大数据在医疗保健中的挑战与机遇:系统综述

介绍

基本原理

大数据分析为许多商业领域带来了希望，医疗保健行业也在利用大数据为许多与年龄有关的问题提供答案，尤其是痴呆症和慢性病管理。本系统综述探讨了自2010年以来大数据分析的深度，并确定了与医疗保健大数据相关的挑战和机遇。检讨遵循“系统检讨及元分析首选报告项目”(2009年)[1]。

大数据通常通过4v来定义:体积(数据的规模或数量)、速度(实时或近实时数据的速度和分析)、种类(不同形式的数据，通常来自不同的数据源)和准确性(数据的质量保证)。前三个v出现在大多数文献中[2，3.]，第四个V是目标[4]。

截至2012年，每天大约产生2.5艾字节的数据;沃尔玛每小时可以收集多达2.5 pb的客户相关数据[2]。医疗保健行业以惊人的速度产生和收集数据，但不同的电子健康记录(ehr)以不同的结构收集数据:结构化、非结构化和半结构化。这种多样性在寻求数据的准确性或质量保证时可能会造成困难。电子病历可以提供丰富的数据来源，成熟的分析，以增加我们对疾病机制的理解，以及更好和个性化的医疗保健，但数据结构对标准的分析方法提出了问题[5]。

医疗保健领域的大数据有几个主要来源:基因组学、电子病历、医疗监控设备、可穿戴视频设备和与健康相关的手机应用程序。大约有483项基因组学研究在美国卫生与公众服务部注册;这些研究在9个国家进行，它们都使用了人类基因组计划的部分数据[6]。许多国家正在采用电子病历，它提供了一个数据来源，其深度几乎是不可想象的。2012年，EHR产生了约500拍字节的数据，到2020年，数据将达到25,000拍字节[7]。EHR可以从其他监控设备收集数据，但连续的数据流并没有一致地保存在纵向记录中。

存储成本的降低使数据收集呈指数分布，但分析这些数据量的能力是医疗保健领域“大数据”的重心。在美国，自2009年以来，为"有意义地使用"卫生信息技术提供的财政奖励刺激了电子病历和其他与卫生有关的辅助技术的采用。

卫生信息系统在提高提供护理的效率、降低卫生保健系统的总成本以及显著提高病人的治疗效果方面显示出巨大的潜力[8]。美国政府已经拨款数十亿美元，帮助该国的医疗保健市场实现这些效率和节省。作为《美国复苏和再投资法》的一部分，《促进经济和临床健康的卫生信息技术》(HITECH)的具体条款承认信息技术在美国境内提供卫生保健方面的重要性[9]。该法案拨出约172亿美元用于鼓励采用和有意义地使用卫生信息技术，其中一部分涉及参与临床信息的电子交换。2010年，国会通过了健康信息交换(HIE)挑战拨款计划，该计划为各州的HIE项目贡献了约5.477亿美元[10]。

随着这项立法及其相关技术的实施，必须有效地组织和处理以数字方式收集和存储在卫生保健组织内的数量不断增加的数据。天文、零售、搜索引擎和政治等其他行业已经开发出先进的数据处理能力，将数据转换为知识。卫生保健需要遵循他们的领导，以便能够实现有关组织目标和目标的决定[4，11，12]。这种数据管理的演进过程统称为大数据，它对未来采用和管理卫生信息技术至关重要[13]。

目标

本系统综述的目的是客观地回顾发表在学术期刊上的文章和研究，以便编制一份美国医疗保健大数据分析面临的挑战和机遇清单。会议特别强调了与年龄相关的大数据应用。

方法

合格标准

如果文章和研究发表于2010年至2015年之间，发表在学术期刊上，并以英语发表，则有资格进行分析。研究人员选择2010年到2015年的时间范围有两个原因:一是2009年通过了HITECH，二是2010年似乎出现了大量研究和其他文章。我们关注学术期刊的同行评议质量，并减少选择来自不可信来源的大数据的可能性。

