陈翀++刘家钰

摘 要：健康管理是以预防和控制疾病发生与发展，降低医疗费用，提高生命质量为目的，针对个体及群体进行健康 教育，提高自我管理意识和水平，并对其生活方式相关的健康危险因素，通过健康信息采集、健康检测、健康评估、个性化管理方案、健康干预等手段持续加以改善的过程和方法。大数据的出现不仅改变了人们的工作和生活方式以及企业的运作模式，甚至还引起科学研究模式的根本性改变。大数据时代促使健康管理在对疾病防控整体水平上从疾病治疗到疾病预测方向发展。改变疾病防控手段，给广大民众更好的健康保障，开创不同凡响的预防医学时代。

关键词：大数据；健康管理；疾病预防

一、引言

随着计算机和互联网应用的飞速发展，近几年大数据逐渐成为学术研究的热点，如何更好地利用大数据来产生良好的健康管理效益日渐成为人们关注的问题，如何尽快创建适合中国国情的健康管理模式更是国内健康管理行业面临的难题。

二、研究背景

早在1997年，美国NASA阿姆斯研究中心的CoxM和EllsworthD就探讨了计算资源无法即时处理数据量过大的挑战，并发表了一篇论述虚拟化的论文，在其中首次提出了大数据这一名词。到目前为止，关于大数据还没有普遍认可的定义[1-3]。一般认为大数据指的是所涉及的数据量规模大到超出传统数据管理工具的处理能力，无法在合理时间内进行撷取、管理、分析的复杂、大规模数据集合。大数据不仅是数据规模庞大，一般具有以下几个即人们常说的4V特征。1. Volume是指数据规模庞大。国际数据公司（IDC）2012年发表第一份全球大数据技术和服务市场报告时把大数据的规模阈值设在100TB。随着数据挖掘技术的发展，大数据的规模阈值也在提高，目前一般认为PB级以上数据才称为大数据。2. Velocity表示处理速度快。大数据具有很强的时效性， 通常是动态、快速的产生。3. Variety表示数据类型和来源多样化。数据类型不仅有结构化的数据，还有越来越多的半结构化和非结构化的数据。4. Veracity表示数据的真实性。只有真实而准确的数据才能挖掘出真正有意义的信息，才能创造出最大的价值。大数据的出现不仅改变了人们的工作和生活方式以及企业的运作模式，甚至还引起科学研究模式的根本性改变。传统的研究方法挖掘分析的数据是混杂的，有不同的来源与数据结构，对样本的精确性有较高的要求。而大数据研究，直接从全部数据中分析、 挖掘所需要的信息，不再只是对少量的随机样本进行分析，大数据研究只注重研究数据的相关关系，不管数据之间的因果关系。也就是说只要知其“然”，不需要知其“所以然”。

健康管理是以预防和控制疾病发生与发展，降低医疗费用，提高生命质量为目的，针对个体及群体进行健康 教育，提高自我管理意识和水平，并对其生活方式相关的健康危险因素，通过健康信息采集、健康检测、健康评估、个性化管理方案、健康干预等手段持续加以改善的过程和方法。健康管理作为一个行业及学科，最早出现于20世纪50年代的美国。美国健康管理经过几十年的蓬勃发展，已成为美国医疗服务体系中重要的组成部分，且实践证明健康管理能够有效地改善人们的健康状况并明显降低医疗保险的开支。

健康管理与其他服务有一个最明显的区别就是，它对现代数据信息处理的依赖度极高，甚至可以说没有现代数据信息技术作为其基本的运行支持平台就无法实现市场化、规模化的健康管理。所以健康管理的出现将为数据信息技术的发展开拓出一个新的发展方向和巨大的市场需求空间。同时数据信息技术的进步也将直接影响健康管理的服务模式、服务质量、服务效率、服务成本以及服务规模等。

三、现状分析

我国自2005年中国医师协会成立医师健康管理和医师健康保险专业委员会，健康管理产业发展严重滞后，且主要发展的业务并不是综合性的健康管理业务，而主要是健康体检业务，也就是通常说的相对狭义的健康管理，即基于健康体检结果，建立专属健康档案，给出健康状况评估，并有针对性地提出个性化健康管理方案或医疗处方，由专业人士提供咨询指导、健康教育讲座和跟踪辅导服务，使人们从社会、心理、环境、营养、运动等多个角度得到全面的健康维护和保障服务。

