『藥物濃度稀釋』
▍這真的是一個很嚴肅的問題，我雖然不正經慣了，但這篇文章我真的沒辦法用一貫戲謔的態度來書寫。
看了新聞心裡很難受，翻來覆去睡不著，爬起來寫了這篇文。
本文不針對臨床人員做檢討，我相信當事者護理師早已承擔非常大的心理負擔了，希望大家能給予關懷，而非責備，我們應該著重於流程的檢討。
▍這絕對不是醫學臨床上第一次因為稀釋造成的病安事件，也不會是最後一次。
早在BNT進來之前，我就跟同事討論過很多次關於藥物稀釋的這個隱憂。
事實上關於藥物注射錯誤這件事，身為麻醉醫師，同業們應該很多都跟我一樣，有著嚴重的被害妄想症。
『0.45毫升的疫苗原汁，加入1.8毫升的生理食鹽水，再抽0.3毫升來注射。』
光這個流程聽起來就會讓我膽戰心驚。事實就是：只要是人，都有機率會出錯。
▍為什麼我老是砲火猛烈，要針對那些沒有麻醉醫師，只有密醫麻醉屍的婦產科診所？
一直以來，我曾經不只一次被醫界前輩摸頭，要我以和為貴。『你一個人又能改變什麼呢？白白得罪人而已』
以和為貴你媽，要跪你跪。
▍舉個我自身的經歷吧，當年我還在彰化基督教醫院的時候，就收過不只一次由婦產科診所緊急轉送來的病人。
原因就是『藥物濃度稀釋錯誤』，想當然的，這些診所、這幾件病人的麻醉，都沒有麻醉醫師，診所只有聘用 #自稱麻醉師的密醫麻護幫產婦麻醉。
半身麻醉脊椎嗎啡的抽藥流程：
📌1毫升的嗎啡原汁，抽出0.1毫升。
📌加入0.9毫升的布比卡因。
📌稀釋液再抽出0.3毫升。
📌再加入2毫升的布比卡因。
以上錯任何一個步驟都會出事。有人忘了稀釋，這就是打了十倍劑量，有人稀釋完，卻打入原汁嗎啡。總之，就是同一個結果，昏迷不醒加上呼吸抑制，當然，診所告訴家屬的說法，幾十年來通常都依然是幹你娘的麻藥過敏。
▍一直以來，醫界一直在改善給藥的流程，如何避免錯誤給藥，或是萬一錯誤給藥的時候，如何讓傷害減小。
舉例來說，整理控應該都很愛標籤機吧？
2015年，美國麻醉醫師協會發布一份聲明，建議使用顏色分類的藥物標籤。
淺藍色都是鴉片類藥物，如芬坦尼、嗎啡、配西汀。紅色都是肌肉鬆弛劑，橘色都是鎮定安眠藥物，黃色是麻醉誘導藥物。好處是就算你誤拿其他藥物，至少是同類藥。
如果病人在你打完半身麻醉後昏迷不醒而且呼吸暫停，你可以首先懷疑是鴉片類藥物過量，不管你是拿到嗎啡還是芬坦尼，不管你是忘記稀釋還是打太多，你的處理糾正措施都是給予納洛酮。這除了可以預防不良事件的發生，也可以在不幸發生意外時降低傷害。
畢竟在很多時候，你想給予的是某一類藥，而不一定必須是某一種藥。病人動，我要給肌肉鬆弛劑，就算把Ｎ拿成Ａ或Ｅ，不會造成實際的傷害。病人痛，我要給予鴉片類止痛藥，就算把Ｍ拿成Ｆ或Ｐ，不會有太大傷害。
用顏色區分藥物，會大幅度降低了你本來要止痛，卻給了肌肉鬆弛劑這樣的可怕後果。
當然三讀五對，還有不要在檯面上放太多不需要的藥物，這也都是降低意外發生的手段。
▍有個回憶我記得很深刻，如果當年一起值班的老同事在這裡看到本文，應該也會有印象。
住院醫師時期，我假日都去分院值加護病房，有一次照顧到神外開顱術後的病人。
主治醫師留下一個醫囑，「每隔12小時要給予病人藥物，需要由值班醫師親自手動推藥。」
在病床側，我拒絕了護理師遞給我的藥物，因為那是一支10cc空針，裡面抽了10cc的透明液體，上面沒有任何標籤。
謹慎型人格（被害妄想症）發作的我，堅持拒絕了那隻我無法分辨內容物的藥物，堅持要護理師重新給我一瓶藥物，我自己親自稀釋，自己推藥。
護理師同事覺得我難搞，神外主治醫師打電話來破口大罵，覺得我一個小住院醫師，居然敢挑戰他的權威不幫他給藥？（其實不是，我只是堅持要確認清楚，我注射進病人的藥物是什麼。）
