流行病学的数据利用

流行病学的数据利用一、流行病学的数据利用：从“数据为本”到“价值凸显”的背景逻辑（一）流行病学的本质：以数据解码健康密码流行病学究竟是什么？有人说它是“公共卫生的望远镜”，有人说它是“疾病的侦探”——其实更准确的定义是：研究人群中疾病与健康状况的分布规律及影响因素，并据此制定防治策略的科学。而这一切的核心，就是“数据”。举个最简单的例子：要知道某地区肺癌的患病率，你得收集该地区所有医院的肺癌确诊病例数，再除以该地区的总人口数；要知道吸烟是不是肺癌的危险因素，你得对比吸烟者和不吸烟者的肺癌发病率——这些结论不是拍脑袋来的，是数据“说”出来的。可以说，没有数据，流行病学就失去了灵魂。我曾问过一位从业20年的疾控中心流行病学家：“你觉得流行病学最有成就感的时刻是什么？”他说：“当我用数据找出某场疫情的传播源，或者用数据证明某条干预策略有效时——那种感觉就像‘破解了一道拯救生命的谜题’。”没错，数据就是流行病学的“谜题线索”，而利用数据就是“解题的过程”。（二）时代之变：公共卫生需求与技术发展的双重驱动为什么现在“流行病学的数据利用”突然成了热词？答案藏在两个“变”里：第一，公共卫生需求的“升级”。过去，我们的公共卫生重点是“应对传染病暴发”（比如SARS、禽流感）；现在，我们面临“传染病+慢性病”的双重挑战——慢性病（高血压、糖尿病、癌症）占我国居民死亡原因的80%以上，而传染病的输入性风险（比如新冠、猴痘）依然存在。要应对这种“全人群、全周期”的健康需求，传统的“经验型防控”已经不够了，必须靠“数据驱动的精准防控”。比如，要预防高血压，我们得知道“本地区哪些人是高危人群？（肥胖？高盐饮食？家族史？）”“哪些干预措施最有效？（减盐？运动？药物？）”——这些问题，只有数据能回答。第二，技术发展的“赋能”。过去，流行病学的数据处理靠“笔+计算器+Excel”；现在，大数据、云计算、人工智能来了——医院的电子病历、手机的定位数据、电商的销售数据（比如某地区口罩销量突然激增）、社交媒体的讨论数据（比如“最近感冒的人好多”），都能成为流行病学的“数据源”。比如，新冠疫情中，用手机定位数据追踪密接者的轨迹，用机器学习模型预测疫情的发展趋势，用大数据分析找到“疫情传播的关键节点”——这些都是技术给数据利用带来的“质变”。（三）现实之问：为什么数据利用成为流行病学的核心命题？有一次，我在某基层疾控中心调研，看到工作人员桌上堆着厚厚的监测报表——“这是上个月的传染病报告表，这是慢性病随访表，这是死因监测表”。我问：“这些数据都分析过吗？”他摇摇头：“太多了，没时间做深入分析，能完成上报任务就不错了。”这其实是很多地方的现状：数据“收集了”，但没“用起来”。而我们面临的现实问题是：

-要预测流感暴发，需要“实时的监测数据+历史的流行规律数据”；

-要制定糖尿病干预策略，需要“本地区的患病率数据+高危因素数据+干预效果数据”；

-要应对输入性传染病，需要“全球的疫情数据+本地的人口流动数据”。如果这些数据只是“躺在硬盘里”，而不是“活起来”，流行病学就无法发挥“预防为主”的作用——这就是为什么我们必须强调“数据利用”：数据的价值，在于被使用，而不是被存储。二、流行病学数据利用的现状：成绩与痛点并存（一）数据来源的“多元化”：从传统监测到“万物皆数据”现在的流行病学数据，早已不是“单一的监测报表”，而是“多源数据的融合”：1.常规监测数据：“打底子”的基础数据

这是最传统的数据源，包括：

-法定传染病报告系统：每一家医院都要向疾控中心报告法定传染病（比如新冠、乙肝、肺结核），这是我们掌握传染病流行情况的“基本盘”；

-慢性病监测系统：比如高血压、糖尿病的随访数据，记录患者的血压/血糖控制情况、服药情况；

-死因监测系统：通过死亡证明收集居民的死亡原因（比如“死于脑卒中”“死于肺癌”）。2.专题调查数据：“针对性”的深度数据

比如全国卫生服务调查（每5年做一次），通过问卷调查了解居民的健康状况、卫生服务需求（比如“过去一年有没有去过医院？”“有没有买过慢性病药物？”）；再比如队列研究（比如追踪某一群人几十年，观察他们的健康变化），比如英国的“白厅研究”，追踪了1万多名公务员的健康状况，发现“工作压力大的人更容易得冠心病”——这些数据能帮我们找到“疾病的根本原因”。3.大数据：“无孔不入”的新型数据

