A. 關於大數據信息化技術在流行病學調查中的作用有以下哪幾種
我們正處在科技高速發展的時代，如今互聯網已經與我們的生活息息相關，我們每天在互聯網產生大量的數據，這些數據散落在網路中看似沒有怎麼作用，但是這些數據經過系統的處理整合起來確實非常有價值的。
一、 發展大數據技術可以提高生產力
大數據技術在企業已經成為投入使用很成功的案例，很多應用程序開發商和大型公司都運用大數據技術擴展大數據項目。大數據技術在運用時可以通過數據挖掘知道最需要的數據是哪些，通過這些數據獲取更多的生產力，提高生產能力，為企業帶來更多的商業價值。目前有很多企業通過數據挖掘分析解決問題，相對來說大數據分析比著傳統的數據分析速度更快，更能獲取可「回收利用」的信息流量，提高行業內的生產力。
二、 發展大數據技術可以改善營銷決策
近幾年的數據量暴增，數據盈利也很可能成為未來收入的主要來源，大數據技術在海量數據的分析中，尋求到最合適的企業營銷策略，通過數據分析給企業帶來更明智的策略。
大數據工程師通過對客戶的數據精湛分析，分析行業內的流行趨勢並且定製出更適合的產品或者服務，通過對定價的檢測和分析對客戶忠誠度有效評估，一系列的運用大數據及時改善營銷決策，給企業帶來有價值的數據決策。
三、 發展大數據技術的未來優勢
大數據行業的興起，許多開發企業都意識到，想要在行業內不斷的發展就要運用大數據技術，提升自身企業的品牌價值，在行業比拼中尋求更多的競爭優勢，微軟亞馬遜等大型跨國公司目前都在採用大數據解決問題，為消費者提供更好的服務。
目前有很多行業和企業都嘗到大數據技術的甜頭了，未來會有越來越多運用大數據技術的產業，以現在大數據發展的速度來看，2020年大數據的市場規模將達到2030億美元，很多企業都在期盼大數據項目可以運用的范圍更廣闊，然後通過運用產生更大的利益空間。
大數據技術能為行業提高生產力、改善營銷決策，給企業帶來更好的發展前景，目前大數據技術發展雖然在初級階段，但是發展勢頭很猛，未來也會有更多的行業領域涉足大數據技術運用，大數據技術未來發展形式一片大好!
B. 大數據分析哪款工具比較好 求專家介紹
大數據分析軟體有很多，每種軟體都各有利弊，根據自己的分析對象，找出合適的分析軟體，以下便是常用的數據分析軟體：
一、 SAS統計軟體
SAS軟體系統是一個組合的軟體系統，它由多個功能模塊配合而成，其基本部分是BASE SAS模塊。BASE SAS模塊是SAS系統的核心，承擔著主要的數據管理任務，並管理著用戶使用環境，進行用戶語言的處理，調用其他SAS模塊和產品。也就是說，SAS系統的運行，首先必須啟動BASE SAS模塊，它除了本身所具有數據管理、程序設計及描述統計計算功能以外，還是SAS系統的中央調度室。它除了可單獨存在外，也可與其他產品或模塊共同構成一個完整的系統。各模塊的安裝及更新都可通過其安裝程序比較方便地進行。
SAS系統具有比較靈活的功能擴展介面和強大的功能模塊，在BASE SAS的基礎上，還可以增加如下不同的模塊而增加不同的功能：SAS/STAT（統計分析模塊）、SAS/GRAPH（繪圖模塊）、SAS/QC（質量控制模塊）、SAS/ETS（經濟計量學和時間序列分析模塊）、SAS/OR（運籌學模塊）、SAS/IML（互動式矩陣程序設計語言模塊）、SAS /FSP（快速數據處理的互動式菜單系統模塊）、SAS/AF（互動式全屏幕軟體應用系統模塊）等等。
SAS提供的繪圖系統，不僅能繪各種統計圖，還能繪出地圖。SAS提供多個統計過程，每個過程均含有極豐富的任選項。用戶還可以通過對數據集的一連串加工，實現更為復雜的統計分析。此外，SAS還提供了各類概率分析函數、分位數函數、樣本統計函數和隨機數生成函數，使用戶能方便地實現特殊統計要求。
二、 SPSS統計軟體
SPSSfor Windows是一個組合式軟體包，目前已經開發出SPSS12版本，它集數據整理、分析功能於一身。用戶可以根據實際需要和計算機的功能選擇模塊，以降低對系統硬碟容量的要求，有利於該軟體的推廣應用。SPSS的基本功能包括數據管理、統計分析、圖表分析、輸出管理等等。SPSS統計分析過程包括描述性統計、均值比較、一般線性模型、相關分析、回歸分析、對數線性模型、聚類分析、數據簡化、生存分析、時間序列分析、多重響應等幾大類，每類中又分好幾個統計過程，比如回歸分析中又分線性回歸分析、曲線估計、Logistic回歸、Probit回歸、加權估計、兩階段最小二乘法、非線性回歸等多個統計過程，而且每個過程中又允許用戶選擇不同的方法及參數。SPSS也有專門的繪圖系統，可以根據數據繪制各種統計圖形和地圖。
SPSSfor Windows的分析結果清晰、直觀、易學易用，而且可以直接讀取EXCEL及DBF數據文件，現已推廣到多種操作系統的計算機上，最新的版採用 DAA（Distributed Analysis Architecture，分布式分析系統），全面適應互聯網，支持動態收集、分析數據和HTML格式報告，領先於諸多競爭對手。
三、 BMDP統計軟體
BMDP是英文Biomedicalcomputer programs 的縮寫，翻譯成漢語是生物醫學計算程序，美國加州大學於1961年研製，是世界上最早的統計分析軟體。特點是統計方法齊全，功能強大。但1991年的 7.0版後沒有新的版本推出，使用不太普及，最後被SPSS公司收購。
