大数据在卫生计生监督打击非法行医中的应用

医疗大数据热度不减，这一点在“医疗大数据应用与实践研讨会”上表现得尤为明显。

据会议发起人、北大肿瘤医院信息中心主任衡反修透露，中国研究型医院学会医疗信息化分会医疗和临床科研大数据专委会原本只是想办一个七八十人的小会，但由于报名人数不断上涨，不得不改了两次会场。至3月18日会议当天，参会人数已经超过300人。

如果严格按照大数据的4V特性（Volume Variety Velocity Value，即体量、多样性、速度和价值）来讲，只有体量达到PB（1PB=1000TB）级才算大数据，那么国内甚至没有一家单体医疗机构的数据量能称为“大数据”。但是“大数据”这一词汇的广泛应用，已经让其概念产生了泛化，也就是说，人们在说大数据时，并不一定真的就是大数据。

（国家卫计委卫生计生监督中心信息二处处长王晖）

但是这并不影响医疗行业对大数据的热衷，从某种意义上说，是否严格符合大数据的定义，也许真的没那么重要。国家卫计委卫生计生监督中心信息二处处长王晖在会上说：只有应用大数据技术，才能打开大数据应用这扇窗。他在会上作了《卫生计生监督大数据技术应用实践》的发言，其中对非法行医数据的研究分析引起了广泛的兴趣。

非法行医“阵地”从华东转到西南

国家卫计委卫生计生监督中心（下称监督中心）把2012年到2015年的无证行医案件地区分布进行了统计，并在地图上予以呈现。

地图显示，2012年的无证行医案件主要集中在江浙、上海等地区，而到2014年，云南、贵州、重庆则成为案件多发地。

“非法行医跟什么因素有关？与当地GDP、人口数量、医疗机构数量、医生数量有没有关系？”为了弄清楚非法行医案件多发的相关因素，监督中心把散落在国家统计局、国家卫计委统计信息中心等机构的数据搜集过来，进行对比分析。通过数据归集，进行集中展现，可以清晰地看出各省游医的分布情况（气泡越大表示游医越多）。

游医数据的展现得益于非法行医信息的全国联网，一个非法行医者只要被查出超过两次（含），即便是在异地，就会被移送公安部门处理。有了身份证号，卫监中心就建立了全国范围的非法行医数据库。“以前我以为全国非法行医的多是年纪大的人，通过数据分析发现，其实三四十岁的年轻人才是‘骨干力量’。”王晖说。

统计显示，2012年-2015年非法行医案件数量排名靠前的省份主要有山东、河南、安徽、上海、浙江、江苏、重庆、贵州、云南，重点区域是华东、江浙及西南地区。排名靠前的趋势变化是，从华东、江浙逐步扩大到云南、贵州、重庆等西南地区。

可能的原因

分析发现，非法行医案件高发与人口数量、人口密度及每万人口卫生技术人员数等因素相关。

非法行医案件数量与区域总人口数量有一定的正相关关系，案件最多的山东、安徽、河南、浙江和江苏，人口数量在全国排名分别为第2、8、3、10、5位；与人口密度的正相关程度更高，除云南和贵州外，案件数量最高的七个省/直辖市，人口密度均排在全国前十名；案件数量与每万人口卫生技术人员数也有一定的相关性（除浙江、江苏和上海）。

华东地区之所以非法行医案件多发，是因为山东以南和安徽以北的农村人口较多，他们有自己的就医习惯，接受非法行医者的服务更便捷更便宜。

江浙地区之所以非法行医案件多发，是因为人口多、人口密度大、流动人口多。虽然这些地方的医疗资源丰富，卫生技术人员数量较多，但是流动人口的就医习惯拉升了案件数量。数据显示，这些地区的非法行医人员基本来自安徽、河南和江西，距离上海都较近。

云南和贵州等少数民族地区案件多发，首先是因为整体医疗水平较低；其次，少数民族聚集，文化差异产生了固定的就医习惯；第三，监督打击力度强，有些地方甚至给监督员下设了案件数量的任务，直接导致了案件数量的上升。

当然，“大数据技术只是揭示了现象，找出相关性，不一定是因果关系。”王晖强调，分析原因，找出政策和策略，才是大数据的价值所在。

加强医疗保障与打击非法行医两手抓

鉴于以上分析，王晖建议通过以下手段，改变目前非法行医案件多发的现状。

首先，加强农村、山区医疗保障体系，因为这些地方的医疗水平比较低。

其次，加强流动人口的医疗保障措施，虽然上海、江苏、浙江等地的医疗水平很高，但是对于流动人口医疗保证仍需加强。

再次，对不良就医行为宣传干预，“他们非法行医，我们就开着大喇叭喊不要信，如果天天在非法行医点宣传，我估计很多老百姓就不会上当。”

第四、多省联动，联合执法，打击扰乱医疗市场的不良行为。