影響呼吸器依賴病人三十日死亡率危險因子之探討; Identifying the risk factors of 30 days mortality for ventilator dependent patients
124
0
0
全文
(2) 誌. 謝. 從事呼吸照護病房的經營管理，已經有三個年頭。在工作中常 有許多的疑慮和窒難，首先得感謝指導老師馬作鏹教授，鼓勵我將 這個癥結，加以研究，才有這篇論文的產生。撰寫期間，對於研究 的方向、架構的建立、研究方法的解析、觀念的解說與釐清等，多 賴馬老師不厭其煩的教誨，才能一一迎刃而解。尤其是老師待學生 如一家人般親切，二次澎湖行，是我們跟隨馬老師期間終身難忘的 回憶。口試期間，郝宏恕教授、黃松共教授的悉心教導與建議，才 能使本論文更為完善，這都是我深自感謝的。. 在論文資料收集期間，杏豐醫院林宜民院長和六家呼吸照護病 房的許多好朋友熱心幫忙，才能在翻箱倒櫃的病歷中找到資料，這 份情誼，也是我珍惜而感謝的。另外，要謝謝我辦公室的夥伴，素 雲、玉勉、麗雯還有喬齡，幫我整理資料及文書處理，特別要感謝 喬齡，在父喪期間，還為我校正打字，這都使我感謝莫名。. 隨著論文的完稿，研究所的生涯也逐漸進入尾聲，兩年同窗的 生活，讓我感到滿滿的幸福，是我一生中最快樂的學習生涯，每一 位同學都是一生難得的摯友，這些點點滴滴，讓我常在萬般不捨中， I.
(3) 驚覺時光的流逝，也盼望同學們的回憶中，有個我。. 最後，我要將本論文獻給我的父母、我的愛妻芳菊，我的孩子 羅傑、羅晶還有羅翔。因為有你們的陪伴，它才有意義。. 羅永達. II. 2003.6.
(4) 摘. 要. 本研究目的為探討影響呼吸器照護病房中呼吸器依賴患者 30 日死亡率之危險因子，並建立其 30 日死亡率之預測模型，以作為爾 後建立該等病患之疾病嚴重度評估模式之基礎。. 本研究以描述性統計、雙變項分析、多變項分析(羅吉斯迴歸) 及逐步羅吉斯迴歸等統計方法，以回顧文獻中對於呼吸器依賴患者 之脫離呼吸器及影響死亡率之各種因素，針對 2002 年 11 月至 2003 年 1 月台灣北、中、南共六家呼吸照護病房中 237 位有效調查之呼 吸器依賴患者，進行研究。研究結果如下：. 一、 在描述性統計中，本研究案例，死亡病例為 81 例，佔總研究 個案 34.18%；人口變異項中，男性有 132 位，女性 105 位， 分佔 55.70%及 44.30%；年齡分布自 26 歲至 96 歲，平均年齡 為 75 歲，最多年齡層為 71 至 80 歲，共 107 位，佔 45.15%， 平均住院月數為 10.68 個月。. 二、 在雙變項分析中，和 30 日死亡率之相關因素中，住院月數、 腎功能指數(BUN、Creatinine)、白血球數，具有極顯著相關 III.
(5) (p<0.01)；糖尿病、呼吸器使用時段、人工氣道及皮膚感染等， 具有顯著相關(p<0.05)； 褥瘡有無，則具有明顯相關(p<0.1)。. 三、 在多變項分析中(羅吉斯迴歸)中，和 30 日死亡率相關因素中， 住院月數、人工氣道別、白血球數及皮膚感染等，具極顯著 意義(p<0.01)；使用呼吸器原因、Creatinine 等，具有顯著意義 (p<0.05)；而慢性阻塞性肺炎、糖尿病等，則具明顯意義 (p<0.01)。. 四、 將羅吉斯迴歸所得到具有明顯相關之危險因子，以逐步羅吉 斯迴歸統計建立呼吸器依賴患者 30 日死亡率之預測模型，其 中住院月數、使用呼吸器月數、Creatinine、人工氣道別、白 血球數及皮膚感染等六大重要危險因子，皆具有顯著以上相 關 (p<0.05) 。 本 預 測 模 型 預 測 正 確 率 達 90.1%(percent concordant 90.1)。. 根據本研究結果，建議呼吸照護病房之經營及醫護團隊，建立 呼吸照護病房的監測指標；重新訂定醫療及護理照護流程，並建立 呼吸器依賴病患之風險評估。就衛生政策主管機關方面，建議訂定 IV.
(6) 呼吸照護病房之品質監控指標，同時建立疾病嚴重度評估系統及支 付標準。對於未來研究者方面，則建議可採前進式資料收集，以求 資料完善；可依本研究預測模型，進行準確度校定；可節選不同時 間，作為死亡率預測時間；可依本研究，進而建立疾病嚴重度評估 系統，將呼吸器依賴患者加以分級；可依本研究，計算出各危險性 不同患者所耗成本，作為給付標準；可對整體呼吸照護體系對於總 額幾付下合理的佔率，作整體研究；亦可對是否加入整合照護計劃， 對死亡率的影響。. 關鍵字：呼吸照護病房、呼吸器依賴患者、30 日死亡率、疾病嚴重 度、照護整合計劃. V.
(7) ABSTRACT This study was designed to investigate the risk factors of 30 days mortality for ventilator dependent patients on respiratory care ward (RCW), and to establish the predictive model.. Logistic regression was utilized to analyze data. A retrospective collection data of 237 ventilator dependent patients gathered from 6 RCWs, located at Northern, Central and Southern Taiwan. The principal findings were as follows. 1. Among 237 patients, total mortality were 81 patients (34.18%). 132 of them (55.70%) were male and the rest of them (103, 44.3%) were female. Age ranged from 26 to 96 years old. Average age was 75 years old, with 107 patients (45.15%) age ranging from 71-80 years. Average hospital stay was 10.68 months.. 2.With regards to bivariate analysis, the length of hospital stay, Creatinine, and WBC count were statistically significant associated with mortality at the alpha level of 0.01. In addition, history of DM, duration under ventilator support, artificial airway and dermal infection were statistically significant impaction motality at the alpha level of 0.05.. 3.Controlling other variables by using Logistic regression, six variables were identified as the risk factors of 30 days mortality for ventilator dependent patients on RCW at the alpha level of 0.05. There were length of hospital stay, WBC, infection of skin, artificial airway, causative factors of VI.
