以資料探勘技術進行大數據分析，建立預測模型以評估糖尿病、高血壓、與中風三種族群病人發生圍術期重大心臟併發症的風險

全世界每年有超過 2 億人接受重大非心臟手術，不僅數量逐年增加，而且每年有超過一千 萬的病人在術後30 天內發生重大心臟併發症。重大圍術期心臟併發症之所以重要，因為其占 了所有圍術期死亡原因的三分之一，後續還可能引起其它併發症，延長住院天數，以及大幅 提高醫療成本。 圍術期心臟併發症的因子相當複雜，過去研究的樣本數不足，不易分析相關的危險因子， 如果利用健保資料庫的大數據進行研究，應可以得到較理想的研究結果。健保資料庫的相關 研究，多是利用傳統的統計方法進行分析，而近年來發展的多種資料探勘技術，包含類神經 網路，遺傳演算法，以及敏感度分析等等，都有助於大型資料庫分析研究。以類神經網路為 基礎，結合其它資料探勘技術來建構風險評估模型，應可以得到更好的預測效能。 此研究為二年期計畫，第一年計畫申請台灣健保資料庫進行分析，針對糖尿病、高血壓、 與中風三種病人族群進行研究，以類神經網路結合資料探勘技術，尋找可能的危險因子，建 立圍術期急性心肌梗塞風險評估模型。第二年計畫申請臨床醫療資料庫，納入更多種類變數， 包含檢驗報告值、藥物、與術後併發症等資料，建立圍術期重大心臟併發症風險評估模型。 最後再評估兩種資料庫所建立模型的預測效能，並比較與探討兩種模型於臨床醫療的實用價 值。