糖尿病病人發生術後感染併發症之風險分析與建立風險評估模型 – 以資料探勘技術進行大數據資料分析研究

  • Lin, Chao-Shun (PI)

研究計畫: A - 政府部門b - 國家科學及技術委員會

專案詳細資料

說明

伴隨肥胖症增加以及人口老化,糖尿病的全球負擔也逐年增加。如果糖尿病病人在手術後發生感染併發症,不僅增加照護的複雜度,延長住院時間,也會大幅提高醫療成本。雖然證據顯示糖尿病族群較易發生感染,也已提出針對糖尿病併發症預防和治療措施,然而針對糖尿病病人發生術後感染併發症的議題,至今未有完整的研究分析。由於感染併發症的種類和影響因子相當複雜,如果使用大數據資料庫進行研究,結合資料探勘技術進行分析,應可得到較理想的研究結果。資料探勘技術,包含類神經網路、分類迴歸樹、及支持向量機等等,都適用於資料庫分析。以類神經網路為例,其相較於傳統統計方法,具有幾項優點:(1)可建構非線性模型,模型的適配度高。(2)具有良好的推廣性,對於未知的輸入亦可得到正確的輸出。(3)可接受不同種類的變數作為輸入,適應性強。我們團隊進行健保資料庫研究,已有多篇論文發表,包含:糖尿病患者發生骨折風險以及糖尿病患者發生術後不良後果研究等等;過去分析手術麻醉的病患資料,建立類神經網路預測模型以評估病患麻醉後發生低血壓的風險,也累積相當的研究經驗。此研究為二年期計畫,第一年計畫使用台灣健保資料庫進行分析,針對糖尿病族群,以類神經網路及其它資料探勘技術,評估發生術後感染併發症之風險,分析可能的危險因子,建立風險評估模型。第二年計畫使用臨床醫療資料庫,收錄更多種類變數,包含檢驗報告值、藥物使用、共病症、與疾病嚴重度分級等資料。臨床資料庫收錄病人血糖檢驗值,包含空腹血糖值以及糖化血色素,可用來代表血糖控制情形,與作為疾病嚴重度的分級。以健保資料庫研究所確立之危險因子為基礎,分析臨床資料庫進行術後感染併發症風險模型建構與驗證,最後再評估兩種資料庫所建立風險模型的預測效能,探討兩種模型於臨床醫療的實用價值。運用風險評估模型,臨床醫師面對外科手術病患進行風險評估與解說時,將有實證醫學的參考依據;醫護人員並可事先提高警覺,採行必要措施來預防或減少併發症的發生。對於病患而言,可以事先瞭解即將接受的手術會有哪些風險,對於整體醫療照護和醫病關係,可提供不少助益。
狀態已完成
有效的開始/結束日期8/1/1810/1/19

Keywords

  • 糖尿病
  • 感染
  • 併發症
  • 資料探勘
  • 類神經網路
  • 風險分析

指紋

探索此專案觸及的研究主題。這些標籤是根據基礎獎勵/補助款而產生。共同形成了獨特的指紋。