2023 / 11 / 13

具備做研究的能力，把握有時效性的題目。

 

作者：林口長庚醫院 兒童腎臟科 顏辰瑋 醫師

相關文章：[快訊] 顏辰瑋醫師團隊，關於青少年接種 COVID-19 疫苗出現副作用之研究，獲 Pediatrics and Neonatology 刊登！

 

 

Mepa_20201017_0555

 

 

這篇文章主要是探討 BNT162b2 疫苗在青少年族群造成心肌炎的狀況。而這篇文章的催生其實是個偶然。由於新冠肺炎在全世界大流行，進而開發出這個疫苗，一開始所有人對於這個疫苗會有什麼樣的後續影響並不熟悉，特別是在青少年族群。

 

閱讀更多 »

發表於 20201017_第三十三梯次課程記錄, 共享榮耀 | 已標籤 , , , , , , , , , | 具備做研究的能力，把握有時效性的題目。 已關閉迴響。
2023 / 11 / 8

[快訊] 顏辰瑋醫師團隊，關於兒科患者出現陰囊疼痛與睪丸扭轉，產生隨後睪丸切除的決定因素之研究，獲 Pediatric Emergency Care 刊登！

 

 

01_PEC_YenCW_05

 

 

文章介紹

 

兒科急診（PED）出現陰囊疼痛（SP）的兒童患者中，那些特性與睪丸扭轉（TT）和之後睪丸切除的相關，尚不清楚。顏辰瑋醫師團隊想要研究患有 SP 的兒童中 TT 和隨之的睪丸切除的因素。

 

團隊分析了在長庚醫院 4 個分部的 PED，在 10 年內有 SP 患者（年齡 ≤18 歲）的數據。

 

總共有 256 名兒科患者出現 SP。平均年齡為 11.60 ± 4.61歲，72.7%（n = 186）的患者年齡在 10 到 18 歲之間。54.7%（n = 140）患者的疼痛位於左側，SP 發作後到 PED 就診的間隔為 22.45 ± 31.27 小時。

 

總共 84 名（32.8%）患者需要進行手術，其中 72 名（28.1%）患者有 TT。有 TT 的患者中，有 28 名（38.9%）需要進行睪丸切除。經過分析，TT 和隨之的睪丸切除與 SP 發作後到 PED 就診的時間較長、睪丸在超音波下的血流訊號消失、SP 發作後到手術的時間超過 24 小時以及 TT 的程度較高有關。其中，沒有患者再次出現 SP 症狀或 TT。

 

顏辰瑋醫師團隊的研究發現，在 PED 出現 SP 的患者中，TT 的發生率為 28.1%，其中38.9% 的 TT 患者需要進行睪丸切除。對於 TT 的兒科患者，早期診斷和治療有助於防止隨後的睪丸切除。

 

 

恭喜顏醫師！

 

近期參加《醫學論文與寫作工作坊》的 PGY 學員，最常提問：如何完成一篇能被 accept 的論文、論文的基本架構及內容該如何產出？一起來看看蔡校長的建議。

 

 

閱讀更多 »

發表於 共享榮耀 | 已標籤 , , , , , , | [快訊] 顏辰瑋醫師團隊，關於兒科患者出現陰囊疼痛與睪丸扭轉，產生隨後睪丸切除的決定因素之研究，獲 Pediatric Emergency Care 刊登！ 已關閉迴響。
2023 / 11 / 2

[快訊] 吳冠達醫師團隊，關於脂肪肝嚴重程度與高血壓和糖尿病風險高度相關之研究，獲 Hepatology International 刊登！

 

 

01_HI_WuKT_02

 

 

文章介紹

 

脂肪肝（FLD）與多種代謝異常有關。吳冠達醫師團隊想要評估 FL 嚴重程度對新發高血壓（HTN）和糖尿病（DM）風險的影響，以及這兩種疾病的共病情況。

 

