构建多尺度智能医疗框架

迈向多尺度智能医疗框架

目前引言

目前，超过一半的世界人口居住在城市中，这一数字预计到2050年将增长至70%（联合国经社部 2015年），因此人们日益关注这种快速城市化进程如何能够推动实现联合国2030年可持续发展议程（联合国2015年）。在此加速城市发展的背景下，一个关键问题在于未来城市环境应如何积极消除健康风险并促进福祉。健康研究人员和从业者正越来越多地与城市规划者及政策制定者合作，试图识别和解析对公共健康和城市宜居性具有重大影响的空间参数。

过去，针对这一更广泛研究领域的探索主要集中在以移动性为导向的解决方案上（克莱因特 2006年；Giles Corti 等，2016），而基于传感器的网络的出现为此类研究提供了重要支持，推动了城市动态研究的新途径（基钦2013年）。诸如可感知城市实验室等研究团队通过大规模的城市感知数据项目，在利用手机数据监测日常活动模式（卡拉布雷斯等人，2013年； Phithakkitnukoon 等人，2010）及其对城市建模场景的影响方面开展了前沿工作。除移动性数据外，大量关于能源与环境绩效的数据也致力于实现智能资源管理和最优基础设施建设。与此同时，在小规模干预中，技术支撑在促进福祉方面的作用也得到了深入研究；生物医学传感器和可穿戴设备等智能医疗技术的发展为医疗行业带来了显著的范式转变，推动了高度自动化的远程医疗实施，同时增强了患者的自主性（阿勒姆达尔、H. 和埃尔索伊、C. 2010年）。

在对上述尺度进行详尽研究后发现，智能家居医疗和智能城市医疗很少被同时讨论（Solanas 等人 2014）。智能家居医疗仅在临床医学领域内探讨其对个人健康的影响，而智能城市医疗则主要与人群健康和公共卫生组织相关联。医学界普遍将个人健康与人群健康分开看待（Onyebuchi 2009）；对两者之间协同效应的研究 effort 较少，主要来自一些强调将医疗保健视为一个复杂系统的研究，该系统由其利益相关者（患者、护理人员、养老院、医疗机构、保险公司、健康管理组织和政府）组成，作为在不同尺度上运行并相互作用的组件网络，有时会产生意外后果（ Lipsitz 2012，谭等人2005年）。此类研究通常关注管理和财务性质的问题（Bar‐Yam 2006）， 并强调了更大医疗系统内某个子系统（如医疗机构）的组件之间意外交互对单个患者所接受护理 质量的影响，或对医疗保健作为市场的组织设计的影响（Rouse 2008）。

在此背景下，智能技术在多个层面上与医疗保健系统进行交互：城市层面的数据收集程序有助于 识别个体集合的环境和人类活动模式，并将这些信息分发给公共卫生组织；在家庭层面，收集的 数据集则专注于单一个体活动模式的识别，并将这些信息传递给其医生。目前，城市层面与家庭 层面之间尚无数据共享，导致信息流缺失，可能阻碍向个体提供整体医疗保健解决方案。

了解一位名叫托德的老年人的典型场景可以说明一些此类障碍：希望就地养老的托德居住在安装了智 能家居技术的现代化城市住宅中，帮助他追踪日常活动（包括跌倒检测或典型活动模式的剧烈变化，这些可能提示紧急情况），并 将这些信息传递给他的医生、家人或紧急服务。然而，这里出现了第一个问题：运动传感器仅部 署在房屋内部，因此他的医生和家人只能依赖托德本人来了解他在屋外的实际活动情况，更不用 说需要立即应对或预防的紧急情况了。医生基于这些不完整的数据（仅反映室内活动）建议他增 加户外身体活动。但托德却犹豫不决，因为上一次外出散步时，他正好遇到严重的交通堵塞，噪 音大且空气污染严重，同时他常去公园的路线因施工而被封闭，迫使他选择了一条地形陡峭得多 的替代路线，超出了他能够舒适应对的范围。在此情境下，托德本可大大受益于一种结合城市和 家庭数据的解决方案。尽管有关交通拥堵、空气污染和噪声水平的信息可通过分布式传感器网络 获取，但空气质量信息仅对公共卫生组织开放，而交通和噪音信息虽向公众开放，却分散在不同 的网站或移动应用程序中，导致托德或其医生难以获取这些信息，更无法将不同信息层叠加起来， 以根据托德的个人健康状况规划最佳路线。此外，如果托德佩戴了用于评估其生理表现的设备， 则可以获取其心率数据异常升高与地形等时空特征之间的相关性信息，医生便能结合其室内活动 数据对其健康状况进行全面评估。这一案例充分说明，如果医疗系统在不同尺度之间以及与其他 相关利益相关者（患者、护理人员、公共卫生部门、城市规划和交通机构）之间能够实现更好的 信息共享，那么医生所提出的善意建议将会建立在更加全面、基于证据的数据基础之上。