四、 Stata統計軟體
Stata統計軟體由美國計算機資源中心（ComputerResource Center）1985年研製。 特點是採用命令操作，程序容量較小，統計分析方法較齊全，計算結果的輸出形式簡潔，繪出的圖形精美。不足之處是數據的兼容性差，占內存空間較大，數據管理功能需要加強。
五、 EPINFO軟體
EPINFO是英文Statistics programfor epidemiology on microcomputer 的縮寫，翻譯成漢語是流行病學統計程序。美國疾病控制中心CDC和WHO共同研製，為完全免費軟體。特點是數據錄入非常直觀，操作方便，並有一定的統計功能，但方法比較簡單，主要應用於流行病學領域中的數據錄入和管理工作。最新版為Epidata 2.0版及EPINFO2000版。
六、 Minitab
Minitab由美國賓州大學研製。其特點是簡單易懂，很方便進行試驗設計及質量控制功能。在國外大學統計學系開設的統計軟體課程中，Minitab與SAS、BMDP並列，根據沒有SPSS的份。
七、 Statistica
Statistica為一套完整的統計資料分析、圖表、資料管理、應用程式發展系統；美國StatSoft公司開發。能提供使用者所有需要的統計及制圖程序，制圖功能強大，能夠在圖表視窗中顯示各種統計分析和作圖技術。
八、 SPLM統計軟體
SPLM是英文Statisticalprogram for linear modeling 的縮寫，翻譯成漢語是線性模型擬合統計軟體程序。1988年由解放軍第四醫學大學統計教研室研製。系統特點是採用線性模型的方法，實現各種統計方法的計算。統計方法比較齊全，功能比較強大。SPLM採用FORTRAN語言編寫完成。但1999年推出3.0版後無新的產品推出。
九、 CHISS統計軟體
CHISS 是英文Chinese HighIntellectualized Statistical Software的縮寫，翻譯成漢語是中華高智統計軟體,由北京元義堂科技公司研製，解放軍總醫院、首都醫科大學、中國中醫研究院等參加協作完成。1997年開始研發，2001年推出第一版。CHISS是一套具有數據信息管理、圖形製作和數據分析的強大功能，並具有一定智能化的中文統計分析軟體。CHISS的主要特點是操作簡單直觀，輸出結果簡潔。既可以採用游標點菜單式也可採用編寫程序來完成各種任務。CHISS用C++語言、 FORTRAN語言和delphi 開發集成，採用模塊組合式結構，已開發十個模塊。 CHISS可以用於各類學校、科研所等從事統計學的教學和科研工作。
十、 SASD統計軟體
SASD是英文package forStatistical analysis of stochastic data 的縮寫，翻譯成漢語是隨機數據統計分析程序包。它是由中國科學院計算中心研製。系統特點是以FORTRAN源程序形式向用戶提供大量的子程序可供用戶進行二次開發，統計方法比較齊全，功能比較強大。SASD採用FORTRAN語言編寫完成，比較適合從事統計專業人員使用。但無新版推出。
十一、 PEMS統計軟體
PEMS是英文package forencyclopaedia of medical statistics漢語是中國醫學網路全書－醫學統計學軟體包。它以＜中國醫學網路全書＞一書為藍本，開發的一套統計軟體。系統特點是實現各種統計方法的計算。統計方法比較齊全，功能比較強大。PEMS採用TURBOC和TURBOBASIC語言編寫完成，比較適合從事醫學工作的非統計專業人員使用。
十二、 EXCEL電子表格與統計功能
EXCEL電子表格是Microsoft公司推出的Office系列產品之一，是一個功能強大的電子表格軟體。特點是對表格的管理和統計圖製作功能強大，容易操作。Excel的數據分析插件XLSTAT，也能進行數據統計分析，但不足的是運算速度慢，統計方法不全。
十三、 DAS統計軟體
DAS是英文Drug andStatistics的縮寫，翻譯成漢語是葯理學計算軟體，由孫瑞元等開發。特點是內容涵蓋基礎葯理學、臨床葯理學，葯學，醫學統計學。能多種處理結果同時顯現。EXCEL平台使用方便，智能化，圖表直接插入文檔。
十四、 SDAS統計軟體
DAS是英文Statisticaldesign and analysis system的縮寫，翻譯成漢語是統計設計和分析系統。1992年由解放軍總醫院醫學統計教研室開發。特點是窗口操作，操作方便，圖表簡明，與國內醫學統計學教材一致。但只有DOS版，1995年後沒新的版本。
十五、 Nosa統計軟體
Nosa是非典型數據分析系統，1999年由解放軍四軍醫大學醫學統計教研室夏結來教授開發。特點是採用廣義線性模型建模，從數據錄入與管理、統計分析、繪圖，到結果管理嵌入了當代數據處理技術。但只有DOS系統下使用。
C. 大數據可以應用在哪些方面
可以應用在雲計算方面。
大數據具體的應用：
1、洛杉磯警察局和加利福尼亞大學合作利用大數據預測犯罪的發生。
2、google流感趨勢(Google Flu Trends)利用搜索關鍵詞預測禽流感的散布。
3、統計學家內特.西爾弗(Nate Silver)利用大數據預測2012美國選舉結果。
