蘇逸飛 王穎 殷偉東 丁臘春 張偉

摘? ?要：文章設(shè)計(jì)并應(yīng)用了基于大數(shù)據(jù)的區(qū)域慢病綜合管理平臺(tái)，匯總了南京區(qū)域內(nèi)各醫(yī)療衛(wèi)生機(jī)構(gòu)的醫(yī)療健康數(shù)據(jù)，通過大數(shù)據(jù)、人工智能等技術(shù)研究，建立了專病檔案調(diào)閱、知識(shí)庫(kù)、管理系統(tǒng)等慢病管理工具等，并在現(xiàn)有的醫(yī)療、公共衛(wèi)生管理中，應(yīng)用慢病管理工具并反饋相關(guān)應(yīng)用效果，形成了數(shù)據(jù)采集、分析、應(yīng)用與反饋優(yōu)化的閉環(huán)式。平臺(tái)實(shí)現(xiàn)了區(qū)域內(nèi)慢病相關(guān)數(shù)據(jù)的共享，強(qiáng)化了各醫(yī)療衛(wèi)生業(yè)務(wù)之間的聯(lián)動(dòng)，提高了各醫(yī)療衛(wèi)生機(jī)構(gòu)的管理服務(wù)能力，有利于對(duì)慢病患者的長(zhǎng)期跟蹤和多維度管理。

關(guān)鍵詞：大數(shù)據(jù);人工智能;區(qū)域慢病管理

Abstract： This paper designs and applies the regional chronic disease comprehensive management platform based on big data， and summarizes the medical and health data of various medical and health institutions in Nanjing region. Chronic disease management tools are established such as special disease file access， knowledge base， management system， etc. Through the research of big data， artificial intelligence and other technologies， chronic disease management tools are applied in existing medical and public health management and feeds back relevant information Application effect， forming a closed-loop of data collection， analysis， application and feedback optimization. The platform realizes the sharing of chronic disease related data in the region， strengthens the linkage between medical and health services， improves the management and service ability of medical and health institutions， and is conducive to the long-term tracking and multi-dimensional management of chronic disease patients.

Key words： big data; artificial intelligence; regional chronic disease management

1 引言

隨著我國(guó)社會(huì)經(jīng)濟(jì)的快速發(fā)展，人口的老齡化以及導(dǎo)致慢性非傳染性疾?。ū疚暮?jiǎn)稱慢病）的各種行為危險(xiǎn)因素（吸煙、飲酒、缺乏體育鍛煉等）在人群中的強(qiáng)度不斷增加，慢病已成為我國(guó)多數(shù)地區(qū)的主要健康問題。據(jù)統(tǒng)計(jì)，我國(guó)居民慢病死亡占總死亡人數(shù)的比例高達(dá)86.6%，造成的疾病負(fù)擔(dān)已占總疾病負(fù)擔(dān)的70%以上，已成為影響國(guó)家經(jīng)濟(jì)社會(huì)發(fā)展的重大公共衛(wèi)生問題[1]。

《“健康中國(guó)2030”規(guī)劃綱要》《“健康江蘇 2030”規(guī)劃綱要》與《中國(guó)防治慢性病中長(zhǎng)期規(guī)劃（2017-2025）》相繼發(fā)布，我國(guó)慢病防控事業(yè)也迎來了新的機(jī)遇與挑戰(zhàn)。如何提高人均健康期望壽命，開展重大慢病高危人群篩查和干預(yù)，阻止、延緩發(fā)病或降低致殘率，已成為保障全民健康的重點(diǎn)工作之一。隨著大數(shù)據(jù)、人工智能技術(shù)的不斷發(fā)展，匯集和分析真實(shí)世界全人群的多維醫(yī)療衛(wèi)生數(shù)據(jù)，以此輔助和支撐區(qū)域慢病管理業(yè)務(wù)的開展，已具備了實(shí)踐的可行性[2，3]。在此背景下，本文設(shè)計(jì)并建設(shè)了一套區(qū)域慢病綜合管理平臺(tái)，匯集區(qū)域內(nèi)海量慢病相關(guān)數(shù)據(jù)，支撐區(qū)域內(nèi)各級(jí)醫(yī)療機(jī)構(gòu)和患者進(jìn)行慢病防控和干預(yù)，取得了良好的效果。

