摘 要：在“健康中国2030”的国家战略下, 公共卫生与预防医学学科发展面临新的形势: (1) 以组学为代表的新技术不断被应用于疾病防控与健康促进的工作中; (2) 计算机技术和医学信息技术正推动本学科在大数据时代的发展与变革; (3) 在全国不同区域, 围绕不同疾病, 启动了大型人群队列建设, 为本学科的发展提供了宝贵的契机。本学科应重点围绕组学技术与队列人群、大数据与疾病防控、自然和社会新态势与全民健康等方面, 培养复合型研究人才与研究团队, 拓展学科研究领域和覆盖面, 为推进健康中国建设构建强大保障。
关键词：公共卫生; 预防医学; 新技术; 大数据; 队列研究; 健康中国;
公共卫生与预防医学是医学门类中独立的一级学科, 是现代医学的支柱之一。它以人群为研究对象, 从宏观与微观两个技术层面, 研究对人群健康产生影响的因素及其作用规律, 阐明外界环境因素与人群健康的相互关系, 从而提供公共卫生策略与措施, 达到预防疾病、促进健康、延长寿命和提高生命质量的目的。作为医学最重要的组成部分之一, 公共卫生与预防医学的思想贯穿于整个人类与疾病的斗争史, 在各种群体性疾病, 尤其是传染病的防治中做出了巨大的贡献。
随着经济社会发展和科技进步, 人类疾病谱发生了重大变化, 现代生物-心理-社会医学模式逐步建立, 人们对于“健康”这一概念的看法也不断发生改变。新中国成立以来尤其是改革开放以来, 我国人民健康水平得到了极大改善, 2015年人均预期寿命已达到76.34岁, 许多健康指标已超过中高收入国家的平均水平, 公共卫生事业取得了举世瞩目的成就, 但与此同时, 人口结构、生态环境与生活方式的改变等也给维护和促进健康带来新的难题[1]。2016年, 中共中央、国务院印发《“健康中国2030”规划纲要》 (简称《纲要》) , 制定了新时期健康中国建设的宏伟蓝图, 对公共卫生事业的发展提出了新的指导与要求, 包括强化覆盖全民的公共卫生服务、推进基本公共卫生服务均等化、建立公共卫生与临床医学复合型高层次人才培养机制等, 《纲要》的制定给公共卫生与预防医学带来了新的挑战与机遇。
与此同时, 生物信息学、计算机和互联网领域不断出现的新技术、新突破和新方法, 已经越来越多地应用于公共卫生与预防医学的研究, 多学科间交叉、融合、渗透已是发展趋势, 并成为公共卫生与预防医学突破现有发展瓶颈的重要方向, 也是本学科服务于“健康中国2030”国家战略的重要途径与方式。
因此, 本文将围绕上述发展契机及技术变革介绍当前公共卫生与预防医学学科发展所面临的新形势与机遇。
1、组学等新技术在预防医学领域的广泛应用
近年来, 生命科学、生物技术和信息技术交叉融合、发展迅猛, 以组学为代表的新型检测方法与分析技术不断涌现, 可以从微观角度如分子结构、功能表达、效应机制等解释生命现象, 使得揭开健康影响因素与结局事件之间的“黑匣子”成为可能, 为采取更适宜更精准的干预措施提供了科学依据。
组学技术主要包括基因组学、表观遗传学、转录组学、蛋白质组学、代谢组学等, 以其高通量、高敏感性、高分辨率的优点, 使生命科学的研究走向整合化和系统化[2]。组学对疾病发生的解释可简单表述为:基因组学和表观遗传学提示可能的表型, 蛋白质组学和代谢组学表明现实的表型, 而暴露组学与蛋白质组学、代谢组学相互作用最终决定疾病的发生[3]。
在传染病防控领域, 组学技术可以准确识别致病因子的特点及变异[4], 探究传播规律[5], 确定人群免疫状况[6], 基于组学技术的高通量疫苗筛选和制备技术也是传统疫苗开发方法所难以企及的[7]。针对慢性非传染性疾病, 组学技术可以从其致病机制出发, 提出更为准确和可靠的防治策略, 如利用代谢组学方法, 观察糖尿病发生过程中的生化指标改变, 从而准确预测糖尿病的发病风险并进行早期预防[3]。此外, 组学技术可以针对人群中的个体, 分析其对环境因素或某些疾病的易感性, 如复杂疾病的全基因组关联研究 (genome-wide association study, GWAS) 确定了数百种疾病 (如心血管病、肿瘤、精神疾病、肥胖等) 的相关基因和易感区域, 发现了许多与疾病发生相关的基因易感位点, 可用于复杂性疾病的风险预测及精准预防。其他诸如微生物组计划、宏基因组学等新兴的组学技术也为疾病防治提供了全新的思路[8]。
组学技术出现时间较短却发展迅速, 目前虽在检测成本及标准化等方面存在不足, 但其在公共卫生与预防医学领域中被有效整合和利用后, 所提供的探索病因的方法与思路为疾病防治工作指引了新的方向[9], 也将被不断应用于疾病防控与健康促进的研究与实践。
2、健康医疗大数据的应用体系建设
在现代社会中, 互联网+技术和产品已全面渗透居民生活, 包括卫生与健康领域。计算机技术和医学信息技术正推动公共卫生与预防医学大数据时代的发展与变革。中共中央、国务院印发的《纲要》中提出, 要加强健康医疗大数据应用体系建设, 消除数据壁垒, 全面深化健康医疗大数据在公共卫生等领域的应用[1]。
大数据最核心的应用是预测, 即通过高级数学算法处理海量数据, 通过一系列分析得出预测结果。同时大数据分析更为全面, 消除了抽样所带来的误差后, 结果更具有说服力。在公共卫生领域, 研究者可以通过对公共卫生大数据的实时监测和分析, 极快地对传染性疾病和重大疫情做出应急管理, 并可及时为公众提供准确有效的健康咨询, 极大地提高突发公共卫生事件预警与应急响应能力[10];通过互联网整合医疗信息系统和其他公共信息资源, 可以全面获得健康相关危险因素的数据, 并通过深度挖掘与分析, 有效评价影响健康的社会因素, 确定个体所处的生态与社会环境中的易患疾病, 进而制订有针对性的干预措施;通过人口健康信息服务体系建设, 为居民提供个体化的健康管理服务, 普及健康生活方式, 满足个性化服务和精准化医疗的需求。
3、队列研究提供发展新契机
