DOI:10.3969/j.issn.1673-6036.2026.04.001
中图分类号:R-05
全文
文内图表
参考文献
出版信息
专论：数智赋能健康管理
编者按：健康管理是对个体或群体的健康危险因素进行全面管理的过程，旨在调动公众积极性，变被动就医为主动预防。健康管理通过全面采集个体生理指标、生活习惯、家族病史等健康信息，开展精准风险评估，提供个性化健康咨询指导，并实施针对性干预措施，包括生活方式干预、慢性病规范管理等，可有效减少疾病发生，降低医疗费用支出，提高公众生活质量。随着数智技术的快速发展和公众健康认知的不断提升，人工智能、大数据、物联网及可穿戴设备等逐渐应用于疾病预防、监测、诊断、治疗、康养等健康管理全流程，有效弥补了传统健康管理数据来源单一、干预手段同质化、管理效率低下等短板，为实现全程、精准、高效、个性化的健康管理提供了新路径。本期专论聚焦数智赋能健康管理，内容包括基层体重管理实践、糖尿病视网膜病变风险预测、个性化体检方案智能推荐研究等，以期为健康管理数智化转型提供理论支撑与实践参考。
数字技术赋能基层体重管理现状质性研究
1 引言
超重与肥胖是心脑血管疾病、糖尿病等慢性病的关键风险因素，已成为全球性公共卫生挑战［1］。中国成人超重肥胖率超过50%，预计2030年将突破70%，给国民健康和医疗体系带来沉重负担［2］。《健康中国行动（2019—2030年）》［3］将慢性病风险控制纳入国家战略，2024年国家多部委启动“体重管理年”活动［4］，标志着体重管理上升为国家行动。基层医疗卫生机构是居民健康“守门人”［5］，相关政策要求其将体重管理融入家庭医生签约服务，但传统基层体系受人员紧张、设备陈旧、服务单一等问题制约，无法满足大规模人群干预需求［6］。在此背景下，数字技术为破解基层困境提供了机遇。适用于基层体重管理的数字技术主要包括数据采集、处理、分析及治理技术，其中数据治理是实现多源数据互通与规模化赋能的核心。相关技术可推动基层医疗从被动治疗转向主动健康管理，如可穿戴设备监测、人工智能（artificial intelligence，AI）生成个性化处方、远程医疗提升资源可及性，为基层体重管理新模式奠定基础［7-8］。深圳市作为科技创新高地，已对数字技术与医疗融合开展前瞻布局，超重与肥胖管理成效显著。《深圳居民健康白皮书（2024年度）》［9］显示，深圳居民健康素养水平达50.95%，经常参加体育锻炼的居民占46.90%，核心健康指标持续向好并优于全国平均水平；截至2025年6月，深圳市已有142家医疗机构可提供体重管理服务，其中社区健康服务中心85家，二级及以上综合医院体重管理门诊开设率达93.0%，形成了覆盖广泛、层级清晰的体重管理服务网络。其探索涉及服务模式、协同机制等系统性创新，已初步形成以基层社区健康服务中心为核心、科技企业为技术支撑、卫生健康科研机构为数据与标准保障的“服务供给-技术支撑-数据治理”三方协同体重管理模式。本研究对该模式进行质性剖析，聚焦3个核心问题：数字技术赋能基层体重管理有哪些关键创新实践，实践落地过程中存在哪些系统性挑战，可采取哪些精准优化策略，以期为全国基层体重管理的数字化转型提供参考。
2 研究对象与方法
2.1 研究设计
基于建构主义认识论，基层体重管理的数字化实践是社区健康服务中心、科技企业、科研机构等多主体互动建构的结果，应通过解读不同利益相关者的体验与认知，揭示技术赋能的内在逻辑，而非追求单一客观结论。采用案例研究法，以深圳市数字技术赋能基层体重管理实践为案例，结合半结构化访谈、实地观察和文献分析，确保资料的丰富性与可信度。半结构化访谈主要围绕“数字技术应用场景”“实践成效”“现存问题”“改进建议”4部分内容，同时针对社区健康服务中心、科技企业、科研机构等不同角色设计个性化问题，确保访谈聚焦核心议题，又保留受访者补充信息的灵活性。
2.2 研究对象
于2025年7月，采用目的抽样方法，选取深圳市内具有代表性的3类主体：社区健康服务中心作为体重管理服务的直接提供者，承担居民健康干预落地职责；科技创新企业作为数字技术的供给方，提供设备与算法支撑；卫生健康科研机构作为体系保障者，负责数据整合与标准制定。每家受访单位分别选取2～3名符合标准的访谈对象：社区健康服务中心访谈人员应为直接参与体重管理且有相关干预经验的全科医生、公共卫生医师或护士长，在基层医疗卫生机构工作达3年及以上，参与过数字技术赋能体重管理工作且表达清晰；科技创新企业访谈人员应为技术研发、项目对接或产品运营岗，在企业健康医疗业务板块工作达2年及以上，深度参与过至少1个基层体重管理数字化项目，且熟悉产品应用短板；卫生健康科研机构访谈人员应在机构相关领域工作达3年及以上，参与过体重管理科研项目或政策研究，了解深圳市基层实践，且参与过跨主体合作。
