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
人類從出生開始便被不可預知的疾病所困擾著，人們試著用各種方法遠離疾病的糾纏，各式研究也隨之展開；從基因的角度來看疾病，以往生物學家在實驗室中與少數幾個基因搏鬥的血淚史已成為過去式，隨著科技的進步讓我們能以更大量且細微的探索人體基因體表現的變化。隨著各種研究漸趨成熟與支持，基因與疾病的研究由單獨基因的解析，推向基因調控以至於基因反應路徑的研究，人們相信基因相互的調控關係與疾病的產生有著密不可分的關連，因此近年來基因調控網路成為相當熱門的議題；現有的基因路徑分析法存在著許多根本性的問題，且在眾多的研究中獨缺整合全基因調控網路並以全路徑為觀點的分析，這樣的缺憾讓基因路徑分析無法跳脫傳統觀察少數基因的包袱，因此我們建立一套疾病相關路徑鑑定方法，除了不同於以往以基因表現量的方法分析，也打破了現有的反應路徑分析法；從建立全基因調控網路、最短反應路徑尋找、反應路徑與疾病關係的分析判定，到驗證分析方法的可信度。此方法目的在判別與疾病有關連性之反應路徑，相信必能精確指出與疾病相關的基因與基因調控路徑，除了開拓路徑分析的新視野外，更提供給生技製藥的標靶藥物開發更好的選擇。
- 學位論文
我國發展電子病歷自民國89年起至今已有10餘年，最初，行政院衛生署以試辦計畫由單一機構逐漸全面性推廣，期間參考及導入國際標準，建立電子病歷交換標準，並提供經費補助，以期加速醫院電子病歷發展。在政府多方面的推動下，國內電子病歷發展已有相當程度的成效，至100年12月31日止，已有150家醫院具有電子病歷互通能力。然而，電子病歷的發展需要永續經營，若能掌握醫院發展電子病歷之關鍵因素，將有助於擬定電子病歷未來發展策略。 本研究除以行政院衛生署電子病歷推動專區之資料進行分析，了解醫院實施電子病歷現況外，另以健保特約共476家醫院為研究對象，利用問卷調查了解醫院在發展電子病歷上之影響因素，問卷回收共105份，有效問卷率為20.6%。
- 學位論文
牙科影像是用來協助牙科醫師看診的重要參考資料，但是牙科影像與一般醫療影像不同，其特性在於拍攝醫療影像的數量龐大，但所占的空間比其他醫療影像小，因此在保存與作業流程中較易遺失，造成醫療上的不便。為因應傳統影像的缺失，大多數牙科醫療院所都已引進醫療影像儲傳系統，藉由數位資訊擷取醫療影像設備的資料庫，將診所內之牙科數位影像—全口、側顱、根尖，甚至斷層掃描等置入系統，並在結合醫院資訊系統後，可在診間的電腦隨點隨看，不僅在治療時觀看同步，同時醫療品質也大為提升。 本研究將導入行動牙科影像系統，藉由行動裝置的便利性，方便診所內人員對攝影完畢的患者影像資料做適度的處理和修改，並嘗試從使用者的角度，探討導入行動牙科影像系統於牙科醫護作業中的接受度，利用科技接受模型，以問卷調查的方式，來探討醫護人員對於行動牙科影像之「易用認知」及「有用認知」及對其使用系統運用「使用意願」之影響。
- 學位論文
院內感染監視在院內感染控制中，扮演著相當重要的角色，因為定期的院感監視資料分析有助於管理院內感染異常事件發生，以採取有效感染控制措施，並可作為防治措施執行成效的評估依據，提升院內感染控制品質。院內感染的定義相當複雜，需要許多檢驗數據來源以及人為的判斷，而傳統的監視方法依賴人工進行審查病人的病歷和實地病房訪查，相當耗時耗力。據研究指出感染控制護理師審查一個案約需花費 37 分 15 秒的時間。 現今醫療院所的資訊系統發展逐步成熟，目前大部分醫療服務作業已經電子化，但感染控制護理師仍需定期檢視細菌培養陽性報告日報表篩選陽性反應病人，進行院內感染之病歷檢視，雖然這些資料大部分已經電子化，但並未加以整合運用。而自動化資料收集與整合可減少感染控制人員在資料收集上的時間，自動監視系統將協助收集院內感染資料，資料的範圍以及院內感染所需要的資料作為收集標的。以院內泌尿道感染的收集資料而言，包括檢驗結果、抗生素用藥紀錄、侵入式裝置紀錄、病人住院基本資料等。然而要進行自動化必須考量到醫院的資訊系統是否可提供電子化資料，對於現存有的電子化資料進行收集。但院內感染所需的資料並非所有資料皆已電子化，例如臨床症狀，必須仰賴感控人員蒐集到病房或病歷室查閱病歷，再利用系統輸入臨床生理症狀資料。當感染控制護理師收集完生理症狀後可以利用系統來檢查現有病人資料是否符合監視標準，簡化資料收集與比對作業時間。 由於醫院需要花費大量的資源以及人力才能實施感染監視定義上的作業，雖然某醫學中心已採用醫療系統支持日常的臨床作業，但是若能使用電子自動化的系統來配合監測定義，可使感染控制人員在作業上更有效率。因此針對某醫學中心，設計一套院內感染監視系統，並上線使用。為了解某醫學中心使用之院內感染監視系統之效能與功能性，因此進行院內泌尿道感染之監視與系統執行與系統評估。 本研究目的為是否可以透過系統介入監視後，減少需要感染控制護理師人工篩選的病人數量，降低工作份量。