2016 / 9 / 6

[課前問答] 用健保資料庫讓自己被看見

 

作者:陽光醫院 精神醫學部 張俊鴻 醫師

 

 

01_seen_chchang

 

問:怎樣找健保資料庫題目?健保資料庫設限已增加,且投稿門檻也大增,這樣在題目設計上該如何修正?(耳鼻喉科主治醫師、胸腔內科主治醫師)

 

答:從臨床的題目出發!根據其他強者的經驗和我自己的體驗,健保資料庫研究特別適合四類題目:長期、跨科、特殊與稀少。

 

【長期】一般研究多為半年至三年,但是百萬歸人檔就有 18 年 (1996 – 2013), 以我們團隊在 IASP 得獎的海報論文為例,憂鬱症發生吞藥自殺的發生率追蹤 12 年,如果用 3 年研究計畫就要申請四期,不太容易。

 

【跨科】因為就醫自由,病人就醫資料容易分散在各醫療單位,若用單一醫院的資料庫容易有追蹤偏差。但是全國性的健保資料庫幫我們克服這個問題。例如:我們團隊另一個研究「肝癌病人發生憂鬱症的風險」就是跨科的題目。

 

【特殊】這裡指的是特殊族群,例如:兒童、精神科病友這兩個族群,臨床試驗難做,因為 IRB 審查會更嚴格。以我們團隊 CINP 得獎的論文為例,對象是精神分裂有合併病毒性肝炎的病友,這在臨床試驗難做,第一、IRB 嚴格,第二、收集個案不易,第三、容易追蹤過程中流失。另外,健保獨步全球給付中醫跟牙醫,所以,接受中醫、牙醫治療的題目也很適合。

 

【罕見】這裡指的是罕見疾病、罕見手術併發症、罕見藥物副作用。

 

綜合這四項原則,就可以有以下的題目發想,例如:

 

  • 【長期】鼻咽癌 / 肺癌超過 10 年以上的預後如何?若接受手術切除 10 年以後的復發發生率如何?
  • 【跨科】進一步問 10 年後得到其他癌症的發生率如何?
  • 【長期 / 特殊】兒童得到鼻咽 / 肺癌的發生率如何?10 年後的預後如何?
  • 罕見若接受手術或化療,罕見的併發症多少?

 

當然這些問題是否有價值,就需要專科的知識,如何用健保資料庫去回答臨床的問題,也歡迎在大會中交流、討論。

 

 

問:做健保資料庫研究時,在 IRB 階段就要把所有要跑的參數決定好嗎?要怎樣可以保留彈性,又不漏掉欄位?(胸腔內科主治醫師)

 

答:假定您是初入門新手要申請加值中心的健保資料庫。IRB 階段只需註明資料庫檔案,尚不需註明參數。

 

例如:IRB 的方法部分需敘述:「資料庫來自衛生福利資料科學中心的個人屬性檔、全民健保處方及治療明細檔_門急診、全民健保處方及治療明細檔_住院、全民健保處方及治療明細檔_藥局、全民健保處方及治療醫令明細檔_門急診、全民健保處方及治療醫令明細檔_住院、全民健保處方及治療醫令明細檔_藥局、全民健保承保檔、死因統計檔、癌症登記檔 F (2007-2011)、癌症登記檔 SF (2007-2011) 、癌症登記檔 TCDB (2002~2006)、癌症登記年報檔(1979~2011)。」

 

詳細參數的決定,在申請加值中心時候的文件。例如:

 

 

01_chchang_01

 

 

有些參數例如就醫日期是「已加密轉碼」,要另外再申請「特殊需求申請書」。

 

 

01_chchang_02

 

 

所以申請愈多特殊欄位,就須愈多說明,有可能延後審核通過的時間。建議先申請最基本的兩百萬歸人檔案進入加值中心,因為同時期可以申請不同的案子進入加值中心分析,第二個案子可根據在加值中心的資料實作經驗來修改參數。

 

如果有合作的分析師,可以申請跟您一起進入加值中心。一個研究案可申請三個人進入加值中心;若是要考慮自己分析,依據陳育群醫師的建議和 XDite 的學習理論,建議練習基本模式,先寫個五篇再進入第二階段做特別串聯。

 

我們團隊目前以國衛院資料為主,目前也開始嘗試加值中心資料,歡迎在大會中交流討論。

 

 

問:

  1. 請問您對於「國內外學者對於台灣健保資料庫研究的可信度下降」的看法與因應?
  2. 健保資料庫之研究已經相當氾濫,對新手來說,是否仍是一個值得投資的方向?血液腫瘤科主治醫師、腎臟科主治醫師、風濕免疫科住院醫師、PGY

 

答:

 

  1. 用嚴謹的研究與深度的了解去因應!

 

Scientific Reports 這本期刊,某編輯拒絕再接受台灣的健保資料庫文章,但是,實際上該期刊後續還有接受其他以台灣健保資料庫分析的論文。健保資料庫只是研究工具之一,基礎的幹細胞也是研究工具之一,也可能發生資料可信度的問題

 

2014 年的世界精神科流行病學暨公共衛生大會,是我這輩子第一次站上國際學會的舞台,卻是我覺得最尷尬的一次。

 

因為研究的數據分析、統計圖表是分析師做的,我對於研究細節一知半解。國際專家可不是吃素的,問的句句重點。我只能不斷的跳針回覆:「Thank you for your great opinion. I will consult our statistician for further details.」

 

看到台下的外國人一副不可置信的皺眉,可能在想:「這種程度還站上講台。」當下我真的臉紅羞愧地想找洞鑽,於是內心暗暗發誓,以後資料庫分析、統計圖表、撰寫論文我要全部自己來,並且搞清楚。

 

之後 4 個國際獎項,3 個國際演講,通通獨力完成。我將在大會跟您進一步分享如何有策略的努力來累積成績。

 

  1. 看您投資的目的是甚麼?

