挪威历史精神健康数据集的构建与标准化：1872-1929年精神疾病住院记录的跨世纪分析

本研究通过OCR技术和人工校验构建了挪威1872-1929年间29所精神卫生机构的历史住院数据集，解决了历史医疗记录数字化和标准化难题。研究人员将历史诊断术语映射至Bertillon分类体系，整合地理和性别变量，为研究后病毒性精神障碍（如长期COVID）的长期模式提供了首个跨世纪定量分析框架，对理解传染病大流行与心理健康关联具有重要启示。

　　

在医学史和公共卫生领域，理解传染病大流行对心理健康的长远影响始终是重要课题。19世纪末至20世纪初的挪威，正值细菌理论和现代精神病学发展的关键时期，但这段历史时期的精神健康数据长期处于"数据金矿"状态——虽然档案数字化使其可获取，却因格式问题难以用于定量分析。更棘手的是，历史诊断术语与现代分类体系脱节，例如"神经衰弱(neurasthenia)"和"子宫疾病"等过时概念，使得比较研究举步维艰。这些问题严重制约了学者对后病毒性精神障碍（如1889年流感后精神病）的长期追踪能力。

为破解这一难题，由奥斯陆城市大学（Oslo Metropolitan University）Svenn-Erik Mamelund领衔的国际团队在《Scientific Data》发表研究，通过构建1872-1929年挪威精神卫生机构标准化数据集，首次实现了跨58年的历史精神健康定量分析。这项研究特别关注传染病与心理健康关联，为COVID-19大流行引发的长期心理健康问题提供了历史参照。

研究团队采用三大关键技术：1）使用ABBYY Finereader进行光学字符识别（OCR）提取扫描报告中的表格数据，对质量不佳的1899年报告采用人工转录；2）建立多维度验证体系，包括手动校正合并列、跨年份核对总数、标准化29所机构名称（如"Christiansand"统一为"Kristiansand"）；3）创新性地将历史诊断术语映射至Bertillon死因分类体系（ICD前身），同时保留原始术语供后续研究。

背景与数据概况

研究覆盖挪威29所不同类型机构（17所市立/4所国立/3所私立/2所监狱附属医院），包含89,438条记录。数据缺口（如1930年记录缺失）源于当时报表格式变更，团队通过查阅原始档案确认这些缺失非数据质量问题。图2展示的机构容量分布揭示重要发现：1870年代挪威部分地区完全缺乏精神卫生服务能力，患者被迫安置在"精神病殖民地"（sinssykekolonier）这类非专业场所。

诊断术语的革命性重构

通过分析图4显示的诊断术语演变，研究发现1903年后报告简化了分类（从年均150种降至约50种）。团队通过语义映射解决历史术语难题，例如将"skindsot"（皮肤消耗病）更新为"结核病"、"自我污染"归类为"自慰"。表5展示的术语标准化策略，既保留历史语境（如保留"chlorosis"作为独立女性健康分类），又实现与现代研究的衔接。

地理与性别维度

通过整合NUTS区域划分和经纬度坐标（表3），研究发现治疗资源分布不均：西部沿海地区设施密集，而北部偏远地区长期缺乏服务。性别分析显示，历史记录中存在明显的性别偏见诊断，如"子宫疾病"占女性入院原因的12%，反映当时医学界对女性身心健康的认知局限。

讨论与意义

这项研究创建了全球首个覆盖半世纪的精神健康标准化历史数据集，其价值体现在三方面：1）方法学上，开发的OCR-人工混合处理流程为其他历史医疗记录数字化提供模板；2）理论上，证实传染病大流行（如1889年流感）与精神障碍存在长期关联，为COVID-19后遗症研究提供历史基线；3）临床上，揭示精神卫生服务不平等的历史根源，对当代资源分配具有启示作用。

研究也存在一定局限，如1899年数据需实地获取，反映数字档案的"断链"问题。作者建议后续研究可结合气候、经济等同期数据，深化对精神健康社会决定因素的理解。该数据集已开源（Zenodo DOI:10.5281/zenodo.15101866），包含R脚本和完整映射表，支持比较历史研究。正如论文强调的，在解读历史诊断时需警惕将现代观念强加于过去——"胃溃疡"在1912年被视为压力所致而非幽门螺杆菌感染，这种认知差异正是历史流行病学最富启发性的研究维度。