信息来源

将医学主题词(MeSH)和布尔运算符的关键词组合在两个常用的研究数据库(CINAHL和PubMed)中使用，并结合谷歌Scholar的一般搜索(参见图1)。

之所以选择这些术语，不仅是因为它们是本文的重点，还因为它们是在对大数据定义的初步研究中发现的。

搜索

在所有3个搜索中都使用了以下搜索字符串:((“大数据”和医疗保健)或(“大数据”和“医疗保健”))。该搜索字符串在CINAHL、PubMed (MEDLINE)和谷歌Scholar中使用。在这两个研究数据库中，我们的团队能够将搜索限制在学术期刊上(包括其他系统综述)。MEDLINE在CINAHL中被排除，因为它已经在PubMed中被捕获。b谷歌Scholar给搜索带来了困难，因为它严格限制了通常与学术研究相关的过滤器。最初的13935个结果被限制为日期限制在最近5年，将结果限制在学术期刊和MEDLINE上，而在b谷歌Scholar中，将关键字搜索限制在标题上。筛选结果以121篇文章结束。

‎ 查看此图

研究选择

通过小组研究和一系列共识会议，研究人员接受了培训，以确定与本综述相关的文章，并建议删除所有其他文章。研究小组使用共享的电子表格来解析文章列表。研究人员完整地阅读了所有的文章。根据各种排除标准(与大数据或医疗保健无关，仅为社论，非学术期刊，或来自其他搜索的重复)，共排除了97篇文章，并从剩余的24篇参考文献中确定了另外4篇文章。审稿人小组通过一系列的共识会议提出这些拒绝或额外的建议，我们在会议上讨论他们的建议，并通过讨论达成共识。共有28篇文章仍在最后审查中。

数据收集过程和总结措施的确定

每篇文章至少由两位作者审阅，以确定相关要点。所有的审稿人都使用一个电子表格模板来总结他们对每篇文章的主要观察。一个团队成员将电子表格合并成一个，并再次共享。审稿人又召开了一次共识会议来讨论他们的发现。从这次会议中确定了趋势，并从这些趋势中作出了推论。

额外的分析

从观察列表中，审稿人能够识别出一些共同的线索，这些线索是贯穿于多篇文章中的医疗保健领域的挑战和机遇。创建了单独的表来对线程进行分组，并从每个表中确定共同的主题。这些共同的主题只有在评论者结合他们的观察时才会出现。这些主题被制成表格并统计，以供进一步分析。

结果

研究选择

如图1，从最初的搜索中得到935篇文章。使用诸如已发表数据(2010-2015年)、学术期刊和英语语言等过滤器将范围缩小到正在研究的内容。审稿人同意删除社论，并将重点放在研究大数据的文章上，如本文引言部分所述。在搜寻过程结束时，只剩下28人。本研究回顾的文章范围从2012年到2015年。本文选取的文献大部分发表于2014年(15/ 28,54 %)，少数发表于2015年(2/ 28,7 %);后者最有可能是由于今年早些时候进行了搜索。

结果综合

多名评论者完整地阅读了每篇文章。文章的纳入或排除基于标准说明图1。所有纳入分析的文章均按日期排序，列于多媒体附录1。

研究目录编号分配给每篇文章，以简化分析。研究人员总结了每篇文章的主要观点，以便进一步分析。

额外的分析

通过观察的结合，审稿人确定了共同的线索(挑战和机遇)和每个线索的主题。主题被组织成关联图(表1和2)，在研究人员之间进行比较和讨论。

医疗保健大数据面临的挑战

挑战类别下出现了9个主题:数据结构、安全性、数据标准化、数据存储和传输、管理问题(如治理和所有权)、缺乏数据分析师技能、数据不准确、法规遵从性和实时分析。中提供了每个主题的示例表1。总共进行了60次观察。

这4个Vs出现在挑战类别下的多个地方。在数据结构的主题下，可以看到体积和种类的名称。多样性也隐含在同一个主题中，但被列为不兼容格式，以及原始和非结构化数据集。多样性也可以从数据标准化的主题中推断出来，被列为有限的互操作性。在主题实时分析中可以看到速度。真实性是在数据标准化的主题下看到的，但被列为数据获取和清理、术语和语言障碍。在主题中也可以推断出不准确的地方被列为不一致和缺乏准确性。

