医药卫生与人口健康领域科学数据引用行为与可回溯性研究

目的/意义通过对医药卫生与人口健康领域科学数据共享机构的科学数据引用特征进行调查和分析,为科学数据开放共享和规范引用提供借鉴和参考。方法/过程以国家人口健康科学数据中心为例,采用文献分析法,深入分析该领域科学数据引用行为及其可回溯性。结果/结论医药卫生与人口健康领域科学数据引用存在标注位置不统一、引用元素缺失等不规范引用行为,大量开放共享的科学数据无法有效溯源,亟须完善科学数据引用标准、加强科学数据平台管理、提高科研人员引用意识,促进科学数据共享引用。

科学数据中心间重大事件联合应急响应机制研究

科学数据中心作为重要的数据基础设施和载体,在公共卫生、自然灾害等突发应急事件中发挥着越来越大的作用。针对国内外不同数据中心间应急响应机制模式,从资源保障、政策协调、参与程度、响应效果和监管部门监管责任等方面进行分析,提出适合我国科学数据中心体系的“管理部门—责任中心—代理机构”联合应急响应机制,并阐述具体应急响应流程,为提高科学数据中心应急数据保障能力、增强我国在应急响应方面的制度性优势提供思路。

生物医学领域科学数据汇交管理中的挑战与启示

目的/意义分析生物医学领域科学数据汇交管理问题并提出应对措施,促进科学数据传播力提升。方法/过程基于相关国家科学数据汇交政策,以国家人口健康科学数据中心为例,从科学数据管理方角度分析生物医学领域科学数据汇交中的挑战与对策。结果/结论提出要普及科学数据汇交机制,制定标准并开展生物医学科学数据质量和规范化审核,遵照相关法律法规加强数据安全和隐私保护的技术研发。

中国流动人口卫生健康与计划生育动态调查数据:2009-2018年多波大规模全国性横断面调查

这篇数据论文介绍了2009~2018年中国流动人口动态调查(Chinese Migrants Dynamic Survey,CMDS)的数据。CMDS是原国家卫生和计划生育委员会组织开展的全国流动人口的多年度大规模全国性横断面调查。调查对象为15岁以上的国内流动人口,样本取自中国流动人口信息系统,采用多阶段分层抽样方法和概率比例-大小(probability proportional-to-size,PPS)聚类抽样策略进行抽样。2009年至2018年,共有来自23个省、5个自治区和4个直辖市的1,527,650名流动人口参与了该调查。调查工具是由原国家卫生和计划生育委员会组织设计的一系列具有高度继承性和一致性的调查问卷,问卷内容主要包括被调查者及其家庭成员的基本情况、流动状况、医疗保健或健康行为、公共卫生服务利用情况、社会保险情况、社会融合情况、计划生育情况等。该数据集是目前使用最广泛的关于中国流动人口的调查数据,提供了有关流动人口的流动模式、医疗卫生和健康行为、公共卫生服务、社会保障、社会融合和计划生育的信息,对医疗卫生规划、卫生决策和卫生公平研究具有重要价值。

基于数据安全的健康医疗科学数据分级指南研究

目的/意义完善健康医疗科学数据分级保护,促进数据安全共享、充分利用,提升数据资源价值。方法/过程采用文献分析法,并开展多轮专题专家小组讨论,研讨健康医疗数据分级的原则、规则和实施步骤。结果/结论基于健康医疗科学数据安全相关法律法规或政策要求,构建健康医疗科学数据分级指南,提出健康医疗科学数据分级的具体原则、评级规则与实施步骤,为健康医疗科学数据生产、管理及应用活动中的数据分级提供参考。

关于加快健康医疗大数据向科学数据转化的思考与建议

介绍国内外健康医疗信息化与数据开放共享进展与成效,分析我国健康医疗大数据开放共享面临的挑战和困境,阐述健康医疗大数据向科学数据转化的必要性并提出建议,包括建立健康医疗大数据向科学数据转化的机制、建立国家健康医疗科学数据资源目录、推动健康医疗科学数据规范化管理等。

卫生健康信息数据元标准2023版和2011版比较研究

目的/意义对比分析卫生健康信息数据元标准2023版和2011版,探讨差异与改进之处,以期为标准的更新与实施提供有益的参考和指导。方法/过程整理对比2023版较2011版卫生健康信息数据元标准的更新内容,分析总结修订对标准化程度、规范化水平以及数据完整性和准确性等方面的提升作用。结果/结论2023版在数据完整性和规范化等方面实现显著提升。分析2023版标准在实施过程中可能面临的挑战和问题,提出针对性建议和对策。