(8) respiratory failure, and creatinine level.. 4.A predictive model of 30 days motality for ventilator dependent patients on RCW, consisted of six variables including length of hospital stay, length of time under ventilator support, Creatinine level, different artificial airway, WBC count and dermal infection was established by using stepwise Logistic regression. The accuracy of classification for this model is high enough to validate our result (percent concordant 90.1).. Our results could futher assist third-payer to establish the index of case-mix and quality assessment tool. In addition, the manager of RCW also could use the result of this study to redesign care procedure to assure good quality of care. Finally, the predictive model obtained from our study could be utilized as a risk evaluation model for health care providers.. Key words：Respiratory care word(RCW),ventilator dependent patient,30 days mortality,Case mix,integrated delivery System(IDS).. VII.
(9) 目. 錄. 誌. 謝 ................................................... I. 摘. 要 ................................................. III. 英文摘要 ................................................ VI 目. 錄 ................................................ VIII. 表 目 錄 ................................................ XI 第一章 緒論 .............................................. 1 第一節、研究背景與動機 ................................ 1 第二節、研究目的 ...................................... 4 第二章 文獻探討 .......................................... 5 第一節、呼吸器依賴病患疾病嚴重度評估模式建立之重要性 .. 5 一.呼吸器依賴病患的原因及定義....................... 5 二.呼吸器依賴病患對醫療資源耗用的影響............... 7 三.建立呼吸器依賴病患疾病嚴重度評估模式的重要性 ..... 8 第二節、常見疾病嚴重度評估模式 ....................... 10 一.疾病診斷相關分類法 DRGs（Diagnosis Related Groups） ............................................... 11 二.病人管理 PMC(Patient Management Categories) ..... 13 三 . 急 性 生 理 與 慢 性 生 理 健 康 評 價 指 標 APACHE(Acute VIII.
(10) Physiology And Chronic Health Evaluation) ...... 14 四.電腦病情指數 CSI(Computerized Severity Index) ... 15 五.疾病分級(Disease Staging)....................... 16 六 . 住 院 嚴 重 度 評 估 系 統 MedisGroups(Medical Illness Severity Grouping System) ...................... 18 七.其他............................................ 19 第三節、影響呼吸器依賴患者死亡之危險因子 ............. 20 第三章 研究設計與方法 ................................... 24 第一節、研究架構 ..................................... 24 第二節、研究假設 ..................................... 24 第三節、研究對象 ..................................... 25 第四節、資料蒐集 ..................................... 26 第五節、研究變項的操作型定義 ......................... 26 一、依變項之操作型定義............................. 26 二、自變項之操作型定義............................. 27 第六節、資料分析方法 ................................. 31 一、統計分析方法................................... 31 二、套裝軟體....................................... 34 第七節、研究限制 ...................................... 34 IX.
(11) 第四章 研究結果 ......................................... 35 第一節、描述性統計 ................................... 36 第二節、雙變項分析 ................................... 38 第三節、多變項分析 ................................... 41 第四節、呼吸器依賴病患 30 日死亡率之預測模型 .......... 45 第五章 討論 ............................................. 49 第六章 結論與建議 ...................................... 56 第一節、結論 ......................................... 56 第二節、建議 ......................................... 58 參考文獻 ............................................... 101. X.
(12) 表 目 錄 表一. Outline of Ventilator Classification System ................................ 63. 表二 試辦計畫中各階段適用之病患、定義、照護病房及支付方式 一覽表......................................................................................... 64 表三. 89 年 7-12 月參與試辦計畫個案每人次之實際費用與支付費 用................................................................................................. 66. 表四 各照護階段適用支付標準及規定 ............................................. 67 表五. Case Mix ...................................................................................... 72. 表六. How to establish clinical score value........................................... 73. 表七. Steps in the development of a score system ................................ 74. 表八. Meaning and Computation of Admission Scores ........................ 74. 表九. Meaning and Computation of Mid-Stay Score............................ 75. 表十. Number of Categories in Hospital Patient Classification System 76. 表十一. Summary Decription of Severity Measures............................. 76. 表十二. Findings from Severity Reviews ............................................. 77. 表十三. Characteristic of Indices Included in Study............................. 78. 表十四. Common Problems in the Difficult-to-Wean Patient............... 79. 表十五. Management of Common Problems in the Difficult-to-Wean Patient ....................................................................................... 80. 表十六 Pre-Weaning Assessment Form ................................................. 83 XI.
(13) 表十七. RCW 病患資料登錄表 ........................................................... 85. 表十八 自變項操作型定義 ................................................................... 88 表十九 研究中類別變項轉換虛擬變項設定對照 ............................. 91 表二十 相關因素之描述性統計(類別變項)......................................... 92 表二十一 呼吸器依賴患者 30 日死亡率之雙變項分析 ..................... 93 表二十二 呼吸器依賴患者 30 日死亡率之羅吉斯迴歸分析 ............. 94 表二十三 呼吸器依賴患者 30 日死亡率逐步羅吉斯迴歸分析預測 模型 ..................................................................................... 96. XII.
(14) 圖 目 錄 圖一 呼吸照護整合體系 ..................................................................... 97 圖二. Illness Severity Model ................................................................. 98. 圖三. Medicare HOME Health Case-Mix Project................................. 99. 圖四 研究架構圖.................................................................................. 100. XIII.
(15) 第一章 緒論 第一節、研究背景與動機 在所有急慢性病患者中，呼吸器依賴患者具有需密切照護、依 賴呼吸器等急重症特性，以及大多數病程需延至死亡，以致耗時甚 久的慢性照護特徵。. 依據台灣中央健康保險局統計，2000 年呼吸器依賴患者（指連 續使用呼吸器超過 21 天以上者）約有 12467 人，每人每月平均住院 申請費用 167194 元，全年門住診費用超過貳百億。以單一疾病而 言，其平均每人每年花費比洗腎病患更為龐大(陳金淵,2002)。. 臨床上之統計，加護病房約佔全醫院 5% ~15%的病床數，並耗 用總住院費用的 20%~30%，而加護病房中，使用呼吸器的病患雖僅 佔 5%~10%，但卻耗用 35%~50%的加護病房費用(陳金淵,2002)。根 據 McCarthy 對 2487 個呼吸器的病患所做的研究發現（McCarthy， 1998）呼吸器使用天數與病患的醫療費用有高度相關性。此外各大 醫院加護病房中，常因此類耗時甚久的呼吸器依賴患者滯留，造成 加護病房的嚴重不足，故各國為了紓解加護病床的壓力以及節制醫 療費用的雙重壓力下，紛紛發展將呼吸器依賴患者自加護病房「下 階 」（ step-down ） 至 呼 吸 治 療 中 心 及 呼 吸 照 護 病 房 的 照 護 模 式 1.
