MaltSci 麦伴科研

Appearance

热门主题报告 / 公共卫生

本报告由 MaltSci•麦伴科研 基于最新文献和研究成果撰写

健康数据在公共卫生中的作用是什么？ ​

摘要 ​

随着信息技术的快速发展，健康数据在公共卫生领域的重要性日益突出。健康数据为疾病预防、监测、控制及政策制定提供了重要依据，并推动健康教育的有效实施。本文系统回顾了健康数据在公共卫生中的多重角色，探讨其在疾病监测、政策制定、社区健康和应对公共卫生危机中的应用。健康数据的定义和分类为理解其在公共卫生中的作用奠定了基础，健康数据的来源多样化，包括传统的健康调查、电子健康记录以及社交媒体等新兴数据源。通过对健康数据的分析，公共卫生专家能够识别健康趋势、评估干预措施的有效性，并制定个性化的健康促进策略。本文还强调了健康数据在疾病流行趋势分析和疫情预警中的关键作用，指出数据驱动的决策支持能够提高公共卫生干预的有效性。同时，健康数据在社区健康中的应用，如健康教育和需求评估，也为改善公共卫生水平提供了重要支持。然而，随着数据量的激增，数据隐私和伦理问题日益突出，必须在保障个人隐私的前提下，最大化健康数据的公共利益。通过对健康数据的有效利用，公共卫生实践者和政策制定者能够更好地应对健康挑战，提升公共卫生水平，实现健康公平和可持续发展。

大纲 ​

本报告将涉及如下问题的讨论。

  • 1 引言
  • 2 健康数据的定义与分类
    • 2.1 健康数据的来源
    • 2.2 健康数据的类型
  • 3 健康数据在疾病监测中的应用
    • 3.1 疾病流行趋势的分析
    • 3.2 疫情预警与响应
  • 4 健康数据在政策制定中的作用
    • 4.1 数据驱动的决策支持
    • 4.2 健康政策评估
  • 5 健康数据在社区健康中的应用
    • 5.1 健康教育与推广
    • 5.2 社区健康需求评估
  • 6 健康数据的伦理与隐私问题
    • 6.1 数据隐私保护
    • 6.2 伦理审查与合规
  • 7 总结

1 引言 ​

随着信息技术的快速发展和数据收集手段的不断进步，健康数据在公共卫生领域的作用日益重要。健康数据不仅为疾病的预防、监测和控制提供了重要依据，还能够推动政策制定、资源分配和健康教育的有效实施[1]。通过对健康数据的分析，公共卫生专家能够识别健康趋势、评估干预措施的有效性，并针对特定人群制定个性化的健康促进策略。这一切都表明，健康数据的有效利用对于提升公共卫生水平至关重要。

在全球范围内，公共卫生面临着许多挑战，包括慢性病的增加、传染病的复发、以及健康不平等现象的加剧[2]。为了应对这些挑战，公共卫生系统必须依赖于准确、及时和高质量的数据。健康信息系统的建立与完善，使得公共卫生机构能够系统地收集、分析和传播健康相关数据，从而支持科学决策[3]。然而，尽管公共卫生数据的收集与利用日益受到重视，许多国家和地区在健康数据的获取和使用上仍面临严重不足，尤其是在低收入和中等收入国家，数据质量和可获取性问题亟待解决[4]。

当前，公共卫生领域的数据利用现状呈现出显著的多样性。数据不仅来源于传统的健康调查和监测系统，还包括社交媒体、可穿戴设备、电子健康记录等新兴数据源[5]。这种多样性使得公共卫生专家能够从更广泛的视角分析健康问题，并制定更具针对性的干预措施[6]。然而，随着数据量的激增，如何有效管理和利用这些数据，确保数据的隐私和伦理合规性，成为了公共卫生领域亟需解决的关键问题[7]。

本报告将系统地回顾健康数据在公共卫生中的多重角色，探讨其在疾病监测、健康政策、社区健康以及应对公共卫生危机等方面的应用。具体内容组织如下：首先，我们将定义健康数据并进行分类，讨论其来源和类型；接着，分析健康数据在疾病监测中的应用，包括流行趋势的分析和疫情预警与响应；然后，探讨健康数据在政策制定中的作用，着重于数据驱动的决策支持和健康政策评估；随后，我们将讨论健康数据在社区健康中的应用，包括健康教育与推广及社区健康需求评估；最后，重点关注健康数据的伦理与隐私问题，分析如何在保障个人隐私的前提下最大化健康数据的公共利益。