这是最近几年最火的数据源：

-医院电子病历（EMR）：包含患者的诊断、检查结果、治疗方案，能帮我们分析“某类疾病的治疗效果”；

-手机定位数据：比如新冠疫情中，用手机的GPS数据追踪密接者的轨迹，快速找到“谁和确诊病例接触过”；

-电商数据：比如某地区的体温计销量突然增加3倍，可能提示“流感要暴发了”；

-社交媒体数据：比如微博、微信上“感冒”“发烧”的关键词突然增多，能帮我们“早期预警”传染病流行。（二）数据利用的“场景化”：从应急响应到日常防控的延伸数据利用的价值，藏在一个个“具体的场景”里：场景1：应急响应——疫情中的“数据战”

新冠疫情是数据利用最“出圈”的场景。比如：

-实时追踪：用手机定位数据+传染病报告数据，快速找到密接者（比如“确诊病例昨天去过超市，我们要找到所有当时在超市的人”）；

-模型预测：用SEIR模型（susceptible-暴露-exposed-感染-infected-康复-recovered）预测疫情的发展趋势，比如“未来7天某地区会新增100例确诊病例”，提前储备医疗资源；

-资源分配：用确诊数+人口密度数据，把口罩、呼吸机分配到最需要的地方（比如“某区确诊数最多，先给他们发10万只口罩”）。场景2：日常防控——慢性病的“精准管理”

比如某地区的慢性病监测数据显示：“本地区高血压患病率是25%，其中60岁以上老人的患病率是40%，而且80%的患者盐摄入量超标”——于是，疾控中心开展了“减盐行动”：在社区举办“低盐饮食讲座”，给居民发“盐勺”（每勺2克盐），还和超市合作，推广“低钠盐”——一年后，该地区高血压患者的盐摄入量下降了30%，血压控制率提高了20%。场景3：健康促进——“治未病”的提前干预

比如某小学的体检数据显示：“30%的学生视力低下，20%的学生肥胖”——于是，学校开展了“护眼行动”（每天做眼保健操，减少手机使用时间）和“运动计划”（每天下午增加1小时户外活动），一年后，学生的视力低下率下降了10%，肥胖率下降了8%——这就是数据利用的“预防价值”：在疾病发生之前，就把风险“扼杀在摇篮里”。（三）数据利用的“痛点”：那些未被解决的现实困境虽然成绩不少，但数据利用依然有很多“堵点”：1.数据“散”：信息孤岛严重

比如某地区的医院和疾控中心“数据不通”——医院的电子病历数据存在自己的系统里，疾控中心要查某患者的传染病史，得打电话给医院要，医院再导出Excel表格发过去，往往要花1-2天时间；再比如公安的人口数据和疾控的监测数据不通，疾控中心不知道“本地区有多少流动人口”，导致传染病监测“漏网”（比如流动人口中的传染病患者没被统计到）。2.数据“乱”：标准不统一

比如某地区的慢性病监测数据，有的医院用“高血压”，有的用“原发性高血压”，有的用“高血压病”——疾控中心整理数据时，得手动把这些名称归成一类，容易出错；再比如年龄的记录，有的医院写“35岁”，有的写“1988年出生”，有的写“35”（没写单位）——数据格式不统一，根本没法做统计分析。3.数据“废”：利用效率低

很多地方的data是“收集了但不用”：比如某疾控中心有10年的流感监测数据，但只做了“每年的患病率统计”，没分析“流感的流行规律”（比如“每年11月是流感高发期”），也没做“预测模型”——结果，某一年11月流感突然暴发，疾控中心没提前准备疫苗，导致很多人发病。4.数据“险”：隐私保护难

比如某医院把患者的电子病历数据上传到云端，结果被黑客攻击，泄露了1万多名患者的姓名、身份证号、诊断结果——这不仅侵犯了患者的隐私，也让公众对“数据利用”产生了不信任；再比如，用手机定位数据追踪密接者，可能会泄露个人的出行轨迹（比如“某人昨天去了酒吧”），导致被网暴。三、数据利用困境的深层分析：从“信息孤岛”到“能力短板”的根源（一）数据管理的“碎片化”：标准不统一与共享机制缺失为什么数据会“散”？核心原因是“没有统一的管理体系”：