(16) （Nava，1998）。. 行政院衛生署於 1998 年訂定「急性呼吸照護病床」規定及「呼 吸照護病房設置標準」 ，中央健保局進而提出「呼吸器依賴患者整合 性照護」及其配套之「前瞻性支付計劃」 。. 依據健保局的試辦計劃，參與試辦的呼吸器依賴患者，依照護 的病程及照護機構分為呼吸照護加護病房（RCU），呼吸照護中心 （RCC） ，呼吸照護病房（RCW）及居家照護（Home care）四個層 級。其中費用的撥付採定額制，企圖節制醫療費用的成長。但因呼 吸器依賴患者從急性、亞急性到慢性…等階段，臨床上的變化非常 多樣，造成個案的嚴重度甚大差異，也造成費用的給付無法配合及 滿足醫療機構的成本。依據行政院衛生署委託研究報告指出 75%接 受呼吸治療中心照護（RCC）的費用，其每月定額費用高於實際費 用 26126 元，而 87%接受 RCW 的照護費用，其每月定額費用卻小 於實際費用 18749 元，造成提供 RCW 服務的醫療機構因不敷成本， 而不願加入試辦，影響整個體系中“下階”原則的成敗（陳金 淵,2002） 。. 造成成本計算差距的原因很多，其中以嚴重度判定的機制未能 建立是主要的因素。此外也間接造成分階原則（inclusion criteria） 2.
(17) 的錯亂，使得試辦計劃中指出原有 Home care 部分呼吸器依賴患者 轉入呼吸照護病房，使得醫療費用大幅增加。. 因此建立影響呼吸器依賴病患疾病嚴重度的相關指標，對於該 等病患之照護成本、臨床預後、醫療利用及醫療品質的監控等，都 具有重大的價值和迫切性。而欲建立 RCW 疾病嚴重度的指標，必 先了解其造成之危險因子。. 各國醫療界對於疾病嚴重度的評估方法甚多，常見的有（1）嚴 重 度 判 定 之 疾 病 診 斷 相 關 法 Severity-Adjusted DRG （ Diagnosis Related Groups） （2）疾病分級 DS（Disease Staging） （3）病人管理 分類 PMC（Patient Management Categories） （4）住院嚴重度評估系 統（MedisGroups） （5）電腦病情指數 CSI（Computerized Severity Index）（6）急性生理與慢性健康評價指標 APACHE Score（Acute Physiology And Chronic Health Evaluation） （7）以及美國 CMS（Center For Medicaid）於 2001 開始發展的“DOT model”…等等。各系統 評估模式的建立，均以探討其危險因子作為研究的開端以及重要的 基礎。. 評估呼吸器依賴病患之疾病嚴重度，亦依賴其相關危險因子之 確立。因該等病患同時具有嚴重、慢性及單一系統的特徵，故選取 3.
(18) 其影響該等病患三十日後死亡率之危險因子，來作為爾後建立其嚴 重度評估模式之基礎。. 第二節、研究目的 一、 1.人口變異項 2.使用呼吸器相關原因 3.呼吸道過去病史 4.潛在疾病 5.意識狀態. 對呼吸器依賴病人三十日死. 6.呼吸器相關處置. 亡率的影響. 7.血液生化值 8.照護處置及後遺症. 二、探討影響呼吸器依賴病人三十日死亡率之危險因子。 三、建立呼吸器依賴患者三十日死亡率之預測模型。. 4.
(19) 第二章 文獻探討 第一節、呼吸器依賴病患疾病嚴重度評估模式建立之重要 性 一.呼吸器依賴病患的原因及定義 自 1960 年代中期，Mushin 提出完整人類呼吸生理學的完 整架構將呼吸器各項系統的功能，定位為進入（power input）、 控制（control scheme）及呼出（output）（表一），並描述出各 項系統的必須功能（Mushin,1966）。至此，人工呼吸的使用， 對於各種原因所造成的呼吸衰竭，提供了幾乎完全取代肺呼吸 的功能，改變了傳統上以呼吸作為生命徵象的標準，也深遠影 響近代醫學的重症發展（Robert,2001） 。. 近年來，呼吸器的發展將呼吸器的種類大致上分成正壓呼 吸器（經面罩或人工氣道） 、負壓呼吸器、BiPAP 或 CPAP 使用 ＞25cmH2O（面罩或人工氣道）（Neil,2001）等，本文所探討 的呼吸器將包括上述各項的呼吸器使用。. 造成呼吸衰竭的原因甚多，大致上分為三大類：1、肺部疾 病（pulmonary disorder）2、神經肌肉異常（Neuromuscular disorder）3、中樞神經異常（CNS disorder） （蔡熒煌,1993） ，其 5.
(20) 中肺部疾病又可分為原發性和繼發性兩種。. 原發性肺部疾病包括有慢性阻塞性肺炎 COPD（chronic obstructive pulmonary Disease） 、氣喘（Asthma） 、成人呼吸窘迫 症 ARDS（Adult Respiratory Distress Syndrome）等。次發性肺 炎則包括所有其他疾病引發肺部功能損害，如肺炎 （pneumonia）、敗血症（sepsis）、癌症及其轉移（cancer with metastasis ） … 等 。 神 經 肌 肉 異 常 則 包 括 有 重 症 肌 無 力 （Myasthenia Gravis）、頸神經受傷（C-spine injury）…等。中 樞神經異常則包括有腦中風（CVA） 、頭部外傷（Head injury）、 腦幹病變等。. 根據 ICD-9-CM 1992 年版 518.85 定義，因呼吸衰竭需長期 使用呼吸器者，使用呼吸器至少連續三十天，每天依賴呼吸器 至少六小時，且造成呼吸衰竭之原因尚未排除，或臨床上及生 理方面仍未達穩定狀態，目前需持續使用中，短期內無法脫離 者稱為「呼吸器依賴患者」 。在國內依台灣中央健保局於 2000 年公佈「全民健康保險呼吸器依賴患者整合性照護前瞻性支付 方式」中雖將呼吸器依賴患者定義為「指連續使用呼吸器超過 21 天以上者」，但依其整合型設計，第三階段呼吸照護病房 6.
(21) （RCW）所收容者都是脫離努力（Weaning profile）沒有成功 的患者（表二） ，故本文所研究探討的對象則定義為「RCW 中 使用呼吸器超過 64 天以上的患者」 。. 二.呼吸器依賴病患對醫療資源耗用的影響 根據美國 2000 年統計，現在全美 150 萬人在手術及恢復室 外 仍 接 受 呼 吸 器 ， 平 均 住 院 至 少 10 天 （ Machine ventilation,2001） 。統計美國呼吸器使用患者平均每日的醫療費 用高達 2,114 美元，僅 Medicaid 一個對長期使用呼吸器患者的 補助計劃就高達 30 億美元(McCarthy,1998)，這僅是在護理之家 （ nursing home ） 且 不 包 括 病 患 所 自 付 之 部 分 負 擔 (out of pocket)，因此造成美國醫療保險相當的財務困境（hardship） （Michael E ,1986） 。. 在台灣，自 1999 年 7 月至 2000 年 6 月間住院之呼吸器依 賴患者共 12467 位，比前一年度 10953 位多增加 17.7%（中央 健保局,2002） ，而 2000 年 7-12 月每人平均每月住院費用 167,194 元（表三） ，估計全年耗用醫療資源超過 200 億元，佔醫院總額 超過 7.5%。. 此外，因呼吸器依賴患者的臨床預後雖不佳，但仍需要密 7.
