时间:2021年03月06日 分类:经济论文 次数:
儿童是人类的未来,儿童发展是国家经济社会发展与文明进步的重要组成部分。2019年中国0~15岁少儿人口数为2.5亿,占比17.9%。根据“中国儿科资源现状白皮书”和“2019年中国卫生和计划生育统计年鉴”数据,中国儿科临床执业医生总数为9.7万人,儿科医生缺口超过20万[1]。2016年中国儿科门急诊人次达5.0亿人次,儿科医师工作量是其他医师的2.4倍,平均1名儿科医生服务2000名儿童。同时,城乡儿童发展不平衡、贫困地区儿童健康水平较低、人口流动带来的儿童保健监测难等是当前儿童健康发展面临的突出问题。随着互联网、大数据、云计算及物联网的推广普及,如何运用大数据促进儿童健康,成为我国学术界和产业界关注的重要议题。
2016年国务院办公厅发布《关于促进和规范健康医疗大数据应用发展的指导意见》,大力推动政府健康医疗信息系统和公众健康医疗数据互联融合、开放共享,消除信息孤岛,积极营造促进健康医疗大数据安全规范、创新应用的发展环境,通过“互联网+健康医疗”探索服务新模式、培育发展新业态。国内针对儿童健康大数据方面的研究极少。发达国家如美国、英国、新加坡和欧盟也制定了大数据战略计划,并将其作为解决长期存在问题或新价值机遇的工具[2]。因此,本研究通过文献综述分析法,对大数据在儿童健康的研究现状、应用情况及存在的机遇和挑战进行综述,旨在为大数据在我国儿童健康中的发展和应用提供一定的理论依据和参考。
儿童教育论文范例:美国图书馆协会青少年儿童阅读推荐研究及启示*
1儿童健康大数据特征
大数据具备公认的4V特征:Volume(数据量大)、Velocity(速度快)、Variety(类型多)和Value(价值高)[3]。大数据涵盖的数据体量大、内容格式复杂多样、运转更新速度快。但大数据不是简单的数据量大,而是提取数据的价值,把数据变成信息,再把信息变成知识,最后落实到辅助决策。儿童健康大数据研究横跨医学、信息学、计算机科学和系统科学等诸多学科[4]。儿童健康大数据包括生长发育监测、健康档案、医疗记录、生活行为习惯、基因组测序和可穿戴设备等。
2大数据在儿童保健中的应用
2.1生长发育儿童处于生长发育的快速变化期,身高、体质量、腰围及头围等的增长与儿童健康状态息息相关[5]。通过可穿戴设备(如计步器、体质量秤、睡眠监测手表、运动手环)能够实时收集儿童的健康信息并存储在云端,这些数据可以为儿童生长发育评估提供重要参考。通过持续不断的儿童健康大数据,可以评估不同性别和年龄儿童的生长发育状态,筛查出生长发育偏离儿童,并给予针对性的评估、诊断和干预建议,从而促进儿童生长发育和体质健康。
2.2营养营养是儿童生长发育的基石。儿童进食次数频繁且种类丰富。通过即时性图像法膳食调查技术对儿童进行膳食调查,可获得儿童各营养素的摄入量数据[6]。通过大数据收集并分析不同年龄段儿童的营养状况和需求,评估其膳食行为和营养状态,从而提供有针对性的喂养与膳食指导、健康宣教、营养性疾病防治技术。对患营养不良、缺铁性贫血、超重及肥胖、食物过敏等营养性疾病儿童,通过大数据技术进行追踪追访,从而进行膳食营养评价、喂养指导、膳食处方制定、体格锻炼计划和生活习惯等综合干预。
2.3心理相较于身体健康,儿童心理发育是一个较难测量的指标。儿童的心理行为发展主要表现在动作、语言、认知、社会行为、气质、情绪情感及性心 理等方面,儿童心理行为随年龄增长逐渐发展变化,这些指标相比身体健康较为抽象和模糊,不易直接测量[7]。
尽管如此,国内外已有学者[8]探讨大数据在心理学中的运用,主要集中于情绪、幸福感等非医疗健康心理学领域。互联网已经深入人们生活的方方面面,网络痕迹会产生海量数据,这些数据可以用于探究用户在互联网使用中的相关心理因素[9]。纵向追踪儿童青少年成长过程中的心理行为大数据,探索青少年自我意识的发展轨迹和影响因素,有助于家庭养育方式等根据儿童心理特点及时调整[10]。
儿童自闭症主要依据儿童行为表现进行诊断,但自闭症在不同儿童间存在显著异质性。通过大数据收集儿童多维度的行为特征进行分析,有助于自闭症的诊断和个性化治疗[11]。儿童时期是心理发展的关键时期。大数据既能敏锐捕捉到特大事件(如地震、海啸、疫情)社会情绪变化,也能获得儿童个性品格情绪变化。利用大数据对儿童心理行为进行发育评估,可早期发现心理行为发育偏离儿童,进行适时追踪并及时干预。
2.4可穿戴设备
大数据将允许使用智能设备的儿童收集他们的信息,并与医生掌握的信息相匹配。基于物联网技术的云健康监护及预警系统,通过智能传感器(如步态、心率、血氧饱和度、身体活动、睡眠习惯)实时监测儿童周围环境参数、生命体征参数、运动状态等信息,便于儿保部门对儿童进行健康状况追踪和警示[12]。可穿戴设备的应用降低了医疗成本,儿童及家长不仅能获取自己的实时健康状况,还能获得大数据综合分析后的健康建议。
