将智能健康纳入美国医疗保健系统:谷歌时代哮喘监测的信息流行病学研究

简介

卫生信息学是信息技术、计算机科学、社会科学和卫生保健相结合的领域。1］．近年来，随着大数据(即以高速和广泛数据集为特征的大数据量)的使用[2-4])的应用越来越广泛，卫生信息学为大数据的应用提供了肥沃的土壤。

根据Gu等[5]，大数据健康研究分为疾病、生命健康、护理3个研究阶段。重点关注疾病、技术和卫生保健服务的各个方面，如流行病、数据挖掘、机器学习和定制服务[5］．大数据正日益融入医疗保健信息学[5-6]并在过去的智慧城市管理中得到了应用。

过去几年，在智慧城市健康支柱的整合过程中，大数据不断被收集和分析[7]，智慧健康的概念逐渐兴起[8-10］．智能健康作为一个概念源自医疗信息学、公共卫生和商业的交叉，其中大量的社交媒体数据、付款人-提供者大数据、基因组驱动的大数据和生物医学数据被用于监测和评估患者的病情[10］．随着预期寿命的增加，保健费用也在增加，因此需要采用创新方法来改善具有成本效益的优质服务。在智能健康领域使用大数据有助于P4医学(预防性、参与性、预见性和个性化)[8]，在疾病的检测、预测和预防方面[5]，以及在整个健康行业[10]同时还要考虑成本、数据来源和质量以及人口[4］．

大数据分析中最受欢迎的是对在线搜索查询的分析[11-12]，主要使用谷歌Trends [13]，这是一种流行的开放工具，在过去十年中被广泛集成在科学研究中，主要关注与健康相关的主题[6］．例子包括对多发性硬化症的在线兴趣分析[14]、癫痫[15-16]、矽肺[17]、痴呆症[18]、尿路感染[19]、伊波拉[20.]、流感[21-23]、烟草及肺癌[24]、流行病[25-26]，甚至在非法药物，如轻拍[27]， krokodil [28]，以及甲基苯丙胺[29］．这种对大数据的使用构成了一个新概念的基石，即信息流行病学科学，它利用互联网上各种各样的数据(如在线查询、出版物或博客和网站上的帖子)进行实时数据分析，目的是为公共卫生和公共政策提供信息，从而为收集人口调查和登记等耗时的传统卫生保健数据提供可行的替代方法。将信息流行病学数据用于监测目的被称为信息监测，并有可能实现更及时和更有针对性的卫生保健干预[30.］．

在这项研究中，我们分析了美国“哮喘”一词的在线查询，以探索使用谷歌Trends进行临近预测(即预测当前)哮喘患病率的可能性。选择哮喘是因为它是一种常见的慢性呼吸道疾病，其特征是病情加重，也称为哮喘发作;因此，报告的案例必然呈现出季节性和持续的兴趣。

哮喘是一种慢性疾病，其特征为气道炎症和高反应性，导致气道因运动、感染、过敏原暴露和职业暴露而收缩[31］．2014年，据估计约有7.4%的美国成年人和8.6%的美国儿童患有哮喘[32］．在儿童时期，哮喘在男性中更为普遍，而在成年期则转向女性。黑人和多种族人群的患病率也高于白人[33-34］．

哮喘表现为咳嗽、喘息和胸闷，在夜间和清晨似乎更严重。这些症状，连同哮喘或特应性皮炎的家族史，可以促使检查以确认哮喘诊断。正常哮喘症状的加重在不受控制的哮喘患者或高危患者中更为常见[35］．某些类型的哮喘发作与一年中特定的季节有关，而由花粉和霉菌引起的哮喘发作则是真正的季节性发作。36］．研究表明，儿科患者在秋季和春季会经历哮喘加重的高峰期[37]，而成年患者的哮喘发作在年底达到高峰[38］．

哮喘的管理通常涉及使用多个吸入器，导致相当复杂的治疗方案，在患者依从性方面存在困难，因为它干扰了他们的日常生活活动。依从性差可导致发病率增加及治疗费用增加[39］．除了治疗依从性外，另一个影响治疗成功的重要因素是吸入器技术，因为吸入器使用不当与哮喘控制不良有关。研究表明，33%至94%的患者没有接受过任何正确的吸入器技术培训，导致大量患者错误使用吸入器[40］．哮喘自我管理教育和个性化建议可以改善患者的哮喘控制和生活质量，同时减少哮喘加重和住院率[41］．

哮喘有几种社会并发症，如限制患者的活动水平[42这对国家的医疗保健系统产生了经济影响。据估计，2007年，医疗费用、旷工和上学以及因哮喘导致的过早死亡花费了美国560亿美元[43］．

