大數(shù)據(jù)在國(guó)際公共衛(wèi)生監(jiān)測(cè)中的應(yīng)用及啟示

房連泉

摘要：在過(guò)去幾十年中，新生流行性傳染病成為全球健康最為關(guān)注的問(wèn)題之一，各國(guó)越來(lái)越重視疫情的早期監(jiān)測(cè)。在傳統(tǒng)方式下，傳染病預(yù)警主要依賴(lài)國(guó)家機(jī)構(gòu)化的公共衛(wèi)生體系，面臨著信息量不足和響應(yīng)時(shí)滯等問(wèn)題。隨著信息社會(huì)來(lái)臨，大數(shù)據(jù)在現(xiàn)代公共衛(wèi)生體系中的應(yīng)用越來(lái)越廣泛，為疾病防控提供了更加綜合和多元化的信息來(lái)源，呈現(xiàn)出巨大的發(fā)展?jié)摿?。文章分析?shù)字化技術(shù)在國(guó)際公共衛(wèi)生監(jiān)測(cè)中的最新發(fā)展，以主要發(fā)達(dá)國(guó)家為例，說(shuō)明大數(shù)據(jù)在傳染病疫情監(jiān)測(cè)中的應(yīng)用優(yōu)勢(shì)，最后得出對(duì)中國(guó)的幾點(diǎn)啟示。

關(guān)鍵詞：大數(shù)據(jù);公共衛(wèi)生;疫情監(jiān)測(cè);流行性傳染病

中圖分類(lèi)號(hào)：C913 ? ?文獻(xiàn)標(biāo)志碼：A ? ?文章編號(hào)：1001-862X（2020）03-0130-007

引 言

過(guò)去二十多年以來(lái)，新生傳染病流行風(fēng)險(xiǎn)是全球公共衛(wèi)生安全最大的挑戰(zhàn)之一，尤其是新型流感病毒的不斷暴發(fā)，給全球健康帶來(lái)威脅。2003年的SARS，2004年的H5N1禽流感，2009年的H1N1甲型流感等疫情都曾在全球傳播;2019年末新型冠狀病毒（COVID-19）的大規(guī)模暴發(fā)對(duì)全球帶來(lái)巨大沖擊。眾所周知，針對(duì)傳染病防控，最重要的防護(hù)措施在于建立早期的預(yù)警監(jiān)測(cè)機(jī)制，這是公共衛(wèi)生計(jì)劃的基本支柱。[1]自人類(lèi)有傳染病歷史記錄以來(lái)，公共衛(wèi)生監(jiān)測(cè)的概念已經(jīng)歷多個(gè)世紀(jì)的演化。按照國(guó)際衛(wèi)生組織（WHO）的定義，公共衛(wèi)生監(jiān)測(cè)（Public health surveillance）是指不斷地全面收集、分析，解釋和傳遞與健康事件相關(guān)的數(shù)據(jù)信息，用于制定公共衛(wèi)生行動(dòng)，以減少發(fā)病率和死亡率，提高健康水平。[2]在傳染病監(jiān)測(cè)體系中，最重要的基礎(chǔ)工作在于信息收集。在傳統(tǒng)監(jiān)測(cè)方式下，病情信息有一個(gè)從底層向頂層傳遞的過(guò)程，通過(guò)基層社區(qū)衛(wèi)生機(jī)構(gòu)逐步向上匯總，最后由官方機(jī)構(gòu)進(jìn)行確認(rèn)發(fā)布。在此方式下，傳染病的確定主要依賴(lài)實(shí)驗(yàn)室鑒定手段，屬于事后的被動(dòng)型監(jiān)測(cè)。近幾十年來(lái)，大部分國(guó)家開(kāi)始建立起現(xiàn)代公共衛(wèi)生綜合監(jiān)測(cè)體系，成立專(zhuān)業(yè)性的疾病防控機(jī)構(gòu)，建立綜合性的監(jiān)測(cè)信息集成體系，將來(lái)自各方面的數(shù)據(jù)信息進(jìn)行匯總，用于傳染病流行分析。因此，數(shù)據(jù)來(lái)源成為疾病監(jiān)測(cè)的關(guān)鍵因素。

在數(shù)字資源的利用上，分為正式和非正式兩大類(lèi)。[3]正式的信息來(lái)自正規(guī)機(jī)構(gòu)渠道，例如基層社區(qū)，衛(wèi)生防疫中心和醫(yī)院、診所等，這是目前大多數(shù)國(guó)家公共衛(wèi)生監(jiān)測(cè)依賴(lài)的基礎(chǔ)。非正式的數(shù)字信息來(lái)源主要是指互聯(lián)網(wǎng)條件下的大數(shù)據(jù)，來(lái)自于新聞媒體、互聯(lián)網(wǎng)、社交媒體、郵件、訂閱號(hào)以及與健康相關(guān)的各類(lèi)社會(huì)信息來(lái)源，借助于大數(shù)據(jù)技術(shù)和人工智能，這些信息可以即時(shí)轉(zhuǎn)化為用于疫情分析的情報(bào)，為決策提供參考。相比正規(guī)機(jī)構(gòu)化的監(jiān)測(cè)體系，大數(shù)據(jù)監(jiān)測(cè)的主要優(yōu)點(diǎn)在于信息量大，及時(shí)高效反映社會(huì)動(dòng)態(tài)，從蛛絲馬跡的征兆中發(fā)掘相關(guān)信息。

盡管我國(guó)在大數(shù)據(jù)技術(shù)和人工智能運(yùn)用方面已處于全球前列，但大數(shù)據(jù)在公共衛(wèi)生監(jiān)測(cè)中的應(yīng)用還比較滯后。從全球范圍來(lái)看，近20多年來(lái)，作為一種輔助性的工具，大數(shù)據(jù)在許多國(guó)家公共衛(wèi)生監(jiān)測(cè)中的應(yīng)用越來(lái)越廣泛，為我國(guó)提供了很好的借鑒案例。

