[快訊] 吳柏毅醫師與其參與團隊,關於新冠肺炎疫情期間玻璃體切割術治療視網膜剝離的手術決策與結果之研究,獲 Indian Journal of Ophthalmology 刊登!

 

 

01_IJO_WuPY_03

 

 

文章介紹

 

吳柏毅醫師與其參與的醫療團隊,評估自家醫學中心在 COVID-19 疫情期間,以玻璃體切除術(PPV)或鞏膜扣壓術(SB)治療視網膜剝離(RRD)時的手術決策和結果的變化。

 

團隊將台灣 COVID-19 疫情首波國內病例激增期間(2021 年 5 月至 7 月),視網膜剝離接受玻璃體切除術與鞏膜扣壓術的患者(COVID 群組,n = 100),與 COVID 疫情前一年 2019 年的對照組(pre-COVID 群組,n = 121)進行比較。

 

結果顯示 COVID 群組的視網膜剝離患者,一開始的狀況較差,接受玻璃體切除術(單獨或與鞏膜扣壓術結合)者更多,單獨接受鞏膜扣壓術的患者較少,不過單次手術解剖構造成功率相當。在接受玻璃體切除術的患者中,有更多人接受合併鞏膜扣壓術,這樣的決策可能與 COVID-19 疫情影響相關。

 

首次就診前症狀持續時間較短是與手術成功率相關的唯一因素,而手術方法與之無關。在手術前症狀持續時間 ≤4 週的患者中,手術成功率保持在 90% 左右或以上,但在持續時間 >4 週的患者中下降至 83.3%。

 

在 COVID-19 疫情期間,視網膜剝離的惡化,導致主要手術的偏好從單獨的鞏膜扣壓術轉向玻璃體切除術。疫情影響了外科醫師的手術選擇決策。然而,手術成功率僅與症狀持續時間有關,與手術方法無關。

 

回顧重大資源衝擊事件,對例行手術與一般醫療服務的影響,是很重要的,因為這會讓我們理解醫療體系與醫師的決策,進而在日後遭遇大量資源重分配與醫療負擔衝擊時,能有更精準的理解,做出更好的決策。

 

 

恭喜吳醫師!

 

閱讀更多 »

發表於 共享榮耀 | 已標籤 , , , , , , | [快訊] 吳柏毅醫師與其參與團隊,關於新冠肺炎疫情期間玻璃體切割術治療視網膜剝離的手術決策與結果之研究,獲 Indian Journal of Ophthalmology 刊登! 已關閉迴響。

問:校長提到,學員中有國際經驗,或即將有國際經驗的人變多,請問他們是怎樣的生涯狀態?有什麼值得我們參考的嗎?

 

 

 

 

QA_86

 

 

答:(蔡依橙)

 

是的,最近一年,上課的同學中,有國際經驗的同學,稍微比較多。包括以下幾種:

 

閱讀更多 »

發表於 學員提問 | 已標籤 , , , , , | 問:校長提到,學員中有國際經驗,或即將有國際經驗的人變多,請問他們是怎樣的生涯狀態?有什麼值得我們參考的嗎? 已關閉迴響。

[快訊] 黃國揚醫師團隊,開發使用時間序列呼吸器參數的機器學習模型,以預測機械通氣患者拔管結果之研究,獲 Frontiers in Medicine 刊登!

 

 

01_FIM_HuangKY_05

 

 

文章介紹

 

「侵入性機械通氣」對於加護病房裡的重症患者而言,雖然是輔助呼吸的救命裝置,但長時間的機械通氣也會導致與呼吸器相關的併發症。因此如何判定患者適合拔管、停止呼吸器支持就變得至關重要。若判斷不準確,拔管失敗就會產生一系列後果,像是需要氣管切開、引發肺炎、以及肺損傷。

 

近年來,有許多醫療研究領域利用機器學習來判斷患者脫離呼吸器的時機與結果預測。然而,現有研究大多使用了人口統計數據、生理數據和實驗室數據,所提出的模型僅能進行靜態而非動態的預測,仍然不夠準確,且在醫院的廣泛應用困難。