2 平臺(tái)總體功能設(shè)計(jì)

2.1 平臺(tái)整體設(shè)計(jì)思路和建設(shè)目標(biāo)

區(qū)域慢病綜合管理平臺(tái)以區(qū)域醫(yī)療大數(shù)據(jù)研究為切入點(diǎn)，立足為區(qū)域內(nèi)的醫(yī)療衛(wèi)生機(jī)構(gòu)和患者提供一套整體性的慢病管理工具。平臺(tái)建設(shè)首先對(duì)區(qū)域內(nèi)海量醫(yī)療健康大數(shù)據(jù)進(jìn)行采集、清洗、整理和集成，通過大數(shù)據(jù)、知識(shí)圖譜等技術(shù)，研究建立專病數(shù)據(jù)庫(kù)、專病知識(shí)庫(kù)、專病管理系統(tǒng)、智能提醒等慢病管理工具等，通過在現(xiàn)有的醫(yī)療、公共衛(wèi)生管理中應(yīng)用慢病管理工具并反饋相關(guān)數(shù)據(jù)，形成數(shù)據(jù)采集、分析、預(yù)警、干預(yù)與反饋優(yōu)化的循環(huán)閉環(huán)式遞進(jìn)[4]，如圖1所示。

2.2 平臺(tái)整體架構(gòu)設(shè)計(jì)

區(qū)域慢病綜合管理平臺(tái)分為數(shù)據(jù)中心層、支撐組件層和應(yīng)用服務(wù)層，如圖2所示。數(shù)據(jù)中心層以個(gè)人身份證為索引，匯聚區(qū)域內(nèi)的醫(yī)療健康大數(shù)據(jù)，并以糖尿病、高血壓等慢病為節(jié)點(diǎn)進(jìn)行分類匯聚形成專病數(shù)據(jù)庫(kù);支撐組件層在慢病大數(shù)據(jù)中心的基礎(chǔ)上建設(shè)慢病患者專病檔案、基于知識(shí)圖譜的慢病智能知識(shí)庫(kù)、風(fēng)險(xiǎn)預(yù)測(cè)預(yù)警的數(shù)據(jù)分析模型和個(gè)性化的患者健康肖像，以更好地支撐平臺(tái)的應(yīng)用服務(wù)層;應(yīng)用服務(wù)層與醫(yī)療衛(wèi)生機(jī)構(gòu)信息系統(tǒng)、智慧醫(yī)療區(qū)域信息系統(tǒng)對(duì)接，構(gòu)建門診、住院、家庭醫(yī)生、居家一體化的閉環(huán)疾病防控和干預(yù)服務(wù)體系，并通過PC端應(yīng)用、APP醫(yī)生端、APP患者端應(yīng)用服務(wù)協(xié)同，為公眾提供 “一站式”健康服務(wù)。

2.3 區(qū)域慢病數(shù)據(jù)上報(bào)

區(qū)域內(nèi)和慢病相關(guān)的數(shù)據(jù)來源較多，需要有一個(gè)較為權(quán)威的慢病發(fā)病數(shù)據(jù)源對(duì)各種來源的慢病數(shù)據(jù)進(jìn)行整合和串聯(lián)，并關(guān)聯(lián)和醫(yī)療、公共衛(wèi)生業(yè)務(wù)。在本項(xiàng)目中，開發(fā)了一套慢病數(shù)據(jù)直報(bào)接口，區(qū)域內(nèi)各醫(yī)療機(jī)構(gòu)通過接口上報(bào)五種類型慢?。ǜ哐獕?、糖尿病、腦卒中、冠心病、腫廇）的確診患者，接口內(nèi)容包括患者基本信息、診斷編碼、發(fā)病類型等。接口與醫(yī)療機(jī)構(gòu)HIS、電子病歷、病案系統(tǒng)等臨床業(yè)務(wù)系統(tǒng)的對(duì)接，大部分實(shí)現(xiàn)系統(tǒng)自動(dòng)報(bào)送，減輕慢病申報(bào)管理的工作量。上報(bào)的慢病發(fā)病數(shù)據(jù)根據(jù)患者的地址所屬管理轄區(qū)下發(fā)至各基層醫(yī)療衛(wèi)生機(jī)構(gòu)進(jìn)行確認(rèn)，高血壓、糖尿病患者經(jīng)確認(rèn)可納入基層醫(yī)療衛(wèi)生機(jī)構(gòu)的慢病管理專案，通過信息共享與工作聯(lián)動(dòng)實(shí)現(xiàn)慢病發(fā)病數(shù)據(jù)全體系綜合管理，慢病數(shù)據(jù)直報(bào)的整體工作流程如圖3所示。