一、數(shù)據(jù)信息在公共衛(wèi)生監(jiān)測(cè)中的支柱地位

（一）公共衛(wèi)生監(jiān)測(cè)體系的歷史演變

公共衛(wèi)生監(jiān)測(cè)是公共衛(wèi)生安全體系的核心部分，是預(yù)防疾病發(fā)生的保障措施?！氨O(jiān)測(cè)”（surveillance）一詞來(lái)源于法語(yǔ)的“監(jiān)視”（sur veiller），是指對(duì)個(gè)人或群體活動(dòng)的持續(xù)密切的關(guān)注，用于指導(dǎo)、監(jiān)督和控制。[1]并非所有的風(fēng)險(xiǎn)事件都可以被預(yù)測(cè)到或者避免發(fā)生（例如地震、自然災(zāi)害等），但提前的預(yù)防警示可減少發(fā)生概率，降低損失。因此，監(jiān)測(cè)是公共衛(wèi)生體系決策的支撐，也是有效管理應(yīng)急事件的基礎(chǔ)。人類(lèi)發(fā)展史即是一部同傳染性疾病不斷抗?fàn)幍臍v史。隨著社會(huì)發(fā)展和科技進(jìn)步，公共衛(wèi)生監(jiān)測(cè)概念不斷演化，從早期的無(wú)意識(shí)，簡(jiǎn)單的隔離措施，到后來(lái)的數(shù)據(jù)統(tǒng)計(jì)，再到現(xiàn)代國(guó)家綜合監(jiān)控體系的形成，公共衛(wèi)生監(jiān)測(cè)經(jīng)歷了深刻的演變，自始至終最為核心的一個(gè)要素就是數(shù)據(jù)信息，它是進(jìn)行疾病預(yù)防，做出公共衛(wèi)生行動(dòng)決策和資源分配的基礎(chǔ)因素。

（二）信息學(xué)在公共衛(wèi)生領(lǐng)域的興起

衛(wèi)生監(jiān)測(cè)是一個(gè)數(shù)據(jù)處理的循環(huán)過(guò)程，分為三個(gè)階段：一是建立數(shù)據(jù)收集的框架，包括數(shù)據(jù)的類(lèi)型、范圍、來(lái)源渠道和手段等;二是基于第一階段收集的信息，對(duì)數(shù)據(jù)的分析、加工處理和解釋過(guò)程;三是分析結(jié)果的發(fā)布和應(yīng)用。[4]在傳統(tǒng)方式下，衛(wèi)生監(jiān)測(cè)建立在強(qiáng)制報(bào)告制度的基礎(chǔ)之上，來(lái)自基層社區(qū)衛(wèi)生機(jī)構(gòu)和實(shí)驗(yàn)室的信息逐級(jí)向上匯總。這種方式的主要局限在于：首先，早期病例的確定會(huì)有漏診;其次，向上匯總和實(shí)驗(yàn)室的鑒定過(guò)程，具有時(shí)滯性，信息傳遞慢;再次，在疾病暴發(fā)時(shí)，基層衛(wèi)生機(jī)構(gòu)的負(fù)擔(dān)加重，信息上報(bào)進(jìn)一步延遲。為改變這種被動(dòng)局面，自上世紀(jì)60年代計(jì)算機(jī)出現(xiàn)以來(lái)，各國(guó)開(kāi)始將信息技術(shù)應(yīng)用于公共衛(wèi)生領(lǐng)域，該學(xué)科被稱(chēng)為公共衛(wèi)生信息學(xué)（Public health informatics）。[5]進(jìn)入1990年代，醫(yī)療、生物信息技術(shù)得到快速發(fā)展，互聯(lián)網(wǎng)加快普及，信息技術(shù)深度介入公共衛(wèi)生領(lǐng)域。

（三）大數(shù)據(jù)技術(shù)在公共衛(wèi)生監(jiān)測(cè)中的優(yōu)勢(shì)

過(guò)去幾十年中，大數(shù)據(jù)廣泛應(yīng)用于各個(gè)商業(yè)領(lǐng)域，并滲透到公共衛(wèi)生事業(yè)，其中貢獻(xiàn)比較大的一個(gè)領(lǐng)域是全基因排序工程（Whole genome sequencing，WGS），通過(guò)病毒學(xué)和微生物學(xué)的數(shù)據(jù)分析技術(shù)，對(duì)傳染病的病源和流行特征進(jìn)行鑒定。相對(duì)傳統(tǒng)監(jiān)測(cè)方式下正式機(jī)構(gòu)提供的信息來(lái)源，大數(shù)據(jù)有三個(gè)突出特征，即3V特點(diǎn)[6]：一是容量大（Volume）。來(lái)自于新聞媒體、互聯(lián)網(wǎng)、社交媒體、平臺(tái)、公眾號(hào)、訂閱號(hào)等“非正規(guī)”渠道的數(shù)據(jù)，可為公共衛(wèi)生監(jiān)測(cè)提供參考信息。這些信息資源容量巨大，有些數(shù)據(jù)庫(kù)存量以千兆字節(jié)（109）或更高位數(shù)為單位進(jìn)行計(jì)數(shù)。二是速度快（Velocity）?；ヂ?lián)網(wǎng)下有各種形式的數(shù)據(jù)，包括數(shù)字、短消息、文檔、圖片、email、錄音、視頻以及來(lái)自手機(jī)移動(dòng)端APP收集的信息等，即時(shí)發(fā)生，形成數(shù)據(jù)流快速傳播，打破了傳統(tǒng)方式下的碎片式分布。這些數(shù)據(jù)通過(guò)存續(xù)、鏈接、清洗、混合、轉(zhuǎn)換、匹配等挖掘手段可即時(shí)加以整合利用。三是多樣性（Variety）。大數(shù)據(jù)信息通常是非完美狀態(tài)，真實(shí)性、穩(wěn)定性和可靠性缺乏保障，且處于多變狀態(tài)，未來(lái)預(yù)期得不到完全保障。

正是由于上述特征的存在，大數(shù)據(jù)在公共衛(wèi)生監(jiān)測(cè)中有廣闊的前景：一是提高了監(jiān)測(cè)信息的及時(shí)性和完整性。傳統(tǒng)監(jiān)測(cè)方式的兩個(gè)重大缺陷是，信息傳遞時(shí)滯和缺乏準(zhǔn)確的地理定位。來(lái)自于各種渠道的大數(shù)據(jù)能夠提供基于個(gè)體對(duì)象的海量數(shù)據(jù)，這些信息更全面有效。二是開(kāi)發(fā)大數(shù)據(jù)，可以幫助挖掘現(xiàn)有監(jiān)測(cè)體系中未覆蓋的信息和“隱藏”的人群（Hidden populations）。例如，互聯(lián)網(wǎng)和社交媒體可以提供大量“難以發(fā)現(xiàn)群體”（“Hard-to-reach” populations）的活動(dòng)信息和存在的風(fēng)險(xiǎn)因素。[7]三是有助于提高對(duì)新型傳染病預(yù)警的靈敏度。為應(yīng)對(duì)全球范圍內(nèi)各種新型流行性傳染病的暴發(fā)，各國(guó)投入大量資金用于預(yù)防體系建設(shè)，其中最為重要的就是對(duì)出現(xiàn)疾病的早期預(yù)判，大數(shù)據(jù)工具可以幫助提供輔助渠道的信息，這些信息更加及時(shí)，可能發(fā)生于基層衛(wèi)生機(jī)構(gòu)診斷之前，也可能包括具體的地理位置信息，從而提高了預(yù)測(cè)的靈敏性。四是相比傳統(tǒng)的數(shù)理統(tǒng)計(jì)方式，基于大數(shù)據(jù)的人工智能算法能更快處理數(shù)據(jù)，精確地通過(guò)模型對(duì)疾病傳播方式和發(fā)生概率進(jìn)行預(yù)測(cè)，從而提升疾病防控體系的管理水平。