系統是否提升感染監視偵測的準確率。使用敏感度(Sensitivity)、特異度(Specificity)、陽性預測值(Positive Predictive Value)作為系統監視院內感染作業之能力評估指標。 在實驗期間住院病人共11,321人，院內感染監視系統提示的疑似個案人數共694人，實際的院內泌尿道感染人數為93人，系統判斷的疑似個案數比實際發生個案多601個案。系統的敏感度為100 %，特異度為94.6 %，陽性預測值為13 %。 在我們的研究中，院內感染監視系統介入監視後，縮小監視的範圍，並提供完整的電子化資料，大幅降低感染控制護理師需要人工篩選的病人數量以及需查閱的病歷 資料，減少工作份量，使感染控制護理師能夠更簡單方便的進行院內感染監視作業。雖然監視的範圍縮小，但是系統偵測的敏感度還是高達100%，監測精準度相當高。因此，HAISIS可以支持感染控制專業人員更及時和有效地的日常監控作業。 雖然院內感染監視系統已經將陽性預測值從原有的4%提升至13%，但是與其他文獻比較之下，還是稍微偏低，因此未來可以針對系統的演算法做一些修改，將陽性預測值提高，使HAISIS能夠發揮更大的效能，增進院內感染監視之效率。
- 學位論文
Background: The use of computers among medical students is increasing therefore we carried out a cross sectional study in Bishkek,Kyrgyzstan.This study borders on assessing medical students use of computer and internet in one of the medical schools in Bishkek. Kyrgyzstan Methods: The total number of 300 medical students from one medicals school but from differenet departments in Bishkek,participated in the study.The year of medical students were from 1st to 6th year.A pre-tested semistrucured quiestionnaire were used to collect data and data analysis were done using SPSS version 20. Results: Mojority of participants in our study were from the age group 21-22 years,constituting 100(33.3%).Majority of medical students according to the year have computers.According to the year of study the computer use for academic purpose of prefinal and final year medical students were high. For getting required information the internet were higher (55.3%)among 1st,2nd,3rd year students.Reason for preferring internet over textbook 64.7% among prefinal and final year medical students and 48.0% of 1st,2nd,3rd year medical students prefer internet over textbook because of the easy accessibility. Conslusion: In this study significant relationship demonstrated according to the year of study and the purpose of the pattern of computer and internet use.According to the year of study as in a student’s progress the parten of computer and internet use for entertaiment was decrising and use for academic purpose and information for small projects work is increasing.