2.4 慢病大數(shù)據(jù)中心

基于慢病的健康數(shù)據(jù)具有涉及面廣、種類多樣、增長(zhǎng)速度快、數(shù)據(jù)海量、適時(shí)性高等特點(diǎn)，為不同業(yè)務(wù)域不同來源的數(shù)據(jù)建立具有一致性的數(shù)據(jù)結(jié)構(gòu)后統(tǒng)一匯總，形成慢病大數(shù)據(jù)中心。慢病大數(shù)據(jù)中心沿個(gè)體生命歷程時(shí)間維度，實(shí)時(shí)采集、聯(lián)接和整合個(gè)人健康檔案、基本公共衛(wèi)生數(shù)據(jù)、健康體檢數(shù)據(jù)、臨床診療數(shù)據(jù)、疾病監(jiān)測(cè)數(shù)據(jù)、患者健康管理數(shù)據(jù)等，重點(diǎn)的業(yè)務(wù)包括區(qū)域慢病數(shù)據(jù)上報(bào)、體檢機(jī)構(gòu)體檢數(shù)據(jù)、醫(yī)院醫(yī)療數(shù)據(jù)、基層醫(yī)療衛(wèi)生機(jī)構(gòu)慢病管理數(shù)據(jù)等。數(shù)據(jù)包含結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，結(jié)構(gòu)化數(shù)據(jù)主要包括標(biāo)準(zhǔn)化文本信息、檢驗(yàn)檢查結(jié)果、病理分析等。非結(jié)構(gòu)化的數(shù)據(jù)包括非標(biāo)準(zhǔn)化文本數(shù)據(jù)、PACS影像數(shù)據(jù)等。

大數(shù)據(jù)中心通過數(shù)據(jù)收集層、數(shù)據(jù)存儲(chǔ)層、資源管理與服務(wù)協(xié)調(diào)，形成了完整的大數(shù)據(jù)中心業(yè)務(wù)邏輯，通過結(jié)構(gòu)化轉(zhuǎn)換，以各疾病數(shù)據(jù)集標(biāo)準(zhǔn)為依據(jù)，進(jìn)行對(duì)照轉(zhuǎn)換，統(tǒng)一存儲(chǔ)。按疾病數(shù)據(jù)字典標(biāo)準(zhǔn)對(duì)照，保證提取數(shù)據(jù)的一致性，消除數(shù)據(jù)在不同平臺(tái)、醫(yī)療機(jī)構(gòu)業(yè)務(wù)系統(tǒng)間的差異。經(jīng)過標(biāo)準(zhǔn)化后的數(shù)據(jù)進(jìn)入大數(shù)據(jù)中心，從數(shù)據(jù)標(biāo)準(zhǔn)化質(zhì)控、關(guān)聯(lián)性規(guī)則質(zhì)控、追溯核查、質(zhì)控規(guī)則引擎、數(shù)據(jù)質(zhì)量回溯等方面提升數(shù)據(jù)質(zhì)量，實(shí)現(xiàn)了從數(shù)據(jù)采集、分析、加工、展示全鏈路服務(wù)功能[5]。