二、全球主要公共衛(wèi)生大數(shù)據(jù)來(lái)源和監(jiān)測(cè)工具

從來(lái)源渠道上劃分，主要有三類(lèi)大數(shù)據(jù)可用于公共衛(wèi)生監(jiān)測(cè)：一類(lèi)是直接數(shù)據(jù)，來(lái)自于電子設(shè)備的記錄數(shù)據(jù)（例如電話(huà)、監(jiān)控錄像和衛(wèi)星遙感技術(shù)），這些數(shù)據(jù)直接記錄個(gè)人活動(dòng)和住所等消息;第二類(lèi)是自動(dòng)生成數(shù)據(jù)，個(gè)人在使用移動(dòng)手機(jī)，進(jìn)行瀏覽網(wǎng)頁(yè)，信用卡交易或柜臺(tái)消費(fèi)時(shí)，可自動(dòng)生成一些電子數(shù)據(jù);第三類(lèi)是自愿性數(shù)據(jù)（Volunteered data），通過(guò)社交媒體和APP應(yīng)用等公共平臺(tái)，個(gè)人可主動(dòng)參與提供信息，也可能成為“被動(dòng)”的信息收集對(duì)象。[8]其他一些可用于公共衛(wèi)生監(jiān)測(cè)的信息還包括：醫(yī)藥數(shù)據(jù)、個(gè)人電子健康檔案數(shù)據(jù)，以及來(lái)自社交網(wǎng)、旅行方式、疫苗接種和食品選擇等方面的非健康類(lèi)數(shù)據(jù)等。以下對(duì)目前國(guó)際上公共衛(wèi)生監(jiān)測(cè)中主要的大數(shù)據(jù)來(lái)源和應(yīng)用工具進(jìn)行介紹。

（一）新聞報(bào)道集合

新聞媒體報(bào)道是最主要的社會(huì)公共信息獲取渠道之一，傳統(tǒng)紙媒正逐步被電子化的新媒體所代替，為大數(shù)據(jù)的獲取提供了便利。

1.GPHIN

加拿大全球公共衛(wèi)生情報(bào)網(wǎng)（Global Public Health Intelligence Network，GPHIN）是全球知名的公共衛(wèi)生信息網(wǎng)站，于1997年由加拿大公共衛(wèi)生局開(kāi)發(fā)。該系統(tǒng)具有網(wǎng)頁(yè)搜索功能，對(duì)全球各地的即時(shí)通訊報(bào)道，公開(kāi)報(bào)告和網(wǎng)站進(jìn)行瀏覽，提取主題信息。該系統(tǒng)自動(dòng)鏈接于各國(guó)的新聞媒體，覆蓋3萬(wàn)多個(gè)新聞報(bào)道來(lái)源，每天可對(duì)2萬(wàn)多份報(bào)告進(jìn)行評(píng)估，涵蓋9種工作語(yǔ)言，網(wǎng)站每15分鐘進(jìn)行一次重復(fù)瀏覽，隨后可在一分鐘內(nèi)完成報(bào)道的翻譯和加工處理。系統(tǒng)監(jiān)測(cè)的信息不僅包括食品、水污染、生物恐怖主義、自然災(zāi)害、化學(xué)品污染和核材料等與健康相關(guān)的信息，還包括運(yùn)動(dòng)、旅游和金融等方面。[9]該系統(tǒng)采用始終保持“警示狀態(tài)”（state-of-the-art）的發(fā)掘技術(shù)，通過(guò)算法將數(shù)據(jù)集成，當(dāng)監(jiān)測(cè)到疾病暴發(fā)的信號(hào)時(shí)，由多學(xué)科、多語(yǔ)言技能的專(zhuān)業(yè)人員再對(duì)其進(jìn)行人工核審，當(dāng)證據(jù)充分時(shí)就啟動(dòng)警示。GPHIN網(wǎng)在2003年SARS暴發(fā)中起到了早期的預(yù)警作用，2012年在全球首次預(yù)警了中東呼吸綜合征MERS-CoV病毒的發(fā)生。2014年基于抗病毒藥品銷(xiāo)量上升等信息，GPHIN網(wǎng)還預(yù)測(cè)了西非埃博拉Ebla病毒的發(fā)生。[10]

2.ProMED-Mail

ProMED-Mail是全球最早的一個(gè)傳染病監(jiān)測(cè)郵件體系，于1994年由國(guó)際傳染病協(xié)會(huì)（International Society for Infectious Diseases）開(kāi)發(fā)。該系統(tǒng)從公開(kāi)新聞媒體、官方報(bào)告、網(wǎng)上摘要和當(dāng)?shù)卣{(diào)查等渠道，抓取有關(guān)公共健康領(lǐng)域的相關(guān)信息，由專(zhuān)家瀏覽和分析后，形成疾病監(jiān)測(cè)報(bào)告再向外發(fā)布，包括英語(yǔ)、西班牙語(yǔ)、葡萄牙語(yǔ)、俄語(yǔ)和法語(yǔ)五種應(yīng)用語(yǔ)言版本。[11]

3.HealthMap

健康地圖（HealthMap）軟件由哈佛大學(xué)主辦，該軟件與ProMED-Mail合作，雙方進(jìn)行數(shù)據(jù)共享。此外，它還與世界衛(wèi)生組織（WHO）、地球哨兵（GeoSentinel）網(wǎng)、世界動(dòng)物衛(wèi)生組織（World Organization for Animal Health，OIE）、聯(lián)合國(guó)糧農(nóng)組織（Food and Agriculture Organization of the United Nations，F(xiàn)AO）等國(guó)際機(jī)構(gòu)建立合作關(guān)系，獲取全球衛(wèi)生領(lǐng)域相關(guān)信息，利用Google地圖等地理監(jiān)測(cè)工具，對(duì)全球各地的健康信息變化進(jìn)行追蹤、匯總和過(guò)濾，形成9種語(yǔ)言版本的信息地圖。[12]在2012年半年期間暴發(fā)的全球111次疾病流行中，該軟件報(bào)告的平均速度比官方平均提前1.26天。在大部分流行疾病的報(bào)告中，HealthMap預(yù)測(cè)的信息內(nèi)容與官方報(bào)告結(jié)果基本一致。[13]