通过这一综述，我们希望为公共卫生实践者和政策制定者提供参考，促进健康数据的有效利用，从而最终提升公共卫生水平。这不仅是应对当前公共卫生挑战的需要，更是实现健康公平和可持续发展的重要途径。

2 健康数据的定义与分类 ​

2.1 健康数据的来源 ​

健康数据在公共卫生中扮演着至关重要的角色，主要体现在支持决策、监测健康趋势、评估干预效果以及指导政策制定等多个方面。公共卫生决策的有效性和及时性依赖于健康数据的可用性，这些数据能够帮助公共卫生机构进行疫情调查、环境监测等活动[8]。

健康数据的定义通常包括各类与健康相关的信息，这些信息可以来源于不同的系统和渠道。公共卫生数据系统由多个组成部分构成，包括但不限于监测系统、调查、病例基础的疾病和暴露系统、生命状态记录以及行政数据系统[9]。这些数据系统的主要来源包括政府机构、医疗保健提供者、学术研究以及社区组织等。

健康数据可以根据其性质和来源进行分类。例如，数据可以是定量的或定性的，分别用于量化健康结果和描述健康状况的背景信息。此外，数据还可以按来源分为原始数据和二手数据。原始数据通常是通过调查和监测直接收集的，而二手数据则是对已有数据的分析和利用[1]。

公共卫生数据的收集和维护至关重要，特别是在面对健康不平等和系统性健康差异的背景下。通过数据的透明和标准化，公共卫生机构能够更好地识别和解决健康问题，促进国内和全球健康[2]。例如，利用丰富的数据模型进行流感住院病例的预测，能够显著提高公共卫生决策的有效性，而数据贫乏的模型则可能导致不确定性，影响决策的可靠性[1]。

此外，随着科技的进步，人工智能（AI）和大数据的应用也在改变公共卫生数据的使用方式。通过将社会健康决定因素与健康结果连接起来，能够更好地理解健康差异的根源[2]。因此，发展健康数据作为公共产品的计划显得尤为重要，以确保数据的持续可用性和可访问性，从而促进公共卫生的整体改善[1]。

2.2 健康数据的类型 ​

本知识库信息不足，建议更换知识库或者补充相关文献。

3 健康数据在疾病监测中的应用 ​

3.1 疾病流行趋势的分析 ​

健康数据在公共卫生中的角色至关重要，特别是在疾病监测和流行趋势分析方面。公共卫生监测被定义为对健康数据的持续、系统性收集、分析和解释，并与及时传播所获得的信息紧密结合，以便负责预防和控制疾病和伤害的相关人员采取行动[10]。这种监测不仅能够提供有关疾病流行情况的实时信息，还能帮助公共卫生决策者制定有效的干预措施。

通过对健康数据的有效利用，公共卫生监测能够预测未来疾病趋势。例如，在一项关于季节性流感的研究中，分析了来自七个美国政府维护的数据源的数据，构建了两种模型来预测全国流感住院病例的数量：一种是数据丰富的模型，利用所有七个数据源；另一种是数据贫乏的模型，仅使用单一的住院数据源。结果显示，数据丰富的模型生成了可靠的预测，这对公共卫生决策具有重要价值，而数据贫乏的模型则产生了高度不确定的预测，无法实际应用[1]。因此，健康数据可以作为一个透明和标准化的基础，以改善国内和全球的健康状况。

此外，随着数据科学和大数据技术的发展，公共卫生监测系统也在不断演变。新的技术，如地理信息系统（GIS）、空间建模、人工智能等，正在推动公共卫生监测的创新。这些技术的应用有望提高病例报告的及时性、完整性和准确性，使所有利益相关者能够获得可操作的信息，从而更早地限制疾病风险[10]。