還好的是，因為我平常值班就旺到炸天，常常一個晚上就急救五床，插了五支中樣靜脈導管五支氣管內管，兩分鐘插好管，五分鐘內一針打上ＣＶＰ，這個是日常生活技能。所以長期革命情感之下，護理師們對我有基本的信任感，雖然碎碎念我的龜毛，還是願意照我的意思，拿新的藥物來讓我重抽。
要是當時我沒堅持，要是裡面的藥物有錯，卻由我親手推進去病人點滴，現在在新聞上被獵巫，下跪道歉的會不會是我？
細思極恐。
▍今天疫苗的事情已經發生，檢討是要做的，但找個第一線護理師來負責背鍋就真的doctor不必了。
現在需要的不是寫報告、獵巫、咎責，或是列入評鑑這種騙外行人的敷衍手段，這真的彷彿有印了無止盡的低能小卡片的滿滿即視感（防中暑小卡、清驗槍小卡、喝水小卡...)。
如何建立一套流程預防再次發生，這才是當務之急。
舉例：我去高端疫苗參訪時，他們一開始就有考慮到這個問題，所以高端疫苗有設計，一人一劑不用分抽也不用稀釋的劑型。
--
(這個數學笑話真的不好笑，就拜託大家不要在算藥物濃度稀釋的新聞下面tag太太了)
抽卡機率數學 在 [閒聊] 抽數期望值計算機- 看板FATE_GO 的必吃
2022/12/10 11:32 更新：已排除了溢位問題，抽數設定無限大應該都可以正常運行
----------------------寫在前面----------------------
1. 本文含有大量數學算式，範圍涵蓋條件機率、二項式定理等數學觀念。
若對數學有強烈過敏或排斥反應，建議直接END看結論或是左轉離開。
2. 本文不含任何統計學觀念，完全只有機率。
3. 本文不考慮任何因抽卡玄學帶來的機率變動影響，也一概不討論玄學對機率之影響。
4. 文末提供之工作表在使用上很簡單，完全不知道這篇在講什麼也可以快樂(?)使用。
5. 本文忽略保底影響。
6. 本文為了計算方便，會將抽卡行為理想化，請自行斟酌下修實際機率。
----------------------------------------------------
大家好，無聊的數學家又來荼毒......分享一些有趣東西給大家了
這件事情本來是一個單純想法
「單抽中PU五星的機率是0.008，那是否1000抽就可期望抽中8隻PU五星？」
「實際上，1000抽中8隻以上PU五星的機率有多少？」
對於一個無課/福袋課玩家而言，石頭是有限的。
一年從營運收到的免費石，可能是幾百~一千多抽的程度。
那麼無課玩家就會想知道：
1. 假如我在一年內想抽到X個五星，用現有的抽數，是否太樂觀了？
2. 我總共有Y抽，在目前的卡池抽到我想要的角色的機率有多少？
3. 一年過去了，我抽到了Z個五星，算是哪一個大洲的人？
以下問題將會一一解答，並提供計算機，大家可以自己算。
(不想看數學的可以END了)
----------------------------------------------------
一切問題從簡單的範例開始。
假如我們用一個紅白球箱子來模擬卡池。
箱子內有4個紅球，1個白球。
抽中紅球算中獎(真容易中獎)，抽完球放回箱中。
那麼抽中紅球機率=4/5=0.8，抽中白球機率=1/5=0.2。
假如只抽1次，抽中紅球機率自然就是0.8。
抽2次的話就開始有趣了，根據結果，會有四種情形：
P(紅紅) = 0.8*0.8 = 0.64
P(紅白) = 0.8*0.2 = 0.16
P(白紅) = 0.2*0.8 = 0.16
P(白白) = 0.2*0.2 = 0.04
當然 0.64 + 0.16 + 0.16 + 0.04 = 1。
抽中兩紅的機率，是P(紅紅) = 0.64。