4、麻省理工學院利用手機定位數據和交通數據建立城市規劃。
5、梅西百貨的實時定價機制。根據需求和庫存的情況，該公司基於SAS的系統對多達7300萬種貨品進行實時調價。
6、醫療行業早就遇到了海量數據和非結構化數據的挑戰，而近年來很多國家都在積極推進醫療信息化發展，這使得很多醫療機構有資金來做大數據分析。
7、及時解析故障、問題和缺陷的根源，每年可能為企業節省數十億美元。
8、為成千上萬的快遞車輛規劃實時交通路線，躲避擁堵。
9、分析所有SKU，以利潤最大化為目標來定價和清理庫存。
10、根據客戶的購買習慣，為其推送他可能感興趣的優惠信息。
(3)大數據如何對抗流行病的強大工具擴展閱讀：
大數據的用處：
1、與雲計算的深度結合。大數據離不開雲處理，雲處理為大數據提供了彈性可拓展的基礎設備，是產生大數據的平台之一。
自2013年開始，大數據技術已開始和雲計算技術緊密結合，預計未來兩者關系將更為密切。除此之外，物聯網、移動互聯網等新興計算形態，也將一齊助力大數據革命，讓大數據營銷發揮出更大的影響力。
2、科學理論的突破。隨著大數據的快速發展，就像計算機和互聯網一樣，大數據很有可能是新一輪的技術革命。可能會改變數據世界裡的很多演算法和基礎理論，實現科學技術上的突破。
參考資料：
網路--大數據
D. 大數據抗疫真的有效嗎
大家可能還不知道什麼是大數據吧。現在我來為大家介紹什麼是大數據，大數據或稱巨量資料，指的是所涉及的資料量規模巨大到無法透過目前主流軟體工具，在合理時間內達到擷取、管理、處理、並整理成為幫助企業經營決策更積極目的的資訊。
四、通過實時公開更新疫情大數據，有助於緩解人們由於疫情引發的恐慌心理，堅定人民抗疫成功的信心。隨著德爾塔變異毒株感染病例持續增加，人們更加密切關注疫情的最新態勢，如「今天又有幾例新增」「哪些地方又被劃到了高中風險區內？」「疫情什麼時候可以結束？」等成為了人們每日最為關注的話題。各地通過官方途徑公示當時當地和國內疫情相關數據信息，讓人們更為直觀的了解到抗疫工作的順利進行，更堅定了全民抗疫勝利的信心。
綜上所述，大數據抗疫真的切實有效。
E. 大數據在醫療行業的應用有哪些
大數據專業屬於交叉學科：以統計學、數學、計算機為三大支撐性學科；生物、醫學、環境科學、經濟學、社會學、管理學為應用拓展性學科。所以大數據在眾多行業都有應用，下面說說其在醫療領域的應用。
隨著互聯網規模不斷的擴大，大數據正在改變著這個時代的絕大一部分的行業或者企業，醫療行業也不例外，醫療健康正在成為人們關注的重點問題，以智能化、數字化為特徵的醫療信息化正在蓬勃興起，醫療行業的數據類型也在向海量、復雜、多樣的類型方式轉變。
1.就醫數據進行電子化管理
對電子醫療記錄的收集，包括個人病史、家族病史、過敏症以及所有醫療檢測結果等。在信息系統中進行分享，每一個醫生都能夠在系統中添加或變更記錄，而無需再通過耗時的紙質工作來完成。這些記錄同時也能幫助病人掌握自己的用葯情況，同時也是醫學研究的重要數據參考。
2.健康預測
通過智能手錶等可穿戴設備的數據，建立健康預測模型，通過這些可穿戴設備持續不斷地收集健康數據並存儲在雲端，實時匯報病人的健康狀況。應用於數百萬人及其各種疾病的預測和分析，並且在未來的臨床試驗將不再局限於小樣本，而是包括所有人。
3.醫學影像以及臨床診斷
通過讓大數據機器人來識別記住各類海量的醫學影像，例如X射線、核磁共振成像、超聲波……等各種的圖像。對大量病歷進行深度挖掘與學習，訓練其對影片的診斷，最終實現輔助醫生進行臨床決策，規范診療路徑，提高醫生的工作效率。
4.葯品研發
利用大數據進行數據建模並進行分析，預測葯物的臨床結果，可以為臨床階段的實驗結果提供參考，節省臨床階段的時間並優化臨床實驗結果。制葯公司也可以通過數據建模進行分析，從而生產出治療成功率更高的葯品並極大地縮短葯品從研發到投入市場的時間。
F. 國家大數據是怎麼推送防疫
國家大數據是用數據統計來科學防疫的。
比如健康碼、行程卡等等，也是可以用來進行推送防疫的。
面對緊急突發的公共衛生事件及多方來源的海量數據，如何聯合政企單位科學運用大數據技術，為公眾提供更完整、連續、准確、及時的防疫信息，為專家提供追溯疾病源頭的方法，為決策者提供傳染病發展的趨勢，是大數據應用於防疫的三大重要任務。
可分析「涉疫」人員流動軌跡通過集成電信運營商、互聯網公司、交通部門等單位的信息，大數據可以分析出人員流動軌跡。具體來說，利用數據分析、數據挖掘等技術，一方面可以通過手機信令等包含地理位置和時間戳信息的數據分析繪制病患的行動軌跡；另一方面，根據病患確診日期前一段時間的行動軌跡和同行時間較長的伴隨人員，大數據可以推斷出病患密切接觸者。綜合分析確診病患、疑似病患和相關接觸者的行動軌跡，可以准確刻畫跨地域漫入、漫出的不同類別人員的流動情況，這既為精準施治提供了有力指導，也為預測高危地區和潛在高危地區提供了有力依據。
可追溯傳染病源頭利用人工智慧、深度學習等新興技術，聯合出行軌跡流動信息、社交信息、消費數據、暴露接觸史等大量數據進行科學建模，可以根據病患確診順序和密切接觸人員等信息定位時空碰撞點，進而有望推算出疾病傳播路徑，為傳染病溯源分析提供理論依據。