数据结构问题

与数据结构相关的问题在本研究审查的大多数论文中都得到了解决。数据处理的关键功能必须得到大数据应用的支持[13]。大数据应用应该是用户友好的、透明的、菜单驱动的[13，14]。医疗保健中的大多数数据是非结构化的，例如来自自然语言处理的数据[12]。它通常是支离破碎的，分散的，很少标准化的[12，13，15-21]。众所周知，电子病历不能很好地跨组织共享，但是对于非结构化数据，即使在同一组织内，非结构化数据也很难汇总和分析。难怪61%的分析文章将此列为担忧;大数据分析将需要应对这一巨大挑战。

卫生保健部门的研究数据比其他研究领域产生的研究数据更加多样化[3.，5，12]。来自研究和公共卫生的数据往往是大量产生的[15，22，23]。另一个与结构有关的问题是不断变化的按服务收费的医疗保健模式[4]。最后，大数据需要解决元数据的透明度问题[16，24]。

安全问题

鉴于《健康保险流通与责任法案》(HIPAA)的立法，大数据分析的使用存在相当大的隐私问题，特别是在医疗保健领域[15]。在开放源码上提供的数据是免费提供的，因此极易受到攻击[12，13，18，20.]。此外，由于医疗保健数据的敏感性，存在与保密有关的重大关切[25，26]。此外，这些信息是集中的，因此极易受到攻击[25]。由于这些原因，启用隐私和安全是非常重要的，正如在50%的文献中提到的频率所表明的那样。

数据标准化问题

虽然电子病历在同一组织内共享数据，但组织内部的电子病历平台充其量是分散的。数据以不兼容所有应用程序和技术的格式储存[13，22]。缺乏数据标准化也会导致数据传输方面的问题[5，25]。它使数据采集和清理变得复杂[5，25，26]。约39%的文献提到了这一挑战。

由于数据很少标准化，有限的互操作性给大数据带来了巨大的挑战[12，13，16，22]。这使得大数据面临着将数据获取和清理成标准化格式以进行分析和全球共享的相关问题[13，17，23，25，27]。随着数据的全球化，大数据将不得不处理各种标准、语言障碍和不同的术语。

存储和传输

与数据的存储和传输相比，数据的生成成本较低。一旦产生数据，与保护和存储数据相关的成本仍然很高[25]。将数据从一个地方传送到另一个地方以及分析数据也会产生成本[14，21，22]。一些研究人员已经能够将数据结构、存储和传输的主题结合起来，说明结构化数据如何容易地存储、查询、分析等，但非结构化数据不那么容易操作[13]。基于云的医疗信息技术具有与患者相关数据的提取、转换和加载相关的额外安全层[27]。大数据的使用应解决与支出增加以及安全或不安全信息传输有关的问题。大约28%的文献提到了这个挑战。

管理问题

数据治理需要在组织的优先级列表中上升，它应该被视为主要资产，而不是业务的副产品[15]。数据所有权和数据管理应该在考虑大数据分析的业务中创造新的角色[15]，在共享数据时需要建立新的合作伙伴关系[23，24，27]。大约14%的文献提到了这一点。

缺乏适当的技能

重要的是，卫生保健工作者也要跟上不断变化的技术、技术和不断变化的护理标准的使用[5，24]。由于技术的不断发展，存在着缺乏特定技能的个体群体;因此，这也是实施大数据的一个重大持续障碍[12]。大约11%的文献表达了这一挑战。

不准确(真实性)

自我报告的数据在卫生保健中广泛使用，因此以这种方式收集的数据保持一致至关重要[12]。保持信息的时效性和准确性是数据收集的另一个挑战。数据的精确度也需要提供准确的信息[12]。只有4%的文献提到了这个挑战。

法规遵从性问题

医疗保健组织应该意识到在管理大量敏感信息的过程中可能出现的各种法律问题。实施大数据分析作为其信息系统一部分的组织将不得不遵守大量特定于医疗保健的标准和法规遵从性问题[28]。只有4%的文献提到了这个挑战。

实时分析(速度)

医疗保健的关键要求之一是能够实时利用大数据。实时性的定义是允许使用云计算等应用程序实时查看所述数据。使用这些技术会导致病人资料的安全和私隐问题[12]。只有4%的文献提到了这个挑战。最常提到或讨论的挑战是数据结构(17/ 28,61%)、安全性(14/ 28,50%)、数据标准化(11/ 28,39%)以及数据存储和传输(8/ 28,29%)。其他五个挑战所占的观测量不到15%。