然而，尽管现代技术为公共卫生监测带来了诸多优势，仍需解决准确性和可靠性的问题，以便政策制定者能够利用这些预测来指导预防和控制工作。过去十年，健康数据的收集、存储和使用方式发生了显著变化，但公共卫生监测的目的仍然是预防或控制疾病、识别公共卫生重要事件并传播相关信息[5]。

综上所述，健康数据在公共卫生中的应用不仅是监测和分析疾病流行趋势的基础，也是制定有效公共卫生政策和干预措施的关键。随着数据科学的发展，公共卫生监测的方式和手段将不断创新，以应对未来的公共卫生挑战。

3.2 疫情预警与响应 ​

健康数据在公共卫生中扮演着至关重要的角色，尤其是在疾病监测、疫情预警与响应方面。公共卫生监测被定义为持续、系统地收集、分析和解释健康数据，并与及时传播公众需要了解的信息密切相关。这一过程对于现代公共卫生实践至关重要，能够通过国家可报告疾病监测系统（NNDRS）提供数据和信息[10]。

健康数据的有效收集和分析使得公共卫生机构能够早期识别疾病趋势，并进行预测。这种技术上的可行性虽然存在，但仍需进一步改进准确性，以便政策制定者能够利用这些预测指导预防和控制工作[10]。例如，在对流感的监测中，数据丰富的模型能够生成可靠的预测，从而为公共卫生决策提供有价值的信息，而数据贫乏的模型则常常导致不确定的预测，使其在实际应用中不够可行[1]。

此外，随着数据科学的发展，公共卫生监测的方式也在快速变化。新兴的数据输入，如技术驱动的生理测量、众包、现场实验和人工智能等，正在被用于感染性疾病的监测和公共卫生决策。这些技术的应用可以在提高时效性和减少资源需求方面相较于传统方法带来显著的好处[11]。

公共卫生监测的目标是通过收集和分析健康相关数据，预防或控制疾病和伤害，识别公共卫生重要事件。随着健康数据来源的增加和多样化，监测系统的能力和准确性也在不断提升[5]。然而，数据的有效性依赖于数据的收集质量和监测系统的设计，确保数据的透明性和标准化是提高公共卫生响应能力的基础[1]。

综上所述，健康数据在公共卫生中的应用不仅仅是监测疾病的发生和传播，更是为公共卫生决策提供科学依据，促进健康政策的制定与实施，从而有效应对疫情和提高公众健康水平。

4 健康数据在政策制定中的作用 ​

4.1 数据驱动的决策支持 ​

健康数据在公共卫生中的作用至关重要，尤其是在政策制定和数据驱动的决策支持方面。健康数据不仅为公共卫生活动提供了基础，还为健康政策的制定和评估提供了必要的信息和证据支持。

首先，健康数据是公共卫生决策的基础。根据Carla AbouZahr和Ties Boerma（2005年）的研究，公共卫生决策高度依赖于及时且可靠的数据的可用性。健康信息系统的主要职能是生成、分析和传播这些数据。然而，实际情况是，健康信息系统往往功能不够系统，受到历史、社会和经济力量的影响，表现出复杂性、碎片化和对需求的不响应[3]。

其次，数据驱动的决策支持能够提高公共卫生干预的有效性。Anna Petrovskis等人（2023年）提出的DASH模型强调了社会健康决定因素在公共卫生干预中的重要性。该模型旨在通过识别和描述影响美国地方卫生部门数据驱动决策的因素，改善公共卫生干预的实施[12]。数据驱动的决策不仅能帮助识别健康问题的优先级，还能在制定政策目标和评估健康政策干预的有效性方面发挥重要作用[13]。

此外，随着健康数据的不断积累和技术的进步，数据的价值日益凸显。Jennifer A Bernstein等人（2015年）指出，数据和信息是公共卫生的每一项功能的基础，能够支持从疫情调查到环境监测等各类公共卫生活动。通过建立学习型健康系统，公共卫生部门能够实时分析数据，提升决策的科学性和有效性[8]。

在政策制定过程中，健康数据不仅帮助政策制定者理解健康问题的规模和影响，还能为资源分配提供依据。根据Elaine H Morrato等人（2007年）的研究，使用基于人群的常规数据可以为政策决策提供重要的信息，帮助识别最脆弱的人群，制定相应的政策目标[13]。

