公共卫生大数据应用
随着经济发展，健康领域越来越受到社会和民众关注和研究者的青睐，大数据发展中，很多经典的案例就来自公共卫生领域。一方面，这源于健康相关行业发展中产生的大量数据，另一方面，这也可能与公共卫生的挑战和特点有关系。事实上，大数据的应用是公共卫生领域的必经之路。
1.应用需求
1）生产、生活、疾病模式转变对公共卫生的影响
随着现代化、信息化和全球化的发展，生产模式和生活方式都发生了急剧的改变，这些都对健康产生了未知的影响。研究显示，我国生产力快速发展污染了大气质量。并由此而引起了疾病和死亡。我国有20%左右的肺癌死亡和40%左右的心血管疾病死亡与PM2.5污染相关。在快速城市化过程中，某些生活方式却未能适应这种发展，导致产生新的传染病。中国禽流感的发生源于城市中活禽市场的存在，而人口的高密度又促进了疾病的传播。全球化进程中，各种交通方式越来越快速、多样。以航空为例，2013年6月份全球每日的航班架次为9万次，提供乘位约1200万个。但这种快速复杂的交通系统也带动了疾病的快速传播，增加了公共卫生工作难度。这意味着公共卫生工作面临的数据和信息数量越来越多，各种信息来自不同的系统，纷繁复杂，类型各异。
2）全程健康管理的需要
对健康的认识，原来强调临床治疗，关注患病后的治疗；现在则强调全程健康管理，即从一个人出生开始，关注其一生的健康：通过改变其生活环境，改善其生活行为，减少其患病的可能性；通过疾病的早期筛查，发现早期疾病，进行早期干预；通过对疾病的有效治疗，改善健康。而且这种全程健康管理，需要在不同的干预环节。共享个体的不同阶段信息，方能高效决策。如在就医过程中，需要及时提供平时的生活习惯、过往病史等信息，而这些信息则通过健康档案提供；而疾病与就医信息，也需要与平时的疾病管理信息结合，与健康档案联动，方能制定个性化的健康管理档案，对个体进行高效管理。即便对于个体而言，也将包括不同时间段的生活环境、生活习惯、异常、行为、就医具体信息（包括检查、用药等）等各种信息，信息量非常庞大。
3）社会健康事件快速干预的需要
随着网络的发展，影响健康的很多因素，尤其是传染病等对公共健康影响极大的事件，极易成为全社会的焦点，引起社会恐慌。因此，需要更为快速、有效的健康危险监测机制、发现机制和防控机制。这就要求需要获得即时的、全面的准确信息。及时做出反应。传统的基于因果关系的公共卫生研究和公共卫生干预未必能满足这种需求，需要有一种更快捷的方式收集信息和制订方案。强调关联关系的大数据分析，则能通过各种不同的数据和指标。更快更早发现某些征兆，并做出及时预测，为健康事件的快速干预提供借鉴。
2.传染病监测与管理
2009年4月，墨西哥城爆发了大规模流感，并造成多人死亡，墨西哥政府认为这种流感疫情源自家畜，这种结合了禽流感和猪流感特征的病毒，迅速蔓延至欧美各国。而后。世界卫生组织宣布使用甲型H1N1流感指代该次疫情，并担心可能会传播至世界各国。在H1N1流感疫情控制中，由于缺乏有效的流感病毒对抗疫苗，各国只能采取最传统的公共卫生方法：控制传播源，切断传播途径，减慢传播速度。因此，该次疫情中，明确流感爆发的地点、时间就显得至关重要。无论是我国还是欧美各国。原有的传染病监控体系主要通过收集卫生机构中患者的相关信息，来分析疫情的可能地点和时间。这种系统的最大缺陷，在于由于患者是在症状出现后进行就诊（有的甚至未能在症状出现后第一时间进行就诊），明显滞后于感染时间，再加上卫生机构在信息传递中的时间延搁，最终的干预时间比真实的感染时间要晚上近一周甚至更长，对于一种传播速度极快的疾病而言，这种时间上的滞后极大降低了疫情控制效率，也折射出原有公共卫生体系已经不能满足此类疫情暴发所需的准确预测和高效、及时信息收集要求。(https://www.daowen.com)
