上海医学２０１４年第３７卷第３期
·２６７·
·医院管理·
展望“大数据”时代的创伤急救
汪 方 王 谦 王秋根 胡小锋 王 丹
“大数据”（ｂｉｇ ｄａｔａ），又称“海量数据”，指所涉及的资料量规模巨大到无法通过目前主流软件工具在合理时间内达到撷取、管理、处理，并整理为人类所能解读的资讯。大数据具有大量（ｖｏｌｕｍｅ）、高速（ｖｅｌｏｃｉｔｙ）、多样（ｖａｒｉｅｔｙ）、价值（ｖａｌｕｅ）等“４Ｖ”
特点，不再追求精确度、因果关系，而是承认混杂性，探索相关关系［
１］
。随着大量数字化医疗仪器设备和软件平台的广泛应用，医护人员日益淹没于庞大的数据海洋，“大数据”时代医疗卫生领域也正面临重大的挑战和机遇。创伤作为“现代文明的孪生兄弟”和“发达社会疾病”，在现代社会中呈不断增多趋势。涉及多脏器、系统的严重创伤的死亡率、残疾率高，诊断和治疗费用昂贵，
对人类生命安全和公共卫生体系造成极大威胁。创伤急救过程中会产生大量的数据信息，
而当前最终支持诊断和治疗决策的仍是最原始的临床经验和直觉。随着大数据时代的到来，创伤急救领域必将迎来巨大且深远的变革。 创伤急救中的数据来源
创伤具有随机性、突发性，严重创伤往往涉及多脏器、
系统，个体差异性极大，救治难度高。创伤救治过程涉及院前急救、分诊、转运、专科诊断和治疗、康复、心理等多部门和多学科的协作，而地震、洪水、重大交通事故等会导致大量人员伤亡或重大经济损失的灾难性事件，更需要大规模的社会动员，
基于数据分析的预案系统发挥着重要作用。当前，创伤急救中主要的数据来源有以下两个方面。①智慧医院系统数据：智慧医院系统
基金项目：
上海市科学技术委员会基础研究重点项目（１１ＪＣ１４１０４００）、上海市博士研究生后科学研究资助计划（１１Ｒ２１４１４３００
）资助作者单位：２０００８０ 上海，上海交通大学附属第一人民医院创伤急救临床医学中心创伤骨科（汪方、王谦、王秋根）；上海交通大学机械与动力工程学院计算机集成制造研究所（胡小锋）；复旦大学公共卫生管理学院流行病与统计学教研室（
王丹）通信作者：王秋根，电子邮箱为ｗａｎｇｑｉｕｇ
ｅｎ＠１２６．ｃｏｍ由数字医院和提升应用两部分组成，数字医院包括拥有为医院所属各部门提供对患者诊断和治疗信息和行政管理信息的收集、存储、处理、提取和数据交换的能力，并满足所有授权用户的功能需求的医院信息系统（ｈｏｓｐｉｔａｌ ｉｎｆｏｒｍａｔｉｏｎ ｓｙｓｔｅｍ，ＨＩＳ）、实验室信息管理系统（ｌａｂｏｒａｔｏｒｙｎｆｏｒｍａｔｉｏｎ ｍａｎａｇｅｍｅｎｔ ｓｙｓｔｅｍ，ＬＩＳ）和医学影像的存储和传输系统（ｐｉｃｔｕｒｅ ａｒｃｈｉｖｉｎｇ
ａｎｄｏｍｍｕｎｉｃａｔｉｏｎ ｓｙｓｔｅｍｓ，ＰＡＣＳ）；还包括以采集、存储、传输、处理和利用患者健康状况和医疗信息为核心的医师工作站，其包括门诊和住院的接诊、检查、诊断、治疗、处方和医疗医嘱、病程记录、会诊、转科、手术、出院、病案生成等全部医疗过程的工作平台。提升应用包括远程图像传输、海量数据计算处理等技术在数字医院建设过程的应用，实现医疗服务水平的提升；自动报警对病患的生命体征数据进行监控，降低重症护理成本；临床决策系统协助医师分析详尽的病历，
为制定准确有效的治疗方案提供基础等［
２］
。②区域卫生系统数据：
区域卫生系统由区域卫生平台和公共卫生系统两部分组成。区域卫生平台包括收集、处理、传输社区、
医院、医疗科研机构、卫生监管部门记录的所有信息的区域卫生信息平台；包括旨在运用尖端的科学和计算机技术，帮助医疗单位和其他有关组织开展疾病危险度的评价，制定以个人为基础的危险因素干预计划，
减少医疗费用支出，以及预防和控制疾病的发生和发展的电子健康档案（ＨＥＲ）。公共卫生系统由卫生监督管理系统和疫情发布控制系统组成。
由于物联网技术的发展，通过射频识别、红外感应器、全球定位系统、激光扫描器等信息传感设备，按约定的协议，把任何物品与互联网连接起来，进行信息交换和通讯，以形成智能化识别、定位、跟踪、监控和管理的网络。物联网时代下的智慧医院建设核心就是基于透彻的感知和度量，实现全面互联互通的医院信息化系统，通过医院信
ｉｃ１
·２６８·
息化网络实现感知数据的互通，业务平台对感知数据作进一步处理。随着物联网技术在医疗领域的推广和应用，创伤急救相关数据也正不断突破临床范畴。
２ 创伤急救中的数据特点和创伤专科数据库建设现状
创伤急救中的数据信息量大、
时效性强、来源繁杂，既有来自于ＨＩＳ、ＬＩＳ的结构化信息，还包括ＰＡＣＳ和病历系统等大量非结构化、半结构化数据，在现有条件下利用率低下，恰如大数据的“４Ｖ”特点。针对严重创伤患者，多采用“损伤控制外科”（ｄａｍａｇｅ ｃｏｎｔｒｏｌ ｓｕｒｇｅｒｙ，ＤＣＳ）的理念和技术，期望能控制损伤发展的进程，而不是早期针对损伤采取决定性治疗。由于创伤患者的伤情和个体差异性极大，