医疗保健大数据的机遇

在机会类别下出现了14个主题:提高护理质量、管理人口健康、早期发现疾病、数据质量、结构和可及性、改进决策、降低成本、以病人为中心的护理、加强个性化医疗、全球化、欺诈检测和健康威胁检测。每个主题的例子都列在表2。总共进行了113次观察。

尽管大数据需要克服诸多挑战，但大数据所承诺的高级分析为医疗保健行业的大多数利益相关者(患者、供应商和付款人)提供了巨大的机会。在分析的文章中，超过64%的文章关注的是质量改进，超过60%的文章关注的是通过大数据分析管理人口健康和早期发现疾病。即使大数据的一些机会得以实现，它们也可以从根本上改变患者的结果和提供者做出决策的方式，并有助于解决美国等国家与医疗保健相关的一些宏观问题(成本、质量和获取)。

提高护理质量

大数据具有提高医疗质量和效率的潜力和能力[5，15，23，29-31]。大数据提供了一种利用现有的原始数据或历史数据预测结果的能力，并提供了可能改变现有的全行业护理标准的效益证明。25，28]。在患者端利用技术也有助于药物依从性[23，25]。这无疑将在改善结果方面发挥重要作用[2，13]并改善与健康有关的生活质量[20.，26，32]。

通过减少信息浪费，护理质量也将得到改善，这将减少效率低下的情况[13，26]。这亦有助分析实时资源利用率及生产力[13]。质量也可以通过降低再入院率、提高操作效率和改进性能来提高[5，12，13]。大约64%的文献提到了这个机会。

管理人口健康

在分析后，作者认为人口健康管理和疾病的早期发现将产生高度相似的结果。虽然这两个主题之间有很大的重叠，但它们之间也有特定的差异。因此，研究人员选择将它们分开。管理人口健康的主题侧重于特殊人群，而不是公共卫生。

大数据分析在比以往任何时候都更细的粒度级别上定义人口[5，14，15，33]。它可以帮助管理人口的整体健康以及特定的个人健康[13，26，29]。大数据可以从本地或全球的角度进行人口健康管理[31，34]。考虑到人口老龄化以及许多人口和亚人口共同面临的与年龄有关的健康问题，其中许多人口和亚人口得不到充分的服务，从全球角度来看，这种能力变得更加突出[17，19，21，24，28，32]。大约61%的文献提到了这个机会。

早期发现疾病

大数据允许早期发现疾病，这有助于实现与改善治疗和提高患者预后相关的临床目标[12，13，15，22，25]。正是在这个领域，作者发现了与年龄有关的疾病和疾病的巨大希望。除了早期发现外，大数据分析还可以帮助预防各种致命疾病以及个性化疾病管理和监测[5，19，21，22，29，34]。它使提供者能够跟踪健康行为，并帮助患者监测他们各自的情况[25，32，33]。这种能力在面对与年龄有关的疾病或世界范围的健康问题(如心脏病学)时具有巨大的潜力[16，22，28，31，34]。大约61%的文献提到了这个机会。

数据质量、结构和可访问性

文献表明，大数据能够快速捕获数据，并将主要、原始和非结构化数据转化为有意义的信息[15，17，31，34]。然后，可以从大量有效的数据中产生新的知识，从而使数据能够重用[15，20.，21，32，33]。开源技术增加了数据的可及性和透明度[12，25，26，30.，35]。最后，可以使用分析来去除不必要的信息来保持数据质量[27]。大约57%的文献提到了这个机会。

提高决策能力

大数据使循证医学得以适当使用，并帮助卫生保健提供者做出更明智的决策[12，13，15，22]。这反过来又提高了提供给病人的护理质量[16，31，36]。远程监控、患者档案分析和基因组分析是影响决策过程的其他应用的例子[13，25]。

决策过程可以通过获得准确和最新的信息来高度优化，因为决策过程受到临床研究中产生的新做法和治疗指南的影响。允许大数据影响决策将使决策过程更快、更简单。这是通过支持或取代人类决策来实现的。大约39%的文献提到了这个机会。

降低成本

文献表明，计算要素(如存储和处理)成本的降低，会导致数据密集型任务成本的降低[2，13]。这种节省的传递将在整个医学领域看到[24，36]和医护人员[25]。通过更具成本效益的治疗和监测，提高服药依从性，可以节省开支[25，31]并通过降低昂贵的运输成本，如心脏病学的经验[12，17，22，34]。大约36%的文献提到了这个机会。

