2017 年 1 月 5 日，国家人口与健康科学数据共享平台对外公开发布。这次发布的数据量高达 49.1TB、2.8 亿条，包括生物医学、基础医学、临床、公共卫生、中医药学、药学、人口与生殖健康七大类。（数据库网址：http://www.ncmi.cn/1）
临床大数据是研究者及临床医生取之不尽用之不竭的宝藏。不仅能用于数据分析，发表 SCI 论文，更能指导临床实践。
而且此类基于现实世界的数据能够提供研究者无限的想象与假说，克服传统 RCT 的一些不足之处，为临床诊疗提供证据支持。
有鉴于此，西方国家很早以前就意识到了临床大数据的重要性，建立了许多成熟的数据库。比如危重症数据 MIMIC，目前已经更新到第三版，包含了 5 万多个 ICU 患者信息。
详细介绍见（http://www.nature.com/articles/sdata201635）
中国是人口大国，有着样本量的先天性优势。因此建立和共享我国的人口与健康大数据显得尤为重要。国家人口与健康科学数据共享平台的诞生，意味着大量的中国人口与健康数据将开放给研究者。
如果说爱因斯坦的相对论是物理学的一次革命，那此次国家人口与健康科学数据共享平台的对外开放，无异于中国临床研究的一次历史性革命。
这些数据信息可以为中国的广大临床医生提供大量的研究素材，避免了数据收集上的重复投入。只要进行注册，就能获得海量的数据信息，应用于相关的研究。
以「地震伤数据集」为例，点击进入后可以查看数据集详细描述，会显示该数据集的每一位患者收集了哪些变量。点击「在线申请」菜单，就可以在线提交数据申请表单了。
目前基于该数据库已经发表了很多 SCI 论文，比如研究青少年腰围与呼吸功能相关性（Respirology. 2012 Oct；17(7)：1114-8），研究北方人群前期高血压和糖尿病的流行病学研究。这些研究都离不开大数据的支持，而只有政府层面上给予支持才能完成如此大规模的研究。
以前这些数据都是不公开的，独享的，因此这样的流行病学研究也就成了少数大型单位的「特权」。
但有了这个数据共享平台后，局面将会改变。任何单位或个人如果有好的研究切入点，都能利用这些数据进行疾病的探索和发现，更充分和有效地挖掘数据。
但目前该数据尚在起步阶段，存在诸多不足。
比如汶川地震的数据集，收集的变量十分有限，大约不足百来个。各种检查治疗，医嘱信息都是缺失的，这对开展危重症方面的研究是一个致命的缺陷。
从这点上看，该数据集和真正的大数据还是有一定差距的。
笔者推测，这些数据应该是手工采集而来，而非通过与医院电子病历整合自动采集而来，而后者应该是未来努力的一个方向。另外里面的一些临床数据集并不是多中心的，而仅仅局限于北京几个大医院，这并不能代表整个中国人口数据特征。
万事开头难，在数据共享方面，此次国家迈出了历史性的一步。对于广大民间屌丝而言，这无疑是一个利好消息。从此大样本的临床科研不再是北上广大医院的专属特权，数据的获取已不再是一个壁垒。
中国的临床研究将进入春秋战国时代，百家争鸣，百花齐放，群雄逐鹿，而竞争的核心就在于谁掌握了大数据分析能力。
不管怎么说，国家这次出了一个大招，中国的临床研究会不会进入一个井喷时代？该如何有效利用这个数据库？
笔者与丁香园开设《临床大数据的获取、分析与处理》实操课，教你如何获取和分析医疗大数据进行临床研究，发表 SCI 论文。
长按识别二维码直达课程页面
课程全部使用 R 语言进行讲解，每种数据处理方法均采用数据模拟创造临床研究情境，然后针对该问题进行数据挖掘实战演示。
本课程可以帮助你系统学习数据分析并加以实践。
作者：章仲恒，浙江大学医学院附属邵逸夫医院急诊科。加拿大呼吸杂志（CRJ）客座编辑，Lancet respiratory medicine (IF=15)，Intensive care medicine（IF=10）等杂志审稿人，第一作者发表 SCI 论文 40 篇。
图片来源：国家人口与健康科学数据共享平台