免疫学数据库和分析门户ImmPort建设经验与启示

目的/意义总结免疫学数据库和分析门户ImmPort的建设经验,为我国建设大型免疫学数据库提供经验和参考。方法/过程全面分析ImmPort的整体架构,讨论各模块功能,同时梳理其数据收集、组织、共享和分析复用的标准化数据流,总结ImmPort平台实践成果。结果/结论我国在大型免疫学数据库建设过程中应重视数据标准化组织和建模;积极引用标准化术语提供语义支持;在分类分级管理中共享数据,同时开发配套工具体系,保障免疫学数据安全有效地共享和利用。

A National Cross-Sectio nal Survey Dataset on Com mon Disease and Influencing Factors of Chinese Internal Migrants in 2017

This data article describes the dataset from a national cross-sectional questionnaire survey on Chinese internal migrants in 2017.The survey was part of the Chinese Migrants Dynamic Survey,which is an annually conducted large-scale national questionnaire survey on internal migrants.The respondents in the described dataset were migrants and registered local residents aged over 15 years old.A multistage stratified probability-proportionalto-size(PPS) sampling method based on the 2016 annual report data of China Migrant Population was adopted.The questionnaire was designed to collect demographic information of respondents and their family members,intention of migration or settlement,health status,health services accessibility,social integration,and epidemic influencing factors of common diseases,including hypertension,type 2 diabetes,diarrhea,fever,rash,icterus,conjunctival redness,cold,and other illnesses or injuries.The sample population in this survey include 13,998 internal migrants and 14,000 registered local residents from eight domestic cities/prefecture/districts across China.It is the most widely covering and highly representative dataset on common diseases and influencing factors of internal migrants in China.The dataset can be used to study common diseases and influencing factors among floating Chinese population.It provides data support for government to improve healthcare accessibility and the equity of public health services for internal migrants in China.

基于分布式微服务业务中台的互联网医院架构研究

目的/意义 当前中国互联网医院建设模式存在差异,需要科学设计的技术架构作为互联网医院应用系统的基础支撑。方法/过程 基于邯郸市中心医院互联网医院应用系统开发需求,提出基于分布式微服务中台的互联网医院技术架构,采用“大中台、小前台”的架构模式设计医院业务中台。结果/结论 该架构可实现集成化、流程化改造,进而推动互联网医院中的业务系统重复使用,减少医院多个系统间数据标准不统一的问题,有助于优化医院资源,提高互联网医院的服务效率和系统安全性。

机器学习模型在非比例风险生存资料中的应用及案例实践

目的总结并探索机器学习模型在不满足等比例风险假设生存资料中的应用,为大样本、高维度的非比例风险(non-proportional hazards,NPH)生存资料分析方法提供参考。方法首先概述了NPH的概念和相关检验方法;然后根据相关文献重点总结归纳了基于机器学习模型的非比例风险生存分析方法的优缺点;最后利用可公开获取的真实世界临床数据,对重症监护室内脑卒中患者30天内的死亡风险进行了关于两种集成机器学习模型和两种深度学习模型在非比例风险生存资料中的案例研究。结果归纳总结了8种使用普遍的基于机器学习模型的非比例风险生存分析方法,分别包括随机生存森林等5种一般的机器学习模型和3种基于人工神经网络的深度学习模型(如DeepHit);案例研究结果显示随机生存森林模型的表现最好(C-index=0.773,IBS=0.151),基于排列重要性算法发现年龄是影响脑卒中患者死亡风险最重要的特征。结论精准医学时代的生存大数据呈现NPH的现象十分普遍,面对更加复杂的生存分析资料和更高的生存分析需求时,可以使用基于机器学习模型的生存分析方法。

一种基于对抗训练的医疗问答匹配方法

相较于英文开放领域的问答匹配,中文专业医疗领域的问答匹配任务更具有挑战性。针对中文语义和医疗数据的复杂、多样,大多数研究人员都专注于设计繁杂的神经网络来探索更深层次的文本语义,工作思路较为单一,同时神经网络模型很容易因为微小扰动而误判,模型的泛化能力较差。为此,提出了一种基于对抗训练的问答匹配模型,利用双向预训练编码器来捕获问答句的语义信息,从而得到对应的向量表征;再通过在词嵌入表示上添加扰动因子生成对抗样本;最后将初始样本和对抗样本共同输入带有线性层的模型中进行分类预测。在cMedQA V2.0数据集上通过对比实验证明了对抗训练可以有效提升问答匹配模型的性能。