成规保健

越来越多地使用技术正在慢慢改变医疗保健部门的方向，从以疾病为中心的护理转向以患者为中心的护理[5]。大数据将在这一转变中发挥重要作用[37]。它将使信息直接传递给患者，并使他们能够积极参与自己的护理[5，15，27]。当向病人提供适当的信息时，这将影响他们的决定，使他们能够作出知情的决定[13，24]。病人、提供者及其社区之间加强沟通也将影响知情的决定[5，24，32，36]。大约29%的文献提到了这个机会。

加强个性化医疗

利用大数据，个性化医疗的目标可以转化为临床实践[5，25，30.]。对大量数据的获取和处理应能实现针对特定患者的疾病风险的个性化记录[25，29，32]。大数据应用旨在提高这一过程的效率[12]。大约24%的文献提到了这个机会。

全球化

大数据将积极协助传播从收集的数据中获得的知识[15，22，30.]。大数据在利用地区乃至全球的实践和知识方面发挥着积极作用[12，15，29]。通过使数据全球化，可以更广泛地获取数据，提供者可以从所有区域获取新信息[22，23，32]。大约24%的文献提到了这个机会。

欺诈检测

大数据提供的最重要的好处之一是，它有助于以高效和有效的方式发现欺诈行为[13，23]。例如，可以尽量减少第三方未经授权使用特定用户帐户的情况[21]。只有大约11%的文献提到了这个机会。

健康威胁检测

大数据为快速、准确地提高威胁检测能力提供了机会。这尤其有利于政府的使用[22]。大数据增强了目前对外国、犯罪分子、恐怖分子和其他日益增长的威胁的保护。只有3.6%的文献提到了这个机会。

最常提到或讨论的机会是提高护理质量(18/28,64%)、管理人口健康(17/28,61%)、早期发现疾病(17/28,60.7%)、数据质量结构和可及性(16/28,57%)、改进决策(11/28,39.3%)、降低成本(10/28,36%)、以患者为中心的医疗保健(8/28,29%)、加强个性化医疗(6/28,24%)和全球化(6/28,24%)。其他两个机会各占观察值的不到15%。

讨论

证据摘要

虽然大数据的整合在金融和广告等行业正在顺利进行，但尚未完全融入医疗保健领域。在这篇综述中分析的文章中，挑战和机遇都很清楚。4v中的三个(体积，速度和种类)一直坚持。第四个V，准确性，被发现，但很少列出名字。表1和2提供以前未发表的有见地的信息。这些表格确定了挑战和机遇，并说明了它们在文献中被提及的频率。这些信息对其他研究人员和创新者很有帮助，因为它为研究工作提供了方向和适当的重点。所列出的挑战和机遇是根据它们在文献中发现的频率来排序的。

限制

本综述的一大限制是分析中使用的文章数量较少。如果我们要重新执行此操作，我们将查询另一个数据库，以查看是否有其他文章可供分析。

选择偏差似乎存在于任何研究中。我们对选择偏差的控制是预先就大数据概念的明确定义达成一致的初步研究，以及我们讨论发现的共识会议。协商一致会议为评审过程提供了巨大的价值，因为它们使小组能够听到个人的焦点，并提供反馈以确认焦点，或者同意评审中所有文章的独特焦点是有必要的。

我们经常讨论的另一种偏见是发表偏见。期刊倾向于发表具有统计意义的结果，这从本质上限制了可能达不到这一水平的研究的发表。我们对发表偏倚的控制是在我们的搜索中包括谷歌Scholar。我们的目的是找出在PubMed (MEDLINE)或CINAHL中可能没有索引的不太知名的期刊中的材料。

结论

大数据和高级分析的使用有可能推动医疗服务提供者利用技术做出明智的临床决策。但是，必须对每年在卫生保健领域产生的大量信息进行组织和划分，以实现卫生保健组织之间的普遍可及性和透明度。

我们的系统文献综述揭示了大数据为医疗保健行业带来的挑战和机遇。文献中至少有50%的文章提到了数据结构和安全性的挑战。文献还提到了提高质量的机会，更好地管理人口健康，早期发现疾病，以及数据质量结构和可及性，至少有50%的文章被审查。这些发现确定了未来研究的重点。