综上所述，健康数据在公共卫生中的作用体现在多个方面：它为政策制定提供了科学依据，支持数据驱动的决策过程，并通过有效的数据管理和分析，促进公共卫生干预的实施和评估。通过充分利用健康数据，公共卫生部门能够更好地应对健康挑战，改善人群健康。

4.2 健康政策评估 ​

健康数据在公共卫生中的作用至关重要，它为政策制定和健康政策评估提供了基础。首先，公共卫生决策的有效性高度依赖于及时、可靠的数据可用性。健康信息系统的主要功能是生成、分析和传播这些数据，以支持政策决策[3]。通过使用基于人群的例行数据，政策制定者能够评估健康问题的严重性，确定最脆弱的人群，制定政策目标，并跟踪和评估健康政策干预的有效性[13]。

在健康政策的制定和评估过程中，健康数据的应用体现在多个方面。首先，健康数据能够揭示公共卫生问题的规模及其影响，从而为政策的制定提供科学依据。例如，健康数据可用于监测流感等传染病的发生率，并通过建立数据模型来预测未来的住院情况，这在公共卫生决策中具有重要的实用价值[1]。此外，数据的收集和分析能够帮助识别优先健康问题，形成有效的健康政策，回应公共卫生紧急情况，并评估干预措施的成本效益[14]。

其次，数据的透明性和标准化能够提高公共卫生实践的质量和效率。通过有效的数据监测和分析，公共卫生机构能够及时做出反应，从而改善健康结果。例如，利用健康数据的学习健康系统（Learning Health System）能够实现实时分析，支持初级医疗决策、公共卫生活动以及消费者教育[8]。这一系统的实施有助于增强公共卫生工作者的能力，提高资源利用效率，并提供更好的健康信息，以改善公众健康。

然而，尽管健康数据在公共卫生中扮演着重要角色，许多国家在健康数据的生成和利用方面仍面临挑战。健康信息系统往往功能不够系统化，受历史、社会和经济因素的影响，变得复杂且难以响应需求[3]。例如，在一些国家，数据收集的能力不足，导致公共卫生决策依赖直觉或政治因素，而非基于数据的理性决策[14]。因此，建立健全的健康信息系统，确保数据的持续收集和分析，对于提升公共卫生政策的科学性和有效性至关重要。

总之，健康数据在公共卫生中的作用不可或缺，它不仅为政策制定提供了必要的证据基础，还通过有效的评估机制确保政策的实施效果。为了实现更好的公共卫生成果，各国应加强健康数据的收集、分析和利用，推动基于数据的决策过程。

5 健康数据在社区健康中的应用 ​

5.1 健康教育与推广 ​

健康数据在公共卫生中的作用至关重要，尤其是在社区健康的应用和健康教育与推广方面。健康数据不仅为公共卫生决策提供基础信息，还能够帮助社区识别和解决健康问题。

首先，健康数据用于监测和评估人口健康状况，这是所有公共卫生机构的核心职能。地方和社区层面的公共卫生决策越来越依赖于人口健康数据，这些数据通常用于推动公共卫生决策和改善社区健康。例如，洛杉矶县健康调查（Los Angeles County Health Survey）就是为了填补地方健康数据的空白而设立的，旨在收集有关慢性疾病流行率、生活质量、功能状态及自我健康感知等重要信息，这些数据对于评估实现州和国家健康目标的进展至关重要[15]。

其次，社区健康数据的共享能够增强公众对健康问题的理解，并促进社区的参与。以达勒姆社区健康数据共享模型为例，该模型通过公共平台提供聚合的健康数据，如糖尿病、心脏病和中风等健康状况的流行率。这些数据不仅反映了健康状况，还将其置于社会（如收入分布、教育水平、人口统计）和环境（如房价、犯罪率、交通路线、学校质量、超市接近度）背景中，从而帮助社区利益相关者跟踪健康和健康背景随时间的变化[16]。这样的数据共享能够促进社区的健康改善工作，使社区成员能够更好地理解影响其健康的社会和环境因素。

