在死神面前,有一些人比你我更加脆弱
疫苗開打以來的這段期間,特權插隊、順序一再調整、類別定義模糊的亂象層出不窮,誰應該先打?誰應該後打?挑動了許多人的敏感神經。
該怎麼處理攸關生命安全的疫苗施打順序?#保護在死神面前最脆弱的同胞?我有一些想法跟大家分享。
首先,到上週五為止(6/11),COVID-19在台灣已經造成385人死亡,65歲以上的老人就有306人,占了全部死亡數的八成(79.5%)。65~74歲的確診死亡率是6.62%,75歲以上的確診死亡率,更是高達20.12%。
毫無疑問,疫苗應該 #優先施打高死亡率的年齡層以及 #醫療衛生工作者,這個原則,在WHO的指引表述的相當清楚。
2020年9月14日WHO 發布的「世衛組織免疫戰略諮詢專家组『用於分配 2019 冠狀病毒病(COVID-19)疫苗和確定疫苗接種優先次序的價值觀框架』」( https://reurl.cc/noZvKd )中列了幾個原則,在人類福祉的原則中,第一項就是「减少 COVID-19 大流行造成的死亡和疾病負擔」。
據中研院民族學研究所研究員劉紹華於端傳媒一文:「劉紹華:當我們討論『誰先打疫苗』時,必須先正視結構性暴力」( https://reurl.cc/vqmzOe ):「依據首要設定目標「#減少死亡與疾病負擔」,疫苗施打的優先族群無疑即是「死亡或重病」高風險者,如老人和感染風險最高的第一線醫療人員。」
再看2020年10月20日WHO發布的「世衛組織免疫戰略諮詢專家組在供應有限背景下優先使用COVID-19疫苗路線圖」( https://reurl.cc/vqke9L ),也在社區傳播的環境下,將「傳播風險高至極高的衛生工作者」和「基於年齡的風險界定的老年人」,列在第一階段(疫苗供給有限,供應總人口1-10%)的優先施打者。而在疫苗供應量達總人口11-20%時,則進一步納入其他老年人、因身體或社會因素重症和死亡風險明顯較高的群體、參與接種的衛生工作者等類型。
在已經進入社區傳播的區域,不論是英國、日本、南韓,根據不同的在地參數所推算出的模型,高齡者、高齡者的照顧者、醫療衛生工作者都是在最優先的幾個順位。
那台灣的優先施打順位呢,可說是獨步全球。
除了醫護、急救人員(救護、消防、警察)、照護機構及人員,還有許多群體,排在年長者的前面。
指揮中心(6/9)最新公布的順位, 直接畫重點,#75歲以上長者,排序第6。
第一類:醫事人員
沒問題,很明確。
第二類:中央及地方政府防疫人員
昨天指揮中心說,第二類下已造冊人數,已經達到16.2萬人。在這之中,「維持防疫體系運作之中央及地方政府重要官員」到底包含哪些機關?各有多少人?那些層級以上才算是「重要官員」,至今外界一無所知。
今天副指揮官陳宗彥說,中央重要官員3300多人,包括總統府、中央部會、指揮中心第一線防疫工作人員,地方重要官員4100多人。
第三類:高接觸風險第一線接觸人員。包含國籍航空機組員、防疫車隊駕駛、防疫旅館、港埠作業等第一線工作人員。
第四類:因特殊情形必要出國者
第五類:機構、社福照顧系統之人員及其受照顧者及洗腎者。
多在各國最優先順位的照顧者,竟然排到了第五類。更不要說,有沒有包含占台灣家庭照護者六成數量的家事移工,猶未可知。
第六類:75歲以上長者。
第七類:維持國家安全及社會機能正常運作者。
這些排序屢經調整,原理原則為何?有沒有模型評估?不清楚。
為什麼65歲至74歲的長者不見了?為什麼重大傷病及罕見疾病不見了?沒有解釋。
特定人員順位往前不是不行,但一定有明確原因、具體範圍、清楚造冊,特別是屢屢引起爭議的第二類,否則如何以昭公信?
誠如林達檢察官所言( https://reurl.cc/yEm9Ml ) :「中央所訂優先類別看似明確,實則充滿灰色地帶,加上造冊程序闕漏,等於倉門洞開。前面優先類別若持續「放寬定義」,不斷「自我膨脹」,不同行業階層相互嫉妒仇視,老年優先施打年齡持續「調高」,如此不公,恐將造成民間嚴重撕裂,未來要如何重新團結?」
每一個國家的疫苗優先施打順序,有其社會疫情狀況與本地的背景。但是萬變不離其宗,原理原則要清楚,分類造冊要明確。
請指揮中心在擬定疫苗整體政策時,千萬別忘了疫苗對 #轉重症群死亡 的保護效用,盡快將脆弱的長者族群順位上移,特別是75歲以上的長者,優先保護讓生命脆弱性高的國民。
畢竟在死神面前,他們比我們更脆弱。
洗 腎 機 參數 在 台灣光鹽生物科技學苑 Facebook 的最佳貼文
<生技醫藥新訊>
洗腎突發心衰怎麼辦?北榮即時預警AI一秒就知道!
