健康医疗大数据的应用范围与价值分析

健康医疗大数据是国家重要的基础性战略资源,其应用和发展将深刻地改变着健康医疗服务模式,健康医疗大数据的开放、融合、共享、应用,有利于激发深化医疗体制改革的动力和活力。本文主要从产生背景、涵盖内容、当前主要研究及应用热点对健康医疗大数据进行了阐述,探讨了健康医疗大数据在辅助医生临床诊断、促进疾病诊治标准化、助力医药科学研究等方面的应用研究,展望并讨论了健康医疗大数据的潜在挖掘价值与共享探索方向。     

我国健康医疗大数据资源目录体系建设研究

健康医疗大数据是国家重要的基础性战略资源,国家政策明确提出要建立全国健康医疗数据资源目录体系,规范和推动健康医疗大数据融合共享、开放应用。本文总结了我国健康医疗大数据资源目录体系建设目标,详细描述了健康医疗大数据资源目录体系建设内容涵盖的元数据、资源分类、目录编码和管理系统等关键技术以及行政制度和标准规范等管理需求。     

健康医疗大数据互联互通模式的经验与挑战

互联互通是目前全球各国健康医疗大数据使用面临的最大壁垒。互联互通涉及业务、安全、伦理、语义和技术5个维度,本文在比较政府主导、企业主导和研究机构主导3种常见互联互通模式的基础上,结合中国健康医疗大数据的发展现状,提出高校牵头、企业助力和政府支持的工作模式。同时,归纳出目前我国健康医疗大数据互联互通面临的3大挑战：行业标准与规范、数据安全与伦理、激励机制与考核。唯有采用切实可行的模式,攻克相关关键技术,真正将数据打通共享,才能最大限度的整合多来源数据,挖掘多应用场景,培育多业态模式,全面提升人口健康科学决策和服务管理水平。     

健康医疗大数据标签体系构建方法研究

在界定健康医疗大数据标签相关概念的基础上,以国家全民健康保障信息平台为应用场景,分析了健康医疗大数据用户的类别及其信息需求,提出了健康医疗大数据标签体系的分类框架、标签维度和标签的设计方法,以及标签命名和取值的标准化原则,搭建了健康医疗大数据标签管理系统的基本架构,研究结果能够为该领域数据标签体系构建提供适宜的方法学指导。建立健康医疗大数据标签体系,不仅能够提升用户利用数据资源的效率,而且有利于机器学习和数据挖掘算法的深度应用,支持科学管理与循证决策。     

中国健康医疗大数据资源目录体系与技术架构研究

为规范和推动健康医疗大数据融合共享、开放应用,梳理了健康医疗大数据目录的基本概念和研究进展,提出了我国健康医疗大数据资源目录的分类模型、主要内容和技术架构。     

医疗机构数据共享关键问题研究与数据治理对策

目的 为医疗机构数据内外部共享提供理论基础,促进我国健康医疗大数据应用落地与发展.方法 基于利益相关者理论分析医疗机构数据共享相关方的利益和需求,结合访谈法挖掘相关者的潜在动机,梳理、分析归纳关键问题.结果 健康医疗数据共享缺乏法律性规范和指导原则,所有权不明确,无共享目录、标准和规范,安全风险管控和责任缺乏权威认证等...     

国家卫健委负责建立医疗大数据开放共享机制

正国家卫生健康委员会日前发布《国家健康医疗大数据标准、安全和服务管理办法(试行)》,加强健康医疗大数据管理,明确由国家卫健委负责建立健康医疗大数据开放共享机制。健康医疗大数据,是指在人们疾病防治、健康管理等过程中产生的与健康医疗相关的数据。办法提出,国家卫健委负责按照国家信息资源开放共享有关规定,建立健康医疗大数据开放共享的     

健康医疗大数据治理赋能大健康产业升级

健康医疗大数据呈现出平台化、指数增长、多元化的新特征,也在不断催生与健康医疗相关的新产品、新服务、新商业模式.在粒度缩放、跨界关联与全景视图等数据治理的新要求下,健康医疗大数据治理对加快推动创新生态体系构建、提升产业数据要素供给、加快医疗服务智能化进程等方面具有重要作用.建议通过完善大数据治理制度体系,以政府为主导推动...     

