学科分类
/ 25
500 个结果
  • 简介:摘要循证医学在大数时代迎来了绝佳的发展机遇。Meta分析作为循证医学的高级别证据,其写作方法应为临床医师熟练掌握。完成一篇高质量的Meta分析需要全面了解其方法流程,根据研究的临床问题选择合适的分析类型,从构建临床问题到数据分析撰写,皆需遵循国际通用的规范和指南要求。精准选题,严守规范,用心琢磨,方能为临床决策提供高级别的医学证据。

  • 标签: 大数据 Meta分析 写作方法
  • 简介:摘要目的分析当下个人医疗大数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。

  • 标签: 个人医疗大数据 数据共享 隐私保护
  • 简介:摘要随着大数、互联网和信息科技的发展,人工智能技术被逐步应用于医院管理领域。作者利用临床大数设计了医疗质量监控辅助系统,对医院现有的医疗信息数据进行结构化采集与监控,从环节上把握影响医疗质量与安全的关键点与关键事件,对医护人员的医疗行为进行事前预警、事中监控、事后评价,全面提升医院的医疗质量管理。

  • 标签: 信息服务 大数据 医疗质量 医疗安全 辅助系统
  • 作者: 孙烨祥 吕筠 沈鹏 詹思延 高培 张路霞 陈坤 何纳 林鸿波 水黎明 李立明
  • 学科: 医药卫生 >
  • 创建时间:2021-09-05
  • 出处:《中华流行病学杂志》 2021年第08期
  • 机构:宁波市鄞州区疾病预防控制中心数据中心 315100,北京大学公共卫生学院流行病与卫生统计学系 100191 北京大学公众健康与重大疫情防控战略研究中心 100191,北京大学公共卫生学院流行病与卫生统计学系 100191,北京大学健康医疗大数据国家研究院 100191,浙江大学公共卫生学院流行病与卫生统计学系,杭州 310058,复旦大学公共卫生学院流行病学教研室/公共卫生安全教育部重点实验室,上海 200032,宁波市鄞州区卫生健康局 315100
  • 简介:摘要随着互联网技术的快速发展和医疗信息化的不断推进,健康医疗大数已逐渐成为创新健康管理、满足人民群众日益增长的健康需求的重要资源,成为国家全面实施大数战略的重要组成部分。宁波市鄞州区通过构建健康大数平台及大数技术的应用,积极探索健康医疗大数在传染病、预防接种、慢性病等疾病防控领域的防控模式创新,期望通过“互联网+健康医疗”提高区域疾病防控和健康管理水平,培育发展新业态,成为健康中国的有力支撑。本文对鄞州区的这一防控新模式的实践探索进行介绍,并对模式的初步成效进行讨论。

  • 标签: 大数据 公共卫生 应用 模式
  • 简介:摘要互联互通是目前全球各国健康医疗大数使用面临的最大壁垒。互联互通涉及业务、安全、伦理、语义和技术5个维度,本文在比较政府主导、企业主导和研究机构主导3种常见互联互通模式的基础上,结合中国健康医疗大数的发展现状,提出高校牵头、企业助力和政府支持的工作模式。同时,归纳出目前我国健康医疗大数互联互通面临的3大挑战:行业标准与规范、数据安全与伦理、激励机制与考核。唯有采用切实可行的模式,攻克相关关键技术,真正将数据打通共享,才能最大限度的整合多来源数据,挖掘多应用场景,培育多业态模式,全面提升人口健康科学决策和服务管理水平。

  • 标签: 健康医疗大数据 互联互通 分布式网络 通用数据模型
  • 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。

  • 标签: 临床科研 医疗大数据 科研管理 数据治理
  • 简介:摘要大数时代下数据广度与数量的爆炸性增长给数据科学的发展提出了更高的要求,这也给新时期的数据科学家,企业管理人员,普通职员提出了新的挑战。对数据科学,数据处理,数据驱动决策等领域的认识加深将有效地提升企业运营效率,给企业赢取竞争优势。

