研究核心观点 - 公司分享基于千万级别人群的慢性病预测研究 揭示电商消费数据和时序疾病轨迹可作为预测慢性病风险的重要工具 为公共卫生管理和个体化健康干预提供新视角[2] 电商行为数据预测研究 - 研究构建涵盖13354个商品类目的"类目指数" 结合人口统计学特征对8种常见慢性病进行风险预测[3] - 模型显示高风险人群患病可能性是低风险人群的4倍以上 平均风险比高达4.07[3] - 发现购买加大码服装 酒精 打火机及吸烟配件等商品与超重/肥胖风险显著相关[3] 时序疾病轨迹分析研究 - 研究分析2016至2024年间中国北方地区3738万名患者的2.07亿条诊疗记录 构建包含351种慢性疾病和8672条关联路径的时序共病网络[4] - 发现心血管－肾脏－代谢疾病在疾病发展轨迹中占据核心地位 高血压患者最常见共病中超过一半属于CKM疾病[4] - 通过蒙特卡洛模拟技术可预测个体从当前疾病出发的未来慢性病发展路径[4] 研究数据规模与来源 - 电商行为研究覆盖千万级别人群 医疗数据分析基于3738万名患者[2][4] - 医疗数据合作方包括山东省卫健委及北方健康医疗大数据公司[4] - 所有研究账户均完全匿名化 数据在高度安全环境下储存与脱敏使用[4] 行业应用前景 - 研究成果为慢性病风险预测提供新思路方法 未来有望实现更精准的个人健康风险评估和公共卫生管理[5] - 公司表示将继续深化慢性病预测和管理领域研究 推动全球健康事业发展[5]