臺灣博碩士論文加值系統

本研究使用機器學習RNN(Recurrent Neural Networks)時間序列分析模型，病人在加護病房使用呼吸器的期間之中，搜集所呈現的呼吸器參數，選取呼吸器參數資料裡的多項變數，來預測判斷脫離呼吸器成功機率。
就目前的研究顯示，沒有單一的測量指標足以做為醫療人員判斷病患是否能成功脫離呼吸器的根據。過往在判斷脫離呼吸器的時機，除了醫生個人的綜合判斷之外，醫生會參考脫離呼吸器指標(Weaning profile)、淺快呼吸指數(RSBI)以及重症病患疾病嚴重度評分系統(APACHE II score)。本研究利用時間序列分析模型，成功的提高的病人拔管預測的準確率到82.4%，期望能夠在臨床上加以配合改進，將成功率往上提升，協助醫療人員盡早讓病患脫離呼吸器，降低呼吸器不必要的過度使用或過早脫離呼吸器，以降低病患併發症、感染以及不必要的醫療費用支出。

In this study, a machine learning RNN (Recurrent Neural Networks) time series analysis model was used to predict and judge the success probability of getting out of the ventilator by using multiple variables in the breathing data during the period of the patient using the ventilator.
At present, there is no single index or measurement method that is sufficient for doctors to judge whether the patient can successfully get out of the ventilator. In the past, doctors judged when to remove the ventilator, in addition to the doctor's comprehensive judgment, the doctor will refer to the Weaning profile out of the ventilator index (WEANSNOW), the rapid shallow breathing index (RSBI) and the APACHE II score. This study uses a time series analysis model to successfully improve the accuracy of patient extubation prediction to 82.4%. It is hoped that clinical improvements can be made to increase the success rate and assist medical staff in getting patients out of the respirator as soon as possible. , To reduce unnecessary overuse of respirators or premature detachment of respirators to reduce patient complications, infections and unnecessary medical expenses.

目次
摘要 i
Abstract ii
目次 iii
表目次 iv
圖目次 v
第一章 緒論 1
第一節 研究背景 1
第二節 研究目的 3
第三節 研究範圍及限制 4
第二章 文獻探討 5
第一節 呼吸器使用的目的 5
第二節 呼吸器在臨床上的使用 5
第三節 呼吸器脫離指標 6
第四節 台灣近年成功脫離呼吸器的比率 8
第五節 台灣使用機器學習在脫離呼吸器臨床上的應用 8
第三章 研究方法 10
第一節 研究架構 10
第二節 資料來源 12
第三節 資料預處理 12
第四節 模型建立 14
第五節 模型訓練與預測 15
第四章 實驗結果 16
第一節 資料敘述統計 16
第二節 實驗過程與結果 20
第五章 結論與未來建議 27
第一節 結論 27
第二節 未來建議 27
中文文獻 28
英文文獻 29

王瑪麗、蘇嘉玲、林綉玲、詹欣叡(2017)。應用類神經網路提升亞急性呼吸照護病房病患脫離呼吸器的預測能力。呼吸治療第十六卷第二期 2017年7月。
行政院衛生福利部中央健保署(民103)。民國102年全民健康保險統計。
行政院衛生福利部中央健保署(民104)。民國103年全民健康保險統計。
行政院衛生福利部中央健保署(民105)。民國104年全民健康保險統計。
行政院衛生福利部中央健保署(民106)。民國105年全民健康保險統計。
行政院衛生福利部中央健保署(民107)。民國106年全民健康保險統計。
宋美儀、柯獻欽、鄭高珍、何宗翰、唐虎(2020)。人工智慧運用於重症病人之呼吸器脫離。呼吸治療第十九卷 附冊 2020 年10 月。
吳清平、楊式興(2012)：台灣呼吸器長期使用概況。全民健康保險爭議審議委員會爭議審議報導，51，1-8。
林鳳卿、郭耀文、鄭之勛、吳惠東(2019)。分析醫學中心內科加護病房APACHE Ⅱ評分與呼吸器脫離成功相關性。呼吸治療第十八卷 第一期 2019 年7 月。
紀崑山、程建祥(2003)。呼吸器脫離之實證醫學與議定式呼吸器脫離中華民國重症醫學雜誌，5(1)，39-46。
陳玉如、林晏如、翁敏雪、李靜怡(2010)。台灣呼吸器使用患者之心生理因子與呼吸器脫離之相關性。台灣醫學，14卷1期，P1 – 8。
蔡熒煌,吳清平(2001)。「呼吸器依賴患者整合性照護系統」臨床作業流程擬定與施行。行政院衛生署。
鍾韋嬋、許端容、黃敏斐、李姝儀、陳瑜玲、蔡忠榮(2020)。當人工智慧遇上呼吸治療-運用機器學習預測呼吸器脫離。呼吸治療第十九卷 附冊 2020 年10 月。
Burns, S. M., Fisher, C., Tribble, S. S. E., Lewis, R., Merrel, P., Conaway, M. R., & Bleck, T. P. (2010). Multifactor clinical score and outcome of mechanical ventilation weaning trials: Burns Wean Assessment Program. American Journal of Critical Care, 19(5), 431-440.
Cairo, J. M. (2017)。Pilbeam's Mechanical Ventilation Physiological and Clinical Applications 6/E。
Chen, H. C., Lin, M. C., Lin, A. S., Wang, C. C., & Wang, Y. H. (2012). Risk Factors and Outcomes of Patients with Prolonged Mechanical Ventilation after Successful Weaning. Thoracic Medicine, 27(4), 209-216.
Choudhuri, A. H. (2013). Ventilator-Associated Pneumonia: When to hold the breath? International Journal of Critical Illness and Injury Science, 3(3), 169-174.
Epstein, S. K., & Ciubotaru, R. L. (1998). Independent Effects of Etiology of Failure and Time to Reintubation on Outcome for Patients Failing Extubation. American Journal of Respiratory and Critical Care Medicine, 158 , 489-193.
Knaus, W. A., Draper, E. A., Wagner, D.P., Zimmerman, J. E. (1985). APACHE II: a severity of disease classification system. Critical Care Medicine. 13 (10): 818–29.
Kulkarni, A. P., & Agarwal, V. (2008). Extubation failure in intensive care unit: Predictors and management. Indian Journal of Critical Care Medicine, 12(1), 1-9.
Silva, C. S. d. M., Timenetsky, K. T., Taniguchi, C., Calegaro, S., Azevedo, C. S. A. A., Stus, R., Matos, G. F. J. d, Eid, R., Barbas, C. S. V. (2012). Low mechanical ventilation times and reintubation rates associated with a specific weaning protocol in an intensive care unit setting: a retrospective study. Clinical science, 67(9), 995-1000.
Yang KL, Tobin MJ. (1991). A prospective study of indexes predicting the outcome of trials of weaning from mechanical ventilation. N Engl J Med, 324(21): 1445-50.