醫學公共數據是指的什麼

① 請舉例說明醫學統計資料是類型有哪些，各自的意義是什麼

1. 衛生統計資料一般分為計量資料與計數資料兩大類，介於其中的還有等級資料，不同類型的資料應採用不同的分析方法。因此，搞清楚下面的定義對以後學習具體的統計方法很重要。

   ①計量資料：對每個觀察單位的各樣項指標用定量的方法，通過測量得到的數值，我們把這樣的資料稱為計量資料，一般有度量衡等單位。如調查某地10歲女童的身體發育狀況，以人為觀察單位，每個人的身高（cm）、體重（kg）和血壓（mmHg）等；又如以每個采樣點為觀察單位，測得不同采樣點的二氧化碳濃度（mg/L）。

   ②計數資料：先將觀察單位按某種屬性或類別分組，然後清點所得各組的觀察單位數，稱為計數資料。例如對某小學全體學生進行蛔蟲卵糞檢，每個學生是一個觀察單位，將每個學生按糞檢結果陽性與陰性分組，得每組人數；又如調查某人群的血型分布，醫學教|育網搜集整理按A、B、AB、O四型分組，得各血型組的人數。

   ③等級資料：將觀察單位按某種屬性的不同程度分組，所得各組的觀察單位數，稱為等級資料。例如用某葯治療若干痢疾病人，其中治癒、顯效、有效、無效人數。這類資料與計數資料不同的是：屬性的分組有程度的差別，各組按大小順序排列；與計量資料不同的是：每個觀察單位未確切定量，因而稱為半計量資料。對分辨計量資料和計數資料，原則上並不困難。通常凡是用儀器測得的數據都是計量資料，如身高、體重、肺活量、紅細胞數、白細胞數、等屬計量資料。通常按性質、類別分組後清點得到的數目，如男性人數、女性人數，陽性人數，陰性人數，對動物實驗的各種結果的例數等都是計數資料。按等級分組資料不難確認，凡是按程度不同分多個組後清點數目，一般都屬等級資料了。

2. 研究如何搜集、整理和分析醫學研究對象的數據和作出推斷的一門學科。醫學研究的對象是人類的健康和疾病現象，人體及有關的生物體的內外環境受多種因素的綜合影響，其中有許多因素是未知的。因此，即使是性質相同的事物，就同一指標來看，個體之間也有差異，此種現象稱為變異。人群生活在同一環境中，受同一疾病風險因素的威脅，但某一個體發病與否，個體間的病情輕重，接受治療的療效等等，均各不相同，這種事先無法肯定出現與否的現象稱偶然現象或隨機現象。醫學統計學的任務就是透過偶然現象反映同質事物的特徵和規律。
   