作为一项持续研究的一部分，本文提出了创建空间、环境与个人尺度之间集成信息流的初步步骤， 并强调了这种交互对于整体医疗保健概念的重要性。论述将从第3节开始，深入探讨智慧城市、 地理空间数据和大规模物理传感系统作为揭示城市环境多层面信息层的推动力。第4节讨论在家 庭环境中用于个人医疗保健的智能技术，而第5节则通过提出所讨论尺度之间的信息流结构来总 结讨论，以避免数据的典型分割。

2. 方法论

本综述聚焦于分析涉及智能技术在家庭和城市尺度上针对个人及人口水平健康相关参数的研究案 例。所呈现的案例研究旨在为每个尺度提供一组示例性实例，而非对现有文献进行全面详尽的回 顾。纳入这些案例的主要标准是使用静态或移动传感系统来追踪与人口或个人健康（身体活动、 噪音、空气污染）相关的参数。对于研究参与者的国籍以及研究的地理位置未作限制。仅纳入以 英文发表的研究。已包含在选定样本中的研究的初步测试研究也被排除。在每项研究中，我们识 别了数据集类型及相关传感平台，以及各案例中不同数据集之间的信息流。

源识别过程中使用的关键词如下：

• 城市/人口规模：“城市健康”、“身体活动”、“医疗保健”、“公共卫生”、“智慧健 康”和“老龄化”与以下术语结合：“智慧城市”、“城市感知”、“传感器技术”；同时， “空气污染”和“噪音”与“传感器”和“传感器网络”结合。

• 家庭/患者层面：“智能家居”与“健康”、“老龄化”、“意识”、“健康福祉”、“远程医疗”、 “远程照护”、“行为监测”；此外，还有“可穿戴设备”与“医疗保健”和“健康监测”的结合。

3. 城市空间中的智能技术与健康

通过实施信息与通信技术（ICT），市民和城市管理部门能够获取前所未有的关于城市环境的实 时信息。在公共卫生与福祉领域，物联网（IoT）的出现极大地推动了城市健康地理空间维度的 发展，持续强化其作为健康智慧城市使能者的作用（Kamel Boulos 和 Al‐Shorbaji，2014）。

这项工作是作为一系列旨在确定健康环境重要要素的研究的补充而出现的（Giles Corti 等，2016； Brennan Ramirez 等，2006；Sallis 等，2016）。这些研究针对与城市健康相关的风险暴露；在该 主题最近的一项研究中，交通、空气污染、噪声暴露、社会孤立、个人缺乏活动、久坐和不健康饮食 被确定为需要解决的八大关键议题（Giles Corti 等，2016），以改善生活质量、健康和福祉。

利用智能技术辅助研究这些关键风险暴露的研究可分为两大类：

• 识别建成环境中人类（特别是身体）活动模式的研究
• 监测环境质量的研究

以下两个小节将进一步探讨每个类别，首先研究与人类活动相关的研究，重点关注身体活动，然 后探讨用于环境质量监测的智慧城市技术。

3.1. 智慧城市基础设施作为体力活动研究的辅助因素

在卫生服务领域，地理信息系统、全球定位系统（GPS）技术以及识别位置和运动的传感器系统 （如加速度计）在针对身体活动不足的研究中正日益发挥重要作用。久坐生活方式作为一个全球 关注的主题，是在身体活动不足被确定为第四大死亡原因以及非传染性疾病的主要决定因素之后 出现的（Kohl 等，2012；Sallis 等，2016；McGrath 等，2015；Kahn，2002；Heath， 2009；Heath 等，2012；Carlson 等，2012；Brennan Ramirez 等，2006）。

