健康大数据的应用与保护研究.docxVIP

健康大数据的应用与保护研究 健康数据不仅与国家的宏观健康政策有关。 一、 健康大数据的常用形式 健康大数据涵盖了保健养生、疾病治疗、传染病预防、临床医药等多个领域, 主要来自于医院、诊所、检验机构、病患、易感人群、普通人群等渠道, 是国家重要的基础性战略资源, 也是个人健康和疾病防控的数据宝藏。2014年, 国家卫生计生委发布的《人口健康信息管理办法 (试行) 》对“人口健康信息”进行了定义:依据国家法律法规和工作职责, 各级各类医疗卫生计生服务机构在服务和管理过程中产生的人口基本信息、医疗卫生服务信息等人口健康信息。参照“人口健康信息”的定义, “健康大数据”应包括个人免疫、体检、门诊、住院等健康活动产生的所有数据。因此, 健康大数据类型及来源很多, 归属机构也不同, 主要包括以下几种。医院及基层医疗卫生机构, 其数据产生于临床诊治、科研和管理过程, 包括门诊、急诊、住院、影像、实验室检查、用药、手术、随访和医保等数据 二、 健康大数据的应用 健康是数据密集型行业, 大数据具有广阔的应用前景, 主要用于健康管理、传染病监测预警、医疗保险提效控费、药品支出提效等领域。 1. 高危人群疾病预防大数据 近年来, 由于我国老年人、慢性病人群持续快速增长, 对健康管理的需求急剧攀升。大数据应用于健康管理, 主要包括四个方面。 (1) 对易感群体实现病前先控。将用户行为、感官等数据与人口统计数据库比对分析, 识别出高危人群 (2) 提前发现个体的易患疾病。利用基因检测, 预测个体高发疾病种类, 对其进行疾病预防普及教育, 实现精准预防、病前先控, 达到“治未病”的目的。 (3) 对患者进行精准管理, 提高治疗依从性。将患者健康数据与大数据分析相结合, 提醒其按时治疗, 防止由于就医延误造成的疾病加重, 降低疾病危害。患者也可通过病情管理社交功能将数据分享至亲友, 通过亲友鼓励, 提高治疗依从性。 (4) 合理分配医疗资源。通过大数据分析, 合理分配病人的复诊、开药、用药、治疗等时间, 从而有效配置医疗资源。 2. 传染病监测预警 传染病的暴发不仅直接威胁民众生命健康, 还会对社会经济乃至国家安全造成严重影响。以大数据为基础, 建立适合的模型, 对传染病传播过程进行定性、定量分析, 有助于揭示传染病暴发流行的原因、影响因素和发展过程, 预测其发展趋势, 从而制定科学的传染病防控策略 (1) 基于网络大数据进行传染病监测预警。随着网络、搜索技术的发展, 某种疾病暴发前后人们往往会上网搜索相关信息。跟踪查询关键词及词频, 经过数据筛选、统计、分析等工作, 可以预测疾病的发生率, 建立疾病预警机制。 (2) 基于社会因素和环境因素大数据进行传染病监测预警。社会因素和自然环境因素, 如交通网络、人类行为、气象原因、地质情况等, 都能影响疾病的发生。对其进行分析, 对传染病的监测预警极为有效。 (3) 基于临床大数据进行传染病监测预警。主要通过持续、系统地收集分析临床数据, 及时发现疾病在时间、空间上的异常聚集, 在疾病暴发早期进行探查、预警和快速反应 3. 医保及投资保险数据分析 目前, 虽然我国基本实现了医疗保险的全民覆盖, 但大病保障依然是短板, 商业健康保险并未提供有效补充。国内100余家商业保险公司中只有四家经营健康险, 且由于赔付率过高, 加上代理费和管理费等经营成本, 多数健康险处于亏损状态。无论是基本医疗保险还是商业健康保险, 在业务、经营、管理等方面都比较粗放, 缺乏对疾病治疗费用的深度分析以及对参保群体费用风险的科学评估, 精算定价基础薄弱;缺乏对医疗服务临床合理性的判断以及漏失欺诈、不合理医疗行为的监测;缺乏技术手段对医疗质量及费用的合理评估, 长期控费效果欠佳;市场与销售缺乏以数据为基础的分析, 市场滞于价格层面的竞争, 行业收益较低, 等等。大数据应用于保险领域, 可以减轻患者负担, 推动行业发展。 (1) 通过对疾病费用数据的深度分析, 结合不同年龄群体发病率及疾病发展规律, 为理赔型大病保障设计及精算定价提供支持, 丰富商业保险产品种类, 弥补重大疾病险的缺失。 (2) 通过对住院、医疗检查、高值医用耗材、诊断与处方药品指标、病因与药品计量等数据的分析, 及时发现医保中的欺诈、浪费、滥用费用等风险。 (3) 通过临床数据, 判断不同疾病管理中的医疗行为。对用药剂量、药物反应数据进行分析, 评估医疗过程;对手术不良事件发生率、再入院率等进行分析, 评价医疗效果;通过医疗费用、质量评估, 在确保医疗质量的基础上控制医疗费用。 (4) 应用大数据分析客户的健康状况及支出构成, 有针对地提高客户健康水平, 降低医药费用支出, 实现客户与保险公司的双赢。 4. 提高个人与医保负担药品费用结构占比 要实现药