PULSE项目：利用大数据实现城市和谐健康幸福愿景的案例_大数据topn

 

1.大数据poc

我们都知道个人健康管理里的“健康危险因素”的概念但它们最初是怎么被发现的呢？它肯定不能用拍脑门的方式来确定其实就是通过数据分析而来，特别是对临床病历数据做大规模分析这容易理解，有1万甚至更多人患一种疾病，综合分析他们的生活习惯，生活环境，职业和家庭等数据，通过合理的对比和关联分析，得出某一种生活习惯或者环境更容易患上这种疾病的结论，是有一定指导意义的（尽管它不是一个确定性事件）。

2.splunk大数据

理论上，这样的数据样本越多，涉及的数据种类越丰富，通过分析而获得信息就相对越贴近真实情况这也是人们在医学领域一直不假思索的呼吁和倡导数据开放的原因显然，目前数据开放进展仍旧缓慢，这里涉及的问题将在“数据权利与流通”模块再详细分析。

3.大数据平台poc方案

欧洲开展的PULSE项目给我们提了一个良好的实践示例，尽管它一定存在许多没有对外披露的阻碍系统化获取大量异质性健康、社会、个人和环境数据的相关性是PULSE项目的核心和主要活动该项目目前在8个试点城市（巴塞罗那、伯明翰、纽约、巴黎、新加坡、帕维亚、基隆和台湾）启动，公民通过个人设备和PulsAIR应用程序提供数据，这些设备与异构来源的信息集成：开放城市数据、健康系统、城市传感器和卫星。

4.presto 大数据

简而言之，PULSE利用广泛的个人健康样本数据，结合环境等多源数据，分析影响哮喘和2型糖尿病的危险因素这看起来都是那些医学专家和机构要操心的事情但做为个人健康管理环节中重要的“健康危险因素”生产来源，希望这种模式有更广阔的应用机会，为健康提供有效信息。

5.pa大数据

以下是《PULSE项目：利用大数据实现城市和谐健康幸福愿景的案例》全文翻译版，©作者2020 M. Jmaiel等人（版本）：ICOST 2020，LNCS 12157，第423-431页，2020https://

6.大数据平台spark

doi.org/10.1007/978-3-030-51517-1_39Domenico Vito1,Manuel Ottaviano2,Riccardo Bellazzi1,Cristiana Larizza1,Vittorio Casella3,Daniele Pala3,

7.poi大数据

and Marica Franzini31 Centre of Health Technologies,Università degli studi Pavia,Via Adolfo Ferrata 5,27100 Pavia,Italy

8.大数据领域pa是什么意思

dvito.pulse@gmail.com,{riccardo.bellazzi,cristiana.larizza}@unipv.it2 E.T.S.I. de Telecomunicació, Universidad Politécnica de Madrid,

9.大数据oltp

Madrid Av.Complutense,30,28040 Madrid,Spainmottaviano@lst.tfo.upm.es3 Department of Civil Engineering and Architecture,

10.大数据hadopp技术

Università degli studi Pavia, Via Adolfo Ferrata 5, 27100 Pavia, PV, Italy{vittorio.casella,daniele.pala,

marica.franzini}@unipv.it摘要：尽管我们有时意识不到许多潜在影响，但空气污染正成为对全球健康最有影响力的威胁之一城市是因空气污染死亡最集中的地方为了正确解决干预和预防问题，必须在空间和时间上评估城市内空气污染的风险和影响。

PULSE旨在设计和建立一个大规模的数据管理系统，能够实时分析关于空气质量的健康、行为和环境数据目的是降低促使慢性疾病发病的环境和行为风险，以便及时和循证管理流行病发作，特别是与两种病理相关的流行病地发作：成年人群中的哮喘和2型糖尿病。

PULSE试验台在城市的健康、环境、运输、规划等领域制定政策关键词：空气污染·健康·数据平台·参与1 引言空气污染已经成为对全球健康最有影响力的威胁之一欧洲环境署[1]估计，在超过41个欧盟国家中，因暴露于空气污染物的异物颗粒而过早死亡的人数约为412000人。

