文章介紹

 

急性胸痛是急診最常見的主訴之一，約占所有急診就診的 8%，但其中真正診斷為急性冠心症（ACS）的病人不到一成。為了安全排除 ACS，臨床上常需要重複抽血檢驗高敏感度心肌旋轉蛋白 T（hs-TnT）並延長觀察，讓病人在急診的停留時間拉長，這也是急診壅塞的重要原因之一。朱紹中醫師團隊希望開發一套具備醫學可解釋性的 AI 模型，只憑第一次的 hs-TnT 檢驗結果，就能協助醫師準確找出 ACS 病人，並可靠地辨識出低風險病人。

 

研究團隊回溯分析成大醫院急診 2016 年至 2022 年間、檢傷第二級的成人急性胸痛就診資料，共 17,935 人次，分為 ACS 病人（GA）、非 ACS 但需要急性處置或住院的病人（GB1），以及短暫觀察後即可出院的低風險病人（GB2）三類。模型以年齡、性別、6 項生命徵象、4 項血液檢驗與 12 項病史共 24 個變項建立人工神經網路（ANN），以 2016 至 2020 年的資料訓練、2021 至 2022 年的資料測試，並以 SHAP 分析找出影響預測的關鍵變項。

 

結果顯示，ANN 模型在測試資料中辨識 GA、GB1、GB2 的 AUROC 分別達到 0.942、0.824 與 0.893，表現都優於邏輯迴歸模型。整合三個子模型的多分類器 ANN-S3，辨識 ACS 的敏感度為 0.941，辨識低風險病人的陽性預測值與敏感度則分別為 0.911 與 0.837。SHAP 分析顯示，hs-TnT、冠狀動脈疾病病史、年齡與性別是最具影響力的變項，與臨床經驗相符。回溯比對也發現，實際上接受連續抽血追蹤的低風險病人中，約有八成（1,483/1,840）被模型判定為低風險，可能適合改用單次檢驗的策略。

 

朱醫師團隊認為，以 ANN 為基礎的分類模型可以協助急診醫師進行急性胸痛的風險分層與處置決策，有潛力縮短停留時間、緩解急診壅塞。不過，即使是提高敏感度的版本，敏感度仍未達單獨排除 ACS 所需的 0.99 以上，因此這套系統應定位為輔助醫師判斷的決策支援工具，而不是獨立的排除工具，實際成效仍需要前瞻性研究來驗證。

 

• PubMed
• Article on JMIR Medical Informatics

 

恭喜朱醫師！

 

用比較高階的統計方法處理數據，就能投到高分期刊嗎？一起來看看講師怎麼說。

 

閱讀更多 »

 

 

 

 

文章介紹

 

心房顫動是缺血性中風的重要危險因子，合併心房顫動的病人，中風往往比較嚴重、功能恢復也比較差。不過，沒有心房顫動的缺血性中風，其實包含大動脈粥狀硬化、小血管阻塞等不同的致病機轉，兩群病人影響中風嚴重度與預後的因素可能並不相同，過去卻很少分開來探討。

 

呂醫師與其團隊使用台東馬偕紀念醫院前瞻性的院內中風登錄資料，收入 2014 年 12 月至 2020 年 12 月間、發病 7 天內入院的首次急性缺血性中風病人，依有無心房顫動分組，以入院時的 NIH 中風量表（NIHSS）代表中風嚴重度、3 個月後的改良式 Rankin 量表（mRS）代表功能預後，再以多變項一般線性模型，分析人口學、生活型態與共病等因素的影響。

 

本研究共收入 1,256 位病人，其中 955 位沒有心房顫動、301 位合併心房顫動。合併心房顫動的病人年紀較大（年齡中位數 76 歲 vs. 68 歲），入院 NIHSS（中位數 9 分 vs. 5 分）與 3 個月 mRS（中位數 3 分 vs. 2 分）也都比較差。

 

呂孟穎醫師團隊研究發現，影響中風嚴重度的因素在兩組並不相同。沒有心房顫動的病人中，75 歲以上、嚼食檳榔與缺乏規律運動，都與入院時中風較嚴重有關；合併心房顫動的病人中，缺乏規律運動同樣與中風較嚴重有關，肥胖與中風前已使用抗凝血劑則與中風較輕微有關。進一步校正入院 NIHSS 之後，第二型糖尿病是兩組都與 3 個月功能預後較差獨立相關的因子，75 歲以上與缺乏規律運動則只在沒有心房顫動的病人中仍有影響。

