基于“健康深圳”行动计划的社会健康水平评估与测控模型

朱磊，王超，李佳钰，李涵，王雪茹

基于“健康深圳”行动计划的社会健康水平评估与测控模型

朱磊1，王超1，李佳钰1，李涵2，王雪茹3

（沈阳航空航天大学 1. 航空发动机学院，2. 民用航空学院，3. 理学院，辽宁 沈阳 110136）

随着人民物质生活水平的提高，人们过去所保持的饮食习惯和意识观念正受到冲击，以失配性疾病为代表的慢性病与现代环境问题开始影响人们的身体健康．中国卫生事业正从以治病为中心向以健康为中心转变．深圳市政府提出“健康深圳”行动计划，力图从多方面提升居民健康水平．针对该计划，建立多元非线性回归模型，对其实施效果做出分析与预测，基于BP神经网络算法建立社会卫生与环境健康评估模型，并给出相关建议．

健康深圳；多元非线性回归；BP神经网络

随着我国人民生活水平的持续提高，社会的发展面临全新的挑战．从卫生事业的角度来看，工业化时代技术与物质的浪潮正在冲击着人们过去一直保持的饮食习惯和意识观念．一方面，失配性疾病（如糖尿病）等一系列慢性非传染性疾病开始出现并迅速蔓延；另一方面，外部环境遭遇的空气污染等现代环境问题，也在损害着人体健康．“以治病为中心”的思想越来越不适应我国的需要．根据国家《“健康中国2030”规划纲要》，中国卫生事业正从以治病为中心向以健康为中心转变．对此，深圳市政府积极响应，提出“健康深圳”行动计划，力图从生活、环境、卫生、医疗和文体等多个方面提升居民的健康水平．本文针对“健康深圳”行动计划，建立多元非线性回归模型，对其实施效果做出分析与预测，基于BP神经网络算法建立社会卫生与环境健康评估模型，并为该计划提供改进建议．

关于全方位的健康检测与健康管理，许多学者已进行过探索．庄润森[1]探索构建公众健康素养快速评估与短信干预系统，将健康素养与自我健康管理相结合；彭朝林[2]等定性分析了“健康深圳”计划的不足，针对健康社区的建设和发展提出建议．

1　基于多元非线性回归的计划实施效果评估

为使问题得到合理简化，提出假设：（1）在统计的时间段内不存在大范围的人口迁移；（2）计算深圳市居民医疗消费支出时没有物价的改变；（3）统计数据涵盖所有统计对象；（4）在统计的时间段内没有较大的政策调整对数据产生干扰．

1.1　健康水平衡量标准的选定

选定的健康水平衡量标准应适用于定量分析，且能直观地反映居民健康水平．结合如今生活水平提高导致肥胖问题日益突出这一背景，选取深圳市居民的肥胖率作为健康水平的衡量标准．

1.2　灰色关联度分析

采用灰色关联度分析法[3]分析深圳市社会养老机构及救助站数量、灰霾日天数、生活垃圾转运站数量、医疗卫生机构数目和全民健康活动参加人数这５个因素与作为健康水平衡量标准的肥胖率的关联性．

灰色关联度分析的基本步骤为：

Step1确定分析数列．反映系统行为特征的数据序列，称为参考数列；影响系统行为的因素组成的数据序列，称比较数列．选择肥胖率的相关数据为参考数列，影响深圳市居民肥胖率的５种因素的相关数据为比较数列．参考数列和比较数列的具体数据来源于2008—2017年的深圳市统计年鉴[4-13]．

参考数列的相关数据记为

比较数列的相关数据分别记为

Step2变量的无量纲化．由于系统中各因素列中的数据可能因量纲、数量级的不同，不便于比较或在比较时难以得到正确的结论，因此在进行灰色关联度分析之前，需要进行数据的无量纲化处理．这里选用均值化处理的方式，即

Step3计算关联系数．关联系数的计算公式为

通过公式（1）~（6）对各因素与深圳市居民肥胖率的关联度进行计算，结果见表１．

表1　各因素与深圳市居民肥胖率的关联度

由表１可以看出，各指标的关联度都比较高，达到了较高要求，说明所选取的５个指标与深圳市居民健康水平指标肥胖率的关联性是比较大的，可以用来构建多元非线性回归评估模型．

1.3　多元非线性回归评估模型构建

根据数据绘制散点图，结果见图１．

图1 各因素数据散点图

根据数据绘制散点图，结果见图１．

由图１可以看出，散点分布类似于抛物线．据此，给出肥胖率与５个指标间的函数关系式

由此可得肥胖率与５个指标之间的多元非线性回归模型

1.4 “健康深圳”行动计划实施效果评估

在“健康深圳”行动计划中找到５个指标的预期值：养老机构及救助站数45个，灰霾日天数7天，生活垃圾转运站数1 200个，医疗卫生机构数4 800个，全民健康活动参加人数450万．