(22) 切照護，因而耗用相當多的醫療資源。根據估計，加護病房約 佔全醫院 5﹪~15﹪的病床數，並耗用總住院費用的 20﹪~30 ﹪，而加護病房中，使用呼吸器的病患僅佔 5﹪~10﹪，但卻耗 用 35﹪~50﹪的加護病房費用（陳金淵,2002）。在台灣各大醫 學中心，因呼吸器依賴病患長期佔據加護病房，加上加護病房 之投資昂貴，造成醫療資源耗用更形龐大。. 三.建立呼吸器依賴病患疾病嚴重度評估模式的重要性 在節制醫療費用的壓力下，世界各國紛紛發展呼吸器依賴 患者自加護病房「下階（step-down）」至呼吸治療中心或呼吸 照護模式（Nava，1998）。依據 McCarthy 對 2487 個使用呼吸 器病患所作研究，呼吸器使用天數與病患的醫療費用有高度相 關性（相關係數 0.99） （McCarthy 1998） 。自 1983 年起美國老 人健康保險（Medicare）實施住院之前瞻式付費制度（Prospective Payment System, PPS） ，即依事先訂定之診斷關聯組群（DRGS） 來支付醫療費用，但醫療院所依舊不斷反映使用呼吸器個案的 保險支付不足（Gracey,1987）。美國健保財務管理局 HCPA （Health Care Financing Administration）修改有關呼吸器的 DRGS 之 支 付 點 數 ， 並 使 用 DRG475 （ Respiratory system diagnosis with ventilator support）中區分三個處置碼：1、呼吸 8.
(23) 器使用時間未言明 2、呼吸器使用時間＜96 小時 3、呼吸器使 用 時 間 ＞ 96 小 時 。 雖 經 調 整 ， 但 醫 療 界 仍 不 敷 成 本 （Gracey,1989；Kurek,1998） 。台灣由於慢性照護的發展緩慢， 為有效利用加護病房之資源，提昇重症病患照護品質，節制醫 療成本，行政院衛生署於 1998 提出「改善醫院重症醫療計劃」 ， 訂定「急性呼吸治療病床」及「呼吸照護病床」之設置標準， 並責由中央健保局研訂相關醫療費用支付標準，以落實計劃之 推行。中央健保局為促使醫療資源有效應用，中央健保局研擬 從 支 付 制 度 改 革 ， 引 入 論 日 計 酬 （ per diem ）、 論 人 計 酬 （capitation）等前瞻性支付制度，並導入管理式照護模式。 「然 而呼吸器依賴患者從急性、亞急性到慢性等階段，臨床上的變 化非常多樣，而國內外對於呼吸器使用者臨床預後、照護方式 及成本、醫療利用狀況及醫療品質指標等，皆缺乏完整的資料」 （中央健保局,2000 年） 。因此使得其整合性照護前瞻性支付方 式自 2000 年試辦至 2002 年止，依據陳金淵在被委託研究計劃 中指出，因其缺乏嚴重度等相關指標，使得 RCC 之成本估算高 於實際成本，而 RCW 的成本又明顯低於實際成本，嚴重影響 試辦計劃中加入醫院的意願(陳金淵,2002)。其次因其整合系統 中，缺乏疾病嚴重度的有效監控指標，使得各階段轉送間缺乏 9.
(24) 客觀評量機制（表四） ，使得居家照護病患大量湧入呼吸照護病 房。而呼吸照護病房因其他疾病或惡化時依規定得不到進入加 護病房照護的合理支付，而使參與試辦醫院怨聲載道。造成成 本計算差距的原因很多，其中以嚴重度判定的機制未能建立是 主要原因。這也間接造成分階原則（inclusion criteria）的錯亂。 另外，由於疾病嚴重度的相關因素未能建立，造成品質監控指 標無法系統化成型，因此疾病嚴重度評估模型的建立，實屬非 常重要。. 第二節、常見疾病嚴重度評估模式 Derick T Wade 提出疾病嚴重度必需能夠反映各種變異的個 體，作為資源分配的重要依據。它應該是一系列的項目，能夠在一 確定的群體中充分解釋各種成本和結果差異（Wade ,1999）（表五） （表六） （表七） 。世界各國醫療界針對各項需要、各種對象發展出 各種不同疾病嚴重度指標，如 Apgar score 是針對嬰兒的生理指標， ASA 是針對外科手術病人的評估指標；而 APACHE II 是針對加護 病房重症病人的疾病嚴重度指標。E. Neugebauer 提出 score 的使用 必須先決定是用來作為結果的預測、資源分配的定量或是結果的評 估…等。(E. Neugebauer,2002)另外根據不同的標準，指標還具備以 10.
(25) 下特性： a.一般性的程度（The degree of generalization）指標愈特異化，其 內容需愈精細，適用性愈小，成本愈大。 b.指標的內容（The composition of a score）－它必須能形成數值， 但一般不能只考慮生理層面的參數，而必須考慮治療活動及其 間接影響。 c.適用的種類（The type of application）－它必須用簡單的評估即 能有效地完成，如手術前、手術後或住進 ICU 時…等，或者初 步的評估能作為後續監控或每日改變的偵測依據。 d.發展的方式（The method of development）－它必須是主觀地建 立在專家觀點，群眾一致性或許多的觀察，也就是內在（專家） 、 外在（資料庫）中經過統計分析所得到的（表七） 。 由此可知，在建立疾病嚴重度時所依據的指標，必須具備特 異性、可量性、簡單性及統計性等四大特性。而各類疾病嚴重度 評估模式的建立亦會依據目的、疾病別、時間的長短(急慢性)來蒐 集相關因子，再透過專家觀點或許多觀察，經過統計分析來確立 相關因子，再據以建立評估模式。 以下是目前最常用的疾病嚴重度評估系統的指標及評估方法. 一.疾病診斷相關分類法 DRGs（Diagnosis Related Groups） 11.