研究對象包括從 1999 年至 2013 年在台灣一家醫院接受健康檢查的 41888 名成年人。其中有 34865 人在收案後 1 年內沒有 HTN 和 DM，被納入長期研究人群（HTN 平均 6.45 年，DM 平均 6.75 年）。根據肝內脂肪評估 FL 嚴重程度，採用超音波進行評估。

 

研究發現 22852 名（54.6％）患者患有 FL（18203名輕度 FL 和 4649 名中度 / 重度FL）；13.5％（n = 5668）患有 HTN；3.4％（n = 1411）患有 DM。輕度、中度、重度 FL 患者，掃描當時有 HTN 的風險明顯增高。

 

在長期研究人群中，有 3209 名和 822 名患者分別新發 HTN 和 DM（年發病率分別為每 1000 人年 14.3 和 3.5；10 年累積發病率分別為 14.35％ 和 3.89％）。輕度、中度、重度 FL 患者，患有新發 HTN 與 DM 的風險明顯增高，隨著追蹤期間 FL 的緩解，HTN 與 DM 的風險降低。

 

吳冠達醫師團隊的研究證實，患有 FL 的患者，具有新發 HTN 與 DM 的風險。風險會隨著 FL 的嚴重程度增加。

 

 

恭喜吳醫師！

 

越來越多同學立定目標、開始尋找老師寫文章，不免心生惶恐，要怎麼開始寫文章？要去找怎樣的老師？老師會願意帶我嗎？來看看蔡校長的建議：

 

 

閱讀更多 »

發表於 共享榮耀 | 已標籤 , , , , | [快訊] 吳冠達醫師團隊，關於脂肪肝嚴重程度與高血壓和糖尿病風險高度相關之研究，獲 Hepatology International 刊登！ 已關閉迴響。
2023 / 11 / 2

課後半年發表 SCI 論文，賺回院內獎金和學費！

 

作者：奇美醫院 外科 葉敬淳 醫師

相關文章：[快訊] 葉敬淳醫師團隊，關於應用 AI 模型預測高風險燒傷患者預後之研究，獲 Diagnostics 刊登！

 

 

MEPA_20230514_0435

 

 

約莫在 2023 年三月份左右，從科部秘書與醫學研究部處得知，新思惟團隊即將在五月份前來台南開課，提供名額給奇美醫院。

 

學員自己先行墊付學費，待課程結束兩年內，如有發表 SCI 的原著論文，就可以申請全額學費補助。心想自己剛好有一個 topic 尚未動筆寫作，那就趁這個機會好好加強、督促自己，等於是免費上課，刊登出來還有獎金。因此，課程日期雖然跟母親節衝突，我還是毅然決然跟家人請假，報名參加課程。

 

閱讀更多 »

發表於 20230514_第五十四梯次課程記錄, 共享榮耀 | 已標籤 , , , , , , | 課後半年發表 SCI 論文，賺回院內獎金和學費！ 已關閉迴響。
2023 / 11 / 2

[快訊] 葉敬淳醫師團隊，關於應用 AI 模型預測高風險燒傷患者預後之研究，獲 Diagnostics 刊登！

 

 

01_diagnostics_YehCC_01

 

 

文章介紹

 

燒傷範圍從輕微的醫療問題到嚴重的危及生命的情況不等。燒傷的嚴重程度和部位，決定了治療方式。儘管輕微燒傷可能可以在家中治療，但嚴重燒傷需要醫療干預，有時需要在專門的燒傷中心護理。葉敬淳醫師團隊利用人工智慧（AI）與機器學習（ML）預測燒傷患者可能出現的不良效應。

 

研究納入 2010 年至 2019 年間入住奇美醫療中心的燒傷患者。研究使用了 14 個特徵，包括先前的併發症和實驗室結果等資訊，用於建立預測皮膚移植手術、住院時間延長和總體不良效應的模型。整體而言，70% 的數據用於訓練 AI 模型，剩餘的 30% 用於測試。並採用隨機森林、LightGBM 和邏輯回歸三種 ML 算法，評估指標包括準確性、靈敏性、特異性和 AUC。

 

