为支持上述描述定义的各种医疗卫生业务应用场景，平台将首先通过业务专题大数据应用（实体大数据应用）开发的方式进行实现，即把业务应用中具有共性的大数据分析按照不同业务专题或相关实体进行分类开发，如平台以“患者”为专题的专题大数据应用，其可以为患者自身治疗提供大数据应用服务，也可以被医院医生用来辅助进行诊断和治疗服务，同时也可以被医疗卫生管理部门用来分析某种疾病的发病机理和地域分布以及年龄职业相关性等，以便进行该类疾病的预防和控制。

患者分析（基于电子病历EMR）

患者数据预处理

通过将患者在不同医疗服务机构和不同时期的医疗数据、检测数据、体检数据以及体征检测数据（血压、血糖、心率等）进行数据质量处理，发现那些非患者的数据、不一致的数据、缺失的数据以及不正确的数据，并采取质量纠正措施进行更正和填补，从而得到高质量完整的患者个体数据。

患者数据质量的主要从重复性、关联性、完全性、合规性、一致性和正确性六个维度进行衡量。

l  重复性：发现并清理重复记录。

l  关联性：恢复失去关联的数据间的关系。

l  完全性：补全遗失的数据。

l  合规性：按行业标准补充和修正数据。

l  一致性：进行数据间一致性的相互验证。

l  正确性：进行数据间正确性的比对分析。

本平台可从这六个质量维度提供患者数据质量提升方法和手段。

患者个体（个性）分析

将患者在不同医院和医疗服务部门进行的全部诊断、治疗、检测结果数据以及健康体检、体能锻炼等数据进行整体拼接和贴标签，给出针对患者个体的病况分析、恢复预测分析、饮食注意事项分析和运动量分析。

患者群体（统计）分析

患者群体状态分析：

患者群体管理分析：分析评价患者群体对疾病的知识掌握程度，发现患者在自我保健管理中存在的问题，建立行之有效的相应措施和对策。

患者群体时空特征分析：

患者群体发展趋势分析：

患者群体改善效果分析：

疾病分析（基于电子病历EMR和电子健康档案EHR）

医生及医护人员分析（基于医疗卫生资源数据）

处方分析（基于电子病历EMR）

处方是关联和联系医生、患者和药品三者的主要实体，通过海量处方数据的分析，可以从中挖掘发现许多对方方面面组织机构和患者个人有用的知识和洞察力，这些知识和洞察力可用于支持服务于医疗卫生行业的众多应用，并产生新的业务应用。

医生用药分析

开药提醒提示：包括患者本身情况、药品注意情况等。提醒医生开处方时药物的过敏反应，或者会提供医疗措施的建议，告知医生患者需要提前注射疫苗，或根据医疗文献提醒医生患者最近的症状并不支持刚预约的成像检查。

审核处方内容：从合理性、外部制度规定、内部规定、安全性等角度对处方进行自动审核，提示可能差错、违规等风险，以及药品之间可能存在的禁忌和注意事项。

临床决策支持：通过将医生处方和医疗专家库医学指导比较，提醒医生避免出错，如药品不良反应、过度使用抗生素等，帮助医生降低医疗风险。

患者用药分析

用药提醒提示：根据处方，提醒患者按时按量用药，以及用药安全提示和注意事项提示。

用药关联分析：根据患者过去处方情况，进行患者历史用药效果分析，也可以进行统一患者不同病之间以及不同治疗机构之间的相关性分析，避免发生错误用药，如重复用药、冲突用药等。

用药效果分析：根据患者用药情况，结合所获得的患者身体指标和康复情况，进行用药效果分析，为个性化、精准性和针对性用药提供依据。

处方用药分析

从处方中所使用的药品构成，可分析处方药品的主要用途，应用对象，以及哪些医生喜欢开什么药品等。另外处方用药也是计算分析医疗服务机构实际药品库存的重要依据。

医院科室用药分析

医院用药按年、季、月、旬、天进行药占比、用药量TOP10、采购量TOP10、抗菌药、基药占比、制度符合对比、医保用药占比等分析。

安全用药分析

安全用药就是根据患者个人的基因、病情、体质、家族遗传病史和药物的成份等做全面情况的检测，准确的选择药物、真正做到“对症下药”，同时以适当的方法、适当的剂量、适当的时间准确用药。

