编者按：2019年3月28日，CIT 2019于北京召开。在今天早上的第十一届临床研究专题研讨峰会的“临床研究卓越之路”专场，中国医学科学院阜外医院王增武教授发表主题演讲，以实例阐述中国人群大数据分析的研究结果。
中国医学科学院阜外医院 王增武教授
大数据的定义
大数据（Big data）或称巨量资料，指的是需新处理模式才能具有更强的决策力、洞察力和流程优化能力的海量、高增长率多样化的信息资产。
在维克托迈尔-舍恩伯格及肯尼斯库克耶编写的《大数据时代》中，大数据指不用随机分析法（抽样调查）这样的捷径，而采用所有数据的方法。
大数据的特征
阿姆斯特丹大学的Yuri Demchenko等提出大数据体系架构框架，认为大数据具有5V特征，包括数量（Volume）、速度（Velocity）、种类（Variety）、价值（Value）和真实性（Veracity）。
大数据的应用
健康服务是最重要的大数据应用领域之一。医学数据应用领域包括业务应用、临床数据对比、临床决策支持、实时统计分析、远程患者数据分析、人口统计学分析、就诊行为分析、基本药物临床应用分析和药品研发等。
Google流感趋势分析是大数据分析的一个范例。Google搜索预测到流感趋势，预测结果同美国CDC数据相符，并且在流感传染曲线到达峰值前一周作出准确预测。另一个大数据分析的例子来自Twitter对心血管病死亡数量的预测，结果也同美国ADA的数据相仿。
大数据能支撑临床开展有效研究。《柳叶刀》杂志2014年曾发表研究，比较2004~2010年瑞典和英国急性心肌梗死（AMI）患者30天内的生存率。该研究共纳入242所英国医院和86所瑞典医院展开分析，英国医院患者739 828例，瑞典医院患者414 831例，其中，因AMI入院的英国和瑞典患者分别为391 077例和119 786例，30天后死亡患者数分别为41 509例和9173例。
大数据还可支持展开疾病进展预测，这一作用在中国的流行病学分析领域发挥巨大作用。
例1：中国人群的心血管领域研究范例——慢性心力衰竭的中国患者再入院的风险分析模型研究
研究机构：中日友好医院；
研究过程：建立研究平台，从历史记录中收集结构性和非结构性数据。最终收集到心力衰竭的患者1103例，再入院组329例，对照组774例。收集数据的情况为，每位患者123个变量，共计135 669个变量；
方法：单变量分析法，Cox回归分析法；
建立一个用于分析再入院风险的模型，包括10个因素：年龄、糖尿病、高脂血症、缺血性脑血管疾病、慢性肺梗阻疾病、舒张性高血压、血清蛋白、血清钠、血胆固醇和β阻滞剂等。
例2：中国人群的心血管领域研究范例——中国急性心肌梗死（CAMI）注册研究
研究机构：中国医学科学院阜外医院；
医院数量：108家；
患者数量：26 103例；
启动时间：2013年；
研究目的：比较75岁STEMI患者行PCI、纤维蛋白溶解和无再灌注治疗的临床结局。
影响：CAMI-NSTEMI评分为预测非STEMI患者的入院死亡率提供新的预测工具。
例3：中国人群的心血管领域研究范例——中国心力衰竭注册研究
医院数量：132家；
患者数量：13 687例；
时间：2012年~2015年；
结果：判断不同年龄人群中，射血分数同死亡率的关系。
例4：中国人群的心血管领域研究范例——中国冠状动脉旁路移植术注册研究
研究机构：中国医学科学院阜外医院；
医院数量：43家；
患者数量：9248例；
时间：2009年。
例5：中国人群的心血管领域研究范例——中国-PAR（中国ASCVD风险预测）项目
患者人数：127 000例；
随访时间：23年；
结论：研究结果显示，对中国10年ASCVD风险的预测值和观察值之间无显著差异。
例6：中国人群的心血管领域研究范例——中国高血压调查
研究机构：中国医学科学院阜外医院；
方法：多几分层随机抽样法；
患者数量：500 000例；
时间：2012年~2015年；
结果：比较1991年至2015年，中国高血压的流行病学变化。
大数据的局限性
大数据的局限性也很显著，主要包括人群代表未知、数据质量问题、个体多样性较差、隐私问题、难以确定数据的精确性和未知性。