迈向公共卫生数据科学中的数据公平

公共卫生决策越来越依赖大规模数据和人工智能、移动健康等新兴技术。然而，许多人群，包括农村地区居民、残障人群、无家可归者，以及生活在中低收入地区的人群，在健康数据集中仍然代表性不足，导致研究结果存在偏倚，并使某些亚群的健康结局不佳。解决数据不公平对于确保技术和数字化进步改善所有人的健康结局至关重要。本文提出 10 个核心概念，用于在公共卫生数据科学研究与实践的整个运行过程中提升数据公平。该框架整合了计算机科学中的公平性、透明性和隐私保护等原则，以及公共卫生数据科学中的最佳实践，重点关注减少信息偏倚和选择偏倚、学习因果关系以及确保可推广性。这些概念贯穿数据生命周期，从研究设计、数据收集、分析和解释到政策转化，为评估数据实践是否充分代表并服务所有人群提供了结构化方法。数据公平是产生可信推断和可行动证据的基础要求。当公共卫生研究从一开始就纳入数据公平时，技术和数字化进步更可能改善所有人的健康，而不是扩大既有健康差距。这 10 个核心概念可用于在公共卫生中操作化数据公平。尽管数据公平是必要的第一步，但它并不会自动保证信息公平、学习公平或决策公平。推进数据公平还必须伴随信息理论方面的并行努力和促进知情决策的结构性改变。

JAMA Health Forum