2016年，同一国家的NO2和O3浓度分别约为71000和15000空气污染对健康的威胁仍然主要位于城市但这些影响不仅限制了幸福感，而且影响了经济最容易受到风险影响的是收入较低的社会经济群体，这些群体目前也是最容易受到环境危害的群体。

空气污染确实并不只是一个卫生问题：它的负担也反映在增加的医疗费用上因此，空气污染是一个只能用战略远景来解决，只能用长期有针对性的政策来解决，主要是城市环境的问题2015年，国际电联和联合国欧洲经济委员会（欧洲经委会）将智慧和可持续城市定义为“利用信息和通信技术和其他手段提高生活质量、城市运营和服务效率以及竞争力，同时确保它满足今世后代在生态、社会、环境以及文化方面的需要的创新城市”。

这一定义也于2016年在联合智慧可持续城市倡议(U4SSC)中得到提倡这一开放的全球平台回应了联合国可持续发展目标11：“使城市和人类住区具有包容性、安全性、复原力和可持续性”，为全球传播知识和创新提供了有利的环境[2]。

此外，卫生部门也受到这一愿景的感染：社交网络、基于云平台形式和支持数据收集的智能手机app的增加，增加了在传统临床环境之外收集数据的机会这种信息爆炸使患者能够收集并在彼此、家人和临床医生之间共享数据患者产生的健康数据(PGHD)定义为由临床领域以外的患者生成和记录的健康相关数据。

该数据可能是患者、临床医生和决策者可用的重要资源，用于解决当前或新出现的健康问题，并且大部分是全球范围的，如果它们被来自大规模传感器/IoT设备的信息整合，并手动输入患者、护理人员或一般公民参与带来的共同决策的自愿数据。

上述定义有助于理解PULSE项目的背景PULSE旨在设计和构建大规模的数据管理能够实时分析个人数据流的系统目的是降低慢性疾病发病率的环境和行为风险，以便对成年人群中与两种病理（哮喘和2型糖尿病）特别相关的流行病进行及时和循证的流行病学管理。

在参与PULSE试验的城市的健康、环境、运输、规划等领域制定政策该项目目前在8个试点城市（巴塞罗那、伯明翰、纽约、巴黎、新加坡、帕维亚、基隆和台湾）启动，采用自愿参与方法，公民通过个人设备和PulsAIR应用程序提供数据，这些设备与异构来源的信息集成：开放城市数据、健康系统、城市传感器和卫星。

PULSE促进建立一个综合数据生态系统的长期可持续性目标，该生态系统是基于对智能城市环境中所有陈述的异构数据的持续大规模收集2 PULSE项目PULSE项目的目标是建立一套可扩展的模型和技术，以预测、缓解和管理城市的健康问题，促进人口健康。

目前，PULSE正在全球8个城市工作它通过开放的城市数据、来自卫生系统的数据、城市和远程传感器以及个人设备来收获多变量数据平台，以最大限度地降低慢性疾病发病率和患病率的环境和行为风险为目标，并能够对公共卫生事件和过程进行证据驱动和及时管理。

临床研究是针对成年人群中的哮喘和2型糖尿病：该项目是通过暴露风险模拟模型开发动态时空健康影响评估的先驱，该模型具有WebGis拥有的基于人群地理位置的数据支持PULSE提供了一个更广泛的幸福感愿景，同时它也与环境保护有关。

2.1 数据采集原则系统化获取大量异质性健康、社会、个人和环境数据的相关性是PULSE项目的核心和主要活动之一这些部署的总体目标包括从获得的数据中得出更多的价值，方法是：制定更全面的基准，并认识到社会和环境因素对城市社区健康和福利的影响，从而扩大公共卫生的范围。