可預測疫情發展態勢通過高危人群，即確診病患和病患密切接觸者的運動情況，結合疫情新增確診、疑似、死亡、治癒的病例數，藉助傳播動力學模型、動態感染模型、回歸模型等大數據模型和技術，不僅可以分析展示發病熱力分布和密切接觸者的風險熱力分布，還可以預測疫情峰值拐點等重要信息。根據預測的疫情發展態勢，衛生部門可以針對發病熱力分布，對重點區域強化衛生措施；依據風險熱力分布，對可能擴散的區域提前陳設防疫防控資源，避免出現二次爆發、局部爆發和多點爆發。同時，疫情發展趨勢預測對於政府部門確定復工時間、出台公共管理和促進經濟發展的措施都將起到很重要的作用。無論對決策者還是普通人，心中有「數」，才能提前陳設，防患未然。
G. 現在大數據這么火，具體應用怎麼樣
首先我們要了解Java語言和Linux操作系統，這兩個是學習大數據的基礎，學習的順序不分前後。
大數據
Java ：只要了解一些基礎即可，做大數據不需要很深的Java 技術，學java SE 就相當於有學習大數據基礎。
Linux：因為大數據相關軟體都是在Linux上運行的，所以Linux要學習的扎實一些，學好Linux對你快速掌握大數據相關技術會有很大的幫助，能讓你更好的理解hadoop、hive、hbase、spark等大數據軟體的運行環境和網路環境配置，能少踩很多坑，學會shell就能看懂腳本這樣能更容易理解和配置大數據集群。還能讓你對以後新出的大數據技術學習起來更快。
Hadoop：這是現在流行的大數據處理平台幾乎已經成為大數據的代名詞，所以這個是必學的。Hadoop裡麵包括幾個組件HDFS、MapRece和YARN，HDFS是存儲數據的地方就像我們電腦的硬碟一樣文件都存儲在這個上面，MapRece是對數據進行處理計算的，它有個特點就是不管多大的數據只要給它時間它就能把數據跑完，但是時間可能不是很快所以它叫數據的批處理。
Zookeeper：這是個萬金油，安裝Hadoop的HA的時候就會用到它，以後的Hbase也會用到它。它一般用來存放一些相互協作的信息，這些信息比較小一般不會超過1M，都是使用它的軟體對它有依賴，對於我們個人來講只需要把它安裝正確，讓它正常的run起來就可以了。
Mysql：我們學習完大數據的處理了，接下來學習學習小數據的處理工具mysql資料庫，因為一會裝hive的時候要用到，mysql需要掌握到什麼層度那?你能在Linux上把它安裝好，運行起來，會配置簡單的許可權，修改root的密碼，創建資料庫。這里主要的是學習SQL的語法，因為hive的語法和這個非常相似。
Sqoop：這個是用於把Mysql里的數據導入到Hadoop里的。當然你也可以不用這個，直接把Mysql數據表導出成文件再放到HDFS上也是一樣的，當然生產環境中使用要注意Mysql的壓力。
Hive：這個東西對於會SQL語法的來說就是神器，它能讓你處理大數據變的很簡單，不會再費勁的編寫MapRece程序。有的人說Pig那?它和Pig差不多掌握一個就可以了。
Oozie：既然學會Hive了，我相信你一定需要這個東西，它可以幫你管理你的Hive或者MapRece、Spark腳本，還能檢查你的程序是否執行正確，出錯了給你發報警並能幫你重試程序，最重要的是還能幫你配置任務的依賴關系。我相信你一定會喜歡上它的，不然你看著那一大堆腳本，和密密麻麻的crond是不是有種想屎的感覺。
Hbase：這是Hadoop生態體系中的NOSQL資料庫，他的數據是按照key和value的形式存儲的並且key是唯一的，所以它能用來做數據的排重，它與MYSQL相比能存儲的數據量大很多。所以他常被用於大數據處理完成之後的存儲目的地。
Kafka：這是個比較好用的隊列工具，隊列是干嗎的?排隊買票你知道不?數據多了同樣也需要排隊處理，這樣與你協作的其它同學不會叫起來，你干嗎給我這么多的數據(比如好幾百G的文件)我怎麼處理得過來，你別怪他因為他不是搞大數據的，你可以跟他講我把數據放在隊列里你使用的時候一個個拿，這樣他就不在抱怨了馬上灰流流的去優化他的程序去了，因為處理不過來就是他的事情。而不是你給的問題。當然我們也可以利用這個工具來做線上實時數據的入庫或入HDFS，這時你可以與一個叫Flume的工具配合使用，它是專門用來提供對數據進行簡單處理，並寫到各種數據接受方(比如Kafka)的。
Spark：它是用來彌補基於MapRece處理數據速度上的缺點，它的特點是把數據裝載到內存中計算而不是去讀慢的要死進化還特別慢的硬碟。特別適合做迭代運算，所以演算法流們特別稀飯它。它是用scala編寫的。Java語言或者Scala都可以操作它，因為它們都是用JVM的。
H. 大數據分析在疾病與健康研究方面的應用
大數據分析在疾病與健康研究方面的應用
大數據分析技術將在以上方面發揮著特殊的作用。
一、疾病與健康研究
在疾病與健康研究方面，我們可將其分為三個子方面：健康研究、亞健康研究和疾病研究。
1、健康研究
中國是地域遼闊的多民族國家，不同地區不同種群的人的基因和健康指標有所不同，同一地區同一種群的人在不同的性別和年齡上健康標准也有差異。深入研究和分析上述人群的健康規律，對衛生保健、健康促進、疾病預防和治療有著重大的指導意義。例如：
1.1 對體檢數據分析和挖掘，得出不同地區、不同人群的健康差異，以確定精確的不同人群的健康標准，針對不同人群制定適宜的防病，治病方法以及預後標准，並量身打造個性化，地區化的健康評估模型。
