健康医疗大数据研究热点与前沿的可视化分析

可视化分析律琼馨①刘智勇①彳文章编号：1672-5166 (2019)06-0655-07中图分类号：R-39； C39文献标志码：A摘 要目的梳理健康医疗大数据领域相关文献并进行可视化分析，为开展进一步研究提供参考。方法以

Web of Science核心合集为数据源，利用VOSviewer对关键词进行共现聚类，采用Citespace探测研究前沿。结果共检索到相关文献2 818篇。聚类分析得到5个研究主题，分别为健康医疗大数据技术研究、在精准医学 及靶向治疗中的应用、在疾病危险因素识别及监测中的应用、电子健康记录相关研究、健康医疗大数据发展 面临的挑战。研究前沿包括健康医疗大数据管理、数据挖掘、生物信息学、患者安全与隐私问题，以及疾病 监测等。结论我国应追踪该领域研究热点与前沿，采取一定措施促进国内健康医疗大数据研究的进一步 发展。关键词健康医疗大数据文献计量研究热点研究前沿可视化分析Visualization Analysis of Research Hotspots and Frontiers of Big Data in Health CareLV Qiongxin, LIU ZhiyongSchool of Medicine and Health Management, Tongji Medical College, Huazhong University of Science and

Technology, Wuhan 430030, Hubei, ChinaAbstract Objective To sort out and visualize the literature in the field of big data in health care and provide reference for researchers to carry out further research. Methods Using Web of Science core

collection as data source, the keywords were clustered by VOS viewer and the research frontiers were detected by Citespace. Results A total of 2 818 related articles were retrieved. Cluster analysis obtained

5 research topics: research on big data technology in health care, application in precision medicine and targeted therapy, application in disease risk factors identification and monitoring, electronic health records

related research, and challenges faced by the development of big data in health care. Research frontiers

include health care big data management, data mining, bioinformatics, patient safety and privacy issues, and disease surveillance. Conclusion The research hotspots and frontiers in this field should be tracked

and certain measures should be taken to promote the further development of big data in health care in China. Keywords big data in health care; bibliometrics; research hotspot; research frontier; visualization analysis①华中科技大学同济医学院医药卫生管理学院，湖北省武汉市，430030作者简介：律琼馨G997-),女，硕士研究生；研究方向：卫生信息管S； E-mail： 3046795983@qq.com通信作者：刘智勇(1974—),男，博士，副教授，博士生导师；研究方向：卫生信息政策、医院管理E-mail： zhiyongliu@hust.edu.cn △通信作者655©中国卫生｛&息管理杂志2019年 12月第16卷第6期 Chinese Journal of Health Informatics and Management, Dec. 2019, Vol. 16, No.6@健康医疗大数据应用发展专栏 /BIGDATAAPPUCMlOIIAIIDDHBLOPIIHITOFHMmilMRE0引言随着“互联网+”的快速发展，健康医疗领域产生

的数据量迅猛增长。健康医疗大数据是指所有与医疗和

生命健康相关的，以及患者在受到医疗照护期间产生数 据的集合⑴。从数据产生的来源上看，健康医疗大数据

主要包含医疗大数据、健康大数据、生物大数据及经营 运营大数据4类它具备大数据典型的5V特点，即 数据体量大(volume).数据类型多(variety)、处理

速度快(velocity)、真实性强(veracity)、价值密度低

(Value) [3]o通过对这些数据进行挖掘、分析，可加强

对疾病的早期诊断、早期治疗，也可加强对人群的保健

及护理，进而带来显著的临床效益及经济效益⑷。在麦 肯锡的一项报告指出：医疗行业大数据的应用可为美国 的医疗卫生机构每年节省约3 000亿美元的支出⑸。然而，目前国内外相关研究集中在健康医疗大数据

的工程应用部分，包括数据的采集与存储及医患互动 等⑸。在理论层面，多数研究仅停留在评述其如何大或

是如何有用上同，从计量学角度对当前该领域研究进行 梳理与分析的较少。因此，本文试图采用文献计量及可 视化方法对该领域文献进行分析，借助知识图谱直观展 示其研究热点及前沿趋势，以期为国内研究者开展相关