基于传感器的技术与地理信息系统（GIS）的结合应用，使得某些城市特征与身体活动水平和模 式之间的关联得以巩固。尽管这些关联此前已有初步建立（Brennan Ramirez 等，2006），但 现在通过使用客观标准化测量方法得到了确认（Sallis 等，2016）。地理信息系统（GIS）的应 用对于实现具有特定环境变异性的地理区域之间的系统性比较至关重要。同时，加速度计的使用 为研究人员提供了参与者运动模式的可靠、准确且客观的测量数据。由于这些优势，地理信息系 统地图结合全球定位系统（GPS）或加速度计现已成为测量身体活动的标准方法（Oliver 等， 2010；克林克等人，2014；麦克罗里等人，2014；麦格拉思等人，2014；卡拉布雷塞等人，2013；卡尔森等 人，2012；菲塔基特努坤等人，2010；王等人，2017）

由于在此规模下需要一定程度的数据抽象，大多数研究在追踪研究人群的累积户外体力活动时， 并未考虑研究人群的个体特征。其中最显著的例子是萨利斯的研究，该研究确定了一组参数，这 些参数始终对身体活动产生积极影响，而无论具体情境如何（Sallis 等，2016）。然而，最常见 的担忧是，此类研究还应考虑受不同空间限制影响的特定目标人群在户外活动需求上的差异，因 此近期研究也开始针对特定年龄组进行分析，例如儿童、青少年和老年人。此外，这些研究还开 始纳入特定群体的心理社会数据，如不适感或自我效能感缺乏，作为可能降低老年人和青少年等 亚群身体表现的因素（卡尔森等人，2012；王等人，2017）。

从地理信息系统地图中最常提取的数据集包括附近公园和其他绿地的数量、交叉路口密度、娱乐 设施的地理位置及其他土地利用特征，以及街道网络（表1）。这些数据集随后与GPS数据相结合， 以确定其对研究人群身体活动的影响（图1）。在那些同时研究心理社会因素影响的研究中，有关 心理社会因素的数据集是主观的，来源于每位参与者的自我报告，并与GPS数据进行关联。通过 此类研究发现，尽管所研究的城市环境可能具有促进习惯性体力活动的特征，但某些特征可能对 一个年龄组产生积极影响，而对另一年龄组则产生负面影响（麦格拉思等人，2015）。

3.2. 智慧城市基础设施与环境质量监测

多项研究揭示了空气污染和噪声暴露与健康影响之间的密切关系（Giles Corti 等，2016）；世界 卫生组织已将环境空气污染列为全球疾病负担倡议中的高优先级问题，其与心脏和呼吸系统诊断 的关联已被广泛研究（萨米特和克雷夫斯基，2007）。交通、工业或机场噪声的暴露已被证实与 复杂任务表现下降和长期记忆损伤相关（斯坦斯菲尔德和马西森，2003），同时通过与睡眠障碍 和慢性压力的关系，对身心健康产生间接影响（Giles Corti 等，2016）。因此，利用智慧城市物 联网基础设施（如无线物理传感系统）实现实时空气质量与噪声质量监测的研究，对于环境健康 监测具有重要价值（Kamel Boulos 和 Al‐Shorbaji，2014；炯 2014）。

智能空气污染检测系统使用多种设备，分别测量不同位置的空气污染，并通过插值同一区域内的 各个设备的数据来计算局部空气污染水平（Jog 等人，2017）。这些设备可以是静态的，也可以 是移动的，安装在公共交通车辆顶部。而噪声监测系统则主要是移动式的，因为大多数系统利用 手机的录音系统进行监测。在用户参与方面，大多数空气质量感知系统并未让普通居民参与到感 知过程中。而对于噪声监测系统，由于主要利用手机作为感知手段，其大多数倾向于具有参与性 质（表2）。关于推断数据集及其相关性，空气质量感知系统通常伴随气象监测（温度、湿度）， 而噪声监测系统很少与其他感知数据相关联，除了全球定位系统（图2）。

静态空气质量系统的一个示例是巴黎启动的大规模试点项目，该项目由BreezoMeter和思科负责运行，用于收集空 气污染数据。在这种情况下，数据是从静态本地传感器，并通过公共空间的信息屏幕将信息反馈给市民 [1]。

