公共卫生大数据
（一）公共卫生数据源
2011年，麦肯锡全球研究院的报告《大数据：创新、竞争和生产力的下一个前沿》（BigData：Th P next frontier for innovation，competition，and productivity），将卫生相关的大数据按照数据所有者分成四类：临床数据、付款人活动（包括患者和支付者）及成本数据、制药业和医药产品科研数据、患者的行为和情绪数据。在我国，医院及医院的管理拥有临床数据、费用数据，医疗保险管理者拥有费用与支付数据，医药公司拥有医药产品科研数据，而疾病预防与控制部门（CDC）拥有越来越多的个人行为数据。由于卫生系统的终极目标是提高人群健康水平，而个体行为、环境、医疗服务等对健康影响极大。这意味着卫生领域中的各类数据，很多时候需要相互衔接、转换，方能保证给个体、社区提供全程、有效的健康相关服务。
近年来，卫生计生委越来越关注医疗卫生领域的信息化，在医疗领域，表现为越来越多的医院，在服务提供过程中采用了各种信息化手段进行管理；而在公共卫生领域，一方面体现为电子健康档案建设（EHR）越来越完善，另一方面，集中体现在建立了各种各类疾病的直报系统。除此之外，不同类型数据库的整合，也将给人们提供更多借鉴。下面将以我国情况为主，结合国内外情况，介绍公共卫生领域大数据现况。
1）电子健康档案（EHR）
顾名思义，电子健康档案是用电子化形式记录的健康档案。而对于健康档案定义较多，但不同的定义核心基本一致，即记录符合信息标准的居民基本健康信息及健康相关信息，包括从生到死的生命体征变化，以及健康相关的一切行为与事件的档案，如遗传、行为、环境等影响健康因素，以及医疗保健服务的相关信息等。而在2011年中国卫生计生委出版的《城乡居民健康档案基本数据集》中，把居民健康档案定义为“医疗卫生机构为城乡居民提供医疗卫生服务过程中的规范记录。是以居民个人健康为核心，贯穿整个生命过程，涵盖各种健康相关因素，满足居民自我保健和健康管理、健康决策需要的系统化信息资源”。而这种健康档案，一方面能够为卫生工作者提供临床决策依据，另一方面，还可以与其他系统实现资源交换与共享。
我国对于健康档案的探索始于20世纪末期，后逐步在城市开展。在2009年的《医药卫生体制改革近期重点实施方案（2009～2011年）》中，明确指出要“逐步在全国同意建立居民健康档案”。同年中国启动了全民健康档案计划，并于2009年12月颁布了《卫生部关于规范城乡居民健康档案管理的指导意见》。2012年2月，时任中国卫生部部长的陈竺在杭州表示，“全国居民健康档案的建档人数已达到9亿，其中居民电子健康档案的建档率超过50%”。这充分说明健康档案的数量之大。2013年，国家卫生计生委颁布的《关于加快人口健康信息化建设的指导意见》指出，要“有效整合和共享全员人口信息、电子健康档案和电子病历三大数据库资源，实现公共卫生、计划生育、医疗服务、医疗保障、药品管理、综合管理等六大业务应用”。下一阶段的重点工作之一为“推进居民电子健康档案数据库建设和应用。完善居民电子健康档案数据库，支撑区域内基层卫生计生机构问信息动态共享及业务协同，提升公共卫生和基层医疗卫生应用服务水平，满足居民个人健康档案信息查询、增强自我保健和健康管理能力，提高全民健康水平”。不难看出，电子健康档案将是促进公共卫生服务和基本医疗服务的桥梁，也是加强居民自我保健和健康管理能力的基础。同时，健康档案的信息量非常大，主要包括：①个人基本信息；②健康体检信息；③重点人群健康管理记录；④其他医疗卫生服务记录相关数据。需要注意的是，健康档案中的很多信息是变动数据，需要不断更新记录，如健康体检信息等。这也意味着个人健康档案的数据会越来越多。这些EHR同时能提高公共卫生系统在疾病监测中的效率，也能给公共卫生研究者提供很好的数据来源。然而，这些数据的录入往往缺乏严格的规范，数据的碎片化和即时性方面可能也有较大的问题，因此对于EHR的应用也要谨慎。
2）疾病监测与网络直报系统
SARS之后，中国疾病预防与控制中心开始着手建设国家传染病和突发事件的网络直报系统，现在这已经成为一个全球最大的网络直报系统，该系统覆盖全国11.5万个机构。包括全国所有的县级以上疾病预防控制机构、95%的县级以上医疗机构、94%的基层医疗卫生机构，而疾病的报告时间从5天下降到4小时。当前这个系统主要覆盖39种法定传染病，近年来每年分析、处理和储存600多万来自全国各地的个案信息，且数量逐年增）。在此基础上，同时建立了霍乱、血吸虫、鼠疫、艾滋病、结核病、不明原因肺炎等单病种检测系统，并开发、实施了国家传染病自动预警系统。该系统建成后，任何一家覆盖机构中如果出现一例特定传染病患者，当发现、确诊并录入系统的那一刻起，该机构所属市、省CDC以及国家cDc都可以实时看到该报告和病例相关情况，包括对该病例的所有处理信息。除了传染病的指标系统，当前还建立了不少针对特定人群的监测系统，如全国水平的中国危重孕产妇医院监测网络直报系统等，而在不同省市，还有针对特定慢性病的信息管理系统，这些都是通过大规模实时数据的有效收集和应用，加强人群健康的案例。