- 學位論文
冠狀動脈心臟病（Coronary Artery Disease），是全球現代人主要健康殺手之一，也台灣名列十大死因第二名。治療方式開始大多以藥物控制為主，較為嚴重的患者則採冠狀動脈血管繞道術（Coronary Artery Bypass Graft Surgery）進行治療。而手術後心律不整（Postoperative Arrhythmia），是冠狀動脈血管繞道手術後常見合併症之一。術後心律不整發生的種類以心房顫動（Atrial fibrillation）最為常見。這類心律不整屬於持續性心律不整疾病，且發生此類心律不整之病人的預後較差，往往會造成住院天數、醫療費用、中風及死亡率等風險增加。由於心房顫動生理機轉尚未明瞭，因此本研究利用臨床可得的數據，建立類神經網路預測模型（Artificial Neural Network），預測手術後心房顫動發生，並將此預測模型與邏輯斯迴歸模型（Logistic Regression）相比。 由於冠狀動脈繞道手術後心房顫動發生機轉複雜，本實驗利用年齡、身體質量指數、血液中C-反應蛋白濃度、血液鈉離子濃度、心臟超音波檢查心容積射出率、左心房腔室是否擴張、左心室收縮功能是否良好、是否為急性心肌梗塞之患者和手術過程是否行體外循環，共9個參數，建立類神經網路預測模型，預測冠狀動脈血管繞道手術後心房顫動的發生率。於STATISTICA 7.0輸入資料陣列，輸入250筆資料，80％為訓練組（202人），20％為測試組（48人），選擇多層感知器MLP（Multiple Layer Perception）網路，輸入層13個神經元，隱藏層6個神經元，輸出層2個神經元，代表心房顫動是否發生。類神經網路預測模型整體預測結果，正確率75.6％、敏感度69.28％、特異度81.2％、ROC曲線下面積0.80。使用相同參數建立邏輯斯迴歸模型進行比較，邏輯回歸模型整體預測結果，正確率73.2％、敏感度68.4％、特異度77.4％、ROC曲線下面積0.72。 由於類神經網路模型預測結果表現不佳，檢視參數在組距間的關係，共去除12筆資料。以238筆資料輸入陣列中，80％為訓練組（191人），20％為測試組（47人），選擇多層感知器，輸入相同的9個參數，重新建立預測模型。新建立的類神經網路預測模型，輸入層13個神經元，隱藏層12個神經元，輸出層2個神經元，分別代表心房顫動是否發生。整體的預測結果，正確率86.97％、敏感度86.36％、特異度87.50％、ROC曲線下面積0.92。使用相同的參數再次建立邏輯斯迴歸模型，邏輯斯迴歸模型整體的預測結果，正確率75.2％、敏感度69.1％、特異度80.5％、ROC曲線下面積0.75。兩模型相較結果，類神經網路預測模型整體的表現比邏輯斯迴歸模型有較好的預測結果。 此系統期能建立，可協助臨床醫療人員提早預防併發症發生，提升醫療照護品質，間接的可減少病患手術後住院天數、醫療費用、中風及死亡率。
- 學位論文
本研究在研究以甲狀腺亢進接受藥物治療後復發的影響因子。抗甲狀腺藥物治療是台灣甲狀腺功能亢進最常用的治療方式。然而抗甲狀腺藥物治療需長期服藥而且治療後的復發率高。了解造成甲狀腺亢進復發的因子才能做出適當的臨床決策。本研究以1999-2008年全民健保資料庫的抽樣歸人檔為資料來源，整理甲狀腺亢進患者接受第一次藥物治療的資料進行分析。研究排除接受放射碘131，甲狀腺開刀，具有甲狀腺癌重大傷病診斷，與退保的病患，進行分析年齡，抗甲狀腺藥物治療模式，病患共患診斷對治療後的復發或緩解是否造成差異。結果：年齡12歲以下40歲以上與13-40歲(Log rank 0.00)，抗甲狀腺藥物療程90天以下與大於90天(Log rank 0.00)，抗甲狀腺藥物開藥天數90天以下與大於90天(Log rank0.00)，抗甲狀腺藥物累積顆數365顆以下與大於365顆(Log rank0.00)，與抗甲狀腺藥物平均每日劑量1顆以下，大於1顆且2顆以下，大於兩顆(Log rank 0.00)對病患的復發與緩解有差異。共病診斷如ICD-9CM 376(Log rank0.00)，ICD-9CM 427(Log rank0.002)，ICD-9CM 785(Log rank0.00)，ICD-9CM 246(Log rank0.00)，ICD-9CM 252(Log rank0.00)，ICD-9CM 493(Log rank0.00)對復發與緩解有差異。 結論：以1999-2008年抽樣的台灣全民健保資料庫內抗甲狀腺藥物治療後的復發與緩解與年齡，抗甲狀腺藥物療程，抗甲狀腺藥物開藥天數，抗甲狀腺藥物累積劑量，抗甲狀腺藥物平均每日劑量，疾病診斷碼ICD-9CM 376，ICD-9CM 427，ICD-9CM 246，ICD-9CM 785，ICD-9CM 493，ICD-9CM 252有關。
- 學位論文