1.2 在制定不同地區不同人群的參考值時,可進一步分析健康指標在不同性別、年齡和季節的差別，以及權重比，從而完善適合於國人全面的系統化的更科學的健康參考值。
1.3 人體存在的內在平衡，使得各個可觀察數據間有其特有的規律，基於經驗只能發現簡單的規律如鈣、磷常數等，使應用數據挖掘等大數據分析技術可以主動發現復雜的系統性的人體醫學規律，大幅提升防病，治病以及預後推測的技術水平，並且也對亞健康有個更科學的判斷依據，以及了解健康到亞健康的逐漸失衡的過程。
1.4 對孕婦在孕產期、產後及新生兒的健康數據進行深入分析，研究孕產婦和新生兒的健康規律，開發對孕產婦和新生兒的健康評價和因素的評估模型，給出更科學的孕產婦和新生兒保健的指導。
1.5 對兒童成長的體檢數據分析和挖掘，研究兒童的健康規律，開發對兒童成長的評價和因素的評估模型，分別適應中國遼闊的地域和眾多的人群，給出更科學的兒童成長發育指導。
1.6 對老年人的健康數據分析和研究，研究老年人的健康特點，開發對老年人健康的評價和因素的評估模型，給出更科學的老年人養生的指導。
1.7 對健康人的精神和心理數據進行深入分析，制定健康人的精神和心理參考標准，開發對健康精神和心理的評價和影響因素的評估模型，給出更科學的精神和心理衛生方面的保健指導。
2、亞健康研究
世界衛生組織將機體無器質性病變，但是有一些功能改變的狀態稱為「第三狀態」，也稱為「亞健康狀態」，主要包括：功能性改變，而不是器質性病變；體征改變，但現有醫學技術不能發現病理改變；生命質量差，長期處於低健康水平；慢性疾病伴隨的病變部位之外的不健康體征。
對亞健康進行深入分析與研究對保持健康狀態，預防和糾正亞健康狀態以及對疾病的預防和治療都有十分重要的意義。例如：
2.1 研究亞健康與疾病間的相互關系。研究各種可觀察指標（體檢數據）在亞健康中的權重，以及在不同地區、人群中的分布。應用時間序列，線性/非線性回歸研究亞健康觀察指標之間的關聯性。通過亞健康體檢數據挖掘，分析導致疾病的影響因素，建立評估模型來預測危險度，並進一步建立疾病的預測模型。
2.2 研究亞健康與健康間的相互關系。通過對體檢人群的地區、職業、年齡等因素的分析，研究最新的健康和亞健康的人群分布。不同的人群地區環境不同,生活習慣不同,加入亞健康醫學指標以外的相關外部數據（如職業、飲食、習慣、性格、愛好等）後,可發現綜合因素對亞健康的影響，以及這些因素的各自權重，及相關關系，從而探究出亞健康的原因，對預防和治療亞健康起著指導作用。
2.3 研究亞健康治療和預後的研究。通過對亞健康治療和預後的數據分析，評價治療效果，評估最佳治療方案，進一步開展對專科亞健康治療和預後的研究，同時研究其與疾病的關系。
2.4 對精神和心理亞健康的研究。如對常見的精神亞健康狀態：如神經衰弱、抑鬱、焦慮和強迫等症狀，進行數據歸納整理、分析挖掘，從而導出精神和心理亞健康的新知識發現，探究出精神疾病的原因，對預防和治療精神疾病起著指導作用。
2.5 將住院和社區健康管理數據相結合，進行因素權重分析和多因素的特性抽取，最後形成模型指導治療。最理想的情況是個體化評估模型,為每個病人建立專用預測模型。
3、疾病研究
中國面臨的嚴重危害人民健康的疾病包括：
傳染性疾病，如結核病、艾滋病、SARS、禽流感、甲型H1N1流感等；
慢性非傳染性疾病，如惡性腫瘤、腦血管病、心臟病、糖尿病等；
精神和心理疾病；
小兒出生缺陷。
對患有各種疾病的病人的醫學數據及相關數據的研究分析，對各種疾病的預防和治療都有十分重要的價值。例如：
3.1 對傳染性疾病，如結核病、艾滋病、SARS、禽流感、甲型H1N1流感等疾病的研究。應用數據挖掘技術對傳染性疾病的數據進行分析，找出傳染性疾病的發病規律，揭示傳染性疾病的病因，進一步摸索出傳染性疾病的變異規律，建立傳染性疾病的預測模型。
3.2 對慢性非傳染性疾病，如惡性腫瘤、腦血管病、心臟病、糖尿病等疾病的研究。應用數據倉庫技術和數據挖掘技術對慢性常見病的數據進行分析，找出慢性常見病的發病規律，探索慢性常見病的病因，進一步摸索出慢性常見病的並發症規律，科學評估各種治療方案的療效，建立慢性常見病的預測模型。
3.3 對精神和心理疾病的研究。應用數據倉庫技術、數據挖掘技術和數理統計技術對精神和心理疾病的數據進行分析，從廣泛的多變數集中找出影響精神和心理疾病的主要因素，在遺傳學、後天影響和病理學等多方面探索精神和心理疾病的病因，科學評估各種治療方案的療效，建立精神和心理疾病的預測模型。
3.4 對小兒出生缺陷的研究。應用大數據分析技術對兒童出生缺陷的數據進行分析，從廣泛的大變數集中找出影響兒童出生缺陷的主要因素，在環境、遺傳學、病理學等多方面探索兒童出生缺陷的病因，建立兒童出生缺陷的預測模型。
3.5 針對門診和住院病人數據在線分析統計學差異，尋找陽性案例，為研究提供素材，並為科研的預實驗提供思路和准備。對住院數據進行多維度分析和挖掘，橫向達到單病種的水平，縱向包括所有可觀測數據，所收集來的知識有很大可能會啟發醫學專家有新發現。
3.6不同 治療手段和治療效果的在線分析。結合收集來的大量資料全面分析，盡量提前全面的了解治療的臨床效果。