基于新聞報(bào)道的監(jiān)測(cè)工具面臨的主要局限有：數(shù)據(jù)主要來(lái)源于一些媒體報(bào)道，很多報(bào)道是故事性的，聚焦于一些公眾事件，嘩眾取寵，過(guò)于渲染。此外，媒體信息中通常缺乏關(guān)于個(gè)體年齡、性別等方面的具體特征數(shù)據(jù)。為彌補(bǔ)這方面的缺陷，近年來(lái)GPHIN網(wǎng)等平臺(tái)開(kāi)始著手將網(wǎng)絡(luò)搜索、社交媒體、智能手機(jī)和其他一些公眾平臺(tái)的信息納入探索范圍。此外，目前這些搜索工具的運(yùn)行還在一定程度上依賴(lài)人工干預(yù)，例如對(duì)重大事件的評(píng)估，對(duì)存續(xù)信息的處理等，人工智能算法在其中的應(yīng)用還處于早期開(kāi)發(fā)階段。

（二）網(wǎng)絡(luò)查詢(xún)和公共論壇

個(gè)人瀏覽和查詢(xún)網(wǎng)頁(yè)時(shí)會(huì)留下痕跡，其中包含對(duì)健康信息的搜索，在網(wǎng)頁(yè)上對(duì)特定健康主題的查詢(xún)，用戶(hù)在微博和論壇留下的消息等。在流感等傳染病發(fā)生時(shí)，并不是所有生病的人都會(huì)去醫(yī)院檢查，部分人群可能會(huì)借助網(wǎng)絡(luò)搜索尋求幫助，捕獲這些數(shù)據(jù)有助于更加全面地反映流感發(fā)生狀況。

在傳染病預(yù)測(cè)上，全球廣泛使用的一個(gè)搜索引擎工具是Google流感趨勢(shì)（Google Flu Trends，GFT）。它創(chuàng)建于2008年，在30多個(gè)國(guó)家得到應(yīng)用。該系統(tǒng)通過(guò)Google搜索，將公眾查詢(xún)疾病的相關(guān)信息進(jìn)行分析和匯總，預(yù)測(cè)疾病發(fā)生概率。[14]在美國(guó)，GFT發(fā)布的流感信息報(bào)告數(shù)據(jù)通常要比國(guó)家疾病控制中心（CDC）的發(fā)布早兩周;GFT曾準(zhǔn)確預(yù)測(cè)了2007—2008年的流感暴發(fā)季和2009年H1N1流感的發(fā)生。隨后幾年中，GFT發(fā)布的數(shù)字通常要比官方數(shù)字高，在2013年1月的流感預(yù)測(cè)中甚至達(dá)到了官方數(shù)字的兩倍，[15]這使其飽受爭(zhēng)議，自2015年8月起GFT不再公布流感預(yù)測(cè)數(shù)據(jù)。實(shí)際上，GFT的建立初衷就是一個(gè)輔助工具，而非獨(dú)立的預(yù)測(cè)工具。雖然搜索引擎的算法經(jīng)常更新，但由于數(shù)據(jù)來(lái)源和參數(shù)的不確定性，很難準(zhǔn)確地預(yù)測(cè)流感。因此，國(guó)際上通常將GFT視為輔助工具，與官方預(yù)測(cè)相互印證。此外，Google具有商業(yè)盈利模式，通常會(huì)基于客戶(hù)的搜索行為偏好，為其推薦搜索排行。

除了搜索引擎外，一些特定網(wǎng)站也可收集統(tǒng)計(jì)信息。維基百科（Wikipedia）是常用的一個(gè)搜索網(wǎng)站，在北美地區(qū)是第一手的信息來(lái)源。該網(wǎng)站向外公布每小時(shí)的用戶(hù)搜索歷史數(shù)據(jù)，可通過(guò)文章觀點(diǎn)、網(wǎng)頁(yè)瀏覽和計(jì)數(shù)等方式加以匯總。網(wǎng)上公共論壇可以提供一些與食品安全和消費(fèi)有關(guān)的健康信息。例如，國(guó)外常用的一家餐飲業(yè)評(píng)價(jià)工具是Yelp網(wǎng)站，網(wǎng)站上有顧客對(duì)各家餐館的留言、打分和短消息等內(nèi)容。

值得說(shuō)明的是，不管是搜索引擎，還是網(wǎng)上論壇，提供的健康信息大部分是輔助性的。這些工具記錄了用戶(hù)的查詢(xún)數(shù)據(jù)和網(wǎng)上評(píng)價(jià)，并不能代表用戶(hù)實(shí)際已患病或出現(xiàn)癥狀，也不能反映患者實(shí)際就醫(yī)和門(mén)診情況，因此數(shù)據(jù)存在著瑕疵。在這種情況下，歐洲一些國(guó)家，例如比利時(shí)、葡萄牙、意大利等國(guó)，在大數(shù)據(jù)分析中加入了一些網(wǎng)上調(diào)查項(xiàng)目，例如，讓公眾在網(wǎng)上填寫(xiě)疾病癥狀、就醫(yī)和用藥等情況，以便更準(zhǔn)確地分析疾病發(fā)生情況。

（三）社交媒體

社交媒體可以提供 “集合性情報(bào)”（Collective intelligence），輔助疾病預(yù)警。大型社交媒體平臺(tái)可從海量非結(jié)構(gòu)性文本中，提取疾病出現(xiàn)征兆，以及來(lái)自民間的警示聲音，例如“吹哨人”信息。相應(yīng)的主題主要集中在大眾關(guān)心的食品安全、疫苗和公共衛(wèi)生等領(lǐng)域。國(guó)際上常用的兩個(gè)社交工具是Facebook和Twitter，F(xiàn)acebook的使用者以年輕人居多，而Twitter的主體為成年人。由于Facebook的用戶(hù)較為穩(wěn)定，長(zhǎng)期使用，因而更適合一些與行為方式變化相關(guān)的慢性病分析。Twitter是一個(gè)類(lèi)似于微博或公眾號(hào)的網(wǎng)上發(fā)布平臺(tái)，注冊(cè)用戶(hù)可張貼個(gè)人短消息;網(wǎng)站上的數(shù)據(jù)可通過(guò)公開(kāi)的API（Application Programming Interface）方式來(lái)獲取，允許第三方即時(shí)下載。[16]由于Twitter具有即時(shí)性、容量大等特點(diǎn)，可為預(yù)測(cè)傳染病提供海量數(shù)據(jù)。例如，通過(guò)監(jiān)測(cè)有關(guān)疾病或健康主題發(fā)布內(nèi)容的空間分布、密度和聯(lián)系網(wǎng)絡(luò)等信息，可以預(yù)測(cè)集中性傳染病暴發(fā)的可能性。此外，Twitter大數(shù)據(jù)還可用來(lái)分析人們的遷徙方式，例如在傳染病暴發(fā)期間，通過(guò)跟蹤個(gè)人地點(diǎn)的變化，可估計(jì)傳染病的接觸率數(shù)據(jù)。通常情況下，Twitter對(duì)地理位置的定位精確性可達(dá)十米以?xún)?nèi)。