谷歌趋势数据之前已被许多研究证明是有效的[44]，有关这方面的工作已显示该工具对预测的贡献[45-46]和在线行为分析，提供了仔细选择的审查条款[47］．本文的目的是利用在线搜索流量数据来检验美国哮喘患病率的临近预测是否可行。

方法

本文使用了2004年至2015年美国各州谷歌Trends中关键词“哮喘”的月度时间序列。2017年7月7日，美国在12:47 - 13:02之间，美国50个州和哥伦比亚特区在7月18日14:03 - 14:33之间，数据被谷歌标准化并以.csv格式下载。谷歌上报的数据调整过程如下[48]:“搜索结果与查询的时间和位置成比例:每个数据点都除以它所代表的地理和时间范围的总搜索量，以比较相对受欢迎程度。否则，搜索量最大的地方总是排名最高的。然后，根据一个主题在所有主题的所有搜索中的比例，得到的数字在0到100的范围内缩放。一个词在不同地区的搜索量相同，但总搜索量并不总是相同的。”

研究了哮喘查询的季节性，然后估计了2016年至2020年全国以及每个州在线兴趣的预测。利用统计编程语言R，采用了Holt-Winters指数平滑的加性方法。霍尔特-温特斯方程[49]可以在图1．

为了进一步阐述季节性，我们计算了美国2004年至2015年每2年谷歌Trends数据中“哮喘”一词的Pearson相关性。最后，谷歌查询与国家健康访谈调查(NHIS)患病率数据之间的Pearson相关性[50] 2004年至2015年的行为风险因素监测系统(BRFSS)患病率数据[51调查了2004年至2014年的数据。

哮喘不包括在疾病控制和预防中心(CDC)监测病例定义的疾病列表中，其定义为“一套用于定义公共卫生监测疾病的统一标准”。监测病例定义使公共卫生官员能够在报告管辖区一致地对病例进行分类和计数。它们就国家应报告的传染性疾病和非传染性疾病提供统一标准，供报告之用”[52］．因此，全国范围的调查被用来收集有关哮喘流行的信息，包括哮喘控制、药物和住院治疗的额外信息[53］．BRFSS是一项“基于州的随机数字拨号电话调查，旨在监测与过早发病和死亡相关的成人主要行为风险的流行情况”，NHIS是一项“多阶段概率抽样调查，旨在征求人口的健康和人口信息，每年在具有全国代表性的家庭样本中进行面对面访谈”[54］．

2011年，BRFSS改变了其加权方法，并将手机受访者纳入其中。因此，对2011年前后年份的任何比较都应仔细解读。在这项研究中，没有进行这样的比较，因为每年的在线查询都与相应年份的哮喘报告病例进行比较，因此不包括跨年的比较。在这项研究中，我们使用了疾病预防控制中心对哮喘患病率的定义，基于对以下NHIS问题的肯定回答:(成人)“医生或其他健康专业人员是否告诉过你患有哮喘?”和“你还有哮喘吗?”和(儿童)“是否有医生或其他专业人士告诉过你(样本儿童)患有哮喘?”以及“[样本儿童]还有哮喘吗?”“(55］．

‎ 查看此图

结果

美国的在线兴趣

图2显示了2004年至2015年美国“哮喘”一词被分为5个兴趣组的热图(即0至20、21至40、41至60、61至80和81至100;浅蓝色到深蓝色)。

在50个州和哥伦比亚特区中，有29个州属于81至100岁年龄组，21个州属于61至80岁年龄组，只有1个州(俄勒冈州)属于41至60岁年龄组，没有一个州属于21至40岁年龄组和0至20岁年龄组。这一分类表明，审查的术语是高度感兴趣的美国人口。的详细数据图2可在多媒体附件1，表A1。

图3而且4描述2004年至2015年期间“哮喘”一词在线兴趣的变化，以及2004年至2015年每年的季节变化。很明显，数据遵循季节性趋势。历年数据，见图4这支持了我们的假设，即美国哮喘流行的季节性可以在在线搜索中描述。

图5包括2004年至2015年各州对“哮喘”一词在线兴趣的变化。所有数据均可在多媒体附件1，表A2。

从2004年到2015年，“哮喘”一词在美国各州的搜索量显著增加，在81 - 100组中，搜索量最低的州是2007年，最高的州是2012年。2004年1月至2015年12月美国哮喘相关查询最多的包括“过敏性哮喘”(100)、“哮喘症状”(45)、“哮喘发作”(35)、“什么是哮喘”(25)、“哮喘吸入器”(20)、“哮喘儿童”(15)、“运动性哮喘”(15)、“哮喘药物”(10)、“过敏和哮喘中心”(10)。

很明显，网上对“哮喘”一词的行为变化描述了对所述疾病的行为。接下来的步骤是检查是否有可能预测美国的在线兴趣，并确定在线搜索流量数据和报告的哮喘病例之间的现有关系。

