移动医疗大数据的几个伪命题(三)

作者Dr.2,珍立拍股份公司董事长     

       

“凡事只要有一种坏的可能性,那就一定会出现。”

                                                                                         ——墨菲定律

上一篇文章发出后,有小伙伴来问我,如果我在垃圾中,搜寻了很久,最后搜到的可能不是一块金子,而是一块大钻石呢?这不就回本了吗?嘿,根据墨菲定律,你最后翻到的大 概率还是垃圾,即使突然看到闪烁的亮光,打开一看,也许就是个玻璃珠。我的意思是,做企业并不是赌博,不能把希望寄托在虚无缥缈的事情上,也不要去追求超出自己能力范围的东西,比如说公司就7,8个光棍,也没有一个数据分析人才(如果真的去了解过大数据人才的市场价薪酬,估计已经心脏病发了),还整天到处忽悠大数据的商业模式!

书归正传,我们从前在抽样调查的过程中,为了确保结论有价值,一定要采用具有代表性的样本,这样该样本才能排除各种误差。不过对于移动医疗大数据分析来说,即使是基于海量数据,并获得了很多的所谓结果,还是会有偏差的,而这往往是来源于系统本身。从理论的角度来看,移动医疗大数据应具有足够的效度和信度,信度是指测量数据的可靠程度,效度表示一项研究的真实性和准确性程度。在医疗行业的大数据分析中,有很多情况会导致大数据的信度和效度产生问题。

下面我们就来具体讨论一下。

1. 极大值和极小值

移动医疗的大数据中,极大值与极小值在很多情况下是有巨大参考价值的。大数据一般都是散点图,当我们想通过大数据分析获得正态分布图,或者平均数时,一般要采用均值,中位数或者众数,否则结果容易有偏差。对于一堆普通数据来说,极大值和极小值这两个极端是不能对数据整体进行定性的。就如同我们看奥运会跳水比赛一样,在计算总成绩的时候,总是需要去除一个最高分和一个最低分,然后取平均数。但是医疗数据有些非常特殊的地方,而且由于极小值与极大值的存在,反而可能平均结果并没有那么大的意义。上一篇文章中我曾经提到了数据的特异性和敏感性问题。其实医疗实践中还有一个非常重大的问题,就是安全性和一票否决的情况。比如说,就算99%的人用药安全,但是确定出现了1%的死亡率,并且证明不是偶然事件的话,那么也是不可接受的。实际上在大数据分析上也是如此,有的时候我们做出一个分析是为了要辅助决策的,但是很多具体情况里,即使分析了多年的数据发现60%的人都是受益的,那又怎么样?能够大规模推广吗?真的有价值吗?你如何反向证明呢?这是医疗行业的独特性所决定的,和其它行业的大数据分析有巨大的区别,各位从业人员不可不察。

而且,虽然极大值极小值在很多情况下是属于极端情况、小概率事件,但同样在很多医疗情景下,他们也具有定性的作用,所以数据在什么情况下是有价值的,什么情况下是分文不值的,需要具体问题具体分析,没法一刀切!

2. 大数据会反作用于大数据

大数据的研究结果本身会反作用于大数据,正如市场干预者会影响到市场本身。当一个公司打算有计划地去收集一些数据的时候,这些数据本身就或多或少的受到了某种程度的影响,导致缺乏信度和效度!

比如,目前市场上出现了越来越多的可穿戴设备,主要应用于医疗及健康监测、健身等领域。他们通常都有同一个所谓的终极商业模式,就是大数据的分析。监测穿戴者身上的某种特定数据,比如血压、脉搏、体温等等,然后对他们进行健康管理,以及通过大数据收集进行某项数据的分析。但是对于这种对数据的关注所造成的一些后果,其影响可能已经超过了数据本身。

对患者时刻进行数据监测,进行大数据统计分析的过程,其实是对他进行不停地潜移默化的影响过程,它使患者处于一种时刻被提醒的状态,被提醒疾病的存在,被提醒数据的变化,被提醒病情的发展……

很多时候,对患者来说,如果能够顺其自然地接纳一些症状、摆脱一些痛苦以及不安、烦恼等情绪,最后反而对疾病的恢复有正面积极的作用,因为人性是不想被束缚的。心理学上有一种治疗方法叫做“森田疗法”,主要适用于强迫症、社交恐怖、广场恐怖、惊恐发作的治疗。该方法与通过对个人数据的持续监测来治疗的方式完全不同,它强调分散对疾病的注意力,放松大脑里的那根时刻关注疾病的神经。“顺其自然、为所当为”是森田疗法的基本治疗原则。它不提倡追溯过去,认为人要重视当前的现实生活,要通过现实生活去获得体验性的认识,要顺应情绪的自然变化,努力按照目标去行动。

而很多类似于可穿戴设备的大数据收集,恰恰是给人们设置了这样一种束缚机制,人们进入其中,患得患失,最后还需要主动或者被动地接受所谓干预与反馈。疾病的防治确实很重要,但是在疾病的治疗过程中,如果这般,长此以往,还要担心很多其它的问题发生,因为过度监测并不总是有利的。比如从心理学角度来讲,有一种典型的“疑病症”,它属于心理问题躯体化的一种表现。当人们对自身的健康状况或身体的某一部分过分关注,于是就总是会怀疑自己得了什么病,而且常常会在感知方面产生某种与所假想的病症相符的幻觉。甚至真的会产生某种生理症状的变化,因为人的心理力量非常强大。另一方面,医疗数据的波动很多也是由心理因素导致的,从众性很强。假如一个班级里有三个学生出现了感冒症状(有的都不一定是感冒),那么很多其他的学生也会觉得自己好像哪里不舒服。如果像以上这些情况也被收录到医疗大数据中去,而被“正儿八经进行分析的话,有何价值可言?伪数据还不如无数据。

其实对于一般的患者和普通人来说,没必要一直监测自己身体数据的动态变化。这种监测很多时候是没有意义的小题大做,哗众取宠。冠冕堂皇的背后其实多数是商业利益的驱动和“健康传销”。从大众的恐慌中获益,根本就没有考虑企业的社会责任,不以降低医患成本为核心的移动医疗,都在耍流氓!因为在长期的医疗实践中,形成了很多科学的监测手段和流程,经过了千锤百炼。比如为什么是24小时尿量监测,不是240小时呢?为什么是48小时心脏hotter监测,你怎么不戴480小时呢?把你10年,每天吃饭、行走、大便等等行为都一点不拉的记录下来,真的有价值吗?能解决多少实际问题?这还有一个卫生经济学的成本问题,因为对整个社会来说,减少过度医疗和过度关注,那么节约的钱是可以挽救很多生命的!

其实我并非反对移动医疗大数据,也不是想黑医疗可穿戴硬件,这世界有的时候并没有不好的事业,只有不好的人。我经过调研后发现,有很多公司总想创造不必要的检查,恨不得正常人,每天测两次血糖,监测三次血压,做一次心电图以完成所谓的健康监测,然后还从文献和学术研究中找到很多线索,向大众进行过度宣传。其内在的深层次原因,让我想起了资本论中提到的一种现象,如果一个商人是卖玻璃的,他恨不得目光所及处的玻璃都是碎的!

那么关于医疗行业所特有的小数据分析,分组配对和随机对照分析的方法将在下一章中介绍。

(欢迎转载,注明作者和来源即可,愿意与Dr.2交流的请加微信号:2823095726)


浏览次数:715次