SCI论文（www.lunwensci.com）:
摘要：随着国家医疗体制的改革、鼓励和支持社会资本进入医疗健康行业的政策利好、健康管理消费市场巨大的增长潜力等因素使专业健康管理服务产业成为投资机构竞逐的重点领域。本文基于大数据分析和云健康服务，构建了一个将人们关注的健康指标与日常生活关联的，对人们日常生活给出合理化建议、指引的应用系统，将为人们提供系统的个性化的医疗保障服务。
关键词：大数据；云平台；医疗健康
本文引用格式：柳金媛,郭志奇,孔琳琳.基于大数据的医疗健康分析研究[J].世界最新医学信息文摘,2019,19(73):27-28.
Research on Medical Health Analysis Based on Big Data
LIU Jin-yuan,GUO Zhi-qi,KONG Lin-lin
(Dalian East Soft Information Institute,Dalia Liaoning 116000)
ABSTRACT：With reform of medical system in China,favorable policy of encouraging and supporting social capital has entering medical and health industry,and huge growth potential of health management consumer market,professional health management service industry has become key area for investment institutions to compete for.Based on large data analysis and cloud health services,the paper constructs an application system that links health indicators concerned with people's daily life and gives reasonable suggestions and guidelines for people's life.It provides systematic and individualized medical security services for people.
KEY WORDS：Big data;Cloud platform;Medical health
0引言
市场经济高速发展，随之而来的是人们的生活水平不断提升。然而，社会中仍存在着“就医难，就医贵”等问题，多数人没有建立自己的身体健康档案、没有实时就医和实时对比分析病情的条件。伴随着人们对高品质的生活追求，人们想要根据自身身体情况做出权威、科学的个性化健康计划也比较困难。本文运用大数据分析技术更加准确的设计并实施多种个性化服务方案。使用云平台技术建立专属健康档案和病患交流机制，提供在线咨询，视频指导，健康咨询，预约见面指导服务项目，记录病患身体健康信息[1]。
基于此，本文以大数据分析技术和云平台服务技术为蓝图，针对数据进行设计并实施多种个性化服务方案，能更好的解决数据量巨大的问题，利用现代生物医学、信息技术、管理技术等各种手段和工具，缓解“就医难，就医贵”等问题，为人们提供系统的个性化的医疗保障服务提出设计思路。
1相关技术研究现状
1.1医疗健康平台现状分析。近年来，医疗健康政策频出，医疗卫生体制改革进入深水区。我们党也明确提出2020年全面建成小康社会的目标，健康是促进人民群众全面发展的必然条件，并坚持为人民健康服务的方向，坚持预防疾病为主，完善国民健康的政策。随着移动互联网、大数据、云计算等新一轮信息通信技术与医疗健康领域的跨界融合，医疗健康领域的运营、管理、诊疗等各个环节都发生了重大变革，普通大众的就医方式、就医习惯也发生了巨大改变，互联网医疗成为互联网与实体经济深度融合的排头兵。在医疗健康产业投资市场的盛宴下，产业资本、保险资金、PE/VC、现有医疗服务集团已成为主角，而医疗服务领域的创新创业已经进入产业链深层，互联网和大数据正在给产业链带来变革性机会，也为医疗健康平台带来了新的投资窗口[2]。
1.2大数据技术。大数据技术，随着云时代的到来，成为了人们关注的热点。大数据是一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。但是大数据计算的战略意义不在于掌握了庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。
2大数据在医疗健康中的应用
2.1数据处理分析。随着医疗信息化的发展，每天都会产生大量的数据，医疗健康问题产生的是海量的数据，在进行分析前，我们需要将收集到的客户信息（即数据源）使用ETL工具首先进行数据抽取，确定访问数据库中某些客户信息的文件、需要提取的字段，例如姓名、年龄、病史、用药史以及日常习惯等，并定期更新数据，对不同的数据源确定抽取的频率。由于抽取后的数据不一致和数据粒度不同，将对其进行数据转换；为了提高数据源中数据的质量，进行数据清洗，全面校验数据源的数据质量。在进行一系列的数据处理后，将数据加载到数据仓库中进行建模，按照年龄、地区、病史以及用药史等维度进行OLAP分析，通过切片切块、钻取等分析手段预测客户的发病率以及一些致病机理，使客户进行更好的预防。
2.2数据挖掘
2.2.1聚类分析技术：这一技术应用在医学中被用于预测和治疗疾病，结合疾病和药物的情况发现具有类似功能的一些疾病的致病机理和治疗措施。通过搜集产生疾病的患者具有的特征，体内各种值的变化，病史以及用药史，应用功能K-means聚类算法，分析产生疾病的共同点，以及体内的某些值、用药等对疾病的影响。例如，糖尿病是一种较常见的内分泌代谢紊乱的疾病。国内有关文献报道，Ⅱ型糖尿病发病率约为4%，且有逐年上升趋势。针对糖尿病及其并发症的诊断，对临床实验室常规检查的21项生化检查指标进行聚类分析，通过寻找患者在各项目组之间的分布规律，再根据生化检测指标的临床意义，以确定2型糖尿病患者生化检验结果的异常情况，为诊断和治疗提供了依据措施。
2.2.2关联分析技术：为了能及时的通过客户的特征来判断发病的可能性，更好的进行预防，通常使用关联分析技术，通过搜集患有疾病的患者的年龄、日常习惯（抽烟喝酒等）等一般因素的测量与所得的疾病存在的可能性之间的联系，得到规律，从而判断发病的可能性。例如，研究患有肺病的关联规则，其中i1，i2，i3，i4吸烟，空气污染，呼吸道感染，社会经济地位。
利用上面关联分析得到的关联规则，判断客户发病的可能性，制定有效的预防改善措施。客户改善后，此数据可作为以后分析的参考，同时在保障客户隐私数据安全的基础上，将此致病机理以及预防和解决措施等数据分享至论坛或医疗网站，供更多的医疗人员使用，实现系统互联共享。
3 结论
本文提出的医疗健康服务平台采用全云化承载和运营，利用数据集市的数据进行数据挖掘并结合大数据分析手段按照主题进行数据划分，结合疾病和药物的情况制定针对性的个性化服务方案。并在数据存储规模达到需求的要求下，与就近医院进行对接，满足用户就医的要求，以最便捷的方式解决百姓“就医难，就医贵”等问题。医疗大数据的快速增长，给医疗健康行业带来了非常大的变革，医疗健康发展的必然趋势，一定是与互联网相融合[3]。本文所做的分析研究将打通生态圈内的数据孤岛和服务孤岛，进而为人民群众提供全方位、全周期的健康服务。
参考文献
[1]陈卓信.基于大数据的智能医疗系统分析与研究[J].科技经济导刊,2016(12):22-26.
[2]金磊.大数据医疗的发展现状及未来展望[J].安徽科技,2017(11):42-43.
[3]林敏.健康医疗大数据的应用与发展[J].医疗装备,2017(01):198-199.
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！ 文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/yixuelunwen/20721.html