健康大数据的到来是在信息大爆炸时代、计算机和互联网快速发展背景下的必然产物，也是当今健康管理模式发展的必然结果。过去很长的一段时间中，我们的健康管理模式以既定的医疗模式为中心，从生活方式干预到医疗干预，再到过度医疗，这些现象的产生，以及对人们主动性认识的差异、资源配置的不合理，这些现象提示我们在健康管理的认识上还存在很多误区及不足之处。

目前国内健康管理理论框架还未完善，缺乏系统、权威的理论支持。然而在大數据时代下，信息的传播速度快且范围广，人们随时随地都可以通过网络，利用不同终端轻而易举地获取各种健康知识，但健康理念与宣传混乱，往往是各种伪科普、伪养生充斥其间。国内也缺乏健康管理服务的大型品牌企业，健康管理服务机构良莠混杂，市场无序竞争，健康产品商业信誉有待提高。且健康信息数据管理没有统一标准与规范，健康评估、维护、管理技术装备、手段参差不齐，对个人的健康没有形成实质性的保障。

四、对策研究

过去的健康管理更多强调的是疾病管理，但以往我们对疾病的认识经常是基于某一个疾病的整体，忽视了疾病个体之间的差异。因此，需要利用大数据，从个体到群体再到个体这样一个循环，这样系统化的对疾病进行整体认识再到个体认识。就像对于患者的遗传背景信息、环境因素等这些共同信息可能不仅仅帮助诊断疾病，同时更好的预测疾病。而对相同疾病患者进行相似度分析，能够识别出这一类患者特定的健康特征，并显示相似的临床特征、危险因素和治疗途径[4]。将对疾病的认识由过去单纯的疾病诊断过渡到疾病潜在的预警、预测[5，6]。要实现这一目标就要基于来自不同的大数据积累。需要采集各种包括来自基本信息、检查信息、门诊及住院信息、社会经济学信息、病例回顾与调查，分析提取综合数据来构成健康管理全方位评价。不仅要关注个体及人群的发病率和死亡率，同时要关注检查报告、治疗报告、账单生成[7]。在功能方面，不仅要关注健康状况本身，更需要关注民众心理的、社会体验，还有对健康的认知，来自民众的切身感受。随着数据的积累我们会更多的预警、预测疾病，而不是单纯的治疗疾病，这就促进整个现代医学模式的发展，即更多的强调预防。endprint

基于全新的健康管理体系，每一个未来健康管理从业者都应该熟练应用智能工具处理海量信息以寻求更加准确的健康管理方案。大数据的内容有精华也有糟粕，健康管理师在数据的获取、构架、处理和解读方面仍然是主导者。未来优秀的健康管理师应该具備很好的处理数据的功能，去伪存真、去粗选精，以专业的知识对数据整理、分析以及应用管理。中国13亿人庞大的数据资源，再加上政府所释放出来的健康大数据的产业政策，无疑为中国的健康管理从业者利用大数据提供了广阔的前景。我们要学会利用大数据，改变疾病发生的研究，从更多的重视疾病本身，到重视疾病与环境间的相互作用，从治疗疾病到预防疾病，改变疾病防控手段，给广大民众更好的健康保障，开创不同凡响的预防医学时代。

参考文献：

[1] Ward J.S.， Barker A. Undefined by data： A survey of big data definitions[J]. arXiv. 2013

[2] Laney D.， Bayer M.A. The importance of ‘Big Data： A definition[J]. Gartner. Retrieved. 2012；21：2014–2018.

[3] Jacobs A. The pathologies of big data[J]. Commun. ACM. 2009；52：36–44.

[4] Zhang P.， Wang F.， Hu J.， Sorrentino R. Towards Personalized Medicine： Leveraging Patient Similarity and Drug Similarity Analytics[J]. AMIA Jt. Summits Transl. Sci. Proc. 2014；2014：132–136.

[5] Mayer-Sch?nberger V.， Cukier K. Big Data： A revolution that Will Transform How We Live， Work， and Think[J]. Houghton Mifflin Harcourt； Boston， MA， USA： 2013.

[6] Schneeweiss S. Learning from Big Health Care Data[J]. N. Engl. J. Med. 2014；370：2161–2163.

[7] Deo R.C. Machine Learning in Medicine[J]. Circulation. 2015；132：1920–1930.endprint