② 大數據醫療具體是指什麼

醫療大數據是個很寬泛的概念，他有很多詳細的分類，包括：電子病歷數據，這是患者就醫過程中所產生的數據，包括患者基本信息、疾病主訴、檢驗數據、影像數據、診斷數據、治療數據等，這類數據一般產生及存儲在醫療機構的電子病歷中，這也是醫療數據最主要的產生地。電子化的醫療病歷方便了病歷的存儲和傳輸，但是並未達到進行數據分析的要求。大約80%的醫療數據是自由文本構成的非結構化數據，其中不僅包括大段的文字描述，也包括包含非統一文字的表格欄位。通過醫學自然語言理解技術，將非結構化醫療數據轉化為適合計算機分析的結構化形式是醫療大數據分析的基礎。電子病歷中所採集的數據是數據量最多、最有價值的醫療數據。通過和臨床信息系統的整合，內容涵蓋了醫院內的方方面面的臨床數據集。在電子病歷的互通互聯上，出於各自的利益性（限制病人轉診），各大電子病歷企業也不願意使數據互通互聯。根據美國政府相關報告顯示，其電子病歷共享比例也僅為30%左右。
檢驗數據
醫院檢驗機構產生了大量患者的診斷、檢測數據，也有大量存在的第三方醫學檢驗中心也在產生數據。檢驗數據是醫療臨床子系統中的一個細分小類，但是可以通過檢驗數據直接患者的疾病發展和變化。目前臨床檢驗設備得到迅速發展，通過LIS 系統對檢驗數據進行收集，可以對疾病的早發現早診斷和正確診斷做出貢獻。
影像數據
隨著資料庫技術和計算機通訊技術的發展，數字化影像傳輸和電子膠片應運而生。醫療影像數據是通過影像成像設備和影像信息化系統產生的，醫院影像科和第三方獨立影像中心存儲了大量的數字化影像數據。醫學影像大數據，是由DR、CT、MR 等醫學影像設備產生所產生並存儲在PACS 系統內的大規模、高增速、多結構、高價值和真實准確的影像數據集合。與檢驗信息系統（LIS）大數據和電子病歷（EMR）等同屬於醫療大數據的核心范疇。醫學影像數據量非常龐大，影像數據增速快，標准化程度高。影像數據和臨床其他數據比較起來，它的標准化、格式化、統一性是最好的，價值開發也最早。
費用數據
醫院門診費用、住院費用、單病種費用、醫保費用、檢查和化驗收入、衛生材料收入、診療費用、管理費用率、資產負債率等和經濟相關的數據。除了醫療服務的收入費用之外，還包含醫院所提供醫療服務的成本數據，包含葯品、器械、衛生人員工資等成本數據。在DRGs 按疾病診斷相關組付費模式中，需要詳細的成本數據核算。通過大樣本量的測算，建立病種標准成本，加強病種成本核算和精細化成本管理。
基因測序數據
基因檢測技術通過基因組信息以及相關數據系統，預測罹患多種疾病的可能性。基因測序會產大量的個人遺傳基因數據，一次全面的基因測序，產生的個人數據則達到300GB。一家基因測序企業每月產生的數據量可以達到數百TB 甚至1PB。
智能穿戴數據
各種智能可穿戴設備的出現，使得血壓、心率、體重、體脂、血糖、心電圖等健康體征數據的監測都變成可能，患者的單一體征健康數據以及運動數據快速上傳到雲端，而且數據的採集頻率和分析速度大大提升。除了生命體征之外，還有其他智能設備收集的健康行為數據，比如每天的卡路里攝入量、喝水量、步行數、運動時間、睡眠時間等等。智能穿戴設備雖然在這兩年遇冷，用戶很難形成粘性，但是並不意味著智能穿戴設備所產生的數據沒有意義。提供健康數據和服務，可能是智能穿戴廠商未來的轉型之路。健康大數據的收集必須依靠硬體載體，智能穿戴設備還將會遇到自己的第二春。
體檢數據
體檢數據是體檢機構所產生的健康人群的身高、體重、檢驗和影像等數據。這部分數據來自醫院或者第三體檢機構，大部分是健康人群的體征數據。隨著亞健康人群、慢病患者的增加，越來越多的體檢者除了想從體檢報告中了解自己的健康狀況，還想從體檢結果中獲得精準的健康風險評估，以及如何進行健康、慢病管理。
移動問診數據
通過移動設備端或者PC 端連接到互聯網醫療機構，產生的輕問診數據和行為數據。曾經通過互聯網問診企業春雨醫生的數據，分析各地醫生互聯網問診的活躍度、細分疾病種的問診行為。通過這些數據的分析，對行業發展、互聯網問診企業的決策有非常重要的幫助。

③ 常用的醫學資料庫和網路醫學資源有哪些

有MEDLINE、《中華醫學雜志》、骨密度資料庫、CBM、PubMed等。

1、MEDLINE

MEDLINE是美國國立醫學圖書館(The National Library of Medicine, 簡稱NLM)生產的國際性綜合生物醫學信息書目資料庫，是當前國際上最權威的生物醫學文獻資料庫。

內容包括美國《醫學索引》（Index Medicus, IM）的全部內容和《牙科文獻索引》（Index to Dental Literature）、《國際護理索引》（International Nursing Index）的部分內容。

2、《中華醫學雜志》

《中華醫學雜志》是1915年創辦的雙語學術期刊，周刊，中國科學技術協會主管，中華醫學會主辦。

期刊主要反映中國醫學最新的科研成果，積極推廣醫葯衛生領域的新技術、新成果，及時交流防病治病的新經驗。

3、骨密度資料庫

2004 年11 月，GE 公司與中華醫學會合作, 完成中國大陸骨密度正常值資料庫項目，開創了中國骨密度發展的新時代，是中國醫學界將臨床問題數字化的一項巨大突破。

該項目的完成， 徹底結束了用其他人種的標准診斷中國人骨密度狀況的混亂局面，樹立了醫生和患者對骨密度測量和骨質疏鬆定量診斷的信任。

4、CBM

CBM由中國醫學科學院醫學信息研究所/圖書館開發研製的中國生物醫學文獻服務系統（SinoMed）；

整合了中國生物醫學文獻資料庫（CBM）、西文生物醫學文獻資料庫（WBM）、北京協和醫學院博碩學位論文庫等多種資源，是集檢索、免費獲取、個性化定題服務、全文傳遞服務於一體的生物醫學中外文整合文獻服務系統。

可訪問中國生物醫學文獻資料庫（CBM）資源 ，北京協和醫學院博碩學位論文庫（每篇論文的前30頁內容）。

CBM收錄1978以來1600餘種中國生物醫學期刊，以及匯編、會議論文的文獻題錄530餘萬篇，全部題錄均進行主題標引和分類標引等規范化加工處理。年增文獻40餘萬篇，每月更新。

5、PubMed

PubMed 資料庫是美國國立醫學圖書館(National libraryof Medicine， NLM) 的國家生物技術信息中心(National Center for Biotechnology Information，NCBI)研製開發的， 設在國家健康研究院。

PubMed 資料庫收錄MEDLINE， PRE-MEDLINE， 還有其它如《Science》， 《Nature》 等電子期刊構成的資料庫。 自1996年至今，該資料庫收錄約1000 萬篇生物醫學文獻。