2.3 资料收集
为保证研究结果的信效度，采用多种资料收集方法互证。首先，针对3类研究对象，设计个性化访谈提纲，见表1，每场访谈时长45～60min。其次，在选定的社区健康服务中心、科技创新企业及卫生健康科研机构进行实地考察，直接观察数字技术在真实工作流程中的应用情况。最后，梳理并分析相关政策文件以及国内外数字健康、基层体重管理相关学术文献，积累宏观背景、理论框架与佐证材料。访谈和实地考察结束后，对所有录音进行逐字转录，去除无关信息，形成标准化分析文本；同时整理实地观察笔记与文献资料，为后续分析奠定基础。
表1 不同类型访谈主体数量及访谈内容
访谈主体类型数量（家）访谈核心内容社区健康服务中心5数字技术应用场景、服务流程、医护人员操作体验、居民反馈、运营困难科技创新企业2技术研发方向、与基层机构合作模式、数据对接难点、商业化路径卫生健康科研机构1数据平台建设、标准制定进展、科研与实践结合痛点、政策建议
2.4 资料分析
采用主题分析法［10］对访谈记录、观察笔记及文献资料进行系统性分析，整合社区健康服务中心、科技创新企业及卫生健康科研机构三方视角，解读不同利益相关者的认知与体验，避免单一维度结论，确保分析结果契合实践的复杂性。分析过程包括：熟悉所有原始资料并进行系统性编码，识别反复出现、关联性较强的编码内容，逐步提炼核心主题与亚主题，最终构建能够解释研究现象的主题框架。为保障分析的严谨性，由两名研究者独立编码，编码分歧处通过讨论达成共识。为保障研究结果的可信度，同步实施多重质量控制策略。将提炼的主题框架反馈给3类访谈主体中的代表性受访者，根据其反馈修正主题表述，避免误解受访者意图。通过访谈资料（受访者的实践描述）、观察资料（社区健康服务中心服务流程、科技创新企业技术应用场景）、文献资料（政策文件、学术研究）互相印证，确保结论全面性。
3 结果
3.1 受访者基本信息
共访谈21名受访者，涵盖全科医生、护士长、公共卫生医师、科技企业人员、科研机构研究员等角色。其工作年限为6～27年，平均13.7年，中位数12年。专业背景方面，临床医学6名、中医学5名、公共卫生学3名、护理学2名、计算机科学2名、生物信息学1名、卫生信息学1名、信息管理1名；学历分布为本科5名、硕士12名、博士4名。
3.2 主题框架
通过分析多方利益相关者的访谈资料、观察资料和文献资料，并经每类主体2名代表性受访者一致认可后，形成包含3个主题和8个亚主题的主题框架，见图1。
图1 基层体重管理主题框架
3.2.1 主题1：服务供给侧的体重管理数字创新深圳市基层社区健康服务中心并非被动接纳技术，而是主动运用数字工具重塑、创新传统服务流程，形成多元化服务模式。（1）技术驱动的整合式管理。社区健康服务中心以体重管理为核心，推动慢病管理从分散的单次诊疗转向连续的全周期健康管理。例如，社区健康服务中心D打造的“四位一体”科学减重体系，整合肥胖诊断评估、个性化治疗、长期随访和心理支持，并通过覆盖全区的“AI家医平台”为居民生成个人健康画像。社区健康服务中心B基于病历生成系统，自动提取患者身体质量指数、腰围等核心指标，同步关联中医体质辨识结果与既往减重干预记录，将体重管理专项病历书写时间从8～10min缩短至5min，显著提升了基层医生的工作效率。（2）中西医结合的特色干预。将中医药技术与数字工具深度融合，是深圳市基层体重管理实践的新模式。例如，社区健康服务中心C设立多学科减重门诊，综合运用中医体质辨识仪等数字化评估工具，结合针灸、穴位埋线等中医非药物疗法，并辅以科学的膳食与运动指导。该模式在实践中取得了良好效果，超过70%的患者在3个月内实现了每月减重5%的健康目标。（3）融入生活场景的主动健康。创新实践已超越诊室，延伸至居民的日常生活场景。例如，社区健康服务中心A的“家庭-社区-食堂”三元联动模式，通过智慧食堂AI视觉识别系统，自动计算餐食热量并同步至居民手机，将营养干预无缝融入日常就餐行为。同时，该社区健康服务中心推动“体卫融合”项目，由具备运动处方师资质的医生在社区智慧健身房带领居民锻炼，将专业的运动指导与社区活动相结合，有效提升了居民的参与度和依从性。该模式实现了健康干预前置化和场景化，契合行为科学中通过改变环境促进健康行为的原则。