(26) DRGS 是國內最為了解的一種病例組合模型。DRG 由耶 魯大學的 Dob Fetter 和 John Thompson 在 70 年代末負責研製成 功。自 1983 年 10 月 1 日起被正式作為預付款制度的基礎依據。 DRG 以病人特徵及住院期間所接受的治療措施為基礎，利用診 斷及手術編碼、年齡、性別、出院轉歸等變數，將全部住院病人 分為 25 個主要診斷分類（MDCs） ，又進一步分入 600 多個 DRGs （Ap-DRG Ver8.0） ，力求在設計上達到同一 DRGs 組內的病人在 醫療資源消耗具有一致性（以平均住院日為代表進行衡量）。經 過近 20 年的不斷修正，DRG 的分組合理性得到了不斷改善，至 1990 年第 8 版已正式公佈，但對它的非議卻一直沒有停止過。 許多學者認為以 DRG 分組沒有充分照顧到病情因素對醫療資源 使用的影響，同時對一些新技術、新病種的考慮也有欠缺。儘管 這樣，事實證明 DRG 確實對美國的醫療服務系統起到了積極的 促進作用，它不僅在醫院的管理上帶來了新的變革，而且使醫院 的平均住院天數明顯縮短。在 PPS（預付款制）正式實施的第一 年，有關醫院的平均住院天數下降了 16﹪。而且目前也沒有充 分證據說明，有哪一種新的模型可以代替 DRG。因此，美國 HCFA （美國衛生財政管理局）將繼續堅持推行以 DRG 為基礎的預付 款制度。 12.
(27) 二.病人管理 PMC(Patient Management Categories) PMC 由 Young,W 負責在 HCFA 的支持下於 1985 年研製成 功。PMC 與 DRG 一樣，也以病人的常規出院摘錄資料為基礎， 利用 ICD-9-CM 編碼(少數地方也用到手冊編碼、年齡、性別等 指標)將所有住院病人劃分成８５２個 PMC 組，並且針對每一 組 病 人 設 計 了 各 自 不 同 的 “ 病 人 管 理 通 徑 ” （ Patient Management Path），用以指出本組典型病人所需的一套標準醫 療及管理措施。同時 PMC 的電腦分組軟體還可根據各組標準 服務專案的成本，自動為分入特定 PMC 組的病人計算出一個 “相對資源消耗強度指數”PMC-RIS，用於顯示病人醫療資源 使用的種類及數量。PMC 和 DRG 在分組上雖然都利用了 ICD-9-CM，但兩者的設計方法與思想卻非常不同，DRG 的分 組主要利用了統計學技術，而 PMC 的分組設計完全根據臨床 專家小組的意見。PMC 分組包含的是在臨床上具有共同特徵的 病人，每個 PMC 組實際上代表著一組不同的診斷與治療措施。 PMC 和 DRG 在對診斷編碼的利用上也是根本的不同。按照 DRG 分組，每個病人無論其出院診斷有多少也只能按照其主要 診斷或主要手術編碼分入一個 DRG 組，而 PMC 分組卻容許一 個病人根據其出院診斷中所涉及醫療情況的種類，分入多個 13.
(28) PMC 組。正是因為如此，美國部分學者認為 PMC 更能體現醫 療資源消耗的真實情況。而且，由於 PMC 配備有管理通徑圖， 對醫療質量及成本管理工作更具實際指導意義，因此有人提出 要以 PMC 代替 DRG。. 三.急性生理與慢性生理健康評價指標 APACHE(Acute Physiology And Chronic Health Evaluation) APACHE 是一種不依賴于病人診斷編碼的疾病嚴重度的 評價方法，它是由喬治•華盛頓大學醫學中心的 William Knaus 等，於 1981 年首次研製成功，後又經完善，公佈了第二個版本 APACHEⅡ。目前在 APACHEⅢ已發展完成，目前已進入臨床 修訂中。. APACHE 的分組方法不同於前面已提到的 DRG 和 PMC， 其分組不依賴于病人的臨床診斷，而依靠幾種特定的能反映病 人病情狀況的生理指標(APACHEⅡ利用 12 項生理指標)來記分 分組(每項指標的記分均在 0-4 之間)。APACHE 的全部記分內 容包含 2 大部分：1 急性生理指標 APS(Acute Physiology Score) 記分，通過 12 項生理指標的測量核算得出。2 年齡與慢性病記 分，用於反映病人的”生理儲備”(Physiology Reserve)，也即病 人抵禦急性疾病影響的能力。通過上述 2 部分記分相加，就得 14.
(29) 出病人 APACHE 總分數(在 0---71 之間)。然後利用這一分數對 病人進行分組或分層，並利用它與病死率的相關關係計算整個 ICU 的 APACHE 校正預期病死率。大量的研究已證明 APACHE 不僅能夠很好地預測病人的病死率，藉以反映醫療質量及 ICU 的組織管理水平，而且可以較好地反映醫療資源的使用狀況。 APACHE 在醫療質量評價管理方面的一個突出優點是，它不僅 可以進行回顧性評價記分，也可以進行即時記分，跟縱反映病 人病情的動態變化情況。當然 APACHE 體系也存在一些缺點， 譬如，它的記分方法與診斷編碼無關，難以結合目前眾多針對 特定診斷制定的過程質量控制標準，進行病例的個案審查；另 外，生理指標採集時間等因素的差異，也會影響不同醫院間 APACHE 記分的可比性。APACHE 作為一種最為成功的針對病 人病情的 Case Mix 模型，目前仍主要應用于 ICU 病人。. 四.電腦病情指數 CSI(Computerized Severity Index) 1982 年，美國約翰•霍普金斯醫學院的 Susan D.Horn 等人 為了改進自己早年創造的 SOII(Severity of Illness Index 疾病嚴 重度指數)模型，開始了 CSI 的研製工作。CSI 的核心思想是要 建立一種按診斷分類，按病情分級的 Case Mix 模型(Set of Diagnosis Specific Severity Score)。在利用 CSI 軟體具體操作 15.
(30) 時，操作人員首先輸入病例的 ICD-9-CM 編碼，電腦根據診斷 編碼將病人分類後，再針對每個病例所分入的特定診斷類別自 動提示操作人員輸入不同的臨床資料，進行病人的病情分級。 CSI 將 ICD-9-CM 中 10,300 多個編碼共劃分成 820 個診斷分 類，每個診斷分類中有 1-4 級的病情分級。病人的分組完成後， 根據其主要診斷及次要診斷的分類、分級，可自動計算出”總病 情分數”(Overall Severity Score)。由於 CSI 利用疾病診斷進行分 組，使其可以與目前主要以病種為基礎的質控與管理措施結合 應用，克服了 APACHE 在這方面的不足。同時 CSI 還解決了 DRG 分組對病人病情考慮不充分的缺點，並能利用操作人員輸 入的臨床資料對診斷編碼的正確性進行自動判斷，克服了 DRG 中因編碼不當而影響分組的缺點。CSI 還可以對病人的整個住 院過程進行電臺記分。由於具備了這些優點，今年來對 CSI 的 研究、報導逐漸增多。但這並不表明 CSI 就是目前最優秀的 Case Mix 模型。CSI 不僅在臨床指標的選擇與記分上需要改進，而 且在對診斷編碼的使用上也存在著不足。. 五.疾病分級(Disease Staging) 由美國湯瑪斯•傑弗遜大學醫學教育與衛生保健中心的 Joseph S.Gonnella 博士 1984 年開發。該法是將 ICD-9-CM 的 16.