最后，在健康教育与推广方面，健康数据的应用能够提升医护人员的能力，尤其是在护士教育中。通过参与社区问题解决，学生能够获得对社会健康决定因素的深入理解，进而更好地参与健康促进实践。文献综述显示，社区问题解决（CPS）方法能够帮助学生拓宽对未来健康促进角色的视野，深化对社区和社会决定因素的理解，并识别社区健康资产[17]。因此，健康数据不仅是推动公共卫生决策的重要工具，也是促进健康教育和提升公众健康素养的关键因素。

综上所述，健康数据在公共卫生中的作用体现在多个层面，包括支持公共卫生决策、促进社区参与以及提升健康教育的有效性。通过有效的数据收集和共享，公共卫生机构能够更好地应对社区健康挑战，推动健康改善。

5.2 社区健康需求评估 ​

健康数据在公共卫生领域中扮演着至关重要的角色，尤其是在社区健康需求评估方面。监测人口健康状况是所有公共卫生机构的核心职能，这在市级和社区层面尤为重要，因为人口健康数据日益被用于推动公共卫生决策和社区健康改善工作[15]。然而，许多地方卫生机构缺乏开发人口健康档案所需的重要数据，例如慢性病患病率、生活质量指标、功能状态和自我健康状态感知等数据。此外，关于健康的关键决定因素（包括健康行为和医疗服务的可及性）的数据在地方上也很少可用[15]。

为了应对地方健康数据的缺口，洛杉矶县卫生服务部于1997年启动了洛杉矶县健康调查，旨在收集和分析地方社区的健康数据，以更好地服务于公共卫生决策和干预措施的设计与实施[15]。此外，地方卫生部门需要高分辨率的亚群体和地理区域数据来解决健康差异，但这些数据的质量和可用性往往不尽如人意[18]。例如，波士顿公共卫生委员会和洛杉矶县公共卫生部门在获取和使用社区级数据方面面临挑战，这些数据对设计和实施能够改善社会或经济弱势群体健康的项目至关重要。为克服这些挑战，两家机构采用了实用和创新的数据管理和分析策略，包括增强现有的人口调查、使用组合数据集以及生成小区域估计等[18]。

在社区健康政策和融资决策中，决策者对证据的使用同样受到重视。通过对埃塞俄比亚、肯尼亚、马拉维和莫桑比克等国家的关键知情人访谈，研究发现，证据的使用在各级别上都受到限制，部分原因在于对高质量、相关证据的缺乏认知。现有经济证据往往未能满足决策者在社区健康系统中的需求，例如覆盖范围和质量[19]。因此，改善数据质量、增强证据的相关性以及提高证据使用能力，可以推动融资和基于证据的政策制定的效率提升。

最后，地理信息系统（GIS）在社区健康评估中也发挥着重要作用。GIS与其他软件结合使用，可以分析健康和人口数据，并进行数值空间问题解决。公共卫生专业人员在社区健康评估分析中通常使用统计软件和GIS，虽然GIS主要用于简单的空间显示，而统计软件则驱动数据管理、导航和计算[20]。因此，理解健康数据在社区健康需求评估中的应用，不仅能够推动公共卫生决策的科学化，还能提升对健康差异的应对能力，从而实现更优质的健康服务。

6 健康数据的伦理与隐私问题 ​

6.1 数据隐私保护 ​

健康数据在公共卫生中扮演着至关重要的角色，尤其是在促进健康、制定政策和进行疾病预防方面。健康数据的获取、使用和存储能够为公共卫生部门提供必要的信息，以评估和改善人群健康状况。然而，这一过程也伴随着伦理和隐私问题，必须加以重视。

首先，健康数据的分享和使用必须遵循伦理原则。公共卫生伦理要求在数据收集和分享中维护个体隐私，同时也要满足社区的健康需求。当前，部落政府和部落流行病学中心在获取必要的公共卫生数据时面临持续挑战，这些数据对于促进美国印第安人和阿拉斯加土著社区的健康至关重要。现行的数据分享障碍，尤其是隐私实践如去标识化和数据压制，往往妨碍了数据的获取，特别是对这些少数族裔群体，进一步加剧了健康差异（Cason D Schmit et al., 2025）[21]。

