健康管理基础：核心概念、常用术语与数据分类
健康管理并非简单的“体检+报告解读”，而是一个以数据为驱动、以风险为导向、以干预为手段的闭环系统。要熟练使用各类健康管理工具表格与模板，首先必须理解其背后的底层逻辑：健康档案如何组织、风险评估如何计算、慢病管理如何分层、数据如何分类与流转。本章将系统梳理这些核心概念，并建立一套通用的术语体系与数据分类框架，为后续章节中具体表格模板的设计与应用打下坚实基础。
2.1 健康档案：从“碎片记录”到“结构化资产”
核心原理：健康档案（Health Record）是健康管理的基础设施，它并非简单的病历堆叠，而是以个人为中心、以时间为轴线的全生命周期健康数据集合。一份合格的档案需要覆盖生物医学指标（如血压、血糖）、行为生活方式（如吸烟、运动）、心理状态（如焦虑评分）、社会环境因素（如职业暴露）四个维度。在工具表格设计中，健康档案通常被拆分为基础信息表、家族史表、生活方式问卷、体检指标记录表、用药记录表等子模板。
判断方法与操作流程：建立健康档案应遵循“采集→清洗→编码→存储→更新”五步流程。采集环节需注意数据来源的可靠性（自报数据 vs 客观检测）；清洗环节要处理缺失值、异常值和单位不一致问题；编码环节建议采用国际通用的ICD-10（疾病分类）和LOINC（实验室观测指标标识）标准；存储环节需考虑隐私合规（如《个人信息保护法》要求）；更新环节则需设定固定频率（如慢病患者每3个月更新一次，健康人群每年一次）。
| 档案模块 | 核心字段示例 | 数据来源 | 更新频率 |
|---|---|---|---|
| 人口学基础 | 年龄、性别、职业、文化程度 | 问卷自填 | 年度 |
| 家族史 | 一级亲属高血压/糖尿病/肿瘤史 | 问卷自填 | 年度 |
| 生活方式 | 吸烟（包年）、饮酒（g/周）、运动（MET-min/周） | 结构化问卷 | 每次随访 |
| 体检指标 | 收缩压、LDL-C、HbA1c、eGFR | 检验系统对接 | 按医嘱 |
| 用药记录 | 药品名称、剂量、频次、依从性评分 | 处方系统/药师访谈 | 每次开药 |
2.2 风险评估：从“主观判断”到“量化分层”
核心原理：风险评估（Risk Assessment）是连接健康档案与干预措施的桥梁。其本质是利用流行病学数据，将个体的危险因素暴露水平转化为未来特定时间内发生某种疾病（如心血管事件、糖尿病）的概率。常用工具包括Framingham风险评分、ASCVD风险计算器、中国缺血性心血管病（ICVD）10年风险评估模型等。在表格模板中，风险评估通常体现为“风险因素采集表”+“自动计算列”+“分层结果输出”的组合。
操作流程与判断标准：标准流程为：①提取档案中的关键危险因素（年龄、性别、血压、血脂、吸烟、糖尿病史）；②选择适合中国人群的评估模型；③计算风险值；④按阈值分层（如ASCVD风险<5%为低危，5%-9.9%为中危，≥10%为高危）；⑤输出个体化建议。需要注意的是，风险评估工具仅作为参考，不能替代临床医生的综合判断，尤其对于已有靶器官损害的患者，应直接视为极高危。
2.3 慢病管理：从“单次治疗”到“全程照护”
核心原理：慢病管理（Chronic Disease Management, CDM）针对高血压、糖尿病、COPD等病程长、并发症多的疾病，强调连续性、主动性和协调性。其核心要素包括：患者登记与分层、个体化随访计划、药物与非药物干预、并发症筛查、自我管理支持。在工具表格中，慢病管理常使用“随访记录表”“用药调整表”“转诊单”“年度评估表”等模板。
分层管理策略：根据风险分层和血糖/血压控制情况，将患者分为三类：强化管理组（控制差或有并发症，每2周随访）、常规管理组（控制尚可，每1-3个月随访）、自我管理组（控制良好且依从性高，每6个月随访）。表格中应设置“管理等级”字段，并自动关联随访频率提醒。
- 随访计划表：包含随访日期、方式（门诊/电话/视频）、随访内容（症状、血压/血糖值、用药情况、生活方式）、下次随访日期。
- 用药监测表：记录药品名称、剂量调整历史、不良反应、肝肾功能监测结果。
- 并发症筛查表：针对糖尿病患者的足部检查、眼底照相、尿微量白蛋白；针对高血压患者的肾功能、心电图。
2.4 常用术语与数据分类体系
核心原理：统一术语是数据互通的前提。健康管理领域常用术语包括：危险因素（可改变/不可改变）、依从性（患者遵医嘱程度）、转诊（基层向上级医院的转介）、双向转诊（上级恢复期转回基层）、健康管理结局（中间结局如HbA1c下降，最终结局如心血管事件减少）。数据分类则从技术维度分为三类：
- 结构化数据：如血压值、血糖值、年龄、性别，可直接存入关系型数据库，便于统计分析。
- 半结构化数据：如体检报告中的JSON格式输出、可扩展标记语言（XML）格式的检验结果，需要解析后使用。
- 非结构化数据：如医生手写笔记、影像报告、患者主诉文本，需要借助自然语言处理（NLP）技术提取关键信息。
| 数据类别 | 典型示例 | 存储方式 | 分析工具 | 表格模板设计要点 |
|---|---|---|---|---|
| 结构化 | 收缩压、LDL-C、BMI | Excel/数据库字段 | SPSS、R语言 | 设置数值范围校验、单位统一 |
| 半结构化 | 可穿戴设备导出的JSON心率数据 | NoSQL数据库 | Python Pandas | 设计“数据导入模板”并配置解析规则 |
| 非结构化 | 出院小结、影像报告文本 | 文档管理系统 | NLP工具 | 建立“关键信息提取清单”辅助人工录入 |
总结复盘：本章的核心在于建立“档案→评估→管理→数据”的闭环思维。在实际工作中，健康管理师应首先确保档案数据的完整性和标准化，这是风险评估准确性的前提；其次，要理解风险评估模型仅提供概率参考，必须结合临床检查进行修正；再次，慢病管理需要分层施策，避免“一刀切”的随访频率；最后，要重视数据分类对表格设计的影响——结构化数据可直接计算，非结构化数据需设计人工提取流程。下一阶段，我们将深入讲解如何将上述概念转化为具体的Excel或在线表格模板，包括字段设计、公式编写和数据透视表应用。