如何讓公共健康管理更簡單

02-02

Intetix Foundation（英明泰思基金會）由從事數據科學、非營利組織和公共政策研究的中國學者發起成立，致力於通過數據科學改善人類社會和自然環境。通過聯絡、動員中美最頂尖的數據科學家和社會科學家，以及分布在全球的志願者，我們創造性地踐行著我們的使命：為美好生活洞見數據價值。

原文：nnnnnnnnnnnnnnnn

How Semantic Data Analytics Benefits Population Health Management

雖然關係資料庫的研究應用於基本的病人護理，但是語義學數據的分析是可靠的公共健康管理系統不可或缺的。

在複雜的病人護理領域，存在的問題總是比答案多。臨床醫生和學者正在通過常規檢查、複診和治療發現新的疾病，並且他們對人類的身體健康的認知也是指數級的拓展。

對大多數內科醫生而言，他們需要學習最新臨床指導方針細節、最新的藥物治療方式並了解精準醫藥最前沿的發展。但是在照顧病人、滿足常規要求和科技更新的沉重壓力下，他們又不可能一直保持閱讀大量的文章和研究。這時大數據分析就大有用武之地。分析工具可以通過同步電子健康記錄、保險需求、病人自己記錄的健康數據、甚至基因檢測結果等，為可行的臨床決定提供支撐，從而增進內科醫生對病人護理的了解，填補醫學院畢業後多年內知識更新的鴻溝。然而哪怕是最新最好的傳統分析方法也難以滿足現代醫療健康飛速發展的需求，即使小規模的HER數據挖掘也是非常困難和昂貴的，這其中面臨很多數據完整性的障礙，這些障礙將降低結果的可信度。獲得乾淨、完整和標準化的數據源已經足夠困難。但是更加困難的是如何將分析結果轉換成對患者更好的治療。即使一個機構成功克服了一些基本障礙，開始進行公共健康管理，它也會受限於它所使用的原始科技。

在最新的先進大數據分析技術系列中，我們探索了當前分析工具的極限和語義資料庫改變醫療健康機構從事公共健康管理方式的可能性。

語義分析深植於與最當前版本的大數據分析相同的概念：關係資料庫。

關係資料庫最基本的的特性是電子表格程序。行和列表示著不同的按邏輯順序排列的數據元素。用戶可以創建公式、演算法、比較詢問和通過比較信息的差異從而提取相對更窄的可能的結果集。例如，一個醫療健康組織可能會建立一個包含患者姓名、住址、保險等信息的熟悉庫，如圖所示：

通過這個資料庫，用戶可以回答「MarynFletcher 加入的是哪一個保險？」，「James Wong 居住在哪裡？」，「有多少位患者居住在主大街？」等問題。

關係資料庫的困境

即使在表格上增加更多的豎列試圖提高解答病人疑問的可能性，簡單的關係資料庫仍會變得難以控制以致於不能提供複雜問題的答案。

Linda Sanchez 以新病人的身份來到診所。她在挂號時提供了她的地址和保險公司信息。她沒有糖尿病，但是她的BMI指數已經到了高危範圍，而且她在服用抗抑鬱類藥物。

為了能夠積極地管理Linda Sanchez，她的診所需要知道什麼？第一，她換上心腦血管的臨床風險。第二，可以阻止發生這類疾病的措施。 Linda的健康管理人員需要知道監視這些指標，而且她也得明白為什麼Linda不能很好的控制她的體重，並且幫助她調節飲食和督促她鍛煉。

她的健康管理人員可能會問如下的問題：

· nLinda可以在商店裡買到新鮮食材或者其他健康飲食的材料嗎？

· nLinda有一個可以方便安全的地方鍛煉嗎？她有經濟能力去參加一個健身房嗎？或者健康管理人員要為她制定一個低成本健身方法？

· nLinda可以便捷的在當地的藥房開出她抗抑鬱的藥物嗎？她按時開藥嗎？

一下子這個健康管理人員可能要處理大量的信息，這些數據可能大相徑庭。

nn她可能需要接觸人口調查數據，需要通過保險紀錄查看Linda的病史，了解Linda社區中藥店的開藥率，她也需要問關於Linda的各式各樣的問題，而不是Mary，James或者John的，沒有任何一家健康組織會為每一位病人量身定做一個數據銀行。沒有任何一個數據科學家可以預測健康管理人員會提出怎樣的問題，或者他們需要怎樣的數據組合。n這種程度的公共健康管理，關係資料庫已經無法滿足了，太多數據有著不一樣的結構，僅僅用電子數據表已經不能解答覆雜的問題。

語義資料庫的出場

語義資料庫不是簡單的陳列數據元素，而是將概念都鏈接在一起，數據可以在語義上的連接起來，就像人類大腦一樣。

當語義資料庫運用到管理Linda的健康狀況的時益處就更加明顯了。比如，n從最近的美國人口普查里提取的家庭收入數據中，數據策展人員可以講在中心城市的東大道列為低收入社區。

Linda Sanchez的地址在東大道上，所以她很有可能是低收入人群

Linda Sanchez ［病人編號106］

［病人106地址］＝［東大道］

［東大道］＝［低收入］

［病人編號106］＝［低收入］

結論：Linda Sanchez可能是低收入

假設Linda的健康管理人取得了所有在東大道上的商店信息，每個都整理歸類，快餐店，事務所，賣衣服的，賣菜的和藥房。這樣她就可以回答更加複雜的公共健康管理的問題了，比如說：「有多少我的病人住在低收入社區而且沒有買菜的店？」「在中心城市哪些藥房的處方葯開藥率最低？」

管理病人健康變得容易起來，因為健康管理人員不需要通過一系列調查梳理出Linda很難買到飲食中所需要的新鮮蔬菜，她也不用等到Mary Fletcher因為哮喘發作來急診才知道因為她在低收入地區的藥房，從而無法即使開藥。n取而代之的是，只要從這很小的語義資料庫中她就可以知道：

· n在這個區域里有X名病人有糖尿病

· n在這個區域里有X名病人使用Medicare為他們的保險，可能需要在老年的時候在家看護

· n有X名有糖尿病的病人使用這兩個藥房，其中一個藥房並不能滿足他們的需求

· n這部分的病人住在低收入社區可能需要交通工具才能來診所

· n這部分病人無法獲得持續供給用藥因為他們的藥房不接受電子處方

· n我們可以在這群病人鄰近的食品商店設立免費流感疫苗注射點

· n這部分病人可能負擔不起多種藥物的處方因為他們是低收入人群

· n這個地區的人心臟病發病率很高，可以在這個地方建設公共小路，提供給他們鍛煉。

健康管理者可能不能通過關係資料庫預見到這麼有深度的問題，也不能在這種原始數據形態下提問題，來滿足她想要知道關於每個病人的問題。語義資料庫填補了關係資料庫這個缺點，通過每套添加到語義結構里的數據，健康機構就可以更了解他們的病人以及他們所處的環境，從而給出最好的治療方案。

參與人員：策劃-徐睿藝、樊茜茜；編譯 - 李霄霄、許乙凡；編輯 - 連穎靜；

推廣-申洪浩、李華芳、梁雅祺

轉載聲明：歡迎轉載，請您在轉載時保留署名和引用信息。歡迎您在知乎或微信上關注我們。

http://http://weixin.qq.com/r/XmKpsQ3EhVD6rUnS9zdM (二維碼自動識別)

http://http://weixin.qq.com/r/jUOqsq-Ed-IIrevR9xaf (二維碼自動識別)