‎ 查看此图

‎ 查看此图

‎ 查看此图

‎ 查看此图

预测美国的在线兴趣

图6描述了2004年至2015年在线兴趣的变化，以及2005年至2020年的估计预测。估计模型非常接近美国在调查期间对“哮喘”一词的实际谷歌查询。

添加趋势和添加季节分量的加性Holt-Winters指数平滑参数为α=。33， β*=0， γ=.65。水平、趋势和季节系数的估计值为:a=69.54, b= -。07年,年代₁= -。94，年代₂= 1.44,_3.= 3.37,₄= 7.84,₅= 2.51,₆= -5.68,₇= -8.51,₈= -7.20,₉= 1.89,₁₀= 4.67,₁₁=1.11, s₁₂= -3.53。

为了说明预测模型的稳健性，对2016年1月至2017年6月期间“asthma”一词可用的谷歌查询对估计值进行了验证，如图所示图7．很明显，预测遵循相同的曲线，并很好地接近上述时期的实际谷歌趋势数据。

因此，网络行为具有季节性，是可以预测的。使用谷歌趋势来探索美国哮喘患病率的临近预测是否可行的最后一步是检查谷歌趋势数据与报告的寿命和当前哮喘之间的相关性。

谷歌趋势与报告哮喘

如图4在美国，每年的网上兴趣似乎都遵循着类似的季节性趋势，从1月到12月。为了详细说明季节性趋势，计算了每2年查询之间的Pearson相关性(表1)．2004 - 2015年每2年的月度谷歌Trends数据表现出较高的相关性，且所有比较均具有统计学意义P< . 05。

‎ 查看此图

‎ 查看此图

为了进一步探索美国在线搜索与哮喘患病率之间的关系，从2004年至2015年NHIS患病率数据中收集了所有年龄段的终生和当前哮喘年度病例数据[50]和BRFSS患病率数据[51] 2004年至2014年(表2)。

NHIS年度患病率数据与2004 - 2015年标准化谷歌趋势数据的年度平均值的Pearson相关性显示，终生哮喘之间存在高度相关性(r= .82,P=.001)和目前的哮喘(r= .77点,P =04)。BRFSS流行率数据也与谷歌终生趋势数据具有高度相关性(r=尾数就,P=.003)和目前的哮喘(r= .79,P= .002)。上述变量对的斯皮尔曼相关性都表现出相同的负相关关系，尽管并非所有变量都具有统计学意义。

尽管统计学意义显著，但所有Pearson相关性均为负，应采用滞后分析来确定哮喘在线兴趣和病例报告之间的响应时间间隔，反之亦然。虽然在调查期间，美国“哮喘”一词的谷歌趋势数据是每月一次，但有关终生和当前哮喘的数据是每年一次;在得到每周或每月的数据之前，不能做进一步的分析。

按州预测在线兴趣

为了证明在美国使用谷歌查询的哮喘患病率的临近预测方法是可行的，该方法应用于50个州和哥伦比亚特区，并显示出良好的预测结果。图8来11描述了2004年至2015年“哮喘”一词在线兴趣的变化，以及2016年至2020年4个人口最多的州(即加利福尼亚州、德克萨斯州、佛罗里达州和纽约州)的预测，所有州的图表都可以在多媒体附件2，图B1-B51。平滑参数的值α，β*,γ每个州的预测系数可以在多媒体附件1、表A3及A4。由于在线行为变化可以预测，哮喘病例数据与在线查询相关联，因此在提供短间隔数据(例如，每月、每周甚至每天)的情况下，哮喘的临近预测是可能的。

根据结果，从2016年到2020年，阿拉斯加、内布拉斯加州、新罕布什尔州、俄克拉荷马州和田纳西州的在线兴趣显示出不断增长的预测趋势。相反，特拉华州、堪萨斯州、俄勒冈州和弗吉尼亚州的在线兴趣从2016年到2020年呈下降趋势。总的来说，在整个调查期间，亚利桑那州、加利福尼亚州、康涅狄格州、佛罗里达州、佐治亚州、伊利诺伊州、印第安纳州、马里兰州、密歇根州、密苏里州、新泽西州、纽约州、北卡罗来纳州、宾夕法尼亚州、德克萨斯州和华盛顿州对“哮喘”一词表现出很高的兴趣，而夏威夷和怀俄明州对“哮喘”一词兴趣较低。从2004年到2016年，弗吉尼亚州是唯一一个在线兴趣表现出非常显著变化的州。

我们的研究表明，对各州哮喘在线行为的分析可以帮助预测哮喘患病率。由于搜索查询和哮喘报告在美国被证明是相关的，如果短间隔数据(例如，每周或每月)是可用的，一个强大的临近预测模型可以开发。