缺乏基础研究，目前难以决定哪些创伤患者需采用早期完全治疗或ＤＣＳ方法。
根据损伤严重程度的统计学分析，可以量化
评估创伤的预后，
更好理解治疗的有效性［３］
。目前最常用的是简明创伤定级法（ａｂｂｒｅｖｉａｔｅｄ ｉｎｊｕｒｙｓｃａｌｅ，ＡＩＳ）和国际疾病分类（ｉｎｔｅｒｎａｔｉｏｎａｌｃｌａｓｓｉｆｉｃａｔｉｏｎ ｏｆ ｄｉｓｅａｓｅｓ，ＩＣＤ）。在此基础上，建立各种创伤案例数据库系统，
对创伤病例进行研究，有助于制定规范化的诊断和治疗方案，发现对创伤预后影响更大的医疗要素。
美国创伤外科医师委员会（ＡＣＳＣＯＴ）在组织大规模严重创伤预后研究（ｍａｊｏｒ ｔｒａｕｍａ ｏｕｔｃｏｍｅｓｔｕｄｙ，ＭＴＯＳ）的基础上，开发了在线的创伤数据库（ｎａｔｉｏｎａｌ ｔｒａｕｍａ ｄａｔａ ｂａｎｋ，ＮＴＤＢ），采用在线填报创伤病例的方式采集数据，已覆盖全美１００家Ⅰ或Ⅱ级创伤中心。四川大学华西医院早在１９９５－２００５年即建设了ＭＴＯＳ－中国数据库系统，其主要基于ＡＩＳ评分体系，建成华西创伤协作网，使用数字波束形成（ＤＢＦ）／结构化查询语言（ＳＱＬ）软件，采用手工录入的方式采集数据。２００９年，第三军医大学野战外科研究所针对创伤发生和救治过程，研究建设了Ｂ／Ｓ架构的网络版创伤数据库，可与ＨＩＳ并网运行；该系统综合采用了院前指数（ＰＨＩ）、修正的创伤评分（ＲＴＳ）、ＣＲＡＭＳ评分、格拉斯哥昏迷评分（ＧＣＳ）、创伤严重度评分（ＩＳＳ）和创伤严重程度评分（ＴＲＩＳＳ）生存概率（Ｐｓ
）等标准，其他医疗机构也开展了类似的研究［４－
５］。然而，中国尚未建立法定统一规范、
Ｓｈａｎｇ
ｈａｉ Ｍｅｄ Ｊ，２０１４，Ｖｏｌ．３７，Ｎｏ．３在线强制传报的国家创伤数据库系统，基础数据的匮乏，严重影响了中国创伤体系的建设和完善。
创伤评分系统“量化”了创伤患者，无论是基于解剖结构还是生理指标的评分系统，
都是对力图通过“采样”用最少的数据得到最多的信息。采样忽视了细节考察，
这是信息处理能力受限时代的产物，而在“大数据”时代，随着动态心电图、动静脉压检测、
血氧饱和度、二氧化碳分压、静脉输液泵等各种数字化实时诊断和治疗设备应用的普及，创伤急救中海量数据的实时采集、处理早已不是障碍。如果可能的话，
收集所有的数据，即“样本＝总体”。大数据中的“大”是指不用随机分析法这样的捷径，
而采用所有数据的方法。 全生命周期创伤数据库构建设想
传统概念上创伤被视作“意外”，重点在于临床救治，
而当前的研究倾向于将创伤视作一种“流行病”，因为创伤可以对所有年龄组的个体、心理和经济造成灾难性的后果，
且与人的行为直接相关，某种程度上是可预测和预防的［
６］
。整体来看，国外医疗信息领域已经步入信息化第五阶段，建设对象从单一的专科业务向构建跨机构、跨区域、跨平台的综合性信息整合与集成平台转变。业务领域的深入研究不断贴近实际、
贴近业务。从原来的信息化建设以管理为目标，转向以服务临床、提升临床效率为目标。在现行的临床诊断和治疗过程中，已经建立起诸如ＨＩＳ／ＬＩＳ／ＰＡＣＳ等临床数据库，可以从电子病例、检验信息、影像信息等层面采集患者的医疗信息。但是，上述数据库间相对较为独立，未形成相互关联的数据仓库；海量数据缺乏有效交互。对于临床医师而言，上述医疗数据并非完全结构化医疗信息，其实际利用效率不高。由此，
构建符合业务实际需要、切合临床路径和专科临床救治过程的专业数据库，成为当前临床信息化建设中的重点和难点。
全生命周期管理（ｌｉｆｅｃｙｃｌｅ ｍａｎａｇｅｍｅｎｔ）源于工业产品制造领域的管理理念和技术，已尝试将其引入创伤急救领域，覆盖创伤的预防、现场急救、转运、院内急救、重症监护、手术、专科治疗、康复、心理干预和教育培训等全生命周期流程。系统框架主要包括医疗信息交换引擎、创伤数据库和数据仓库、创伤数据管理系统、基于创伤数据库
３
上海医学２０１４年第３７卷第３期
的应用系统、创伤数据接口系统，以及与项目需求相配套的标准规范体系、信息安全体系和基础设施体系等。全生命周期流程中涉及的临床数据极为庞大，管理协调难度极高，故在当前技术和经济条件下，难以建立国家性的数据库。可尝试由若干家医疗、管理、科研机构先行建立区域性的全生命周期创伤数据库，攫取部分重要共性信息向国家创伤数据库自动传报。４ 创伤急救中的数据挖掘技术
现有的医疗信息资源与实际操作严重脱节，分散在非结构化的临床记录和诊断报告中的历史数据几乎闲置，