3）卫生决策与管理
卫生决策中已经越来越注重科学与证据，而在相关的管理中，也需要并产生了大量的数据。管理主要体现在医保基金的管理上。医疗保险在其偿付中，需要尽可能辨别是否可能存在骗保，以及医疗费用的合理与否。而这可以通过医疗费用（不仅仅包括总费用，还包括所使用的各类服务以及相关的费用）、使用服务、患者信息、服务者信息等，筛选出较高可能的诈骗或者不合理费用，重点进行监管。
如前所述，在进行公共卫生服务的决策中，需要明确主要问题、选择特定干预方案等。如在优先问题界定中，经常会用到大量的疾病负担数据，这既包括疾病的发病、患病、死亡等流行病学信息，也包括疾病的早期筛选、治疗方式选择、不同治疗方式下的转归概率等临床信息，还包括在此过程中发生的所有成本，以及因为疾病给社会带来的损失估计。这意味着疾病负担的计算需要大量的标本、不同类型的数据，在传统的小数据时代，这很难实现，尤其是获得准确的流行病学信息和临床转归信息更难获得。除此以外，在干预方案选择中，要明确提供不同方案的投入产出信息，也会面临与之前类似的难题。
除此以外，大数据应用在卫生决策中的另一个典范是支付、定价、费用控制等政策制定。医疗费用高速上涨一直是各国面临的主要挑战，最典型的是美国。根据“OECD Health Statistics 2013”数据，2011年美国的人均卫生总费用已经高达5507美元，占其GDP的17.7%，也是美国高位国债的重要缘由。大数据的应用将有助于提高系统效率，降低浪费。麦肯锡预测，在医疗领域具备所需的IT和数据库投资、分析能力、隐私保护等机制的情况下，采用大数据技术将每年节约2000亿美元的卫生投入，并额外产生1000亿美元的新价值。在欧洲，英国国家卫生与临床优化研究所（National Institute for Health and Clinical Excellence，NICE）机构将大规模临床数据和费用数据衔接起来，从投入和产出两个角度提供药物选择的方案，并以这些证据与制药产业协商价格和市场准入。(https://www.daowen.com)
2.公共卫生数据特征
一般的大数据，其特点体现为数据量大、数据类型多、处理速度快等几个方面。而公共卫生领域中的大数据，更有其独特之处。
1）数据量更大，类型更多，关系更复杂
由于公共卫生关注人群的健康及健康相关影响因素，而健康的影响因素极为广泛，包括社会环境、政治环境、生活环境、工作环境、遗传因素、个人的生活习惯、运动习惯等，而且因素与因素之间往往相互影响。事实上，个人的所有行为都可能会影响健康，这也意味着，将来的公共卫生工作，不能像传统那样单纯从因果关系入手，收集与分析健康危险因素，而是要综合收集包括个人工作、生活环境、习惯在内的所有资料，因为这些可能都与健康有相关关系，可能用于预测疾病的发生。
2）理论的重要性
一般的大数据是全样本，注重相关而非因果关系，需要大量的更杂的数据。数据驱动研究、驱动管理，在这种情况下，理论的重要性显著下降。一些大数据拥护者认为在喧嚣混杂的世界中，明白“是什么”比“为什么”要重要得多，甚至有些人认为“理论已死”。但在公共卫生领域，这种说法并站不住脚。大数据的核心，在于预测。通过数据驱动形式，将某些与特定问题相关的因素找出来，并以此为依据预测问题发生的概率和时间点。而公共卫生的核心，除了提早发现问题，更在于要能提出解决问题的干预方法。这种干预，不是简单派送折扣券，或者提供所需的服务即可，而是要基于明确的因果判断，才能设计相应的解决办法。采用谷歌设计的大数据工具或许可以预，流感爆发的时间和地点，却无法知晓哪些人群可能会发生流感。更可怕的是，如果不知道导致流感的原因，就无法有效去控制流感。
因此，公共卫生需要以理论为基础去进行病因学研究，而后基于此设计相关的干预方案。
但有一点毋庸置疑：基于理论，结合大数据，完全有可能更高效、更快捷地找到致病的因素。
3）更注重一般规律与个性化方案的结合
与传统研究相比，大数据的一大优势是可以提供更多的个案信息，并对于一个较小群体进行预测，这其实是对基于样本数据传统研究的进一步深化，这种一般规律与个性化的结合，在公共卫生领域显得尤为重要。与其他事件相比，疾病的一个显著特点在于其发生的不确定性和治疗的不确定性，即从个体角度而言，疾病的发生在某种程度是随机的，而疾病的干预效果，也是随机的。适合大众的干预方案和预测方案，未必适合某个个体，最终的效果除了个体遗传影响因素，也受其他环境等因素的影响。这也意味着，好的干预方案，应该在掌握一般规律的基础上，结合个体具体情况，具体设计，充分体现出个性化差异。在传统的公共卫生领域，由于缺乏足够的信息，这种个性化方案很难体现。