臺北醫學大學醫學資訊研究所學位論文
臺北醫學大學,正常發行
選擇卷期
- 學位論文
護理資訊發展至今約十年，護理資訊系統於內外科及其相關科別漸蓬勃發展，但其相關系統或標準無法適用於精神專科之獨特性護理，因此，國內僅少許精神科專科醫院使用精神專科護理資訊系統，要在無經費與無相關文獻下建構系統即為一大困難事。 因此，本研究延續2009年何桂芳依NANDA-NOC-NIC標準所建置之護理過程知識基礎決策支援系統為架構，以完成建置一護理過程系統為首要目標，以護理實習生為主要系統操作對象，經由決策支援系統介入提供護理實習生擬定護理診斷，彌補其於臨床經驗及學理上的不足；另將李克特氏五分量表(Likert scale)應用於護理措施評值及護理成果評值，而每日之護理措施評值可呈現一記錄圖，以圖形為主文字為輔，完整記錄整個護理照護過程。 本研究發現，以護理實習生作為研究對象，相較於臨床人員更能適切的反應決策支援系統對於常用的護理診斷的敏感度及特異度，在決策支援系統的介入下，敏感度大幅提升，也能夠更精確的給予病人正確的護理診斷。
- 學位論文
藉由醫學資訊的思考邏輯與應用的各式工具，將已知的疾病以生物醫學角度考量，運用公開發表期刊裡的相關疾病之實驗數據與採用適當的分析工具分析探求已知能運用在治療糖尿病的 DPP-IV 蛋白抑制能力之化學結構的定量構效關係（Quantitative Structure Activity Relationship； QSAR）。 主要以 HyperChem 程式運算得到個別化學分子結構的物理化學特徵值，進而運用其運算能力建立 QSAR 模組，以統計之多項變數線性回歸方式運算其個別物理化學特徵得回歸方程式。 將其產生的多項變數線性回歸方程式套用在其他的化學結構，如已知為藥物分子或非藥物分子，進而探求其成為藥物的可能性。 本研究所得之兩組回歸方程式：公式 1 （Multivariate Linear Regression； MLR）：log(1/IC50) = -7.140 – 0.061*NRB + 0.502*NHB + 0.402*clogP – 0.010*MW – 0.542*Ehomo + 0.093*Nlc – 0.152*CMR + 0.152*Nr + 0.000*Hf （R2 = 0.832）與公式 2 （Partial Least Squares； PLS）：log(1/IC50) = -7.13967 – 0.06097*NRB + 0.50192*NHB + 0.41951*clogP – 0.00956*MW – 0.54250*Ehomo + 0.09312*Nlc – 0.15154*CMR + 0.15194*Nr + 0.00040*Hf （R2 = 0.845885）。經過統計方法檢定為具有線性回歸的特性，具有預估與推導能力與解釋力。 對 log(1/IC50) 具有影響的特徵值依序為 Ehomo > NHB > clogP > CMR > Nr。意即立體結構的能量變化、氫鍵數量的多寡與結構的水溶-脂溶性的強度，相對於其餘的特徵值較為重要。 MLR 與 PLS 方法之間的分析藉由 t - test 檢定得： IC50 數據與 MLR 推估活性數據有顯著差異，MLR 推估活性數據顯著的高於 IC50 數據。 沒有足夠證據顯示 IC50 數據與 PLS 推估活性數據有顯著差異，PLS 推估活性數據稍遜於 IC50 數據。 與其他方法比較是略遜於 Paliwal 的分析結果。 本研究嘗試證明隨機選取的藥物分子，能在經由迴歸分析得到抑制能力之結果，事實證明先前推導出的線性迴歸公式，在其他非 DPP-IV 抑制劑結構上並沒有邏輯上的解釋能力，推論其結構上並不能與 valine-pyrrolidide 結構相匹配。 另外，嘗試對於已知具有調整血糖的小分子結構進行分析，所得之結果大致均表現出強活性，IC50 ≦ 100 nM 的數據。
- 學位論文