仅有少部分研究人员偶尔查阅，其隐藏的研究信息无法得以充分利用。传统的数据库是为捕获数据而设计，数据仓库（ｄａｔａｗａｒｅｈｏｕｓｅ）则是为分析数据而设计。数据仓库是决策支持系统（ｄｅｃｉｓｉｏｎ ｓｕｐｐｏｒｔ ｓｙｓｔｅｍ，ＤＳＳ）和联机分析应用数据源的结构化数据环境。数据挖掘（ｄａｔａ ｍｉｎｉｎｇ）是旨在从存放于数据仓库的大量数据中获得有效、新颖、潜在有用的、最终可理解的模式的非平凡过程。数据挖掘可以帮助决策者分析历史数据和当前数据，
并从中发现隐藏的关系和模式，进而预测未来可能发生的行为。数据挖掘可以实现与用户或知识库交互
［７］
。关联规则
是形如Ｘ→Ｙ的蕴涵式，其中Ｘ和Ｙ分别称为关
联规则的先导（ａｎｔｅｃｅｄｅｎｔ或ｌｅｆｔ－ｈａｎｄ－ｓｉｄｅ，ＬＨＳ）和后继（ｃｏｎｓｅｑｕｅｎｔ或ｒｉｇ
ｈｔ－ｈａｎｄ－ｓｉｄｅ，ＲＨＳ）。关联规则挖掘发现大量数据中相集之间有意义的关联或相关联系，其在数据挖掘中是一个重要课题，近年已被业界广泛研究，在医学信息学当中的应用更是方兴未艾。关联规则挖掘过程主要包含两个阶段：第一阶段必须先从资料集合中找出所有的高频项目组，
第二阶段再由这些高频项目组中产生关联规则（ａｓｓｏｃｉａｔｉｏｎｒｕｌｅｓ）。关联规则的相关算法包括Ａｐｒｉｏｒｉ算法、基于划分的算法、ＦＰ－书贫瘠算法。Ａｐｒｉｏｒｉ算法是一种最有影响的挖掘布尔关联规则频繁项集算法。创伤急救中所涉及的临床参数判定、治疗决策选择、转归预后结果三者之间存在一种因果关系，符合布尔规则的适用情况，也是创伤急救
中所采用的经典关联规则算法［
８］
。越来越多的关联规则数据挖掘方法在临床医学的应用中取
得了显著的成果［
９－
１０］。·２６９·
５ “大数据”时代的严重创伤诊断和治疗规范与评价体系
由于人体机能和疾病极其复杂，
传统以个人经验为主的医学模式存在较大局限。前瞻性随机对照研究（ＲＣＴ）被认为是当前临床研究的主要方法，但创伤患者个性化特征极为明显，救治过程也难以标准化。循证医学（ＥＢＭ）意为“遵循证据的医学”
，其核心思想是医疗决策（即患者的处理、治疗指南和医疗政策的制定等）
应在现有的最好的临床研究依据基础上做出，同时也重视结合个人的临床经验。ＥＢＭ的提出凸显医学“大数据”的巨大价值，大数据临床实验（ｂｉｇ
－ｄａｔａ ｃｌｉｎｉｃａｌ ｔｒｉａｌ，ＢＣＴ）
重塑了临床研究格局［１１］
。籍由技术的创新与发展，
以及数据的全面感知、收集、分析、共享，为人们提供了一种全新的看待世界的方法。更多地基于事实与数据做出决策，这样的思维方式，可以预见，
将推动习惯于靠“差不多”、凭经验和直觉判断运行的创伤急救模式发生巨大变革。
在创伤的预后研究中，以往只关注患者生存率的预测。随着时代的发展，世界卫生组织将健康重新定义为“生理、心理和社会适应３个方面全部良好，而不仅仅是没有疾病或残疾”。创伤的预后研究也逐渐开始定量化，
研究内容包括死亡率和住院时间、健康相关的生命质量、慢性功能损伤、质量调整生命年等。目前的严重程度评分系统对于非致命性、
主观性的预后评估并不适合，在创伤患者预后体系诸如合适的治疗、成本效益，满
意度、
功能等方面还有相当大的发展空间［１２］
。在“大数据”时代，随着信息获取、共享的便捷和云计算等新兴技术的不断发展和成熟，
跨地域、多中心、大样本的疗效比较研究（ｃｏｍｐ
ａｒａｔｉｖｅ－ｅｆｆｅｃｔｉｖｅｎｅｓｓ
ｒｅｓｅａｒｃｈ，ＣＥＲ）成为可能［１３］
。综上所述，“大数据”时代创伤急救面临重大的机遇和挑战，一方面基于海量数据挖掘，寻找到潜藏在创伤患者临床数据后的有用信息，及时进行预防和治疗；另一方面，数据本身的质量和对大数据专业化处理的能力未跟上临床需求，如何存储、检索、清理和分析大数据是难题。无论如何，“大数据”时代已经到来，大数据所带来的难题也将在探索中得以解决。
参 考 文 献
［１］维克托·迈尔－舍尔维恩，肯尼斯·库克耶．大数据时代
·２７０·
［Ｍ］．杭州：浙江人民出版社，２０１３：３９．
［２］艾浩军，吴余龙，王康武．物联网背景下的智慧城市建设
［／：／／ＥＢＯＬ］．中国城市低碳经济网．［２０１２１０１５］．ｈｔｔ－－ｐ／＿？ｗｗｗ．ｃｕｓｄｎ．ｏｒ．ｃｎｎｅｗｓｄｅｔａｉｌ．ｈｉｄ＝２２０５４７ｇｐｐ
［３］ＫＡＮＥＲＬ．ＵｎｄｅｒｓｔａｎｄｉｎＨｅａｌｔｈＣａｒｅＯｕｔｃｏｍｅｓＲｅｓｅａｒｃｈ ｇ
［，Ｍ ，Ｍ］．２ｎｄｅｄ．ＳｕｄｂｕｒＡ：Ｊｏｎｅｓ＆ＢａｒｔｌｅｔｔＬｅａｒｎｉｎ ｙｇ２００５．
［４］周继红，邱 俊，王苏星．第三届全国交通伤与创伤数据库
］：学术交流会纪要［Ｊ．中华创伤杂志，２０１０，２６（７）６５７－６５８．