結果發現在這項研究中，經過 224 名患者評估，隨機森林模型的 AUC 在預測住院時間延長（>14天）方面最高，為 81.1%，其次是 XGBoost（79.9%）和 LightGBM（79.5%）模型。此外關於是否需要皮膚移植，隨機森林模型有最高的 AUC（78.8%），而關於不良併發症的發生，隨機森林模型和 XGBoost 模型均有最高的 AUC（87.2%）。

 

根據具有最高 AUC 值的最佳模型，設計了一個 AI 預測系統，並集成到醫院資訊系統中，以幫助醫生做出決策。

 

AI 技術展現出卓越的能力，可以預測燒傷患者的住院時間延長、是否需要皮膚移植以及是否發生總體不良併發症。葉敬淳醫師團隊的研究建構了一個新型預測模型，可以無縫融入醫院資訊系統，增強臨床決策，加強醫生與患者的交流。

 

 

恭喜葉醫師！

 

想乘著 AI 熱潮做研究，卻發現自己不懂學術寫作嗎？來看看蔡校長的建議：

 

 

閱讀更多 »

發表於 共享榮耀 | 已標籤 , , , , , , | [快訊] 葉敬淳醫師團隊，關於應用 AI 模型預測高風險燒傷患者預後之研究，獲 Diagnostics 刊登！ 已關閉迴響。
2023 / 11 / 2

[快訊] 翁國勛醫師團隊，有關深度學習方法用於放射學報告的否定和推測，以自動標記重要發現並提取內容之內部驗證和技術比較研究，獲 JMIR Medical Informatics 刊登！

 

 

01_JMI_WengKH_01

 

 

文章介紹

 

與異常發現無關的否定和推測，可能導致自動放射學報告的高度關注或實驗室資訊系統標記的假陽性警報。

 

翁國勛醫師團隊想要評估自然語言處理方法（NegEx、NegBio、NegBERT 和transformers）的性能。

 

團隊對報告中所有與異常發現無關的否定和推測語句進行了標記。在實驗 1 中，對多個變換器模型 ALBERT、BERT、DeBERTa、DistilBERT、ELECTRA、ERNIE、RoBERTa、SpanBERT 和 XLNet 進行了微調，並比較它們的性能，使用精確度、召回率、準確度和F1 分數。在實驗 2 中，將實驗 1 中的最佳模型與 3 個確立的否定和推測檢測算法（NegEx、NegBio 和 NegBERT）進行了比較。

 

研究從奇美醫院的 3 個分院收集了 6000 份放射學報告，涵蓋多種影像學模式和身體部位。在與異常發現無關的文字中，有 15.01% 的單詞和 39.45% 的重要診斷關鍵詞是以否定或推測陳述詞彙出現的。在實驗 1 中，所有模型在測試數據集上展現準確度 >0.98 和 F1 分數 >0.90。ALBERT 表現最佳（準確度 = 0.991；F1 分數 = 0.958）。

 

在實驗 2 中，ALBERT 在總體性能（準確度 = 0.996；F1 分數 = 0.991）、在預測診斷關鍵詞是否出現在與異常發現無關的推測陳述中，以及在改善關鍵詞提取性能（準確度 = 0.996；F1 分數 = 0.997）方面，優於優化的 NegEx、NegBio 和 NegBERT。

 

翁國勛醫師團隊的研究結果發現 ALBERT 深度學習方法表現最佳，對於研發電腦輔助通知系統的臨床應用，有實際幫助。

 

 

恭喜翁醫師！

 

考專科需要一篇以第一作者發表的 original article，但只有 case report 的發表經驗嗎？內文要寫哪些重點？新思惟與你分享「最好的寫法」！

 

 

閱讀更多 »

發表於 共享榮耀 | 已標籤 , , , , , | [快訊] 翁國勛醫師團隊，有關深度學習方法用於放射學報告的否定和推測，以自動標記重要發現並提取內容之內部驗證和技術比較研究，獲 JMIR Medical Informatics 刊登！ 已關閉迴響。