 

總體而言，影響首次缺血性中風初始嚴重度與 3 個月功能預後的因素，會因為有無心房顫動而不同。作者認為，依心房顫動狀態分開評估預後，有助於擬定個人化的次級預防與中風後照護策略。

 

• PubMed
• Article on Journal of the Formosan Medical Association

 

恭喜呂醫師！

 

跑出統計結果之後，論文裡該寫成「相關因子」還是「風險因子」？一起來看看講師怎麼說。

 

閱讀更多 »

 

 

 

 

文章介紹

 

鼻咽癌在台灣與東南亞相當常見，治療以高精準度的放射治療為核心，局部晚期的病人多半還會合併化學治療。不過，臨床上判斷預後仍主要依賴 AJCC 的 TNM 分期，同一期別的病人在標準治療後，結果卻常常差異很大，因此需要更多簡單、容易取得的預後指標。

 

從一般血液常規就能算出的發炎指標，例如嗜中性白血球與淋巴球比值（NLR）、血小板與淋巴球比值（PLR），以及結合血小板、嗜中性白血球與淋巴球的全身免疫發炎指數（systemic immune-inflammation index, SII），近年被認為與多種癌症的存活有關。但過去研究大多只看治療前的單一時間點，這些指標在放射治療期間如何變化、變化的軌跡又能不能預測預後，仍缺乏證據。

 

吳靖農醫師團隊使用長庚醫療體系的多院區研究資料庫，回溯分析 2007 年 1 月至 2021 年 5 月間、沒有遠端轉移並接受根治性放射治療的 1,867 位鼻咽癌病人，取診斷時、放射治療第 4 週與放射治療結束時（約第 7 週）三個時間點的血液檢查，計算 NLR、PLR、SII 等五項發炎指標。

 

分析上以群體軌跡模型（group-based trajectory modeling, GBTM）找出不同的指標變化軌跡，再以 Cox 迴歸與邏輯迴歸，分析軌跡與整體存活、治療後腫瘤殘存（disease persistence）及復發之間的關聯，並以中介分析估計腫瘤殘存在其中所扮演的角色。這群病人的追蹤時間中位數為 59.7 個月。

 

結果顯示，NLR、PLR 與 SII 都可以分成兩種軌跡：約 96% 至 97% 的病人屬於放療期間緩慢上升的「低發炎」軌跡，另有 3% 至 4% 的病人從診斷到放療結束持續大幅攀升，屬於「高發炎」軌跡。校正其他因素之後，只有高發炎的 SII 軌跡（占 3.4%）與較差的整體存活（校正後風險比 1.89，95% 信賴區間 1.24 至 2.87）以及較高的腫瘤殘存機會（校正後勝算比 2.09，95% 信賴區間 1.10 至 3.96）獨立相關；NLR 與 PLR 的軌跡則沒有顯著關聯，所有發炎軌跡也都與復發無關。

 

中介分析進一步顯示，高發炎 SII 軌跡對存活的不利影響之中，約有 14.7% 可以由治療後的腫瘤殘存來解釋。

 

吳醫師團隊認為，放射治療期間持續偏高的 SII，有助於辨識出一小群預後較差、需要更密切追蹤的鼻咽癌病人。不過，這是一項探索性的回溯研究，SII 與存活之間的機轉仍不清楚，臨床應用前還需要前瞻性研究加以驗證。

 

• PubMed
• Article on Clinical and Experimental Otorhinolaryngology

 

恭喜吳醫師！

 

單變項的 p 值小於 0.2 也可以放進多變項分析嗎？不是都要小於 0.05 才行嗎？來看看講師的建議。

 

閱讀更多 »

 

 

 

 

文章介紹

 

糖尿病是末期腎病最主要的成因，而合併糖尿病的血液透析患者，死亡率與生活品質都比沒有糖尿病的患者來得差。在這群病人身上，糖化血色素（HbA1c）會受到貧血、輸血與紅血球生命週期縮短的干擾，參考價值有限；相對地，「血糖變異度」（glycemic variability）可能更能反映真實的血糖控制狀況。不過，究竟有哪些因素會影響透析患者的血糖變異度，目前所知仍相當有限。