噪声管（NoiseTube）是一个用户参与度高的噪声监测系统的示例[3],，该系统包含一个应用程 序，可将参与者的手机转变为传感站。手机的麦克风用于记录和计算声级，而内置的全球定位系 统（GPS）接收器则实现噪音水平测量的地理标记，从而能够生成集体地图。通过这种方式，用 户作为贡献者直接参与城市范围噪声污染地图的创建，同时了解自身的个人每日声暴露情况。

这些在用户参与方面的差异导致了监测过程中不同程度的民主化：在巴黎运行的空气污染监测平 台采用了一种用户主导性较弱的方式，未能达到噪声管所实现的赋权水平，后者有效地让市民参 与到测量过程中，并建立了反馈循环，使获取的信息能够回传给用户。（Stevens 和 D’Hondt， 2010；Yin 等，2017）。

最后，与大多数未涉及任何数据关联的研究不同，西门子 [4]主导的一个项目探索了如何将所得 数据与湿度、太阳辐射、云量和温度数据等其他环境信息层进行交叉引用，从而生成以城市地图 形式呈现的未来空气污染物排放预测模型。这些案例说明了有必要鼓励不同环境数据与人类活动 模式之间的关联，以全面了解人们暴露于各种与健康相关参数的程度。（Kamel Boulos 和 Al‐Shorbaji，2014；Handwerk 2015）。

3.3. 讨论

西门子的空气污染预测系统等项目已经展示了当先前探索的系统之间出现交叉可能性时所涌现出 的巨大潜力。由于目前在城市层面部署的异构技术之间缺乏互联互通，这是智慧城市讨论中最常 被提及的问题之一（Zanella 等，2014），因此对于城市规划者和多个相关利益相关者而言，这 是一个关键考量：他们可能将全部注意力集中于改善公共卫生这一单一层面，而忽视了该系统可 能以适得其反的方式与其他系统相互作用。

一个说明此类可能性的案例是最近一项研究，该研究追踪了50名学童的身体活动与其暴露于黑碳 之间的关系：研究发现，从家到学校的路径与更高的暴露水平相关，而在学校时黑碳浓度要低得 多，在家中则更低（Nieuwenhuijsen 等，2015）。如果一个公民移动参与系统仅专注于提升步 行性，则会鼓励儿童增加身体活动，步行上学而非乘坐公交车，尽管这条步行路线会使他们暴露 于更高的空气污染中。然而，若将身体活动增强系统与空气污染预测系统相结合，则能够揭示这 两个信息层在空间上的交叉情况，从而让公民在实现出行目标的同时避免不必要的暴露。

4. 智能技术与家庭空间中的健康

智能家居是普适计算的一个分支，其中环境智能系统能够监控家庭环境，以提供与医疗保健、安 全、安防和能源消耗等多个领域相关的情境感知服务（Alam 等，2012）。在这一更广泛的领域 中，智能家居技术已在医疗保健方面得到探索，重点关注身体残疾、认知障碍、慢性疾病和学习 障碍人群（Martin 等人，2008），同时大量文献已开始探索专门辅助老龄化人口的技术（莫里斯等人，2013；里德 等人，2013；德米里斯和亨塞尔，2008；库克，2006）。这是全球人口快速老龄化的结果。

在大多数被考察的案例中，通过部署传感器来检测与室内舒适度、安全或用户运动相关的变动， 从而实现对家庭环境的增强。本节文献综述的第一部分将深入探讨此类案例，第二部分则讨论可 穿戴设备的引入以及生理数据的提取，后者是进一步提升智能医疗应用的宝贵信息来源。

4.1. 增强家庭空间

与健康相关的智能家居技术已被划分为以下类别：生理监测、功能监测/紧急情况检测与响应、安 全监控与辅助、安保监控与辅助、社交互动监测与辅助、认知与感官辅助（德米里斯和亨塞尔， 2008）。另一种分类方式根据本地或远程医疗保健服务的实施，区分了本地与远程监控系统（ Alam 等，2012）。