3.2.2 主题2：技术供给侧的体重管理赋能 在深圳市数字技术赋能基层体重管理体系中，信息技术企业与生命科技企业共同构成数字化转型的核心支撑力量。（1）信息技术企业的技术支撑。以企业F为代表的信息技术企业为基层体重管理构建了从数据采集、传输、存储到智能分析的全链条技术生态。在终端层面，推出多款获得国家药品监督管理局认证的医疗级可穿戴设备，确保了核心生理指标数据采集的精准性与合规性。在平台与智能分析层面，通过专用健康平台和大模型，实现“数据采集-分析-干预”闭环，为基层服务的规模化和智能化提供了坚实的技术底座。（2）生命科技企业的精准赋能。以企业G为代表的生命科技企业凭借其在基因测序、多组学领域的自主核心技术与大规模中国人群队列数据积累，解码影响个体能量代谢、脂肪存储等性状的遗传与生理基础，推动体重管理从宏观干预走向精准化、个性化。信息技术企业的全链条技术支撑与生命科技企业的精准化赋能，既解决了基层规模化服务的痛点，又满足了个性化干预的需求。
3.2.3 主题3：数据治理与平台顶层设计 基层应用实践与技术供给是基层体重管理的核心组成部分，而统一的数据治理与平台建设则是保障体重管理模式高效运行的关键支撑。研究中心H在该领域发挥核心作用。（1）构建数据集成平台。该中心的核心任务是搭建全市统一的体重管理数据集成平台，重点解决“数据孤岛”问题。平台通过整合来自不同医疗机构、不同业务系统（如居民电子健康档案、慢病管理系统）的体重、身体质量指数及相关慢性病指标数据，实现了跨机构、跨系统的数据共享与动态更新，为社区医生提供了患者健康状况的全局视图。（2）提供共享算力与模型。为支撑海量健康数据深度应用，该中心构建强大的云计算与高性能算力平台，并向基层医疗机构和合作企业开放算力资源。基于此平台，该中心引入大语言模型用于智能数据抽取、健康咨询、知识推送等场景，并将AI风险预测模型（如肥胖相关并发症预测）嵌入基层服务流程，有效提升了数字健康服务的智能化水平。（3）制定标准与伦理规范。作为行业智库，该中心承担相关标准与规范的制定职责，参与编制相关地方标准，为数据互通提供技术依据；同时高度重视数据安全与伦理治理，探索健康数据权属划分规则，并提出在AI应用中建立全流程算法审查与风险监控机制，为数字技术在基层体重管理领域的合规、健康应用提供制度保障。
4 讨论
4.1 深圳市数字化体重管理模式的创新价值与实践启示
中国基层医疗受资源限制，难以提供个性化、连续性的体重管理服务，亟待通过智慧手段整合资源［11］。数字技术可有效促进基层健康治理［12］，深圳市在基层体重管理领域，通过创新构建“服务供给-技术支撑-数据治理”三方协同模式，为数字技术赋能基层健康提供了有益借鉴。一是服务供给层面。基层社区健康服务中心负责整合优化资源，构建“四位一体”减重体系，依托AI平台实现全周期管理，融合中西医技术为特殊人群体重管理提供新路径，通过嵌入式健康干预提升居民依从性。二是技术支撑层面。由相关企业提供技术与设备保障：信息技术企业运用可穿戴设备与 AI 大模型解决“数据不连续、干预不精准”问题；生命科技企业依托多组学技术推动体重管理从“经验性干预”向“精准化预防”升级，二者协同兼顾规模化与个性化需求。三是数据治理层面。健康数据治理需多方参与、共建共享［13］。深圳市社区健康服务中心优化服务模式，联合企业实现技术、设备与服务资源整合，研究中心进一步搭建开放算力与AI模型平台，以“数据+算力+标准”一体化支撑，破解基层技术薄弱、资源有限等问题，为全国构建统一的数字健康数据底座提供参考。在基层体重管理三方协同模式中，数据治理发挥着枢纽作用。一方面，其依托统一数据平台打破“数据孤岛”，实现体重、慢病及遗传等多维度数据跨机构共享，为医生提供完整健康视图，解决数据碎片化问题；另一方面，其通过制定数据标准、开放算力与模型，降低基层技术应用门槛，助力个性化干预快速落地，并以数据安全与伦理规范保障应用合规，是三方协同模式能够持续运行的核心保障。
4.2 现存挑战与应对策略