有趣的是，在此次流感爆发前几周，《自然》杂志发表了一篇名为《应用检索数据预测流感流行特征》的文章。这篇文章一反以往的传统做法，将看似与流感毫无关联的上网检索与流感流行联系到一起，并取得很好效果。该研究讲述谷歌公司汇总和分析了2003～2007年几千亿的检索记录，挑选出与检索流感信息相关的使用频次超过5000万次的检索词（如“流感症状”“流感治疗”“流感综合征”等），分地区观察每周这些检索词的检索频次，构建了一个logit概率模型。模型中应变量为地区的流感症状就诊概率（美国CDC实际监测数据），而自变量中引入同地区流感检索关键词的检索数据。最终结果显示：在特定时期，基于检索信息估计的流感流行数据与官方数据相关性极高，相关系数约为0.97。而与美国CDC相比，根据谷歌检索词汇构建的预测数据更及时，不会有滞后1～2周的缺点。而且这种方法不需要构建大规模的流行病直报系统，是建立在海量数据的基础之上，以一种前所未有的方式，通过对海量数据进行分析，获得有巨大价值的产品和服务。
3.慢性病监测与管理
慢性病是当前公共卫生中的重中之重，慢性病的研究包括慢性病的管理、慢性病的危险因素等，而大数据在这些研究中都已经有很好的案例。
1）慢性病患病危险因素研究
慢性病患病与人们生活习惯变化、环境改变有密切关系。手机从投入使用开始，就因为其增强对人体的辐射，而一直被怀疑会引发脑部肿瘤。当今社会随着手机越来越普及，这个问题也经常被提及，并引发了不少的研究。其中，丹麦癌症协会于2011年在《英国医学杂志》上发表了一篇名为《手机与脑癌：丹麦队列》的文章。这个研究旨在探索手机与脑癌之间的关系：使用手机的丹麦人是否比不使用手机者更容易患脑癌？使用手机时间长的人比使用手机时间短的人有更高的脑癌患病风险？研究者收集与分析了几部分数据：1990～2007年丹麦所有手机用户信息（共约36万人）、同期丹麦所有的神经系统肿瘤患者信息（约1.1万人）。研究的数据包罗万象。如个人的偏好、生活习惯、吸烟与否、家族史、慢性病情况、文化程度等各种信息，以构建相对完善的分析模型。最终结果显示，脑癌患病率与是否使用手机没有任何关系，也与手机使用时间长短（是否大于13年）没有关系。
2）慢性病管理应用
慢性病患者管理中，决定慢性病病情的一个非常重要因素是患者的依从性，即患者是否遵照医生的嘱咐按时用药，或者调整其生活习惯。对于那些依从性较差的患者，需要给予更多的健康教育，或者给予更多的关注。因此，明确不同患者的依从性好坏，有助于慢性病管理效果提升。美国个人消费信用评估公司于20世纪50年代开创了信用分（FICO），用以评价一个人的财务信用。该公司于2011年6月23日正式推出一个“医嘱遵从分”（medication adherence score，MAS），用以衡量患者遵从医嘱的程度，2011年约有1000万美国人被打分，医嘱遵从分的分值介于0～500之间，分值越高，说明依从性越好，一般200分以下的患者是需要重点关注对象，值得注意的是，医嘱遵从分别是根据性别、年龄、家庭规模、家庭财产、居住地点、居住时间、婚姻时间等一些看似怪异的非健康信息作为主要的评分依据。该公司认为。这种方式有助于服务提供者轻易辨别需要重点关注的人群，病采取相对应的措施以提高治疗效果，并能通过这种方式节省费用。此外，也有人认为这可以于医疗保险的偿付结合起来，如果医嘱遵从分不高，说明其对于自身健康的关注和投入都不够，因此可以让其承担更多的医疗费用以激励其遵从医嘱。
总之，数据已经在各种不同另一样证明其具有优越决策、提高效果等作用。对于公共卫生而言，在大数据时代下，首先需要转变的观念；将来的公共卫生工作，不上单纯的健康信息相关决策，而应该基于更广泛的高度和视角去收集与分析信息。而对于公共卫生研究而言。更应该关注大数据在关联性方面能做出的突破性贡献，以及在回答“是什么”具有的得天独厚优势。因此在某些领域，尤其是预测领域，不应该完全基于传统的基于因果关系为主的研究方法，而英国探索混杂性的全样本大数据结合分析模式。其次在方法上，既要批判结合大数据驱动的观点，又要有选择地加强理论和方法学研究，将大数据优势月传统研究优势研究结合起来，更好的进行预测、决策和干预。