以貝氏時空間模型分析台灣 2004 至 2012 年缺血性中風資料

Abstract

根據衛生福利部歷年的十大死因統計，缺血性中風經常名列台灣十大死因的前三名，其高死亡率與後續的殘疾往往對週遭的人造成很大的負擔。國外的研究如 (Kunisawa et al 2013) 曾指出，缺血性中風後的死亡風險對於不同地區的醫療資源分配情況會有所不同，特別是對於無法於病發後即刻獲得醫療資源的偏鄉地區，會有較高的死亡風險，然而國內對於此類空間相關之研究卻是相當缺乏。有鑑於此，本研究希望能妥善分析缺血性中風後死亡率與治療與次級預防藥物之使用差異及相關社會因子的時空相關性，就能提供有效的醫療服務行為並改善醫療資源的分配，進而預防二次中風與降低中風後死亡率。 本研究參考(Waller Carlin Xia & Gelfand 1997) 與(Banerjee Carlin & Gelfand 2015) ，提出Poisson 分配與時空間項的貝氏階層廣義線性混合模型(Bayesian Hierarchical Generalized Linear Mixed Model BHGLMM) 分析2004 年至2012 年台灣健保資料庫的中風死亡個數的資料，並且使用MCMC 演算法估計模型參數，並搭配風險熱圖 (risk mapping) 技巧分析缺血性中風後死亡率與治療與次級預防藥物之使用在時間與空間上的差異，進一步找出與中風後死亡危險性相關之重要因子。我們希望透過妥當分析其地理空間上所造成的風險差異，以妥當安排醫療資源，降低因醫療資源 分配不均所造成的生命傷害。 分析結果中發現屏東地區、東部地區及接近中央山脈等偏鄉地區事實上具有比較高的死亡風險，且其風險具有空間群聚性。我們認為此結果可能來自於醫療資源的分配不均，也希望藉由此分析建議相關單位妥善分配醫療資源。

Date of Award	2018 Jun 19
Original language	Chinese
Supervisor	Kuo-Jung Lee (Supervisor)