研究提供参考。1资料与方法1.1资料来源以Web of Science核心合集为数据源，选择高

级检索途径，检索策略TS=(health OR healthcare OR

clinical OR medical OR medicine) AND TS= \"big data\文献类型限定为Article或Review,检索年限

不限。共检出相关文献2 818篇(检索时间：2018年

12月25日)o1.2分析方法将下载的文献题录导入韦目共现分析系统

(Bicomb2 ),提取文献的年代、期刊、作者机构、关

键词等字段内容进行统计分析。利用可视化软件

@656VOSviewer对关键词进行聚类，得到健康医疗大数据领

域的研究热点。借助Citespace的突变词检测功能，探 测该领域研究前沿。2结果与分析2.1时间分布Web of Science中收录的关于健康医疗大数据的

文献最早发表于2009年，描述了一种可采集、压缩、

加密和存储大规模数据的电生理学平台问。自2013年

起，该领域发文量迅速增长，这与2012年联合国发布

《大数据促进发展：挑战与机遇》白皮书，美国前总统 奥巴马宣布启动“大数据研究与开发计划”，以及此后

英国、日本等多个国家相继发布一系列大数据技术研究

和发展计划⑺密切相关。见图1。1200 —年份图1健康医疗大数据领域论文时间分布2.2期刊分布共1 397种期刊发表了健康医疗大数据相关文献,

载文量排名前10的期刊所刊载的文献量为总文献的

10.72%,见表1。根据布拉德福定律，可以认为，这些

期刊为健康医疗大数据领域核心区期刊，在推动该领域 的发展上起着重要作用。其中《PLOSONE》发文最多， 达53篇。其次为《IEEE ACCESS》《JOURNAL OF

MEDICAL SYSTEMS),均超过30篇。综合来看，该领

域载文期刊以美国期刊为主，其他有荷兰、加拿大、英 国等。期刊类别以计算机科学为主，其次有生物医学、

医学信息学及卫生保健科学等。Chinese Journal of Health Informatics and Management, Dec. 2019, Vol.16, No.6 中国卫生信息管理杂志2019年12月第16卷第6期JHtDmAAPPUCAnONANDDEVELOPMENTOFHEAITHCAREjgf^^fggf展专栏2.3国家/地区和机构分布表1健康医疗大数据领域期刊分布2 818篇文献来自68个国家/

地区的3 598个研究机构。美国发

文量最多，为1 288篇（占总文献 量的45.71%）;中国排名第2位，

共发文427篇（占15.15% ）;其次

为英国、澳大利亚、德国、加拿大 等。从研究机构看，哈佛大学、加

州大学系统排名前2位，是国际上 该领域发文超过100篇的仅有的2

所机构。排名前15位的机构中有

12所来自美国，与文献的国家/地

区分布相符。其余的3所机构，英 国的伦敦大学位列第4位，牛津大

学排名第12位，中国科学院排名

第14位。这15所机构除麻省总医 院外，大多为高等院校。表明高等

院校是推动健康医疗大数据研究进

程的主力军。见表2。2.4高频关键词分布对关键词进行词频统计，去 除无法反映研究主题的“big

data\" “health”等词，合并表达相

同含义的词如\"个性化医疗”\"精 准医疗\"等。由表3可见，system

位列第1,表明大数据相关系统在

医疗卫生领域的建立是研究的热点

问题；machine learning、modeK

networks data mining 等词代表了

健康医疗大数据的相关技术研究;

precision medicine、cancer 等词

反映了大数据在医疗卫生领域的特 色应用对象；risk、disease等词代

表了大数据在疾病危险因素监测中

的应用；关键词privacy近几年出表2健康医疗大数据领域研究机构分布序号机构名称文献量百分比所属国家1哈佛大学1555.500%美国2加州大学系统1384.897 %美国3美国国立卫生研究院893.158%美国4伦敦大学893.158%英国5波士顿医疗保健系统842.981%美国6德克萨斯大学系统662.342%美国7斯坦福大学642.271%美国8密歇根大学531.881%美国9密歇根大学系统531.881%美国10麻省综合医院511.810%美国11宾夕法尼亚联邦高等教育系统511.810%美国12牛津大学501.774%英国13华盛顿大学471.668%美国14中国科学院461.632%中国15加州大学洛杉矶分校461.632%美国65\"中国卫生信息管理杂志2019年 12月第 16卷第6期 Chinese Journal of Health Informatics and Management, Dec. 2019, Vol.16, No.6^^M^t^^^^B^^^^/l^nSAPSlCimONANDDEVELOPiENTOFHElUTHCARE现频次较多，表示越来越多的学者开始关注健康医疗大 数据的安全隐私问题。2.5研究热点分析利用VOSviewer对健康医疗大数据领域的关键词 进行共现分析，绘制关键词共现网络视图及密度视图，