为此，PULSE为终端用户（主要是公民和患者、公共卫生机构和城市服务）开发了工具，通过整合和聚合相关的开放、多源和遥感数据，来改善风险模型的准确性/可靠性，指导行动并提供干预措施，以缓解哮喘和2型糖尿病的风险，并改善健康习惯和生活质量。

2.2 临床重点PULSE项目重点关注空气污染与哮喘呼吸系统疾病之间的联系，以及缺乏体力活动与2型糖尿病代谢性疾病之间的联系这两种病理的风险评估包括分别评价：2型糖尿病：相关行为风险（即，在家中或公共场所缺乏运动/体力活动）。

这与剂量-反应关系中2型糖尿病发病风险较高相关该评估使用不引人注目的传感器/数据收集和来自自愿贡献的健康和幸福感基准数据，并跟踪和模拟家庭和全市的流动情况（包括时间、频率和过境和/或流动方式的途径）哮喘：环境/暴露风险（即，暴露于空气污染，尤其是近道路空气污染）。

空气质量差与哮喘发作和加重的风险较高相关在PULSE中的生物特征模拟模型，通过风险评估模型评价疾病发作的风险，预测与空气质量相关的哮喘和糖尿病发作的风险该模型是由2型糖尿病(T2D)发病和成人哮喘预测模型的文献综述中选择的模型开发的。

选择其中一些进行实现，并根据PULSE存储库上可用的数据集进行重新校准，并添加新变量[12]2.3 数据结构PULSE体系结构由5个主要结构组成[15]：PULSEAir、App Server、AIR Quality分布式传感器系统、GisDB、WebGIS和Personal DB。

PULSE App：是提供给参与者的个人App，负责收集传感器数据并与用户互动，提出干预和游戏建议PulsAIR可用于iOS和Android，可以连接到FitBit、Garmin和Asus健康追踪设备空气质量分布式传感器系统：PULSE空气质量传感器系统由多种类型的传感器和传感器数据集组成，它结合了移动传感器和传感器的移动网络，以高分辨率监测城市区域内排放的可变趋势，并适当解决污染物通常扩散的时间和空间尺度。

在飞行器中使用了两种类型的传感器，分别是DunavNet的AQ10x（20 +，部署在所有飞行器中）和PurpleAir PA-II传感器应用服务器：此结构在内部连接PULSE组件个人数据库：该存储库包含个人详细信息、连通性、活动日志、试点结构化数据等。

GISDB：该存储库负责收集非个人数据源，如卫星、开放存储库和固定传感器WebGIS：该数据引擎负责聚合和利用所有收集的数据，通过地图构建前端可视化3 幸福感模型和城市幸福感WHO对健康的定义包括对健康的引用：健康是“一种完全的身体、精神和社会健康状态，而不仅仅是没有疾病或疾病”[4]。

幸福感是一个由几个维度组成的动态结构在健康的同声观点中，可以定义健康的3个主要领域：心理健康、身体健康和主观健康主观幸福感(SWB)通常通过经验证的心理测量量表以及个体和社区调查进行测量主观健康与健康相关生活质量(HRQoL)相关，但不是其同义词。

确定为主观幸福感最重要的因素因空间、时间和文化背景而异（图2）健康需要同时满足三种类型的需求个人需求（例如健康、自决、意义、灵性和成长机会），与满足集体需求密切相关，例如适当的医疗保健、环境保护、福利政策和衡量经济平等的指标；对于公民来说，需要公共资源来追求私人愿望并维持他们的健康。

健康也涉及关系需求在追求个人和群体之间的健康关系方面，有两个东西是根本的：尊重多样性和民主协作参与大多数社区福利方法（或其相关术语）都遵循一种综合方法：其中大多数方法的核心是强调个人福利PULSE专注于定义和发展与更广泛具有弹性的城市健康关联的城市福祉新概念。

认识到城市环境的生理特征（包括资产和缺陷）与人类健康（包括生理和心理健康）之间的联系获取城市幸福感的PULSE概念是指城市内的积极和消极体验（无论是客观的还是主观的）之间的相互作用，以及流动和安置的个人和社区实践。