(31) 疾病按重症度劃分為以下四級：. 一級：沒有合併症，或者重症度為最輕微的狀況；. 二級：只限於一器官或者一個系統異常，並且合併症的危 險性可能有繼續增大的趨勢；. 三級：有若干部位異常，並且預後不良的狀況；. 四級：死亡。. 其中一至三級必要時還可以細分，設置亞級別 (Sub-stage)。臨床記述的重症度基準可通過病案管理人員對應 于 ICM-9-CM 的編碼建立與其組合形成的可判定重症度的編碼 基準。同時為了方便多病例的重症度區分，還編制了稱為 stager 的電子電腦軟體，可以把病人分到 420 個診斷組內，並再細分 至某一個重症度級別上。該法除要求診斷資料外，還需要病人 的性別、年齡、入院情況(危重或一般)、出院狀況(存活或死亡) 及主要手術等變數。. Disease Staging 純粹是出於醫學觀點而制定出來的，因此 它不僅被試用於估算醫療消耗上，而且也試用於醫療服務的質 17.
(32) 量評價上。Calore 在排除了極端值外之病人(住院天數過長，住 院費用過高者)後的調查中，顯示該方法能夠解釋 17%的費用變 異 而對應的 DRGS 能夠解釋 30%的費用變異(若不排除線外病 人，DRGS 能解釋 70%，Disease Staging 能夠解釋 10%)。在 Conkin 和 Houchens 的用 Disease Staging 改進的 DRGS 的研究 中，顯示二者合用比單獨使用 DRGS 能多解釋 5-10%的費用變 異，HCFA 認為，Disease Staging 是一種較好的 DRGS 的改良方 法。. 六 .住院嚴重度評估系統 MedisGroups(Medical Illness Severity Grouping System) 本系統由麻塞諸塞州 MediQual System 公司所註冊擁有， 由 Bruce G.Karlin 和 Alan C.Brewster 利用 HCFA(Health Care Financial Administration)的健康品質標準局(Health Standards and Quality Bureau)透過 PROS(Peer review organizations)所收集 幾州醫療資料報告所發展出來，作為住院三十日死亡率預測指 標。依據病人住院期間的檢驗、放射、病理、診斷及物理檢查 分成 260 種 KCF(key clinical finding)再根據其嚴重度分為 0-3 個 Group，Group 3 表示有嚴重的臨床威脅(derangements)，再 根據加權分數的計算(表八、表九)最後將住院中評分(Mid-stag 18.
(33) Score) 分 成 不 罹 病 (no morbidity) 、 罹 病 (Morbid) 及 主 要 罹 病 (Major Morbidity)，利用其嚴重度的評估可針對較嚴重的病患， 來較公平地分配給付。. 七.其他 目前各國針對各種疾病和需要，紛紛發展新的臨床疾病嚴 重度指標，如美國 CMS(conters of Medicare and Medicaid)對 HHPPS(the Home Health prospective payment system)發展出 「 DOT model activity 」。 HCFA(the health care financial Administration)針對支付系統 PPS(Prospective Payment System) 亦發展新的疾病嚴重度評估模型(圖二、圖三)，此外尚有許多 針對各種系統疾病，所發展出來的指標系統，如針對精神疾病 所發展的「INTERMED」模型。針對生活品質(Quality of Life) 所發展的 SF-36(Medical outcomes study short form-36)，並延伸 有 PCS(physical component summary score)及 MCSL （Mental component summary score） 。另外亦有依據個別疾病所發展的， 如針對缺血性心臟病之評估指標 IHDI(Ischemic Heart Disease Index)，及針對心臟梗塞的評估指標 PIMI（Predictive Index for Myocardial Infarction）…等。. 19.
(34) 綜合以上各種型態的疾病嚴重度的評估指標，每一種指標 各有其特點（表十，表十一，表十二）。其中，DRG 及 PMC 主要針對病人資源耗用的情形，加以分類；APACHE 則是針對 病患急、重症的疾病嚴重度評估；CSI 是利用診斷分類及病情 分級的疾病嚴重度評估模式，主要用於以病種為基礎的品質控 制；疾病分級則根據診斷碼，用於估算醫療耗用和服務質量的 評估。另外 MedisGroup 則用於評估一般住院病患的疾病嚴重 度，以上所述的疾病嚴重度評估模式都是對於身體各系統之綜 合評估，然而，呼吸照護病房中的呼吸器依賴病患之疾病嚴重 度評估指標則兼具有嚴重、長期照護(慢性)、呼吸衰竭(系統疾 病)等三大特性，是以往各評估系統中所未曾探討。. 故本研究將參酌各嚴重度評估方法中相關因子的研究(表 十三)，針對呼吸器依賴患者所具有的重症、慢性及呼吸衰竭等 特性，來探討其危險因子，來建立呼吸器依賴病患死亡率預測 的模型，進一步作為爾後呼吸照護病房中疾病嚴重度的基礎。. 第三節、影響呼吸器依賴患者死亡之危險因子 影響呼吸器依賴病人疾病嚴重度的因素甚多，但大致上和不能 20.
(35) 脫離呼吸器的原因有很大的相關，根據 Linda Celentano Norton 於 Critical Care Nurse 文中提出造成脫離困難的原因有 15 大項（表十 四，表十五） ，分別有貧血；呼吸之作功量增加；分泌物或氣道填塞； 肺部擴張不全；呼吸困難；體位不良；呼吸肌疲乏；血液循環及體 液(電解質) 問題；感染；代謝問題；營養問題；腸道問題；運動； 精神問題；睡眠不足及疼痛等，其中分泌物的影響，精神狀態及疼 痛的控制，因屬短暫影響，且不易量化，因而捨棄，其餘皆列入探 討範圍。此外，甲狀腺素(T3,T4)及支氣擴張劑(Theophylline level)亦 被 認 為 和 呼 吸 器 脫 離 有 很 密 切 關 係 ( 見 表 十 六 )(Critical magazine,2000)。. 依賴呼吸的主要疾病嚴重影響此類病患死亡率，而造成呼吸衰 竭的原因大致上又可分為 a、原發性肺部疾病，如慢性阻塞性肺炎 （COPD） ，氣喘（asthma）…等，b、續發性肺部疾患，如多器官衰 竭（multiple organ failure），癌症轉移（cancer with metastasis）等， c、中樞神經病變，如腦中風（CVA） 、腦幹病變（brain stem disorder） ， 神經肌肉異常（neuromuscular disorder）如重症肌無力（Myasthenia Gravis），頸神經受傷（C-spine injury）…等，皆列入探討範圍 (Blaise,1996；陳金淵,2002)。. 21.