其中不同颜色代表不同的聚类，显示该领域的研究热

点，见图2、图3Oprot*science

. plat*3rm

cell lun*can•atic

爭no.dg§innolWoiTlmap.ucsu.ai 7 Et.ate.risk—tors ch,3 di*c4>activity inas：爲“•tr*s2n P*st“e risk electrqgic health recordsdepQ器叫•】e5

data sciencealzheim^t-disease 'publi^^alth rnqfle S °

qngjity persaectwireless sei*)r netv^ks• • '■

iingsctvaWon—冋昨.分破5perfogjiance七闿今

su*rymachine learni

gence

featWlection・predictiMganalyticssupportvetor machine

neuralt«orks(J2・reco^Htlondeep learning图2 关键词共现网络视图proteomicssystemsbiologygenome

biologygenome-wideassociate用genomicsdiscovery 100

biomarkers

bioinformaticsdata sharing

medicine

science.platform cell lung-precisionbreast-cancernetworP orma hadoop.. ethicsinnovation P。©chinacanceridentification medicinedatabase social media ImplementationprivacycloudmewnaiysiSunited-statesbig-data patientrisk-factorschildren disease >urechallengessecurityassociatioepidemiologyphysical-activity information trends safetj^J SVStem■ design

cloud computingsgke prevalencemortality therapy risk electronic health records |||■

networksinternet ofthingsdata sciencealzheimers-diseasq)ublic health mode S葩em环 ealthcar『「ek'networksdataimpact mining

data analyticsvalidationpredictionperformance big data analyticssurgeryrecordsmachine learningalgorithmbusinessintelligencepredictive analyticssupportvector machineclassificationdeep learning图3关键词共现密度视图2.5.1健康医疗大数据技术研究健康医疗大数据的发展需要相关专业技术的支持,

大量结构化和非结构化的医疗数据需要采用一定技术进 行分析处理。当前，该领域在探讨医疗大数据系统、机& 658器学习、模型、网络、数据挖掘、云计算、框架等技术

上较多。数据挖掘可迅速从大量医疗数据中提取有用的 知识。机器学习是数据挖掘可使用的方法，也是人工智

能的核心。神经网络是传统的机器学习模型之一。深度 学习比机器学习更为复杂，拥有更加强大的预测模型。

上述技术的应用有助于提高医疗服务工作的效率、效益 和质量。例如：作为劳动密集型工作的疾病诊断是医疗 服务的重要内容，而基于诊断数据的机器学习的引入不

仅可以削减成本，还可更快、更准确地进行疾病预测和

诊断［8］o人工神经网络可用于预测晚期头颈部癌症的存

活率、宫颈癌放疗后的存活率，以及在肺放射治疗中预

测肺炎等［9］o2.5.2在精准医学及靶向治疗中的应用个体化医疗的说法由来已久，2015年美国前总统

奥巴马“精准医学”计划的提出，把其推向世界关注的

地位血。基础研究如基因组学、生物信息学等学科的 进步，以及社交媒体和移动设备的应用均推动了精准治 疗的发展。在疾病研究中，肿瘤精准治疗最为突出，其

中以对乳腺癌的研究最多。靶向治疗是精准医学的重要 组成部分，借助基因组测序大规模数据分析，能够鉴定 出敏感基因和抵抗基因，从而对不同患者采取不同的治

疗策略，提高治疗效果，减少治疗的副作用。特别对于

癌症患者，免疫疗法与靶向疗法联合可更加精确杀死癌

细胞，减少正常细胞的损伤及耐药性，从而延长患者的

生存时间［11］o2.5.3在疾病危险因素识别及监测中的应用在医学研究领域，疾病危险因素的识别、预测与评 估是医学与公共卫生领域数据分析的重要目标阳。如

何利用健康医疗大数据来整合、开发和分析高维异构数 据，实现居民疾病风险的评估及预测是实现全民健康 目标的重要任务问。国外有研究整合、利用互联网公

开在线数据库，联接疾病报告数据库，形成实时在线时 空数据库，实时制定、调整和优化区域化疾病预防控制

措施。相关研究有：S.D.Young等［14］利用实时社交网

络数据来评估和检测人类免疫缺陷病毒的风险行为及结 果；N.V.Chawa等问开发“协作评估和推荐引擎”系统,

将相似的患者形成团簇，进而实现医生对患者的个性化Chinese Journal of Health Informatics and Management, Dec. 2019, Vol.16, No.6 中国卫生信息管理杂志2019年12月第16卷第6期JHtDmAAPPUCAnONANDDEVELOPMENTOFHEAITHCAREjgf^^fggf展专栏疾病风险评估。检测。“管理”的突现强度最大，说

