5.孙卫_厦门市民健康信息系统与疾病监测预警(大连)

通过我们的统计分析，这连续两年的妊娠类疾
病患者例数为20万个，其中正常分娩9万多，妊娠
终止近6万，未在厦门分娩的约5万个；高血压、糖
尿病患者例数分别为13.6万个、6.7万个；
疾病监测预警系统
疾病走势分析
如图所示，某流行疾病在2012年5月4日至月10日期间的日发病走势 可以自动汇总计算，可以进一步精确到小时单位；能够根据后文所述 的预测规则对4月10日之后的某时间进行病例数量预测，将趋势曲线按
讨论
• 基于健康档案的区域卫生信息化为卫生行政科学管理开
辟了崭新的途径和领域，同时也发现了医疗卫生工作中
存在的诸多问题，对临床和公共卫生管理提出了更高的
要求。 • 区域卫生信息化项目的实际应用案例说明了信息化建设 为提升卫生管理水平提供了不可或缺的技术支持，同时 也对卫生行政管理及医疗业务管理提出了更高要求，客 观上促进了管理水平的迅速提升。
疾病监测预警系统
三、结束语
疾病监测预警系统
结论：
1.厦门市民健康信息系统运行以来所积累的基于居民健 康档案的海量数据，已经能够用于建立各种疾病的逻辑
数据库，弥补了历史数据库中数据量小、疾病种类过少、
疾病相关信息不完整的缺憾。 2.厦门市民健康信息系统可对疾病数据库进行实时自动 更新。 3.利用厦门市民健康信息系统和现有的区域卫生信息数
疾病监测预警系统
疾病预警往往需要用历史数据校正后与当前的数 据比对。如果将各地历年各种主要传染病的发病 数据与基于健康档案的区域卫生信息系统所产生 的新数据进行比对，则可较为准确地设定每种疾 病的预警水平，判断某种疾病的发病水平是否超 过历史同期水平。然而，由于历史数据往往存在 疾病种类少、统计数据不全的问题，因此利用现 有系统建立新的常见病、多发病比对数据库具有 十分重要的意义。
群体患病预测任务属于典型的数据挖掘预
测算法的工作范围。 ★预测方法大体有四种:
当前主流预测方法及对应特点
• 一是基于疾病传播动 力学模型的预测 • 二是基于疾病统计分 析和回归的预测 • 三是时间序列预测方 法。 • 第四是新型数据挖掘 预测算法（灰度理论 、粗糙集、马尔科夫 链、贝叶斯网络等）
• 理论基础坚实、清晰直观 ；但不灵活、不稳定 • 可灵活增加带预测疾病因 素；但很难列出所有因素 • 避免纠缠于细节因素，从 宏观统计角度进行数值分 析；但需要足够历史数据 • 针对具体疾病或细节问题 效果良好；但普适性差， 理论基础有待完善
疾病监测预警系统
二是基于疾病统计分析和回归的预测
• （广义的统计概念包括回归，与回归并列提出时 说明此时的统计具体指描述性统计方法），该方 法的优点在于可设置任何与待预测疾病相关的因 素，通过回归确定各因素对疾病发生和发展的影 响程度。该方法除了具备疾病动力学预测方法的 优点之外，可以通过概率论增加一些在病理上无 直接联系但在客观实际中确有影响的致病因素来 进行量化预测，如中医理论中的模糊致病因素或 无法通过当前西方科学解释的因素（进一步说甚 至可以通过“气”，“阴阳”，“天人”进行回 归）。
（a）ICD10有疾病17698种
（b）厦门健康信息系统有就诊记录4850万 条；一亿四千三百零三万份报告；
疾病种类10742
发病排序统计——最多发疾病
疾病监测预警系统
多维度排序
通过上图可以看出：厦门某连续两年的妊娠类
总的就诊量为120.1万人次，高血压、糖尿病就诊
量分别为36.7万人次、35.7万人次；
疾病Baidu Nhomakorabea测预警系统
三是时间序列预测方法。 • 时间序列分析方法是通过疾病的发生发展 历史来预测疾病的未来，具有较强的宏观 性和前瞻性，能够克服疾病动力学预测方 法和统计回归预测方法的不足，通常应用 在股票、国家和地区经济等涉及因素众多、 建模难度较高的预测任务中，该方法也是 各国群体性疾病预测所共用率最高的方法 之一。
讨论
• 由于本文所采用的基础信息数据库中绝大多数的数据来
自拥有厦门市社会保障卡及健康卡的人群，因此，基本
可以排除外来人口对于疾病预警预测的干扰，准确反映
厦门区域人口疾病发生及发展的趋势。 • 系统建设中，既要采用ICD编码，还要同时解决填写的 精确度问题，这样才能真正做到数据精确可用，信息科 学可信。具体地说，就是必须在医疗管理的标准化、规 范化中解决在临床运用ICD编码存在的不规范、不科学 严谨的问题。
疾病监测预警系统
二、基于健康档案的区域卫生信息系统建 立疾病监测预警系统的尝试
疾病监测预警系统
2.1、传统疾病数据库样本展示
疾病监测预警系统
2.2、传统疾病数据库的局限性
a)病种少：以传染病为主
b)没有采用ICD编码 c)记载内容少
d)难以进行深度挖掘分析
e)难以据此进行科学预测
疾病监测预警系统
●目前预警的种类大体包括阈值预警、增量 预警、增速预警、相似度预警四种。每种 预警方法中又细化分为多类。
疾病监测预警系统