该类别中的大多数项目旨在评估日常生活活动（ADL）。为此，部署了多个静态运动传感器用于 室内定位，并结合安装在特定家用物品（如炉灶、床、冰箱或椅子）上的传感器，以追踪用户与 这些物品交互的频率和特征（图3）。此类特征见于ENABLE项目，该项目研究针对痴呆症患者 的辅助系统：项目探索了诸如炉灶监测器之类的智能设备，可检测危险情况并及时通知用户的主 要看护人，同时确保其安全；此外还有夜间照明设备，可通过检测用户床上重量的正向或负向变 化，判断夜间是否发生意外移动，从而预防跌倒事件（阿德拉姆等人，2004）。

在大多数情况下，使用环境监测传感器（如噪音、湿度和温度）来提取与个体活动相关的数据模 式（表3）；例如，温度传感器被用于识别房间温度的剧烈变化，以检测火灾隐患（布朗塞尔等 人，2008），或在个体跌倒时监测环境温度变化（格拉斯科克，2007）。

由于大多数已部署的运动感知系统均为静态，因此没有一个项目考察个体在房屋外的活动情况； 相比之下，在城市尺度的身体活动追踪研究中，移动运动追踪传感器在此尺度上的应用尚未广泛。

这一趋势的例外是一些结合了静态和移动无线传感器网络的项目，例如Cassatenta项目，在该项 目中，一组带有湿度、温度、声音和光照传感器的无线模块被部署在整个房屋中，从而实现对高 级家居系统所有功能的持续监测。同时，用户配备了嵌入加速度计、振动电机和陀螺仪的可穿戴 设备套件，能够识别基于运动的变化，如跌倒和不活动（法雷拉等人，2010）。

最后，感知家居研究计划（AHRI）是该领域中被引用最频繁的项目之一，它提供了一个特别具有说明 性但又罕见的例子，展示了智能家居技术如何在支持健康的同时增强用户的生理和认知功能。其目标 是通过探索两种场景来研究家庭技术的未来：支持就地养老和支持忙碌的家庭。在第一种场景中，开 发了数字家庭肖像、记忆镜和技术教练等技术，以重新连接家庭成员、跟踪特定物品随时间的使用情 况，并提供家用医疗设备使用的辅助。第二种场景探讨了家庭技术和空间特征，这些技术和特征通过 在日常活动（如烹饪）中作为记忆辅助，或建立一个跟踪儿童发展并根据需要将父母与医生联系起来 的数字存储库，从而增强其功能，以作为日常活动（如烹饪）中的记忆辅助，或构建跟踪儿童成长并根据需要连接家长与 医生的数字档案库（Kientz 等人，2008）。

迈向多尺度智能医疗框架

4.2. 生理数据与智能医疗

消费级健康监测设备（如 Fitbit）的出现，因其日益普及和价格亲民，标志着物联网赋能的互联 医疗时代（Kamel Boulos 和 Al‐Shorbaji，2014）的开端，在这个时代，城市居民对其生理数 据的意识达到了前所未有的水平。可追踪的生理数据类型包括身体活动数据、体温测量、睡眠模 式、心率变异性、血压、卡路里脑电波活动、脉搏血氧测定、葡萄糖以及其他生物识别数据（ Chung 等，2016）。商业可穿戴设备与临床可穿戴设备在测量数据的范围和准确性方面存在差异 （Schrack 等，2017）；在消费市场中，Fitbit 是提供用户实时脉搏信息的复杂腕带和手表中最 知名的品牌（Diaz 等，2015）。然而，在大多数此类应用程序中，数据未实时分析，而是收集后 离线处理（Raad 和 Yang，2008）。

在临床领域，研究级可穿戴设备的迅速普及主要与克服患者通过主观问卷自我评估身体活动水平 所带来的挑战有关（Schrack 等，2017）。在癌症研究等领域，主观评估中等强度与高强度活动 之间的差异存在困难（Schrack 等，2017）；此外，随着疾病进展，高强度活动通常显著减少， 患者的医生必须对此进行监测，以便相应调整治疗方案（Gritters 2017）。持续监测的好处也与 紧急警报系统相关得到讨论；例如，接受心脏毒性治疗的乳腺癌患者，可通过物联网连接的可穿 戴设备及时获知潜在的危及生命的心律失常（Chung 等，2016）。