3.7 葯品治療效果在線分析，治療效果、副作用、對其他疾病的效果評估。結合收集來的大量資料全面分析，盡量提前全面的了解新葯和老葯。目前的葯品不良反應主要靠醫生的通報，對醫生的職業素養和敏感有很大的依賴，而使用數據挖掘及資料庫中的知識發現，可以極大限度地改進這項工作。
二、環境與健康研究
環境因素對健康造成的損害較其他健康損害復雜，是微量、慢性、長期和不可逆轉的。環境健康影響與公眾利益息息相關，環境健康損害如得不到妥善處理還將轉化為社會、經濟問題。環境與公共健康研究以人類生態系統可持續發展研究為基礎，關懷人類現在和未來的健康與安全，從環境研究途徑關注社會、經濟活動對人類生理和心理的健康影響，探索環境變遷對人民健康造成危害的預防和治理措施。
應用大數據分析技術對環境健康的研究，主要包括發現案例、發病機理和臨床治療研究，預防和治理各類環境流行病在污染源以及污染途徑控制的研究等。例如：
1. 應用大數據分析技術研究環境因素對健康的影響，實行 一體化的環境和健康監測，並在全國實現數據共享。
2. 應用大數據分析技術研究環境污染對兒童的影響，以解決環境對兒童所造成的不健康和疾病迅速增長的問題，從而給予兒童特殊注意的環境和健康指導。
3. 應用大數據分析技術開展職業病和職業多發病的預防預測。對於各種職業的發病分布和嚴重程度，以及對職業病的深入分析。不僅包括傳統意義的職業病，也包括不同職業的不同的疾病分布和在病因中的權重。另外,還可以分析不同職業的暴露特點進而對病因進行研究。
4. 應用大數據分析技術開展對空氣污染顯著提高城市人群呼吸道和過敏性疾病的發生 率的研究。
5. 應用大數據分析技術開展雜訊污染損害兒童的聽力和干擾他們的學習能力的研究。
6. 應用大數據分析技術開展快餐業的發展使肥胖病發病率不斷增長的研究，尤其是不合理的營養對兒童健康的影響。
7. 應用大數據分析技術開展對轉基因生物技術的應用對自然界生物和人類基因的潛在影響的研究。
三、醫葯生物技術與健康
生物技術涵蓋生命科學的所有領域，醫葯生物技術是生物技術的重要組成部分。當今人類面臨的人口、食物、健康、環境和資源問題，無不與之緊密相關。醫葯生物技術最鮮明的特點是大量新思想、新技術、新材料、新方法和新產品引入醫學研究和醫療保健之中，如全新的醫學成像技術、基因工程技術、微電子技術、幹細胞工程技術、組織工程技術、納米技術、生物晶元技術、克隆技術、酶工程技術、細胞工程技術、發酵工程技術、蛋白質工程技術、生物醫學工程技術、基因組與蛋白質組技術、生物信息技術和中醫葯技術等及其產品，將大大提高疾病預防、診斷、治療和葯物設計研製水平，以及對突發事件（如傳染病和生物恐怖等）的檢測、預防與治療水平。
以大數據分析技術為核心的生物信息技術在由眾多新技術構成的醫葯生物技術中發揮有獨特的作用。例如：
1. 利用生物信息技術進行生物信息的存儲與獲取。
2. 利用生物信息技術開展基因的序列對比、測序和拼接。
3. 利用生物信息技術進開展基因預測。
4. 利用生物信息技術進行生物進化與系統發育分析。
5. 利用生物信息技術進行蛋白質結構預測和RAN結構預測。
6. 利用生物信息技術進行分子設計和葯物設計。
7. 利用生物信息技術進行腫瘤分類及遺傳學分析。
8. 利用生物信息技術開展在生物分子層面對精神病的研究及遺傳學分析。
9. 利用生物信息技術開展在生物分子層面對如H1N1等傳染病的研究。
四、衛生宏觀決策支持
衛生宏觀決策支持系統是以數據倉庫為數據中心、以數據挖掘為技術核心、以商務智能為展現工具的綜合衛生信息平台。它可以建立在各級別衛生系統上，如醫院、地區衛生系統、全國衛生系統，為各級衛生部門提供智能決策系統，深入了解衛生系統的歷史和現在，把握衛生系統業務發展的未來，評估衛生系統內部各部門的業務效績，幫助各級決策者提供最佳實施方案，給決策者一雙慧眼，清晰認知系統內各方面變化趨勢和業務得失，使對系統各部門的評價、考核、獎勵更加科學、公正、客觀，使系統內各級關系更加和諧，積極發揮各部門的潛能，提高系統的整體業務水平和經濟效益。使用商務智能輔助決策，可以提供各種有價值的信息，各種事件的關聯，以及不同於微觀的角度分析各種衛生信息，如預防接種基本數據，傳染病報告等等。
以上是小編為大家分享的關於 大數據分析在疾病與健康研究方面的應用的相關內容，更多信息可以關注環球青藤分享更多干貨
I. 大數據的應用領域有哪些
1.了解和定位客戶
這是大數據目前最廣為人知的應用領域。很多企業熱衷於社交媒體數據、瀏覽器日誌、文本挖掘等各類數據集，通過大數據技術創建預測模型，從而更全面地了解客戶以及他們的行為、喜好。
利用大數據，美國零售商Target公司甚至能推測出客戶何時會有Baby;電信公司可以更好地預測客戶流失;沃爾瑪可以更准確的預測產品銷售情況;汽車保險公司能更真實的了解客戶實際駕駛情況。
滑雪場利用大數據來追蹤和鎖定客戶。如果你是一名狂熱的滑雪者，想像一下，你會收到最喜歡的度假勝地的邀請;或者收到定製化服務的簡訊提醒;或者告知你最合適的滑行線路。。。。。。同時提供互動平台(網站、手機APP)記錄每天的數據——多少次滑坡，多少次翻越等等，在社交媒體上分享這些信息，與家人和朋友相互評比和競爭。
除此之外，政府競選活動也引入了大數據分析技術。一些人認為，奧巴馬在2012年總統大選中獲勝，歸功於他們團隊的大數據分析能力更加出眾。
2.
