臺灣博碩士論文加值系統

依據美國腎臟資料系統(United States Renal Data System,USRDS)年報顯示，從2005年到2009年台灣尿毒症罹病率皆排名全世界前四名，盛行率更居全世界第一名，可知台灣尿毒症的嚴重性。由於較高的罹病率及存活率的提升，導致盛行率增高，因此，本研究以台灣尿毒症患者為研究對象，建立尿毒症罹病率及存活率模型，資料來源為「全民健康保險研究資料庫(1997-2009)」。
研究結果顯示，性別、罹病年齡及觀察年度皆為影響罹病率的顯著因子，建議以罹病年齡及觀察年度二因子具交互作用之probit模型描述。對於尿毒症存活率部分，透過與國民生命表之間關係的建立，預測尿毒症患者罹病後直到100歲之完整存活率。

According to the annual report issued by the United States Renal Data System, from 2005 to 2009, end stage renal disease (ESRD) incidence rates in Taiwan have ranked in the top four in the world and the prevalence rate was the highest among the reporting countries. High prevalence rates was attributed to a combination of high incidence and high survival rates. This thesis will model the incidence rate and survival rate of ESRD patients using data from Taiwan’s National Health Insurance Research Data Base.
Our results indicate that gender, ERSD onset age, and the calendar year are significant factors for incidence rates. We recommend using a probit model with interactive terms. We also discuss the relationship between the ESRD survival rate and Taiwan’s national life table and estimate ESRD patient survival curves to age 100.

目錄 I
表目錄 II
圖目錄 III
第壹章 緒論 1
第貳章 文獻回顧 6
第一節 尿毒症研究 6
第二節 罹病率模型及存活率模型建立 7
第參章 資料來源與處理 9
第肆章 研究方法 12
第一節 罹病率計算 13
第二節 KAPLAN-MEIER估計法 14
第三節 多元線性迴歸模型 (MULTIPLE LINEAR REGRESSION MODEL) 15
第四節 精確性衡量指標 17
第伍章 研究結果 19
第一節 尿毒症罹病率 19
(一) 尿毒症患者罹病率估算之探討 19
(二) 尿毒症患者罹病率模型之探討 23
第二節 尿毒症存活率 29
(一) 尿毒症患者Kaplan-Meier估計法之探討 29
(二) 尿毒症患者存活率模型之探討 31
(三) 模型應用結果分析 36
(四) 模型樣本內檢定及樣本外預測 38
第陸章 結論與建議 43
參考文獻 47

1. 朱淑惠 (2006)，台灣地區定期腎臟透析治療群體存活模型研究，東吳大學商用數學系碩士論文。
2. 林音汝 (2007)，重大傷病的世代效應研究-以全民健康保險尿毒症病患為基礎，東吳大學商用數學系碩士論文。
3. 黃文隆 (2010)，迴歸分析，初版，滄海書局。
4. 喬治華、莊聲和、梁正德、袁曉芝、鍾孟鈴、徐豈庸 (2011)，1996-2009重大傷病、糖尿病、精神疾病經驗統計研究-以全民健康保險研究資料庫為基礎，財團法人保險事業發展中心。
5. 楊五常、黃尚志、陳永銘 (2004)，九十年度台灣地區慢性腎衰竭登錄系統及照護品質指標，台灣腎臟醫學會雜誌，18卷1期，S1-S52。
6. 楊五常、黃尚志 (2004)，台灣地區末期腎臟疾病病患流行病學研究：十年世代分析。國民健康局92年度科技研究發展計劃。
7. 楊五常、張曉卉 (2009)，愛腎好生活，天下雜誌出版社。
8. Agresti, A. (2007), An Introduction to Categorical Data Analysis Alan Agresti, Second Edition, John Wiley & Sons, Inc., New York.
9. Gilbertson, D.T., J. Liu, J.L. Xue, T.A. Louis, C.A. Solid, J.P. Ebben and A.J. Collins (2005), Projecting the Number of Patients with End-Stage Renal Disease in the United States to the Year 2015, Journal of the American Society of Nephrology, 16(12): 3736-3741.
10. Klugman, S.A., H.H. Panjer and G.E. Willmot (2008), Loss Models from Data to Decisions, Third Edition, John Wiley & Sons, Inc., New York.
11. Lewis, C.D. (1982), Industrial and Business Forecasting Methods, Butterworth Scientific, London.
12. Pitacco, E.,M. Denuit, S. Haberman and A. Olivieri (2009), Modelling Longevity Dynamics for Pensions and Annuity Business, Oxford University Press.
13. Rodina, A., K. Bliznakova and K. Stavrianou (2009), Prevalence Prognosis of the End Stage Renal Disease Patients in Greece, IFMBE Proceedings 25/V, 237-240.
14. Schaubel, D.E., H.I. Morrison, M. Desmeules, D. Parsons and S.SA. Fenton (1998), End-stage renal disease projections for Canada to 2005 using Poisson and Markov models, International Journal of Epidemiology, 27: 274-281.
15. Szczech, L.A. and I.L. Lazar (2004), Projecting the United States ESRD population: Issues regarding treatment of patients with ESRD, Kidney International, VoL 66, S3-S7.
16. Tsai, C.C.L. and L. Jiang (2011), Actuarial applications of the linear hazard transform in life contingencies, Insurance: Mathematics and Economics, 49: 70-80.
 
網路資源
1. 重大傷病 醫療免部分負擔，全民健康保險雙月刊，94期。
2. 腎臟病患照護計畫，降低洗腎發生率，全民健康保險雙月刊，95期。
3. 台灣腎臟學會，http://www.tsn.org.tw/。
4. 美國腎臟資料系統 (United States Renal Data System, USRDS)，http://www.usrds.org/。
5. 行政院衛生署中央健康保險局，http://www.nhi.gov.tw/。
6. 中華民國行政院新聞局，http://info.gio.gov.tw。
7. 內政部統計處，http://www.moi.gov.tw/stat/life.aspx。
8. 台灣腎臟學會，腎友互動網，http://kidney.tsn.org.tw/index.php。