筆者於2016/11/27參加嘉義長庚健康資料卓越研究中心主辦的「健康資訊科學與科技學術研討會」(活動項目:goo.gl/xxKXFl),其中邀請到四位在大數據醫療具有深厚涵養與優秀成績的一流研究者。其中包括筆者仰慕已久的吳俊穎醫師,吳醫師在健保資料庫研究的成績斐然,論文發表求質不求量,基本上只發表在impact factor > 10分或ranking < 5%的期刊。

筆者研究過吳醫師的論文,從資料本身的廣度(都是台灣的全人口檔,而不是抽樣檔)、研究的高度(多數都是企圖改變治療指引 [guideline] 的研究)、研究設計與統計的深度都具有非常高的水準。而從本次吳醫師的演講中,筆者發現吳醫師在健保資料庫已經在進行新型態的研究了。

筆者個人歸納,過往常見的健保資料庫文章大致上可以區分四種類型,第一種是流行病學的研究,基本上就是分析歷年趨勢、描述統計乃至於報告發生率。第二種是疾病自然史的研究,例如A病合併B病(A+B)會比單獨A病(A alone)更容易有C病,這也是之前國際學者投書評論我們台灣某學者濫發健保資料庫文章的主要類型。第三種是尋找預測因子的研究。第四種是目前的最主流,比較介入處置(Treatment)效果的研究,包括藥物、耗材、處置或手術方法等。

                  在本次研究中,筆者發現吳醫師兩種健保資料庫的新類型研究,第一種是「預測風險分數」(Predict risk / risk score function)型態的研究,以下圖為例,研究消化性潰瘍(PUD)病人在1年內或2年內發生胃癌的機率,由幾個重要的臨床變項,包括年齡、性別與潰瘍位置等,每位不同特性的病人都能計算出一個總分以及相對應的預測機率(Predicted probability),依此做出個人化醫療(Personalized medicine)的臨床決策。

 

1.jpg

資料來源:Clinical Gastroenterology and Hepatology 2015;13:287–293

 

第二種新型態研究為檢查方式或醫院特性(或醫生的特性)與預後的關係,例如下圖所示,肝癌病人在診斷之後作超音波檢查(Ultrasonography screening)的頻率與整體死亡率的關係,可發現檢查頻率隔越久者的死亡率越高,在臨床上的意義不言而喻。

 

2.jpg

資料來源:Wu C-Y, et al. Gut 2016;65:693–701.

 

下圖為另一個研究,研究對象是肝癌後做過電燒治療的病人,欲研究手術者的經驗豐富度/手術量/服務量(Operator volume)對於肝癌復發是否有所影響,結果發現高經驗手術組的病人癌症復發風險顯著比較低。

 

3.jpg

資料來源: Radiology: Volume 276: Number 1—July 2015

 

由以上超音波檢查頻率與手術服務量的研究可作各種延伸,不同疾病的各種醫學檢查五花八門,可延伸的題目非常多;手術服務量等臨床特性也可做許多延伸,譬如醫院服務量(Center volume)、醫院本身特性或操作者(手術者)本身的特性都可能對病人預後產生影響。由以上吳醫師的幾種新型態論文,希望能提供在進行健保資料庫的研究者一些想法。

創作者介紹
創作者 晨晰部落格新站 的頭像
晨晰部落格新站

晨晰統計部落格新站(統計、SPSS、BIG DATA討論園地)

晨晰部落格新站 發表在 痞客邦 留言(0) 人氣()