改善醫療保健和公共衛生
大數據分析的能力可以在幾分鍾內解碼整個DNA序列，有助於我們找到新的治療方法，更好地理解和預測疾病模式。試想一下，當來自所有智能手錶等可穿戴設備的數據，都可以應用於數百萬人及其各種疾病時，未來的臨床試驗將不再局限於小樣本，而是包括所有人!
蘋果公司的一款健康APP ResearchKit有效將手機變成醫學研究設備。通過收集用戶的相關數據，可以追蹤你一天走了多少步，或者提示你化療後感覺如何，帕金森病進展如何等問題。研究人員希望這一過程變得更容易、更自動化，吸引更多的參與者，並提高數據的准確度。
大數據技術也開始用於監測早產兒和患病嬰兒的身體狀況。通過記錄和分析每個嬰兒的每一次心跳和呼吸模式，提前24小時預測出身體感染的症狀，從而及早干預，拯救那些脆弱的隨時可能生命危險的嬰兒。
更重要的是，大數據分析有助於我們監測和預測流行性或傳染性疾病的暴發時期，可以將醫療記錄的數據與有些社交媒體的數據結合起來分析。比如，谷歌基於搜索流量預測流感爆發，盡管該預測模型在2014年並未奏效——因為你搜索「流感症狀」並不意味著真正生病了，但是這種大數據分析的影響力越來越為人所知。
3.提供個性化服務
大數據不僅適用於公司和政府，也適用於我們每個人，比如從智能手錶或智能手環等可穿戴設備採集的數據中獲益。Jawbone的智能手環可以分析人們的卡路里消耗、活動量和睡眠質量等。Jawbone公司已經能夠收集長達60年的睡眠數據，從中分析出一些獨到的見解反饋給每個用戶。從中受益的還有網路平台「尋找真愛」，大多數婚戀網站都使用大數據分析工具和演算法為用戶匹配最合適的對象。
4.
了解和優化業務流程
大數據也越來越多地應用於優化業務流程，比如供應鏈或配送路徑優化。通過定位和識別系統來跟蹤貨物或運輸車輛，並根據實時交通路況數據優化運輸路線。
人力資源業務流程也在使用大數據進行優化。Sociometric Solutions公司通過在員工工牌里植入感測器，檢測其工作場所及社交活動——員工在哪些工作場所走動，與誰交談，甚至交流時的語氣如何。美國銀行在使用中發現呼叫中心表現最好的員工——他們制定了小組輪流休息制度，平均業績提高了23%。
如果在手機、鑰匙、眼鏡等隨身物品上粘貼RFID標簽，萬一不小心丟失就能迅速定位它們。假想一下未來可能創造出貼在任何東西上的智能標簽。它們能告訴你的不僅是物體在哪裡，還可以反饋溫度，濕度，運動狀態等等。這將打開一個全新的大數據時代，「大數據」領域尋求共性的信息和模式，那麼孕育其中的「小數據」著重關注單個產品。
5.
改善城市和國家建設
大數據被用於改善我們城市和國家的方方面面。目前很多大城市致力於構建智慧交通。車輛、行人、道路基礎設施、公共服務場所都被整合在智慧交通網路中，以提升資源運用的效率，優化城市管理和服務。
加州長灘市正在使用智能水表實時檢測非法用水，幫助一些房主減少80%的用水量。洛杉磯利用磁性道路感測器和交通攝像頭的數據來控制交通燈信號，從而優化城市的交通流量。據統計目前已經控制了全市4500個交通燈，將交通擁堵狀況減少了約16%。
6.提升科學研究
大數據帶來的無限可能性正在改變科學研究。歐洲核子研究中心(CERN)在全球遍布了150個數據中心，有65,000個處理器，能同時分析30pb的數據量，這樣的計算能力影響著很多領域的科學研究。比如政府需要的人口普查數據、自然災害數據等，變的更容易獲取和分析，從而為我們的健康和社會發展創造更多的價值。
7.提升機械設備性能
大數據使機械設備更加智能化、自動化。例如，豐田普銳斯配備了攝像頭、全球定位系統以及強大的計算機和感測器，在無人干預的條件下實現自動駕駛。Xcel Energy在科羅拉多州啟動了「智能電網」的首批測試，在用戶家中安裝智能電表，然後登錄網站就可實時查看用電情況。「智能電網」還能夠預測使用情況，以便電力公司為未來的基礎設施需求進行規劃，並防止出現電力耗盡的情況。在愛爾蘭，雜貨連鎖店Tescos的倉庫員工佩戴專用臂帶，追蹤貨架上的商品分配，甚至預測一項任務的完成時間。
8.強化安全和執法能力
大數據在改善安全和執法方面得到了廣泛應用。美國國家安全局(NSA)利用大數據技術，檢測和防止網路攻擊(挫敗恐怖分子的陰謀)。警察運用大數據來抓捕罪犯，預測犯罪活動。信用卡公司使用大數據來檢測欺詐交易等等。
2014年2月，芝加哥警察局對大數據生成的「名單」——有可能犯罪的人員，進行通告和探訪，目的是提前預防犯罪。
9.