社交媒體信息作為監(jiān)測(cè)工具的價(jià)值在于，為政府機(jī)構(gòu)和公共衛(wèi)生專(zhuān)業(yè)人員提供參考信息。通過(guò)監(jiān)測(cè)社交媒體數(shù)據(jù)，與正式機(jī)構(gòu)的預(yù)測(cè)相結(jié)合，有助于更早更及時(shí)地發(fā)現(xiàn)疾病發(fā)生的信號(hào)。同時(shí)，政府還可利用社交媒體渠道，發(fā)布官方信息，開(kāi)展公共衛(wèi)生教育、防災(zāi)防疫、健康知識(shí)宣傳等活動(dòng)。在疾病暴發(fā)期間，社交媒體在辟謠、糾正錯(cuò)誤認(rèn)識(shí)和降低社會(huì)恐慌等方面發(fā)揮著重要作用。例如，在2011年日本大地震后，世界衛(wèi)生組織多次利用Facebook和Twitter賬號(hào)向全球發(fā)布消息，安慰民眾并糾正一些錯(cuò)誤的謠傳，包括人們?cè)陲嬘脙艋褪秤玫馄确矫娴恼`區(qū)。[17]2019年新冠肺炎發(fā)生后，世界衛(wèi)生組織在網(wǎng)站上多次發(fā)布辟謠信息。

（四）醫(yī)藥檔案及電子數(shù)據(jù)

來(lái)自藥品銷(xiāo)售、健康電子檔案等方面的數(shù)據(jù)可以為流行病監(jiān)測(cè)提供依據(jù)。藥店的處方藥和非處方藥零售信息（例如感冒藥、呼吸道藥、腸道藥、抗病毒藥等）可在一定程度上反映疾病發(fā)生的變化。例如，英國(guó)已開(kāi)始以非處方藥銷(xiāo)售記錄作為監(jiān)測(cè)季節(jié)性流感臨時(shí)性特征的手段。

電子健康檔案信息包括病歷、保險(xiǎn)索賠、醫(yī)院收費(fèi)記錄、死亡證明等，也可為疾病監(jiān)測(cè)提供附加信息。在美國(guó)，商業(yè)醫(yī)療保險(xiǎn)非常發(fā)達(dá)，病人在填寫(xiě)保險(xiǎn)索賠單時(shí)要提供詳細(xì)的病史信息，這些數(shù)據(jù)匯總在一起，可幫助建立地方性流行疾病的分析模型。2007年馬賽諸塞州（Massachusetts）建立ESPnet醫(yī)療網(wǎng)，政府部門(mén)可用電子檔案信息開(kāi)展即時(shí)的公共衛(wèi)生監(jiān)測(cè)。該系統(tǒng)根據(jù)數(shù)據(jù)庫(kù)信息，自動(dòng)生成傳染病監(jiān)測(cè)報(bào)告，用于政府健康管理部門(mén)的查詢(xún)。[18]使用電子醫(yī)療檔案進(jìn)行疾病監(jiān)測(cè)面臨的最大挑戰(zhàn)是涉及個(gè)人隱私問(wèn)題，此外還有一些其他因素限制這種應(yīng)用方式。例如，醫(yī)療檔案信息更新不及時(shí);個(gè)人可能在多家機(jī)構(gòu)看病，購(gòu)買(mǎi)有多個(gè)保險(xiǎn)單的情況;禁止從私人保險(xiǎn)公司購(gòu)買(mǎi)醫(yī)療數(shù)據(jù)等等。

除了上述兩種渠道，部分國(guó)家健康熱線(xiàn)電話(huà)（Health Call-in Phone Lines）也是一種獲取大健康數(shù)據(jù)的方式。例如，在英國(guó)國(guó)家衛(wèi)生系統(tǒng)有一個(gè)健康電話(huà)服務(wù)項(xiàng)目，可以直撥?chē)?guó)家服務(wù)部門(mén)，當(dāng)收集到的與傳染病相關(guān)的電話(huà)數(shù)據(jù)到達(dá)一定量時(shí)，就可以預(yù)警項(xiàng)目，提供給國(guó)家衛(wèi)生實(shí)驗(yàn)部門(mén)進(jìn)行鑒定。[19]

（五）其他健康大數(shù)據(jù)

除以上四類(lèi)常見(jiàn)的來(lái)源渠道外，還有一些類(lèi)型的電子數(shù)據(jù)在研究中被提及。一類(lèi)是眾包型健康記錄（Crowd sourced Health Records）。一些企業(yè)和社會(huì)組織通過(guò)發(fā)起眾創(chuàng)活動(dòng)，收集志愿者的健康醫(yī)療信息進(jìn)行共享，用于醫(yī)療衛(wèi)生研究和健康監(jiān)測(cè)等方面的公益目標(biāo)。例如，patientslikeme.com網(wǎng)上論壇已有超過(guò)75萬(wàn)會(huì)員參加，病人可在網(wǎng)上分享疾病治療方面的經(jīng)驗(yàn)，并參加醫(yī)療機(jī)構(gòu)的研究項(xiàng)目。[20]第二類(lèi)是曠工、曠課記錄等數(shù)據(jù)。在日本、加拿大等國(guó)家，中小學(xué)校學(xué)生的曠課記錄也被納入公共衛(wèi)生監(jiān)測(cè)指標(biāo)，由學(xué)校將學(xué)生缺席上課的數(shù)據(jù)信息上報(bào)，衛(wèi)生部門(mén)匯總后可監(jiān)測(cè)到異常的公共衛(wèi)生安全事件。第三類(lèi)是地球測(cè)繪類(lèi)數(shù)據(jù)。來(lái)自于地球環(huán)境或太空數(shù)據(jù)方面的協(xié)生變量，可幫助預(yù)測(cè)傳染病發(fā)生概率。這些數(shù)據(jù)來(lái)自于地球觀測(cè)項(xiàng)目，例如GIS和衛(wèi)星遙感成像等，它們監(jiān)測(cè)的信息包括降水量、溫度、大氣條件、土壤狀況、植被、人口密度等，目前已被廣泛應(yīng)用一些媒介傳播性（Vector-borne）疾病的監(jiān)測(cè)，例如裂谷熱、登革熱、腦炎和寨卡病毒等流行病。[21]

