臺灣博碩士論文加值系統

在衛生福利相關的規範以及科技的日新月異下，麻醉護理師必須在麻醉專科醫生的監督下完成各項任務，同時麻醉護理師他們也得適應新技術的誕生，還要面對團隊之間的溝通以及高風險的工作環境，由此可知麻醉護理師也擔負著手術的成敗，是一項風險跟壓力極高的工作。很多研究也指出麻醉護理師更替的經濟成本影響到醫療保健組織、醫療保健消費者、醫療保健付款人（包括私人協力廠商和政府）以及整個社會，如何留住具備專業訓練的麻醉護理師，並了解護理師們的工作滿意度及他們的身心健康的狀況，擬定因應對策以提高臨床工作效能是十分必要的議題。本研究為一初探式研究，採用採橫斷式(cross-sectional)問卷調查研究法，以臺北某一醫學中心為例，蒐集麻醉護理師的工作滿意度及身心相關資料，研究問卷包含基本資料、生理問卷、心理問卷、工作滿意度。得到的原始資料樣本數為89筆經蒙特卡羅演算法擴增至219筆。本研究將資料篩選統整後以SPSS進行統計分析，再以機器學習分類迴歸決策樹(CART)、隨機森林及羅吉斯迴歸演算法建構預測模型，並將工作滿意度輸入模型以預測麻醉護理師之身心健康。研究發現若利用89筆的資料以SPSS以邏輯斯迴歸進行工作滿意度預測生理或心理狀況都未見有顯著相關，但若以擴增後的219筆的資料則工作滿意度預測生理健康呈現部分顯著。而在機器學習預測方面，利用Python分別執行分類決策樹 CART，隨機森林及羅吉斯迴歸三種演算法進行工作滿意度預測生理，心理健康後發現CART效能最佳，隨機森林次之，邏輯斯迴歸則排第三。而邏輯斯迴歸之優點不只能用於判定麻醉理師健康或不健康之狀態，也能預測健康與不健康之發生之準確率。本研究結果發現影響麻醉護理師身心健康的關鍵因素最主要是為「月薪」與「工作時數」。而在生理健康方面顯示麻醉護理師的「腸胃道問題」、「呼吸道系統」與「工作時數」是有相關的，資料顯示當「工作時數」與「腸胃道問題」、「呼吸道系統問題」呈現正相關，即工作時數越長，這兩項生理問題越趨嚴重。在心理健康各項則均無差異，而工作滿意度的「人際互動與合作」、「護理工作的負荷」與月薪相關，表示月薪的高低會間接的影響人際關係與工作負荷；生理健康、心理健康及工作滿意度三者皆呈正相關，表示生理、心理健康無論是上升還是降低都會影響到工作滿意度。本研究結果可作為麻醉科護理師工作滿意度與身心健康後續相關研究之參考。

With the specification related to health and welfare and the rapid development of science and technology, nurse anesthetists perform various tasks under the supervision of anesthesiologists. Furthermore, nurse anesthetists have to learn the new technology. They also have to carry good communication between team members in a high-risk working environment. Therefore, nurse anesthetists are responsible for the success or failure of surgery. Many studies pointed out that the cost of the replacement of nurse anesthetists affects health care organizations, health care consumers, health care payers (including private third parties and the government), and the whole society. How to retain nurse anesthetists with professional training becomes an important issue. Thus, it is very necessary to investigate the correlation between job satisfaction and mental health to improve the efficiency of clinical work. This preliminary study is to investigate and predict the physical and mental health of the nurse anesthetists in a northern Taipei medical center. The research questionnaire includes basic data, physiological questions, psychological questionnaires, and job satisfaction. The number of original data samples obtained is 89 and augmented to 219 by the Monte Carlo algorithm. The data is analyzed by SPSS to investigate the relationship between job satisfaction with physical and mental health. Machine learning with Logistic Regression, CART, and Random Forest algorithms were used to classify the physical and mental health status of nurse anesthetists by job satisfaction. The results found that there was no significant correlation between job satisfaction and physiological or psychological status if data was analyzed by use of 89 samples in SPSS and logistic regression, but if employed with 219 samples; the prediction of physical health by job satisfaction was partially significant. In terms of machine learning, Python is used to perform predictions by three algorithms respectively. In mental health classification, it is found that CART has the best performance, followed by Random Forest, and Logistic Regression is the third. In addition, the study found that Logistic Regression not only classified the health status, it also able to present the possibility of the state of health and unhealthy. With the rise of artificial intelligence, many researchers use machine learning to perform disease prediction, diagnosis, clinical decision-making, and specific treatment and have achieved quite good therapeutic results. In this study, the advantage of using machine learning in logistic regression is that it can predict health or unhealthy, and also can judge the probability of health or not of the predicted object, so it can more accurately evaluate the possibility of the health trend. The results of this study can shed the light on the application of machine learning in the area of physical and mental health testing and evaluation of nurse anesthetist.

