下载掌阅APP，畅读海量书库
立即打开
对于健康大数据的类型，基于对“健康数据”的广义和狭义理解，现有文献有两种划分方法。
基于狭义的健康数据的定义，现有文献有不同的类型划分方法，具有代表性的划分方法有以下几种。
Auffray等认为健康大数据类型主要包括生理、行为、分子、临床、化验、医学成像、疾病管理、药物处方历史、营养或运动参数数据。
Miller认为健康大数据有两大来源，一是基因组学驱动的大数据，包括基因分型、基因表达、测序数据；二是来自付款人和供给方的大数据，包括电子健康记录、保险记录、药房处方、患者反馈和反应。
前者从医学视角划分，主要是治疗相关的数据。后者从医学角度确认了基因组学数据，又从医院经营的视角，确认了有关医疗支出的经济类数据和医疗保险数据。
基于广义的健康数据的定义，现有文献也有不同的类型划分方法。具有代表性的划分方法有以下几种。
Swan将健康大数据类型分为以下几种：①从电子病历（Electronic Medical Record，EMR）获得的传统医学数据、药物治疗史和实验室报告，这有助于更好地了解疾病结果和优化医疗保健服务；②组学数据，包括基因组学、微生物学、蛋白质组学和代谢组学，有助于理解疾病的机制并加速医学治疗的个性化；③来自社交媒体、可穿戴设备和传感器的数据，提供相关行为信息和个人生活方式信息。因此，医疗数据一是来自内部数据源，如电子病历、医生医嘱录入系统（Computerized Physician Order Entry）、成像数据和生物医学数据；二是来自外部数据源，如政府、保险理赔或计费，以及研发实验室和社交媒体。
Rumsfeld等认为，健康大数据的来源应包括行政数据库（主要指保险索赔和药品目录）、临床数据库、电子健康记录数据、实验室信息系统数据、生物识别数据（可穿戴或传感器生成的数据）、患者报告数据（标准化体检形成的报告）、社交媒体数据、医学成像数据和生物标记数据等。
以上两种划分方式的主要区别在于是否将基因数据归入健康大数据。本书采用最为广义的划分方法，即Swan的划分方法。