 

針對這個議題,黃國揚醫師團隊開發了一種機器學習方法,採用機械通氣患者的時間序列呼吸器衍生參數,再透過邏輯回歸、RF 和 SVM 等機器學習模型,來預測患者脫離呼吸器的結果。

 

這份研究納入了 2015 年 8 月至 2020 年 11 月間,住進台灣苑裡基督教醫院並接受呼吸器治療的 233 名患者,其中 28 人(12.0%)拔管失敗。研究結果顯示,隨機森林的表現優於其他模型,該算法能夠每隔三分鐘對個別患者進行拔管結果的預測,同時提供在不同時間點拔管結果的實時預測。

 

這項技術有助於醫生和護理人員在臨床實踐中作出準確的判斷,並在必要時提供適時的支持和干預,有助於減少患者長期使用呼吸器的時間,降低與機械通氣相關的併發症和相應的醫療費用,並提高其生存率。

 

 

能在自己專長的領域,運用新的研究方法,發展出對臨床有幫助的即時預測模型,是很有意義的。恭喜黃醫師!

 

 

最新活動

 

閱讀更多 »

發表於 20140705 (六) 第一梯次, 共享榮耀 | 已標籤 , , , , , | [快訊] 黃國揚醫師團隊,開發使用時間序列呼吸器參數的機器學習模型,以預測機械通氣患者拔管結果之研究,獲 Frontiers in Medicine 刊登! 已關閉迴響。

問:把我的病人顧好,學會既有知識去做醫療服務,有什麼問題嗎?一定要做研究嗎?(研究對醫療生涯的可能意義)

 

 

 

QA91

 

 

問:校長好,上次你分享,美國的醫學教育是從技術傳遞逐漸變成強調研究,也因此影響了今天的台灣醫療體系,這很有趣。但我想問的是,我就好好的把我的病人顧好,學會既有的知識去做醫療服務,有什麼問題嗎?一定要做研究嗎?

 

答:(蔡依橙)

 

首先要先聲明的是,如果我們今天專心做醫療服務,而且持續進修,跟上醫療進步的趨勢,也引進新的觀念與方法,我認為完全沒有問題。

 

閱讀更多 »

發表於 學員提問 | 已標籤 , , , , , , , , , , , , , , , | 問:把我的病人顧好,學會既有知識去做醫療服務,有什麼問題嗎?一定要做研究嗎?(研究對醫療生涯的可能意義) 已關閉迴響。

交通資訊 / 集思北科大會議中心

 

 

map01

集思北科大會議中心入口在「LEXUS 大安營業所」旁。

 

 

搭乘捷運

 

搭乘捷運板南線(藍線):

 

  • 【忠孝復興站】一號出口,直走 500 公尺,步行約 8 分鐘。

 

 

map02

 

 

  • 【忠孝新生站】四號出口,往回走,向 SOGO 方向直走 500 公尺,步行約 8 分鐘。

 

 

map03

 

 

即可抵達集思北科大會議中心入口(Google 街景)。

 

 

高鐵北上

 

中南部的朋友,早上搭第一班高鐵一定來得及。建議高鐵台北站下車後,搭乘「板南線(藍線)」,在「忠孝新生站」下車,從四號出口往回走 500 公尺,即可抵達會場。

 

 

開車導航

 

請搜尋「億光大樓」或「集思北科大會議中心」。

 

車子可停放「億光地下停車場」,再搭電梯直達會議中心。每小時 50 元,位於建國南路一段(往建國北方向),過忠孝東路三段即可於右側看見停車場入口。

 

 

Google 地圖

 

 

點擊圖片,可連至互動式 Google Maps。

點擊圖片,可連至互動式 Google Maps。

 

 

最新活動

 

 

發表於 課程相關 | 已標籤 , , , | 交通資訊 / 集思北科大會議中心 已關閉迴響。