目　　錄
摘　　要 .................................................................................................................... II
Abstract ….................................................................................................................. IV
目　　錄 ................................................................................................................. VII
圖目錄 ....................................................................................................................... IX
表目錄 ....................................................................................................................... XI
第壹章 緒論 .............................................................................................................. 1
第一節 研究背景.................................................................................................... 1
第二節 研究動機.................................................................................................... 4
第三節 研究目的.................................................................................................... 5
第貳章 文獻探討........................................................................................................ 6
第一節 麻醉護理人員.......................................................................................... 6
第二節 工作滿意度.............................................................................................. 8
第三節 身心健康介紹......................................................................................... 16
第四節 人工智慧與機器學習............................................................................. 19
一、 人工智慧…………………………………………………………… 19
二、 機器學習………………………………………………………….... 20
第參章 研究方法……………………………………………………………..……. 29
第一節 研究架構................................................................................................. 29
第二節 研究工具................................................................................................. 30
第三節 研究設計................................................................................................. 32
第四節 研究對象及執行地點............................................................................. 33
第五節 資料處理與分析..................................................................................... 33
第六節 研究流程模型......................................................................................... 34
第七節 研究倫理................................................................................................. 38
第肆章 研究結果………………………………………………………………..…. 39
第一節 麻醉護理人員基本屬性之描述分析..................................................... 39
第二節 麻醉護理人員生理健康、心理健康、工作滿意度現況..................... 41
第三節 麻醉護理人員生理健康、心理健康、工作滿意度之關係................ 44
第四節 麻醉護理人員生理健康、心理健康、工作滿意度之相關性............. 49
第五節 麻醉護理人員滿意度以SPSS預測生理、心理健康模之型結果...... 51
第六節 麻醉護理人員滿意度以python預測生理、心理健康模之型結果… 53
第伍章 討論............................................................................................................... 79
第一節 基本屬性與生理、心理健康及工作滿意度之相關性探討................. 79
第二節 生理、心理健康及工作滿意度之相關探討......................................... 81
第三節 生理、心理健康及工作滿意度預測之相關探討................................. 82
第陸章 結論與建議................................................................................................... 88
第一節 研究結論................................................................................................. 88
第二節 研究貢獻................................................................................................. 93
第三節 未來限制與建議..................................................................................... 94
參考文獻..................................................................................................................... 95
附錄........................................................................................................................... 110
附錄一、IRB研究倫理委員會證書中、英文證書........................................... 110
附錄二、研究工具使用同意書(生理健康量表)................................................ 111
