓取相关关键词，如询问病症名称、自我疗法、相关药品等关键词，可以发出大数据的预警。通过大数据的分析，能够识别不同病症的地域分布，影响的人群广度，并结合医疗工作者的经验，共同判断是否会爆发流行性疾病[21]。利用大数据技术，基于处方药和非处方药的销售量、卫生服务咨询中心接到患者电话的数量和内容、关键词的点击量或搜索次数、社交网络浏览偏好等，使人群疾病预测成为可能，对于人群健康/疾病特点的分析相较于之前的小样本数据分析更客观准确。

刘咏梅等[22]在对“量化自我在健康领域的应用”的研究中，分析了“量化自我”的内涵，是由“大数据+移动终端+传感器网络+数据处理+游戏”构成。研究指出：对量化自我数据的运用，有利于慢性病的家庭护理与康复，利于发现病症新的医疗发现、形成新的医疗方法，能够处理成为一系列的行为见解和干预措施，在患者发生病理前识别出早期预警信号，便于医生及时介入诊疗。

无锡阿斯利康制药有限公司在全国范围内已经建成了1,320余家呼吸综合诊疗室和12,900多间标准雾化室，覆盖260多个城市。上千家雾化中心实现数据连接后，每天上百万人在雾化室治疗急性哮喘，可形成雾化地图。通过数据分析可查找到过敏源、气温等各种因素可能对人体造成的影响。一旦数据联通技术成熟，就可以开发各种应用：比如与气象站或者学校连接，可以及时提醒患有哮喘的孩子加强疾病的预防[23]。

《2017年中国城市健康状况大调查第二期》中反映，对北京和上海地区慈铭体检2016年参检客户健康数据分析整理结果：两个城市体检人群中乳腺异常、口腔异常、眼科异常高发，其中TCT异常、血脂异常、子宫疾患数、宫颈疾患数、脂肪肝数，北京高于上海。这是健康管理机构对职业人群运用大数据进行疾病特点分析的典型案例[24]。

4.3.2 大数据在慢病健康促进中的运用

2018年，宁光院士推动郑州人民医院内分泌代谢科“国家标准化代谢性疾病管理中心（MMC）”揭牌。MMC专项管理小组是由内分泌代谢科牵头，由专业的医师、教育护士、营养师、健康管理师、药师、心理师组成医疗团队。自2018年1月8日正式运行以来，已入组300多例代谢性疾病患者，患者一次入组后就能享受快速检测、数据分析、疾病诊疗、配合APP院外提醒等全方位一站式诊疗服务，避免患者多次往返于多个科室，减轻医患双方的负担。成功入组后，医院将定期通知患者访视复查，发现问题及时启动有效的预防和治疗，促使更多的患者在院外可以保证血糖、血压、血脂等代谢性指标的长期达标[25]。作为上海市政府第四轮公共卫生体系建设3年行动计划（2015—2017）建设项目之一，上海市第六人民医院会同市疾病预防控制中心、市眼病防治中心等共同组织并实施代谢性疾病（糖尿病）预防和诊治服务体系建设项目，旨在向申城居民提供融合健康教育、高危人群筛查和疾病管理为一体的糖尿病预防与诊治全程服务[26]。闫冠韫等[27]基于大数据，立足于糖尿病患者管理现状与存在问题，运用互联网的信息交互技术和移动应用技术，通过建立一体化信息系统、移动互联网、物联网、虚拟货币、人工智能5种模式，满足糖尿病患者医疗服务的数据信息化和便捷化需求。

李显熙等[28]提出建设以心血管专科临床数据仓库以及心血管注册数据中心为核心的心血管专科临床科研数据中心，并开发了基于随访策略的心血管随访管理、基于个性化诊疗计划的心血管病人院后管理、相关性分析及不良心血管事件模式识别等应用和工具，设计测试的“心血管病人慢病管理解决方案”，通过基于个性化诊疗方案的病人居家慢病管理解决方案、随访机制与流程，期望帮助病人提高对诊疗计划的依从性，所有的随访数据与病人居家慢病管理数据均被自动和手动记录在随访注册表中，为心血管疾病的临床质量评估和科研同时提供便利。

4.3.3 其他健康管理大数据的应用实践

此外，越来越多的医药公司将大数据应用于医药研发领域[29]。华大基因针对人类基因组展开研究，最终是为了整合各种医疗、环境、来自穿戴设备的数据，为人类健康提供大数据支持。“好大夫”网站是就医经验发布平台，患者可以为自己喜爱的大夫投票、撰写感谢信，分享如何选择医生，交流就医经验，共同对抗疾病。同时，该网站通过自动汇总来自患者的亲历经验，形成数据资源，形成就医向导系统，能提供近200个专科、2,000余类疾病的就医推荐，为患者选对医生、正确就医提供参考。“春雨医生”是国内开发的一款移动健康咨询APP，创立于2011年7月，截至2015年7月份春雨医生拥有6,500万用户、20万注册医生和7,000万条健康数据，每天有11万个健康问题在春雨医生上得到解答，目前已积累了许多数据。

随着信息技术发展，“可穿戴移动设备+健康应用软件”正在把健康保健转变为一个更高效、以人为中心的个人即时系统。谷歌和Dexcom合作开发微型血糖监测可穿戴设备，苹果AppleWatch和健康数据平台HealthKit、谷歌GoogleFit等合作，用户基于相关硬件可获取体能生理数据并通过数据平台进行分析。除了能检测和监控人体各项数值变化外，目前已有智能穿戴设备投入医用治疗领域，日本熊本大学就研发了一种治疗2型糖尿病的可穿戴腰带。