抽中兩白的機率，是P(白白) = 0.04。
一紅一白的機率，是P(紅白)+P(白紅)=0.16+0.16=0.32。
由於抽中順序不影響其最終機率，所以通常會合併看待。
----------------------------------------------------
讓我們用另一種觀點來看待此事。
下面是一個簡單的算式：
(0.8+0.2)^2
我們當然知道這個答案是1，因為0.8+0.2=1，
且1不管自乘幾次，答案都是1。
但是我們假如直接展開算式，就可以發現與上面的紅白球機率對應：
(0.8+0.2)^2
= 0.8*0.8 + 0.8*0.2 + 0.2*0.8 + 0.2*0.2 = 1。
而(0.8+0.2)^3的機率，也正好與抽樣三次的情況對應：
(0.8+0.2)^3
= 0.8*0.8*0.8 + 0.8*0.8*0.2 + 0.8*0.2*0.8 + 0.8*0.2*0.2
+ 0.2*0.8*0.8 + 0.2*0.8*0.2 + 0.2*0.2*0.8 + 0.2*0.2*0.2
= P(紅紅紅) + P(紅紅白) + P(紅白紅) + P(紅白白)
+ P(白紅紅) + P(白紅白) + P(白白紅) + P(白白白)
= 1。
於此可以類推，抽1000次的機率分布可以由
(0.8+0.2)^1000
展開得出。
可是單純展開仍然無法減少我們的工作，
所以到了本文另一主角：二項式定理出場。
----------------------------------------------------
二項式定理
(x+y)^n 可以展開為 C(n,k)*x^k*y^(n-k) 的級數和。
礙於數學公式不好在批踢踢上打出來，直接引用wiki截圖：
Ref: Wiki二項式定理條目
https://reurl.cc/10keeG
簡單用上面的例子類推
(0.8+0.2)^3
= C(3,0)*(0.8)^3*(0.2)^0
+ C(3,1)*(0.8)^2*(0.2)^1
+ C(3,2)*(0.8)^1*(0.2)^2
+ C(3,3)*(0.8)^0*(0.2)^3
= 1*(0.8)^3
+ 3*(0.8)^2*(0.2)
+ 3*(0.8)*(0.2)^2
+ 1*(0.2)^3
= 1*P(三紅) + 3*P(兩紅) + 3*P(一紅) + 1*P(無紅)
= 1。
那麼我們把中獎機率換成代數，當抽1000次時，就會變成
(不中+中)^1000
= C(1000,0)*P(不中) +
C(1000,1)*P(中一個) +
C(1000,2)*P(中兩個) +
C(1000,3)*P(中三個) +
... +
C(1000,1000)*P(全中)
至此，準備工作完成。
----------------------------------------------------
回到原本問題
1000抽中8隻以上PU五星的機率有多少？
此機率可以看成
P(1000抽中8隻以上PU五星)
= 1 - P(1000抽中0~7隻PU五星)
= 1 - [ C(1000,0)*P(不中) +
C(1000,1)*P(中一個) +
C(1000,2)*P(中兩個) +
... +
C(1000,7)*P(中七個)]
至於 C(1000,N)*P(中N個) 怎麼算？
假如1000抽中1個，表示另外999次都不中
機率就是 C(1000,1)*(抽中)^1*(不中)^999
中二就是 C(1000,2)*(抽中)^2*(不中)^998
中三就是 C(1000,3)*(抽中)^3*(不中)^997
...