附錄三、研究工具使用同意書(心理健康量表)................................................ 112
附錄四、問卷研究說明同意書........................................................................... 113
附錄五、運用機器學習於工作滿意度預測麻醉護理師身心健康之初探研究問卷114
附錄六、人力配置表........................................................................................... 119



圖目錄
圖1、馬斯洛需求理論 ...................................................................................... 11
圖2、監督式學習分析流程 .............................................................................. 21
圖3、天氣打球決策樹 ...................................................................................... 23
圖4、類神經網絡單一神經元的運作 ............................................................... 24
圖5、羅吉斯迴歸模型(sigmoid 函數)曲線圖 .................................................. 26
圖6、隨機森林 ................................................................................................... 28
圖7、研究流程架構.................................................................................................. 29
圖8、TIOBE Index趨勢圖 ................................................................................ 32
圖9、本研究滿意度對生理健康之ROC曲線圖.................................................... 37
圖10、SPSS以工作滿意度特徵值預測生理健康.................................................. 51
圖11、SPSS以工作滿意度特徵值預測生理健康(續)............................................ 51
圖12、SPSS以工作滿意度特徵值預測心理健康.................................................. 52
圖13、SPSS以工作滿意度特徵值預測生理健康(續)........................................... 52
圖14、決策樹ROC曲線圖(訓練集以綠色線為主) .............................................. 56
圖15、決策樹ROC曲線圖(測試集以綠色線為主) .............................................. 56
圖16、隨機森林ROC曲線圖(訓練集以紅色線為主) .......................................... 59
圖17、隨機森林ROC曲線圖(測試集以紅色線為主) .......................................... 59
圖18、python邏輯斯迴歸模型(生理健康) ............................................................ 62
圖19、邏輯斯迴歸ROC曲線圖(訓練集以藍色線為主) ...................................... 64
圖20、邏輯斯迴歸ROC曲線圖(測試集以藍色線為主) ...................................... 64
圖21、決策樹ROC曲線圖(訓練集以綠色線為主) .............................................. 69
圖22、決策樹ROC曲線圖(測試集以綠色線為主) .............................................. 69
圖23、隨機森林ROC曲線圖(訓練集以紅色線為主) .......................................... 72
圖24、隨機森林ROC曲線圖(測試集以紅色線為主) .......................................... 72
圖25、python邏輯斯迴歸模型(心理健康) ............................................................ 75
圖26、邏輯斯迴歸ROC曲線圖(訓練集以藍色線為主) ...................................... 76
圖27、邏輯斯迴歸ROC曲線圖(測試集以藍色線為主) ...................................... 77
圖28、三種模型ROC測試集曲線圖(生理) .......................................................... 83
圖29、三種模型ROC測試集曲線圖(心理) .......................................................... 85



表目錄
表1、工作滿意度定義表........................................................................................... 9
表2、基本資料分析.................................................................................................. 40
表3、生理健康問卷各構面之排序分佈.................................................................. 42
表4、心理健康問卷各構面之排序分佈.................................................................. 43
表5、工作滿意度問卷各構面之排序分佈.............................................................. 44
表6、基本資料對生理健康單因子變異數分析(N=89).......................................... 45
表7、基本資料對生理健康單因子變異數分析(N=89)續...................................... 45
表8、基本資料對心理健康單因子變異數分析(N=89).......................................... 46
表9、基本資料對心理健康單因子變異數分析(N = 89)續.................................... 46
表10、基本資料對工作滿意度單因子變異數分析(N=89) ................................... 47
表11、基本資料對工作滿意度單因子變異數分析(N = 89)續.............................. 48
表12、生理健康、工作滿意度皮爾森相關表........................................................ 49
表13、心理健康、工作滿意度皮爾森相關表........................................................ 50
表14、生理健康、心理健康皮爾森相關表............................................................ 50
表15、工作滿意度預測生理健康Hosmer 與 Lemeshow 檢定........................... 51
表16、工作滿意度預測心理健康Hosmer 與 Lemeshow 檢定........................... 52
