疗过程评估这一大类；二是对医疗结果的评价，比如手术不良事件发生率，及可避免再住院率等。
有了科学合理的评估医疗费用与质量的手段 , 使得政府医保机构与商业保险公司能有效对医疗机构进行综合管理 , 同时支持包括总额控制、单病种付费、按绩效付费等各类支付方式改革的实施 , 真正达到在保证质量的基础上控制费用的目的 . 这也正是医疗保险在产品服务缺乏标准化 , 信息高度不对称的医疗领域中的重要价值之一。
7.2患者医疗治疗应用
患者在医疗治疗过程中，既是一个按照医生医嘱要求按时吃药换药并注意有关事项的活动集合，同时也是一个与医生主动配合、积极参与和和同病患者信息交流的过程，另外患者也特别关心自己的治疗过程、治疗效果和常规恢复时间，有关应用包括以下方面。
7.2.1患者就医过程提示服务
患者可以得到治疗过程中全部治疗活动内容、时间、地点和注意事项，并及时通知提示有关内容，如果加入天气、交通情况等信息，还可以提示就医过程穿衣指数、交通工具等信息。
7.2.2患者服药提示服务
患者在治疗过程中，根据医生处方和药品服用方法可以按时、按量得到服药提示，并可以对药品不足情况进行提示以便提前到医院或药店购买，也可以主动送药上门，另外对服药过程中自我身体不适反应情况及时与家庭医生进行沟通，在医嘱指导下增减药品服用。
7.2.3患者饮食、运动、习惯注意事项服务
患者在治疗过程中，根据大数据分析得出的最佳饮食、运动、习惯内容，对患者进行注意事项提示，也可以根据患者身体体征数据，形成具有针对患者个体的饮食、运动方案，并及时调整有关内容，以期达到最佳恢复效果。
7.2.4患者体征和治疗效果服务
患者在治疗过程中，非常关系自己的身体体征和治疗效果，通过与自己过去的数据对比，标准规范数据对比以及与其他同类患者数据对比，是患者对自己的病情治疗情况及时掌握。
7.2.5患者交流交往服务
患者在治疗过程中，具有与同类疾病患者交流信息和经验的需要，甚至希望形成特定患者群进行活动交流，通过病类、喜好、地区、年龄、性别等分析比对，可以形成患者交流交往社交圈。
7.3个性化医疗服务应用
利用医疗大数据形成个性化医疗服务和治疗，即基于基因科学的医疗模式、个体特征和身体情况，通过对居民健康影响因素进行分析，对患者健康信息进行整合，为疾病的诊断和治疗提供更好的数据证据，进行居民健康知识库的积累，从而改进居民健康。在基因测序、个性化药物及个人健康管理等医疗个性化服务方面的方案思路如下。
7.3.1基因测序分析应用
随着大数据的飞速发展，它已经把触角触及到很多领域。在医疗健康领域，美国已经开始利用大数据应用来防止流感蔓延，而伴随科学技术的不断发展，也让以往无比昂贵的基因测序变得不再遥不可及，基因测序的成本已经逼近1千美元。目前在美国拥有2千多家从事人类基因序列分析的公司，而且未来会有更多的企业将涉足这一领域。这就意味着，个性化医疗的时代即将来临。
利用这些基因测序数据发现基因中罕见的病变信息，而正是这些病变信息造成了癌症、新生儿疾病、镰状细胞性贫血等。随着从基因测序解决方案中得到越来越多的遗传信息，未来对基因组进行可扩展分析的需求显然将会越来越多。
7.3.2个性化药物应用
通过对大型数据集(例如基因组数据)的分析发展个性化治疗。该应用考察遗
传变异、对特定疾病的易感性和对特殊药物的反应三者之间的关系，然后在药物研发和用药过程中考虑个人的遗传变异因素。很多情况下，病人用同样的诊疗方案但是疗效却不一样，部分原因是遗传变异。针对不同的患者采取不同的诊疗方案，或者根据患者的实际情况调整药物剂量，可以减少副作用。
通过减少处方药量可以减少30%～70%的医疗成本。比如，早期发现和治疗可以显著降低肺癌给卫生系统造成的负担，因为早期的手术费用是后期治疗费用的一半。
7.3.3个人健康管理应用
利用大数据技术，对个人健康进行全生命周期管理，实现在任何时间、任何地点都可以访问相关信息，从而保证了健康信息的一致性、连续性，如谷歌的Google Health、微软的Health Vault等平台。健康管理系统的最主要特点就是：个人的健康状态得得到了连续观测，健康分析人员能够有效地对个人健康状况进行分析，以便在身体处于非健康状态时得到及时的干预。
