编辑推荐：
新冠疫情凸显临床研究和流行病学分析所需实时数据管理的难题。研究人员围绕数据整合与合成开展研究，发现全球机构虽有行动，但面临互操作性等阻碍。该研究对提升公共卫生情报和应急能力意义重大。
新冠疫情如一场突如其来的风暴，席卷全球，给人类社会带来了前所未有的冲击。在这场与病毒的较量中，数据的重要性不言而喻。无论是临床研究探索治疗方案，还是流行病学分析追踪病毒传播轨迹，都迫切需要大量准确、及时的数据支持。然而，现实却不尽人意。许多医疗系统在实时数据收集和管理方面困难重重，不同来源的数据犹如一盘散沙，难以整合利用。这不仅导致无法及时准确地评估疫情形势，也给疫情防控决策带来了极大的挑战。
为了破解这些难题，提升全球应对疫情的能力，来自世界卫生组织大流行和疫情情报中心（World Health Organization Hub for Pandemic and Epidemic Intelligence）、CPC Analytics、奥斯瓦尔多?克鲁兹基金会（Oswaldo Cruz Foundation，Fiocruz）、约翰斯?霍普金斯大学（Johns Hopkins University，JHU）、世界卫生组织总部、牛津大学等机构的研究人员展开了深入研究。他们聚焦于数据整合和合成，旨在通过将不同来源的数据进行有效融合，为公共卫生决策提供更全面、更精准的依据。相关研究成果发表在《BMC Proceedings》上。
研究人员开展此项研究时，运用了多种技术方法。在数据整合方面，通过建立数据仓库和数据湖，将来自不同数据库系统的数据进行集中存储和处理。例如，Fiocruz 的 CIDACS 创建了数据连接生态系统，整合了巴西多个部委的大型数据库 。在数据处理过程中，进行数据清洗、映射和转换等操作，使其符合统一的数据模式。同时，利用算法对数据进行标注和标准化处理，提高数据的质量和可用性。在风险评估和预警方面，开发了如 WHO 全球 COVID-19 事件管理团队的混合方法全球警报系统工具，通过多阶段的评估过程，结合流行病学数据和多因素背景评估，识别高风险情况 。
数据整合在公共卫生领域的内涵与实践
数据整合和合成是将不同数据源结合，提供统一数据视图的过程。在公共卫生领域，它涵盖疾病发生、预防和控制相关的各种因素。比如，将疾病流行数据（患病率、发病率、死亡率）与社会环境因素（如社会经济构成、旅行模式）相结合。这种整合能更全面地了解疾病模式，为公共卫生决策提供有力支持。
数据整合需求的增长态势
面对新兴传染病疫情，如埃博拉危机和新冠疫情，快速掌握疫情的流行病学特征至关重要。然而，实际情况是信息获取困难，数据收集过程不明确，这使得准确评估传播途径、病原体传染性和疾病严重程度变得极具挑战。在此背景下，数据整合的重要性日益凸显。它能整合多源数据，提供更丰富的信息，帮助决策者在疫情早期做出更合理的决策。
全球机构在数据整合方面的行动
约翰斯?霍普金斯大学彭博公共卫生学院与泛美卫生组织合作，选取了 116 个核心指标，用于快速、可比的国家和地区健康评估，这些指标涵盖人口统计、社会经济地位、发病率、死亡率以及卫生系统能力等多个领域 。牛津大学开发了一个数据仓库，整合了多个国家的健康数据和元数据，并与全球健康数据交换（Global Health Data Exchange，GHDx）进行数据整合，以共享信息，为公众和政策制定者提供更可靠的评估依据 。Fiocruz 成立了健康数据和知识整合中心（Centre for Data and Knowledge Integration for Health，CIDACS），连接健康和社会数据，开展跨学科研究。其开发的 AESOP 系统通过整合多方面信息，实现对疫情的早期预警和传播建模 。WHO 全球 COVID-19 事件管理团队开发的混合方法全球警报系统工具，能通过多阶段评估，识别需要立即采取行动的情况，减轻疫情的影响 。
数据整合面临的挑战
数据整合面临诸多挑战。技术层面，数据模型结构、格式和精度的差异导致数据异质性大，缺乏同质性。为此，牛津大学建立基础设施，将多源数据编码为单一模式，Fiocruz 则参考 OMOP 通用数据模型等标准进行数据协调 。数据可靠性方面，需要新的数据收集方法和策略来确保数据的代表性和最小化偏差，同时要对整合系统生成的输出进行有效性检查 。伦理层面，数据整合涉及敏感信息，需要采取安全措施保护隐私，如 CIDACS 通过伦理委员会评估和安全的数据处理流程来保护数据 。
知识共享的机遇
公共卫生情报的发展需要决策制定者和领域专家的协同合作。约翰斯?霍普金斯大学通过培训和技术支持，帮助各国利用先进分析工具生成公共卫生情景，为政策制定提供依据 。Fiocruz 的 AESOP 系统将完全开放访问，促进知识共享。牛津大学利用开源平台，方便科学家之间的讨论和合作 。
研究表明，数据整合虽面临挑战，但潜力巨大。它能够重塑公共卫生情报的收集和分析方式，为疫情防控提供更有力的支持。然而，要实现有效的数据整合，需要建立统一的技术和法律框架，促进全球合作，保护敏感数据。同时，应注重整合背景信息，制定统一的预警指标定义，提高数据的可比性和可用性。未来，随着数据整合技术的不断发展和完善，有望在应对未来大流行病和疫情时，实现更高效、更精准的防控。