表17、工作滿意度對生理健康預測之特徵卡方值排序前4題項........................ 53
表18、工作滿意度對生理健康其他特徵選擇卡方值............................................ 54
表19、工作滿意度、生理健康之決策樹模型預測模型結果(訓練集)................. 55
表20、工作滿意度、生理健康之決策樹模型預測模型結果(測試集)................. 55
表21、CART 特徵值重要性.................................................................................... 57
表22、工作滿意度、生理健康之隨機森林模型預測模型結果(訓練集)……..... 58
表23、工作滿意度、生理健康之隨機森林模型預測模型結果(測試集)……..... 58
表24、Random Forest 特徵值重要性..................................................................... 60
表25、工作滿意度、生理健康之邏輯斯迴歸模型性能預測模型結果(訓練集). 63
表26、工作滿意度、生理健康之邏輯斯迴歸模型性能預測模型結果(測試集). 63
表27、邏輯斯迴歸特徵值重要性............................................................................ 65
表28、工作滿意度對心理健康預測之特徵卡方值排序前5題項........................ 66
表29、工作滿意度對心理健康其他特徵選擇卡方值............................................ 67
表30、工作滿意度、心理健康之決策樹模型性能預測模型結果(訓練集)......... 68
表31、工作滿意度、心理健康之決策樹模型性能預測模型結果(測試集)......... 68
表32、CART 特徵值重要性................................................................................... 70
表33、工作滿意度、心理健康之隨機森林模型性能預測模型結果(訓練集) .... 71
表34、工作滿意度、心理健康之隨機森林模型性能預測模型結果(測試集)…. 71
表35、Random Forest 特徵值重要性..................................................................... 73
表36、工作滿意度、心理健康之邏輯斯迴歸模型預測模型結果(訓練集)……..75
表37、工作滿意度、心理健康之邏輯斯迴歸模型預測模型結果(測試集)……..75
表38、邏輯斯迴歸特徵值重要性............................................................................ 78
表39、三種模型之測試集跟訓練集比較(生理健康)............................................. 82
表40、生理健康三種模型特徵值重要性比較........................................................ 84
表41、三種模型之測試集跟訓練集比較(心理健康)............................................. 85
表42、三種模型特徵值重要性比較........................................................................ 87

參考文獻
中文部分：
[1] 監察院(民107)。 107內正0025糾正案。https://cybsbox.cy.gov.tw/CYBSBoxSSL/edoc/download/40285 [Accessed ,2021.08]
[2] 衛福部(民107)。衛部醫字第1071665803號
https://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=&ved=2ahUKEwjR1uTTu9ryAhVxFqYKHc58BiEQFnoECAIQAQ&url=https%3A%2F%2Fmohwlaw.mohw.gov.tw%2FNEWS%2Fdownloadfiles.ashx%3Fmsgid%3D9077%26FileId%3D1&usg=AOvVaw19NPmg1D36schfKMlCS8gk
[Accessed ,2021.08]
[6] 李逸，公共衛生護理人員工作壓力感受、因應策略與 壓力結果之探討—以互動型工作壓力模式為架構，2004. [Accessed ,2021.08.26]
[10] 董健宇，韋文棋，吳珂，妮娜，王粲霏，付瑩，彭歆.機器學習在抑鬱症領域的應用.心理科學進展, 2020, 28(2): 266-274 doi:10.3724/SP.J.1042.2020.00266 [Accessed ,2021.06]
[17] 陳玉枝、邱台生、陳真瑗(1994)，「護理管理特性與護理長之工作滿意度及組織使命感相關性探討」，榮總護理，第十一卷第一期，pp.14 - 26。[Accessed ,2021.06]
[22] 台灣麻醉護理學會(2010)。學會簡介。2010年3月21日取自http://www.tana.org.tw/content/history.asp。[Accessed, 2010.03.21]
[23] 衛福部(2021)。首次(109年度)麻醉科專科護理師甄審結果公告。2021年4月22日取自https://www.mohw.gov.tw/cp-5015-59301-1.html。[Accessed, 2021.04.22]
[24] 王志中、曾劍英(2004)。台灣地區九十二年度「麻醉重大併發症暨死亡病例」問卷調查報告。麻醉通訊，35，35-43。[Accessed, 2021.08.21]
[25] 陳秋蘭（2009）。麻醉護理人員角色期望與角色實踐之研究─以嘉義、雲林、彰化地區為範圍。國立中正大學勞工所碩士論文，嘉義縣。[Accessed, 2021.03.21]
[26] 台灣麻醉護理學會(2020)。麻醉專科護理師之倫理與醫師法規。2020年9月23日取自http://www.tana.org.tw/indexnewspic/N20209239570_麻醉專科護理師之倫理與醫事法規.pdf。[Accessed, 2021.08]
[27] 程士榮（2014）。健保對麻醉產業的影響。國立暨南國際大學管理學院經營管理碩士學位學程碩士在職專班碩士論文，南投縣。[Accessed, 2021.08.21]
[28] 陳怡君（2012）。臺灣醫院場域麻醉護理人員工作情境與能力之探討：就業模組課程之初期研究。國立臺北護理健康大學醫護教育研究所碩士論文，台北市。[Accessed, 2021.08.21]
[29] 龔珊珊（2012）。台灣某醫院麻醉部門組織氣候感知之質性研究。長庚大學管理學院碩士學位學程在職專班醫務管理組碩士論文，桃園縣。[Accessed, 2021.08.21]
[31] 王郁智、章淑娟、朱正一， 升遷機會、社會支持、工作滿意度與留任意願之相關性研究‧志為護理，5(4)，90-101 [Accessed, 2020.8]
[36] 吳玲珠（2013）。某區域醫院護理人員專業自主性與工作滿意度及相關因素之探討。美和科技大學健康照護研究所碩士論文，屏東縣。[Accessed, 2020.12.25]
[37] 黃玉玲（2012）。某醫學中心手術室護理人員自我效能、專業承諾、工作壓力對工作滿意度之影響。國立臺北護理健康大學護理研究所碩士論文，台北市。 取自https://hdl.handle.net/11296/b279f7[[Accessed,2021.04.01]
[41] 弗魯姆的期望理論(2022年01月26日)。在中文百科https://www.newton.com.tw/wiki/弗魯姆的期望理論 [Accessed,2022.01.26]
[42] 雲安琪（2016）。工作滿意度、護理人員留任意願-以職場暴力為調節變數。元培醫事科技大學企業管理系碩士班碩士論文，新竹市。 取自https://hdl.handle.net/11296/dc4mn9 [Accessed,2022.01.26]
[43] 弗魯姆的期望理論(2022年01月26日)。在維基百科https://wiki.mbalib.com/zh-tw/弗魯姆的期望理論 [Accessed,2022.01.26]
[44] 戴國良，人力資源管理-企業實務導向與本土個案實例(五版)，2017。[Accessed, 2022.01.25]
[45] 趙其文（2002）。人力資訊管理。14，436-453。[Accessed,2022.01.26]