-不同机构有不同的“数据标准”：医院用的电子病历系统是厂商开发的，每个厂商的格式都不一样；疾控中心用的监测系统是自己开发的，和医院的系统“不兼容”；

-没有“共享的制度保障”：比如，没有法律规定“医院必须把传染病数据共享给疾控中心”，有的医院怕“泄露患者隐私”，有的怕“影响自己的利益”（比如担心数据被用来考核），所以不愿意共享；

-缺乏“共享的技术平台”：很多地方没有统一的数据共享平台，数据传输靠“邮件+Excel”，效率低还容易出错。（二）技术能力的“不平衡”：传统方法与大数据的碰撞为什么数据利用效率低？因为“技术能力跟不上数据的增长”：

-基层人员“不会用”：很多基层疾控人员只会用Excel做“求和、平均数”，不会用回归分析找“影响因素”（比如“为什么某地区的高血压患病率高？是因为盐吃得多还是运动少？”）；更不会用机器学习、大数据分析工具（比如Python、R语言）；

-先进技术“不落地”：高校和企业开发了很多“高大上”的模型（比如流感预测模型），但这些模型需要“实时的监测数据”“精准的人口数据”，而基层没有这些数据，导致模型“没用武之地”；

-技术与需求“脱节”：有的企业开发模型时，没和疾控人员沟通，模型的“输出结果”不是疾控人员需要的（比如模型预测“未来一周会有流感暴发”，但没说“需要储备多少疫苗”）。（三）意识与制度的“滞后性”：从“重收集”到“重利用”的观念转变为什么很多数据“躺在硬盘里”？因为“观念没跟上”：

-“重收集，轻利用”：很多公共卫生机构把“收集数据”当成“任务”，认为“只要上报了就行”，没人去想“这些数据能用来做什么”；

-制度“没激励”：比如绩效考核只考核“数据上报的及时性”，不考核“数据利用的效果”——工作人员自然没有动力去做深入分析；

-领导“不重视”：有的领导认为“公共卫生就是‘扫扫健康码、打打疫苗’”，不知道“数据利用能帮我们省钱、省时间”（比如提前预测流感暴发，能减少医疗费用支出）。（四）隐私与安全的“平衡难”：数据利用的“紧箍咒”为什么有的机构“不敢用数据”？因为“怕踩隐私的红线”：

-法律“管得严”：《个人信息保护法》规定“处理个人信息要取得个人同意”，但流行病学的数据往往是“批量处理”（比如分析1000名高血压患者的数据），不可能一个个去问“你同意我用你的数据吗？”；

-隐私“易泄露”：比如数据存储在服务器上，容易被黑客攻击（比如2021年某医院的电子病历数据被黑客窃取，泄露了10万多名患者的信息）；

-公众“不信任”：有的公众认为“数据会被用来做坏事”（比如卖给保险公司，提高保费），所以不愿意配合数据收集（比如不愿意填写健康问卷）。四、提升数据利用效率的核心措施：从“破局”到“融合”的路径（一）统一标准：让数据“会说话”的基础要解决“数据乱”的问题，首先得“统一语言”——制定全国统一的公共卫生数据标准：

-数据元标准：比如，“高血压”的诊断名称统一用“原发性高血压”（ICD-11编码：I10），“年龄”统一用“周岁”，“地址”统一用“省-市-区-街道”的格式；

-数据质量标准：比如，法定传染病的漏报率不能超过5%，错报率不能超过2%；慢性病随访数据的“完整率”要达到90%（比如100名患者中，90名有完整的随访记录）；

-数据格式标准：比如，所有数据都要存成“CSV格式”（一种通用的文本格式），方便不同系统之间的传输。举个例子：以前某地区的疾控中心要整合3家医院的传染病数据，得花3天时间整理（因为每家医院的格式都不一样）；现在统一了标准，只要1小时就能把数据导入系统——标准统一了，数据才能“打通”。（二）打通壁垒：构建跨部门的数据共享生态要解决“数据散”的问题，必须“打破信息孤岛”：

-建平台：由卫生健康委牵头，建一个“公共卫生数据共享平台”，整合疾控中心、医院、公安、交通、市场监管等部门的数据——比如，公安的人口数据（知道“本地区有多少流动人口”）、交通的卡口数据（知道“有多少人从疫情地区来”）、市场监管的“超市销售数据”（知道“某地区的口罩销量有没有增加”），都能放到这个平台上；

-定规则：明确“哪些数据可以共享”“怎么共享”“谁有权限访问”——比如，“传染病确诊数据”可以共享给疾控中心和卫生健康委，但不能共享给企业；“人口数据”可以共享给疾控中心，但要去掉“姓名、身份证号”等个人信息；