4.2.1 技术数据层面 数字健康领域“数据孤岛”问题普遍存在［14］，根源在于健康医疗数据权属界定模糊。体重管理涉及基因组学、代谢组学等敏感数据，应制定明确的隐私数据保护政策，以保障公众医疗健康数据主权，打破共享壁垒［15］。各类可穿戴设备接口、数据格式不统一，进一步加剧了数据流通障碍［16］，不仅降低了AI模型训练质量，也制约了个性化干预方案生成效果。如部分社区健康服务中心的单机版体脂秤需人工录入数据，既增加工作量又易导致偏差。针对该挑战，一方面，应联合卫生健康委员会、医疗保障局、药品监督管理局等部门制定健康数据分类分级标准，完善法规细则，明确医疗健康数据采集与共享边界，为合规流转提供制度支撑［17］。另一方面，可推动建立跨主体技术协同机制，由行业龙头企业联合科研机构、基层医疗机构共同研发统一的设备接口协议与数据格式规范，明确数据采集指标、传输方式与存储标准，同时鼓励通过隐私计算、联邦学习等技术，在保障数据安全的前提下实现多源数据协同利用。
4.2.2 服务与运营层面 目前基层社区健康服务中心主要依赖全科医生兼顾体重管理，营养、运动、心理等专业人才相对匮乏，干预方案单一。同时，体重管理服务未纳入全国医保目录，仅部分地区有地方编码，影响开展相关工作的积极性。针对上述问题，可推动医院与社区健康服务中心对口帮扶，充分发挥医联体作用，开展全科医生体重管理专项培训，参考“1+3+N”多学科诊疗模式（即确立1个主导学科全面负责、固定3个核心学科全程参与、配以N个相关学科在不同场景和环节阶段性参与），形成更加规范化的体重管理门诊服务［18］。推动医保支付顶层设计完善，将规范的体重管理服务（如营养咨询、运动指导、长期随访）逐步纳入国家医保支付目录，探索“按健康结果付费”模式，将身体质量指数下降率、并发症控制率等指标与医保支付额度挂钩，建立基层社区健康服务中心体重管理专项绩效，对服务量达标、干预效果显著的机构给予额外补贴，平衡公共服务公益性与机构运营可持续性［19］。
4.2.3 居民参与层面 居民参与层面主要面临两类核心问题。一是数字鸿沟显著，老年群体受智能设备操作复杂、界面缺乏适老化设计（如字体过小、流程繁琐）影响，独立使用难度大；AI模型对儿童、孕产妇等特殊人群适配不足，方言识别在复杂场景下精度有限，导致重点人群服务覆盖不足。二是参与动力与依从性低，基层社区健康服务中心因缺乏财力物力，难以构建有效激励机制，居民参与健康讲座等科普活动转化率低，对于“体卫融合”等运动指导，长期坚持意愿不足。针对数字鸿沟，可参考慢病管理中适老化改造经验［20］，简化智能设备操作流程，开发语音控制功能，放大界面元素，在社区开展志愿者结对帮扶，指导老年人使用智能设备，同时扩充AI模型训练数据，针对特殊人群单独优化算法，提升方言识别精度等。针对参与动力不足，可借鉴AI辅助动态适配干预中个性化干预思路［21］，设计“健康积分”体系，居民通过体重监测、运动打卡累积积分兑换服务，引入“减重挑战营”等游戏化形式，结合成功案例分享，增强群体动力。此外，搭建居民参与效果反馈闭环，利用现有体重管理移动小程序或社区健康服务中心服务平台，收集居民对设备使用、激励活动的反馈意见，持续优化参与体验，提升居民长期参与积极性。
5 结语
超重肥胖已成为威胁国民健康的重要公共卫生问题，基层医疗卫生机构作为体重管理的关键阵地，其服务能力提升对慢病防控与健康中国战略落地意义重大。数字技术为破解基层体重管理资源匮乏、服务单一等困境提供了有效路径，但实践中仍在技术数据、服务运营和居民参与层面面临诸多挑战。对此，可通过推动数据与设备标准制定、强化基层人才队伍建设、深化医保支付方式改革、优化适老化服务体系等多元激励举措，促进数字技术与基层体重管理深度融合，进而实现服务质量与居民参与度协同提升。
未来，数字技术与基层体重管理的融合将有望持续深化。技术层面，5G、区块链技术将提升数据传输的安全性与实时性，AI大模型推动基层体重管理从“被动干预”到“主动管理”升级；生态层面，体重管理数据有望与医保支付、公共卫生监测、社区生活服务深度联动，形成“干预-激励-保障闭环；推广层面，深圳市三方协同模式为健康中国战略下体重管理数字化转型提供了可复制的路径。
作者贡献：胡万飞、颜贵良负责研究设计、资料编码、论文撰写；张靖玉、林燕、陈振丽、张姁、周易、刘湘闽负责调研及材料整理；吴旭生、伍丽群、余贺杲负责调研单位联络、论文修订；吴思竹、钱庆负责提供指导、论文审核。
利益声明：所有作者均声明不存在利益冲突。
1吴东哲，瞿超艺，饶志坚，等.中国及全球成年人归因于超重和肥胖的疾病负担变化趋势与未来风险预测［J］.体育科学，2025，45（5）： 3-16.