［５］汪 方，杨 庆，王秋根，等．骨盆创伤全生命周期临床数
］：据库构建初步探讨［Ｊ．中华创伤杂志，２０１１，２７（４）３０７－３１０．
［６］ＭＡＴＴＯＸＫＬ，ＭＯＯＲＥＥ，ＦＥＬＩＣＩＡＮＯＤ，ｅｔａｌ．Ｔｒａｕｍａ
ｔｈ ［，Ｍ］．７ｅｄ．Ｎｅｗ Ｙｏｒｋ：ＭｃＧｒａｗ－ＨｉｌｌＰｒｏｆｅｓｓｉｏｎａｌ２０１２：
，ＳｈａｎｈａｉＭｅｄＪ２０１４，Ｖｏｌ．３７，Ｎｏ．３ ｇ
，ＭｏｒａｎＫａｕｆｍａｎｎ２０００． ｇ
［，９］ＥＸＡＲＣＨＯＳＴＰ，ＰＡＰＡＬＯＵＫＡＳＣ，ＦＯＴＩＡＤＩＳＤＩｅｔ
ａｌ．Ａｎｓｓｏｃｉａｔｉｏｎｕｌｅｉｎｉｎｂａｓｅｄｅｔｈｏｄｏｌｏｏｒ ａ ｒ ｍ－ ｍｇｇｙ ｆ［］ａｕｔｏｍａｔｅｄｄｅｔｅｃｔｉｏｎｏｆｉｓｃｈｅｍｉｃＥＣＧｂｅａｔｓＪ．ＩＥＥＥＴｒａｎｓ ，（）：ＢｉｏｍｅｄＥｎ２００６，５３８１５３１１５４０． －ｇ
［］Ａ１０ＬＭＯＤＡＩＦＥＲＧ，ＨＡＦＥＺＡ，ＭＡＴＨＫＯＵＲ Ｈ，ｅｔａｌ．
Ｄｉｓｃｏｖｅｒｉｎｍｅｄｉｃａｌａｓｓｏｃｉａｔｉｏｎｒｕｌｅｓｆｒｏｍ ｍｅｄｉｃａｌｄａｔａｓｅｔｓ ｇ ［Ａ］．ＩｎｓｔｉｔｕｔｅｏｆＥｌｅｃｔｒｉｃａｌａｎｄＥｌｅｃｔｒｏｎｉｃｓＥｎｉｎｅｅｒｓ．ＩＴｉｎ ｇ，ＭｅｄｉｃｉｎｅａｎｄＥｄｕｃａｔｉｏｎ（ＩＴＭＥ）ＩｎｔｅｒｎａｔｉｏｎａｌＳｍｏｓｉｕｍ ｙｐ［Ｃ］．Ｇｕａｎｚｈｏｕ，２０１１．ＩＥＥＥ，２０１１：４３４７．－ｇ
［］ＷＡＮＧ１１Ｓｏｒｔｕｎｉｔｉｅｓｎｄｈａｌｌｅｎｅｓｆｌｉｎｉｃａｌ Ｄ．Ｏ ａ ｃ ｏ ｃｐｐｇ
：］ｒｅｓｅａｒｃｈｉｎｔｈｅｂｉｄａｔａｅｒａｆｒｏｍ ＲＣＴｔｏＢＣＴ［Ｊ．ＪＴｈｏｒａｃ － ｇ，（）：Ｄｉｓ２０１３，５６７２１７２３．－
［］Ｌ—１２ＥＥＣＮ，ＫＯＣＹ．Ｂｅｏｎｄｏｕｔｃｏｍｅｓｔｈｅａｒｏｒｉａｔｅｎｅｓｓ ｙｐｐｐ
［］（）：ｏｆｓｕｒｉｃａｌｃａｒｅＪ．ＪＡＭＡ，２００９，３０２１４１５８０１５８１． －ｇ［］Ａｍ：：Ｎ１３ｅｒｉｃａｎＣｏｌｌｅｅｏｆＳｕｒｅｏｎｓＴｒａｕｍａＰｒｏｒａｍｓａｔｉｏｎａｌ ｇｇｇ
［／：／／ＤａｔａＢａｎｋ（ＮＴＤＢ）ＥＢＯＬ］．ｈｔｔｗｗｗ．ｆａｃｓ．Ｔｒａｕｍａ ｐ／／／ｏｒｔｒａｕｍａｎｔｄｂｇ
）（收稿日期：２０１４０１１５－－
１６２．
［７］ＨＡＮＪＷ，ＫＡＭＢＥＲ Ｍ．数据挖掘：概念与技术［Ｍ］．
范 明，孟小峰，译．北京：机械工业出版社，２００１：３６．－［：Ｃ８］ＨＡＮＪＷ，ＫＡＭＢＥＲ Ｍ．ＤａｔａＭｉｎｉｎｏｎｃｅｔｓａｎｄ ｇｐ
Ｔｅｃｈｎｉｕｅｓ（Ｔｈｅｏｒａｎａｕｆｍａｎｎｅｒｉｅｓｎａｔａ Ｍ Ｋ Ｓ ｉ Ｄｑｇ，Ｃ：ＭａｎａｅｍｅｎｔＳｓｔｅｍｓ）［Ｍ］．ＳａｎＦｒａｎｃｉｓｃｏａｌｉｆｏｒｎｉａ ｇｙ
（本文编辑：王小燕）
中国尸体器官和活体器官移植的伦理问题
江一峰 马 磊 张舒雅 祝延红
器官移植是一种挽救终末期器官病变和器官功能衰竭患者的有效治疗手段，目前中国、印度、巴西等一些发展中国家也逐渐加大了对器官移植基础研究和临床实践的投入。器官移植属于活性不仅在技术上有大量难关需要突破，在其伦移植，
理层面上也有众多问题有待解决。１ 移植器官供需矛盾日益显著
器官移植自２已在０世纪５０年代发展至今，临床得到越来越广泛的应用。但在全球范围内，移植器官需求的旺盛与供给的不足一直是一对矛盾。在美国，２００７年约有５０００例患者在等待器 目前在等待肾脏移植的６官的过程中死亡；０岁以上患者中，有４６％的人可能因为等不到肾脏而死
１］
。在欧洲，亡［目前约有５万例欧盟国家的患者
２］
。中死亡［
２０世纪７０年代在中国进行了首例肾移植手术，此后器官移植数量不断增加；至２中国００６年，每年各类器官移植数量已超过１万例，仅次于美
３］
。中国器官移植的高速发展居世界第２位［国，
同样面临移植器官来源短缺的问题，由于人口基器官短缺造成“移植难”的困境已远远超数庞大，
过欧美国家。数据表明，中国每年等待各类器官移植的患者数量约１其中仅有不到１％的患５０万，
４］
。在开展器官移植者能够获得器官移植的机会［
的医院，器官来源已成为保障移植技术发展的最主要因素，甚至成为衡量移植手术开展成功与否的隐性指标。
但无法满足巨大２ 尸体器官捐献是发展趋势，需求
移植器官供需的巨大矛盾导致了一系列伦理
问题的出现，如器官的来源问题，器官的供体问题，以及器官的公平分配问题等，为解决这些问
注册等待器官移植，平均每天有１２例患者在等待
）上海市卫生局面上项目资助（２０１３４３４６ 基金项目：
作者单位：上海市第一人民医院伦理委员会２０００８０ 上海，祝延红通信作者：