其次，隐私问题在处理个人医疗数据时显得尤为重要。随着科技的发展，研究者越来越依赖于个人医疗数据，而伦理和隐私问题成为了科学研究中的关键考量。这些问题需要在医疗专业人员的培训中得到充分的重视，以避免在伦理审批中出现混淆（Yves Coppieters & Alain Levêque, 2013）[22]。在美国，虽然《健康保险流通与问责法案》提供了对健康信息的隐私保护，但现有的联邦和州法律并未能充分保护公共卫生数据，导致个体隐私和公共健康责任之间的矛盾（L O Gostin, 2001）[23]。

此外，大数据的使用为公共卫生研究提供了前所未有的机遇，但也引发了关于数据保护和访问的伦理问题。以马萨诸塞州的公共卫生数据仓库为例，该项目通过整合多个行政数据源，旨在平衡数据隐私与公共卫生研究的数据获取之间的复杂关系（Elizabeth A Evans & Kimberley H Geissler, 2023）[24]。这种创新模式为公共卫生研究提供了强大的数据支持，但同时也必须遵循严格的伦理数据治理原则，以确保对人群的有效保护。

综上所述，健康数据在公共卫生中的作用不可或缺，但在利用这些数据时必须高度重视伦理和隐私问题。通过实施透明的数据治理和建立社会许可，可以在维护个体隐私的同时，促进集体福祉，从而更好地服务于公共健康目标。

6.2 伦理审查与合规 ​

健康数据在公共卫生中的角色至关重要，它不仅是评估和改善社区健康的基础，也是制定政策和干预措施的依据。然而，健康数据的使用涉及复杂的伦理和隐私问题，这些问题必须在进行公共卫生研究和实践时加以重视。

首先，健康数据的获取和使用对于公共卫生的有效运作至关重要。根据Cason D Schmit等人（2025年）的研究，部落政府和部落流行病学中心在获取公共卫生数据方面面临持续挑战，这些数据对促进美洲印第安人和阿拉斯加土著社区的健康至关重要。公共卫生伦理要求数据共享，反对在未向受影响社区传播的情况下收集数据。隐私实践如去标识化和数据抑制常常阻碍数据访问，尤其是对美洲印第安人和阿拉斯加土著人群体，这进一步加剧了健康差异（Schmit et al. 2025）[21]。

其次，伦理审查和合规性在公共卫生研究中扮演着重要角色。Yves Coppieters和Alain Levêque（2013年）指出，隐私问题在处理个人医疗数据的研究中尤为重要。随着伦理和隐私问题在科学研究中的日益突出，公共卫生研究人员需要清楚法律框架和伦理规范在个人医疗数据使用中的适用性。研究人员必须明确这些法律和规范涵盖的数据类型、涉及的人员，以及适用于任何涉及医疗数据的研究计划的限制和要求（Coppieters & Levêque 2013）[22]。

此外，随着大数据的使用日益增加，如何平衡数据隐私和公共卫生数据的获取也成为一个重要议题。Elizabeth A Evans和Kimberley H Geissler（2023年）提到，马萨诸塞州的公共卫生数据仓库是一个创新示例，它结合了多个行政数据源，旨在应对阿片类药物危机。这种资源的使用在保护数据隐私和提供公共卫生研究所需的数据之间寻求平衡，强调了伦理数据治理的重要性（Evans & Geissler 2023）[24]。

综上所述，健康数据在公共卫生中起着基础性作用，但其使用伴随着伦理和隐私的挑战。有效的公共卫生实践需要在保护个人隐私和促进公共健康之间找到适当的平衡，确保数据的透明使用和社区的知情同意，以维护公众的信任和健康利益。

7 总结 ​

健康数据在公共卫生领域的作用愈发显著，涵盖了疾病监测、政策制定、社区健康和应对公共卫生危机等多个方面。本文总结了健康数据的多重角色，强调了其在提高公共卫生决策的科学性和有效性方面的重要性。当前，尽管许多国家和地区在健康数据的收集和利用上取得了一定进展，但仍面临数据质量、可获取性和隐私保护等挑战，尤其是在低收入和中等收入国家。因此，未来的研究方向应集中在如何提升数据的质量与可用性，推动健康信息系统的标准化与透明化，以及在保障隐私的前提下，最大化健康数据的公共利益。此外，随着技术的不断进步，人工智能和大数据分析将在健康数据的应用中发挥更大的作用，为公共卫生领域的创新和改进提供新的机遇。总之，健康数据的有效利用不仅是应对当前公共卫生挑战的需要，更是实现健康公平和可持续发展的重要途径。