其同样是近几年的研究热点。\"隐 私”表明对患者健康信息的安全保

2.5.4电子健康记录相关研究电子病历、电子健康记录等

明对健康医疗大数据的管理是该领 域的研究重点，同时在大数据技术 驱动下，对健康管理方法的研究也 可作为另一种解释。突现强度第2 的为“数据挖掘”，提示对健康医

护，也是研究者的关注重点，不仅 是目前健康医疗大数据应用的挑

应用使研究人员更容易获取和汇总 临床数据。电子病历数据的二次使 用是一个有巨大发展潜力的应用领 战，也是实现健康医疗数据共享、

消除信息孤岛的前提；突现词\"死 域，人们越来越关注如何获取临床 护理过程中的数据进行研究，如通

过对数据的质量进行评估，建立一 致的数据质量维度，建立系统的数

据研究方法，开发和分享评估数据 质量的最佳实践等昭。临床决策支

持需要以往电子病历数据的支持, 通过对历史数据中临床项目要素的 评估，从过去的临床行为中通过算 法挖掘临床项目和时间的关联规则，

可对未来的临床行为进行预测［17lo 电子健康记录中的这些数据对研究

慢性疾病、不良反应、疾病预防和 流行病学等来说有重要意义。2.5.5健康医疗大数据面临的挑战健康医疗大数据的研究虽处于

快速发展期，但仍面临一系列的问 题与挑战，如数据的安全与隐私问 题、数据的存储与处理、数据整合

与解读、数据的异质性、不同格式 类型的基因组数据库、基础设施、

混合教育，以及多学科团队、监 管环境、个人与全球经济的关系

等［18-20］2.6研究前沿分析陈超美认为，使用突现主题

术语要比使用高频主题词更适合探 测学科发展的突然变化及新兴趋

势［21lo 利用 CitespaceV 的 burst

terms功能可对该领域突变词进行疗大数据的有效挖掘越来越吸引学 亡率”则指向利用大数据分析或预

者的关注，关于其具体方法，如机

测疾病的死亡率，以及死亡率影响 器学习、深度学习及与人工智能建 因素等方面的研究。见图4O立联系等将会获得进一步的探究。 “数据挖掘”与\"工具” “信息”等

2.7突现引文分析词联系，可表示开发对健康医疗数

利用Citespace进行文献共被

据进行快速处理与分析的工具。“生 引分析，突现值排在前3位的文献 物信息学”的突现值也较大，说明信息见表4。突现值最大的文献,表3健康医疗大数据领域高频词分布序号关键词频次序号关键词频次1system22011medicine822machine learning15312classification813challenge15013cancer774precision medicine14114privacy765risk13715management676disease13316technology537model13017artificial intelligence508network12418data mining459prediction9619mortality4510electronic health record9220framework41表4文献共被引中突现率排在前3位的节点文献序号第一作者题目发表时间突现值1JeffreyMapreduce: Simplified data Deanprocessing on large clusters20089.763Wlue In Health Care2JoachimCreating RoskilThrough Big Data: Opportunities20148.624And Policy Implications3Jeremy Detecting influenza epidemics

Ginsbergusing search engine query data20097.201659©中国卫生伯息管理杂志2019^12月第16卷第6期 Chinese Journal of Healtti Informatics and Management, Dec. 2019, Vol. 16. No.6@健康医疗大数据应用发展专栏/niGIMmflffllMnONIUmMmOPBIENUFHHimCAMTop 8 Keywords with the Strongest Citation BurstsKeywords Year Strength Begin End2009 - 2018clinical trial

20094.7119 20132015bioinformatics 20097.3053 20132015tool

20095.2017 20132014data mining 20097.804 20142016mortality 20094.9646 20142015privacy

20096.3879 20142016information

20097.1174 20142015management 20098.4044 20152016图4健康医疗大教据领城爆发词检測以谷歌大数据处理为例，介绍了 Map Reduce编程模 型在处理各种大数据任务的可用性及数据处理模式。即

