“健康中国2030”建设明确了社区的卫生健康防护网底功能。健康大数据的建立和逐步成熟为智慧型管理平台和机制提供了技术条件。新型冠状病毒肺炎疫情期间，互联网远程医疗快速发展。现梳理社区卫生管理与服务模式的基本模块，并提出如何运用大数据优化社区服务、辅助、管理和提高多方参与程度的思路。

1 社区卫生服务机构的职能转变与数据应用基础

2016年8月19日，习近平总书记在全国卫生与健康大会上正式提出“大健康、大卫生”理念，在习近平新时代中国特色社会主义思想的指导下，社区以打造满足居民全生命周期基本健康服务需求的整合型健康服务为建设目标。

1.1 社区卫生服务中心在健康管理中的角色职能

随着老龄化趋势以及慢性病在疾病谱中成为疾病负担的主要原因，多种传染病等风险因素交织，社区机构职能和内涵不断丰富，承担了包括基本卫生服务、技术支持和资源整合等工作，其中，基本卫生服务作为社区机构的核心职能，通过“家庭医生签约”的方式探索便捷用药服务、预约优先转诊服务、个性化健康管理服务，与签约居民建立紧密、持续的互动关系，使签约居民能够感受到家庭医生对其健康的持续关注，详见图 1。随着社区卫生服务中心深化与社区的紧密程度，其已逐步从单纯的服务提供者进一步转变为服务链接者、服务支持者，其所承担的职能也随着机构服务内涵提升而呈多样化发展。

1.2 互联互通的大数据是全程健康管理模式实现的技术保障

对居民来说，信息化可实现更好的自我健康管理；对服务提供者来说，与居民联通可增强家庭医生对居民健康状态的实时了解和监测，使健康干预和提前预警成为可能；对社区机构来说，各级机构间跨组织、可共享的电子病历系统可减少重复检查、促进诊疗方法协同^[1]。

我国的健康大数据主要包括医疗服务的电子健康档案系统数据，政府和社会在医学研究方面的学术数据、临床试验数据、医疗保险费用结算数据及公共经济社会生活中产生的数据等^[2]。医疗卫生数据统计和上报网络已覆盖国家、省、市、县、乡、村的100多万家医疗卫生机构^[3]。医疗卫生机构以电子病历为基础实现数据互联互通和共享，同时为智慧型健康管理提供必要的数据基础和技术支撑。目前市场上已有多家企业提供医疗信息化服务，龙头企业提供的产品在传统医疗信息化的前提下增加互联网业务、医疗保险互联，借助云、大数据等手段，围绕电子病历形成覆盖全院的解决方案产品。同时，部分企业借助电子病历，围绕社会保障卡开发健康医疗服务、医疗保险控费、医疗保险移动支付等功能^[4]。此外，电子病历改变传统纸质信息档案储存，在用药、检查、检验等医嘱环节实现闭环^[5]。

2 互联网、大数据背景下健康大数据的应用趋势

科学合理地利用健康大数据是医疗卫生领域发展的大势所趋^[6]。互联网、大数据技术为全面提升健康医疗领域的治理能力和水平创造极大的价值^[7]。综述国内外实践，健康大数据与社区健康管理有关的应用领域可总结为“D-ABC”，即基于大数据（data）的A端（administration）管理决策端、B端机构应用端和C端个人应用端三大领域。

2.1 A端：管理决策端 2.1.1 资源配置决策依据

管理决策平台推进市区两级平台、业务系统无缝对接，实现政府基于数据分析的管理决策。以健康大数据为依据优化医疗资源布局，解决资源分布不均导致的服务可及性问题。通过区域地理信息系统采集人口分布、交通环境、服务需求、机构供给能力等因素，上海市于全市规划设置58个医疗服务圈，服务圈内每10~15 min步行路程设立1家社区卫生服务站，每30~45 min车程设立1家区域性医疗中心，均衡配置各级医疗卫生机构数量和床位规模，满足辖区居民基本医疗需求^[8]。