癌症一直是國人高居不下的死亡原因，也是政府所關切的議題。有學者探討癌症與其他疾病之關聯，如糖尿病與癌症以及蕁麻疹與癌症之關係，更有學者提出使用統計的方法來描述疾病與疾病之間的關聯性，本論文的初步研究便是要探討皮膚科疾病與癌症之間的關係，提出使用量化指標來描述皮膚疾病與癌症的相關性，即兩疾病間之共病組合，再搭配所設定的疾病篩選，篩選出的疾病共病組合，最後經由文獻查證，分為已知共病組、未知共病組，以驗證量化指標的實用性。本論文所採用的資料為2000-2002年之全民健康保險資料庫。研究發現，病毒疣與乳癌、紅斑鱗狀皮膚病與大腸癌符合本研究的疾病篩選，基於文獻查證，兩疾病共病組合具有可能的潛在性的疾病相關性。
- 學位論文
癌症為台灣民國99 年10 大死因之首，標準化發生率已達到每10 萬人276.5人且逐年增加，死亡風險更達到12.45%，往往使病患逐步邁向死亡，癌症末期的諸多症狀常使病患在死亡前承受許多痛苦，無法善終。面對這種無法治癒的疾病時，選擇以安寧緩和療護為主的照護模式是一種較好且較有效益的方式。安寧療護為藉由專業的醫療團隊，提供正確完整之身、心、靈的醫療照護，對末期病患的各種不適症狀進行緩和醫療，並給予末期病患與其家屬生活及心靈上的協助，使病患能夠善終，家屬能度過哀慟時期。 對病患及家屬而言，選擇在家接受安寧療護，即所謂居家安寧療護是較佳且對病患較好的方式，然而常因許多因素導致病患無法如願，主要因素為家屬缺乏在家照護病患的知識及信心，以及無法獲得立即性的協助等，但現今遠距醫療愈來愈發達，這些因素已經可以利用遠距醫療技術來解決，國外已有相關研究發展，但在台灣，以居家安寧療護為主的遠距醫療技術研究卻仍處於萌芽階段。 本研究以症狀評估與控制為基礎，以癌症為例，納入末期癌症常見之症狀，建立一個輔助癌症末期病患及家屬在家接受居家安寧療護之照護輔助系統。使用者能夠隨時評估癌症末期病患可能出現的各種不適症狀，了解病患的症狀狀況，並在評估後能夠得到及時的建議及指引，適時地照護病患，針對需定期處置的項目，系統並提供定時提醒的功能輔助使用者穩定的照護病患，使用者也可將評估的結果紀錄並供日後查詢。另外，專業人員可隨時觀看病患的紀錄，並回覆建議給使用者，使用者若有需要，亦可與專業人員做諮詢，得到專業建議。希望透過系統化的管理模式，能夠增進使用者居家安寧療護的能力與信心，提高癌症末期病患及其照護者的自我管理能力。
- 學位論文
目前臨床上主要仍是以傳統回歸公式分析方式來預估胎兒體重，主要以超音波數據BPD (Biparietal Diameter；雙頂骨徑)、OFD(Occipital frontal diameter；枕額徑)、AC (abdominal circumference；胎兒腹圍)、FL(Femur length；股骨長度)作為評估的參數，仍會有所謂的評估上的誤差，超音波預估體重誤差率大概為10~15%，甚至提高至25%。然而，體重的預估對於胎兒的評估是不可或缺的，也因此減少胎兒體重上的預估誤差，對於在產前的判斷是十分重要。本研究目的是利用2D超音波數據，運用ANN分析胎兒出生體重，來改善傳統回歸分析公式所產生的誤差值。總共有13個輸入的變項：BPD、OFD、FL、HC (Head circumference；頭圍)和AC、STT (Soft-tissue thickness；軟組織的厚度)、DTB (Days to birth；天數差異)、子宮底高度 (cm)、母親腹圍 (cm)、母親體重 (kg)、母親身高 (cm)，輸出參數：娩出體重 (gm)。其中STT指的是胎兒大腿骨中段的皮下脂肪肌肉厚度，以及DTB是指天數的差異。因無法確實掌握超音波測量的時間與胎兒出生時間的距離故將天數納入為變數之一。在訓練組方面，我們利用70位胎兒完成超音波測量，輸入參數有：BPD (mm)、OFD (mm)、FL (mm)、HC (mm)和AC (mm)、STT (mm)、DTB (Days)、子宮底高度 (cm)、母親腹圍 (cm)、母親體重 (kg)、母親身高(cm)，輸出參數：娩出體重 (gm)。驗證組方面，有35位胎兒完成超音波測量，輸入參數有：BPD (mm)、OFD (mm)、FL (mm)、HC (mm)和AC (mm)、STT (mm)、DTB (Days)、子宮底高度(cm)、母親腹圍 (cm)、母親體重 (kg)、母親身高 (cm)，在此篇研究中，利用ANN中的多層式感知器 (multi-layer perception, MLP)架構作為系統的模型，共分為五組模型。結果顯示，Model 1、Model 2在驗證組的平均絕對誤差和平均絕對百分比誤差之結果比傳統公式的結果差。然而，在Model 3、Model 4和Model 5驗證組的平均絕對誤差和平均絕對百分比誤差之結果，分別為246.307gm，7.483%、213.656 gm，6.491%和251.380gm，7.637%。這三組模型，優於傳統公式驗證組的平均絕對誤差和平均絕對百分比誤差之結果，分別為341.257gm和10.368 %。因此，可以利用ANN模型，作為胎兒體重預估的新工具，並且加入STT或結合DTB的超音波測量參數，可以提供新的胎兒出生體重評估方式。