2023 / 6 / 26

[快訊] 呂孟穎醫師團隊，關於飲用咖啡對不同性別的血脂影響，獲 Nutrients 刊登！

文章介紹

常喝咖啡的人，健康狀況跟沒喝咖啡的人一樣嗎？作者曾對於「喝咖啡習慣與代謝症候群的相關性」做過研究，發現有性別與咖啡種類的差異。進一步作者群也想知道，喝咖啡，對於不同性別、年齡，及女性更年期前後的血脂肪濃度是否也有差異？

呂醫師與其團隊再次使用 Taiwan Biobank 資料庫，研究評估了咖啡攝取對台灣男女不同年齡層，包括更年期前後女性的血脂濃度造成的影響，並與不喝咖啡的人進行探討。

發表於 20201220_第三十五梯次課程記錄, 共享榮耀 | 已標籤 MDPI, Nutrients, 呂孟穎, 咖啡, 性別, 血脂 | 已關閉迴響。

2023 / 6 / 26

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？

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：

發表於學員提問 | 已標籤 Office Hour, 國際醫學生, 新思惟課程, 美國發展, 美國行醫 | 已關閉迴響。

2023 / 6 / 26

[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！

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，住進台灣員林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！

文章介紹

糖尿病可能與注射 CT 顯影劑後引起急性腎損傷（CI-AKI）的機率增加有關，但在大樣本中，尚未對有腎功能障礙的情況進行研究。蘇醫師與其團隊，對這個議題有興趣，並且持續針對不同面向探討。本次使用了長庚電子病歷庫，2012 年到 2019 年的資料，排除在 CT 檢查前一年內接受過腎臟移植或透析，以及在靜脈腎盂攝影後 90 天內或 CT 檢查後 30 天內接受顯影劑的患者，資料共 75328 筆。

本研究探討糖尿病狀態和估算腎絲球過濾率（eGFR）與注射顯影劑之 CT（CECT）後急性腎損傷（AKI）的可能性之間的關係。

蘇醫師團隊研究發現，整體來說，eGFR 小於 30（mL/min/1.73 m²）和 eGFR 為 30-44 的患者中，與非顯影 CT 相比，CECT 更有可能引起急性腎損傷。不過次族群分析發現，eGFR 為 30-44 的族群中，僅糖尿病患者的 AKI 機會上升。此外，eGFR 小於 30 且患有糖尿病的患者，需要透析的可能性更高。

根據以上資訊，若發現在 CT 檢查前如果有這些情況，腎臟損傷的風險可能會加大，需特別留意。

蘇醫師的研究，以實際大量患者資訊，分析出 CT 顯影劑的 AKI 風險，並有清楚的次族群分析，對實際應用相當有幫助，恭喜再次登上頂尖期刊。

恭喜蘇醫師！