臺北榮總今(13日)揭露一套即時血液透析AI預警系統,可根據洗腎機每秒產生的上百組參數,來預測每位病友的心衰竭風險和乾體重預測,準確率達90%。這套系統能即時處理大量參數的關鍵,在於連續型資料庫,可即時處理大量資料,最高每秒可達上萬筆。在應用上,這套AI有如戰情室儀表板,直接呈現在臺北榮總洗腎中心的螢幕上,醫護人員一眼就可看出高風險病患和風險因子,來即時處理。
▪ 臺灣年洗腎患者超過9萬人,半數因心血管疾病死亡
臺北榮總腎臟科主任唐德成是這項AI預測專案的關鍵推手,他指出,臺灣洗腎人口密度世界居冠,每年超過9萬人洗腎,其中有半數因心血管疾病死亡,心衰竭就是重要死因之一。
不只如此,每次洗腎後的乾體重設定,也是一個重要因素。所謂乾體重,是指患者洗腎後的正常體重,也就是無過度脫水、血壓正常狀況下的體重。這個體重通常仰賴醫生經驗來設定,而醫生經驗多以嘗試錯誤(Try and error)累積而成,有經驗的醫生至少需要3個月至半年,才能抓到準確的建議值。
比如,病友每次洗腎約4小時,每月平均洗13次,每次洗腎約增加2至5公斤,要是乾體重設定不準確,就會造成脫水過多(引發肺積水)或脫水太少(引發血壓下降),「對有共病的病人來說,容易引發心衰竭,」唐德成說。
此外,洗腎過程造成的併發症,像是血壓下降、抽筋、出血等,也得靠醫生依當下的病況和儀器判斷,再進行治療。雖然,唐德成過去就推動打造一套血液透析無紙化系統,來記錄洗腎過程的資訊,護理人員也能從中查詢病人洗腎時發生的事件和處置。「但即便無紙化,患者洗腎時,護理人員還是得每半小時,手抄患者所有生命參數。」他深知,這個做法難以即時因應突發狀況,因此才決定打造AI預警系統,根據洗腎機的每秒參數變化,來進行風險預警。
▪ 用連續型資料庫整合1.1億筆即時參數,來訓練風險預警AI
於是,唐德成聯手臺北榮總腎臟科主治醫生歐朔銘、臺北榮總資訊室工程師朱原嘉,於1年半前找來數據分析廠商SAS,著手開發造這套風險預警AI。
他們將風險預警分為兩種,首先是心衰竭風險預測。這套AI的訓練資料有臺北榮總大數據中心的健保大數據,比如病歷、檢驗結果、用藥資訊等資料,還有血液透析機每秒產出的上百組參數。
朱原嘉表示,光是取得機器產出的參數,就是一大工程。因為,透析機雖能產生上百組參數,但原廠只設定顯示常用的5、6組,因此,要自行介接其他參數,還得向廠商取得SDK,光是討論過程就重複了好幾次。
取得參數後,團隊還有另一個挑戰,也就是「資料對齊。」朱原嘉指出,不同廠牌透析機產出的參數單位並不一樣,團隊花了不少時間一一詢問原廠,再統一單位。
此外,由於機器每秒產生高達200組的龐大數據,1年半下來可達1.1億筆,這些參數包括動靜脈壓、血流量、導電度、脫水速度、脫水量、透析液流速等,但團隊必須從中找出最具影響力的參數,作為儀錶板上的風險預測關鍵因子。他們先是從200組參數中,挑選140組來優化,最後再挑出最關鍵的10組(以左心室射出功率LVEF為主要指標),在儀錶板上呈現給醫護人員查看。
▪ 用連續型資料庫解決無紙化做不到的即時預警
朱原嘉坦言,光是清理資料、資料介接等前置作業,就花了專案9成時間。在這段時間裡,他們也設置連續型資料庫,來處理每分鐘寫入的130筆資料。這個資料庫很特別,雖然每秒最高可處理上萬筆資料,但朱原嘉指出,資料庫只會記錄有變動的資料,因此不會快速消耗容量。
目前,這套心衰竭預警AI確度為90%,醫護人員可透過洗腎中心儀表板,來隨時掌握病人動態。
歐朔銘表示,未來將持續優化模型,希望將準確度提升至和人類醫生一樣的95%。
▪ 乾體重預測AI降低80%誤差率
除了心衰竭風險,這套AI還可進行乾體重預測。歐朔銘指出,乾體重調整約為病人體重的5%,通常仰賴醫生經驗,但由於病人體重會動態變化,因此每次透析前,需要微調脫水量(約增減300克至500克),來達到設定的乾體重。
不過,血液透析過程變化快速,最後實際的脫水量可能會與透析前的預測有所誤差,平均誤差約為200克左右。
而臺北榮總完成心衰竭風險預測AI後,也緊接著用這些資料,來訓練乾體重預測AI,成功將誤差值縮小至40克,也就是讓誤差下降了80%。
未來,臺北榮總團隊會持續優化模型,進一步打造肺積水預警AI,另一方面也將採用國際醫療資料交換標準FHIR,讓模型更容易介接不同廠牌設備的資料,將AI模型商品化。
文章來源:https://www.ithome.com.tw/news/143813
洗 腎 機 參數 在 Rti 中央廣播電臺 Facebook 的最讚貼文
【❣️洗腎患者福音❣️】
為了降低洗腎患者 #心臟衰竭 的風險,#台北榮總 研發出人工智慧預測系統,可以即時掌握病人的洗腎參數和生理數據,預判心臟衰竭發生的機率,準確度高達90%,目前正在進行臨床試驗👍👍👍
#洗腎
#人工智慧
#AI
#慢性腎臟病
📌歡迎加入央廣Rti官方TG帳號📌
https://t.me/RadioTaiwan
📌Google新聞也可追蹤央廣Rti📌
https://reurl.cc/LdGL5L