基于健康大数据的新兴公共卫生管理研究

Increasing incidence of non-communicable diseases (NCDs) presents the major challenge confronting China’s public health. Drawing on structural and non-structural data, this study aimed to build a prediction and early-warning model of NCDs, especially cardio-cerebrovascular diseases. Applying the Social Network model, we explore the modes of transmission of the underlying risk factors leading to NCDs among different population groups. Trying to crystalize and apply extensive experiences from emergency responses to pandemics to NCDs, we develop innovative models of NCD “crisis” prevention and impact mediation. This part of the work will take advantage of the follow-up surveys among the 4 million residents across China and intervention studies on integrating prevention, treatment and rehabilitation of cardio-cerebrovascular diseases in the next 5 years as part of the National Stroke Project. Finally, to reform China’s fragmented health information system, we develop evidence-based feasible mechanisms for big health data exchange and meaningful use from the perspectives of capacity development, incentive structure and accountability mechanisms among the major stake-holders.This study is expected to have a major impact on enhancing the effectiveness of China’s public health administration in controlling NCDs.

中国的非传染性疾病（特别是像脑卒中这样的“慢病急发”）已经构成危害中国人群健康的主要公共卫生问题。本研究融合、分析来自于“国家脑卒中工程”的400多万人的筛查数据、4000多家基地网络医院的临床数据和互联网非结构化数据，提出心脑血管病在个体和群体层面的预测模型和预警机制；我们提出并验证慢性病危险因素的人群“传播”假设，通过控制“传播源”和“传播途径”降低人群慢性病的发病率；在预测预警、传播分析和借鉴传染病应急管理的相关理论和实践经验基础上，利用“国家脑卒中工程”项目未来5年开展筛查随访和防诊治模式创新的动态干预机会，探索慢性病“危机管理”（包括慢病这种“隐性危机”的发生防控和后果管控）的创新模式；同时，从能力建设、动力和压力机制方面，本研究也将对健康大数据共享机制和服务价值链进行系统梳理和分析，为我国制订更加及时有效的慢性病防控策略和建立慢性病防诊治一体化的创新模式提供强有力的科学依据。

本课题以大健康为理念，以4P理论(Predictive、Preventive、Personalized、Participatory)为指导，以大数据与复杂网络为手段，以脑卒中为典型应用，围绕重大公共卫生管理问题——脑卒中三级预防的全流程，在疾病传播规律、预测预警模型、危机管理模式、 数据共享机制和服务价值链四个方面开展了一系列应用研究，在此基础上我们将实证研究的结果转化为试点应用或管理决策，在利用大数据驱动公共卫生体系和能力现代化方面做出了重要创新性突破。本课题以全国卒中筛查随访与临床数据（包括800万人筛查数据、250万随访数据和300多家基地医院临床数据）为基础，融合了可穿戴设备监测数据、企业队列研究数据、环境气象数据、微博社交数据、社会网络现场调查数据等多源异构健康大数据。在预测预警模型方面，项目组构建了人群层面和个体层面卒中风险预测和预警模型，提高了卒中筛查效率，为卒中防控提供了更多的科学依据，且成果已得以向政策转化，广泛应用于全国卒中防治工程和多社区干预之中。在疾病传播规律研究方面，项目组探索基于网络非结构化数据的地区卒中风险因素画像，弥补筛查范围和变量的局限性，为精准干预提供依据；同时提出卒中危险因素在社会网络中传播的假设，以探索基于社会网络的卒中干预新模式。在危机管理模式研究方面，开发了卒中防控二级预防（院中辅助决策）、三级预防（院后康复）应用系统，在基地医院得到试点应用，数据表明有效改善了卒中患者治疗和预后效果；在此基础上梳理和总结了慢性病危机管理模式。在数据共享机制和服务价值链研究方面，我们完成了卒中大数据平台的搭建，为卒中数据的在线存储、分析和共享提供了基础平台；建立了卒中病历分类标准体系，使复杂的病历数据结构化、标准化，加强了数据的利用；在此基础上构建了数据共享机制和服务价值链模型。