‎ 查看此图

‎ 查看此图

‎ 查看此图

‎ 查看此图

讨论

主要研究结果

在解决智慧健康与智慧城市管理的整合问题时，监测搜索流量数据可能有助于预测和即时预测，这也是以前关于这一主题的工作所建议的。这项研究表明，在线兴趣可以在全国和各州进行预测。因此，政府、政策制定者和卫生保健官员有能力使用这些数据来更好地解决美国卫生保健系统在国家、地区、州甚至城市层面的响应能力，以预测哮喘患病率。谷歌Trends还提供了详细的美国地区数据，这种方法也可以应用于其他国家。

谷歌趋势与人类行为之间的经验关系已被提出，因此，根据每日、每周或每月数据的可用性，可以使用在线搜索流量数据来预测美国哮喘患病率。本研究显示，在调查期间，每2年的在线搜索流量数据高度相关，谷歌Trends数据与2004 - 2015年美国报告的终生和当前哮喘病例相关。

在分析了调查期间美国在线兴趣的变化后，下一步是确定每两年(每月)搜索查询之间的任何季节性相似性。2004 - 2015年每2年对“哮喘”一词的命中数高度相关，季节效应明显;使用Holt-Winters指数平滑，估计了2016年至2020年全国和每个州在线兴趣的5年预测。与2016年1月至2017年6月的现有数据进行了验证，预测结果很好地拟合了同期的实际谷歌趋势数据，这表明使用所提出的方法可以准确预测一年内的季节性行为变化。谷歌趋势数据与报告的终生和当前哮喘病例相关，因此建议使用在线搜索流量数据来预测美国哮喘患病率。由于计算出的相关性在此时为负，并且互联网查询和哮喘报告之间存在滞后，反之亦然，因此需要短间隔数据(例如，每月、每周和每天-目前尚不可用)来识别上述滞后。

限制

这项研究有局限性。不能假设每个点击都对应一个哮喘病例，反之亦然，因为点击也可能归因于学术或研究原因或对该主题的普遍兴趣，而且它们可能受到新闻报道或社交媒体的影响。与哮喘相关的查询也可能受到一些因素的影响，比如健康保险的变化以及引发类似症状的天气或环境条件。尽管谷歌趋势和健康数据之间存在经验关系，但在检查在线查询时，这是一个普遍的限制。

这个样本并不具有代表性，尽管随着互联网普及率的提高，与哮喘病例相关的在线查询量可能也会增加。此外，在这一点上，使用在线搜索查询来预测哮喘患病率是不可能的，因为关于报告的寿命和当前哮喘的可用数据是每年一次的。如果每月、每周或每天的哮喘患病率数据可用，并且搜索流量数据与报告哮喘之间的相关性得到验证，那么可以进一步探索“临近预测哮喘”的可能性。

这项研究没有考虑到各州可能影响搜索模式的混杂因素，例如不同州的社会经济地位和人口统计数据，这些因素可能与哮喘患病率有关，因为这超出了本文的范围。后者，以及社会经济和文化差异对哮喘报告和在线搜索模式的影响，值得进一步研究。此外，更多与哮喘症状相关的搜索词，如“呼吸困难”和“喘息”，可以被纳入美国未来哮喘监测的研究中。

结论

这项研究的结果支持了以前关于这一主题的工作，并强调了在线数据在健康和医疗信息学中的价值。谷歌趋势数据已证明在监测、监视或预测流行病和疫情方面非常有用和有价值[20.，25-26，56]，以及其他互联网资源，如Twitter [57]、医疗门户网站[58]和百度[59］．与传统的调查方法不同，谷歌查询为我们提供了揭示的而不是陈述的用户兴趣[60]，而使用网络数据将有利于探索医疗问题中的行为[61］．传统来源的数据和大数据应该结合起来，以便充分利用所有可用的信息[62］．当每日、每周或每月报告的哮喘病例数据可用时，来自谷歌Trends等在线来源的数据可以集中使用，然后由州应用或由每个城市或州单独使用，有助于将智能健康概念整合到智能城市管理中。

互联网行为可以用信息流行病学指标来衡量，因为信息模式与人口健康有关[30.］．对哮喘的监测主要是通过全国性的调查和访谈进行评估，哮喘患病率的数据只有在哮喘病例报告后很长一段时间才能获得。对与哮喘相关的特定术语的即时预测谷歌查询可以帮助国家和州一级的卫生官员检测对这种疾病的任何行为变化，提供有效的资源分配和更具成本效益的哮喘评估方法。本研究表明哮喘患病率与谷歌趋势数据之间存在相关性。在未来，在线查询的分析在监测和评估美国医疗保健系统对哮喘患者入院和处方药需求的响应性方面可能是有价值的，以及在预测哮喘入院人数增加期间协助实施有针对性的健康干预和运动。