臨床上脈衝式射頻療法(PRF)可以治療不同的疼痛症狀，但是其分子作用機轉還有許多未知。本篇從生物晶片來觀察相關基因的表達，實驗設計先將實驗大鼠施以脊神經結紮手術(SNL)，其目的是為了製造機械性疼痛。實驗分為實驗組(SNL組)-有進行SNL手術，與對照組(Sham組)。兩組皆進行三種不同時間的PRF刺激：沒刺激，刺激5分鐘和10分鐘。每一個實驗組皆重複三次，總共得到18個樣本，18個晶片數據。相互比較每一種情況下基因表現量的差異，可分類為SNL effect, side effect, PRF effect, time effect等，闡明在施予PRF治療時，體內所產生生理對疼痛的產生的免疫反應，以及所引起基因調控，細胞信號轉變等機制。
- 學位論文
背景：在資訊交換與分析的需求下，標準化護理詞彙為必然之發展物，且因應臨床各種不同需求，相關之標準詞彙亦呈現多方發展。其中 NANDA-I 護理診斷發展最早，亦為台灣護理人員熟悉，NANDA-I 以特定名稱來描述診斷概念，為一有效率之紀錄方法；而以國際發展為目的之 ICNP，因其特殊的詞彙使用設計，使能更結構化的分類儲存與分析護理資料，而這樣的結構設計亦為其臨床應用帶來挑戰。台灣於 1999 年加入 ICNP 計畫，之後亦陸續進行翻譯與適用性研究，但在 Version 1 發佈後相關研究便逐漸減少，而 Version 1 卻是 ICNP 在架構設計上有革命性改變的開始。 目的：NANDA-I 有效率的紀錄方法以及台灣臨床人員的高度熟悉，與 ICNP 的結構化分類儲存方法，若能將兩者對應，連結兩者優點，在應用上以 NANDA-I 方式紀錄而能對應、轉換成 ICNP 分類儲存，將能促進臨床護理實作記錄資料之應用。為協助對應過程進行，本研究目的為發展一個系統化對應方法，協助推薦自 NANDA-I 對應至 ICNP 之高相關性詞彙，期待提升相關對應過程的效率。 方法：將 NANDA-I（2012 ~ 2014）對應至 ICNP（2011 Release），以英文版本為主，並選擇 NANDA-I 領域 2、領域 3 中實證等級（Level Of Evidence, L.O.E.）達到 2.1 以上，為 NANDA-I 中較穩定之 18 個診斷為例，以一連串預設之對應規則，對應至 ICNP 呈現「診斷」時的必需軸向：焦點（Focus）與判斷（Judgment），以相關性強度等級方式將結果以級別分類，並依等級順位排序得到推薦詞彙。 結果：在推薦之 ICNP 詞彙中，給予護理專家評估，有關對應程度包括 6 個「完全對應」、7 個「部份對應」以及 5 個「無法對應」；而在推薦對應正確率評估中，則包括 9 個「正確推薦」、5 個「協調後正確推薦」以及 4 個「不恰當推薦」。 結論：本研究於樣本代表性以及軸向詞彙內容方面仍需更審慎分析，但於過程與結果中仍能了解，因 ICNP 語義架構概念的特殊性，欲以文字語言分析方式取代專家對應，尚需進行進一步的研究與發展；且在對應過程中發現，ICNP 在特定領域對應到詞彙較少，且於描述負向判斷部分亦較侷限於少部分詞彙，導致無法較精確的描述原 NANDA-I 診斷意義。此外，仍希望藉此為導引，促進護理標準詞彙間的對應，並發揮於臨床應用。
- 學位論文
背景: 如何預防腦外傷後的二度腦部傷害，是治療腦部外傷病人的第一要務，而癲癇是造成二度腦傷害的主要原因之一，然而目前並無法有效的預測創傷後癲癇的發生。發展能準確預測腦外傷病患發生癲癇機率的臨床決策診斷系統，有助於醫生及早治療癲癇，以減少病患腦部的損害。 目標: 使用機器學習的方法建立創傷後癲癇的臨床決策診斷支援系統。 材料及方法: 分析台灣頭部外傷資料庫中的頭部外傷病患，在資料庫中，記錄了自民國八十二年至九十八年間共有101722筆登錄資料。首先我們從資料庫中136個臨床變項，篩選對於預測疾病有用的變項，之後再利用不同機器學習的方法建立預測創傷後癲癇的模型，並比較其優劣。 結果: 類神經網路模型(AUC=0.795)與邏輯迴歸模型(AUC=0.74)的曲線下面積顯著的比目前的治療指引(AUC=0.602)要好，且類神經網路模型猶勝邏輯迴歸模型。在相同的敏感度之下，類神經網路模型的特異性與正確性均高於邏輯迴歸模型。 結論: 此預測模型可以應用於創傷後癲癇的預防、治療建議，與其他基礎醫學研究的指引。