研究人员已积极投入到研究如何在智能家居和医疗保健环境中利用此类设备。尽管此前发现仅有 极少数案例研究实施了生理监测（Biswas 2009，Bang 2008，Wang 2011，Raad 2008），因 为在可穿戴生理监测设备进入市场之前，这项工作被认为困难得多（德米里斯和亨塞尔，2008）， 但随着快速增长的可穿戴设备市场的出现，预计未来几年这一数量将增加；原因是传统医疗监护 系统仅能在住院期间收集客观的生理数据，因而只能部分反映患者的生理状况；特别是对于心血 管疾病和其他慢性疾病而言，连续生理信号的采集至关重要（Raad and Yang, 2008；Schrack et al., 2017）。

面向医疗保健的智能家居项目在实施用于生理监测的可穿戴传感器时，通常将其与一系列静态传 感器结合使用，以识别与物体的交互，以及使用温湿度传感器。所生成的衍生数据集被用于识别 个体的日常活动，但仅限于判断活动是否发生，而无法提取个体在进行该活动时的生理状况信息 （Biswas 等人，2009）。具备此类特征的智能家居场景如 Raad 和 Yang，2008 年提出的方案， 该方案实现了对患者生命体征的持续监测，在紧急情况下可直接与患者的医生通信，并利用光热 感应系统营造整体舒适度。（Raad 和 Yang，2008）。至于智能家居在紧急事件中的实际评估 表现，迄今为止仍几乎没有证据（德米里斯和亨塞尔，2008），但将可穿戴设备与物联网基础设施结合实施无疑将有利于实现这一目标。

4.4. 讨论

这些示例表明，通过在多个空间特征中实施智能技术，家庭环境正在获得一定程度的理解居住者 状态并提出相应行动的能力。目前最常提到的问题与项目的科技驱动性质有关，这种性质有时未 能体察用户的真实需求（里德等人，2013）；这一担忧显然要求在系统设计中融入适应性和定制 化。另一个被提出的关键问题是部署诸如佐治亚理工学院感知家居中丰富的传感器和执行器基础 设施等技术所需的巨大时间、精力和资金支持，这一事实呼吁实施低成本智能技术，理想情况下 支持改造应用（法雷拉等人，2010）。

关于数据关联，大多数研究都包含了一个用于活动监测的模块，以及能够测量室内舒适性相关特 征（如室内温度）的模块。尽管此前已讨论过功能监测是最常见的特征（Demiris 和 Hensel， 2008），并且多组分策略被认定为最有效的方法（Reeder 等人，2013），尤其是在独立老龄化 领域，但观察发现，针对多个异构系统的整合（Alam 等，2012）以及更重要的是各组成部分之 间相互关系的识别方面，研究仍十分有限。目前虽有努力同时关注空间（环境）舒适性和生理健 康，以帮助用户及其医生更清楚地了解其生理表现，但这些信息尚未与其周围环境关联起来。若 能将这些信息层与身体活动信息层叠加，将有助于识别小尺度空间特征如何影响用户表现。

5. 批判性反思

通过本文所考察的多个尺度，可以看出，在城市、家庭和人体环境的多层信息提取与分析中，物 联网、物理传感系统和智能地理空间分析的应用无疑极大地推动了智慧医疗论述的发展。

然而，如前所述，目前利用智能技术促进公共健康的项目运作方式极为分散；尽管多方正在投入 时间和精力以改善公众和个人健康，但在个体、行为、社会、环境和政策层面之间缺乏实现最佳 效果所必需的跨部门合作（Heath，2009；希思等，2012）。与此同时，针对提升公众和个人健 康的研究往往完全忽视了人口子群体的需求，或仅以特定人群为中心开展研究，导致智能医疗应 用局限于非常特定的人群，而对其他人群则不适用。这凸显出一个事实：在将人口视为医疗系统 城市层级中的一个子系统进行研究，以及将个体患者作为另一个尺度进行研究之间，我们需要考 虑构成城市层级人口的不同子系统，并考察建成环境的不同特征如何与这些子系统相互作用并影 响其表现。此外，在从居家到城市层级的过渡过程中，对人群或个体健康表现的关注甚少。现有 对智能家居的研究仅测量室内移动，当患者离开家后，便无法获取其户外活动信息，也无法了解 这些活动对其健康的影响。

体力活动研究仅关注户外体力活动，因此缺少必要的信息，无法帮助确定一个缺乏身体活动的人 之所以在户外不活动，是因为建成环境未能鼓励其活动，还是因为他们总体上过着久坐生活方式。