这种对幸福感的新颖解释集中于个体心理特征和优势、人们生活和工作的社区，以及个体对环境和人际关系压力反应能力之间的动态相互作用[6]在我们城市人口健康模式中，身体和社会环境被理解为幸福感的关键驱动因素这优先考虑对城市地区和健康公平（包括幸福感的人口差异）采取综合或关系方法。

这种关系方法的核心是这样一种观点，即我们的健康和幸福是由我们生活和工作的环境特征塑造的，而这些环境又是由我们与健康相关的行动和行为塑造的最近的几项研究强调了这一重要动态使用英国老龄化纵向研究的数据，Hamer和Shankar[7]发现，对邻里持更多负面看法的个体报告的积极幸福感较低，并且随着时间的推移幸福感下降幅度更大。

当然，环境本身会对我们的福祉产生深远影响3.1 城市复原力与幸福感在PULSE中，我们将健康置于城市复原力模型中：城市复原力是指城市系统及其所有构成的跨越时间和空间尺度的社会生态和社会技术网络在面对干扰时保持或迅速恢复所需功能、适应变化和迅速转变限制当前或未来适应能力的系统的能力。

在这种定义中，城市复原力是动态的，并提供了复原力的多种途径（例如，持久性、过渡性和转变）它认识到时间尺度的重要性，并提倡一般适应性而不是特定适应性城市系统被概念化为复杂和适应性的，它由跨越多个空间尺度的社会生态和社会技术网络组成。

复原力被明确表述为理想状态，因此应在那些凭经验制定的国家中进行协商复原力城市社区可以大致定义为过早死亡率低于预期的社区（通过城市健康指标衡量）在PULSE中，我们将城市幸福感定义为城市复原力的一个组成部分。

在这种情况下，城市幸福感是指个人的特点和能力，以准备、应对和恢复在城市遇到的个人和人际关系挑战这些挑战一方面可能包括偏见和排斥的经历，另一方面可能包括暴露于资源不足或污染的环境这些挑战中的每一个都与个体和社区水平的生理和心理压力有关。

当然，压力与幸福感是对立的将这些概念转化为数据而构建两个主要工具可用于PULSE体系结构：之前描述的风险评估模型和城市地图3.2 城市地图物质环境、社会经济和文化条件、城市规划、现有的公共或私人服务和休闲设施是可能对一个人的健康产生影响的一些因素。

因此，近年来人们对研究与健康有关的现象的地理模式越来越感兴趣在此背景下，地图已被证明是显示空间分布的有用工具，以可视化和简明的方式在公共卫生中利用多种类型的数据[13,14]例如，它允许研究健康数据中的一般地理模式，并确定特定的高风险位置。

在PULSE中这些地图的一个示例是个人暴露地图个人暴露是流行病学的一个科学概念，用于量化每个人由于生活环境、习惯等而暴露的污染量个人暴露已经获得了来自低成本传感器密集网络的数据和相应来自PulsAIR应用程序的习惯信息。

按照传感器的采样率，计算数据图3显示了个人每小时暴露于PM10的地图此外，使用来自PulsAIR应用程序、FitBit和个人暴露的GPS轨道，通过身体平移速度（站立、行走和跑步，考虑每分钟呼吸次数和每次呼吸的空气量）获得与三类运动相关的吸入污染物的估计值[15]。

个人暴露结果也包含暴露路径，如图3所示：随着1分钟的时间推移对应的位置点而连接起来的运动轨迹4 结论PULSE的多变量数据驱动方法提供了健康和健康新概念的示例，不仅关注个体健康状况，还关注个体与环境之间的关系。

这种愿景也可以指向《柳叶刀》[16]提供的“行星健康”的定义PULSE中追求的数据驱动方法为实现这样的愿景提供了一个很好的机会，如果不能整合不同的数据来源，就没有那么容易实现这个愿景致谢本研究由欧盟研究和创新计划H2020资助，并记录在编号为727816的基金中。