 

顏正杰醫師團隊回溯 2024 年在透析中心接受長期血液透析的 233 位糖尿病患者，收集病人特質、透析參數與檢驗數據，並以每月透析前的隨機血糖值計算兩項血糖變異度指標：變異係數（Glucose_cv）與不受平均值影響的變異度（Glucose_VIM），再用迴歸與相關分析找出相關因子。這群患者平均年齡 66 歲，男性佔 58%，平均透析年資 7.1 年，透析前的平均血糖為 179 mg/dL。

 

結果顯示，年齡與 Glucose_cv、Glucose_VIM 皆呈顯著負相關（皆 p < 0.01）；透析劑量指標 Kt/V 也與兩者呈負相關（p = 0.03 與 p = 0.04），血流速則與 Glucose_cv 呈正相關（p = 0.04）。共病方面，只有惡性腫瘤與 Glucose_cv 有顯著關聯（p = 0.03）。

 

在校正干擾因子之後，年齡仍與兩項血糖變異度指標維持獨立的負向關聯（皆 p = 0.02）。進一步依年齡四分位分層，Glucose_cv 的平均值在各分位之間有顯著差異（p < 0.01），並隨著年齡增加呈現顯著的遞減趨勢（p < 0.01）；Glucose_VIM 也觀察到同樣逐步下降的趨勢（p < 0.01）。

 

這項研究說明，在接受血液透析的糖尿病患者中，年紀愈大者的血糖變異度反而愈小，而且年齡是獨立於其他因素的相關因子。臨床上為這群病人設定血糖控制目標時，或許需要把年齡一併納入考量、採取分齡的策略；至於這樣的調整能不能改善預後，還需要後續研究來驗證。

 

• PubMed
• Article on International Journal of Endocrinology

 

恭喜顏醫師！

 

在寫論文的 methods 時，納入和排除寫起來很相似，寫作上是否有什麼訣竅？來看看講師的建議。

 

閱讀更多 »

 

 

 

 

文章介紹

 

江杰穎博士團隊想知道，在休息狀態下量到的骨骼肌構造（skeletal muscle architecture, SMA），能不能解釋運動員背著額外重量時的用力方式。肌肉構造決定了力量產生的機械上限，但它與負重情況下「力量-時間策略」之間有什麼關聯，過去很少被討論。

 

研究招募 17 位大專男子籃球選手，先用 B 模式超音波量測股外側肌（VL）與腓腸肌外側頭（LG）的肌肉厚度、羽狀角（pennation angle, PA）與肌束長度。

 

接著讓每位選手在測力板上完成四種跳躍：蹲踞跳（SJ）、負重蹲踞跳（LSJ）、反向跳（CMJ）與負重反向跳（LCMJ），負重條件一律外加 20 公斤。研究並提出「負重保留率」（loaded retention）這個統一指標，也就是負重時還能保留多少跳躍高度；統計以皮爾森相關分析，並在預先定義的功能分組內施行 Benjamini-Hochberg 偽發現率（FDR）校正。

 

結果顯示，腓腸肌外側頭的羽狀角與負重反向跳的發力率呈高度負相關（r = -0.68，95% CI -0.87 至 -0.30），與達到最大力量所需的時間則呈高度正相關（r = 0.68，95% CI 0.29 至 0.87），兩者都通過組內的偽發現率校正。股外側肌的羽狀角則與各種跳躍條件下的離心加速期與向心期時間有關（r = 0.52 至 0.61），屬於探索性的發現。

 

至於代表伸縮循環（SSC）轉換效率的指標，大多與肌肉構造沒有顯著關聯，只有負重反向跳與負重蹲踞跳的向心時間比值，與腓腸肌外側頭的羽狀角呈中度負相關（r = -0.49，95% CI -0.79 至 -0.01）。江博士團隊認為，休息狀態的肌肉構造反映的是負重時「發力的時間與速率特性」，而不是跳躍高度能保留多少；未來若能把肌肉構造的評估與負重的力量-時間分析結合起來，應該更能看清選手的能力輪廓。

 

• PubMed
• Article on Journal of Functional Morphology and Kinesiology

 

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 »