2.5 慢病數(shù)據(jù)分析模型

在大數(shù)據(jù)中心劃分出大數(shù)據(jù)應(yīng)用生產(chǎn)區(qū)，用于部署數(shù)據(jù)挖掘、建模分析等應(yīng)用軟件系統(tǒng)。根據(jù)不同慢疾病研究需要，抽取不同病種對(duì)應(yīng)的數(shù)據(jù)子集到該區(qū)進(jìn)行開發(fā)利用，形成疾病大數(shù)據(jù)標(biāo)簽和重點(diǎn)人群研究隊(duì)列。

探索本區(qū)域慢病及危險(xiǎn)因素監(jiān)測(cè)數(shù)據(jù)的分析模型和指標(biāo)，結(jié)合Logistic回歸分類算法，以病種為因變量，年齡、婚姻狀況、文化程度、職業(yè)、體質(zhì)指數(shù)、吸煙情況、血脂異常、高血壓等為自變量，進(jìn)行慢病獨(dú)立危險(xiǎn)因素的模型建立。結(jié)合隨機(jī)森林分類算法、K-Means聚類算法、決策樹分類算法，進(jìn)行慢病相關(guān)癥狀、藥物的分析、健康危險(xiǎn)因素、并發(fā)癥風(fēng)險(xiǎn)、治療效果等分析，從而更好地支撐慢病的預(yù)防和干預(yù)[6]。

建立慢病相關(guān)的知識(shí)體系，構(gòu)建不同概念和數(shù)據(jù)之間的關(guān)系信息。邏輯推理層描述從抽象概念中抽取高級(jí)語義信息的過程。邏輯推理以專家知識(shí)為指導(dǎo)，通過定義概念之間的相關(guān)推理關(guān)系，從大量的元數(shù)據(jù)中歸納推理出新的知識(shí)內(nèi)容。邏輯推理過程依賴于概念的抽象化知識(shí)表示，而專家知識(shí)則以規(guī)則的方式進(jìn)行體現(xiàn)[7]。

建立混合式多源數(shù)據(jù)分析框架，建立不同系統(tǒng)不同數(shù)據(jù)的統(tǒng)一表示方式，從交互特征、語義特征和拓?fù)涮卣鞯冉嵌确治鰯?shù)據(jù)與健康屬性之間的關(guān)系，從海量多源、含噪的健康醫(yī)療數(shù)據(jù)中，提取隱含潛在的有用信息和知識(shí)，發(fā)現(xiàn)具有高相關(guān)性的變量群[8]。建立數(shù)據(jù)分析模型對(duì)納入模型中的自變量進(jìn)行篩選，提取與健康事件相關(guān)的風(fēng)險(xiǎn)因素，采用本體表示模型抽象不同數(shù)據(jù)之間的關(guān)系，并基于知識(shí)推理構(gòu)建相應(yīng)的計(jì)算模型。

最后借助詞向量的文本表示技術(shù)，提出由數(shù)據(jù)判斷用戶健康屬性的算法。

2.6 慢病管理服務(wù)集成

平臺(tái)在整合區(qū)域數(shù)據(jù)、建立智能分析工具的基礎(chǔ)上，建立智能提醒、慢病檔案調(diào)閱、糖尿病一體化管理系統(tǒng)、預(yù)約掛號(hào)繳費(fèi)、個(gè)人健康管理、分級(jí)診療等一系列慢病管理服務(wù)，這些服務(wù)大多可通過服務(wù)接口的方式供醫(yī)院等第三方機(jī)構(gòu)業(yè)務(wù)系統(tǒng)調(diào)用，也有部分服務(wù)集成進(jìn)慢病綜合管理平臺(tái)，通過各類系統(tǒng)界面供醫(yī)療衛(wèi)生機(jī)構(gòu)、患者直接使用[9]。