程序员通过指定Map函数和Reduce函数，底层系统 会自动实现大规模集群的并行计算，并自动处理机器故 障和调度机间的通信，从而有效利用网络和磁盘资

源画。排名第2位的文献介绍了通过大数据来创造卫 生保健价值的机遇及相关政策影响。文章从数据使用、

访问、共享、隐私保护和管理等方面提出了相关的政策 建议画。排名第3位的文献介绍了一种利用搜索引華

访问数据来监測流感流行的方法，由于某些查询的相对 频率与患者出现流感样症状的比例高度相关，因此可

以准确估计美国每个地区每周流感活动的当前水平[24]o

上述文献分别体现了健康医疗大数据在技术研究、理论

研究及流行病监测方面的应用。3结论本文以WoS发表的健康医疗大数据领域论文为基

础，采用文献计虽及可视化方法对其研究现状、热点和 前沿进行了分析。总体上看，我国已在健康医疗大数据 的开发与利用上取得很大进展，在该领域研究中处于重

要地位。但仍面临较多的困难与挑战，如健康医疗大数

据应用的基础设施不足，应用的能力和质量不高，关键 技术需要突破，数据缺乏标准化，隐私与安全问题，以 及复合型人才缺乏等悶。我国应追踪国外的研究热点

和前沿，深入健康医疗大数据的相关理论研究，加强健 康医疗大数据的基础平台建设。在此基础之上研发关键

技术，如云计算、医学影像分析技术、电子病历分析技 术、可视化技术等。同时，应加快成果转化，促进健康& 660医疗大数据的应用，特别是在精准医学及癌症靶向治疗

方面。此外，也要加强该领域相关复合型人才培养，为 发展健康医疗大数据提供重要的人才保障，以最终实现 数据采集、预处理、分析、应用、共享、保护等各个环

节的突破性进展。■[1] 刘宁，陈敏.医疗建康大数据应用主题及相关数据来源研

究[JJ.中国数字医学，2016,11(8): 6-9.[2] 孟群,毕丹,张一鸣,等.健康医疗大数据的发展现狀与应

用模式研究[J].中国卫生信息管理杂志，2016, 13(6): 547-

552.[3] 報阿咪，高东平•基于CiteSpace的医学大数据国际发展研

倾状分析[JJ.中华医学图书情报杂志,2017,26(7): 7-12.[4] 李春英，张麴巍.全球大数据与健康管理的研究热点聚类

分析[JJ.中国医院諫，2016,36(10): 63-65.[5] ALES M G. Drivers of the Use and Facilitators and Obstacles

of the Evolution of Big Data by the Audit Profession[J].

Accounting Horizons, 2015,29(2): 439-449.⑹ BRINKMANN B H, BOWER M R, STENGEL K A, et al.

Large-scale electrophysiology: Acquisition, compression,

encryption, and storage of big data[J], Journal of Neuroscience

Methods, 2009,180(1): 185-192・[7] 丁凤一，刘婷，陈静.医疗健康大数据研究逬展剖析[几信

息関源薛学报，2017,7(4)： 5-16.[8] AN S, MALHOTRA 瓦 DILLEY C, et al. Predicting drug-

resistant epilepsy - A machine learning approach based on

administrative claims data[J]. Epilepsy & Behavior, 2018, 89:

118-125.[9] BIBAULT J, GIRAUD 耳 BURGUN A, Big Data and machine

learning in radiation oncology: State of the art and future

prospects[J]. Cancer Letters, 2016,382(1):11&417.[10] COLLINS F S, VARMUS H. A New Initiative on Precision

Medicine[J]. New England Journal of Medicine, 2015, 372(9):

793-795.[11] SHARMA P, ALLISON J R Immune Checkpoint Targeting in

Cancer Therapy: Toward Combination Strategies with Curative Potential[几 Cell, 2015,161(2): 205-214.(下转第702页)中国卫生信息管理杂志2019年 12月第16卷第6期 Chinese Journal of Health Informatics and Management, Dec. 2019, Vol. 16, No.6@ 中国卫生信息管理 / CHIN 醸 10URNM OF HEAITH INFOmMTICS AND IMIMGEIMIIT参考炯[1] 戴玲,彭长根.社会工程学攻击下的信息安全保密工作[J].