2 基于BP神经网络的社会健康评估

2.1 失配性疾病

失配性疾病是美国哈佛大学人类进化生物学教授丹尼尔·利伯曼提出的关于非传染性的慢性疾病概念．主要有2类，即能量太多造成的疾病和用进废退造成的疾病．因能量太多导致的疾病主要有糖尿病和心脑血管疾病等；因用进废退造成的疾病主要有骨质疏松和关节炎等．

2.2　基于BP神经网络的社会卫生与环境健康评估模型

希望建立支持健康水平动态测控的社会卫生与环境健康评估模型，能够在已知社会卫生与环境方面的几个指标时，通过此模型来判断社会卫生与环境健康水平．

2.2.1 社会卫生与环境健康水平影响指标及其衡量指标的确定考虑社会卫生与环境健康问题中所涉及的饮食、生活、工作和医疗等因素，通过查阅深圳市统计年鉴和《健康深圳行动计划（2017—2020年）》，在各参考因素中选取比较具有代表性的4个影响指标，即空气质量优良天数、国民体质合格以上比例、城镇登记失业率以及医疗卫生机构数目．

根据选取的影响指标，考虑到在城市中居民就医数量是一项较为明显的判别城市宜居与否的判据，结合指标量化这一条件，最终选取城市每年总看病人数作为社会卫生与环境健康水平的衡量指标．

根据灰色关联度分析原理，还可对4个影响指标的关联度进行评估，以确保指标选取的合理性，在此不再赘述．

2.2.2 数据预处理获取了深圳市城市总看病人数、空气质量优良天数、国民体质合格以上比例、城镇登记失业率和医疗卫生机构数目共96组数据（2010-01—2017-12）[6-13]．为使用BP神经网络模型进行社会卫生与环境健康评估，在这些数据间进行插值，插值并剔除异常值后得到2 853组数据．

2.2.3 基于BP神经网络的社会与环境健康水平评估模型三层神经网络结构见图2.

图2 三层神经网络结构

用获得的数据序列训练BP神经网络[15]，即将空气优良天数、国民体质合格以上比例、城镇登记失业率以及医疗卫生机构数目作为输入数据，城市总看病人数作为输出数据，最终对社会卫生与环境健康水平做出评估．

将2 853组数据的前2 600组作为训练学习样本，后253组作为验证样本．

此处的BP神经网络输入节点为4个，输出节点为1个，隐节点为15个，其中输入层到隐层的激活函数采用Sigmoid型函数

隐层到输出层的激活函数使用Purelin函数，可得网络输出与输入的关系

设置的BP神经网络参数见表２．

表2　BP神经网络设置参数

在BP神经网络经过训练后，将验证集的社会卫生与环境的４个指标作为输入数据输入，输出结果与验证集中的健康水平指标做比较（见图3），输出值与实际值间的误差较小，结果较为准确．

图3　网络输出对比

为避免神经网络对训练数据过分拟合、偏离其它未参加训练的数据，Matlab把总共2 853组数据划分成3份，分别为training（训练）、validation（验证）、test（测试），前2 600组数据作为training数据参加训练，其它数据作为validation和test数据用于检验．

BP神经网络的回归系数见图4，其中横坐标为目标值，纵坐标为网络输出，数据集中在对角线上时拟合效果较好．

图4　BP神经网络的回归系数

由图４可以看出，回归系数R的值越接近于1，其拟合的回归越好．拟合优度的系数R达到了0.994 24，说明BP神经网络对于社会卫生与环境健康水平的评估较为准确，基于BP神经网络的社会卫生与环境健康水平的评估模型是成功的．

3　推广与建议

基于BP神经网络构建了深圳市社会卫生与环境健康水平评估模型．可以发现，只需改变影响指标与衡量指标，就可将社会卫生与环境健康水平评估模型变为其它领域的评估模型，模型本身的结构与求解过程不会发生变化，模型结果误差也较小．由此可见，该模型具有良好的适应性，可向其它领域或其他城市推广，也可根据实际需要，加入更多的其它相关指标，使结果更加完善，更具真实性．在当今的大数据时代，该模型也利于国民健康数据库的建立以及相关研究问题的数据处理．

