[快訊] 黃暉凱醫師團隊,關於 SGLT2 抑制劑與 GLP-1 受體促效劑對第二型糖尿病患者罹患巴金森氏症風險影響之統合分析統,獲 Diabetes Research and Clinical Practice 刊登。

 

 

01_DRCP_HuangHK_28

 

 

文章介紹

 

黃暉凱醫師團隊想了解第二型糖尿病患者使用不同降血糖藥物,會不會影響得到巴金森氏症的機率。研究團隊特別關注三種藥物:SGLT2 抑制劑、GLP-1 受體促效劑、DPP4 抑制劑。

 

團隊利用美國 TriNetX 研究網絡的真實世界資料,收集了 2015 年到 2022 年間,年齡 50 歲以上、患有第二型糖尿病並開始使用這三種藥物的病人資料。

 

為了讓比較更公平,團隊使用了傾向分數配對的方法,確保各組病人的背景條件相似。研究主要想看的結果就是這些病人後來有沒有被診斷出巴金森氏症。

 

研究總共納入了將近 30 萬名病人的資料。在 SGLT2 抑制劑與 DPP4 抑制劑的比較中有 93872 人;GLP-1 受體促效劑與 DPP4 抑制劑的比較中有 110366 人;SGLT2 抑制劑與 GLP-1 受體促效劑的比較中有 95838 人。

 

結果發現,使用 SGLT2 抑制劑的病人得到巴金森氏症的風險明顯比較低。跟使用 DPP4 抑制劑的病人相比,風險降低了 20%(風險比值為 0.80),跟使用 GLP-1 受體促效劑的病人相比,同樣也降低了 20%。

 

但是 GLP-1 受體促效劑跟 DPP4 抑制劑相比,在預防巴金森氏症方面就沒有明顯差異了。研究團隊還整合分析了其他相關研究,結果也支持 SGLT2 抑制劑能降低巴金森氏症風險的發現。

 

總結來說,這項研究顯示對於第二型糖尿病患者而言,使用 SGLT2 抑制劑可能比使用 DPP4 抑制劑或 GLP-1 受體促效劑,更能降低罹患巴金森氏症的風險。

 

 

恭喜黃醫師!

 

無對照組的小樣本研究,可以做統合或網絡統合嗎?來看看講師的建議

 

閱讀更多 »

發表於 共享榮耀 | 已標籤 , , , , , , | [快訊] 黃暉凱醫師團隊,關於 SGLT2 抑制劑與 GLP-1 受體促效劑對第二型糖尿病患者罹患巴金森氏症風險影響之統合分析統,獲 Diabetes Research and Clinical Practice 刊登。 已關閉迴響。

[快訊] 張俊鴻醫師團隊,關於思覺失調症患者的肥胖與自律神經失調:與症狀嚴重度及發病亞型的關聯性之研究,獲 Journal of Psychiatric Research 刊登!

 

 

01_ JPR_ChangCH_23

 

 

文章介紹

 

思覺失調症的患者,除了心理上的痛苦,其實他們身體健康也常面臨更高的風險,像肥胖(obesity)或是自律神經失調(autonomic dysfunction)等問題。

 

其中一個很重要的指標,叫做心率變異度(Heart Rate Variability, HRV),它代表的就是我們的自律神經系統(Autonomic Nervous System, ANS)功能。如果 HRV 比較低,表示自律神經功能比較差,這跟死亡率增加是有關聯的。

 

研究團隊找了 70 位住院的思覺失調症患者來做評估。使用 PANSS 的量表(Positive and Negative Syndrome Scale),來評估患者的症狀嚴重度。同時,他們也用一個標準化的 5 分鐘測量方式,來測量患者的 HRV。這個測量主要是看 ANS 的平衡、迷走神經活性(Vagal activity, VAG),還有一個很常用的 HRV 指標,叫做 SDNN(standard deviation of normal-to-normal intervals)。為了能比較,研究裡還納入了 112 位年齡相匹配的健康人當對照組。

 

結果有以下發現:

 