以此類推。
完整算式列一下
P(1000抽中8隻以上PU五星)
= 1 - P(1000抽中0~7隻PU五星)
= 1 - [ C(1000,0)*P(不中) +
C(1000,1)*P(中一個) +
C(1000,2)*P(中兩個) +
C(1000,3)*P(中三個) +
C(1000,4)*P(中四個) +
C(1000,5)*P(中五個) +
C(1000,6)*P(中六個) +
C(1000,7)*P(中七個)]
= 1 - [ C(1000,0)*(抽中)^0*(不中)^1000 +
C(1000,1)*(抽中)^1*(不中)^999 +
C(1000,2)*(抽中)^2*(不中)^998 +
C(1000,3)*(抽中)^3*(不中)^997 +
C(1000,4)*(抽中)^4*(不中)^996 +
C(1000,5)*(抽中)^5*(不中)^995 +
C(1000,6)*(抽中)^6*(不中)^994 +
C(1000,7)*(抽中)^7*(不中)^993]
再把實際機率: 抽中=0.008，不中=0.992 代入算式中
大功告成了，算式裡面已經沒有任何未知數了。
於是我們可以把以上過程編進Google工作表中，
然後填上中獎機率與抽數，得出想要的結果。
---------------END請回到這裡看結論---------------
於是乎，經由工作表的努力，得出的結果如下圖
查表可以得知 P(1000抽中8隻以上PU五星) = 54.76%。
也就是說如果你的運氣是排名前54.76%的玩家，
你在任何卡池加總丟1000抽，可以得到8隻以上的PU五星。
(一半以上的玩家可以期待，1000抽中8隻以上PU五星呢)
如果連抽歪五星也想計入呢？把中獎率從0.008調成0.01即可。
另外這個表格也可以計算單個卡池的期望值
假如你想抽奧伯龍池，準備了200抽，
想知道這樣抽中寶1~5的機率有多少
把機率設為0.008，抽數設為200即可。
工作表如下，請自行另存副本/下載取用。
https://reurl.cc/7jbRk9
另外我的公式有寫活，如果覺得中10隻太少想計算更多隻，
選取最後一行往右拖拉即可。
----------------------寫在最後----------------------
1. 此表格有理想化的地方，
在於一年內玩家能領的石頭不是一開始就能領到，而是依時間增加的。
所以途中抽到一半沒石頭的情況，本表無法顧及。
但是判斷單個卡池的期望值不受此影響，可以放心使用。
2. 此表格可套用於其他遊戲卡池，如果該卡池的機率公正的話。
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 49.216.235.245 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/FATE_GO/M.1670523358.A.9D1.html
在討論機率的時候，我們是不討論抽樣方式的
因為不同的抽樣方式會導致不同的機率結果
擅自想像賭場的出貨規則，也是許多賭徒賠得血本無歸的主要原因
沒有人會在絕望的情況下還加注，大輸特輸
賭徒會大輸特輸的原因，往往是因為他自以為掌握了賭場的潛規則
福本伸行的＜賭博墮天錄＞有很傳神的描述，推薦大家看看
(就是那個給開司一瓶啤酒的漫畫續篇啦，不清楚有沒有真人版)
所以上面那個說法除非拿拆包程式碼證據出來，不然我就當在雲了
----
而且這個說法如果為真，那就恐怖了
因為這邏輯等價於抽後不放回的機率模型
每一抽的機率都在跳動，絕對不是表定的0.8%
(基本上如果有程式這樣寫，可以試著告告看遊戲公司XD)
然後取後不放回的卡池程式碼寫起來，比取後放回還麻煩
取後放回其實就直接套個多層亂數就好了，一條式子解決
取後不放回要構建一個鴿籠卡池，還要一段時間洗掉重建一個鴿籠卡池
大量的資料更迭也會造成系統多餘負擔，真的有工程師這樣寫，我倒想看看
----
另外一點是，就算此說法屬實，玩家也沒有較佳策略
因為營運仍然有許多方式可以解決此問題
首先你要保證，卡池的時間區段，是很現實可以操作的大小
如果時間區段1毫秒，那時間內玩家抽卡次數太少，
就算卡池是鴿籠，帶來的機率波動也小
1000個裡面有8個中獎但只有一個人抽，正好跟機率一樣
如果時間區段1個月，那所有人都在同一區段內抽卡
營運如果做個巨大鴿籠，比如1000億裡面有8億中獎
那就算1個月過去了有10萬個人中獎，對鴿籠的機率影響也是微乎其微
(8億-10萬)/(1000億-10萬) ~ 0.8% 一樣沒問題
所以假如營運調低換池時間週期，或是調高池的總量
都可以解決問題
用二十一點的說法，第一種就是玩一把就換一副牌，第二種就是用一百副牌的卡堆
都能有效的遏止玩家算牌，＜決戰二十一點＞也是老電影了啊
----
最後用個小小機率問題，說明何謂抽樣方法影響機率，來做個結論吧
這是一題經典題：
在一個圓內任意選一條弦，
這條弦的弦長，大於這個圓的內接等邊三角形的邊長的機率是多少？
這個問題根據不同的取樣方法，至少有三種以上的答案：
1. 在圓周上隨機選兩點，此兩點連成弦，機率是1/3。
2. 在圓內畫一條直徑，在直徑上選一個點畫垂直於直徑的線為弦，機率是1/2。
3. 在圓內選一點，畫出此點與圓心連線的垂直線為弦，機率是1/4。
這是著名的＜伯特蘭悖論＞，可以參見Wiki:
https://reurl.cc/6Lb4y6
如果看過葛登能(Martin Gardner)的著作，就會知道好玩的數學其實也是很多的
... <看更多>
相關內容