[48] 朱彷（2011）。麻醉護理人員組織承諾與工作滿足相關性探討。中臺科技大學護理研究所碩士論文，台中市。[Accessed, 2021.03.14]
[49] 陳美惠、簡莉盈(2010).居家護理人員工作滿意度及相關因素之探討.護理雜誌，57 (2)，39-48。[Accessed, 2021.03]
[50] 何等，2011-何月妃、連雅慧、艾昌瑞(2011)‧自我監控、工作滿意與情緒勞務對護理人員相關之研究‧運動健康休閒學報，2，244-256 [Accessed, 2021.08]
[51] 胡玉英、李碧霞、張媚、孫吉珍(2007)等，護理人員的激勵與工作滿意度之相關性研究‧長庚護理，18(3)，341-351。[Accessed, 2021.08]
[52] 陳美錦（2012）。南部醫學中心麻醉護理人員工作壓力、工作滿意度與生活品質相關性探討。美和科技大學健康照護研究所碩士論文，屏東縣。[Accessed, 2021.06.29]
[53] 張華蘋（2006）。護理人員工作投入與工作滿足相關性之探討。中臺科技大學醫護管理研究所碩士論文，台中市。[Accessed, 2021.07.05]
[58] 林誠、張芳梓(2008)。〈醫院感染管制人員工作投入、工作壓力及工作滿意度之探討〉。《健康管理學刊》，第六卷第一期，頁33-47。[Accessed, 2021.07.19]
[59] 鄧明芬（2013）。護理人員情緒智力、工作壓力與工作滿意度相關性研究－以醫學中心為例。慈濟大學護理學系碩士班碩士論文，花蓮縣。[Accessed, 2020.12.18]
[61] 劉長安、施婉華、曾貴英，某醫學中心臨床護理人員工作滿意情形及影響因素之探討，榮總護理，14:2卷頁143-153。[Accessed, 2021.07]
[62] 陳麗芳、朱大維、周承珍 (2005)。某醫學中心婦產兒科護理人員之生涯壓力、工作滿意與離職傾向探討。長庚護理，16 (3)，264-273。[Accessed, 2021.08]
[63] 林素鉁、陳重光、黃莉珍、侯東旭(2010)。台灣中部之區域教學醫院手術 室護理人員之工作壓力及其工作滿意度相關性研究。若瑟醫護雜誌 ，4 (1)，15-34。[Accessed, 2021.07.23]
[66] 郭淑珍、陳怡君（2009）。失眠與工作壓力：深度訪談使用安眠藥物的女性護理人員。臺灣衛誌， 29（2），131–143。[Accessed, 2021.07.23]
[68] 曾雯琦、林秋芬、林麗英、盧美秀、蔣立琦(2017)．發展臺灣醫院護理師工作滿意度量表與信效度檢測．護理雜誌，64 (2)，44-54。[Accessed, 2021.04.23]
[71] 李君如、張芸愷(2007)，「國際航線女性空服員身心健康與工作壓力之研究」，健康管理學刊，第五卷第一期，頁 1-23。[Accessed ,2021.06]
[72] 吳佳珍等人-生活品質的概念分析．榮總護理，14(1)，102-106。[Accessed ,2021.08]
[75] 李卿雲（2011）。台灣天主教醫院護理人員情緒勞務及心理健康之關係。國立臺北護理健康大學健康事業管理研究所碩士論文，台北市。[Accessed ,2021.06.16]
[76] 邢慧芬（2013）。護理人員之休閒參與、休閒阻礙及身心健康-以某醫學中心淡水院區為例。國立臺北護理健康大學生死教育與輔導研究所碩士論文，台北市。[Accessed ,2021.03.31]
[78] 王雅雲（2019）。應用統計建模與機器學習於勞工工時之預測分析與比較。國立臺北大學統計學系碩士論文，新北市。[Accessed ,2021.06.25]
[79] 楊志清，應用機器學習R軟體實務演練，2020。[Accessed, 2021.03.16]
[80] 陳樹衡、郭子文、棗厥庸(2007)，「以決策樹之迴歸樹建構住宅價格模型－台灣地區之實證分析」，住宅學報，第16卷第1期，pp.1~20。[Accessed, 2021.08.21]
[81] 鄧莉雅（2015）。決策樹分析與羅吉斯迴歸於資料探勘的整合運用：以人事資料與民眾健康影響因素之探討為例。國立臺灣師範大學全球經營與策略研究所碩士論文，台北市。[Accessed, 2021.08.08]
[82] 碼農充電站，決策樹演算法-理論篇，2020 https://iter01.com/552726.html[Accessed, 2021.08.27]
[83] https://bigdatafinance.tw/index.php/tech/392-2017-06-01-機器學習經典算法優缺點總結[Accessed,2022.01.12]
[84] 陳家榆（2020）。以機器學習建立青少年自殺意圖預測模型。國立臺北護理健康大學資訊管理研究所碩士論文，台北市。[Accessed, 2022.01.01]
[85] 吳政叡，國家教育研究院，2012 https://terms.naer.edu.tw/detail/1679037/[Accessed, 2021.08]
[86] 周秉誼，淺談深度學習原理及應用，國立台灣大學-計算機及資訊網路中心-電子報，2016。[Accessed, 2021.08.16]
[87] 曾婉菁，機器學習研究，2017 https://www.cepp.gov.tw/TheFiles/publication/8933a6d9-5baf-4e44-a80e-41627407c2f6.pdf 印刷科技34卷(2,p15-16)。[Accessed, 2021.06.29]
[88] 簡單線性迴歸分析(simple linear regression) http://eschool.kuas.edu.tw/tsungo/Publish/15%20Multiple%20regression%20analysis.pdf。[Accessed, 2021.06]
[89] 多元線性迴歸分析(multiple regression model)https://www.yongxi-stat.com/multiple-regression-analysis/。[Accessed, 2021.06]
[90] https://jamleecute.web.app/logistic-regression-part1-羅吉斯迴歸/。[Accessed, 2021.07.01]
[91] 葉名山、吳承瑋，以羅吉斯迴歸模式分析影響汽車道路駕駛考驗通過因素及汽車道路駕駛考驗實施現況探討，2018。[Accessed, 2021.07.03]
[92] 程式前沿（2017）。隨機森林原理。2017年8月6日。取自https://codertw.com/%E7%A8%8B%E5%BC%8F%E8%AA%9E%E8%A8%80/574613/ [Accessed, 2022.01.16]
[93] 鄭州IT培訓，https://kknews.cc/zh-tw/code/l33zreg.html
[Accessed, 2022.01.16]
[94] 柯奕吉（2020）。應用機器學習於慢性阻塞性肺病預測模型之建立。國立臺北護理健康大學資訊管理研究所碩士論文，台北市。[2021.12.31]
[99] 吳梓豪（2019）。以Python實作多元入學學生之流失率與學業表現的分析。南華大學資訊管理學系碩士論文，嘉義縣。[Accessed, 2021.08.27]
[100] 陳寬裕、王正華，論文統計分析實務 SPSS 與 Amos 的運用。[Accessed, 2022.01.08]
[101] https://medium.com/數學-人工智慧與蟒蛇/抽樣與蒙地卡羅-二-蒙地卡羅方法與重要性抽樣-7558764151b9[Accessed.2022.01.15]
[102] 機器學習回顧篇(16):蒙特卡洛演算法https://www.gushiciku.cn/pl/pZUq/zh-tw
[Accessed.2022.01.15]
[103] 林英志，Python 3.x 機器學習基礎與應用特訓教材，2021。[Accessed,2022.01.27]
[105] 莊玉仙、林淑媛、 陳秀月、蔡佩玲 (2008).新進護理人員的工作壓 力與社會支持之調查一以高雄某區域教學醫院為例
[106] 鍾正姮、陳绣琴、黃升苗（2004）。手術室護理人員工作滿意度調查。長庚護理，15（1），15-21。[Accessed, 2022.01.14]
[107] 王健楠（2015），輪班工作之健康效應:系統性回顧與統合分析中華職業醫學雜誌 22(3):155-165, 2015[Accessed, 2022.01.15]
[108] 中正e報（2015），台灣護理長年過勞的現況https://enews.ccu.edu.tw/台灣護理-長年過勞的現況-65e04bc0af70。[Accessed, 2022.01.15]
[109] 七氟醚(2022年01月28日)。在維基百科https://zh.wikipedia.org/wiki/七氟醚 [Accessed,2022.01.28]
[111] 掌上醫訊(2016)，圍麻醉期醫務人員意外傷害，如何防護？https://kknews.cc/zh-tw/health/p4nkv2.htm [Accessed, 2022.01.28]