  • 思覺失調症患者的 SDNN 明顯比健康對照組低很多(患者是8ms,對照組是 40.5ms,有顯著差異)。這表示思覺失調症患者的自律神經普遍是失調的。
  • 另外年紀大且有肥胖的患者,他們的 HRV 反而比年輕、沒有肥胖的患者要高。
  • 發病年齡比較早,但是 BMI < 24(就是體重比較輕、沒有肥胖)的患者,他們的 PANSS 負向症狀分數 (PANSS-N) 比較高,整體症狀分數(PANSS-G) 也比較高,不過他們的 HRV 跟其他組就沒有明顯差別。
  • 相反地,發病年齡比較晚的患者,特別是沒有肥胖的患者,他們的 ANS 和 VAG 指標反而比較好。
  • 男性患者的白血球數量比較高,而 BMI < 24 的女性患者,PANSS-N 分數比較高。
  • 此外,使用長效針劑抗精神病藥物(long-acting injectable antipsychotics)的患者中,那些沒有肥胖的個案,他們的 PANSS 興奮症狀分數(PANSS-S)比較高。

 

總結來說,思覺失調症患者確實有明顯的自律神經失調現象,尤其是在年輕、體重較輕(非肥胖)的人身上最明顯。而且,這個失調的狀況跟患者的症狀嚴重度以及發病型態都有關聯。

 

因此,HRV 和 ANS 的測量指標,或許可以當成一個「生理標記」(physiomarkers),幫助我們在治療上做風險分層,提供更個人化的照護。這樣才能更全面地照顧到思覺失調症患者的生理跟心理健康!

 

 

恭喜張醫師!

 

剛升主治醫師該繼續待在醫學中心將成績做好,以擔任主管與引進新技術為目標,還是要去地區醫院或診所?來看看講師的建議

 

閱讀更多 »

發表於 共享榮耀 | 已標籤 , , , , , , | [快訊] 張俊鴻醫師團隊,關於思覺失調症患者的肥胖與自律神經失調:與症狀嚴重度及發病亞型的關聯性之研究,獲 Journal of Psychiatric Research 刊登! 已關閉迴響。

[快訊] 江杰穎博士團隊,關於頸後推挺動作以單次最大重量與體重為基礎來決定負荷時的力學輸出差異之研究,獲 Journal of Sports Science & Medicine 刊登!

 

 

01_JSSM_ChiangCY_04

 

 

文章介紹

 

江杰穎博士團隊想要研究在探討舉重訓練中,用「體重百分比」來決定訓練重量,是否能取代傳統的「單次最大重量(1RM)百分比」,特別是在頸後推挺這個動作上的效果。

 

研究找來 16 位有運動習慣的男性參與者,讓他們分別用兩種方式來決定訓練重量:一種是根據他們的 1RM 來計算;另一種則是根據他們的體重來計算。

 

每個人都要做從 40% 到 80% 強度的頸後推挺動作,每個強度做 3 次。研究團隊用力板來測量各種數據,包括速度相關的指標(最高速度、平均速度、動作時間)和力量相關的指標(最大力量、平均力量、最大功率、平均功率、衝量)。

 

研究結果發現,在速度表現方面,用體重百分比或 1RM 百分比來決定重量,其實沒有明顯差異。也就是說,如果你的訓練目標是著重在動作速度的話,用體重百分比來安排訓練重量是可行的,這樣做起來也比較簡單方便。

 

不過在力量輸出方面就不太一樣了。所有跟力量、功率相關的數據,用 1RM 百分比來安排重量的效果都明顯比用體重百分比來得好。這表示如果你想要追求最大的力量和爆發力表現,還是應該用傳統的 1RM 百分比來決定訓練重量比較理想。

 

 

恭喜江博士!

 

面對 AI 工具百花齊放,ChatGPT 還值得花錢?來看看講師的建議

 

閱讀更多 »

發表於 共享榮耀 | 已標籤 , , , , , | [快訊] 江杰穎博士團隊,關於頸後推挺動作以單次最大重量與體重為基礎來決定負荷時的力學輸出差異之研究,獲 Journal of Sports Science & Medicine 刊登! 已關閉迴響。

AI 助攻,幫我從零走進跨領域研究,最終成功發表!

 

作者:奇美醫院 婦產部 婦女泌尿科 沈姿岑 醫師

相關文章:[快訊] 沈姿岑醫師團隊,以機器學習預測下泌尿道症狀患者急性冠心症與中風風險之研究,獲 Taiwanese Journal of Obstetrics and Gynecology 刊登!