智能提示服務(wù)可以在慢病患者就醫(yī)時(shí)提示醫(yī)生該患者屬于慢病患者，并跳出最近的用藥、檢驗(yàn)等記錄供醫(yī)生參考。醫(yī)生處理接診、錄入診斷、錄入處方或醫(yī)囑、住院登記以及主動(dòng)報(bào)卡時(shí)，由醫(yī)生工作站調(diào)用智能提示動(dòng)態(tài)鏈接庫(kù)中的統(tǒng)一函數(shù)，按智能提示產(chǎn)品接口規(guī)范傳入相關(guān)數(shù)據(jù)，由智能提示前哨程序發(fā)送給智能提示服務(wù)中心，服務(wù)中心將根據(jù)預(yù)先配置的應(yīng)用列表，逐個(gè)查詢各個(gè)相關(guān)應(yīng)用，并將提示結(jié)果返回給客戶端進(jìn)行展示。

慢病專病檔案在匯總區(qū)域內(nèi)醫(yī)療衛(wèi)生數(shù)據(jù)的基礎(chǔ)上，展示患者的基本信息、近期診斷記錄、用藥記錄、醫(yī)囑記錄、檢驗(yàn)檢查等數(shù)據(jù)，通過時(shí)間軸的方式展示患者近期的醫(yī)療和公衛(wèi)體檢隨訪等健康記錄，支持查看記錄詳細(xì)信息。

糖尿病一體化管理系統(tǒng)是基于大數(shù)據(jù)和人工智能技術(shù)應(yīng)用的糖尿病患者教育管理支持工具[10]。系統(tǒng)作為區(qū)域慢病綜合管理平臺(tái)的子模塊，與平臺(tái)數(shù)據(jù)中心、專病檔案、數(shù)據(jù)分析模型高度整合，通過中心端集中部署的方式供區(qū)域內(nèi)各級(jí)醫(yī)療衛(wèi)生機(jī)構(gòu)使用。系統(tǒng)支持醫(yī)護(hù)人員開設(shè)糖尿病教育門診，為患者提供首診評(píng)估、個(gè)性化自我管理處方以及居家全程智能跟蹤管理服務(wù)，支持基層醫(yī)療衛(wèi)生機(jī)構(gòu)開展規(guī)范化、個(gè)性化糖尿病健康教育服務(wù)和智能公衛(wèi)隨訪服務(wù)，提高基層醫(yī)護(hù)人員糖尿病教育管理能力和效率。

糖尿病一體化管理系統(tǒng)在首診時(shí)收集、儲(chǔ)存患者信息，對(duì)接慢病專病健康檔案，基于專業(yè)問卷和標(biāo)準(zhǔn)對(duì)患者病情、自我管理能力等進(jìn)行評(píng)估、分級(jí)分層，自動(dòng)生成評(píng)估總結(jié)，并在此基礎(chǔ)上根據(jù)患者病情進(jìn)行個(gè)性化的跟蹤干預(yù)，分析患者自我行為的管理問題，結(jié)合患者各項(xiàng)數(shù)據(jù)進(jìn)行綜合評(píng)估，智能生成控制目標(biāo)、血糖監(jiān)測(cè)方案、飲食治療方案、運(yùn)動(dòng)治療方案、糖尿病知識(shí)學(xué)習(xí)計(jì)劃。

公衛(wèi)隨訪模塊能夠同步公衛(wèi)慢病管理中患者檔案的最新信息，支持慢病管理隨訪表及可自定義設(shè)置隨訪問卷。隨訪問卷可以下發(fā)患者填寫，也可以由醫(yī)生在線填寫。系統(tǒng)與南京市公眾健康服務(wù)平臺(tái)實(shí)現(xiàn)對(duì)接，知識(shí)推送、血糖及血壓智能干預(yù)內(nèi)容、管理處方報(bào)告、隨訪問卷、隨訪報(bào)告等內(nèi)容，可推送至健康南京APP等移動(dòng)應(yīng)用，對(duì)患者進(jìn)行智能干預(yù)服務(wù)。

