简介:摘要目的分析当下个人医疗大数据共享与隐私保护面临的安全隐患问题,以期为其应用与发展提出解决方案。方法通过重要文献复习及典型案例分析,以及分析国内外个人医疗大数据使用与保护的立法现状等,探讨个人医疗数据共享与隐私保护应对措施。结果医疗数据属于个人数据的一部分,但又较其他数据更具特殊性,国家应该加强相关立法,界定相关概念,确立个人医疗数据的使用权限和范围,提高法律的有效性和可操作性,达到数据公共利益最大化,并保证个人数据权利使用与隐私安全的平衡。结论大数据时代个人医疗数据共享与隐私保护是一个系统工程,其引起的个人安全隐患问题需要法律法规、管理和技术等综合保障体系来解决。
简介:摘要目的加强医疗数据资源整合共享,为临床科研人员提供高质量、可利用的数据,推进医疗数据在临床科研中的深入应用。方法根据全院级医疗大数据平台的建设和应用目标,将多个主要临床业务信息系统的数据整合后进行数据清洗、加工和解析,最终汇聚到统一平台中,形成有价值、可被利用的数据资源。结果构建面向临床科研的全院级医疗大数据平台,该平台累积了北京大学人民医院自2004年以来,1 342万余名患者的5 000万余次就诊数据,设计了面向分析的医院科研通用数据模型,并能够按照模型在平台上进行科研数据查询与导出,建立了医院临床科研数据管理规范和服务机制。结论医疗大数据平台的建设及数据治理实践为北京大学人民医院基于医疗大数据的高水平科技攻关提供了高质量数据基础,进一步提升了临床科研效率和质量。同时,在确保数据安全、合规利用的基础上,从全院视角对临床科研数据进行了管控。
简介:摘要目的探索一种利用医疗大数据算法筛选临床数据库中能够用于评估老年肺炎患者预后的核心指标。方法基于首都医科大学附属北京朝阳医院医联体朝阳急诊病房临床数据库,应用大数据检索技术,以数据库中老年肺炎患者为研究对象,根据出院时预后将患者分为死亡组和存活组。收集患者的一般资料,包括性别、年龄、血气、实验室指标集合数据,使用计算机语言Python批量计算出影响老年肺炎患者死亡的关键指标,并采用Logistic回归分析实验室指标与患者预后的相关性;绘制受试者工作特征曲线(ROC曲线),分析本研究使用的筛选方法对患者预后的预测价值。结果最终入选265例患者,死亡64例,存活201例。取每例患者入院首次检测指标的数据,最终从472项指标中筛选出23项差异有统计学意义的关键指标,包括:血常规指标7项、血气指标3项、肿瘤标志物指标3项、凝血功能相关指标4项、营养及器官功能相关指标6项。①肺炎死亡患者血气关键指标:51.6%(33例)的患者Cl-浓度为97~111 mmol/L,81.2%(52例)的患者血乳酸(Lac)为0.5~2.5 mmol/L,87.5%(56例)的患者H+浓度为0~46 mmol/L。②肺炎死亡患者血常规关键指标:46.9%(30例)的患者血红蛋白(Hb)为80~109 g/L,67.2%(43例)的患者血中嗜酸粒细胞比例(EOS%)为0.000~0.009,51.6%(33例)的患者血中淋巴细胞比例(LYM%)为0.00~0.09,50.0%(32例)的患者血中红细胞计数(RBC)为(3.0~3.9)×1012/L,54.7%(35例)的患者血中白细胞计数(WBC)为(0.0~9.9)×109/L,48.4%(31例)的患者血中红细胞分布宽度变异系数(RDW-CV)为10.0%~14.9%,48.4%(31例)的患者血中C-反应蛋白(CRP)为0.0~49.9 mg/L。③肺炎死亡患者肿瘤标志物关键指标:76.6%(49例)的患者血游离前列腺特异抗原/总前列腺特异抗原(FPSA/TPSA)为阴性(比值为0),92.2%(59例)的患者细胞角蛋白19片段(CYFRA21-1)为0.0~11.0 μg/L,75.0%(48例)的患者糖类抗原125(CA125)为0~104 kU/L。