进行人群监测，对将会流行的传染病的早期症状加以监控，或对新上市的处方药的副作用加以关注。

处方符合性分析

l  正确性（格式、药品、配伍禁忌、用药合理性）：合格的处方包括处方的前记、内容、后记书写格式完整，处方药物的品名、剂量、用法、用量正确无误，药物配伍无重复、无禁忌等，临床用药合理。

l  合规性（医保规定、医疗规定）：满足国家基本药物规定、医保用药规定、临床路径规定等。

l  合理性：以当代药物学和疾病的系统知识与理论为基础，安全、有效、经济、适当地使用药物。

处方用药-诊断结论关联分析

从处方中所使用的药品与对应的诊断结论之间相互关联进行分析，发现疾病和药品之间存在的关联，如果能在关联疾病的治疗效果，还可以发现哪些药品对哪些疾病更有效（循证医学）。

诊断结论-处方总价聚类分析

从处方诊断结论和处方总价的聚类分析，发现不同疾病的处方总价聚合情况，为临床途径提供合理费用依据，如支气管炎的处方总价90%分布在[100.00元人民币~150.00元人民币]之间。

患者特征-诊断结论分类分析

从患者有关特征信息和处方诊断结论的分类分析，发现患者的哪些特征（时间、空间、年龄、性别、职业等）和疾病关联分析，如：可以得出什么时间段、什么患者更容易得什么疾病；哪个区域的患者更容易得什么疾病以及什么年龄段的患者更容易得什么疾病等等；

患病时间-诊断结论序列分析

从患者患病时间和处方诊断结论的序列分析，可以得到哪些疾病具有明显时间前后次序，如：发现５岁以下小孩在感冒患病后更容易得急性肺炎等。

药品分析（基于医药产业链数据）

围绕药品产业链，改善医药供应链运行模式可大规模降低其成本。如果采取需求管理、需求驱动的订单、存储和根据、临床要求包装、终端用户定制，可以节约成本1%-2.5%；如果采取订单管理、集团采购、无纸订单管理(EDI和网络采购) ，可节约成本0.5%-1.0%；如果采取供应商管理、供应商整合、厂商直接分销、符合采购团体90%的要求，可节约成本0%-0.5%；如果采取物流管理、整合运输网络、运输能力85%的运用、整合服务中心，可节约成本0.5%-1.0%；如果采取库存管理、标准供应、自动化的服务、现场分销和补货30%以下的无库存顼目、存储单元25%-40%的削减，可节约成本0.5%-1.0%；如果上述成本都能节约的话，可以实现总体成本节约2.5%～6.0%。

药品种类分析

l  国内相关药品：

Ø  国家药品分类标准（最新、以往历史），包括中药部分、化学药部分、生物制品规程部分。

Ø  中国药典（最新、各年版），包括1953年版、1963年版，1977版、1985年版、1990年版、1995年版(含1997年、1998年增补)、2000年版(含2002年、2004年增补)、2005年版(含2006、2009年增补）、中国药典2010年版一部(中药）、二部(化学药品)、三部(生物制品)、第一增补本(2012)，第二增补本(2013)，第三增补本(2014)。

Ø  国家药品注册信息（新药申报、已注册、撤销注册），包括化学药品、中药与天然药物、生物制品。

Ø  国家基本药物目录（最新版、以往历史版），包括化学药品和生物制品、中成药和中药饮片部分。

Ø  国家基本医疗保险、工伤保险和生育保险药品目录（最新版、以往历史版），国家基本药物目录的药品全部包含在医保目录里。

Ø  各省市药品中标目录（最新版、以往历史版），是各省开展医疗机构药品集中采购后，中标的产品形成的目录。这些药品既包括基本药物也包括医保目录和非医保目录。

Ø  各省市新农合药品目录（最新版、以往历史版），是各省市实施新型农村合作医疗，使用的药品目录，不同地区可能制定不同的目录，报销比例也可以不同。

l  国外相关药品：

Ø  WHO国际药典。其它国家药典，包括美国药典USP35-NF30、USP32-NF27；欧洲药典EP6.0、EP7.0、EP7.8、EP8.0;英国药典BP2013、BP2012、2010、2009；日本药典JP16及第一、第二增补、日本药典JP15、JP14；印度药典IP2010版。

