作者：義大醫院 放射診斷科 李浩銘 醫師

相關文章：[快訊] 李浩銘醫師關於使用鋇劑與闌尾炎關聯性之健保資料庫研究，獲 American Journal of Medicine 刊登！

自參加 2014 年底的《健保資料庫工作坊》至今，孵了將近二年才生出第一篇成果，說來有些汗顏。小弟以這些淺薄經驗，提供給各位參考。其實這篇被接受的主題，已不記得是曾經做過的第幾個題目。

審視資源與自身強項

2015 年我申請院方的研究計畫，透過外包的統計公司進行研究設計與 data mining 後的分析，但一個案子的修改往往要來回十多次以上。外包的統計公司在效率低與配合意願不高的情況下，院方也不願意繼續和該公司簽約，我的研究也隨之胎死腹中。

儘管如此，這一年我還是有所收穫，知道怎麼快速、精準的寫 data mining protocol，讓統計分析團隊知道我們想找哪些變項？有哪些邏輯條件設定？

雖然透過《健保資料庫工作坊》，讓我一窺資料庫處理軟體 (MySQL) 之堂奧，但投入數十小時的學習後，深覺自己不是這方面的料。因此我轉而加強自己尋找臨床問題的能力，同時進行大量的背景閱讀。

至於統計與 program coding 部份，我還是找其他專業者協作。後來很慶幸找到高嘉鴻老師的團隊。（我知道很多人對他們的作法有爭議，但是他們也的確幫到我很多，開啟我很多的視野與想法。好壞與否非此處的重點，暫且不談。）

我的健保資料庫研究之作業流程

我的經驗是要找到有興趣、且健保資料庫能作的主題不難。但是魔鬼就在細節中，建議務必進行大量的背景閱讀，參考別人作過的類似研究，看看人家的 protocol 怎麼寫？抓什麼變項？有哪些 bias 或 confounding factors？可用什麼實驗設計方法排除或減低其影響？還有哪些沒回答的問題可以舉一反三探討？

一個主題，我大概會找 30 到 40 篇 reference 來看，background study 約耗時一周到一個月，視忙碌程度而異。能建立一個比較完整的 concept、有把握寫出 data mining protocol 後，下一步就是交給統計團隊跑初步結果，接著進行解讀。

理想的 workflow 可以參考下圖，這圖來自我在科內會議分享 NHIRD 研究心得的簡報，本想多拉一些同伴合作，可惜沒有劉備般的魅力值 XD。簡報做的簡陋，野人獻曝、請勿見怪。

持續努力的動機與獲得的樂趣

就算分析出來的結果在解讀後不如預期，其實閱讀背景知識的過程也是一種樂趣，因為會發現很多離開學校後的知識缺口。譬如有一次我想查影響 AV shunt patency 的 risk factor，一路往下挖出 neointimal hyperplasia、atherosclerosis 和 venous thromboembolism 等機轉差異，便有種豁然開朗的喜悅（啊～原來我從前沒弄懂的東西，現在有這麼多進展了）。

還有很多的樂趣來自於「跨界」，有了解決問題的動機，便能有熱忱與其他科的醫師互動交流、虛心求教，為自己打開不同的窗。比如問心臟外科同學關於 AV shunt 的健保申報行為，還有病人 outcome 關注的點與放射科有何不同。跟腎臟科前輩也聊了多次，研究可行的 AV shunt failure 之定義。

有點可惜的是 2016 年因太太懷孕，環境上無法投資自己再多上些相關的課程，而在投稿中繞了些遠路。這篇被接受的論文，光投稿就耗時半年多，透過跟 reviewer 一次次的交手學習，終於在第 6 還是第 7 次投稿後獲得刊登。於期刊選擇和投稿後的審閱過程，我想我還沒有足夠好的策略應對，很多也是高主任幫忙提點，希望在往後能排出時間再次參與蔡校長的工作坊。

最新活動