2.1.2 传染病防控智慧支持

在新型冠状病毒肺炎疫情的防控工作中，大数据技术广泛应用于监测预警、防控、诊治、物资保障等各阶段^[9]。在监测预警阶段，整合国家健康信息、公共卫生和检验检疫信息及社会公共数据资源，由被动上报方式向自动化、智能化上报方向发展，提升了疫情监测的及时率、完整率和符合率；在防控阶段，根据监测评估、疫病数量分布和危害程度等多维数据决策模型，确定实施封闭式管理的地区范围和时限要求；在诊治阶段，以远程会诊实现优质医疗资源互通；在物资保障方面，建立分类物资需求数据库和物流数字供应链，制定保障预案，实现数字化动态管理^[10]。

2.2 B端：机构应用端

通过建立互联数据平台，将入驻医生和医疗机构分类整合，加强不同医院和医生平台间沟通，带动优质医疗服务下沉^[11]。

2.2.1 自动化、智能化机构管理

上海市社区卫生服务机构按照社区6大类141项目录标准的业务系统进行管理，全方位支撑家庭医生日常工作。公立医院模块将公立医院运行指标与政府拨付、综合评价等管理机制捆绑，实现政策与资源联动。通过集成分析诊疗操作与绩效数据集，创建可视化流程图和绩效图，识别医疗过程中的异常情况，为业务流程优化提供依据^[7]。

2.2.2 医疗辅助、智慧诊疗技术

基于健康大数据辅助临床医生诊疗。通过效果比较研究，精准分析包括患者体征、费用和疗效等数据在内的大型数据集，帮助医生确定最有效和最有成本效益的治疗方法。利用临床决策支持系统拓展临床医生知识，减少人为失误，帮助医生提高工作效率和诊疗质量。基于人工智能和机器学习类工具帮助医生为患者作出最佳决策^[12]，如以肺癌为例的医学影像检查人工智能（artificial intelligence, AI）读片，通过AI系统可读片15张/min且准确率达85%以上，适用于大规模体格检查、筛查等领域。而针对复杂个案，可采取“人工加AI”的方式提高诊断精准度，优化居民就诊流程和主观体验^[13]。在辅助用药上，通过安全用药知识库对跨医疗机构、跨区域的患者用药进行配伍，实现“重复检查、重复用药”等智能提示功能，进而弥补医务人员不足或专业技术不足导致的决策缺陷。

2.3 C端：个人应用端 2.3.1 健康监测与管理

可穿戴设备是实现健康监测常态化和连续化的基础，可在日常情况下连续收集居民生命体征及相关基本信息，动态化追踪心率、血压、体温等有助于医疗判断的数据。而联通大数据与物联网所形成的健康管理平台，使家庭医生可基于日常采集的AI健康大数据实现实时慢性病管理、疾病预警等功能。部分健康管理平台公司借助可穿戴设备初步构建了C端的健康云平台，消费者可通过硬件采集数据，并以软件进行数据分析结果展示和接受健康管理服务。云端则实现数据存储、处理和分析。同时，通过与医疗卫生机构的合作和数据共享，拓宽了基层医疗和社区医院的数据库，丰富了居民健康咨询的渠道。借由可穿戴设备，居民可时刻了解自身健康状况，形成多方实时参与的精准化健康管理闭环。且该类健康管理平台亦可作为不同养老模式的数据补充^[14]。

2.3.2 医疗健康服务

目前主流C端医疗服务主要分为4个部分：一是在线医疗服务，包括在线问诊、健康会员服务、私家医生服务（包含线上7 d 24 h问诊，个人健康管理计划，转诊挂号、住院安排和专家二次诊疗报告等线下服务）。二是消费型医疗，提供医疗健康机构服务的标准化服务方案，满足用户持续性、预防性和其他健康相关的需要，如健康检查、基因检测和医疗美容。三是健康商城，医疗产品如药品、保健品和医疗器械，健身产品及个人护理用品等。四是健康管理及健康互动，定制健康计划、工具及活动，向用户推荐个性化内容，协助保持健康生活方式。