Ø  WHO推荐基本药物目录。其它国家基本药物目录或药物报销目录。

药品研发分析

目前的药物研究与开发主要遵循“化合物—靶蛋白—表型变化—疾病治疗”这一中心原则，即设计具有特定结构的化合物，使其特异性地结合体内的某些蛋白的活性位点，从而有效改变服药者的生理状态，最终发挥药物对适应症的预期疗效. 通常情况下，经过长期的生物学和临床医学的研究，相关领域的专家能够积累针对某一特定疾病的大量知识，可基于此寻找到在病理通路中发挥核心作用的一系列药靶蛋白. 围绕靶蛋白可以设计和筛选相匹配的药物分子，而后通过大规模的临床试验，在统计学水平上确定药物在安全性和有效性方面的各项指标，最后向药品监管部门申报，在得到许可后上市销售。

Ø  药物重定位（也称旧药新用）研发：利用相关的技术方法对已有的药物进行重新筛选、组合或改造从而发现其未知新用途的过程。作为一个不可或缺的药物开发方式. 相比于从零开始的新药研发，药物重定位基于已有药物的重新开发能够节省大量前期研发投入(如药靶发现、化合物筛选、安全性测试等)，因而既可能令一个失败的药物“起死回生”也可能进一步扩大一个成功药物的适应症范围和销售市场。同时，相对于传统的新药发现，药物重定位能够把药物研发的周期从10~17年缩短到2~12年。对药物和疾病相关的高通量组学(如基因组、转录组、蛋白组和代谢组等)以及医药大数据进行挖掘和分析，进而为药物研发提供有质量的假说和线索。通过组学数据挖掘或电子病历用药记录及病人表型的挖掘，提出全新的“药物-疾病”对应关系，从而为后续实验指明有希望的验证方向。

基于基因组表达联系图的系统性药物重定位：转录组数据能够提供一系列在特定实验条件下过表达或欠表达基因，比如疾病相对于健康的对照或药物处理相对于空白的对照等。通过分析这些基因，能够评估因疾病而紊乱的通路或网络。“联系图”(CMap)是目前最完备的基于转录组的研发体系之一，其中包含了不同药物处理人类肿瘤细胞系所得到的基因组表达变化信息。其应用方式主要是通过GSEA算法比对不同表达谱之间的相似程度，从而产生两类假设：(ⅰ) 当目标药物与特定药物具有相似的表达谱，则两个药物可能具有相似的适应症；(ⅱ) 当目标药物与特定疾病模型具有相反的表达谱，则该疾病可能是目标药物的潜在适应症。

基于遗传学的药物重定位：遗传学关联分析多年来主要应用于发掘致病基因. 但从理论上讲，如果一个药靶蛋白与某个疾病存在遗传学上的关联，则该蛋白对应的药物很可能影响此疾病的药理学进程。利用全基因组关联分析(GWAS)的数据进行药物重定位的研究。他们发现，在公开的疾病相关GWAS 基因中，有155条(15.6%)的基因是在研药物或上市药物的靶点. 其中，63 条基因所对应的GWAS 性状与药物的适应症匹配，表明了由GWAS 技术所发掘的致病基因有较高的概率被作为药靶来直接开发药物。 同时，作用于这155 个基因所对应蛋白的药物如果尚未用于治疗GWAS相关疾病的话，则有望用于治疗这些疾病。