 

 

01_TJOG_ShenTT_share_01MEPA_20230514_0974

 

 

當臨床直覺遇上 AI,揭開潛藏的寶藏。

 

這次的研究與發表,首先還是要感謝「新思惟」的課程,帶來的助益,而這一篇論文對我來說,是一個非常重要的學術里程碑。

 

準備過程中,讓我體會到跨領域整合的重要性。如果僅依靠個人的臨床經驗,很難察覺下泌尿道症狀(LUTS)與潛在中風的關聯;但若只有現行的人工智慧(AI)技術,所得出的結果可能又缺乏醫學意義。因此,在與前輩們討論後,我相信唯有醫學與 AI 的結合,才能創造真正具價值的研究成果。

 

閱讀更多 »

發表於 20230514_第五十四梯次課程記錄 | 已標籤 , , , , , , | AI 助攻,幫我從零走進跨領域研究,最終成功發表! 已關閉迴響。

[快訊] 沈姿岑醫師團隊,以機器學習預測下泌尿道症狀患者急性冠心症與中風風險之研究,獲 Taiwanese Journal of Obstetrics and Gynecology 刊登!

 

 

01_TJOG_ShenTT_01

 

 

文章介紹

 

有下泌尿道症狀(如頻尿、夜尿、排尿困難)的病人,往往也有高血壓、糖尿病、高血脂等代謝疾病,而這些病人未來發生急性冠心症(ACS)或中風的風險明顯較高。因此沈姿岑醫師團隊希望透過機器學習,建立一個能夠早期預測的模型,即時精準評估個別病人心腦血管事件風險。

 

沈醫師團隊回顧奇美醫院 2001-2018 年共 1799 位有下泌尿道症狀的病人,收集與心腦血管疾病相關的臨床變數,利用六種不同的機器學習方法建立模型,並比較其在預測三年內急性冠心症或中風的準確度。

 

研究分析顯示,多層感知器(MLP)模型的表現最佳,在預測病人三年內發生急性冠心症或中風時,曲線下面積(AUC)達 0.803,優於其他模型。這代表透過 MLP,可以有效區分高風險與低風險病人。

 

研究團隊認為,機器學習能幫助臨床醫師更精準地預測下泌尿道症狀病人的心血管風險,若能整合到臨床系統中,就能在門診快速產出個人化風險,協助醫師做出治療建議,例如提醒病人改善生活習慣、提升用藥遵從度,甚至及早轉介與介入,達到預防重大心血管事件的目的。

 

 

恭喜沈醫師!

 

寫 Introduction 時,重點不是鋪陳得多完整,而是能否直擊研究的核心價值。最有效的方法,就是從結果出發:先看這篇研究帶來了什麼新的發現,再挑選與結果最相關的文獻放進 Introduction。

 

這樣一來,脈絡就會非常清楚:過去在這個議題上已經知道什麼、還缺少什麼,而你的研究正好補上這個空缺。這種「畫靶射箭」的方式,能讓 reviewer 在第一時間就明白,這篇文章的重要性與新意。影片中,講師會清楚說明,如何把 Introduction,讓 reviewer 一讀就心服口服?

 

 

最新活動

 

閱讀更多 »

發表於 20230514_第五十四梯次課程記錄 | 已標籤 , , , , | [快訊] 沈姿岑醫師團隊,以機器學習預測下泌尿道症狀患者急性冠心症與中風風險之研究,獲 Taiwanese Journal of Obstetrics and Gynecology 刊登! 已關閉迴響。

名人們對 AI 趨勢看法不同,該怎麼看?

 

 

officehour_157 

 

問:請問校長,如何看待 AI 到來的世界?

 

會這樣問,是因為我發現最近有很多名人,都喜歡評論 AI 出現後的世界會怎麼發展。黃仁勳說,這會是個超級大的產業,說得好像現在我就該 all in 買他們家的股票,或者辭職重新培訓,進入 AI 產業。很多大大小小的 KOL,都說不用 AI 就落伍了。但其實那些工具好像在我的工作中用不到……

 

請問我該怎麼看待這個事情?

 

答:(蔡依橙)

 

因為資料很多,我先推薦兩個影片給你,然後跟你說要怎麼閱讀。

 

一個是你提到的黃仁勳,最近一次的長時間訪談,這個有中文。一個是大歷史專家哈拉瑞,雖然沒有中文字幕,但你可以用 YouTube 的自動英文字幕加上自動翻譯,就有基本的中文可以看。

 

 

 

 

閱讀更多 »

發表於 學員提問 | 已標籤 , , , , | 名人們對 AI 趨勢看法不同,該怎麼看? 已關閉迴響。