在健康管理领域中最需要解决的问题就是及时发现身体的健康异常和重大疾病风险预警，传统情况下我们会通过年度体检来实现这一要求，但是体检时间跨度大，同时地域的覆盖能力也不足够，可穿戴式设备能够实现跨地域大人群身体异常实时发现。通过体征数据（如心率、脉率、呼吸频率、体温、热消耗量、血压、血糖和血氧、激素和BMI指数，体脂含量）监测来帮助用户管理重要的生理活动。现阶段可以利用的体征数据传感器包括：①体温传感器；②热通量传感器：用来监测热量消耗能力，可以用于血糖辅助计算和新陈代谢能力推算；③体重计量传感器：用于计算BMI指数；④脉搏波传感器：推算血压，脉率等数据；⑤生物电传感器：可用于心电、脑电数据采集，也可用来推算脂肪含量等；⑥光学传感器：推算血氧含量，血流速。设备初始会将一天设定数十个检测点，只需累积28个检测结果即可建立个人初级模型，利用大数据技术对所有产生数据进行分析，汇总成一个健康风险指数，用户可以看到自己的健康风险指数和同龄、同性别人群的平均风险指数，并且能明确自己的健康风险在同龄人群中的排位。同时，利用大数据技术，设备会根据使用者实际情况进行调整，一旦数据显示异常，就会加大检测密度，反之则会拉长检测间隔，进行动态调整。
这些数值交叉分析结果可以用来分析用户现在的体质状况，进行健康风险评估，并可以结合数据给出几项关键生理活动：睡眠、饮食、运动和服药的个性化改善建议，让用户保持在一个稳定的身体健康状况。
7.4慢性病预防治疗应用（疾控中心）
在中国，慢性病高血压患者有2.6亿人，慢性病糖尿病患者则有1.2亿人。大家可能觉得这个数字离自己比较远，那我换一种说法大家可能会觉得就是和自己生活相关了。35岁以上的人群，每三个多人里面就有一个是高血压，每七个人里面有一个人有糖尿病，而中国最严峻的现实在于这些患有疾病的人70%的人并不知道。
慢性疾病实际上分为两个阶段，一个叫做功能性病变阶段，一个叫做器质性病变阶段。在功能性病变阶段，人并没有特别的体征感受。而当进入器质性病变阶段的时候，才会感受到头晕、耳鸣等一系列症状。而进入器质性病变之后，慢性病的过程是不可逆的，需要终身服药。也就是说它是无法治愈的。希望这70%的人群能够提前知道，提前医疗处置，避免形成慢性病。
7.4.1慢性病检测、发现、预警服务
利用大数据分析，通过连续性的医疗监测数据，不仅可以对这些慢性疾病进行预警，而且可以为用户提供护理建议，比如最佳的用药时机、如何利用运动和睡眠来稳定病情等等。
利用大数据的方式结合穿戴式设备来去预警未来的疾病。因为人的健康变化一定会带来体征波动的异常，如果能够对体征进行持续性检测，同时又有大数据的对比，那么就有可能做到对疾病的提前发现。实际上中医里面最好的医师并不是救死扶伤，而是在疾病还没形成前就及时发现并处置，我们通过现在的科技，能让海量用户去实现。我们通过可穿戴式设备，对人的血压、血糖、血氧、呼吸、心率、BMI指数进行相应的持续性检测。
本平台与传统检测设备相比有三个革新，第一个革新是分析模型由单点的分析变成连续的分析，单点分析是有助于在医院里进行诊断的。但弊病是什么？必须要形成病症后，才能通过单点分析来判断你是否患病，这是个黑白的分析。而作为预警，它关注的是你的体征变化是否超常，这是个灰度性的分析，它更多的
是做预警方面的工作。第二个部分的革新是设备，设备必须要连续采集用户的体征数据才能有效分析波动性的异常。第三个部分是商业模式上的创新，只有对身体状况进行预警，才能使用户从被动治疗转化成主动预防，才能用更少的代价获得更好的治疗效果。
通过连续监测数据做出疾病预警 ，即使是简单的数据，如果通过连续地分析波动规律也能发现常识中得不到的信息。任何疾病形成之前一定会有体征波动的紊乱，怎么去捕捉到这种紊乱并进行预警是大数据分析可以解决的事情。通过人体体征比如心电的数据、血氧的数据、血流速度的数据去推断出血压和血糖的数据。虽然可能存在着误差，但是因为数据采集更方便更容易，数据也更加具有连续性。我们关注的不是单点的误差，而会关注它的波动规律，这也能够有效地帮助我们预警。
7.4.2慢性病诊断服务
利用后端的大数据处理能力达到降低边际成本的效果，第一是健康普查，能够让70%的人群通过设备及时发现身体的异常，并进行疾病预警；第二是大数据分析完采集的数据之后，可以让医生更快地进行相应的判断；第三，由于每个人的慢性疾病规律是不一样的，通过连续体征的采集，能够告诉他最佳的用药时机，什么时候用药能够获得最大的效果，同时会告诉他什么时候运动、什么时候睡眠才能够帮助他稳定病情，或者让临时出现身体异常的人及时恢复到正常状态。
7.4.3慢性病防控治疗服务
慢性病的防控治疗一般都是一个长期的过程，需要多个机构密切配合形成体系才能达到效果，包括：（１）构建慢性病防控体系，形成由疾控机构、基层医疗卫生机构、医院和专业防治机构共同构筑的慢性病防治工作网络；（２）实施基本公共卫生服务项目和重大疾病防控项目，将高血压、糖尿病患者纳入基本公共卫生服务范畴，对重点癌症高发区和农村妇女“两癌”开展癌症的早诊早治工作；（３）推行健康教育，促进防治结合，落实综合防控策略，开展全民健康生活方式行动，慢性病综合防控示范区建设，综合健康知识传播激励计划等活动；（４）建立慢性病的监测和信息管理系统。开展慢性病危险因素监测、患病监测、