结合全文的研究，对“健康深圳”行动计划提出建议：

（1）政府应制定能够具体落实到社区的方案，不断改善社会公共卫生与环境，通过充分发挥媒体优势来鼓励居民外出锻炼，同时加大体育场馆及设施的建设以提升市民的体质．以社区为单位增加配套医疗设施及人员的数量．通过改善居民膳食结构等方式，改善居民体质并以此优化生活垃圾的回收效果，进一步提升深圳市空气环境质量水平．

（2）呼吁居民以步行的方式外出，减少每日脂肪的摄入量，通过“减少能量”和避免“用进废退”的方式有效降低居民失配性疾病的患病率，从而提高居民健康水平，同时有利于深圳市空气质量的提高．

（3）在测控数据采集机制的构建与个人隐私保护等方面，建议设立专门部门对此负责，定期进行数据采集与处理，设立相关课题研究，建立资料库．同时确保资料库的保密性，对外展示研究成果时仅展示研究结论，不透露居民个人信息．做好年度、中期和终末评估，定期上报和公开工作情况及研究成果．

[1] 庄润森．城市公众健康素养快速评估与短信干预系统的构建与应用研究[D]．广州：南方医科大学，2014

[2] 彭朝林，张京京，王颖，等．健康深圳建设存在的问题及对策——基于“健康社区”的视角[J]．深圳职业技术学院学报，2019，18（2）：35-41

[3] 黄涛. 基于灰色关联度分析的模糊群决策方法研究[D]．广州：华南理工大学，2016

[4] 深圳市统计局．深圳市统计年鉴2008[EB/OL]．（2008-02-01）[2019-05-13]．http：// www.tjj.sz.gov.cn

[5] 深圳市统计局．深圳市统计年鉴2009[EB/OL]．（2009-03-08）[2019-05-13]．http：// www.tjj.sz.gov.cn

[6] 深圳市统计局．深圳市统计年鉴2010[EB/OL]．（2010-12-24）[2019-05-13]．http：// www.tjj.sz.gov.cn

[7] 深圳市统计局．深圳市统计年鉴2011[EB/OL]．（2012-02-16）[2019-05-13]．http：// www.tjj.sz.gov.cn

[8] 深圳市统计局．深圳市统计年鉴2012[EB/OL]．（2013-04-24）[2019-05-13]．http：// www.tjj.sz.gov.cn

[9] 深圳市统计局．深圳市统计年鉴2013[EB/OL]．（2014-04-21）[2019-05-13]．http：// www.tjj.sz.gov.cn

[10] 深圳市统计局．深圳市统计年鉴2014[EB/OL]．（2015-03-21）[2019-05-13]．http：// www.tjj.sz.gov.cn

[11] 深圳市统计局．深圳市统计年鉴2015[EB/OL]．（2016-06-07）[2019-05-13]．http：// www.tjj.sz.gov.cn

[12] 深圳市统计局．深圳市统计年鉴2016[EB/OL]．（2017-01-20）[2019-05-13]．http：// www.tjj.sz.gov.cn

[13] 深圳市统计局．深圳市统计年鉴2017[EB/OL]．（2017-12-19）[2019-05-13]．http：// www.tjj.sz.gov.cn

[14] 冷建飞，高旭，朱嘉平．多元线性回归统计预测模型的应用[J]．统计与决策，2016（7）：82-85

[15] 吴茂兴，曾庆华，陈龙志．神经网络及回归型支持向量融合健康评估模型[J]．航空兵器，2013（6）：43-48

The evaluation and control model of social health level based on Healthy Shenzhen plan

ZHU Lei1，WANG Chao1，LI Jiayu1，LI Han2，WANG Xueru3

（1. School of Aero-engine，2. School of Civil Aviation，3. School of Science，Shenyang Aerospace University，Shenyang 110136，China）

With the improvement of people′s material living standards，the eating habits and consciousness that people have maintained in the past are being impacted．Chronic diseases represented by mismatch diseases and modern environmental problems have begun to affect people′s health．Chinese health service is changing from treating disease as the center to health as the center．The Shenzhen municipal government has proposed a plan named Healthy Shenzhen to improve residents′ health in many aspects．Based on the plan，a multiple linear regression model was established to analyze and predicting its effects，and then a social health and environmental health assessment model was established based on the BP neural network algorithm．Finally，the related suggestions was given．

Healthy Shenzhen；multiple linear regression；BP neural network

O29∶R195

A

10.3969/j.issn.1007-9831.2020.09.006

1007-9831（2020）09-0023-06

2020-04-06

朱磊（1999-），男，湖南永州人，在读本科生．E-mail：13324018981@163.com

王雪茹（1981-），女，内蒙古赤峰人，讲师，硕士，从事基础数学研究．E-mail：wxrlittle@163.com