除了为儿童提供实时信息以外,可穿戴设备的信息也能被用于分析某个性别、年龄儿童的健康状况,并根据地理位置、人口或社会经济水平进行健康研究,并根据这些信息制定或者调整疾病的预防与干预方案。例如,装有GPS定位的哮喘吸入器不仅可以监测单个儿童哮喘发作情况,还能从同一区域、多名患儿的哮喘规律中找到更好的适合该地区的治疗策略[13]。
2.5疾病监测与管理
互联网、可穿戴设备与大数据的交叉融合,为儿童的疾病监测和管理提供了便利。大数据可以动态全面的建立儿童健康档案(包括体检、化验、影像及行为习惯等),方便医护人员为儿童的药物治疗、行为干预和康复训练等制定最佳方案[14]。
这些大数据将协助医院管理人员预测每天所需要的医护人员“阵容”,从而缩短患儿的就诊等待时间,为患儿提供更好的医护服务。例如Google的大数据医疗FlatironHealth,可以随时随地记录患者的健康信息,通过传感器将记录的血糖和血压等数据传送给医生,协助医生指导患者进行及时有效的干预治疗[15]。
应用大数据收集儿童的生活行为、医疗记录和医保信息等,可以帮助医生预测儿童疾病的发生风险,提前制定预防措施从而降低疾病的发生率。大数据强大的价值之一是电子病历的分析利用。电子病历包括个人病史、家族病史、检测结果和处方等。既往这些记录在不同的医疗机构之间无法共享。大数据分析技术可以对患者的不同原始病历进行标准化整合,从而完善儿童健康记录。丰富多样的儿童健康记录能催生更合理的法规,并提供更好的医疗。全面的电子病历有助于医护人员掌握患儿的疾病动态,及时调整用药情况,同时也是医学研究的重要数据参考。
大数据在医学影像中的应用,包括X射线、核磁共振成像及超声等[16]。这些都是医疗过程中的关键环节。放射和超声医生既往需要单独查看每个检查结果,不但工作量巨大,同时也有可能耽误患者的最佳治疗时间。人工智能(AI)能够在一定程度上完成诊断行为。例如,数十万张图像能够构建1个识别图像中模型的算法,这些经过验证的模型则能够帮助医生做出诊断[17]。大数据算法可以通过海量的知识和示例来识别疾病和症状,从而更容易识别影像医师可能忽略的问题。
2.6儿科医疗培训与实践在医疗欠发达地区和基层机构,儿科医生可以通过虚拟现实(VR)、增强现实(AR)、在线教育等方式与专家及时交流和培训[18]。这些技术将有效改善儿科医疗资源不足的现状,推动优质医疗资源精准下沉。大数据的智能算法可以针对儿科医护的喜好和需求,制定切实可行的培训计划,精准匹配并智能推送儿童生长发育、营养、心理、健康教育和病例讨论等内容,从而提升儿科医生专业能力。与此同时,AI技术通过算法和软件,可以收集、分析、反馈儿童健康相关数据和信息,协助儿保医生进行儿童心理行为发育筛查、营养指导和早期生长发育干预等。
3机遇与挑战
3.1降低儿科医生工作强度,提升医疗服务质量我国儿科医生资源比较短缺,通过大数据技术可以将优秀儿科专家的经验应用到更大的范围,这不仅会快速促进年轻医生的成长,也会在一定程度上提升基层的诊疗水平,从而降低大医院的诊疗压力,优化医疗机构的诊治效率。儿科医生和护士的工作难度和强度高于其他医护群体。采用大数据技术、AI诊断技术、5G智能机器人等智慧医疗手段可以简化工作流程,能够在一定程度上降低医生的工作难度,提升医生的诊疗效率,降低护士护理的工作强度,从而为患儿带来一个更好的诊疗体验。
3.2促进儿童健康发展儿童的身体指标和心理发育处于快速增长变化过程。可穿戴技术和智能监测设备为儿童的生长发育和行为监测提供了更便捷的方式。大数据技术将为生长发育、营养喂养、心理行为、高危儿管理、五官保健和疾病康复提供有力支撑,将有力推动儿童保健的发展,大幅减轻儿保大夫在儿童健康监测、管理方面的工作量,从而促进儿童健康发展。
3.3降低医疗成本环境污染、气候变化、传染病暴发和抗生素耐药性对儿童健康构成越来越大的威胁[22]。快速发展的大数据分析理论与技术已经在推动医疗研究和实践方面发挥关键作用,并带来了显著的临床效益和成本效益[23]。大数据技术可以从诊疗的多个环节完成诊疗成本的下降,包括患儿的检验成本、用药成本、康复成本等。根据患儿特征、既往史 和生活行为等监测信息,大数据分析能识别高风险患者,并提供相应的预防建议,从而降低再入院率。
4小结
儿童健康关系到人类的可持续发展。以大数据平台为载体,充分整合运用生长发育、营养、心理、康复、计划免疫及疾病管理等儿童健康大数据,创建跨部门、跨领域的共享机制,实现儿童健康大数据的规范采集和合规应用,对促进儿童健康发展具有重要的现实意义。
参考文献
[1]国家卫生健康委员会.中国卫生健康统计年鉴[M].北京:中国协和医科大学出版社,2019:25-42.
[2]SongTM,RyuS.BigdataanalysisframeworkforhealthcareandsocialsectorsinKorea[J].HealthcInformRes,2015,21(1):3-9.
[3]赵勇,林辉,沈寓实,等.大数据革命———理论、模式与技术创新[M].北京:电子工业出版社,2014:1-4.
作者:黄贵民,张彤