目的:设计医联体数据集成与共享平台,以提升医联体同质化管理水平和区域整体医疗服务水平.方法:该平台采用基于Hadoop生态的云平台架构,使用Java作为主要开发语言,以Apache HDFS和Apache MapReduce为主要底层技术.整个平台包括数据集成与治理、数据资源仓储、数据服务支持和安全对接中心四大核心模块.结果:采用该平台可实现医联体数据资源的整合和治理,同时提供面向管理、临床、科研的应用服务,充分挖掘医联体数据的应用价值.结论:该平台可完成医联体机构数据资源的整合,实现医联体数据价值释放与信息共享互联.

为了有效管理复杂的中医药大数据资源,基于Hadoop平台构建了中医药大数据管理模型.该模型分为4个部分:中医药大数据采集模块、中医药大数据存储模块、中医药大数据分析模块和中医药大数据应用模块.对该模型的4个组成部分进行了深入地探索和研究,并基于该模型搭建了中医药大数据处理平台.该平台经过实验测试,运行稳定,能够实现动态、一体化的中医药大数据的采集、存储、分析及应用任务,实现了有效管理复杂中医药大数据的目的.

目的 分析脉象识别误差大小的影响因素,提高对海量脉诊数据的处理速度,探索减小脉象主观识别误差的方法.方法 运用基于Hadoop环境的MapReduce分布式计算方法改进BP算法,采用改进的BP算法对脉诊样本数据进行自学习,从而减小拟和误差.将中医电子脉诊仪采集的脉诊数据作为神经网络输入层,采用动量-学习率自适应调整快速BP算法对神经网络进行训练.结果 在训练集(75%)768 M共35890条数据中,单机模式正确预测29150条,正确率为81.22%;MapRedece并行改进的BP算法模式正确预测35841条,正确率为99.86%.结论 与传统BP算法相比,基于Hadoop环境的MapReduce分布式计算方法改进的BP算法模型拟合度误差更小,精确度更高.

针对海量中医药信息中数据对象属性项的不确定性、数据表述的多样性、抽象性,导致传统数据管理模式无法对其进行有效管理的问题,提出基于大数据技术的中医药数据管理策略.该策略基于中医药数据的真实特性,利用大数据技术对存储对象属性的无模式特性来解决中医药信息中描述对象属性项的不确定性与数据表述不统一性问题、采用混合索引模式解决不同存储模式的数据在索引过程中的冲突问题、通过MapReduce高效并行处理能力解决海量数据查询处理.理论分析给出了中医药数据的管理框架及其关键技术,实验以几种常见的中医药和处方在中医药数据源中的真实描述作为测试对象,在Hadoop上对其性能表现进行了检验.实验结果显示,该模型能有效解决中医药信息数据的存储问题,且在查询效率、完备性以及抗灾能力方面有很好的表现.

大数据技术在当下被广泛关注,构建中医药大数据平台是未来强化中医药行业竞争力的有力武器.本文通过解析中医药大数据特性,设计和研究中医药大数据平台的基础架构,通过合理设计和部署集群、网络和服务器等环境,力求提供稳定可靠的中医药大数据基础平台环境.

目的 了解脑卒中患者高血压及其相关因素的情况.方法 利用FusionInsight Hadoop数据处理平台筛选出脑卒中住院患者28 523例[正常血压7908例,高血压20 615(男性16 366、女性12 157)例],分析其性别、年龄、血压、脉压以及同型半胱氨酸(Hcy)等指标.结果 脑卒中患者年龄(54.6±16.8)岁;其中缺血性脑卒中19 222例,占67.4％,出血性脑卒中9301例,占32.6％.合并高血压的脑卒中患者比例高于正常血压的患者(缺血性脑卒中:67.3％比32.7％;出血性脑卒中:82.6％比17.4％;总人群:72.3％比27.7％);年龄分布以60～＜80岁比例最高,其次是45～＜60岁(47.9％比28.8％).脉压超过正常值(≥40 mmHg)的脑卒中患者占86.1％(缺血性脑卒中占86.1％,出血性脑卒中占86.2％);Hcy超过正常值上限(≥10 μmol/L)的脑卒中患者占92.7％(缺血性脑卒占92.8％,出血性脑卒中占92.4％).Logistic回归分析结果显示,年龄、收缩压、脉压、血糖与脑卒中呈正相关(OR值分别为1.034、1.037、1.027和1.024),而舒张压与脑卒中呈负相关(OR值为0.983,均P＜0.05).结论 脑卒中患者的血压、脉压、Hcy水平均升高.

目的:解决医院临床科研数据利用问题,唤醒临床工作中产生的“沉睡的数据”.方法:引入基于Hadoop、MongoDB等技术框架的大数据技术,通过ETL工具抽取清洗,整合各临床业务系统的数据,采用ElasticSearch等自然文本语言处理技术,再将其归一、结构化,以便于进行多学科临床科研系统建设探索.结果及结论:满足临床科研人员回顾性研究多重条件检索的要求,并进一步讨论了临床大数据应用重点思考的问题,对提高临床科研工作效率具有较大意义.

目的:为全国范围内肿瘤信息互联互通提供基础支撑,向各级医院提供肿瘤诊疗协作服务.方法:从总体框架、技术架构包括云中心物理架构以及业务架构几个层面规划并设计信息系统.结果:设计肿瘤大数据中心信息系统,能够采集、存储、分析各级医院恶性肿瘤诊疗信息,并提供远程医疗服务.结论:建设肿瘤大数据中心实现区域各级肿瘤专科医院与综合性医院肿瘤信息聚合,并提供远程服务,对优化调整癌症防控策略与防治工作意义重大.

目的:探索区域健康医疗大数据平台、数据库及示范应用系统建设内容与技术路线.方法:从《促进和规范健康医疗大数据应用发展的指导意见》入手,设计平台顶层架构、总体技术架构、应用系统与数据库逻辑架构及总体技术路线,解决健康医疗大数据采集、传输、存储、处理、检索及计算等问题.结果:设计的区域健康医疗大数据平台能够实现资源共享规范化及管理集约化、公卫决策可量化、健康服务民生化、领导服务全局化、部门服务专业化、企业服务一站化、公众服务便捷化.结论:健康医疗大数据已成为国家重要的基础性战略资源,打造区域健康医疗大数据平台,科学合理地利用健康医疗大数据,不但能够改进健康医疗服务模式,更好地解决老百姓的迫切需求,更能推动经济社会发展.

目的 为解决传统方法采集、存储和处理海量中医药数据的低效问题,探索数据管理的新策略.方法 根据中医药数据的典型特征,设计基于Hadoop的分层管理架构,对串行数据挖掘算法进行MapReduce 化改进;部署单节点服务器和分布式集群,采用8组不同规模的数据集,进行数据采集实验和串并行算法实验.结果 数据传输时间在非分布式环境下通常超过3000 s,增幅较大,而在分布式集群下一般不超过300 s,增幅平缓;当数据规模超过一定范围后,与伪分布式和完全分布式下的并行算法比较,非分布式下串行算法的运行耗时急剧增加.结论 与传统单节点系统相比,基于Hadoop的中医药数据管理平台采集、存储及处理海量数据的效率明显提高,尤其适用于大规模非结构化或半结构化的中医药数据.