上海医学２０１４年第３７卷第３期
·２６７·
·医院管理·
展望“大数据”时代的创伤急救
汪 方 王 谦 王秋根 胡小锋 王 丹
“大数据”（ｂｉｇ ｄａｔａ），又称“海量数据”，指所涉及的资料量规模巨大到无法通过目前主流软件工具在合理时间内达到撷取、管理、处理，并整理为人类所能解读的资讯。大数据具有大量（ｖｏｌｕｍｅ）、高速（ｖｅｌｏｃｉｔｙ）、多样（ｖａｒｉｅｔｙ）、价值（ｖａｌｕｅ）等“４Ｖ”
特点，不再追求精确度、因果关系，而是承认混杂性，探索相关关系［
１］
。随着大量数字化医疗仪器设备和软件平台的广泛应用，医护人员日益淹没于庞大的数据海洋，“大数据”时代医疗卫生领域也正面临重大的挑战和机遇。创伤作为“现代文明的孪生兄弟”和“发达社会疾病”，在现代社会中呈不断增多趋势。涉及多脏器、系统的严重创伤的死亡率、残疾率高，诊断和治疗费用昂贵，
对人类生命安全和公共卫生体系造成极大威胁。创伤急救过程中会产生大量的数据信息，
而当前最终支持诊断和治疗决策的仍是最原始的临床经验和直觉。随着大数据时代的到来，创伤急救领域必将迎来巨大且深远的变革。 创伤急救中的数据来源
创伤具有随机性、突发性，严重创伤往往涉及多脏器、
系统，个体差异性极大，救治难度高。创伤救治过程涉及院前急救、分诊、转运、专科诊断和治疗、康复、心理等多部门和多学科的协作，而地震、洪水、重大交通事故等会导致大量人员伤亡或重大经济损失的灾难性事件，更需要大规模的社会动员，
基于数据分析的预案系统发挥着重要作用。当前，创伤急救中主要的数据来源有以下两个方面。①智慧医院系统数据：智慧医院系统
基金项目：
上海市科学技术委员会基础研究重点项目（１１ＪＣ１４１０４００）、上海市博士研究生后科学研究资助计划（１１Ｒ２１４１４３００
）资助作者单位：２０００８０ 上海，上海交通大学附属第一人民医院创伤急救临床医学中心创伤骨科（汪方、王谦、王秋根）；上海交通大学机械与动力工程学院计算机集成制造研究所（胡小锋）；复旦大学公共卫生管理学院流行病与统计学教研室（
王丹）通信作者：王秋根，电子邮箱为ｗａｎｇｑｉｕｇ
ｅｎ＠１２６．ｃｏｍ由数字医院和提升应用两部分组成，数字医院包括拥有为医院所属各部门提供对患者诊断和治疗信息和行政管理信息的收集、存储、处理、提取和数据交换的能力，并满足所有授权用户的功能需求的医院信息系统（ｈｏｓｐｉｔａｌ ｉｎｆｏｒｍａｔｉｏｎ ｓｙｓｔｅｍ，ＨＩＳ）、实验室信息管理系统（ｌａｂｏｒａｔｏｒｙｎｆｏｒｍａｔｉｏｎ ｍａｎａｇｅｍｅｎｔ ｓｙｓｔｅｍ，ＬＩＳ）和医学影像的存储和传输系统（ｐｉｃｔｕｒｅ ａｒｃｈｉｖｉｎｇ
ａｎｄｏｍｍｕｎｉｃａｔｉｏｎ ｓｙｓｔｅｍｓ，ＰＡＣＳ）；还包括以采集、存储、传输、处理和利用患者健康状况和医疗信息为核心的医师工作站，其包括门诊和住院的接诊、检查、诊断、治疗、处方和医疗医嘱、病程记录、会诊、转科、手术、出院、病案生成等全部医疗过程的工作平台。提升应用包括远程图像传输、海量数据计算处理等技术在数字医院建设过程的应用，实现医疗服务水平的提升；自动报警对病患的生命体征数据进行监控，降低重症护理成本；临床决策系统协助医师分析详尽的病历，
为制定准确有效的治疗方案提供基础等［
２］
。②区域卫生系统数据：
区域卫生系统由区域卫生平台和公共卫生系统两部分组成。区域卫生平台包括收集、处理、传输社区、
医院、医疗科研机构、卫生监管部门记录的所有信息的区域卫生信息平台；包括旨在运用尖端的科学和计算机技术，帮助医疗单位和其他有关组织开展疾病危险度的评价，制定以个人为基础的危险因素干预计划，
减少医疗费用支出，以及预防和控制疾病的发生和发展的电子健康档案（ＨＥＲ）。公共卫生系统由卫生监督管理系统和疫情发布控制系统组成。
由于物联网技术的发展，通过射频识别、红外感应器、全球定位系统、激光扫描器等信息传感设备，按约定的协议，把任何物品与互联网连接起来，进行信息交换和通讯，以形成智能化识别、定位、跟踪、监控和管理的网络。物联网时代下的智慧医院建设核心就是基于透彻的感知和度量，实现全面互联互通的医院信息化系统，通过医院信
ｉｃ１
·２６８·
息化网络实现感知数据的互通，业务平台对感知数据作进一步处理。随着物联网技术在医疗领域的推广和应用，创伤急救相关数据也正不断突破临床范畴。
２ 创伤急救中的数据特点和创伤专科数据库建设现状
创伤急救中的数据信息量大、
时效性强、来源繁杂，既有来自于ＨＩＳ、ＬＩＳ的结构化信息，还包括ＰＡＣＳ和病历系统等大量非结构化、半结构化数据，在现有条件下利用率低下，恰如大数据的“４Ｖ”特点。针对严重创伤患者，多采用“损伤控制外科”（ｄａｍａｇｅ ｃｏｎｔｒｏｌ ｓｕｒｇｅｒｙ，ＤＣＳ）的理念和技术，期望能控制损伤发展的进程，而不是早期针对损伤采取决定性治疗。由于创伤患者的伤情和个体差异性极大，