中国健康医疗大数据资源核心元数据研究

目的构建我国健康医疗大数据资源核心元数据方案,为健康医疗大数据资源的有效利用与管理提供信息标准支撑。方法以Rational rose为建模工具,构建健康医疗大数据资源核心元数据模型,并以摘要形式进行元数据的属性描述。结果健康医疗大数据资源核心元数据模型包含内容、表示、资源获取与共享、资源管理、资源责任方5个元数据实体和25个元数据元素。每个元数据实体和元数据元素通过中文名称、定义、英文名称、数据类型、值域等属性描述。结论健康医疗大数据核心元数据标准能够为海量信息资源管理提供信息标准支撑,促进资源的高效检索、识别、定位和利用。     

集中汇聚模式在健康数据共享中的优势分析

健康医疗大数据被视为国家基础性战略资源,如何实现共享应用从而不断创造价值已成为业界关注的重点。通过技术、数据、平台、应用和产业等方面的综合分析,结合技术发展趋势和项目案例实践,建议在建设区域健康医疗大数据中心时,通过平台化服务实现健康医疗数据的集中汇聚、治理和共享应用,以满足当下乃至未来健康医疗数据共享应用的需求。     

健康医疗大数据驱动下的疾病防控新模式

随着互联网技术的快速发展和医疗信息化的不断推进，健康医疗大数据已逐渐成为创新健康管理、满足人民群众日益增长的健康需求的重要资源，成为国家全面实施大数据战略的重要组成部分。宁波市鄞州区通过构建健康大数据平台及大数据技术的应用，积极探索健康医疗大数据在传染病、预防接种、慢性病等疾病防控领域的防控模式创新，期望通过"互联网+健康医疗"提高区域疾病防控和健康管理水平，培育发展新业态，成为健康中国的有力支撑。本文对鄞州区的这一防控新模式的实践探索进行介绍，并对模式的初步成效进行讨论。     

全民健康保障信息化工程大数据分析系统设计与应用

目的:探索并建立一套全民健康保障信息化工程(一期)大数据分析系统并实现技术验证。方法:综合运用云计算、大数据、新一代移动互联网等新兴信息技术,设计大数据分析系统的业务架构、技术架构,将综合管理、公共卫生、药品管理、医院监管等业务数据资源聚合,实现大数据分析系统并进行大数据分析。结果:该系统采用多种可视化方法使卫生行政管理人员、卫生业务人员可以有效地获取所需信息,提高了健康医疗大数据信息资源的利用率。结论:大数据分析系统的有效应用对于行业政策制订、临床医学研究、科学管理及医疗服务模式的转型与发展具有重要意义。     

大数据背景下的脑卒中疾病负担研究方法概述

脑卒中发病具有致残率高、死亡率高的特点,给社会和个人带来巨大的疾病负担。在全球卫生系统高度信息化的今天,各国纷纷搭建与完善公共卫生信息平台,通过平台中的公共卫生信息实现收集、整理、挖掘、分析、共享一体化,研究脑卒中的疾病负担,为卫生决策提供支撑。本研究通过对国内外文献资料进行检索复习,概述了我国脑卒中疾病负担的研究方法及其公共卫生信息来源,评价了各个疾病负担研究方法的公共卫生学意义以及局限性,描述了全球以及我国脑卒中疾病负担大数据平台的应用及发展情况,并通过总结我国现有的脑卒中疾病负担评价系统的局限性,对我国建立更加现代化以及信息化的脑卒中疾病负担评价系统提供建议。     

2015—2018年北京市某区职业病诊断鉴定工作分析

近年发生的多起重大突发公共卫生事件，如非典型肺炎疫情、中东呼吸综合征疫情、三聚氰胺奶粉事件、疫苗造假事件以及近期新型冠状病毒肺炎疫情等，严重危害了人民健康和生命安全。随着互联网、云计算和物联网技术的成熟，医疗卫生信息化的广泛普及，使得医疗卫生相关数据迅速积累。本文以人口近千万的地级市——邯郸市为例，研究如何有效利用大数据资源、最新医学研究成果以及现代人工智能技术手段，创建涵盖疫情实时预警、分析研判、资源调度以及决策指挥的信息化联动体系，在后疫情时期为政府提升精准管理水平、有效防范处置突发公共卫生事件发挥有力支撑作用。     

Use of big data for drug development and for public and personal health and care

The use of data analytics across the entire healthcare value chain, from drug discovery and development through epidemiology to informed clinical decision for patients or policy making for public health, has seen an explosion in the recent years. The increase in quantity and variety of data available together with the improvement of storing capabilities and analytical tools offer numerous possibilities to all stakeholders (manufacturers, regulators, payers, healthcare providers, decision makers, researchers) but most importantly, it has the potential to improve general health outcomes if we learn how to exploit it in the right way. This article looks at the different sources of data and the importance of unstructured data. It goes on to summarize current and potential future uses in drug discovery, development, and monitoring as well as in public and personal healthcare; including examples of good practice and recent developments. Finally, we discuss the main practical and ethical challenges to unravel the full potential of big data in healthcare and conclude that all stakeholders need to work together towards the common goal of making sense of the available data for the common good.     

