基于大數據時代下的疫情醫療體系建設研究

摘 ?要：隨著新型冠狀病毒肺炎的爆發，如何建設新冠肺炎疫情醫療體系已然成為當前炙手可熱的研究熱點。同時隨著大數據技術的不斷演變及進步，亟需對當前疫情醫療體系進行建設及規范，改善和解決傳統醫療體系的缺陷。文章圍繞全球疫情數據，利用大數據工具建立數據模型及參數指標并進行系統性分析，并探究如何建設新冠肺炎疫情醫療體系。

關鍵詞：大數據;新冠肺炎疫情;數據分析;醫療體系建設

中圖分類號：R197.3;TP392 ? ? ?文獻標識碼：A 文章編號：2096-4706（2020）12-0119-03

Abstract：With the outbreak of COVID-19，how to build the COVID-19 epidemic medical system has become a hot research hotspot. At the same time，combined with the continuous evolution and progress of big data technology，it is urgent to build and standardize the current epidemic medical system，so as to break the criticism and defects of the traditional medical system. Based on the global epidemic data，the author used big data tools to establish data model and parameter index and carry out systematic analysis，and explored how to build the COVID-19 epidemic medical system.

Keywords：big data;COVID-19;data analysis;construction of medical system

0 ?引 ?言

新冠肺炎疫情以突如其來的姿態席卷全球，其影響范圍之廣、傳染能力之強，嚴重影響了全球數百個國家與地區，時至今日仍有多個國家無法有效控制其蔓延趨勢[1]。

21世紀是大數據的時代，在擁抱大數據時代的同時應將其充分應用至現實中，以解決實際需求，在集全球之力對抗新冠肺炎疫情的同時，可以利用大數據等技術從新冠肺炎疫情下的數據中挖掘出有用信息，并加快推進對新冠肺炎疫情醫療體系的建設。

1 ?疫情數據分析

1.1 ?疫情數據爬取

筆者借助基于Scrapy的爬蟲框架，對全球新冠疫情數據進行分析與探究，時間跨度為2020年1月22日—2020年5月22日，通過爬取美國霍普金斯大學在GitHub上共享的開源數據，并以JSON文件格式進行存儲導出及后續處理。

爬取過程重要代碼如下，得到的初始數據文件中包含日期、國家/地區、確診人數、死亡人數、治愈人數五個字段，并將其通過CSV文件導出：

for contry in datas['area']：

for province in contry['children']：

for city in province['children']：

with open（ExcelName， 'a'， encoding='utf-8'， newline=''） as csvfile：

writer = csv.writer（csvfile）

writer.writerow（[Datas ['name']， Province ['name']， str（Province ['total']['confirmed']）， Province （city['total']['dead']）， Province （city['total']['recovered']））

1.2 ?疫情數據清洗

根據基于Scrapy的爬蟲所獲取的CSV數據文件，對其數據特征進行數據清洗。原數據中部分行和列根據地名排序且難以創造實際價值，因此利用DataFrame的數據格式篩選出有價值的行。

清洗過程重要代碼如下，通過刪除確診人數、死亡人數和治愈人數都為0的行并將其根據時間排序，同時刪除CSV文件的首行，以便后續更好地模擬真實數據傳輸：

val Sorted = spark.sql（"select Datas，Province" +" confirmed，dead，recovered from view where confirmed！=0 or dead！=0 or confirmed！=0 " +"or confirmed！=null or recovered！=null or dead！=null order by Dates desc"）

Sorted.coalesce（1）

.write.mode（SaveMode.Overwrite）

.option（"header"，"False"）

.option（"sep"，"，"）

.csv（"csv"）

1.3 ?變量設置及數據分析

Kafka是一種高吞吐量的分布式發布訂閱消息系統，它可以處理消費者在網站中的所有動作流數據。對清洗過后的文件，采用Kafka作為實時處理工具，對確診人數、死亡人數、治愈人數等當日數據與前一天定值比對得出確診率、死亡率、恢復率三大指標進行系統分析。同時選用Flask_SocketIO作為客戶端，通過MySQL數據庫逐行讀取數據，同時Socket監聽響應函數，對數據庫傳入的數據實時展現實現WebSocket。與此同時連接數據庫，將CSV文件存入MySQL數據庫中。

如圖1所示，id為自增主鍵，dates為日期（datatime數據），curerate為恢復率，state為狀態（僅設置0和1，當數據被讀取后標記為1）。

通過逐行讀取MySQL數據庫的內容，同時更新數據庫state為1，Socket監聽響應函數并使用HTML網頁進行展示，以下僅選取2020年1月22日—2020年5月22日全球疫情數據進行分析，如圖2所示（圖2僅截取部分數據），id為自增主鍵，country為國家/地區，dates為日期（datatime數據），curerate為恢復率，Increase_rate為增長率，Mortality為死亡率，state為狀態（僅設置0和1，當數據被讀取后標記為1）。