缺乏基础研究，目前难以决定哪些创伤患者需采用早期完全治疗或ＤＣＳ方法。
根据损伤严重程度的统计学分析，可以量化
评估创伤的预后，
更好理解治疗的有效性［３］
。目前最常用的是简明创伤定级法（ａｂｂｒｅｖｉａｔｅｄ ｉｎｊｕｒｙｓｃａｌｅ，ＡＩＳ）和国际疾病分类（ｉｎｔｅｒｎａｔｉｏｎａｌｃｌａｓｓｉｆｉｃａｔｉｏｎ ｏｆ ｄｉｓｅａｓｅｓ，ＩＣＤ）。在此基础上，建立各种创伤案例数据库系统，
对创伤病例进行研究，有助于制定规范化的诊断和治疗方案，发现对创伤预后影响更大的医疗要素。
美国创伤外科医师委员会（ＡＣＳＣＯＴ）在组织大规模严重创伤预后研究（ｍａｊｏｒ ｔｒａｕｍａ ｏｕｔｃｏｍｅｓｔｕｄｙ，ＭＴＯＳ）的基础上，开发了在线的创伤数据库（ｎａｔｉｏｎａｌ ｔｒａｕｍａ ｄａｔａ ｂａｎｋ，ＮＴＤＢ），采用在线填报创伤病例的方式采集数据，已覆盖全美１００家Ⅰ或Ⅱ级创伤中心。四川大学华西医院早在１９９５－２００５年即建设了ＭＴＯＳ－中国数据库系统，其主要基于ＡＩＳ评分体系，建成华西创伤协作网，使用数字波束形成（ＤＢＦ）／结构化查询语言（ＳＱＬ）软件，采用手工录入的方式采集数据。２００９年，第三军医大学野战外科研究所针对创伤发生和救治过程，研究建设了Ｂ／Ｓ架构的网络版创伤数据库，可与ＨＩＳ并网运行；该系统综合采用了院前指数（ＰＨＩ）、修正的创伤评分（ＲＴＳ）、ＣＲＡＭＳ评分、格拉斯哥昏迷评分（ＧＣＳ）、创伤严重度评分（ＩＳＳ）和创伤严重程度评分（ＴＲＩＳＳ）生存概率（Ｐｓ
）等标准，其他医疗机构也开展了类似的研究［４－
５］。然而，中国尚未建立法定统一规范、
Ｓｈａｎｇ
ｈａｉ Ｍｅｄ Ｊ，２０１４，Ｖｏｌ．３７，Ｎｏ．３在线强制传报的国家创伤数据库系统，基础数据的匮乏，严重影响了中国创伤体系的建设和完善。
创伤评分系统“量化”了创伤患者，无论是基于解剖结构还是生理指标的评分系统，
都是对力图通过“采样”用最少的数据得到最多的信息。采样忽视了细节考察，
这是信息处理能力受限时代的产物，而在“大数据”时代，随着动态心电图、动静脉压检测、
血氧饱和度、二氧化碳分压、静脉输液泵等各种数字化实时诊断和治疗设备应用的普及，创伤急救中海量数据的实时采集、处理早已不是障碍。如果可能的话，
收集所有的数据，即“样本＝总体”。大数据中的“大”是指不用随机分析法这样的捷径，
而采用所有数据的方法。 全生命周期创伤数据库构建设想
传统概念上创伤被视作“意外”，重点在于临床救治，
而当前的研究倾向于将创伤视作一种“流行病”，因为创伤可以对所有年龄组的个体、心理和经济造成灾难性的后果，
且与人的行为直接相关，某种程度上是可预测和预防的［
６］
。整体来看，国外医疗信息领域已经步入信息化第五阶段，建设对象从单一的专科业务向构建跨机构、跨区域、跨平台的综合性信息整合与集成平台转变。业务领域的深入研究不断贴近实际、
贴近业务。从原来的信息化建设以管理为目标，转向以服务临床、提升临床效率为目标。在现行的临床诊断和治疗过程中，已经建立起诸如ＨＩＳ／ＬＩＳ／ＰＡＣＳ等临床数据库，可以从电子病例、检验信息、影像信息等层面采集患者的医疗信息。但是，上述数据库间相对较为独立，未形成相互关联的数据仓库；海量数据缺乏有效交互。对于临床医师而言，上述医疗数据并非完全结构化医疗信息，其实际利用效率不高。由此，
构建符合业务实际需要、切合临床路径和专科临床救治过程的专业数据库，成为当前临床信息化建设中的重点和难点。
全生命周期管理（ｌｉｆｅｃｙｃｌｅ ｍａｎａｇｅｍｅｎｔ）源于工业产品制造领域的管理理念和技术，已尝试将其引入创伤急救领域，覆盖创伤的预防、现场急救、转运、院内急救、重症监护、手术、专科治疗、康复、心理干预和教育培训等全生命周期流程。系统框架主要包括医疗信息交换引擎、创伤数据库和数据仓库、创伤数据管理系统、基于创伤数据库
３
上海医学２０１４年第３７卷第３期
的应用系统、创伤数据接口系统，以及与项目需求相配套的标准规范体系、信息安全体系和基础设施体系等。全生命周期流程中涉及的临床数据极为庞大，管理协调难度极高，故在当前技术和经济条件下，难以建立国家性的数据库。可尝试由若干家医疗、管理、科研机构先行建立区域性的全生命周期创伤数据库，攫取部分重要共性信息向国家创伤数据库自动传报。４ 创伤急救中的数据挖掘技术
现有的医疗信息资源与实际操作严重脱节，分散在非结构化的临床记录和诊断报告中的历史数据几乎闲置，