[112] 麻醉廢棄監測，(2022) https://www.gasmet.com/cn/applications/safety/anesthetic-waste-gas-monitoring/ [Acecessed, 2022.01.28]
[113] 台北市政府（2019），職場健康管理與促進實務，台北市。[Accessed, 2022.01.15]
[114] 何登媚（2011）。醫護人員對工作制度滿意度之研究─以某公、私立醫學中心為例。中華大學科技管理學系碩士班碩士論文，新竹市。[Accessed, 2022.01.15]
[115] 張瓊櫻等人（2008）護理人員工作負荷、健康狀況與工作滿意度探討，南臺灣醫學雜誌 ； 4卷1期 (2008 / 03 / 01) ， P16 - 22[Accessed, 2022.01.15]
[116] 胡淑惠（2011）。未婚女性護理人員生活滿意度及相關因素探討－以南部某醫學中心護理人員為例。長榮大學護理學系碩士班碩士論文，台南市。[Accessed, 2022.01.15]
[117] 潘惠玟（2007）。護理人員之健康生活品質研究。亞洲大學健康管理學院，台中縣。[Accessed, 2022.01.14]
[118] 黃毓華（2015）。護理人員之社會心理工作特性、工作倦怠與身心健康之相互影響—固定樣本追蹤研究。台灣衛誌[Accessed, 2022.01.15]
[119] 陸洛，李惠美，謝天渝等人（2005）。醫師職業壓力與身心健康、職業倦怠之關係: 以高雄市牙醫師為例，高雄市。[Accessed, 2022.01.15]
[120] 陳凱娣（2021）。護理人員飼養寵物與身體活動、身心健康之關係。國立臺北護理健康大學休閒產業與健康促進研究所碩士論文，台北市。取自https://hdl.handle.net/11296/32fmtw [Accessed, 2022.02.08]
[121] 衛福部(2018)。勞動基準法下護理排班問答暨合理護理排班指引與範例，台北市。[Accessed, 2022.01.15]



英文部分：
[3] Roizen, M. F.（2005）. Preoperative Evaluation. In Miller, R.D.,（6th ed.）, Miller''s Anesthesia （pp. 927-938）. Philadelphia, Pennsylvania: Elsevier Churchill Livingstone. [Accessed, 2021.08]
[4] Mahoney CB, Lea J, Schumann PL, Jillson IA. Turnover, Burnout, and Job Satisfaction of Certified Registered Nurse Anesthetists in the United States: Role of Job Characteristics and Personality. AANA J. 2020 Jan;88(1):39-48. PMID: 32008617. [Accessed, 2020.07.20]
[5] V. MEEUSEN, K. VAN DAM, C. BROWN-MAHONEY, A. VAN ZUNDERT and H. KNAPE.(2010). Burnout, psychosomatic symptoms and job satisfaction among Dutch nurse anaesthetists: a survey. Acta Anaesthesiol Scand 2010; 54: 616–621 . [Accessed, 2020.07.21]
[7] Lin, C. J., Wang, H. C., Li, T. C., & Huang, L. C. (2007). Reliability and validity of nurse’s job satisfaction scale and nurse’s professional commitment. Mid-Taiwan Journal of Medicine, 12(2), 65-75. [Accessed, 2021.04.22]
[8] Cabitza F, Banfi G. Machine learning in laboratory medicine: waiting for the flood? Clin Chem Lab Med. 2018 Mar 28;56(4):516-524. doi: 10.1515/cclm-2017-0287. PMID: 29055936. [Accessed, 2021.04.22]
[9] Joeky T. Senders, Patrick C. Staples, Aditya V. Karhade, Mark M. Zaki, William B. Gormley, Marike L.D. Broekman, Timothy R. Smith, Omar Arnaout,Machine Learning and Neurosurgical Outcome Prediction: A Systematic Review,World Neurosurgery, Volume 109,2018,Pages 476-486.e1,ISSN 1878-8750. [Accessed, 2021.03]
[11] Thabtah F. Machine learning in autistic spectrum disorder behavioral research: A review and ways for- ward. Informatics for Health and Social Care. 2018:1–20. [Accessed, 2021.03.08]
[12] Peng X, Lin P, Zhang T, Wang J. Extreme learning machine-based classification of ADHD using brain structural MRI data. PloS one. 2013; 8(11):e79476. https://doi.org/10.1371/journal.pone.0079476 PMID: 24260229 [Accessed, 2021.03]
[13] Bone D, Goodwin MS, Black MP, Lee CC, Audhkhasi K, Narayanan S. Applying machine learning to facilitate autism diagnostics: pitfalls and promises. J Autism Dev Disord. 2015 May;45(5):1121-36. doi: 10.1007/s10803-014-2268-6. PMID: 25294649; PMCID: PMC4390409.] [Accessed, 2021.05.08]
[14] Walsh CG, Ribeiro JD, Franklin JC. Predicting suicide attempts in adolescents with longitudinal clinical data and machine learning. J Child Psychol Psychiatry. 2018 Dec;59(12):1261-1270. doi: 10.1111/jcpp.12916. Epub 2018 Apr 30. PMID: 29709069. [Accessed, 2021.04.28]
[15] Kessler RC, Warner CH, Ivany C, Petukhova MV, Rose S, Bromet EJ, Brown M 3rd, Cai T, Colpe LJ, Cox KL, Fullerton CS, Gilman SE, Gruber MJ, Heeringa SG, Lewandowski-Romps L, Li J, Millikan-Bell AM, Naifeh JA, Nock MK, Rosellini AJ, Sampson NA, Schoenbaum M, Stein MB, Wessely S, Zaslavsky AM, Ursano RJ; Army STARRS Collaborators. Predicting suicides after psychiatric hospitalization in US Army soldiers: the Army Study To Assess Risk and rEsilience in Servicemembers (Army STARRS). JAMA Psychiatry. 2015 Jan;72(1):49-57. doi: 10.1001/jamapsychiatry.2014.1754. PMID: 25390793; PMCID: PMC4286426. [Accessed, 2021.08.10]