2体重管理指导原则（2024年版）［EB/OL］.［2025-09-01］.https：//www.nhc.gov.cn/ylyjs/zcwj/202412/75cb79c171c94def9e768193e65484f7.shtml.
3健康中国行动（2019—2030年）［EB/OL］.［2025-09-01］.https：//www.nhc.gov.cn/guihuaxxs/c100133/201907/2a6ed52f1c264203b5351bdbbadd2da8.shtml.
4“体重管理年”活动实施方案［EB/OL］.［2025-08-29］.https：//www.gov.cn/zhengce/zhengceku/202406/content_6959543.htm.
5崔珑严，代高岚歆，陶红兵.全科医生亚专长培养模式的国际经验及对中国的启示［J］.中国全科医学，2025，28（22）：2720-2725.
6董志勇，赵晨晓.“新医改”十年：我国医疗卫生事业发展成就、困境与路径选择［J］.改革，2020（9）：149-159.
7黄越，李毅然，李勇，等.体医融合赋能全民体重管理的价值意蕴、现实梗阻与纾解路径［J］.体育文化导刊，2025（8）：69-76.
8胡皓杰，徐诗枧，徐雪芹.数字技术赋能体医融合高质量发展：作用机理、阻滞困境与推进路径［J］.哈尔滨体育学院学报，2025，43（4）：89-96.
9《深圳居民健康白皮书（2024年度）》发布 近半深圳人爱运动［EB/OL］.［2026-01-16］.https：//sznews.com/news/content/2025-08/09/content_31657460.htm.
10BRAUN V， CLARKE V.Using thematic analysis in psychology［J］.Qualitative research in psychology， 2006， 3（2）：77-101.
11赵韡，陈凯，汪洋，等.智慧慢病管理模式及发展策略研究［J］.中国工程科学，2024，26（6）： 43-55.
12张苇乐，刘泽霖，苏敏.数字技术嵌入基层健康治理的现实梗阻与可行路径［J］.卫生经济研究，2025，42（2）：37-41.
13翟绍果.从病有所医到健康中国的历史逻辑、机制体系与实现路径［J］.社会保障评论，2020，4（2）：43-55.
14汪青松，张才华.健康中国战略下医疗数据孤岛的平衡治理机制研究［J］.社会科学研究，2025（4）：92-100.
15胡瑶琳，余东雷，王健.“健康中国”背景下的健康医疗大数据发展［J］.社会科学家，2022（3）：79-87.
16黄靖，陈宪泽，林嘉玲.“互联网+”社区慢性病管理体系的利益相关者分析［J］.福建医科大学学报（社会科学版），2021，22（3）：18-23，86.
17李燕，刘卫，王晨美，等.健康管理在信息通信技术驱动下的数字化转型［J］.现代医院，2025，25（9）：1327-1330.
18傅新巧，李程洪，方鹏骞.公立医院健康体重管理门诊规范化建设策略分析［J］.中国医院管理，2025，45（9）：6-10.
19张霄艳，韩冬阳，方鹏骞.战略购买理念下医院体重管理服务医保支付优化路径分析［J］.中国医院管理，2025，45（9）：27-30.
20林陶玉，方鹏骞.人口老龄化背景下老年慢性病区域医疗服务模式与对策研究［J］.中国医院，2025，29（4）：40-44.
21汪小彤，胡沛，王云翠，等.动态适配干预在社区慢性病健康管理中的研究进展［J］.职业与健康，2025，41（11）：1574-1579.
A Qualitative Study on the Current Status of Digital Technology-enabled Primary-level Weight Management
