江苏龙网

  1. 首页 > 人文 > >

#传染病#疫情复盘：以零售药店数据为例看如何利用大数据示警未知疫情( 二 )


事实证明 ， 在武汉地区12月份的疫情萌芽阶段 ， 以奥司他韦为代表的常见发热、乏力相关药品在零售药店的销售的确有明显异常的提升！
图表3：武汉地区零售药店疫情前期奥司他韦的销售情况（样本药店）
#传染病#疫情复盘：以零售药店数据为例看如何利用大数据示警未知疫情
本文插图
数据来源：中康CMH ， 中康产业资本研究中心
中康CMH数据显示 ， 从12月12日开始 ， 武汉地区的奥司他韦销售已经有明显异常的上升趋势！而此时距离中西医结合医院的张继先医生上报疫情还有14天 ， 距离李文亮等8名医生在微信群中散布不明肺炎还有18天之久！零售药店数据的前瞻性可见一斑！
具体到整个19年12月份 ， 武汉地区的零售药店奥司他韦订单数同比18年12月份增加了17倍之多 ， 即使相比于全国性流感爆发的19年1月份 ， 也增加了1倍有余 。 零售药店数据的敏感性同样明显！
图表4：疫情前期武汉地区零售药店奥司他韦订单数
#传染病#疫情复盘：以零售药店数据为例看如何利用大数据示警未知疫情
本文插图
数据来源：中康CMH ， 中康产业资本研究中心
03
模型需兼顾准确性与敏感性 ， 中康资讯正在路上
总的来说 ， 相较于我国等级医院 ， 零售药店与广大社区居民的日常联系更为频繁 ， 因此掌握着全社会的即时健康状况 。 而相对于单个临床医生发现疫情 ， 零售药店的大数据对异常情况的反应无疑更为敏感 。 最后 ， 相较于等级医院数据 ， 零售药店的销售数据标准统一 ， 整合难度大幅降低 ， 操作可行性高 。
因此 ， 零售药店数据在疫情示警方面大有所为 。 但是为了得到更好的应用 ， 在模型建立、实际操作过程中同样需要有一些难题需要克服 。
第一 ， 为保证数据的准确性 ， 数据需要来源于足够多的样本药店 ， 并及时更新各个药店的销售情况 。
第二 ， 为保证数据的敏感性 ， 对药店的数据分析需要按区域分得足够细——统计区域过大会造成前期疫情的异常数据在整体数据中占比较小 ， 造成数据敏感性低 ， 疫情的示警也会被延误 。 因此地域的划分以区县为宜 。 另外 ， 在模型建立中 ， 需按照不同功能的单个品种作为疫情示警指标 ， 否则数据的敏感性同样会被稀释 。 而发烧、咳嗽、呕吐等常见的前期疫情临床症状对应品种无疑是监控的重点 。
第三 ， 需排除偶然或其他因素的影响 。 敏感性与偶然因素是模型建立中的两个对立面 ， 在保证敏感性的前提下 ， 偶然因素的识别是重中之重 。 流感、商家推广力度改变等偶然因素同样会导致异常数据的出现 。 比如 ， 图表4中2019年1月奥司他韦的销售数据暴增正是源于流感的爆发 。
因此 ， 利用零售数据打造疫情示警系统 ， 原理简单 ， 可操作性强 。 中康资讯作为支持健康产业决策与连接的领导者 ， 深耕医药零售领域多年 ， 正在利用自身的数据、资源及技术优势 ， 打造疫情示警系统 ， 值得期待 。


推荐阅读


上一篇：「传染病」悲恸！又有两位白衣战士因公殉职

下一篇：『黄冈』山东援助湖北医疗队在黄冈治愈的第一例患者上班了