 

這兩年慢慢有點成績,有些朋友或學弟來問我關於該如何做研究。前幾天,又來了一位積極進取的好青年(男的)。

 

「學長、學長,聽說你做了好幾篇健保研究還得獎!」

「沒有啦,運氣好、運氣好。」

「那……做健保資料庫研究會很難嗎?」

「嗯,不會很難。」學弟面露期待的看著我。

「只是會非常難。」我輕描淡寫的說著。學弟頓時像洩了氣的皮球。

「學長,你耍我。」

 

的確,我不只做健保研究,也收過病人做臨床研究、作 PCR 等基礎研究、作統合分析。這些研究沒有一種是簡單的,但是,健保研究是最可以獨立自主的研究工具,是我最真實的體會。

 

 

問:想請問前輩們從第一次有寫健保資料庫論文的「想法」開始,到真正「寫出第一篇」文章,花了多久時間?寫作過程中遭遇什麼困難?用什麼方法克服?寫出第一篇論文後到目前為止,中間又遇到了什麼「寫作上的瓶頸」(純寫論文的困境,非醫院的升等或派系)?(精神科住院醫師、PGY)

 

答:第一篇的題目是做乳癌的輔助治療與憂鬱症 Adjuvant treatments of breast cancer increase the risk of depressive disorders: A population-based study 是在 2014 年 5 月遇到劉介宇老師討論出來的(老師專長之一為癌症流行病學)。

 

 

01_chchang_00

 

 

真正程式分析是 2014 年 6 月 5 日開始,但是到 2015 年 4 月 15 日才接受。所以從想法到論文被接受,花了將近 11 個月。但是接下來 2015 年 5 月 25 日,接受了第二篇,2015年 7 月 21 日接受第三篇。

 

 

01_change

 

01_chchang_04

 

01_chchang_05

 

 

在做乳癌輔助治療與憂鬱症的過程中,我們注意到臨床中癌症與骨折的議題,也注意到其他癌症,例如:肝癌與憂鬱症的議題,所以想法會不斷的跑出來。但是想法很多如何選擇?首先,依照「長期、跨科、特殊、罕見」的目標協助篩選。我第一個題目比較難,所以拖了 11 個月。

 

另外在寫作的過程中遇到非常多問題,例如:統計圖表不專業、reviewers 的問題繁多。我的建議是:找對好教練,老實練五遍!(可參考蔡校長和 XDite 的學習心法)。所以我陸續參加了新思惟的研究三部曲《健保資料庫工作坊》、《醫學論文與寫作工作坊》、《臨床研究與發表工作坊》,也依照蔡校長等老師的建議一一改進。

 

 

問:請問張俊鴻醫師,

  1. 對資訊科技在未來醫療的應用,包括疾病的診斷和預測有何看法?(精神科住院醫師)
  2. 針對非醫科領域(資工背景,擅長資料探勘與大數據分析)的博士生,想深耕臨床醫學資料分析,有機會嗎?會不會因為非醫科專業而被排斥?(資工所博士生)

 

答:資訊科技正在改變疾病的診斷、預測、甚至我們的未來!今年七月到韓國參加 The International College of Neuropsychopharmacology (CINP),此國際學會創立於 1957 年,歷史悠久且學術成績斐然,例如:鋰鹽發現可治療躁症其中之一的研究者 Mogens Schou,及 Chlorpromazine 的 Heinz E Lehmann 都是創會的發起人之一。大會在第一天撥放影片介紹 CINP 的歷史。

 

大會第一天大講堂,特別安排人工智慧與神經科學的演講 (Computational neuropsychiatry and pharmacology)。

 

 

01_chchang_06

 

 

國際第一大的神經精神藥理學會討論人工智慧與神經科學,讓我覺得非常震撼!因為國際級的學會不侷限在自己的專業,跨領域的結合,從韓國棋手的失敗,可以客觀的以科學層面討論,並探討新科技應用在未來神經科學的可能,讓人感受到國際學會的活力與實力。

 

第二天,則安排腦部影像的演講 (Multimodal human brain imaging of the serotonergic transmitter system)。

 

 

01_chchang_07.png

 

 

在學會的第二段影片也提到,未來神經科學需整合基因、蛋白質體、影像各方面研究,而這些都需要資訊科技的幫忙。重點是台灣、或獨立研究者,是否找到參與時代巨輪前進的切入點。

 

醫學很需要資訊科技的協助,當然也包含資料探勘與大數據分析。臨床資料分析可再細分三類,分別為:健保資料庫、醫院本身的資料庫、及各項研究的資料庫。

 

例如:臺灣人體生物資料內含基因庫,未來若能跟健保資料庫串聯,即可做基因與疾病、藥物的研究。這跨領域的發展,若具有生物統計、研究設計、臨床醫學等基礎知識,會更容易有團隊合作的機會,也歡迎在大會交流討論。

 

 

近期課程