公共卫生机构包括疾病预防控制中心、专科疾病防治机构、卫生监督机构、妇幼保健机构、健康教育机构、医疗急救机构、血液管理机构和计划生育服务机构。公共卫生大数据主要包括疾病预防控制中心产生的传染病预防与控制、慢性病防治管理、免疫规划、健康风险监测、精神疾病管理等数据。专科疾病防治机构产生的结核病防治、职业病防治等数据。卫生监督机构产生的卫生计生监督机构与人员信息、卫生行政许可与登记数据、卫生计生监督检测与评价数据、卫生计生监督检查与行政处罚等数据。妇幼保健机构产生的产前保健、产时保健、产后保健、出生医学证明、儿童健康体检、新生儿访视等数据。健康教育机构产生的教育机构管理、教育对象管理、健康教育资料管理、健康教育计划、指导与评估等数据。医疗急救机构产生的急救资源管理、急救事件管理、120调度管理等数据。血液管理机构产生的采血统计信息、供血统计信息、献血者个人信息、献血过程信息、血袋信息、用血明细、血站库存统计信息、血液库存及献血者情况、采供血信息月报表、采供血信息日报表等数据。计划生育服务机构产生的家庭成员信息、已婚育龄妇女信息、妊娠信息、生育信息、孕育情况信息、生殖健康信息、成员流动信息、计划生育技术服务、奖励扶助、计生证件等数据。

 

 

　　传染病预防与控制 传染病预防与控制是公共卫生领域内十分重要的内容。在传染病的监测与预警方面，基于国家传染病与突发公共卫生事件网络直报系统产生的传染病监测数据，结合电子病历、电子健康档案、全员人口库，借助网络信息处理技术、文本挖掘技术、GIS、遥感技术以及数据挖掘技术等对医疗数据、病原监测数据、地理信息、互联网信息等进行关键数据提取，建立动态自动预警模型，实现对传染病/新型传染病暴发的早期智能预警。在传染病控制方面，公共卫生大数据提供了传染病从产生、发展到治愈的全过程监测，通过大数据分析有利于筛选传播源、传播途径、传播人群控制、传染病治疗等的关键信息，为有效控制疫情提供决策支持。基于全球定位系统和健康危险因素监测数据，分析患者到过的场所，确定其时空轨迹，利用关联算法、神经网络等大数据技术分析患者的时空轨迹，查找传播源、传播途径关键信息。疫情发生后，通过对病人的电子病历、电子健康档案、监测设备等数据进行智能筛选，挑选出病情好转的病人资料，为疫苗和药物研发部门提供迅速而有用的参考。

 

　　慢性病防治管理 慢性病防治管理根据应用主体的不同可以分为个人慢性病管理和群体慢性病管理。个人慢性病管理的大数据应用模式主要表现为对个人慢性病的监测与评估和个体化干预。利用移动健康管理设备获取各种疾病的特征指标，如血压、血糖、心率、热消耗量等，以及患者生活规律和生活方式的指标，如饮食、睡眠、锻炼、吸烟饮酒等情况，将个体生理和行为的监测数据上传，利用大数据技术分析患者体质状况，跟踪病程进展、判断短期风险和长期预后，给予实时的慢性病风险评估和智能预警。建立慢病患者健康档案，利用数据挖掘算法对海量慢性病医嘱数据进行分析，实现慢病患者个体化最优用药方案推荐，为患者进行及时有效的干预措施提供支持。群体慢性病管理的大数据应用模式主要表现为慢性病群体特征刻画、慢性病发展预测、慢性病管理评估和监护。基于电子病历、电子健康档案，通过对群体和个体数据进行特征提取、关联分析、聚类分析、分类分析等，刻画慢性病患者的群体特征，进行患者相似性分析，指导慢性病防治工作开展。通过对患者每次就诊的诊断信息，识别某些疾病发生之间具有的关联性或聚类性，采用基于Apriori算法的关联规则分析，寻找具有强关联的疾病模式，采用KNN 最近邻、朴素贝叶斯算法、决策树、支持向量机、组合算法等对不同并发症、合并症群体的刻画，生成易于理解和可读的规则并具有一定的泛化能力，分析影响慢性病并发症、合并症的关键因素，刻画慢性病患者所处的阶段。基于电子病历、电子健康档案，应用高维空间向量模型和特征选择模型，确定影响慢性病管理和监护的重要因素，采用线性回归、回归树、神经网络等算法建立慢性病管理评估模型和慢性病监护模型，对慢性病管理工作进行评估，指导慢性病监护。

 

