多指再植手術對外科醫師來說具有技術上的挑戰性，相較於單指再植，需要更長的手術時間。彭麒醫師與其參與的團隊想要探討多指再植手術的成功率。
研究收納了斷指再植手術的患者，將成功再植與失敗再植的患者進行比較，並對再植後存活或發生壞死的斷指進行比較，使用 multivariate logistic regression 評估斷指再植存活的獨立因素。
共有 378 名患者的 497 個斷指接受斷指再植手術。其中 298 名接受了單指再植，另外 80 名患者接受了多指再植。共有 83.3% 的斷指再植存活（414 個）。
相較於斷指再植存活患者，斷指再植壞死的患者中，後者有顯著較多的接受了多指再植手術；再植後發生壞死的斷指，更可能是參與了三個或更多斷指的再植手術。Multivariate logistic regression 顯示，相較於一個或兩個斷指的再植，三個或更多斷指的再植壞死的可能性增加了 2.355 倍。
結論顯示接受多指再植手術的患者，在斷指再植中的壞死發生率較高。有關多指截肢的患者，本研究可提供臨床醫師斷指再植的存活情況，作為選擇性再植的重要參考。
恭喜彭醫師！
65 歲以上的年長者因身體狀況惡化、認知能力下降、多重慢性病和非典型症狀，往往需要更多醫療和健康照護，所以急診回診率也高於其他年齡層。根據研究，從急診出院的年長者中有 8.64% 在 72 小時內回診。而在這麼短時間內就返回醫院，反映患者可能過早出院之外，也增加不良健康結果、醫療糾紛、急診工作量和社會經濟負擔等風險。
為了確認年長者回診的相關因素，韓晶彥教授團隊透過回顧性研究，檢視 2017 年 1 月至 12 月在台灣一間區域醫院，年長者從急診出院後 72 小時內返回的醫院病歷，並應用 Triage Risk Screening Tool（TRST）進行風險因素的分析。
研究顯示，在回訪急診的年長者之中，於 24 小時內回急診的相關因素主要是行走困難、出院後需要照護；於 24-48 小時內回急診的相關因素多為藥物使用；於 48-72 小時內回急診的相關因素是行走困難、出院後需要照護以及過去 120 天內住院。
韓晶彥教授團隊的這篇研究，探討了年邁的急診病人再返診的原因，也進一步提出解決方案，建議醫院管理者加強急診人員進行老年護理相關的培訓、改善出院後的照護計劃。如此一來，既提高醫療人員評估高風險老年人的能力，也減少年長者的回診率，有助於降低醫療負擔。
恭喜韓教授！
作者：義大醫院 神經科 謝孟倉 醫師
這篇長期心得，簡單整理我這幾年的研究與各位分享。
（鈺編按：謝孟倉醫師在 2016 年先報名了《醫學論文與寫作工作坊》，從 case report 起家發表第一篇之後，再到《統合分析工作坊》進修，進一步完成人生首篇 original article。課後學術從 0 到 1 順利起步，到現在產線多點齊發，讓自己的名字和作品成功登上 PubMed。）
作者：亞洲大學 健康產業管理學系 楊尚育 助理教授
相關文章：[快訊] 楊尚育博士團隊，關於新聘護理佐理員離職行為預測因素之研究，獲 Safety and Health at Work 刊登！
這篇研究主要是跟我的博士生一起合作完成的。我們花了一年多的時間來追蹤，探討初任有證照顧服務員的離職行為。
長照護理佐理員（或稱照服員）的離職率，一直以來都是長期照顧政策中非常重要的議題。照服員是在長照服務中最基礎、最重要的人員，扮演了直接照顧的角色。然而，他的離職率（或改說陣亡率）也是出奇的高。而過去相關研究多以橫斷性研究了解照服員留任意願，缺乏長期追蹤觀察離職行為的調查，因此對影響照服員離職行為的因子依舊模糊。
我們採縱貫式研究設計，對象是台中市某一照服員教育訓練協會的初任有證照顧服務員，並進行了一年的追蹤調查，每三個月調查一次，共計五次問卷施測。這樣的研究設計可以幫助我們更全面地了解離職行為的預測因子。
經過分析，我們得出一些有趣的結果，其中，任職資歷較短、不是擔任居家服務員、月薪資較低、工作心理負荷高、職場正義較少、職場暴力較多、工作疲勞高、心理健康狀況較差以及肌肉骨骼危害部位總數較多，這些都是初任有證照服務員離職行為的預測因子。
台灣的老年人口迅速增加，導致長期照護負擔增加，護理佐理員的需求已成為迫切考量的議題。然而，護理佐理員在社會形象、薪資和工作價值認同上受到質疑，導致招募困難，新訓員工不願進入職場，離職率居高不下。
護理佐理員人才的持續流失，導致照顧工作成為難以解決的社會問題。高離職率不僅使病患無法獲得連續的長期照護，難以建立信任關係，也不利於促進護理佐理員的就業市場和長期照護政策。因此，護理佐理員的離職行為成為一個重要的社會議題。
中風後憂鬱症（PSD），是缺血性中風後的一種嚴重心理疾病，若能早期檢測和診斷，對於及時治療和改善患者預後相當重要。本研究是利用實際數據來開發機器學習模型，以預測中風後憂鬱症。
陳柏成與許智維醫師團隊，收集 2001 年至 2019 年期間台灣多家醫療機構，從 61460 名缺血性中風患者中建立數據模型。團隊使用這些數據訓練機器學習模型，並通過中風後不同時間點（30、90、180 和 365 天），測試其特異性和敏感性來評估其性能。
研究結果顯示，機器學習模型有潛力作為預測中風後憂鬱症的工具，並識別出幾個與 PSD 相關的重要特徵，包括年齡較大、身高較高、中風後體重較低、中風後舒張壓較高、中風前無高血壓但中風後有高血壓（新發高血壓）、出現中風後的睡眠 / 清醒障礙、中風後的焦慮症狀、中風後的偏癱，以及中風期間較低的血尿素氮。
作者認為，機器學習模型在預測 PSD 有極大的潛力，也能提供臨床醫師及早檢測出高風險中風患者的憂鬱症，最佳化後續照護。這項研究除了對精神病學領域做出了貢獻，還展示了人工智慧在心理健康預測和管理中的應用。
恭喜陳醫師與許醫師！