●阈值预警指的是某疾病的当前发病量已经达 到预设区间而发出警示； ●增量预警指的是某疾病当前某时间段与过去 时间段的发病量差值已经达到预设区间而发 出警示； ●增速预警指的是某疾病当前某时间段内的发 病速度达到预设区间而发出警示； ●相似度预警指的是某疾病当前某时间段内疾 病走势与过去已被定义为需要预警的疾病走 势图相似度达预设区间而发出警示。
疾病监测预警系统
2.6、按照ICD10建立基础数据库
a)按照ICD10编码对每一种疾病逐个建立基
础逻辑数据库 b)每个疾病逻辑数据库逐日自动累加 c)每个疾病逻辑数据库逐日、周、月、季、 年与基础逻辑数据库进行比对 d)根据疾病分类科学，对疾病进行归类分析
厦门ICD10基础数据库内的信息存储
疾病监测预警系统
疾病监测预警系统
一是基于疾病传播动力学模型的预测 • 该方法的优点在于原理清晰直观、理论支 持坚实，当被预测群体属性稳定、外界环 境符合模型预设条件时精度较高。缺点在 于：群体预测时往往属性变动较大，包括 数据量大、变化更新速度快，从而导致模 型中代表病患的变量无法与实际病患群体 相符，另外对大数据量数据信息的及时获 取、并更新到模型中是一项艰巨的任务。
2.7、建立疾病预警系统的初步尝试
厦门市疾病预警数据库主要是根据现有数据、实时监
测数据或未来的预测数据与预警条件进行比照，对符合对
应条件的情况发出警示或反馈。警示和反馈的形式有多种， 可以并存或叠加，可以同时计算并显示若干种疾病的单独
走势和整体走势，达到以往所不能及的效果。如传统数据
库仅能反映出糖尿病发病呈上升趋势。然而，ICD10中糖 尿病却被细分为66种，这是因为每种类型的糖尿病的原因
升系统服务能力是项目设计和建设的重要任务。同时，
医药卫生体制改革与公立医院改革监测所需的部分报表
也可由此系统自动生成。
疾病监测预警系统
提
一、疾病监测预警
纲
二、基于健康档案的区域卫生信息系统建 立疾病监测预警系统的尝试 三、结束语
疾病监测预警系统
一、疾病监测预警
疾病监测预警系统
两种理解：对个体罹患某种疾病的预测，即对 个体患病的概率估计；对群体罹患某种疾病的 预测，即某病的发病水平预测。本文着重研究 后者，即公共卫生意义上的疾病监测预警。
据库，就可根据需要进行挖掘分析并作出科学的预测、
预警。
疾病监测预警系统
任务进行延伸。
两年间厦门区域内报告仅1例的病种达一千七 百余个。我们邀请专家对2010年报告的468个病例 进行了分析，其中的罕见病例仅为12个。这说明临 床医生在填写ICD编码时可能存在一定的随意性， 或者简单地填写上位的大类病种，致使少数精确诊 断、认真填写的反倒成为个别病例。如下图：
发病排序统计——最少发疾病
创新疾病监测预警
利用基于健康档案的区域卫生信息系统建 立疾病监测预警系统的尝试
厦门市卫生局 2012-7
疾病监测预警系统
区域卫生信息平台的生命力及其系统服务能力的提 升在于应用，通过应用发现问题，系统服务水平能力才
得以提升。
应用领域愈多，涉及面就愈广，使用的频率就会越
高。尽可能地拓宽应用领域、发现和挖掘系统功能、提
2.3、基于健康档案的区域卫生信息平台 数 据库展示
疾病监测预警系统
2.4、基于健康档案的区域卫生信息平台数 据库的特点
• 病种多，覆盖区域内确诊的所有病种。 • 采用ICD10编码，精确描述，科学分类。 • 记载内容涵盖面宽、数据衔接性好，满足深度 挖掘要求。 • 每个疾病逻辑数据库可逐日、周、月、季、年 与基础逻辑数据库进行比对。 • 收集、更新、查找数据方便。 • 强大的数据管理能力。 • 数据存储和交互的规范化。
疾病监测预警系统
第四是新型数据挖掘预测算法 • 包括神经网络、贝叶斯网络、马尔科夫链、 粗糙集、灰度理论等等预测方法。这些方 法已经产生较长时间，在疾病预测分析领 域属于近几年兴起，相对于前三种方法来 说属于年轻方法，优势与劣势并存，各有 利弊。
疾病监测预警系统 ●疾病预警主要是根据现有数据、实时监测 数据或未来的预测数据与预警条件进行比 照，符合对应条件的情况发出对应结果的 警示或反馈。警示和反馈的形式有多种， 可以并存或叠加。
和它们在不同人群中的分布不同，其预防及治疗方案各异。
因此，有必要弄清各种类型的具体发病情况及其对总体发 病趋势的贡献如何。要做到这一点，必须依靠新的数据库
才能完成。
根据2010年1月至2011年12月期间厦门市41种糖尿 病发病情况，可绘制出糖尿病的总发病及各分型逐月走
势图（见图6）。最上方紫色折线为总体趋势，其中E14
.901（糖尿病）、E11.901（2型糖尿病）非常突出地居
前二位。E14.901如此之多，可能也与简单地填写上位
大类病种有关。而E10.901（1型糖尿病）、E14.201（ 基-威氏综合征[毛细管间性肾小球硬化])、E14.610+（
糖尿病性心脏病）则准确反映了I型糖尿病及糖尿病继
发引起心、肾损害的例数。