参考文献 ​

  • [1] Thomas McAndrew;Andrew A Lover;Garrik Hoyt;Maimuna S Majumder. When data disappear: public health pays as US policy strays.. The Lancet. Digital health(IF=24.1). 2025. PMID:40404544. DOI: 10.1016/j.landig.2025.100874.
  • [2] Kaakpema Yelpaala;Michael Christopher Gibbons;Ines Maria Vigil;Jennifer Leaño;Terika McCall;Ijeoma Opara;Anne Zink;Marcella Nunez-Smith;Bhramar Mukherjee;Megan Ranney. The Role of Data in Public Health and Health Innovation: Perspectives on Social Determinants of Health, Community-Based Data Approaches, and AI.. Journal of medical Internet research(IF=6.0). 2025. PMID:41060023. DOI: 10.2196/78794.
  • [3] Carla AbouZahr;Ties Boerma. Health information systems: the foundations of public health.. Bulletin of the World Health Organization(IF=5.7). 2005. PMID:16184276. DOI: /S0042-96862005000800010.
  • [4] Adisu Tafari Shama;Hirbo Shore Roba;Admas Abera Abaerei;Teferi Gebru Gebremeskel;Negga Baraki. Assessment of quality of routine health information system data and associated factors among departments in public health facilities of Harari region, Ethiopia.. BMC medical informatics and decision making(IF=3.8). 2021. PMID:34666753. DOI: 10.1186/s12911-021-01651-2.
  • [5] Lisa M Lee;Stephen B Thacker. Public health surveillance and knowing about health in the context of growing sources of health data.. American journal of preventive medicine(IF=4.5). 2011. PMID:22099242. DOI: 10.1016/j.amepre.2011.08.015.
  • [6] Karen B DeSalvo;Y Claire Wang;Andrea Harris;John Auerbach;Denise Koo;Patrick O'Carroll. Public Health 3.0: A Call to Action for Public Health to Meet the Challenges of the 21st Century.. Preventing chronic disease(IF=3.9). 2017. PMID:28880837. DOI: 10.5888/pcd14.170017.
  • [7] Angeliki Kerasidou;Charalampia Xaroula Kerasidou. Data-driven research and healthcare: public trust, data governance and the NHS.. BMC medical ethics(IF=3.1). 2023. PMID:37452393. DOI: 10.1186/s12910-023-00922-z.
  • [8] Jennifer A Bernstein;Charles Friedman;Peter Jacobson;Joshua C Rubin. Ensuring public health's future in a national-scale learning health system.. American journal of preventive medicine(IF=4.5). 2015. PMID:25700654. DOI: .
  • [9] Sharon R Silver;Marie H Sweeney;Wayne T Sanderson;Regina Pana-Cryan;Andrea L Steege;Brian Quay;Tania Carreón;Michael A Flynn. Assessing the role of social determinants of health in health disparities: The need for data on work.. American journal of industrial medicine(IF=3.1). 2024. PMID:38103002. DOI: 10.1002/ajim.23557.
  • [10] Peng Jia;Shiyong Liu;Shujuan Yang. Innovations in Public Health Surveillance for Emerging Infections.. Annual review of public health(IF=20.7). 2023. PMID:36626834. DOI: 10.1146/annurev-publhealth-051920-093141.
  • [11] Aminath Shausan;Yoni Nazarathy;Amalie Dyda. Emerging data inputs for infectious diseases surveillance and decision making.. Frontiers in digital health(IF=3.8). 2023. PMID:37082524. DOI: 10.3389/fdgth.2023.1131731.
  • [12] Anna Petrovskis;Betty Bekemeier;Elizabeth Heitkemper;Jenna van Draanen. The DASH model: Data for addressing social determinants of health in local health departments.. Nursing inquiry(IF=3.0). 2023. PMID:35982547. DOI: 10.1111/nin.12518.
  • [13] Elaine H Morrato;Melinda Elias;Christian A Gericke. Using population-based routine data for evidence-based health policy decisions: lessons from three examples of setting and evaluating national health policy in Australia, the UK and the USA.. Journal of public health (Oxford, England)(IF=3.1). 2007. PMID:17942850. DOI: 10.1093/pubmed/fdm065.