大数据时代医学信息学发展展望

本文以常见数据库作为主要文献定量来源,阐述了医学大数据时代医学信息学研究所呈现出的研究领域丰富多样、研究内容系统深入和研究成果增速迅猛的发展现状。围绕医学大数据的特点总结其在医学信息学研究中所面临的机遇:为大容量医学大数据的高效管理存储、访问相关研究提供实际数据基础与需求;为先进的大数据挖掘、分析、集成等信息技术应用于医学研究与实践提出现实而迫切的需求;以及医学大数据所具备独特的价值密度高的特点为医疗健康相关研究提供了强大数据与知识基础。面对此机遇,分析并阐述了医学信息学研究及发展所面临的挑战:实现融合大数据平台,进行医学大数据的高效挖掘和分析,进而实现精准临床决策支持等临床辅助应用。     

健康大数据在慢性病预防控制中的应用

随着信息化的不断发展,大数据（big data）正在越来越多地被运用于慢性病预防控制领域,对居民健康产生重大且深远的影响。本文简要地介绍了大数据和健康大数据（healthy big data）的定义、特征和分类;重点阐述了健康大数据的分析方法及其在慢性病三级预防中的应用;健康大数据应用所面临的技术难题、数据管理和共享、数据质量、伦理和隐私等诸多方面的挑战。为健康大数据在慢性病预防控制方面提供更多研究思路。     

Telematic integration of health data: a practicable contribution

The patients' clinical and healthcare data should virtually be available everywhere, both to provide a more efficient and effective medical approach to their pathologies, as well as to make public healthcare decision makers able to verify the efficacy and efficiency of the adopted healthcare processes. Unfortunately, customised solutions adopted by many local Health Information Systems in Italy make it difficult to share the stored data outside their own environment. In the last years, worldwide initiatives have aimed to overcome such sharing limitation. An important issue during the passage towards standardised, integrated information systems is the possible loss of previously collected data. The herein presented project realises a suitable architecture able to guarantee reliable, automatic, user-transparent storing and retrieval of information from both modern and legacy systems. The technical and management solutions provided by the project avoid data loss and overlapping, and allow data integration and organisation suitable for data-mining and data-warehousing analysis.     

Resisting big data exploitations in public healthcare: free riding or distributive justice?

We draw on findings from qualitative interviews with health data researchers, GPs and citizens who opted out from NHS England's care.data programme to explore controversies and negotiations around data sharing in the NHS. Drawing on theoretical perspectives from science and technology studies, we show that the new socio‐technical, ethical and economic arrangements were resisted not only on the basis of individual autonomy and protection from exploitation, but also as a collective effort to protect NHS services and patient data. We argue that the resulting opt‐outs were a call for more personal control over data use. This was not because these citizens placed their personal interests above those of society. It was because they resisted proposed arrangements by networks of stakeholders, not seen as legitimate, to control flows and benefits of NHS patient data. Approaching informed consent this way helps us to explore resistance as a collective action for influencing the direction of such big data programmes towards the preservation of public access to healthcare as well as the distribution of ethical decision‐making between independent, trustworthy institutions and individual citizens.     

Inferring transit-based health seeking patterns from smart card data – A case study in Beijing,China

Massive electronic trip records have recently been utilized to infer people's trips for healthcare. Many inferential methods were developed to derive healthcare trips by taxi using GPS trajectory records, but little attention is paid to public transit, as a common travel mode for healthcare. This paper proposes a method to fill this gap by mining a big data of smart transit cards with spatio-temporal constraints. We demonstrate and validate this method in Beijing, China. The inferred trips achieve a high degree of consistency, in space and time, with empirically observed trips from a survey. The inferred trips are further used to identify spatial disparities in transit-based access to healthcare, which might have been overlooked by health policy makers.