仅有少部分研究人员偶尔查阅，其隐藏的研究信息无法得以充分利用。传统的数据库是为捕获数据而设计，数据仓库（ｄａｔａｗａｒｅｈｏｕｓｅ）则是为分析数据而设计。数据仓库是决策支持系统（ｄｅｃｉｓｉｏｎ ｓｕｐｐｏｒｔ ｓｙｓｔｅｍ，ＤＳＳ）和联机分析应用数据源的结构化数据环境。数据挖掘（ｄａｔａ ｍｉｎｉｎｇ）是旨在从存放于数据仓库的大量数据中获得有效、新颖、潜在有用的、最终可理解的模式的非平凡过程。数据挖掘可以帮助决策者分析历史数据和当前数据，
并从中发现隐藏的关系和模式，进而预测未来可能发生的行为。数据挖掘可以实现与用户或知识库交互
［７］
。关联规则
是形如Ｘ→Ｙ的蕴涵式，其中Ｘ和Ｙ分别称为关
联规则的先导（ａｎｔｅｃｅｄｅｎｔ或ｌｅｆｔ－ｈａｎｄ－ｓｉｄｅ，ＬＨＳ）和后继（ｃｏｎｓｅｑｕｅｎｔ或ｒｉｇ
ｈｔ－ｈａｎｄ－ｓｉｄｅ，ＲＨＳ）。关联规则挖掘发现大量数据中相集之间有意义的关联或相关联系，其在数据挖掘中是一个重要课题，近年已被业界广泛研究，在医学信息学当中的应用更是方兴未艾。关联规则挖掘过程主要包含两个阶段：第一阶段必须先从资料集合中找出所有的高频项目组，
第二阶段再由这些高频项目组中产生关联规则（ａｓｓｏｃｉａｔｉｏｎｒｕｌｅｓ）。关联规则的相关算法包括Ａｐｒｉｏｒｉ算法、基于划分的算法、ＦＰ－书贫瘠算法。Ａｐｒｉｏｒｉ算法是一种最有影响的挖掘布尔关联规则频繁项集算法。创伤急救中所涉及的临床参数判定、治疗决策选择、转归预后结果三者之间存在一种因果关系，符合布尔规则的适用情况，也是创伤急救
中所采用的经典关联规则算法［
８］
。越来越多的关联规则数据挖掘方法在临床医学的应用中取
得了显著的成果［
９－
１０］。·２６９·
５ “大数据”时代的严重创伤诊断和治疗规范与评价体系
由于人体机能和疾病极其复杂，
传统以个人经验为主的医学模式存在较大局限。前瞻性随机对照研究（ＲＣＴ）被认为是当前临床研究的主要方法，但创伤患者个性化特征极为明显，救治过程也难以标准化。循证医学（ＥＢＭ）意为“遵循证据的医学”
，其核心思想是医疗决策（即患者的处理、治疗指南和医疗政策的制定等）
应在现有的最好的临床研究依据基础上做出，同时也重视结合个人的临床经验。ＥＢＭ的提出凸显医学“大数据”的巨大价值，大数据临床实验（ｂｉｇ
－ｄａｔａ ｃｌｉｎｉｃａｌ ｔｒｉａｌ，ＢＣＴ）
重塑了临床研究格局［１１］
。籍由技术的创新与发展，
以及数据的全面感知、收集、分析、共享，为人们提供了一种全新的看待世界的方法。更多地基于事实与数据做出决策，这样的思维方式，可以预见，
将推动习惯于靠“差不多”、凭经验和直觉判断运行的创伤急救模式发生巨大变革。
在创伤的预后研究中，以往只关注患者生存率的预测。随着时代的发展，世界卫生组织将健康重新定义为“生理、心理和社会适应３个方面全部良好，而不仅仅是没有疾病或残疾”。创伤的预后研究也逐渐开始定量化，
研究内容包括死亡率和住院时间、健康相关的生命质量、慢性功能损伤、质量调整生命年等。目前的严重程度评分系统对于非致命性、
主观性的预后评估并不适合，在创伤患者预后体系诸如合适的治疗、成本效益，满
意度、
功能等方面还有相当大的发展空间［１２］
。在“大数据”时代，随着信息获取、共享的便捷和云计算等新兴技术的不断发展和成熟，
跨地域、多中心、大样本的疗效比较研究（ｃｏｍｐ
ａｒａｔｉｖｅ－ｅｆｆｅｃｔｉｖｅｎｅｓｓ
ｒｅｓｅａｒｃｈ，ＣＥＲ）成为可能［１３］
。综上所述，“大数据”时代创伤急救面临重大的机遇和挑战，一方面基于海量数据挖掘，寻找到潜藏在创伤患者临床数据后的有用信息，及时进行预防和治疗；另一方面，数据本身的质量和对大数据专业化处理的能力未跟上临床需求，如何存储、检索、清理和分析大数据是难题。无论如何，“大数据”时代已经到来，大数据所带来的难题也将在探索中得以解决。
参 考 文 献
［１］维克托·迈尔－舍尔维恩，肯尼斯·库克耶．大数据时代
·２７０·
［Ｍ］．杭州：浙江人民出版社，２０１３：３９．
［２］艾浩军，吴余龙，王康武．物联网背景下的智慧城市建设
［／：／／ＥＢＯＬ］．中国城市低碳经济网．［２０１２１０１５］．ｈｔｔ－－ｐ／＿？ｗｗｗ．ｃｕｓｄｎ．ｏｒ．ｃｎｎｅｗｓｄｅｔａｉｌ．ｈｉｄ＝２２０５４７ｇｐｐ
［３］ＫＡＮＥＲＬ．ＵｎｄｅｒｓｔａｎｄｉｎＨｅａｌｔｈＣａｒｅＯｕｔｃｏｍｅｓＲｅｓｅａｒｃｈ ｇ
［，Ｍ ，Ｍ］．２ｎｄｅｄ．ＳｕｄｂｕｒＡ：Ｊｏｎｅｓ＆ＢａｒｔｌｅｔｔＬｅａｒｎｉｎ ｙｇ２００５．
［４］周继红，邱 俊，王苏星．第三届全国交通伤与创伤数据库
］：学术交流会纪要［Ｊ．中华创伤杂志，２０１０，２６（７）６５７－６５８．