④肺炎死亡患者凝血功能关键指标:68.8%(44例)的患者活化部分凝血活酶时间(APTT)为57~96 s,73.4%(47例)的患者D-二聚体为0~6 mg/L,93.8%(60例)的患者凝血酶时间(TT)为14~22 s,89.1%(57例)的患者二磷酸腺苷(ADP)的抑制率为0%~53%。⑤肺炎死亡患者营养及器官功能关键指标:92.2%(59例)的患者B型脑钠肽(BNP)为0,46.9%(30例)的患者前白蛋白(PA)为71~140 mg/L,90.6%(58例)的患者尿酸(UA)为21~41 μmol/L,75.0%(48例)的患者白蛋白(Alb)为10~20 g/L,93.5%(60例)患者白蛋白/球蛋白比值(A/G比值)为0~0.9,84.4%(54例)的患者乳酸脱氢酶(LDH)为0~6.68 μmol/L·s-1·L-1。⑥ Logistic回归和ROC曲线分析:Logistic回归分析表明,PA和Lac是影响患者预后的因素,PA可使死亡风险降低0.9%,Lac可使死亡风险增加69.4%;实验室指标与患者死亡预测模型预测效果的ROC曲线下面积(AUC)=0.80,说明本研究使用的筛选方法效果较好,通过本研究模型能较好地预测老年肺炎患者预后。结论运用大数据技术可从急诊病房临床数据库中筛选出23项用于评估老年肺炎患者预后的核心指标,为临床评估老年肺炎患者预后提供了新的角度和方法。
简介:摘要大数据科技的发展极大推动了各个领域的发展。目前在生物领域,大数据已经成为研究必不可少的工具。随着测序技术的飞速发展,积累了越来越多的大数据,目前较缺乏的是对庞大数据进行分析挖掘。生物信息学中有许多工具及方法可以很好的分析生物大数据,其中聚类是现如今深入挖掘生物大数据的一种非常好的分析方法,目前生物大数据想要快速的发展需实现全球的开发与共享,这样利于资源的整合及快速发展。本文通过对生物大数据的可视化的分析及聚类方法的应用情况等,最后介绍了生物大数据的开放与共享的现状。期待生物大数据可以得到更好的挖掘和分析,以更好的促进生物学的快速发展。
简介:摘要目的在医疗大数据背景下构建老年“心衰-高血压”共病风险评估模型,并对其可行性进行分析。方法选取2020年1月1日至2021年6月1日解放军总医院第二医学中心收治的高血压患者500例作为研究对象,按照是否合并心衰分为合并心衰组(124例)和未合并心衰组(376例)。合并心衰组男88例、女36例,年龄(74.25±4.38)岁;未合并心衰组男234例、女142例,年龄(73.66±5.25)岁。对临床资料进行回顾性分析。采用单因素和logistic多因素回归分析对“心衰-高血压”共病风险进行分析和模型建立,采用受试者工作特征曲线(ROC)检验模型效果。计数资料采用χ2检验,计量资料采用独立样本t检验。结果血压水平、体质量指数(BMI)、合并感染、合并高脂血症、合并高尿酸血症、合并左心室肥厚、吸烟是心衰-高血压共病的影响因素(OR=1.071、0.852、1.835、1.978、2.002、2.552、1.988;均P<0.05)。曲线下面积(AUC)为0.852,灵敏度为0.685,特异度为0.835,约登指数为0.521,AUC >0.7,预测效能中等。结论高血压患者心衰的患病率较高,血压水平、BMI、合并感染、合并高脂血症、合并高尿酸血症、合并左心室肥厚、吸烟是心衰-高血压共病的影响因素,风险评估模型预测效能较好。
简介:摘要通过设备在线及大数据分析(以下简称设备在线)系统建设,对机加车间机床设备智能化改造,提升车间智能制造水平。运用数据采集装置,综合运用互联网、大数据、拼接屏看板等技术,通过网络系统和WEB客户端,可实时监控到机床设备的状态、异常情况、运行效率、使用率等。本文通过对机加车间设备联网智能化改造的研究,分析了MongoDB数据库的优缺点介绍了其在大数据运用的典型应用场景,研究了设备在线数据采集技术,介绍了设备在线系统的实施和达到的效果,并介绍了下一步工作和总结。