通過分析圖2中2020年1月23日數據中的確診率、死亡率、恢復率，可以看出全球疫情體系存在一些問題：

一是三大指標中全球各個國家之間的確診率、死亡率、恢復率差異化較大，由于各個國家的重視程度與疫情治理能力不同，對抗疫情也伴隨著相當大的困難，從而增加了世界疫情格局的不確定性。

二是尚未建立疫情醫療體系標準，各個國家各自為政，盡管世衛組織在全球抗擊疫情中發揮重要作用，但由于其職能所限，只能針對傳染病預防，對各國如何應對疫情只能進行呼吁和建議，不具備關鍵決策權，這使得全球抗疫效率取決于各國的自愿配合程度。[2]因此迫切需要國際社會建立相關疫情醫療體系標準。

三是缺乏人類命運共同體意識，在全球化的今天，人類命運共同體愈發成為世界人民立足之根本，只有各國一起合作，才能實現全球疫情醫療體系的穩定有序發展，如果僅僅由少數國家對抗疫情，而大多數國家采取不作為的態度，這場疫情也難以得到繼續控制和防護。

2 ?疫情醫療體系建設的相關措施

2.1 ?加快不同省市區域內疫情醫療體系建設

針對不同省市區域內的疫情醫療體系，迫切需要建立相關制度與體系，對疫情區域強、中、弱地區進行劃分及分類，對出現嚴重疫情的地區進行及時管控并采取集中人員隔離的措施，對醫療體系的建設需嚴格遵循相關條例和法規制度，以此杜絕疫情下醫療資源的不對等及區域防范意識偏差。

2.2 ?集中醫療體系力量進行綜合治理

對醫療體系的建設及規范，則重點在于集中醫療體系力量，最大的問題在于醫療體系往往只掌握在省會城市及部分發達地區，當疫情蔓延至偏遠地區，加上偏遠地區的醫療治理能力及處理方式相對而言不夠成熟，往往會促使疫情擴散及暴露醫療體系的種種問題。因此需集中醫療體系及醫療資源對偏遠地區的防控提供支持，同時防止外來人口進入偏遠地區造成不必要的醫療資源流失，解決偏遠地區醫療資源分配不均、醫療資源匱乏、重復使用等問題。

2.3 ?構建大數據疫情醫療體系

現如今，我國的大數據醫療體系發展還處于初級階段，還在進行醫療體制改革，并未對大數據時代下醫療體系，尤其是疫情醫療大數據進行建設。從長遠來看，疫情大數據建設的實施，對推動醫療人類命運共同體，改善城鄉居民疫情醫療體系的差異化有著重大意義。

因此，筆者提出可以建設基于大數據下的大數據疫情醫療體系，采集醫院、臨床中心、防疫站、實驗室的疫情大數據數據，通過構建疫情大數據平臺進行數據清洗與分析，對數據進行區域疫情評級、疫情數據共享、疫情資源調配等智慧應用，如圖3所示。

醫療數據大多數掌握在大部分醫院手中，數據的封閉性阻礙了大數據疫情醫療體系的發展，逐步開放醫療大數據并及時整合醫療信息資源是未來大數據疫情醫療體系發展的大勢。疫情醫療取之于社會而用之于社會，政府應該積極推動大數據疫情醫療體系的政策制定及制度化、科技化創新，更多地以政策推動大數據疫情醫療體系的創新和發展。

3 ?結 ?論

在大數據時代下，如何把握新冠肺炎疫情的數據特性，從錯綜復雜的數據中提煉出規律，是我們迫切需要解決的問題。文章通過系統分析新冠肺炎疫情下數據分析的方法及思路，并針對疫情醫療數據提出了問題及相關應對措施，對后疫情時代利用大數據工具如何建設新冠肺炎疫情醫療體系具有一定的現實意義。

參考文獻：

[1] 張放，甘浩辰.疫情心理時空距離對公眾情緒的影響研究——基于新冠肺炎疫期微博文本面板數據的計算分析 [J].新聞界，2020（6）：39-49.

[2] 史本葉，馬曉麗.后疫情時代的全球治理體系重構與中國角色 [J].東北亞論壇，2020，29（4）：60-71+127-128.

作者簡介：單佳宜（2000—），男，漢族，江西撫州人，本科在讀，研究方向：軟件工程。