南京市在前期的智慧醫(yī)療建設(shè)中已經(jīng)建立了較為完善的服務(wù)體系，慢病綜合管理平臺(tái)與南京市區(qū)域衛(wèi)生信息平臺(tái)、公眾健康服務(wù)平臺(tái)、家庭醫(yī)生和分級(jí)診療系統(tǒng)等實(shí)現(xiàn)了對(duì)接，慢病專病數(shù)據(jù)庫(kù)和區(qū)域衛(wèi)生信息平臺(tái)數(shù)據(jù)庫(kù)實(shí)時(shí)同步，并可通過調(diào)用智慧醫(yī)療服務(wù)實(shí)現(xiàn)掛號(hào)、繳費(fèi)、轉(zhuǎn)診、個(gè)人健康管理等業(yè)務(wù)。

3 平臺(tái)應(yīng)用實(shí)踐效果

3.1 數(shù)據(jù)匯總情況

慢病專病數(shù)據(jù)庫(kù)的數(shù)據(jù)匯總以診斷描述、診斷編碼、就診科室、用藥、檢驗(yàn)檢查指標(biāo)等作為入庫(kù)條件，原則上盡可能多地獲取類似病歷進(jìn)入專病數(shù)據(jù)庫(kù)，采集的慢病類型有五種，包括高血壓、糖尿病、腫瘤、冠心病、腦卒中。

目前，數(shù)據(jù)的主要來源是醫(yī)療機(jī)構(gòu)的體檢數(shù)據(jù)、醫(yī)療數(shù)據(jù)、慢病報(bào)病數(shù)據(jù)、公衛(wèi)慢病隨訪體檢數(shù)據(jù)等，在經(jīng)過數(shù)據(jù)整理和匯總后共收集糖尿病患者280879人（其中住院患者14243人）、門診高血壓患者677308人（其中住院患者7076人）、腫瘤患者77469人（其中住院患者19898人）、冠心病患者10364人、腦卒中患者20476人的醫(yī)療健康數(shù)據(jù)，對(duì)其中的高血壓、糖尿病相關(guān)數(shù)據(jù)進(jìn)行了數(shù)據(jù)解析、清洗、字典轉(zhuǎn)換、語義映射等處理，形成了兩個(gè)專病數(shù)據(jù)庫(kù)。

3.2 集成服務(wù)應(yīng)用情況

平臺(tái)針對(duì)二級(jí)以上醫(yī)療機(jī)構(gòu)和基層醫(yī)療衛(wèi)生機(jī)構(gòu)應(yīng)用不同的集成服務(wù)。針對(duì)醫(yī)療機(jī)構(gòu)現(xiàn)已開展應(yīng)用的是慢病檔案調(diào)閱、智能提示和糖尿病一體化管理系統(tǒng)。慢病檔案調(diào)閱和用藥等記錄的智能提示，健康檔案調(diào)閱和智能提示已接入13家二級(jí)以上醫(yī)療機(jī)構(gòu)和12個(gè)區(qū)衛(wèi)健委，累計(jì)調(diào)閱次數(shù)突破50萬人次。

糖尿病一體化管理系統(tǒng)整合了平臺(tái)的數(shù)據(jù)和服務(wù)功能，實(shí)現(xiàn)了患者檔案信息的實(shí)時(shí)共享同步，向醫(yī)療機(jī)構(gòu)提供了基于算法模型的管理處方、可自定義的患者智能隨訪，并將相關(guān)管理信息通過健康南京APP向患者同步。目前，一體化管理系統(tǒng)已接入三家醫(yī)療機(jī)構(gòu)，還在進(jìn)一步完善中。

基層社區(qū)衛(wèi)生機(jī)構(gòu)開展的應(yīng)用主要包括慢病專案數(shù)據(jù)同步、公衛(wèi)智能隨訪和管理處方等功能。平臺(tái)將新發(fā)的慢病患者信息按區(qū)屬分發(fā)至各行政區(qū)，各行政區(qū)社區(qū)衛(wèi)生服務(wù)中心將所屬的患者信息進(jìn)行核實(shí)和確認(rèn)，并更新至公衛(wèi)慢病專案。社區(qū)衛(wèi)生服務(wù)中心可通過管理處方的輔助推薦，對(duì)患者的飲食、用藥、運(yùn)動(dòng)、睡眠等情況進(jìn)行綜合管理，可通過健康南京APP向患者發(fā)送公衛(wèi)隨訪的問卷，實(shí)現(xiàn)智能隨訪。