徐昆[30]对商业保险与医疗大数据对接进行研究，提出了医疗系统大数据库与保险行业数据库的互联互通，可解决商业保险公司的承保风险、产品设计、疾病发生率等经营环节中的关键问题，提高商业健康保险管理水平；还可解决医疗机构腐败、过度治疗的问题，方便商业保险参保患者获得一站式免垫资理赔服务，全面提升国民健康管理水平，构建新的医疗保障体系。

5 总结

要实现慢病管理有效实施，需要从影响健康的全要素出发，包含生物遗传、生活方式、风险评估等来搭建健康管理平台。健康医疗大数据平台在对慢病患者、慢病高危人群、健康个体进行健康医疗数据收集和监测的基础上，通过数据挖掘、深度分析、云计算等技术建立慢病预测分析模型，可对导致慢病发生的高危因素进行定位，对健康个体给予健康管理相关指导，对高危人群进行健康危险评估和预警并引导其进行有效的干预，对慢病患者进行个性化治疗与预后的跟踪监测。大数据的发展为慢病健康管理提供了创新的模式。

[1] 上海市科学技术委员会. 上海推进大数据研究与发展三年行动计划(2013-2015年)[EB/OL]. (2013-07-12). [2018-12-31]. http://www.stcsm.gov.cn/gk/ggjg/20694. htm.

[2] 黄远, 王心馨. 大数据下一站:智慧医疗[N]. 第一财经日报, 2014-02-19.

[3] 王潇, 张爱迪, 严谨. 大数据在医疗卫生中的应用前景[J]. 中国全科医学, 2015, 18(1):113-115.

[4] 郑晓瑛, 刘玉博, 武继磊, 等. 人口健康测量与大数据标准研究回顾[J]. 人口与发展, 2014, 20(1):42-49.

[5] 冯晶晶, 刘宇飞, 靖瑞锋. 慢性病管理的国际经验及启示[J]. 中国药房, 2017, 28(8):1009-1012.

[6] 窦强, 刘鸿齐, 晋晓强, 等. 基于全程管理的“互联网+”慢性病管理模式[J]. 中华医学图书情报杂志, 2016, 25(7):22-26.

[7] 屈健宁, 王浩, 梅浙川, 等. 互联网+慢性病管理创新模式探索[J]. 重庆医学, 2017, 46(7):988-989.

[8] 李迎新, 黄河. 基于国家卫生与健康管理大数据平台的慢病防控模式[J]. 国际生物医学工程杂志, 2017, 40(6):403-409.

[9] 袁祖贻. 不忘初心, 方得始终: 大数据分析西北地区慢性病防控[J]. 临床心血管病杂志, 2018, 34(8):739-742.

[10] 马莉, 陆远强. 健康管理的某些新理念[J]. 中华保健医学杂志, 2016, 18(1):81-82.

[11] 刘文先, 胡建平, 肖大华, 等. 以色列健康信息化情况考察报告[J]. 中国卫生信息管理杂志, 2018, 15(2): 175-178,210.

[12] 徐彪, 庹兵兵, 张黎黎, 等. 丹麦卫生信息化项目MedCom建设及其启示[J]. 医学信息学杂志, 2015, 36 (4):8-12,18.

[13] 你的健康在云上？！大数据告诉你真相[N/OL]. (2017- 09-05). [2018-12-31]. http://www.sohu.com/a/1697358 30_660858.

[14] 刘倩丽, 关健. 中国电子健康档案的应用现况与展望[J]. 中国健康教育, 2015, 31(10):969-971.

[15] 王伟娜, 杨丹, 童庆. 基于大数据的慢病管理平台的研究[J]. 电脑知识与技术, 2018, 14(5):27-29.

[16] 健康医疗大数据怎么用上海率先开发5大模块供决策参考[N/OL]. (2017-12-06). [2018-12-31]. http://www. shanghai.gov.cn/nw2/nw2314/nw2315/nw4411/u21aw1272631.html.

[17] 范卢明, 梁桂仙. 大数据在健康管理中的应用研究进展[J]. 中国全科医学, 2016, 19(31):3786-3789.

[18] 薛付忠. 健康医疗大数据驱动的健康管理学理论方法体系[J]. 山东大学学报(医学版), 2017, 55(6):1-29.

[19] 孙艳秋, 刘钢. 基于大数据分析的潜在高血压病预测研究[J]. 计算机仿真, 2015, 32(5):386-389,421.

[20] 王伟娜, 杨丹, 童庆. 基于大数据的慢病管理平台的研究[J]. 电脑知识与技术, 2018, 14(05):27-29.

[21] 刘艳飞, 王振. “互联网+”条件下健康服务业新业态研究[J]. 改革与战略, 2016, 32(11):151-154.

[22] 刘咏梅, 剧晓红. 量化自我在健康领域的应用——基于大数据的角度[J]. 情报资料工作, 2018(4):56-63.

[23] 不用出家门, 医生就能听到你的“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年慈铭体检城市健康状况调查: 北京VS上海哪个城市人群更健康？[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！“国家标准化代谢性疾病管理中心(MMC)”在郑医揭牌[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] 闫冠韫, 陈洪恩, 李舜, 等. 大数据视阈下糖尿病患者管理模式探析[J]. 中国全科医学, 2018, 21(9):1066- 1069,1084.

[28] 李显熙, 周国鹏, 蒋捷. 我国心血管专科临床科研数据中心的建设与思考[J]. 中国医院管理, 2017, 37(5):51-53.

[29] 苏燕, 李祯祺, 徐萍. 健康大数据产业发展态势分析[J]. 竞争情报, 2017, 13(3):26-32.

[30] 徐昆. 商业健康保险与医疗大数据对接交互系统研究[J]. 金融理论与实践, 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年上海市卫生和计划生育委员会政策研究自选课题。

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

王风晓，50870138@qq.com。

2019-01-03。