(36) 多器官功能衰竭是呼吸器依賴患者死亡率最高的原因，故將肝 臟功能、心臟功能、腎臟功能等列入(Douglas,1992)。而甲狀腺素及 甲狀腺激素（TSH） ，早已被視為影響呼吸器脫離成功與否的重要因 素（Miroslav,1984） 。. Carlos 1998 年提出年紀也是一項重要因素(Carlos,1998)。David 則提出 A＋B＋G score 會影響其預估值，亦即 P（A-a）O2，BUN 及性別（Gender）都是不可忽略的因素(David,1995)。Couis A 也提 出重視呼吸器依賴病人上消化道出血的預防及重要性 (Couis,1987)，而 Dellinger 則認為須重視 ARDS，及壓力性潰瘍 （stress ulcer ） (Dellinger,1990) 。 Herng-John Yueh 也 提 出 胃 液 中 酸 鹼 度 （ Gastric intramural PH ） 是 一 個 很 好 的 指 標 (Herng-John Yueh,1996) 。 另 外 呼 吸 器 引 起 的 肺 炎 （ Ventilator associated pneumonia）對呼吸器依賴病人疾病嚴重度亦有很大關聯（Cook 2000）。. 而 Douglas 則以許多呼吸中心資料研究顯示 a、二氧化碳滯留 導 致 呼 吸 性 酸 中 毒 ， 使 PH ＜ 7.35 ， 而 不 能 維 持 動 脈 氧 氣 壓 ＞ 50mmHg ， b、心電圖出現危險性心律不整，c、潮氣容量＜5ml/kg× 體重，d、呼吸速率每分鐘增加到 30~40 次，心跳每分鐘增加 20 次 22.
(37) 或每分鐘心跳＞120 次，e、明顯血壓上昇或下降，此皆預後不良的 徵象(Douglas,1987)。. 綜合以上各專家學者意見，根據變數的差異性整理歸納為 a、 人口變異，b、造成呼吸器依賴原因，c、呼吸道過去相關病史，d、 潛在疾病，e、意識狀態，f、呼吸相關處置，g、血液生化值及 Theophylline level 及胃液中數鹼度，h、照護處置及後遺症等（表十 六）等八組，作為相關危險因子的探討，並針對該等病患具有重度 且慢性的特色，依 MedisGroup 所採取影響病患三十日死亡率的模 式，來探討兩者相互的關係，檢定具有意義的危險因子，建立其預 測模型之基礎，並作為爾後疾病嚴重的基礎。. 依 MedisGroup 評估系統中所提出「三十日死亡率的選擇，適 於作為針對慢性或長期照護病患的探討中，有關時間長短的選擇」 (Lisa,1991)。此外，亦為將來疾病嚴重度評估模式，賴以建立後， 病患幾付標準能以「月」作為幾付之標準。故本研究選擇三十日死 亡率作為研究的依變項。. 23.
(38) 第三章 研究設計與方法 第一節、研究架構 本研究之研究架構如圖四。研究的依變項為「呼吸器依賴病患 住院三十日後之死亡與否」 ，自變項則分為 1.病患之人口變異項，包 括有年齡、性別及營養狀況等。2.使用呼吸器的原因，包括有 a.原 發性肺部疾病(如慢性阻塞性肺炎、氣喘、支氣擴張症、肺炎…等) b. 神經肌肉疾病(如重症肌無力…) c.中樞神經病患(如中風、腦幹病變) d.次發性肺部疾病(如敗血症或癌症轉移…等造成之肺部疾病) e.其 他(如外傷)。 3.呼吸道過去相關病史，如抽煙史、職業史、肺部相 關病史。4.潛在疾病，如高血壓、糖尿病…等。5.意識狀況以 Glasgow coma scale 值判定。6.呼吸相關處置，如人工氣道深度，呼吸器型式 等。7.病患血液生化值，如血球數、電解質…等。8.照護處置及後遺 症等，如有無褥瘡感染等。. 第二節、研究假設 本研究之研究假設分述如下：. 一、 病患之人口變異項不會影響呼吸器依賴患者三十日死亡率。. 二、使用呼吸器原因不會影響呼吸器依賴患者三十日死亡率。 24.
(39) 三、呼吸道的相關病史不會影響呼吸器依賴患者三十日死亡率。. 四、潛在疾病不會影響呼吸器依賴患者三十日死亡率。. 五、意識狀態不會影響呼吸器依賴患者三十日死亡率。. 六、呼吸器相關處置不會影響呼吸器依賴患者三十日死亡率。. 七、血液生化值不會影響呼吸器依賴患者三十日死亡率。. 八、照護處置及後遺症不會影響呼吸器依賴患者三十日死亡率。. 第三節、研究對象 本研究針對北部一家、中部四家及南部一家等六家地區醫院之 呼吸照護病房中呼吸器依賴患者為對象。. 納入原則(Inclusion Criteria). 1. 符合中央健保局規定，經過加護病房及呼吸治療中心(圖一) 仍無法脫離呼吸器者。. 2. 具重大傷病卡者。. 25.
(40) 3. 在呼吸照護病房住滿至少 30 日。. 第四節、資料蒐集 於 2002 年 11 月至 2003 年 1 月，以表十七之呼吸照護病房病患 資料登錄表作回溯性收集(retrospective collection)，蒐集上述六家醫 院之呼吸照護病房中，所有符合納入原則病患之病歷資料，其中排 除住院未滿三十日之患者資料，並記錄現有患者自調查日起一個月 之所有資料，若無恰好一個月之資料，則以最接近一個月時之資料， 但最多不超過五日(即 30+5 日之資料)。並記錄所有已死亡(包含自 動出院或轉院後三日內判定死亡)病患之死亡前 30+5 日之相關資 料，此外亦包括轉至他院病患(未死亡)之 30+5 日前之資料。. 第五節、研究變項的操作型定義 一、依變項之操作型定義 所謂三十日死亡之病患，係指以調查日前(含調查日)呼 吸照護病房之呼吸器依賴患者經加護病房及呼吸治療中心 後轉至呼吸照護病房超過一個月後死亡，取其死亡前 30+5 日之所有登錄表之資料，並定義其為 30 日死亡案例。排除 26.