国家科技体制改革后, 以国家重点研究计划为主体, 在全国不同区域, 围绕不同疾病, 集中力量启动了大型人群队列建设, 建立了人群研究的大平台。目前我国已建成若干大型队列, 例如, 样本量为50万人群的中国慢性病前瞻性队列项目[11], 样本量为20万的泰州人群纵向队列[12], 样本量为18万的中国高血压跟踪调查队列[13]。此外, 我国首个多中心的国家出生队列正在建设中, 预计覆盖10万家庭。这些大型队列的建设将为公共卫生与预防医学学科的发展提供宝贵契机。
队列研究是预防医学研究中可信度较高的研究方法之一, 可以揭示疾病发生的原因、评价预防措施的效果、研究疾病的自然史、评估人群健康状况, 其研究结果可以转化应用于人群早期诊断和早期干预, 具有其他研究设计不可比拟的优势[14]。目前, 诸多新技术新方法的出现及发展为队列研究在公共卫生及预防医学领域中的深入应用提供了更多支撑。例如, 互联网+健康医疗大数据的全面应用为队列人群长期随访监测提供了新渠道, 使队列研究的结局事件得到更多层次更精准的划分, 并为实现不同队列监测数据的整合分析提供了现实的基础;智能移动设备的飞速发展提供了动态监测生理功能和健康状态的可能, 同时个体环境暴露的测量也有望实现;生命科学和生物技术的进步使组学技术以较低廉的价格得到广泛应用, 进而大大拓展了队列研究内容的深度和广度。
综上所述, 在新形势新机遇面前, 公共卫生与预防医学学科应顺势而为、应时而起, 立足学科优势, 加快学科交叉与融合, 重点围绕组学技术与队列人群、大数据与疾病防控、自然和社会新态势与全民健康等方面进行顶层设计与合理布局, 注重培养创新型研究人才、培育交叉型研究团队, 拓展研究领域, 拓宽研究覆盖面, 为医疗卫生领域发展提供持续性的支撑, 为推进健康中国建设构建强大保障。
参考文献
[1]中共中央, 国务院.“健康中国2030”规划纲要[EB/OL]. (2016-10-25) [2017-01-11].https://baike.so.com/doc/24468687-25312554.html.
[2]朱超, 梁琼麟, 王义明, 等.代谢组学的整合化发展及其新进展[J].分析化学, 2010, 38 (7) :1060-1068.
[3]Mercuro G, Bassareo PP, Deidda M, et al.Metabolomics:a new era in cardiology[J].J Cardiovasc Med (Hagerstown) , 2011, 12 (11) :800-805.
[4]Harris SR, Clarke IN, Seth-Smith HM, et al.Whole-genome analysis of diverse Chlamydia trachomatis strains identifies phylogenetic relationships masked by current clinical typing[J].Nat Genet, 2012, 44 (4) :413-419, S1.
[5]Li R, Qin Y, He Y, et al.Production of hepatitis C virus lacking the envelope-encoding genes for single-cycle infection by providing homologous envelope proteins or vesicular stomatitis virus glycoproteins in trans[J].J Virol, 2011, 85 (5) :2138-2147.
[6]Marazzi I, Ho JS, Kim J, et al.Suppression of the antiviral response by an influenza histone mimic[J].Nature, 2012, 483 (7390) :428-433.
[7]Bagnoli F, Baudner B, Mishra RP, et al.Designing the next generation of vaccines for global public health[J].OMICS, 2011, 15 (9) :545-566.
[8]刘双江, 施文元, 赵国屏.中国微生物组计划:机遇与挑战[J].中国科学院院刊, 2017, 32 (3) :241-250.
[9]胡永华, 梁梦璐.组学时代的预防医学[J].北京大学学报 (医学版) , 2012, 44 (3) :327-330.
[10]牟忠林, 王雅洁, 陈娟, 等.健康大数据在医疗卫生领域中的应用及挑战[J].海南医学, 2017, 28 (2) :173-176.
[11]Chen Z, Lee L, Chen J, et al.Cohort profile:the Kadoorie Study of Chronic Disease in China (KSCDC) [J].Int J Epidemiol, 2005, 34 (6) :1243-1249.
[12]Wang X, Lu M, Qian J, et al.Rationales, design and recruitment of the Taizhou Longitudinal Study[J].BMC Public Health, 2009, 9 (1) :223.
[13]Gu DF, Kelly TN, Wu XG, et al.Mortality attributable to smoking in China[J].N Engl J Med, 2009, 360 (18) :1911.
[14]王笑峰, 金力.大型人群队列研究[J].中国科学:生命科学, 2016, 46 (4) :406-412.