三、對(duì)中國(guó)的幾點(diǎn)借鑒

2019年末新冠肺炎疫情暴發(fā)以來(lái)，大數(shù)據(jù)技術(shù)在信息收集、疫情排查、人員篩選、病源追蹤、資源調(diào)度等方面得到廣泛運(yùn)用，體現(xiàn)出強(qiáng)大的技術(shù)效率優(yōu)勢(shì)，成為應(yīng)急狀態(tài)下疫情管理的有效手段。2020年2月14日，習(xí)近平總書(shū)記在主持召開(kāi)中央全面深化改革委員會(huì)第十二次會(huì)議上提出“完善重大疫情防控體制機(jī)制，健全國(guó)家公共衛(wèi)生應(yīng)急管理體系”的要求，指出“要鼓勵(lì)運(yùn)用大數(shù)據(jù)、人工智能、云計(jì)算等數(shù)字技術(shù)，在疫情監(jiān)測(cè)分析、病毒溯源、防控救治、資源調(diào)配等方面更好發(fā)揮支撐作用”[22]，這為公共衛(wèi)生監(jiān)測(cè)體系的發(fā)展指明了方向。借鑒國(guó)際經(jīng)驗(yàn)，針對(duì)加強(qiáng)大數(shù)據(jù)在我國(guó)公共衛(wèi)生監(jiān)測(cè)體系中的發(fā)展應(yīng)用，提出如下建議：

（一）建立機(jī)構(gòu)防控與大數(shù)據(jù)補(bǔ)充相結(jié)合的多層次監(jiān)測(cè)體系

國(guó)際經(jīng)驗(yàn)表明現(xiàn)代疾病監(jiān)測(cè)是一個(gè)多層次體系，國(guó)家機(jī)構(gòu)化的正式防控體系占主導(dǎo)地位，但也面臨著信息量不足和決策滯后的問(wèn)題。在互聯(lián)網(wǎng)科技迅速發(fā)展的背景下，大數(shù)據(jù)技術(shù)可以很好地彌補(bǔ)傳統(tǒng)疾病監(jiān)測(cè)體系的不足，成為有益的輔助手段。雖然目前健康大數(shù)據(jù)在公共衛(wèi)生領(lǐng)域的應(yīng)用還處于起步階段，面臨著信息質(zhì)量不高、缺乏統(tǒng)一標(biāo)準(zhǔn)、智能技術(shù)不夠成熟、使用權(quán)限和隱私保護(hù)等諸多方面的挑戰(zhàn)，但其快速及時(shí)，容量巨大，來(lái)源渠道覆蓋社會(huì)生活各個(gè)角落的優(yōu)勢(shì)，使其具有巨大的應(yīng)用潛力。與國(guó)外相比，我國(guó)大數(shù)據(jù)技術(shù)產(chǎn)業(yè)有著后發(fā)優(yōu)勢(shì)，用戶(hù)規(guī)模巨大，在許多互聯(lián)網(wǎng)應(yīng)用領(lǐng)域（例如移動(dòng)支付和社交軟件等）和信息技術(shù)（例如5G）發(fā)展上已處于領(lǐng)先地位。但相比起來(lái)，在公共衛(wèi)生領(lǐng)域的大數(shù)據(jù)應(yīng)用還比較滯后。例如，國(guó)際上開(kāi)發(fā)有大量基于新聞報(bào)道、搜索引擎和社交媒體等渠道上的公共衛(wèi)生監(jiān)測(cè)工具，20多年來(lái)發(fā)展成效顯著，而我國(guó)在這方面的應(yīng)用工具還鮮為人知。2014年百度上線(xiàn)“疾病預(yù)測(cè)”，其信息來(lái)源除了查詢(xún)數(shù)據(jù)之外，還用到了Google未用到的微博數(shù)據(jù)，以及“百度知道”中與疾病相關(guān)的提問(wèn)數(shù)據(jù)。[23]除了探索引擎外，我國(guó)的微信、微博、公眾號(hào)以及大量的社交媒體都有著巨大的用戶(hù)規(guī)模，可挖掘海量的健康類(lèi)大數(shù)據(jù)。我國(guó)智能手機(jī)普及，應(yīng)用通訊、社交、搜索、地圖、短視頻、電商等各種功能都可以通過(guò)手機(jī)APP實(shí)現(xiàn)，電子支付、大眾點(diǎn)評(píng)、移動(dòng)通訊、鐵路、航空等日常應(yīng)用都已實(shí)現(xiàn)實(shí)名制，可獲取用戶(hù)定位、消費(fèi)活動(dòng)和行動(dòng)軌跡等各方面的信息。同時(shí)，還可利用電子病歷、電子健康檔案、GIS、遙感技術(shù)等渠道作為補(bǔ)充信息。將以上大數(shù)據(jù)資源進(jìn)行挖掘整合，用于公共衛(wèi)生領(lǐng)域具有無(wú)限潛力。

（二）理順信息化管理體制，實(shí)現(xiàn)大數(shù)據(jù)資源共享開(kāi)發(fā)

