建立類神經網路模型預測肥胖病人夜間缺氧的嚴重度，以改善病人接受全身麻醉後所發生之夜間低血氧症

肥胖病人比起一般族群有更高的可能性發生夜間低血氧症。減重手術是治療肥胖相當 有效的方法，於臺北醫學大學附設醫院，每年約有250 位肥胖病人接受減重手術。因 為這些手術需要在全身麻醉之下進行，手術麻醉後有很高的風險發生夜間低血氧症， 進而引起更嚴重的併發症。如果可以分析相關的危險因子，發展電腦輔助預測模型， 於麻醉手術前事先預估術後發生夜間缺氧的嚴重度，臨床醫師則可以採取不同的措 施，來降低夜間低血氧症的發生。 第一階段收集150 位全身麻醉手術的肥胖病人。術前記錄相關的生理參數資料，包含 年齡，性別，身體質量指數，以及腰圍等等。於術前一天，手術當天，與術後一天， 夜間進行血氧濃度監測與記錄，分析肥胖病人發生術後夜間低血氧症的危險因子。病 人隨機分為三組，於麻醉中使用不同的呼氣末正壓設定，以缺氧指數做為嚴重度指標， 探討呼氣末正壓改善夜間缺氧的程度。 第二階段利用相關危險因子，建立不同架構的預測模型，包含類神經網路，支持向量 機，以及邏輯迴歸模型。模型建立後，另收集60 位新病例資料為測試組來進行外部驗 證，評估預測模型的鑑別力與校正度，比較不同架構模型的預測效能。模型的鑑別力 利用接受者操作特徵曲線(ROC curve)下面積來評估，校正度則利用Hosmer-Lemeshow goodness of fit 測試進行檢定。 最後實際運用預測模型於臨床麻醉，為期六個月。接受全身麻醉手術的肥胖病人隨機 分為二組，研究組以預測模型評估術後夜間缺氧的嚴重度，提供臨床醫師做為參考； 對照組僅記錄預測結果，不提供予臨床醫師。探討運用電腦輔助的預測模型，對於肥 胖病人全身麻醉後夜間缺氧的嚴重度能有多少改善。