提高體育運動技能
如今大多數頂尖的體育賽事都採用了大數據分析技術。用於網球比賽的IBM SlamTracker工具，通過視頻分析跟蹤足球落點或者棒球比賽中每個球員的表現。許多優秀的運動隊也在訓練之外跟蹤運動員的營養和睡眠情況。NFL開發了專門的應用平台，幫助所有球隊根據球場上的草地狀況、天氣狀況、以及學習期間球員的個人表現做出最佳決策，以減少球員不必要的受傷。
還有一件非常酷的事情是智能瑜伽墊：嵌入在瑜伽墊中的感測器能對你的姿勢進行反饋，為你的練習打分，甚至指導你在家如何練習。
10.金融交易
大數據在金融交易領域應用也比較廣泛。大多數股票交易都是通過一定的演算法模型進行決策的，如今這些演算法的輸入會考慮來自社交媒體、新聞網路的數據，以便更全面的做出買賣決策。同時根據客戶的需求和願望，這些演算法模型也會隨著市場的變化而變化。
更多精彩：14_spark體系之分布式計算課程Spark 集群搭建+S
J. 安捷倫好像開發了一個對抗流感的快速流行病檢測工具
北京，2009年6月9日——安捷倫科技有限公司(NYSE:A)今天宣布，研究人員正在開發快速檢測引發潛在性致命流行病(如甲型H1N1流感)病原體生物特性的新工具。這是由國家實驗室、大學和私立研究機構共同參與研發的重大項目。
第一個工具，自動化基因分型系統，是由洛斯阿拉莫斯國家實驗室 (LANL)、加州大學洛杉磯分校(UCLA)公共健康學院和安捷倫公司聯合開發的。該系統將在UCLA的全球生物實驗室(Global Bio Lab)中應用，採用高通量技術進行全球公共健康的自動化普查。
由安捷倫製造的這套自動化基因分型系統，已於五月下旬運抵洛斯阿拉莫斯進行設計驗證和性能測試。這套價值170萬美元的BioCel自動化系統由洛斯阿拉莫斯和UCLA的研究人員，與安捷倫自動化解決方案部的專家們(曾以設計Velocity11而聞名)合作設計。 該系統能夠自動測定病毒(如流行性感冒)的基因序列，比目前使用的所有其它方法快幾百倍。
通過使用該系統和將要推出的流行病應對模式高通量工具，公共健康官員將能快速而可靠地確定病毒株，爭取更多時間，在必要時採取化解或隔離措施。另外，BioCel系統還可以用於對動物種群中剛出現的新的、潛在致命流行病進行有效的監測，防止其感染人類。UCLA 全球生物實驗室將成為高通量實驗室網路(HTLN)的一部分。該網路的建成為國際交流和技術接軌提供了平台，以助於檢測方法的一致性——減少由當前因所用測試方法不同而產生的誤差和歧義。
「最近的豬流感爆發表明，我們需要進行更廣泛、更徹底的普查工作，」洛斯阿拉莫斯國家實驗室HTLN項目負責人Tony Beugelsdijk 博士說，「這項計劃將為全球提供完成該任務的工具。」
目前的遺傳鑒定方法需要大量時間和人力。新的基因分型系統包含兩套自動控制裝置，每年可測定10,000 或更多種流感病毒的序列。比當前的方法快得多，而且更加可靠，並減少了處理大量樣本所需的人工數量。
「該系統是快速而准確檢測和鑒定群體樣本中病原體生物學特性的新一代工具，」安捷倫科技副總裁兼生命科學事業部總經理Nick Roelofs說，「該系統為全球健康事業提供了可靠的實時數據，測試能力比當前的任何方法快100倍。對於當前有關豬流感的健康熱點問題，該系統滿足了公共健康領域緊迫而關鍵的需求。」
安捷倫將該系統運抵UCLA，那裡的研究人員將使用該系統進行公共健康研究和普查，並培訓其它人員使用這一新工具。必要時該系統配置高通量功能，可應對流行病出現時的樣品進行檢測。
「自動化基因分型系統將大幅度提高對流感樣本分析的速度和通量，」 UCLA公共健康學院流行病學教授Scott Layne博士補充說，「急性感染性疾病在全球爆發的速度正在加快，這對新型技術的開發和應用提出了更高的要求。這些技術將幫助我們捍衛公共健康和挽救生命。」
LANL和UCLA 的研究人員正在制定可用於高通量實驗室培養和普查的方案。解決方案的建立是使UCLA全球生物實驗室全面實施的第二個步驟。
全球生物實驗室是由美國國防部和國土安全部加州辦公室投資，並由洛斯阿拉莫斯和UCLA共同合作建立的。
關於UCLA 公共健康學院
UCLA 公共健康學院致力於提高公共健康事業，包括從事創新性研究、培訓未來的領導者和健康專家、以研究成果推動決策與實踐，以及為地方、國家和國際機構提供服務等。如需了解更多信息，請訪問 www.ph.ucla.e 。
關於洛斯阿拉莫斯國家實驗室
洛斯阿拉莫斯國家實驗室是從事國家安全戰略研究的多學科研究機構, 由洛斯阿拉莫斯國家安全股份有限公司(LLC)管理，該管理機構由伯克德公司、加州大學、Babcock & Wilcox 公司和華盛頓國際集團能源國家核安全管理部共同組成。洛斯阿拉莫斯致力於提升國家安全的多種工作，包括確保美國核儲備的安全和可靠性、發展降低大規模殺傷性武器威脅的技術、解決能源、環境、基礎建設、健康和全球安全等相關問題。
關於安捷倫科技
安捷倫科技(NYSE:A)是全球領先的測量公司，是通訊、電子、生命科學和化學分析領域的技術領導者。公司的19,000 名員工在110多個國家為客戶服務。在2008財政年度，安捷倫的業務凈收入為58億美元。要了解安捷倫科技的信息，請訪問www.agilent.com