公共衛(wèi)生所依賴(lài)的大數(shù)據(jù)資源分布于各個(gè)社會(huì)領(lǐng)域，除了各級(jí)醫(yī)療衛(wèi)生機(jī)構(gòu)提供的基本信息外，還存在于工業(yè)交通、旅游、環(huán)保、食品監(jiān)督、氣象、教育科技、人口、公安和統(tǒng)計(jì)等各領(lǐng)域，渠道眾多，內(nèi)容豐富，如何實(shí)現(xiàn)共享至關(guān)重要。從美國(guó)、日本等國(guó)家公共衛(wèi)生信息管理體系的發(fā)展趨勢(shì)可發(fā)現(xiàn)，各國(guó)十分重視健康大數(shù)據(jù)信息的共享建設(shè)。例如，美國(guó)在2001年建立的國(guó)家疾病電子監(jiān)測(cè)系統(tǒng)（NEDSS）實(shí)現(xiàn)了聯(lián)邦各部門(mén)健康數(shù)據(jù)信息的共享;日本自上世紀(jì)90年代開(kāi)始，就將國(guó)家防災(zāi)和防疫納入一體化信息網(wǎng)絡(luò)，建立了覆蓋各層級(jí)的“國(guó)家傳染病流行監(jiān)測(cè)體系”（NESID）。長(zhǎng)期以來(lái)，我國(guó)健康數(shù)據(jù)的信息化建設(shè)呈“碎片化”分布，各部門(mén)、各層級(jí)政府在信息管理體制上，存在數(shù)據(jù)庫(kù)重復(fù)建設(shè)、標(biāo)準(zhǔn)格式不統(tǒng)一、保護(hù)過(guò)度等問(wèn)題，造成數(shù)據(jù)使用的隔斷和低效。2016年國(guó)家《“健康中國(guó)2030”規(guī)劃綱要》提出“建設(shè)健康信息化服務(wù)體系”的目標(biāo)[24];同年國(guó)務(wù)院出臺(tái)的《關(guān)于促進(jìn)和規(guī)范健康醫(yī)療大數(shù)據(jù)應(yīng)用發(fā)展的指導(dǎo)意見(jiàn)》，指出“加快建設(shè)統(tǒng)一權(quán)威、互聯(lián)互通的人口健康信息平臺(tái)，推動(dòng)健康醫(yī)療大數(shù)據(jù)資源共享開(kāi)放”的目標(biāo)[25];2018年國(guó)務(wù)院出臺(tái)的《促進(jìn)“互聯(lián)網(wǎng)+醫(yī)療健康”發(fā)展的意見(jiàn)》進(jìn)一步明確指出，“加快實(shí)現(xiàn)醫(yī)療健康信息互通共享，健全‘互聯(lián)網(wǎng)+醫(yī)療健康標(biāo)準(zhǔn)體系”的改革措施[26]。這次新冠肺炎疫情的發(fā)生進(jìn)一步彰顯了建立國(guó)家健康大數(shù)據(jù)共享平臺(tái)的重要性。為此，可借鑒相關(guān)國(guó)際經(jīng)驗(yàn)，在我國(guó)現(xiàn)有的疾病防控信息系統(tǒng)之上，建立國(guó)家健康大數(shù)據(jù)的調(diào)度與歸集平臺(tái)，打通各部門(mén)各層級(jí)的數(shù)據(jù)鏈接，實(shí)現(xiàn)資源共享，并結(jié)合大數(shù)據(jù)技術(shù)，建立起傳染病動(dòng)態(tài)自動(dòng)預(yù)警模型，實(shí)現(xiàn)對(duì)傳染病發(fā)生的早期智能預(yù)警。

（三）加強(qiáng)大數(shù)據(jù)技術(shù)創(chuàng)新，增強(qiáng)其在公共衛(wèi)生監(jiān)測(cè)中的應(yīng)用性

以人工智能分析為基礎(chǔ)的大數(shù)據(jù)技術(shù)引領(lǐng)了各國(guó)科技競(jìng)爭(zhēng)的大趨勢(shì)。目前，在公共衛(wèi)生監(jiān)測(cè)領(lǐng)域大數(shù)據(jù)技術(shù)還處于起步期，對(duì)疾病預(yù)警所起的作用非常有限。一個(gè)重要的原因就在于技術(shù)體系不成熟，主要體現(xiàn)在以下兩方面：一是數(shù)據(jù)處理和分析技術(shù)薄弱。面對(duì)海量的大數(shù)據(jù)，數(shù)據(jù)的搜索、錄入、分類(lèi)、清洗、標(biāo)準(zhǔn)化處理以及輸出的可視化等技術(shù)都是復(fù)雜的，處理過(guò)程中需要建立大量的分析模型和軟件工具，這些分析方法庫(kù)、挖掘算法和模型庫(kù)本身就是“另一類(lèi)”大數(shù)據(jù)[27]，人工智能技術(shù)在這些領(lǐng)域的應(yīng)用仍需大幅改進(jìn)。二是預(yù)測(cè)結(jié)果的錯(cuò)誤信號(hào)風(fēng)險(xiǎn)。大數(shù)據(jù)來(lái)源的多樣性和不穩(wěn)定性，通常需要人工甄別機(jī)制進(jìn)行干預(yù);同時(shí)，目前大部分模擬算法基于的原理是，根據(jù)假設(shè)條件對(duì)未來(lái)趨勢(shì)進(jìn)行推導(dǎo)，結(jié)論的有效性取決于如何去除潛在的干擾性因素，由于數(shù)據(jù)的“非完美性”，預(yù)測(cè)結(jié)果的準(zhǔn)確性受大量隨機(jī)性風(fēng)險(xiǎn)因素的影響。錯(cuò)誤的預(yù)測(cè)結(jié)論會(huì)影響到實(shí)際決策，并可能通過(guò)社交媒體進(jìn)行傳播，引致社會(huì)恐慌。這是目前大數(shù)據(jù)預(yù)測(cè)面臨的一個(gè)主要挑戰(zhàn)，即大部分預(yù)測(cè)是參考性的，權(quán)威性不足。加強(qiáng)技術(shù)創(chuàng)新，應(yīng)給予互聯(lián)網(wǎng)科技企業(yè)更多的政策扶持，并在大數(shù)據(jù)的開(kāi)放共享和使用授權(quán)等方面，創(chuàng)造更便利的環(huán)境條件。

（四）完善法律監(jiān)管體系，引導(dǎo)大數(shù)據(jù)產(chǎn)業(yè)健康安全發(fā)展

大數(shù)據(jù)作為一個(gè)新興產(chǎn)業(yè)，實(shí)踐日新月異，但相應(yīng)的監(jiān)管法規(guī)政策仍然滯后。一是相關(guān)監(jiān)管法規(guī)制度少，關(guān)于數(shù)據(jù)隱私保護(hù)和數(shù)據(jù)安全等方面的保護(hù)措施不足;同時(shí)，數(shù)據(jù)授權(quán)使用管理制度不健全，開(kāi)放共享不夠，限制了可用的數(shù)據(jù)來(lái)源。二是數(shù)據(jù)格式不統(tǒng)一，缺乏國(guó)家標(biāo)準(zhǔn)體系，影響到共享使用。三是對(duì)大數(shù)據(jù)產(chǎn)業(yè)的監(jiān)管不到位，不當(dāng)商業(yè)競(jìng)爭(zhēng)可能帶來(lái)社會(huì)負(fù)面影響。例如，2016年百度醫(yī)療廣告中的莆田系醫(yī)院排名事件，曾影響到互聯(lián)網(wǎng)行業(yè)的公共聲譽(yù)。針對(duì)這些情況，加快完善健康醫(yī)療領(lǐng)域的立法和監(jiān)管政策非常迫切。此次新冠肺炎疫情發(fā)生后，黨中央提出“強(qiáng)化公共衛(wèi)生法治保障，全面加強(qiáng)和完善公共衛(wèi)生領(lǐng)域相關(guān)法律法規(guī)建設(shè)”的要求[22]。以此次立法改革為契機(jī)，有必要進(jìn)一步強(qiáng)化傳染病預(yù)警方面的法律保障，加快完善健康大數(shù)據(jù)方面的法律法規(guī)，建立數(shù)據(jù)信息開(kāi)放、媒體與互聯(lián)網(wǎng)管理制度，加強(qiáng)數(shù)據(jù)社會(huì)共享的支撐服務(wù)和安全保障，促進(jìn)大數(shù)據(jù)產(chǎn)業(yè)的健康持續(xù)發(fā)展。

參考文獻(xiàn)：

[1]Brachman P.S.Chapter 2.Public health surveillance[M].in Bacterial Infections of Humans：Epidemiology and Control，P.S.Brachman and E.Abrutyn，Eds.，Springer，New York，NY，USA，2009.