[16] Hochschild Arlie, R. (1983). The Managed Heart: Commercialization of Human Feeling: Berkeley, University of California Press. [Accessed, 2021.06.02]



[18] AANA, https://www.aana.com/about-us/aana-archives-library/our-history
[Accessed, 2021.08.21]
[19] Ray WT, Desai SP. The history of the nurse anesthesia profession. J Clin Anesth. 2016 May;30:51-8. doi: 10.1016/j.jclinane.2015.11.005. Epub 2016 Feb 21. PMID: 27041264. [Accessed, 2021.08.21]
[20] Daugherty L, Fonseca R, Kumar KB, Michaud PC. An Analysis of the Labor Markets for Anesthesiology. Rand Health Q. 2011 Sep 1;1(3):18. PMID: 28083205; PMCID: PMC4945205. [Accessed, 2021.08.21]
[21] Council on Accreditation of Nurse Anesthesia Educational Programs (COA). Standards for Accreditation of Nurse Anesthesia Educational Programs, Revised January 2013. http://www.home.coa.us.com/ accreditation/Pages/Accreditation-Policies,-Procedures-and- Standards.aspx; 2013. [[cited 2013 Oct 16]; Available from: URL: http://www.home.coa.us.com/accreditation/Pages/Accreditation- Policies,-Procedures-and-Standards.aspx]. [Accessed, 2021.08.21]
[30] Hoppock, R. (1935). Job satisfaction. Harper. [Accessed, 2021.07]
[32] Nahm, 1940. Job satisfaction in nursing. The American Journal of Nursing, 40(12), 1389-1392.; [Accessed, 2021.07]
[33] Ma, Chen-Chung PhD; Samuels, Michael E. DrPH; Alexander, Judith W. PhD, RN Factors That Influence Nurses’ Job Satisfaction, JONA: The Journal of Nursing Administration: May 2003 - Volume 33 - Issue 5 - p 293-299 [Accessed, 2021.07.15]
[34] Molinari DL, Monserud MA. Rural nurse job satisfaction. Rural Remote Health. 2008 Oct-Dec;8(4):1055. Epub 2008 Dec 3. PMID: 19061306. [Accessed, 2021.07.07]
[35] Mueller CW, McCloskey JC. Nurses' job satisfaction: a proposed measure. Nurs Res. 1990 Mar-Apr;39(2):113-7. PMID: 2315065. [Accessed, 2021.07.07]
[38] Maslow, A. H. (1981). Motivation and personality. Prabhat Prakashan. [Accessed, 2022.01.25]
[39] McLeod, S. A. (2020, Dec 29). Maslow's hierarchy of needs. Simply Psychology. www.simplypsychology.org/maslow.html [Accessed, 2022.01.25]
[40] Timmreck TC. Managing motivation and developing job satisfaction in the health care work environment. Health Care Manag (Frederick). 2001 Sep;20(1):42-58. doi: 10.1097/00126450-200120010-00007. PMID: 11556553.[Accessed,2022.01.25]
[46] Penz K, Stewart NJ, D'Arcy C, Morgan D. Predictors of job satisfaction for rural acute care registered nurses in Canada. West J Nurs Res. 2008 Nov;30(7):785-800. doi: 10.1177/0193945908319248. Epub 2008 Jul 8. PMID: 18612089. [Accessed, 2021.02.03]
[47] Chen, M. C., Huang, Y. W., Hou, W. L., Sun, C. A., Chou, Y. C., Chu, S. F., & Yang, T., (2014) The Correlations between Work Stress, Job Satisfaction and Quality of Life among Nurse Anesthetists Working in Medical Centers in Southern Taiwan, Nursing and Health 2(2): 35-47. [Accessed, 2021.06]
[54] Albashayreh A, Al Sabei SD, Al-Rawajfah OM, Al-Awaisi H. Healthy work environments are critical for nurse job satisfaction: implications for Oman. Int Nurs Rev. 2019 Sep;66(3):389-395. doi: 10.1111/inr.12529. Epub 2019 Jun 17. PMID: 31206654. [Accessed, 2021.02.01]
[55] Kounenou, K., Aikaterini, K., & Georgia, K. (2011). Nurses` communication skills: Exploring their relationship with demographic variables and job satisfaction in a Greek sample. Procedia - Social and Behavioral Sciences, 30, 2230-2234. doi:10. 1016/j.sbspro.2011.10.435 . [Accessed, 2021.06]


[56] Mrayyan, M. T. (2005). Nurse job satisfaction and retention: Comparing public to private hospitals in Jordan. Journal of Nursing Management, 13(1), 40–50. https://doi.org/10.1111/j.1365-2834.2004.00453.x [Accessed, 2021.06]
[57] Ross J, Jones J, Callaghan P, Eales S, Ashman N. A survey of stress, job satisfaction and burnout among haemodialysis staff. J Ren Care. 2009 Sep;35(3):127-33. doi: 10.1111/j.1755-6686.2009.00102.x. PMID: 19689694.
