作者：台南新樓醫院 神經內科 謝鎮陽 醫師

相關文章：[快訊] 謝鎮陽醫師團隊回顧台灣健保資料庫研究發展，獲 Clinical Epidemiology 刊登！

大約十年前，我進入成大臨藥科技所攻讀博班，在高雅慧老師的指導下，開始接觸健保資料庫的相關研究，與我同時期進入這領域的人，還有同所的賴嘉鎮老師，以及嘉義基督教醫院的宋昇峯醫師。這幾年下來，我們有了一些研究成果，也同時經歷了許多跟健保資料庫有關的風風雨雨。

在一個因緣際會下，我們起心動念，寫了這一篇有關健保資料庫的文獻回顧文章，不只是總結我們走過的路，更希望它在全部移轉到「衛生福利資料科學中心」（俗稱加值中心）之後，健保資料庫的研究者，在撰寫研究方法時，若提到資料庫與加值中心，能夠有一篇又新又好的工具性文章，可以參考引用。

健保資料庫的前世今生

本文的第一個部分，是向讀者說明台灣健保資料庫的「前世」，包括何時問世、資料庫結構概論、當時的使用方式等等，還有它的「今生」，在公民團體的訴訟壓力下，國衛院資料停止攜出，全部轉移到加值中心之後，除了原本的健保申報資料之外，還增添了哪些大型、全國性的衛生福利資料庫，像是癌症登錄、國民健康訪查。我們也提到，在加值中心內如何連結各種資料庫，提供研究者產出更高水準的成果。

面對兩個常見批評，提供正向觀點。

文章的第二部分，我們提出台灣健保資料庫的兩個常見批評：fishing expedition、validation。前者還曾上過國際學術版面，對此，我們試圖提供一個中立的描述與反思；針對後者，我們則做簡單的文獻回顧，洋洋灑灑地整理出一個大表格，呈現過去包括我們在內，許多健保資料庫研究者，在確立診斷正確性上所做的努力，被驗證過的疾病，包括：中風、心肌梗塞、癌症、各種胸腔疾病和靜脈曲張。

除了證明資料證確性之外，也歡迎研究同好，善用此表格，為您的健保資料庫研究在方法上加分。

如何處理那些「干擾因子」？

健保資料庫研究另一個常見的問題，就是存在著「未被測量的干擾因子」 （unmeasured confounders），例如我們的資料庫當中，缺乏疾病嚴重度這個重要變項，可能會干擾研究結果，產生偏誤（bias）。

對此，我們向讀者展示了過去發展或使用過的一些方法，例如「中風嚴重度指標」，還有「傾向分數校正法」。前者，算是我們團隊原創的；而後者，是我們參考過去別人的做法，再加以改良精進的。

資料庫連結，成為強大的研究引擎。

展望未來，我們提供了一個藍圖：在加值中心，以健保資料庫為核心，連結其他各種大型的衛生福利資料庫。

個人認為，資料庫連結這部分，台灣算是在全世界走得相當前面的，這算是我們的強項，真不該妄自菲薄。

而藉著人工智慧與自然語言處理等技術創新，希望有朝一日，我們還能進一步探索一些「非結構性資料」，例如電子病歷系統的文字探勘（text mining）。

總之，未來健康大數據研究，還有無限的可能，需要我輩持續開拓與耕耘，就讓我們一起繼續努力吧！

最新活動