特别的，PULSE由SCI-PM-18-2016——大数据支持公共卫生政策主题中的H2020-EU-3.1.5资助更多信息：www.project-pulse.eu.参考文献1. EEA (European Environment Agency): Air Quality in Europe 2019 EEA Report No 10/2019, Copenhagen (2019)

2. Aapo, H., Peter Bosch, P., Airaksinen, M.: Comparative analysis of standardized indicators for Smart sustainable cities: what indicators and standards to use and when? Cities 89, 141– 153 (2019)

3. Ottaviano, M., et al.: Empowering citizens through perceptual sensing of urban environ- mental and health data following a participative citizen science approach. Sensors 19(13), 2940 (2019)

4. World Health Organization - UN HABITAT: Global report on urban health. Geneva (2016)5. WHO: Closing the gap in a generation: health equity through action on the social determinants of health. Final report of the Commission on Social Determinants of Health,Geneva (2008)

6. Corburn, J., Cohen, A.K.: Why we need urban health equity indicators: integrating science,policy, and community. PLoS Med. 9(8), 1–6 (2012)

7. Toma, A., Hamer, M., Shankar, A.: Associations between neighborhood perceptions and mental well-being among older adults. Health Place 34, 46–53 (2015)

8. Fisher, G.G., Lindsay, H.R.: Overview of the health and retirement study and introduction to the special issue. Work Aging Retire. 4(1), 1–9 (2018)

9. Jenny, N.S., et al.: Biomarkers of key biological pathways in CVD. Global Heart 11(3), 327–336 (2016)

10. Stern, M.P., Williams, K., Haffner, S.M.: Identification of persons at high risk for type 2 diabetes mellitus: do we need the oral glucose tolerance test? Ann. Intern Med. 136(8), 575–581 (2002)

11. Kahn, H.S., Cheng, Y.J., Thompson, T.J., Imperatore, G., Gregg, E.W.: Two risk-scoring systems for predicting incident diabetes mellitus in U.S. adults aged 45 to 64 years. Ann.Intern Med. 150(11), 741–751 (2009)

12. Di Camillo, B., et al.: HAPT2D: high accuracy of prediction of T2D with a model combining basic and advanced data depending on availability. Eur. J. Endocrinol. 178(4), 331–341(2018)

13. Waller, L.A., Gotway, C.A.: Applied Spatial Statistics for Public Health Data. Wiley, Great Britain (2004)

14. Esnaola, S., Montoya, I., Calvo, M., Aldasoro, E., Audícana, C., Ruiz, R., et al.: Atlas demortalidad en áreas pequeñas de la CAPV (1996–2003). Donostia-San Sebastián. Servicio Central de Publicaciones del Gobierno Vasco (2010)

15. Vito, D., et al.: Dynamic spatio-temporal health impact assessments using geolocated population-based data: the PULSE project. In: Proceeding of World Clean Air Conference 2019, pp. 654–673. Turkish National Committee for Air Pollution Research, Istanbul (2019)

16. Watts, N., et al.: The lancet countdown on health and climate change: from 25 years of inaction to a global transformation for public health. The Lancet 391(10120), 581–630 (2018)

--------------------微信公众号名称：生活壹佰微信号码：life100live网站地址：www.life100.live数字化是21世纪最明显的趋势，我们的生活因此发生了许多变化其中，个人健康管理关乎我们与自身的相处关系，个人资讯获取关乎我们与外界的连接模式，而个人数据管理则是前面2者的底层支撑。

这3者很有可能是未来我们每个人都需要面对和接触的问题数字生活提供个人健康管理/个人资讯获取/个人数据管理的前沿资讯、思考与实践，基于“个人”角度而非“商业”角度来思考和探索“我们将如何面对21世纪的数字生活挑战和机遇？”。

欢迎您的关注