基于大数据的疾病负担测算及分析范式研究

The burden of disease (BOD)provides the important evidence for setting priorities on health resource allocation, which has characterized as obvious big data analysis. Appropriate method and scientific technical architecture should be regarded as basic element in getting correct result. This study will draw on the international experience of disease burden data analysis. The researchers will carry out typical field investigation at disease surveillance points of three provinces in eastern, central and western areas in China. Then standard model and analysis model for big data of the burden of disease will be constructed. The researchers use Hadoop software for distributed processing of data and implement systematic evaluation of health changes attributed to the degree of risk factors. The visual will be output by the software if the researchers set simulation on large abstract burden of disease data. Finally, The researchers carry out it on the application and verification of typical disease of large data model in order to promote the technology. The aim of this study is to build the big data technology platform based on cloud computing for burden of disease and find the suitable method system for China's disease burden research. It is believed that the project will promote multidisciplinary collaboration and reach the decision-making integration solutions that includes implementation of disease burden data collection, collation, sharing, mining, analysis and upgrade the capabilities of China's disease burden data mining, analysis and application.

疾病负担是确定卫生资源配置优先权的基础，疾病负担研究具有明显大数据分析特点，在大数据背景下选择适合的疾病负担测算方法、建立完善的疾病负担大数据平台才能保证疾病负担测算的科学性。本研究将借鉴国际经验，以东中西部样本疾病监测点为现场开展典型调查，在多源数据的质量评估及校正基础上，构建疾病负担的大数据标准模型和分析模型，采用Hadoop软件对数据进行分布式处理，测算疾病负担及系统评价人群健康变化归因于危险因素的程度，对大型抽象疾病负担数据集合进行仿真模拟，将结果可视化输出，最终进行典型病种大数据模型的应用，验证大数据分析模型的科学性。本研究旨在搭建基于云计算的疾病负担研究大数据技术平台，形成适合我国疾病负担分析的方法体系，推动多学科合作，实现疾病负担数据收集、整理、共享、挖掘、分析、决策一体化解决方案，提升我国疾病负担大数据分析和应用能力。

背景：疾病负担是确定卫生资源配置优先权的基础，疾病负担研究具有明显大数据分析特点。不同于科学研究已有的实验归纳、模型推演、仿真模拟三类范式，基于大数据的第四范式，则是先有了大量的已知数据，然后通过计算得出之前未知的理论。.研究内容：本课题主要进行基于大数据的疾病负担测算及分析范式研究，包括疾病负担数据来源的质量评估及校正、构建疾病负担的大数据标准模型、构建疾病负担的大数据分析模型、基于大数据挖掘的疾病负担分析平台的设计、疾病负担大数据结果的应用与验证等。.重要结果：（1）疾病负担数据来源的质量评估及校正。本研究应用大数据方法将东中西样本地区疾控、民政、公安等口径的死亡统计数据进行整合，以弥补传统死亡统计数据的不足，并创新性地使用门诊就诊、住院数据测算样本地区居民患病率，改变以往采用抽样统计测算患病率的方法，为应用大数据技术进行疾病负担测算奠定基础。在利用医疗卫生数据的同时，综合利用环境、交通、金融、教育、科技、农业等各个行业的相关数据进行全面的疾病负担分析。WHO 以及 GBD 推荐在计算疾病负担相关流行病学指标时通过机器学习模型或其他统计学手段进行校正，但是我国现有的研究鲜有涉及，本研究进行了尝试，效果良好。（2）构建疾病负担的大数据标准及分析，分为YLL和YLD、危险因素三部分。本研究针建立了适合我国国情的计算模型，协同过滤推荐算法(CF)用来进行危险因素分析适应性较好。（3）基于大数据挖掘的疾病负担分析平台设计，采用相应大数据平台来实现。首先将死因数据通过聚类分型的方式，得到了分类数据，再用可视化的方式展示了分类数据属性的分布特点，将分类数据分为正常数据和异常数据，最后用混淆矩阵解释了该模型的模型精度，实验结果表明推荐效果要优于传统算法。（4）以糖尿病为例验证大数据分析模型的科学性，从大数据本身出发，不需要从小样本推断，确证可以避免系统性误差。相对于传统的随机抽样，大数据通常来自具有某些特征的人群，又可能存在选择偏倚。本研究较好地对研究质量进行了严格控制，实现了数据收集与处理的标准化和规范化，重视因果关系判断的基本要素，确保结论的可靠性。.科学意义：在各国政府均已认识到医疗大数据作为国家基础性战略资源的重要性的今天，本研究对如何完善疾病负担数据平台，建立适合中国国情的各病种疾病负担研究指标与体系，并根据研究结果指导推动卫生政策的实施，具有重要基础性作用。