[2]Thacker S.B，Berkelman R.L.Public health surveillance in the United States[J].Epidemiol.Review，1988，（10）：164-190.

[3]TELL ME project .Digital Resources for Disease Detection[EB/OL]，https：//www.tellmeproject.eu/sites/default/files/137730435-D2-6-Digital-Resources-for-Disease-Detection.pdf.

[4]Cheryl Waldner.Big Data for Infectious Diseases Surveillance and the Potential Contribution to the Investigation of Foodborne Disease in Canada：An Overview and Discussion Paper[R].https：//nccid.ca/publications/big-data-for-infectious-diseases-surveillance/ .

[5]The Centers for Disease Control and Prevention （CDC） of the United States.Introduction to Public Health Informatics[EB/OL].https：//www.cdc.gov/publichealth101/informatics.html.

[6]Cheryl Waldner.Big Data for Infectious Diseases Surveillance and the Potential Contribution to the Investigation of Foodborne Disease in Canada：An Overview and Discussion Paper[R].https：//nccid.ca/publications/big-data-for-infectious-diseases-surveillance/ .

[7]Pisani A，Wyman P，Mohr D，Perrino T，Gallo C，Villamar J.Human subjects protection and technology in prevention science：selected opportunities and challenges[J].Preview Sciences，2017，（6）：765-778.

[8]Jonathan Cinnamon，Sarah K Jones，W Neil Adger.Evidence and future potential of mobile phone data for disease disaster management[R].Geoforum，2016，75：253-264.

[9]GPHIN.About GPHIN[EB/OL].https：//gphin.canada.ca/cepr/aboutgphin-rmispenbref.jsp？language=en_CA.

[10]Dion M，AbdelMalik P，Mawudeku A.Big data and the global public health intelligence network （GPHIN）[J].Canada Communicable Disease Report，2015，41（9）：209-214.

[11]ProMED-Mail.About ProMED[EB/OL].https：//promedmail.org

[12]HealthMap.About HealthMap[EB/OL].https：//healthmap.org/zh/.

[13]Bahk CY，Scales DA，Mekaru SR，Brownstein JS，F(xiàn)reifeld CC.Comparing timeliness，content，and disease severity of formal and informal source outbreak reporting[J].BMC Infect Disease，2015，（15）：135.

[14]GFT.Google Flu Trends[EB/OL].www.google.org/flutrends/about/.

[15]Davidson M W，Haim D A，Radin J M.Using Networks to Combine “Big Data” and Traditional Surveillance to Improve Influenza Predictions[J].Scientific Reports，2015，（5）：8154.

[16]Salathé M.Digital pharmacovigilance and disease surveillance：combining traditional and big-data systems for better public health[J].Journal of Infectious Diseases，2016，214（4）：S399-403.

[17]OECD.OECD Reviews of Public Health：Japan A Healthier Tomorrow[R].https：//www.oecd-ilibrary.org/social-issues-migration-health/oecd-reviews-of-public-health-japan_9789264311602-en.

[18]Curtis L，Brown J，Platt R.Four health data networks illustrate the potential for a shared national multipurpose big-data network[J].Health Affairs （Millwood）.2014，33（7）：1178-1186.

[19]Loveridge P，Cooper D，Elliot A，Harris J，Gray J，Large S，et al.Vomiting calls to NHS Direct provide an early warning of norovirus outbreaks in hospitals[J].Journal of Hospital Infection，2010 ，74（4）：385-393.

[20]PatientsLikeMe.Symptoms[EB/OL].https：//www.patientslikeme.com/research/dataforgood.

[21]Nicholas A S Hamm，Ricardo J Soares Magalh？觔es，Archie C A Clements.Earth observation，spatial data quality，and neglected tropical diseases[J].PLoS Neglected Tropical Diseases，2015，9（12）：e0004164.

[22]新華網(wǎng).習(xí)近平主持召開(kāi)中央全面深化改革委員會(huì)第十二次會(huì)議強(qiáng)調(diào)完善重大疫情防控體制機(jī)制 健全國(guó)家公共衛(wèi)生應(yīng)急管理體系[EB/OL].2020年02月14日，http：//www.xinhuanet.com/politics/leaders/2020-02/14/c_1125576323.htm.

[23]百度百科.百度預(yù)測(cè)[EB/OL].https：//baike.baidu.com/item/百度預(yù)測(cè).

[24]中華人共和國(guó)中央人民政府網(wǎng).“健康中國(guó)2030”規(guī)劃綱要（國(guó)發(fā)〔2019〕13號(hào)）[EB/OL].2016年10月25日，http：//www.gov.cn/zhengce/2016-10/25/content_5124174.htm.

[25]中華人共和國(guó)中央人民政府網(wǎng).國(guó)務(wù)院辦公廳關(guān)于促進(jìn)和規(guī)范健康醫(yī)療大數(shù)據(jù)應(yīng)用發(fā)展的指導(dǎo)意見(jiàn)國(guó)辦發(fā)〔2016〕47號(hào)[EB/OL].2016年06月24日，http：//www.gov.cn/zhengce/content/2016-06/24/content_5085091.htm.

[26]中華人共和國(guó)中央人民政府網(wǎng).促進(jìn)“互聯(lián)網(wǎng)+醫(yī)療健康”發(fā)展的意見(jiàn)國(guó)辦發(fā)〔2018〕26號(hào)[EB/OL].2018年04月28日，http：//www.gov.cn/zhengce/content/2018-04/28/content_5286645.htm.

[27]Liu S，Poccia S，Candan KS，Chowell G，Sapino ML.epiDMS：Data management and analytics for decision-making from epidemic spread simulation ensembles.Journal of Infectious Diseases.2016，214（4）：S427-432.

（責(zé)任編輯 焦德武）