[7] 高昭昇，冯东雷，徐静，等.基于区域卫生信息平台的隐私

和安全保护措施[J].中国数字医学，20迢11(1): 109-112.保密工作，2016, 31(10): 48-49, 1.[2] 苏肖，陈燕.浅谈社会工程学入侵军队涉密信息的防范[J].

[8] 关益香,卢方建，彭观平.三甲医院信息系统数据安全[J].

信息与电脑,2018, 30(6): 200-202.[9] 刘晓强，华永良,薛成兵.我国医院信息化发展历程浅析[J].

电脑知识与技术,2015,22(16): 33-34.[3] 陈日兰，朱卫红,刘建航,等.医疗机构以商业目的统方现

象的成因分析及对策[J].教育教学论坛,2015, 7(29): 5-7.[4] 熊志强，张志强，郑阳晖.医疗数据安全问题分析及其保护

中国卫生信息管理杂志,2016,13(2)： 142-152.[10] 胡名坚，周春华，黄慧勇.堡垒机在医院信息安全领域的

策略[J].中国数字医学，2018, 13(12): 80-81, 86.[5] 张启浩，谢力.《中华人民共和国网络安全法》解读[J].智

能刼，2017, 21(9): 12-16.

应用[J].信息化建设，2016,19(1): 203.[11] 王西，林敏，裴佩•关于计算机网络信息安全及防护策略

探究[J].中国新通信，2019,21(12): 145.[收稿 S 期:2019-08-29 修回 0 期：2019-11-11][6] 冯茜，薛锋.浅谈新时期信息安全保密能力的提升[J].信息

通信，2017, 31(12): 151-152.(编辑：张雅洁)(上接第660页)[12] 相静，王玖，胡西厚.健康医疗大数据驱动下的疾病风险

2016, 16(5SI): 741-75&评估与预测方法探析[J].中国卫生信息管理杂志，2018, [19] ALYASS A, TURCOTTE M, MEYRE D. From big data

analysis to personalized medicine for all: challenges and

opportunities [J], BMC Medical Genomics, 2015, 8(33).15(3): 329-333.[13] 马家奇.公共卫生大数据应用[J].中国卫生信息管理杂志，

2014, 11(2): 174-177.[20] MANUELA K, TOTH T, HEINRICH H, et al. Big Data -

challenges and risks [J]. Orvosi Hetilap, 2015,156(49): 1979- 1986.[14] YOUNG S D, RIVERS C, LEWIS B. Methods of using real-

time social media technologies for detection and remote

monitoring of HIV outcomes [J]. Preveventive Medicine,

[21] 逮万辉,马建霞，赵迎光.爆发词识别与主题探测技术研

2014,63: 112-115.究综述[J].情报理论与实践,2012, 35(6): 125-128.[22] DEAN J, GHEMAWAT S. Mapreduce: Simplified data

[15] CHAWLAN V DjWIS DA. Bringing Big Data to Personalized

Healthcare: A Patient-Centered Framework [J]. Journal of

processing on large clusters卩].Communications of The

ACM, 2008,51(1): 107-113.General Internal Medicine, 2013,283: S660-S665.[16] WEISKOPF N G, WENG C. Methods and dimensions of

[23] ROSKI J, Bo-Linn G W, ANDREWS T A. Creating Value

In Health Care Through Big Data: Opportunities And Policy

electronic health record data quality assessment: enabling

reuse for clinical research [J]. Journal of The American Medical Infbnnatics Association, 2013, 20(1): 144-151.[17] CHEN J H, ALAGAPPAN M, GOLDSTEIN M K, et al.

Implications [J], Health Affairs, 2014, 33(7): 1115-1122.[24] GINSBERG J, MOHEBBI M H, PATEL R S, et al. Detecting

influenza epidemics using search engine query data[J].

Decaying relevance of clinical data towards future decisions Nature, 2009,457(7232): 1012-1014.in data-driven inpatient clinical order sets[J]. International

Journal of Medical Informatics, 2017,102: 71-79.[18] GLIGORIJEVIC Y Malod-Dognin N, Przulj N. Integrative

[25] 代涛.健康医疗大数据发展应用的思考[J].医学信息学杂

志，2016, 37(2): 2-&[收稿 B 期:2019-09-13 修回 0 期:2019-11-11]

methods for analyzing C in precision medicine[J]. Proteomics,(编辑：张雅洁)& 702