新型冠状病毒肺炎疫情快速推动互联网医疗需求拓展。为避免普通发热患者去医院发生交叉感染，部分第三方互联网诊疗平台上线新型冠状病毒肺炎疫情在线咨询服务，提供免费义诊，同时实体医疗机构入驻或开通了互联网医院。与此同时，不同省（市）也在加速将互联网复诊及网售药品纳入医疗保险。如：浙江省衢州市医疗保障局推动慢性病处方流转平台试点；武汉市优先覆盖高血压、糖尿病、帕金森等10个重症慢性病病种，实现线上复诊开方，线下药店开药；深圳市率先推出医疗保险在线支付服务，患者在指定平台购买药品可直接使用医疗保险结算等。

3 存在问题 3.1 大数据挖掘不够，在资源配置中应用不足

一方面，健康大数据来源丰富、数量庞大，包含大量结构化和非结构化数据。异构异源数据难以融合，且不同机构采用的数据存储方式、标准也不尽相同，基于此构建的A端管理决策支持系统多以独立模块出现，存在模块内智能化、整合程度高，但模块间难以互联互通，数据和模型间共享及调用的成本较高等问题^[15]。另一方面，现有大数据平台数据处理模块功能单一，无法利用传统的数据库技术进行全面分析，不能深入探索数据背后的深层关系，导致政府对大数据在资源配置等管理决策中的挖掘不够，难以全方位为政府决策提供依据。

3.2 基层医疗卫生机构信息化建设投入不足与不平衡

医疗卫生体系供方的信息化、大数据建设需在初期投入大量固定成本，投入规模和长期化收益特征决定了投资的主要来源为地方财政。因此，B端机构应用端建设的前提条件是地方政府的财政支持。而地方财政本身与地区生产总值直接挂钩，继而B端建设会随着地区生产总值存在积贫积弱的恶性循环。相对更缺乏医疗卫生人力、物力的地区往往是卫生信息化建设边际收益更高的地区，但反而更难在卫生系统信息化与大数据建设中探索创新。

3.3 数据质量参差不齐，信息安全存在风险

现阶段A端和B端信息化建设往往以医疗机构或地区为单位进行，碎片化严重^[16-17]。一方面，我国健康大数据采集和发布渠道众多，各医疗机构信息系统良莠不齐，医疗信息化缺乏统一建设标准和统计口径，难以保证数据真实性及质量，严重束缚了信息化进程和医疗大数据价值的实现。另一方面，健康大数据缺乏共享机制及隐私保护机制。无论是医疗机构还是健康管理平台，其采集的个人健康数据在集中存储、传输、共享和交换、利用等过程中均存在敏感信息和隐私数据泄露的风险。

3.4 健康大数据缺乏有效整合

健康大数据是涵盖个人全生命周期相关数据的聚合。随着互联网在医疗领域的广泛应用，智能化可穿戴健康设备已普遍应用于个人健康监测，可即时采集个人身体指标相关数据^[18]。然而，传统健康管理中智能穿戴设备没有解决数据的关联性问题，由于信息涉及标准、技术、管理等问题，无法有效整合穿戴设备的数据、个人体格检查数据、医疗机构病案数据等跨平台、跨行业、跨机构的数据^[19]，尚未形成以人为单位的动态健康数据集合。

4 完善建议

结合“健康中国2030”战略和当前卫生信息化大数据技术应用，通过“D-ABC”框架的相互连接，基于四级综合健康管理策略，提供覆盖全人群、全生命周期、全病程的健康服务，详见图 2。

最终目标是将碎片化或基于病种或基于机构的筛查管理流程、会诊支持网络、双向转诊机制等信息化建设内容进行系统整合，优化标准体系和管理流程，为未来全程健康服务管理提供技术支持和平台支撑。