基于化合物-蛋白互作组寻找药物新靶点：在传统的基于靶点的药物研发流程中，第一步就是高通量的化合物筛选。 即已知某特定的蛋白可作为治疗某疾病的靶，于是通过实验方法从海量的化合物库中发现与靶蛋白产生相互作用的先导化合物。 在药物重定位中，化合物库可以是美国食品药物管理局(FDA)审批的药物分子，也可以是制药公司临床研发链中的分子。 随着计算化学技术的发展和药靶蛋白知识的积累，对化合物和蛋白结合过程的模拟计算能够在一定程度或特定问题上取代高通量筛选，并用于挖掘未知的“药物-药靶”关系。

基于药物副作用的药物重定位：临床中所观测到的药物副作用可以作为药物重定位挖掘的另一个重要来源。在以往的临床研究中，副作用信息通常被理解为药物安全的“风险”; 但随着药物生物信息学的发展，已经能从副作用信息中发现潜在的旧药新用线索，将风险成功转化成“机会”。 一个经典的案例是西地那非(商品名:万艾可)原本在临床试验中用于治疗心绞痛，然而通过仔细审视临床中的副反应发现其具有治愈勃起障碍的潜在功效。再比如，醋酸艾塞那肽原本用于治疗2型糖尿病，在临床试验中却被发现具有减轻体重的副作用。通过全面收集与药物相关的副反应，并评估用这些副反应来推测药物新用途的精度。该方法假定是，药物的治疗效果和副反应都是药理学效应，这两者往往紧密相连，因此副反应这种表型可作为一种“药物反应的生物标志物”来表征药物潜在的治疗用途。

药品生产分析

Ø  药品生产－供销－使用的平衡分析

Ø  药品生产的偏差分析

Ø  药品生产的安全分析

Ø  药品生产的质量分析（处方工艺、质量标准、用法用量、药品说明书）

药品销售分析

传统的医药流通制度将逐步瓦解，国内医药企业将和国外医药企业展开公平竞争。单个医药商业企业已很难抵挡市场带来的强大冲击。如今医药企业的核心竞争力不仅体现在药品的生产和质量方面，而且更重要的是体现在药品的流通效率和客户服务方面。谁能在更短时间内将药品配送到指定客户手中，谁就占得了市场。

国外领先的医药商业企业有成熟的网络配套系统、高效的医药配送系统、完善的客户服务以及较低的物流成本。国外医药电子商务平台已基本实现了物流、商流的信息一体化和无纸化交易。各个交易环节安全快捷，平台对药品流通的每个环节实行实时动态监控，保证系统运行准确无误。

医院本身是为消费者提供医疗服务的机构，消费者本来应该处于主导地位，现在却相反，主客易位，医院成为主角，消费者只能被动接受医院单方面提供的医药产品。

医药连锁店直接面向消费者，并且处于完全竞争的市场，其顾客需求的驱动力理所当然也应该是最强的。然而由于其在医药供应链中影响力较小，存在着如何把握市场满足消费者的市场需求。

药品物流分析

要彻底改变传统医药企业流通环节多、效率低的问题，就必须整合市场资源，实现现有企业的兼并、重组，形成一条流畅快捷的新型物流通道，确保药品高效、安全地抵达客户手中。

Ø  医药制造企业物流质量低下，物流成本偏高。

Ø  物流企业缺乏核心竞争力，供应链整体物流效率低下。

Ø  药品大多堆积在医院环节，造成物流不畅。

药品资金流分析

Ø  资金大量沉淀在医院且存在严重外溢现象。

Ø  对于医药制造企业及医药批发企业来说，产品利润率较低且在流通环节资金占压严重，资金回笼速度慢。

Ø  由于中国制药企业新药研发能力较弱，产品低水平重复、同质化的现象严重，因此广告费在产品推广中占有相当比例，这也造成了资金的低效流动或无效损失。

药品信息流分析

构建完善的共享的药品供应链信息平台对提高企业竞争力是很重要的，如对药品生产、经营、销售有关ERP、OMS、WMS、TMS和DSS的整合。这种整合为药品分销提供了后台支持功能，例如会计和人力资源管理、销售定单管理、顾客关系管理、地方和全国仓库管理、预测长期和短期的战略发展方向、库存管理等药品供应链管理系统高效运转所需要的功能。