　　健康管理 健康管理根据应用主体的不同可以分为个人健康管理和群体健康管理。个人健康管理的大数据应用模式主要表现为对个人健康的监测与评估和个性化健康教育。基于电子病历、电子健康档案，结合健康危险因素，移动设备获取的个人生命体征数据、生活习惯、饮食数据、运动数据等进行关联，对异常数据、动态变化进行分析，对个人健康状态进行评估，实现个人健康异常提醒。依据个人健康监测数据，结合膳食、运动、保健等方面数据，利用大数据分析制订有计划的个性化健康指导方案。群体健康管理的大数据应用模式主要表现为群体健康评估与精准教育。对区域内群体健康档案数据、电子病历数据等进行综合挖掘分析，掌握该群体人群健康状况，判断影响群体健康的危险因素，对区域群体的总体健康进行评估，实施异常提醒，制定干预措施，并针对特定目标人群（如慢病、精神疾病、传染病、妇女儿童、老年人等）进行精准教育。

 

　　职业病防治管理 职业病防治的大数据应用模式主要表现为职业病监测评估与病因分析。基于职业病网络直报系统、职业健康监护系统、企业职业病危害因素申报系统，结合医疗机构患者诊疗数据，居民健康档案、有毒有害企业审批备案数据库等以及产业转移、人口迁徙和气候变化等资料，客观系统地对全国或某一区域的职业病进行监测和风险评估，监测和评估的内容包括职业病种类及相应的发病风险。在确定某类疾病是否为与职业病危害因素接触存在因果关系的职业病时，一是利用大数据从病因学角度明确工作场所是否存在与劳动者所患疾病有关的职业病危害因素；二是利用流行病学大数据，从群体的角度论证工作场所存在的职业病危害因素与劳动者所患疾病的关系。

 

 

　　数据质量不高，数据治理力度不强 由于各医疗机构信息系统和标准的不一致，不同来源的数字资源格式不同，存储标准不一，同一来源渠道的资源在不同时期也会由于人员、软硬件环境等不同而存在差异。因此，在公共卫生大数据实际使用中存在着数据可用性低、数据质量差等问题。

 

　　数据处理技术薄弱，分析方法欠缺 数据处理方面，当前的标准和技术难以满足公共卫生大数据整合应用的要求，缺乏统一的标准、固定的描述格式和表示方法等，不同层次结构化、半结构化与非结构化数据的集成融合较为困难。分析方法方面，目前还缺乏专门面向公共卫生领域的分析方法库、挖掘算法库和模型库。对于数据内容的语义处理，还缺少知识库的支撑。

 

　　数据应用权限不明，隐私与安全保护较差 目前医疗隐私数据主要涉及两类，一类是个人医疗信息，一类是群体共同信息。国家并没有针对数据设立明确的隐私保护相关政策，缺乏对不同职业的卫生计生人员、不同类型的数据制定相应的获取使用权限，这对于大数据分析应用增加了较大的难度。因此需要制定相关政策法规，分辨出哪些数据属于隐私数据，哪些数据可以共享和利用，明确隐私保护对象。同时应加大力度完善技术规范，如利用数据脱敏、去标签化等手段对数据进行处理，尽可能保护数据隐私。

 

　　数据标准不够统一，大数据标准体系缺乏 标准方面主要存在两个问题，首先对数据进行标准化是一项巨大的工程，而且标准的推行也困难重重。其次尽管制订开发了能够满足数据管理基本要求的大量基本数据集、健康档案与电子病历数据交换共享文档标准及代码标准，为大数据应用奠定了基础，但未形成完整的大数据标准体系，如产品和平台标准、应用和服务标准等。

 

　　大数据应用配套政策缺乏，相关法规制度较少 大数据越开放越有价值，但缺乏大数据相关的政策法规，导致数据开放和隐私保护之间难以平衡，也难以更好地进行开放。数据是重要的生产要素和资源，共享才能发挥最大效益，但正因为其价值就不可能无条件的共享，数据生产链条以及相应的价值链条需要创新和完善各种制度，建立适宜促进数据开发和应用的制度体系和运行机制。

 

 

　　公共卫生大数据应用对于传染病预防与控制、慢性病防治管理、健康管理、职业病防治管理等方面具有促进作用。加快全民健康信息基础设施建设，制定大数据资源分级分类管理办法和采集制度、共享开放措施，构建数据治理体系，推动大数据关键技术创新，建立完善的信息安全防护体系和标准规范体系；加快制定资金支持、人才保障、发展优惠政策；建立多方协作的大数据应用和产业联盟，推进大数据应用先行先试，建立完善的大数据应用功能体系将成为推动公共卫生大数据应用的方向。