-给激励：对“积极共享数据的机构”给予奖励（比如经费支持、表彰），对“不共享的机构”进行问责（比如扣绩效考核分）。比如某省的“公共卫生数据共享平台”，整合了10个部门的数据，在新冠疫情中，疾控中心用这个平台“1小时内找到所有密接者”——数据共享了，效率才能提升。（三）技术赋能：用“智慧工具”激活数据价值要解决“不会用”的问题，必须“提升技术能力”：

-培训基层人员：开展“流行病学数据分析”培训，比如教基层人员用R语言做“回归分析”，用Python做“大数据可视化”，用Excel做“数据透视表”——比如某疾控中心的培训，让基层人员学会了用“数据透视表”快速计算“不同年龄组的高血压患病率”；

-开发“傻瓜式”工具：和企业合作，开发“简单易用”的分析工具——比如“流感预测小程序”，基层人员只要输入“本周的流感确诊数”“本地区的人口数”，就能自动生成“未来一周的流感暴发风险”；

-引入“外脑”：和高校、科研机构合作，开展“数据利用研究”——比如某疾控中心和某大学合作，用“机器学习模型”分析电子病历数据，发现“某类药物对糖尿病患者的肾损伤更小”，于是把这个结论写进了“糖尿病治疗指南”。（四）质量管控：让数据“靠谱”是利用的前提要解决“数据质量差”的问题，必须“把好数据的入口关”：

-两级审核：比如，医院的医生上报传染病数据后，医院的“公共卫生科”要审核一遍（比如“有没有漏报？有没有错报？”），然后疾控中心的工作人员再审核一遍；

-自动预警：用人工智能技术“监测数据异常”——比如某地区的流感确诊数突然增加10倍，系统会自动报警，提示工作人员“快去核查，是不是有暴发？”；

-定期评估：每季度开展“数据质量评估”，比如检查“漏报率”“错报率”，对数据质量差的机构“责令整改”（比如某医院的漏报率达到10%，疾控中心会要求他们“重新核查所有病例”）。（五）隐私保护：在“利用”与“安全”之间找平衡要解决“不敢用”的问题，必须“保护隐私”：

-匿名化处理：去掉数据中的“个人标识符”（比如姓名、身份证号、手机号），只保留“性别、年龄组、地区”等聚合信息——比如分析“某地区的糖尿病患病率”，用“18-44岁女性”“45-59岁男性”这样的分组，而不是“张三（女，30岁）”；

-差分隐私技术：在数据中加入“少量噪声”（比如把“某患者的血糖值是7.0mmol/L”改成“7.1mmol/L”），让黑客“无法识别个人信息”，但不影响“总体分析结果”（比如“本地区糖尿病患病率是10%”还是准确的）；

-明确“公共利益”边界：只有“为了公共卫生目的”（比如疾病监测、预防干预）才能使用个人数据，不能用于“商业目的”（比如卖给保险公司）。五、数据利用的实践指导：让每一份数据都“用对地方”（一）对公共卫生机构：建立“全流程”的数据利用体系公共卫生机构的“数据利用”，要走“收集-清洗-分析-反馈”的全流程：

-收集：明确“要什么数据”——比如要研究“某地区的肺癌患病率”，就得收集“该地区所有医院的肺癌确诊数据”“该地区的总人口数据”；

-清洗：去掉“异常值”（比如“年龄150岁”的记录）、“重复值”（比如同一个患者被报了两次）、“缺失值”（比如“没有诊断结果”的记录）——比如某疾控中心的“数据清洗”，把1000条数据中的50条异常值去掉，保证数据的准确性；

-分析：用“合适的方法”——比如描述性统计（算患病率、发病率）、分析性统计（找影响因素）、模型预测（预测暴发）；

-反馈：把分析结果“告诉需要的人”——比如把“流感暴发预测”反馈给卫生健康委（让他们准备疫苗），把“高血压高危人群名单”反馈给社区卫生服务中心（让他们开展干预），把“健康提示”反馈给公众（比如“最近流感高发，要戴口罩”）。（二）对基层：用“接地气”的方法挖掘数据价值基层的“数据利用”，不用“高大上”，要“实用”：

比如某社区卫生服务中心的“高血压管理”：

-收集“本社区500名高血压患者的随访数据”（包括血压值、盐摄入量、运动情况）；

-用Excel做“数据透视表”，发现“60岁以上的患者中，70%盐摄入量超标”；

-开展“减盐干预”：给这些患者发“盐勺”（每勺2克），举办“低盐饮食讲座”，上门测量血压；

-3个月后，这些患者的盐摄入量下降了25%，血压控制率提高了18%——基层的“小数据”，能解决“大问题”。（三）对研究者：探索“跨领域”的数据融合研究研究者的“数据利用”，要“融合多源数据