4 結(jié)束語

本文通過基于大數(shù)據(jù)的區(qū)域慢病綜合管理平臺(tái)的設(shè)計(jì)、建設(shè)和實(shí)施，統(tǒng)一匯總和整理了南京市區(qū)域內(nèi)各級(jí)醫(yī)療衛(wèi)生機(jī)構(gòu)的慢病相關(guān)數(shù)據(jù)，在此基礎(chǔ)上依托大數(shù)據(jù)、人工智能等技術(shù)，建立了專病檔案調(diào)閱、專病知識(shí)庫(kù)、專病管理系統(tǒng)、智能提示等一系列慢病管理相關(guān)的集成服務(wù)，集成服務(wù)開放給區(qū)域內(nèi)各級(jí)醫(yī)療衛(wèi)生機(jī)構(gòu)，并通過管理處方、患者端APP等對(duì)患者實(shí)現(xiàn)運(yùn)動(dòng)、飲食、用藥等多維度的長(zhǎng)期健康管理。平臺(tái)的建設(shè)提升了醫(yī)療衛(wèi)生數(shù)據(jù)的利用效率，建立了相關(guān)數(shù)據(jù)模型，為慢病患者提供全程健康服務(wù)，初步實(shí)現(xiàn)了區(qū)域慢病綜合協(xié)同管理體系，并為后續(xù)基于大數(shù)據(jù)的研究創(chuàng)造數(shù)據(jù)研究?jī)r(jià)值。

基金項(xiàng)目：

江蘇省社會(huì)發(fā)展重大科技示范項(xiàng)目（項(xiàng)目編號(hào)：BE2018607）。

參考文獻(xiàn)

[1] 呂蘭婷，鄧思蘭.我國(guó)慢性病管理現(xiàn)狀、問題及發(fā)展建議[J].中國(guó)衛(wèi)生政策研究，2016（07）：1-7.

[2] 龔希若.關(guān)于區(qū)域醫(yī)療信息化建設(shè)的思考[J].網(wǎng)絡(luò)空間安全， 2011（05）： 59-61.

[3] 孟群，尹新，陳禹.互聯(lián)網(wǎng)+慢病管理的研究與實(shí)踐[J].中國(guó)衛(wèi)生信息管理，2016，2：119-123.

[4] Ahmed S，Bartlett SJ，Ernst P，et al.Effect of a web-based chronic disease management system on asthma control and health-related quality of life：study protocol for a randomized controlled trial [J].Trials， 2011，12：260.

[5] 林青，黃玉蕾.醫(yī)療衛(wèi)生領(lǐng)域大數(shù)據(jù)共享的應(yīng)用研究[J].網(wǎng)絡(luò)空間安全，2016（04）：12-14.

[6] 史倩楠，馬家奇.公共衛(wèi)生大數(shù)據(jù)分析方法與應(yīng)用方向[J].中國(guó)數(shù)字醫(yī)學(xué)， 2016（02）：10-12.

[7] 俞思偉，范昊，王菲，等.基于知識(shí)圖譜的智能醫(yī)療研究[J].醫(yī)療衛(wèi)生裝備，2017（03）：109-111.

[8] 梁小華，顧東風(fēng).慢性非傳染性疾病管理模型的構(gòu)成及應(yīng)用前景[J].中華預(yù)防醫(yī)學(xué)雜志，2011，45（3）：200-204.

[9] 梁宗強(qiáng)，趙延紅，黃若文，等.基于慢病管理和雙向轉(zhuǎn)診的區(qū)域分級(jí)診療信息化建設(shè)實(shí)踐與探討[J].中國(guó)數(shù)字醫(yī)學(xué)， 2017，12（6）：16-18.

[10] 湯利華，譚興容，湯世國(guó)，等.醫(yī)院社區(qū)糖尿病一體化管理模式的有效性初探[J].中國(guó)衛(wèi)生標(biāo)準(zhǔn)管理，2018（01）：196-198.