  • [14] Marguerite Pappaioanou;Michael Malison;Karen Wilkins;Bradley Otto;Richard A Goodman;R Elliott Churchill;Mark White;Stephen B Thacker. Strengthening capacity in developing countries for evidence-based public health: the data for decision-making project.. Social science & medicine (1982)(IF=5.0). 2003. PMID:14499516. DOI: 10.1016/s0277-9536(03)00058-3.
  • [15] P A Simon;C M Wold;M R Cousineau;J E Fielding. Meeting the data needs of a local health department: the Los Angeles County Health Survey.. American journal of public health(IF=9.6). 2001. PMID:11726372. DOI: 10.2105/ajph.91.12.1950.
  • [16] L E Boulware;G B Harris;P Harewood;F F Johnson;P Maxson;N Bhavsar;S S Blackwelder;S S Poley;K Arnold;B Akindele;J Ferranti;M Lyn. Democratizing health system data to impact social and environmental health contexts: a novel collaborative community data-sharing model.. Journal of public health (Oxford, England)(IF=3.1). 2020. PMID:31915811. DOI: 10.1093/pubmed/fdz171.
  • [17] Pamela H Donaghy;Christine Greenhalgh;Jane Griffiths;Arpana Verma. The use of community problem solving in undergraduate nurse education: A literature review.. Nurse education today(IF=4.2). 2022. PMID:35772343. DOI: 10.1016/j.nedt.2022.105447.
  • [18] Snehal N Shah;Elizabeth T Russo;Tara R Earl;Tony Kuo. Measuring and monitoring progress toward health equity: local challenges for public health.. Preventing chronic disease(IF=3.9). 2014. PMID:25232746. DOI: 10.5888/pcd11.130440.
  • [19] Meghan Bruce Kumar;Miriam Taegtmeyer;Jason Madan;Sozinho Ndima;Kingsley Chikaphupha;Aschenaki Kea;Edwine Barasa. How do decision-makers use evidence in community health policy and financing decisions? A qualitative study and conceptual framework in four African countries.. Health policy and planning(IF=3.1). 2020. PMID:32516361. DOI: 10.1093/heapol/czaa027.
  • [20] Matthew Scotch;Bambang Parmanto;Cynthia S Gadd;Ravi K Sharma. Exploring the role of GIS during community health assessment problem solving: experiences of public health professionals.. International journal of health geographics(IF=3.2). 2006. PMID:16981996. DOI: 10.1186/1476-072X-5-39.
  • [21] Cason D Schmit;Meghan Curry O'Connell;Sarah Shewbrooks;Charles Abourezk;Fallon J Cochlin;Megan Doerr;Hye-Chung Kum. Dying in Darkness: Deviations From Data Sharing Ethics in the US Public Health System and the Data Genocide of American Indian and Alaska Native Communities.. Journal of medical Internet research(IF=6.0). 2025. PMID:40138677. DOI: 10.2196/70983.
  • [22] Yves Coppieters;Alain Levêque. Ethics, privacy and the legal framework governing medical data: opportunities or threats for biomedical and public health research?. Archives of public health = Archives belges de sante publique(IF=3.2). 2013. PMID:23799934. DOI: 10.1186/0778-7367-71-15.
  • [23] L O Gostin. National health information privacy: regulations under the Health Insurance Portability and Accountability Act.. JAMA(IF=55.0). 2001. PMID:11410101. DOI: 10.1001/jama.285.23.3015.
  • [24] Elizabeth A Evans;Kimberley H Geissler. Use of Big Data and Ethical Issues for Populations With Substance Use Disorder.. Value in health : the journal of the International Society for Pharmacoeconomics and Outcomes Research(IF=6.0). 2023. PMID:36921899. DOI: 10.1016/j.jval.2023.02.019.

麦伴智能科研服务 ​

在麦伴科研 (maltsci.com) 搜索更多文献 ​

健康数据 · 公共卫生 · 疾病监测 · 政策制定 · 社区健康

© 2025 MaltSci 麦伴科研