另外，以省直辖市为单位的医药集采平台所形成的集采药品目录数据、价格数据，以及采购计划数据、实际执行数据和订单执行情况数据都可以采用大数据分析用来支持进行药品生产销售、库存、配送和物流的流程优化和预测。

药品库存分析

医药供应链环境下的药品库存管理相对传统的药品库存管理出现新的问题，这些问题主要表现在医药企业从单一医药企业经营转变到供应链各节点企业药品库存管理的系统的协调性、集成性问题。

药品库存问题主要表现在以下方面：

1．从药品原料、半成品到成品生产企业、下游批发零售企业、医疗机构及最终消费者，信息条块分割，信息系统落后及系统标准不一致不能相互互联及共享，商品编码体系出现“万码奔腾”局面，造成重复劳动，终端数据不能快速传到到上游企业，各节点企业没有供应链的整体观念，导致库存控制决策处于各自的分散状态。

2．在供应链上的各企业对用户服务的理解与定义不恰当，没有从最终的消费者的需求脉动上去理解用户服务，而是停留在供应双方的利益分配及服务上，所以药价虚高、消费者得不到满意的服务。在整个营销方式上难以刺激消费者的需求，有的甚至引起药品的安全问题。尤其在中药的片剂上，医药企业为采购廉价的原材料进行生产，从而降低了药品的疗效及用药的安全性。医疗机构的处方药在医生的职业道德还没有相应的法律制约下，大处方是常见现象，这样药品滞留在最终的消费者手上，浪费或是过期变质，或是改作他人使用，都会导致一种不准确的信息传导。

3．当前药企的营销代理机制，代理商为获取代理权及逐利行为，经常出现“串货”行为，法律上也没有相应的制约措施，单个企业的内部控制常常不能取得满意效果，不准确的交货状态数据向上游传导，导致生产决策，库存决策错误。

4．各节点企业的低效率的信息传递系统，目前数据主要来自从销售人员终端向上游的企业的集成，数据分散、数据延迟而导致供应链上各节点企业的库存决策错误。有的代理商为完成年度的营销任务，不按需求来给下游增加库存，上游企业按虚增的信息进行生产，因此造成恶性循环。药品库存控制策略简单化，不能适应企业的供应链的发展。

5．各个节点企业从产品设计到产品生产、物流运输等各流程缺乏合作与协调性，也没有考虑到产品设计对供应链上药品库存的影响。药品包装上规格繁多，各个企业自成体系，没有从整个供应链的角度去考虑，尤其在商业流通上的“快批”业态的出现，给上游在产品设计上提出更高要求。下游医药企业药品零库存的理念使上游制造医药企业承担需求不确定性造成的损失，承担降价风险，甚至成为供应链整合的牺牲品，彼此的协调性，合作的框架协议需要从供应链的角度去探讨。

针对当前药品库存管理面临的这些主要问题。给药品库存管理提出更高的要求，需要从供应链的战略全局上，整体上，信息共享上去下手，探索新竞争环境下的库存模式。

(一)供应商管理库存模式：VMI是一种在用户和供应链之间的合作性策略，以对双方来说的都是最低的成本优化产品的可得性，在一个相互同意的目标框架下由供应商管理库存，这样的目标框架被经常性的监督和修正，以产生一种连续改进的环境。

(二)联合药品库存管理模式：供应链上各个环节的医药企业通过信息技术可以实现信息和资源的共享和相互渗透，达到优势互补的目的，从而能更有效地向市场提供产品和服务、增强市场竞争实力。对于一个制造型的医药企业而言，如何设置和维持一个合理的药品库存水平，以平衡存货不足带来的短缺风险和损失、以及药品库存过多所增加仓储成本和资金成本则成为一个医药企业必须解决的问题。JMI的有效实施既加强了医药企业间的联系与合作，又保证了这种独特的由药品库存管理而带来的医药企业间的合作模式不会轻易地被竞争者模仿，为医药企业带来竞争优势。