可供檢索的專業為，分子生物學及NCBI 部分的資料庫題錄。它收錄了美國和另外70 個國家出版的生物醫學期刊約3900種。

PubMed 網上更新速度是每周1次。Medline 收錄的大多數論文原始語種是英語， 或有英文摘要。

參考資料來源：網路——醫學資料庫

④ 大數據在醫療行業的應用有哪些

大數據專業屬於交叉學科：以統計學、數學、計算機為三大支撐性學科；生物、醫學、環境科學、經濟學、社會學、管理學為應用拓展性學科。所以大數據在眾多行業都有應用，下面說說其在醫療領域的應用。
隨著互聯網規模不斷的擴大，大數據正在改變著這個時代的絕大一部分的行業或者企業，醫療行業也不例外，醫療健康正在成為人們關注的重點問題，以智能化、數字化為特徵的醫療信息化正在蓬勃興起，醫療行業的數據類型也在向海量、復雜、多樣的類型方式轉變。
1.就醫數據進行電子化管理
對電子醫療記錄的收集，包括個人病史、家族病史、過敏症以及所有醫療檢測結果等。在信息系統中進行分享，每一個醫生都能夠在系統中添加或變更記錄，而無需再通過耗時的紙質工作來完成。這些記錄同時也能幫助病人掌握自己的用葯情況，同時也是醫學研究的重要數據參考。
2.健康預測
通過智能手錶等可穿戴設備的數據，建立健康預測模型，通過這些可穿戴設備持續不斷地收集健康數據並存儲在雲端，實時匯報病人的健康狀況。應用於數百萬人及其各種疾病的預測和分析，並且在未來的臨床試驗將不再局限於小樣本，而是包括所有人。
3.醫學影像以及臨床診斷
通過讓大數據機器人來識別記住各類海量的醫學影像，例如X射線、核磁共振成像、超聲波……等各種的圖像。對大量病歷進行深度挖掘與學習，訓練其對影片的診斷，最終實現輔助醫生進行臨床決策，規范診療路徑，提高醫生的工作效率。
4.葯品研發
利用大數據進行數據建模並進行分析，預測葯物的臨床結果，可以為臨床階段的實驗結果提供參考，節省臨床階段的時間並優化臨床實驗結果。制葯公司也可以通過數據建模進行分析，從而生產出治療成功率更高的葯品並極大地縮短葯品從研發到投入市場的時間。

⑤ 醫療大數據的分析和挖掘發展現狀如何未來會有什麼樣的應用前景

如今是大數據時代，前景自然好了，據前瞻產業研究院《2016-2021年中國行業大數據市場發展前景預測與投資戰略規劃分析報告》顯示，總的來說，醫療大數據應用主要體現在臨床操作、研發、新的商業模式、付款/定價、公眾健康五大領域，在這些場景中，大數據的分析和應用都將發揮巨大的作用。
醫療大數據的應用對於臨床醫學研究、科學管理和醫療服務模式轉型發展都具有重要意義，而大數據技術的運用前景是十分光明的。
醫院和醫療行業面臨的大數據主要有醫學影像、視頻(教學、監控)及文獻等非結構化數據。由於這些數據增長很快且結構復雜，給數據管理和利用帶來較大的壓力，存儲與管理成本不斷提高，數據利用困難、利用率低。除了數據數量和形態的迅速增加，醫療數據還需要越來越長的保留期。一旦存儲系統的安全性出現問題，導致醫療數據丟失，醫院會面臨嚴重不良局面。醫療大數據的應用要保證數據的全面性、准確性、實時性和使用的便捷性，要能快速運算和快速展現，要與日常工作平台緊密結合。
國人已經把健康大數據上升為國家戰略，而面對「大數據」的挑戰，醫院必須考慮三大主要問題。
(1) 數據存儲是否安全可靠?因為系統一旦出現故障，首先考驗的就是數據的存儲、災備和恢復能力。如果數據不能迅速恢復，而且恢復不能到斷點，則將對醫院的業務、患者滿意度構成直接損害。
(2) 如何提高醫院運行和服務的效率?提高效率就是節省醫生的時間，從而緩解醫療資源的緊張狀況，在一定程度上可以幫助解決「看病難」的問題。
(3) 如何控制大數據的成本?存儲架構是否合理，不僅影響醫院IT系統的成本，而且關乎醫院的運營成本，醫療數據激增，使醫院普遍存在著較大的存儲擴容壓力。如今，醫院的存儲設備大多是由不同廠商構成的完全異構的存儲系統。這些不同的存儲設備利用各自不同的軟體工具來進行控制和管理，這樣就增加了整個系統的復雜性，使管理成本非常高。
未來，大數據必將影響醫療行業，未來醫療行業的大數據將會具體應用在：臨床輔助決策，醫療質量監管，疾病預測模型，臨床實驗分析。其發展空間有：個人健康門戶，慢病管理和健康管理，電子病歷和臨床質量監控，醫學知識管理，臨床路徑和循證醫學，遠程醫療和移動醫療，醫學研究數據倉庫和共享平台，跨醫療機構協作平台。