因此，除了多方参与外，同样重要的是致力于开发一种系统架构，以同时应对公众健康和个人健 康的多个方面。在已审查的研究中，仅有极少部分涉及了这一挑战（Skouby 等，2014），而所 提出的干预措施主要集中在构建医疗服务递送的智能网络。

下一节将阐述如何采取措施，以更有效地关联从城市和家庭环境多个研究层面提取的信息，从而 推动公共健康和个人健康的发展。三个关键组成部分是：a）针对在人口和建成环境层面开展的研 究，建立高效的数据流，并将结果高效地传达和整合至公共卫生组织；b）进一步利用在人口和 建成环境层面的研究成果，以优化个体表现；c）实现家庭环境中活动监测的增强型数据整合，并 向医生进行高效的数据通信。以下是对每个步骤的进一步分析：

a) 针对在人口和建成环境层面开展的研究，实现高效的数据流，并将结果有效传达给 公共卫生组织：尽管不同的研究探讨了相似组成部分的各个方面（例如，体力活动研 究利用街道网络、道路交叉口和公共交通站点密度等信息，而空气污染研究则关注交 通拥堵），目前这些信息来自多个来源（GIS数据库、现场观察或统计数据等），未 存储在通用数据库中，也缺乏支持互操作性的格式。所提取的信息还通过不同的网站 或每个数据集对应的应用程序以地图或统计数据的形式向公众发布。这为从现有研究 中提取信息以及考察不同领域之间的交集带来了不必要的困难。因此，使用通用数据 库（如地理信息系统）来检索与建成环境相关的信息，并以通用格式存储研究结果， 必须成为标准做法，以实现最有效的信息简化 [图4，组件A]。这一步骤对于必须确 保以整体方式负责任地为人群子群体提供知情决策的公共卫生组织至关重要。在人口 水平上整合生理数据测量组成部分，将进一步客观揭示多种城市特征对身体健康的影 响，特别是针对通过测量不适来考察子群体体力活动的研究。最后，这些信息应通过 易于访问的媒介（如网站或移动应用程序），有效地传达给公共医疗保健组织和公众， 同时允许信息接收者选择性地可视化其希望探索的数据层。

b) 进一步利用人口和建成环境层面的研究来优化个体表现：此步骤旨在确保提升公共卫 生的研究能够对个体产生最大效果。为此，患者的医生必须能够访问收集人口水平信息的 通用数据库，并根据患者的需求筛选这些信息。获取有关户外表现的个体生理数据对此步 骤的成功至关重要；如果此类数据也进行地理标记，然后插入通用数据库并与土地利用、 交通、空气污染和噪音等其他数据集进行比较，结果将具备一定的上下文感知能力，揭示 患者的生理表现在一天中如何随其所处环境而变化 [图4，组件B]。

c) 用于加强家庭环境中活动监测的数据整合，以及向医生高效传输数据：为了突破当 前对个体在家庭环境中的表现理解有限的局面（目前仅局限于监测个人是否进行了某 项活动），有必要开始了解这些活动如何影响其生理表现。为此，关键是在此阶段引 入个体生理测量组件，重点关注家庭活动；然后，推断该数据集与其他所有数据集之 间的关系模式，以研究各个或多个建成环境组成部分与患者生理状态之间的关系；最 后，确保这些信息能够有效传达给医生 [图4，组件C]。

所提出的方案本质上是初步的（进行中的研究），旨在支持消除因智能医疗大框架下各子系统之 间缺乏高效数据通信而产生的意外影响。其目标是建立一套不同尺度间的信息流指南，以最大化 整个系统的效率及其在个体层面的有效性，同时促进患者、护理人员、公共卫生组织及相关利益 相关者之间的更广泛跨学科合作。尽管这些指南具有灵活性并允许一定程度的适应性，但在将此 努力推广至全球范围之前，有必要确保其符合不同情境下的医疗系统要求，并考虑实施能够涵盖 医疗干预中显著的社会文化和地缘政治差异的情境特定属性（希思等，2012）。该方案被视为朝 这一方向迈出的第一步，旨在奠定基础并为未来智慧健康系统中多个尺度间的高效数据整合框架 设定议程，最终目标是将家庭和城市环境中的医疗保健视为整体轨迹的组成部分，而非两条独立 的路径。