(三)多级药品库存优化与控制模式：要想实现供应链全局性的优化与控制，则必须采用多级药品库存优化与控制方法。多级药品库存是在单级药品库存的优化与控制的基础上形成的。控制方法有两种：一种是非中心化(分布式)策略，另一种是中心化(集中式)策略。

① 中心化的控制策略。中心化的控制策略是将控制中心放在核心医药企业上，由核心医药企业对供应链系统的药品库存进行控制，协调上游与下游医药企业的药品库存活动。这样核心医药企业也就成了供应链的数据中心(数据仓库)，担负着数据的集成，协调功能。

②非中心化的控制策略。非中心化策略是各个药品库存点独立地采取各自的药品库存策略，这种策略在管理上比较简单，但是并不能保证产生的整体的供应链优化，如果信息的共享度低，多数情况产生的是次优的结果，因此非中心化策略需要更多的信息共享，有利于发挥医药企业自己独立的自主性和灵活机动性。

(四)战略药品库存控制模式：从传统的以物流控制为目的的药品库存管理向以过程控制为目的的药品库存管理的转变是药品库存管理思维的变革。基于过程控制的药品库存管理将是全面质量管理、业务流程再造、工作流技术、物流技术的集成。这种新的药品库存管理思想对医药企业的组织行为产生重要影响，组织结构将更加面向过程。供应链是多个组织的联合，通过有效的过程管理可以减少乃至消除药品库存。

(五)推动式／牵引式结合的药品库存管理模式：在压缩多阶响应周期的供应链管理模式下，不仅仅要按需生产，更重要的是要能够对市场的需求做出快速反应。快速满足市场需求，只简单地采用推动式运行机制在实际过程当中是不能满足需求的，所以才用推动式／牵引式相结合的运行机制，并建立相应的药品库存管理的体系。上游医药企业可以按照推动式运行机制进行采购、生产和原料补充等业务，基本上属于MTS(Make To Stock)模式，下游医药企业以客户订单为驱动，按照牵引式运行机制组织生产，属于MTO(Make To Order)模式。这样的话，供应链的上游可以完成所需要半成品生产，一旦客户订单到达，这也可以说就是在整个供应链运作过程中运用延迟技术。比如针剂类的药品采用才模式比较合适，一方面可以保证生产线的规模效益，一方面保证下游链的需求。

医院药品库存管理寻找控制药品成本的方法途径，从而优化成本管理，减少不必要的消耗及浪费；有效地提高医院经济效益和社会效益，为医院日后的进一步发展奠定良好的基础。药品库存和供应之间始终是一对矛盾，药房必须不间断地为病人提供充足的药品和相关服务，同时又必须避免库存费用的过分增加。库存管理在工作特性上具有医院药学的专业性、药政法规的职能性和药品流通的商品性。

药品质量偏差分析

Ø  药品生产质量：生产环境、生产工艺、生产设备维护等质量分析。

Ø  药品经营质量：药品购销渠道、运输设备环境（温湿度控制）、碰撞震动颠簸等质量分析。

Ø  药品库存质量：仓储温湿度控制、码垛堆压挤压、破损变形等质量分析。

Ø  药品本身质量：是否过期、成分异常、标注缺失（产品码、生产码、监督码、有效期）等质量分析。

药品不良反应＆药品群体不良事件分析

在相关事件发生后，药品生产企业将开展调查，掌握药品不良反应或药品群体不良事件的发生、药品使用、患者诊治以及药品生产、储存、流通、既往类似不良事件等情况，本平台将提供以下分析：

Ø  药品自身范围分析，涉及生产批次、流通范围等；

Ø  药品影响范围分析，包括涉及的区域、人员、采取的措施等；

生理信号检测分析

通过采集的原始生理信号数据，如心电图、脉搏波、血压值，使用多尺度的数学形态学方法对生理信号进行降噪滤波，然后通过积分增加QRS复合波的信号，最后通过选择合适的阈值得到最终的QRS复合波的检测结果。通过建立数据挖掘模型，提取疾病的高风险相关因素，进行健康预警提示提醒。

重要人体征数据分析

个人的重要体征数据，如心跳、体温、血压、血氧饱和度、运动量。