  • 标签: 大数据 数据科学 数据驱动决策
  • 简介:摘要文章从大数的几个应用场景出发,对其优势和特征展开分析,而后进一步对其在应用过程中出现的问题加以讨论。

  • 标签:
  • 简介:摘要目的探索一种利用医疗大数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。

  • 标签: 大数据 数据挖掘 急诊 老年肺炎
  • 简介:摘要大数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,目前较缺乏的是对庞大数进行分析挖掘。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,其中聚类是现如今深入挖掘生物大数的一种非常好的分析方法,目前生物大数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的开放与共享的现状。期待生物大数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。

  • 标签: 生物大数据 生物信息学 可视化 聚类分析 开放与共享
  • 简介:摘要目的在医疗大数背景下构建老年“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。

  • 标签: 高血压 心衰 共病 风险预测
  • 简介:摘要在大数时代背景下,气象信息化进程不断加快,数据挖掘和气候云端在气象领域中进行应用,也促进了气象服务模式创新升级。在本文中,结合气象大数特征及服务框架,对大数时代背景下的气象服务现状进行分析,并着重对大数时代的气象服务应用进行分析和探讨。实施大数时代气象服务应用,并利用大数制作气象服务产品,不仅惠及人们生活方方面面,还推动气象行业信息化进程。

  • 标签: 大数据 气象服务 应用分析
  • 简介:摘要文章主要列举了大数背景下信息安全管理中所遇到的问题,提出针对性的解决措施,以期为信息安全管理工作提供一些参考和借鉴。

  • 标签: 大数据 信息 安全管理 问题及对策
  • 简介:摘要;审计工作是一项专业性较强的工作它要求工作人员能做到精确、细致。随着社会的迅猛发展,互联网、大数、云计算等高科技技术对审计工作产生越来越重要的影响。现代审计工作中的内容、分析数据通过利用大数技术产生了巨大改变,使审计工作变得更加细致、准确。本文详细叙述大数技术在审计中的应用以及当前的现状和未来能够如何更好的将大数技术运用到审计工作中。目的就是希望通过大数技术使现代审计工作得到进一步发展,不断提升审计工作的质量与效率。

  • 标签: 大数据技术 审计 应用
  • 简介:摘要通过设备在线及大数分析(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、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。

  • 标签:
  • 简介:摘要随着大数技术的日益成熟,数据作为医院决策的客观指标,其有效应用愈发受到重视。数据质量将影响医院决策的准确性、针对性和有效性。作者以医疗数据质量和评价为基础,分析数据质量存在的问题,并提出提升数据质量的对策,包括完善管理制度以提高数据完整性和标准化程度,建立统计平台系统以提升数据一致性,建立数据中心整体提升数据整合治理能力等。

  • 标签: 医院 数据质量 数据治理 大数据应用 数据库管理系统
  • 简介:摘要海事系统在日常的管理中会产生大量的数据,这些数据对于我们来说蕴藏着极大的价值,本文通过对海事系统船员数据进行大数分析,以期通过对其分析预测,进而能够对我国船员市场现状有一个更为清楚的认知。

  • 标签: 大数据 海事系统 船员市场
  • 简介:摘要作为近几年提出的一个概念,大数在日常生活中出现的频率越来越高,例如,物流大数、安全大数等,文章便以大数环境为出发点,简明扼要地介绍了什么是“国土资源数据”、国土资源数据的价值,接下来联系实际情况,以国土资源数据的采集和运用为切入点,从无人机、S.P.M.平台和移动终端三个方面,分别展开了细致、深入地探讨,供相关人员参考。

  • 标签: 大数据环境 国土资源数据 采集与运用
  • 简介:摘要互联网金融的兴起,给传统的金融贷款风险管理带来了更多的挑战。如何使用大数工具对差异化海量数据进行分析,从中识别客户风险,是越来越多的金融贷款公司面临的难题。本文从金融大数的特点出发,详细分析如何在大数背景下,做好金融贷款风险管理。

  • 标签: 大数据 金融贷款 风险管理