《Frontiers in Public Health》：A framework for population health observatory from a global perspective: proposed preliminary maturity model and key performance indicators
编辑推荐：
背景：人口健康观测站（Population Health Observatory, PHO）已成为现代公共卫生治理的基本支柱，能够将来自多中心的碎片化、多维健康数据转化为循证决策与发展、战略规划以及用于监测和精准公共卫生的可行动情报。本研究旨在利用标准化人工智
背景：人口健康观测站（Population Health Observatory, PHO）已成为现代公共卫生治理的基本支柱，能够将来自多中心的碎片化、多维健康数据转化为循证决策与发展、战略规划以及用于监测和精准公共卫生的可行动情报。本研究旨在利用标准化人工智能（Artificial Intelligence, AI）和一系列多维关键绩效指标（Key Performance Indicators, KPIs）开发一个全球比较框架，用于评估PHO的成熟度水平，并特别关注沙特阿拉伯医疗转型背景。
方法：研究人员进行了一项结构化文件回顾和定性比较评估，覆盖21个辖区内的国家PHO或等效健康情报系统。证据来源包括同行评议文献、政府出版物、国际机构报告和可公开获取的国家文件。每个辖区使用18个预定义变量进行评估，涵盖数据基础设施、互操作性、监测、分析、治理和人口。所得分数映射到拟议的五级成熟度连续谱，候选KPI按七个功能领域组织。
结果：本研究证明了PHO AI成熟度存在显著的跨国异质性，主要驱动因素包括数据互操作性、实时监测能力、预测分析部署、注册系统整合以及AI治理实施。英国、荷兰、芬兰、韩国和新加坡的成熟度水平从系统级（systemic）到接近自主（nearly autonomous）。同时，沙特阿拉伯处于运营成熟度第3级（Level 3），反映了其在数字化转型、早期AI实施和注册整合方面的显著进展。与此同时，在可穿戴设备和物联网（Internet of Things, IoT）派生数据整合、基因组整合、生物样本库互操作性和自主决策支持基础设施方面仍存在差距。
结论：该初步框架识别了已记录的PHO能力差异，并可能支持结构化的差距评估。在该框架用于国家基准比较或人口健康影响评估之前，需要进行正式的外部验证和前瞻性测试。这些步骤对于沙特阿拉伯PHO的战略优先级设定至关重要，该国正通过稳健的AI治理、互操作卫生生态系统、预测性和规范性分析以及精准公共卫生整合迈向第5级自主成熟度。这一转型可能使沙特阿拉伯成为与Vision 2030相一致的精准公共卫生区域及全球领导者。
人口健康观测站（Population Health Observatory, PHO）已成为现代公共卫生治理的基础设施，通过收集、分析和分发健康数据支持疾病监测和战略规划。随着人工智能（Artificial Intelligence, AI）、可互操作数据生态系统和数字健康基础设施的发展，PHO的功能已从传统描述性流行病学报告转变为预测建模和预期性公共卫生情报引擎。然而，各国在治理、数字基础设施和监测能力上存在显著差异，亟需一个比较框架来识别能力差距并支持基准测试。沙特阿拉伯在Vision 2030背景下正推进国家PHO建设，但其系统仍处于形成阶段。本研究旨在开发并应用一个初步的多维成熟度框架，以比较评估国家PHO的AI成熟度并建立关键绩效指标（Key Performance Indicators, KPIs）。
研究人员于2025年10月至2026年5月开展结构化文件回顾和定性比较评估，覆盖21个辖区。证据来自同行评议文献、政府文件和国际机构报告。使用Elevare PRISM（Version 1.0）工具辅助文献检索，但未介入评分。各辖区采用18项变量评估，涵盖数据基础设施、互操作性、监测、分析、治理和人口。评分按0-5分制映射到五级成熟度连续谱。AI成熟度得分通过18项变量均值乘以20标准化为0-100分。KPI框架基于学习健康系统（Learning Health System, LHS）和Donabedian模型，分为七个功能领域。数据使用Microsoft Excel处理，并通过共识审查解决评分分歧。
### 3.1 全球AI成熟度比较
通过21个国家的比较研究发现，高收入国家普遍达到运营至系统级成熟度，而低收入国家多在实验阶段。强互操作性、注册系统链接和治理往往同时出现，预测分析比规范分析更普及，基因组和可穿戴数据整合差异较大。英国、芬兰、瑞典、荷兰、新加坡和韩国处于最高等级。新加坡由于集中式国家电子健康记录（National Electronic Health Records, NEHR）和统一卫生系统，在若干变量上优于英国，而英国国家医疗服务体系（National Health Service, NHS）的AI采纳仍以孤岛试点为主。
### 3.2 沙特阿拉伯当前定位
根据评估，沙特得分52.5/100，处于运营成熟度（Level 3）。已建立早期AI试点和注册系统，但在基因组、可穿戴/物联网（Internet of Things, IoT）、规范分析和自主决策支持方面仍存在差距。早期生物样本库倡议存在但机构受限，尚未实现全国协调。
### 3.3 拟议的专家知情政策考虑
基于差距分析，文章提出达到Level 5的路线图，包括强化互操作性、部署预测和规范分析、整合基因组和生物样本库、建立AI治理框架。参考国际经验，如新加坡NEHR、英国100,000基因组项目和欧盟AI法案，并提出分阶段实施。研究强调，该路线图为专家知情政策情景，并非经验验证的可行性预测。
讨论部分指出，沙特已有显著数字化进展，如97%公共服务数字化，AI在初级保健诊断支持中表现出较高敏感性和特异性，但PHO成熟度仍受制于数据碎片化和AI治理缺失。跨国差异表明集中化治理和统一数据架构是高级成熟度的关键。研究局限性包括依赖公开文件、缺乏直接参与、作者隶属沙特卫生部可能带来偏差、等权重设计、描述性分析无敏感性检验等。结论部分翻译如下：本研究提出了一个初步框架，用于描述人口健康观测站在治理、数据整合、监测、分析能力、政策转化、预防和人口结局方面的成熟度。其探索性应用识别了PHO公开文件能力的显著差异，尤其是互操作性、实时数据交换、预测分析和治理方面。然而，所得概况不应被解释为最终国家排名，因为它们基于异质性二手文件和未经验证的评分框架。沙特阿拉伯案例说明该框架可支持潜在能力差距的结构化识别，但并未证明所提议路线的有效性。外部利益相关者咨询、明确评分验证、独立国家评估以及对运营和人口健康结局的前瞻性评估，是该框架用于正式基准或政策评价的必要前提。