4.1 加强将健康大数据应用于资源配置和调控

为了最大效能发挥现有医疗卫生资源作用，弥补医疗卫生资源总量相对不足，决策者应通过分析各区域医疗卫生资源的需求和供给量，在制定医疗卫生服务预算和规划资源配置时基于供需平衡作出选择。通过大数据平台可视化展示区域内医疗机构的选址和布局情况、各区域的人口经济数据以及医疗卫生服务利用情况，基于医疗机构历史供给能力、年度卫生服务需求缺口、卫生费用变化、公共服务需求和供给增长率开展纵向对比，判断未来区域内医疗服务资源需求和供给情况，开展供需均衡分析，遵循规律，预测未来若干年的配置重点和投资项目，使区域医疗卫生服务公平可及^[20]，从而提升健康大数据对政府管理的决策支持水平。

4.2 加强基层医疗卫生机构信息化建设财政投入

针对基层医疗信息化建设投入不足的痛点，强化政府作用。在中央层面的顶层设计中结合实际，遵循统一标准和技术规范；在地方政策主导的基层建设中与相关单位互联互通、充分实现信息资源共享和业务协作原则，建设涵盖基本医疗服务、公共卫生服务、基本药物管理、居民健康管理、业务运营管理、绩效考核管理、统计分析和综合查询等基本功能的基层医疗卫生机构管理信息系统，并与医疗保险信息系统有效衔接。建立基础功能标准化的B端管理信息系统，为基层医疗卫生机构统一终端设备。利用地方财政补充基层医疗卫生机构投入不足与不平衡，利用中央财政平衡地区基层信息网络建设投入不足。

4.3 推动建立大数据多层次协同监管体系

针对大数据质量和标准问题，明确政府部门和医疗机构在大数据整合工作中的职能分工。在A端政府宏观数据框架设计层面，从健康大数据资源的整合、共享、应用等方面，建立各部门、各单位责权明确、协调有效的管理机制，建立信息业务使用部门和信息技术部门顺畅的沟通协作机制，保证数据质量、准确性和时效性；B端应强调社区卫生服务中心和二、三级医院的监督管理职能，加强机构制度管理和电子档案填报培训，建立健康大数据安全管理规则、模式与流程，提高云平台监测预警和应对能力。针对数据储存的安全与隐私问题，政府部门建立健全数据安全管理制度、操作规程和技术规范，对关键信息基础设施安全、数据安全保障措施，数据流转全程留痕，数据安全监测和预警，数据泄露事故可查询、可追溯等重点环节提出明确要求，定期开展数据应用的安全监测评估，全面查找薄弱环节，及时消除风险隐患，确保数据安全^[21]；各级医疗卫生机构加强信息安全技术应用，如数据加密、数据隐匿等，隐藏保护关键敏感信息，通过分级保护、设置访问权限，切实保护居民的个人信息安全和公共利益^[22]。

4.4 借力健康大数据推动服务模式转变

健康大数据的发展赋予了社区卫生服务更多可能。未来的医疗模式将逐渐从集中化向分散化转变，医疗服务场景从机构向居家转变，进一步提升B端和C端的整合联动，逐步实现以人为中心的个性化、精准化医疗。在5G、物联网背景下，社区卫生服务机构可充分调用和挖掘大数据，实现管理职能、服务职能、联系职能、传输职能的协调运转和深度融合，逐步形成线上、线下健康医疗服务闭环。在医学技术和大数据应用的基础上，探索智慧型社区健康管理，构建基于健康档案与医疗记录的风险分层模型，依托新兴技术对人群健康风险进行监测、分析和评估，使家庭医生能够全面掌握居民的身体健康状态及所患疾病的严重程度，开展有针对性的、差别化的服务，重点锁定风险较大人群，实现对健康管理对象全过程、全方位、全生命周期的照护。如利用卫生信息中心大数据，收集全年龄段门急诊、住院医疗服务利用情况和医疗费用信息，高血压、糖尿病等专病管理信息来建立风险分层模型，根据人群大数据结果对个体进行初步分类。同时，依靠信息整合和互联共享，能够大幅简化转诊流程，优化患者就医体验，提高预防和诊疗效果，使健康服务走向真正意义上的智能化，为个体和群体及整个社会提供全面、智能、多元、快捷的健康服务^[23]。

· 作者声明本文无实际或潜在的利益冲突