［５］汪 方，杨 庆，王秋根，等．骨盆创伤全生命周期临床数
］：据库构建初步探讨［Ｊ．中华创伤杂志，２０１１，２７（４）３０７－３１０．
［６］ＭＡＴＴＯＸＫＬ，ＭＯＯＲＥＥ，ＦＥＬＩＣＩＡＮＯＤ，ｅｔａｌ．Ｔｒａｕｍａ
ｔｈ ［，Ｍ］．７ｅｄ．Ｎｅｗ Ｙｏｒｋ：ＭｃＧｒａｗ－ＨｉｌｌＰｒｏｆｅｓｓｉｏｎａｌ２０１２：
，ＳｈａｎｈａｉＭｅｄＪ２０１４，Ｖｏｌ．３７，Ｎｏ．３ ｇ
，ＭｏｒａｎＫａｕｆｍａｎｎ２０００． ｇ
［，９］ＥＸＡＲＣＨＯＳＴＰ，ＰＡＰＡＬＯＵＫＡＳＣ，ＦＯＴＩＡＤＩＳＤＩｅｔ
ａｌ．Ａｎｓｓｏｃｉａｔｉｏｎｕｌｅｉｎｉｎｂａｓｅｄｅｔｈｏｄｏｌｏｏｒ ａ ｒ ｍ－ ｍｇｇｙ ｆ［］ａｕｔｏｍａｔｅｄｄｅｔｅｃｔｉｏｎｏｆｉｓｃｈｅｍｉｃＥＣＧｂｅａｔｓＪ．ＩＥＥＥＴｒａｎｓ ，（）：ＢｉｏｍｅｄＥｎ２００６，５３８１５３１１５４０． －ｇ
［］Ａ１０ＬＭＯＤＡＩＦＥＲＧ，ＨＡＦＥＺＡ，ＭＡＴＨＫＯＵＲ Ｈ，ｅｔａｌ．
Ｄｉｓｃｏｖｅｒｉｎｍｅｄｉｃａｌａｓｓｏｃｉａｔｉｏｎｒｕｌｅｓｆｒｏｍ ｍｅｄｉｃａｌｄａｔａｓｅｔｓ ｇ ［Ａ］．ＩｎｓｔｉｔｕｔｅｏｆＥｌｅｃｔｒｉｃａｌａｎｄＥｌｅｃｔｒｏｎｉｃｓＥｎｉｎｅｅｒｓ．ＩＴｉｎ ｇ，ＭｅｄｉｃｉｎｅａｎｄＥｄｕｃａｔｉｏｎ（ＩＴＭＥ）ＩｎｔｅｒｎａｔｉｏｎａｌＳｍｏｓｉｕｍ ｙｐ［Ｃ］．Ｇｕａｎｚｈｏｕ，２０１１．ＩＥＥＥ，２０１１：４３４７．－ｇ
［］ＷＡＮＧ１１Ｓｏｒｔｕｎｉｔｉｅｓｎｄｈａｌｌｅｎｅｓｆｌｉｎｉｃａｌ Ｄ．Ｏ ａ ｃ ｏ ｃｐｐｇ
：］ｒｅｓｅａｒｃｈｉｎｔｈｅｂｉｄａｔａｅｒａｆｒｏｍ ＲＣＴｔｏＢＣＴ［Ｊ．ＪＴｈｏｒａｃ － ｇ，（）：Ｄｉｓ２０１３，５６７２１７２３．－
［］Ｌ—１２ＥＥＣＮ，ＫＯＣＹ．Ｂｅｏｎｄｏｕｔｃｏｍｅｓｔｈｅａｒｏｒｉａｔｅｎｅｓｓ ｙｐｐｐ
［］（）：ｏｆｓｕｒｉｃａｌｃａｒｅＪ．ＪＡＭＡ，２００９，３０２１４１５８０１５８１． －ｇ［］Ａｍ：：Ｎ１３ｅｒｉｃａｎＣｏｌｌｅｅｏｆＳｕｒｅｏｎｓＴｒａｕｍａＰｒｏｒａｍｓａｔｉｏｎａｌ ｇｇｇ
［／：／／ＤａｔａＢａｎｋ（ＮＴＤＢ）ＥＢＯＬ］．ｈｔｔｗｗｗ．ｆａｃｓ．Ｔｒａｕｍａ ｐ／／／ｏｒｔｒａｕｍａｎｔｄｂｇ
）（收稿日期：２０１４０１１５－－
１６２．
［７］ＨＡＮＪＷ，ＫＡＭＢＥＲ Ｍ．数据挖掘：概念与技术［Ｍ］．
范 明，孟小峰，译．北京：机械工业出版社，２００１：３６．－［：Ｃ８］ＨＡＮＪＷ，ＫＡＭＢＥＲ Ｍ．ＤａｔａＭｉｎｉｎｏｎｃｅｔｓａｎｄ ｇｐ
Ｔｅｃｈｎｉｕｅｓ（Ｔｈｅｏｒａｎａｕｆｍａｎｎｅｒｉｅｓｎａｔａ Ｍ Ｋ Ｓ ｉ Ｄｑｇ，Ｃ：ＭａｎａｅｍｅｎｔＳｓｔｅｍｓ）［Ｍ］．ＳａｎＦｒａｎｃｉｓｃｏａｌｉｆｏｒｎｉａ ｇｙ
（本文编辑：王小燕）
中国尸体器官和活体器官移植的伦理问题
江一峰 马 磊 张舒雅 祝延红
器官移植是一种挽救终末期器官病变和器官功能衰竭患者的有效治疗手段，目前中国、印度、巴西等一些发展中国家也逐渐加大了对器官移植基础研究和临床实践的投入。器官移植属于活性不仅在技术上有大量难关需要突破，在其伦移植，
理层面上也有众多问题有待解决。１ 移植器官供需矛盾日益显著
器官移植自２已在０世纪５０年代发展至今，临床得到越来越广泛的应用。但在全球范围内，移植器官需求的旺盛与供给的不足一直是一对矛盾。在美国，２００７年约有５０００例患者在等待器 目前在等待肾脏移植的６官的过程中死亡；０岁以上患者中，有４６％的人可能因为等不到肾脏而死
１］
。在欧洲，亡［目前约有５万例欧盟国家的患者
２］
。中死亡［
２０世纪７０年代在中国进行了首例肾移植手术，此后器官移植数量不断增加；至２中国００６年，每年各类器官移植数量已超过１万例，仅次于美
３］
。中国器官移植的高速发展居世界第２位［国，
同样面临移植器官来源短缺的问题，由于人口基器官短缺造成“移植难”的困境已远远超数庞大，
过欧美国家。数据表明，中国每年等待各类器官移植的患者数量约１其中仅有不到１％的患５０万，
４］
。在开展器官移植者能够获得器官移植的机会［
的医院，器官来源已成为保障移植技术发展的最主要因素，甚至成为衡量移植手术开展成功与否的隐性指标。
但无法满足巨大２ 尸体器官捐献是发展趋势，需求
移植器官供需的巨大矛盾导致了一系列伦理
问题的出现，如器官的来源问题，器官的供体问题，以及器官的公平分配问题等，为解决这些问
注册等待器官移植，平均每天有１２例患者在等待
）上海市卫生局面上项目资助（２０１３４３４６ 基金项目：
作者单位：上海市第一人民医院伦理委员会２０００８０ 上海，祝延红通信作者：