健康分析方法是一种系统性方法，通过健康大数据挖掘、利用和处理，发现相同层次健康状况人群的共性特点，实现疾病预分析、健康状况监控、健康状况预测以及健康状况干预的目标，促进健康和亚健康人群在预防疾病、恢复健康、保持健康的同时降低医疗保健支出。有效的健康分析要满足以下几点：①分析数据真实可靠；②分析的数据规模巨大、种类丰富；③分析的数据具有连续性；④分析方法具有可操作性，数据处理高效；⑤分析方法科学合理、有理有据。

健康分析方法主要分为以下几种。①统计分析方法。通过取得所研究现象在过去某一段时期内发生、发展和变化过程的详细健康事实和资料（如检查检验单等结构化数据），并根据所搜集数据进行健康判别。统计分析是医学上最常用的健康分析方法之一，包括逻辑回归、多元回归、判别分析等。②机器学习方法。针对高维特征的非结构化医学数据如CT影像、基因组数据、心电图等，挖掘数据中隐藏的关联关系，定位病灶分析病情，整理临床治疗经验，融合现存的医学知识辅助做出诊断，提高医生工作效率。常用的机器学习方法包括随机森林（random forest）、神经网络（neural network）、决策树（decision tree）、支持向量机（support vector machines）、贝叶斯网络（Bayesian network）等。③文本挖掘方法。针对电子健康记录、电子病案等长周期连续性文本型医疗数据，通过建立词库、分词、词频统计、词性标注、特征提取、实体提取、主题提取、词向量可视化、模型评估等多个步骤分析并抽取医学文本数据中隐含的事实和知识，分清疾病的严重程度以及疾病发展过程，辅助医生选择临床治疗方案。常用的文本挖掘方法包括模式匹配、语义分析、情感分析等。

通过信息系统平台在规定的时间范围内，使用文本挖掘、机器学习、统计、预测等数据分析方法从海量医学和健康数据中提取有价值的信息，健康分析方法可以帮助提高医学评估水平，减轻医护人员负担，辅助医学决策。