[Accessed, 2021.06]
[59] Charlotte, S. (2007),job satisfaction among Arizona adult nurse practitioners, Journal of Nurse Practitioners, 19(1), 30-34. doi:10.1111/j.1745-7599.2006.00187.x [Accessed, 2020.07.20]
[64] Dunaway LJ, Running A. Job satisfaction as self-care within a restrictive regulatory environment: Nevada's study. J Am Acad Nurse Pract. 2009 Oct;21(10):557-64. doi: 10.1111/j.1745-7599.2009.00446.x. PMID: 19796290. [Accessed, 2021.07]
[65] Wild P., Parsons V. & Dietz E. (2006) Nurse practitioner’s characteristics and job satisfaction. Journal of the American Academy of Nurse Practitioners 18(11), 544– 549. [Accessed, 2021.07]
[67] Negrusa S, Hogan P, Jordan L, Hoyem R, Cintina I, Zhou M, Pereira A, Quraishi J. Work patterns, socio-demographic characteristics and job satisfaction of the CRNA workforce - Findings from the 2019 AANA survey of CRNAs. Nurs Outlook. 2021 May-Jun;69(3):370-379. doi: 10.1016/j.outlook.2020.12.012. Epub 2021 Feb 9. PMID: 33579515. [Accessed, 2021.07.15]
[69] Faragher EB, Cass M, Cooper CL. The relationship between job satisfaction and health: a meta-analysis. Occup Environ Med. 2005 Feb;62(2):105-12. doi: 10.1136/oem.2002.006734. PMID: 15657192; PMCID: PMC1740950. [Accessed, 2021.03.27]
[70] Natasha Khamisa, Karl Peltzer, Dragan Ilic, Brian Oldenburg,Effect of personal and work stress on burnout, job satisfaction and general health of hospital nurses in South Africa,Health SA Gesondheid,Volume 22,2017,Pages 252-258,ISSN 1025-9848 [Accessed, 2020.04.24]
[73] Cheng TA, Williams P. The design and development of a screening questionnaire (CHQ) for use in community studies of mental disorders in Taiwan. Psychol Med. 1986 May;16(2):415-22. doi: 10.1017/s0033291700009247. PMID: 3726013. [Accessed, 2021.06.15]
[74] Ware JE Jr. SF-36 health survey update. Spine (Phila Pa 1976). 2000 Dec 15;25(24):3130-9. doi: 10.1097/00007632-200012150-00008. PMID: 11124729. [ Accessed, 2021.06]
[77] Bini SA. Artificial Intelligence, Machine Learning, Deep Learning, and Cognitive Computing: What Do These Terms Mean and How Will They Impact Health Care? J Arthroplasty. 2018 Aug;33(8):2358-2361. doi: 10.1016/j.arth.2018.02.067. Epub 2018 Feb 27. PMID: 29656964. [ Accessed, 2021.06.24]
[95] Schat, A. C., Kelloway, E. K., & Desmarais, S. (2005). The Physical Health Questionnaire (PHQ): construct validation of a self-report scale of somatic symptoms. Journal of occupational health psychology, 10(4), 363. [Accessed, 2021.03.31]
[96] Wikipedia, "Python," [Online]. Available: https://zh.wikipedia.org/wiki/Python. [Accessed, 2021.07.22]
[97] Baidu, "Python," [Online]. Available: https://baike.baidu.com/item/Python/407313 [Accessed, 2021.07.22]
[98] TIOBE. TIOBE Programming Community Index. Accessed: 2021/4/3. Available: https://www.tiobe.com/tiobe-index/ [Accessed, 2021.07.22]
[104] D. A. Cieslak and N. V. Chawla, "Learning decision trees for unbalanced data," in Joint European Conference on Machine Learning and Knowledge Discovery in Databases, 2008, pp. 241-256: Springer.[Accessed,2022.01.01]
[110] Varughese, S., & Ahmed, R. (2021). Environmental and Occupational Considerations of Anesthesia: A Narrative Review and Update. Anesthesia and analgesia, 133(4), 826–835. https://doi.org/10.1213/ANE.0000000000005504 [Accessed,2022.01.28]