(41) 未住滿 30 日案例，其餘則定義為 30 日未死亡案例。. 二、自變項之操作型定義 (一)病患之人口變異項 1.性別：將所登錄之個案分為(1)男(2)女，視為類別變項。 2.年齡：依調查日和出生日之時間差，僅記錄年數，不 計月、日。 3.住院月數：依調查月距離進入呼吸照護病房月份，(若 由他院轉入者，依其取得重大傷病卡月份)。 (二)使用呼吸器的原因 1.原發性肺部疾病：指起始病灶在呼吸道的疾病，包括 慢性阻塞性肺炎、肺炎、氣喘、支氣管擴張…等，最 後造成呼吸器依賴。 2.次發性肺部疾病：指起始病灶在其他器官或系統，因 轉移或影響至呼吸道，最後才造成呼吸器依賴者屬 之，如癌症、腎衰竭。 3.中樞性神經疾病：指起始病灶在中樞神經，進而造成 呼吸中樞之受損，最後才造成呼吸器依賴者屬之，如 腦中風、腦幹病變。 4.神經肌肉疾病：指迷走神經本身病變或迷走神經和呼 27.
(42) 吸肌肉間之傳導障礙疾病，最後造成呼吸器依賴者屬 之，如重症肌無力。 5.其他：不屬以上之原始病灶性疾病者皆屬之，如頸椎 外傷等。 (三)呼吸道相關病史 1.呼吸道疾病(含氣喘、慢性阻塞性肺炎、肺結核、胸腔 手術或其他有呼吸道疾病)：不論其使用呼吸器之判別 原因，以使用呼吸器前一年即有之慢性疾病為準。 2.職業病史：以病患曾從事有關會影響呼吸道功能之物 理及化學工作，如噴霧、石棉業、礦工等皆屬之。 3.使用呼吸器之時間：以自病患最早使用呼吸器時至調 查日之時間距離，以月為單位。 (四)潛在疾病 1.糖尿病有無：以納入資料中之飯前血糖值為標準，分 為(1)小於等於 120 (2)大於 120 小於等於 160 (3)大於 160 三個類別變項。 2.糖尿病控制情形：以納入資料中 HbA1C 值分為(1)小於 等於 6.0 (2)大於 6.0 兩個類別變項。 3.高血壓：以舒張壓值分為(1)90 以下(含) (2)90 至 105(含) 28.
(43) (3)105 以上三個類別變項。 4.上消化道出血：以納入資料中是否有包括瀝青血便、 鼻胃管出血或內視鏡確診等記錄，分為(1)無 (2)有等 兩個類別變項。 5.心臟病：以納入記錄中是否有心電圖異常或如心臟超 音波等其他足資佐證的心臟血管疾病，分為(1)無 (2) 有兩項類別變項。 6.肝膽疾病：以納入記錄中 GOT 或 GPT 之任一項值大 於 40，或如腹部超音波等其他足資佐證肝膽等系統疾 病，分為(1)無(2)有兩項類別變項。 7.腎臟病：以納入記錄中 BUN 大於 22 或 Creatinine 大 於 1.3 或如腎臟超音波等其他足資佐證有腎臟等疾 病，分為(1)無(2)有兩項類別變項。 8.血液透析：以納入記錄中，病患是否接受血液透析， 分為(1)無(2)有兩項類別變項。 (五)意識狀態 評估中樞神經之損害程度，因病患大部份已有插 管，故僅以 Glasgow coma scale 中：E (眼睛反應)及 M(運 動反應)即 E+M 之合值為評估，分為(1)10 至 9 (2)8 至 6 29.
(44) (3)5 至 4 (4)3 至 2 四個類別變項。 (六)呼吸器相關處置 1. 呼吸器型式：中央健保局原規定之呼吸器包括有正負 壓呼吸器、Bi PAP 或 CPAP 使用>25cm H2O 等，皆歸 之於呼吸器之使用。而某些病例只使用 T-mask 或 T-piece 則歸入另一類，故將之分為(1)一般呼吸器指前 者(2)非一般呼吸器則指後者，兩項類別變項。 2. 使用機種：依呼吸照護病房目前使用最常見之機種分 為 (1)7200AE (2)8400STI (3)ADULT-star (4)Bear33 (5)SERVO900 (6)其他，等六個類別變項。若無使用記 錄，則該項加以捨棄。 3. 使用時段：依納入資料中，各案例一天之中實際使用 呼吸器時段分為(1)全天使用(2)夜間使用(3)間隔使用 等三個類別變項。 4. 人工氣道別：依納入資料案例中分為(1)使用 ET tube (2)使用 Tracheostomy 兩項類別變項。 (七)血液生化值 1. 白血球數－依納入資料中之白血球數分為(1)10000 以 下 (2)10000-15000 (3)15000-20000 (4)20000 以上四個 30.
(45) 類別變項。 2. 血小板數－依納入資料中血小板數分為(1)20 萬以下 及(2)20 萬以上等兩個類別變項。 (八)照護處置及後遺症 1. 褥瘡：依納入資料，分為(1)無褥瘡 (2)有褥瘡兩項類 別變項。 2. 皮膚感染：如疥蟲感染等皮膚感染，依納入資料分為 (1)無(2)有兩項類別變項。 各變項之操作型定義見表十八. 第六節、資料分析方法 一、統計分析方法 (一)描述性統計(Descriptive Analysis)－ 若為連續變項，則以平均數及標準差來描述說明各 相關因素的特性及分佈；若為類別變項則採用次數與百 分比描述。 (二)雙變項分析(Bivariate Analysis)－ 若自變項為連續變項，則以 t 檢定以 30 日後死亡與 否，對自變項平均值，檢定其是否有差異；若自變項為 31.
(46) 類別變項，則檢驗 30 日後死亡與否與各自變項間的關係 是否獨立，因此進行卡方檢定(X2 test)。 (三)多變項分析(Multivariate analysis)－ 羅 吉 斯 迴 歸 模 型 是 對 二 元 因 變 數 (dichotomous dependent variable)(即 y＝1 或 y＝0)進行迴歸分析時最為 普遍應用的多元量化分析方法 (王濟川,2003)。 羅吉斯迴歸分析的目的是為了找出依變項與一組自 變項之間的線性關係，這個線性關係表示可用依變項的 對數奇數比單位(Logit)、常態數單位(Normit)或雙對數單 位(Log-Log)等等 (彭昭英,2000)。其運用的時機為當依變 項為雜散型，分為兩種(dichotomous)或少數幾類時。此 外，依變項不必符合多變量常態分佈的假設(multivariate normality assumption)。針對依變項的分佈，也沒有任何 假設 (郭文達,2000)。本研究中住院月數及使用呼吸器月 數即屬連續變項。 根據 Hosmer 與 Lemeshow(1989)指出，進行羅吉斯 迴歸分析時，當自變項為連續變項時，應符合對數奇數 比為線性關係(linearity in the logit)的假設，若不符合此假 設時，建議應以四分法將自變項進行分組，以明確找出 32.
(47) 該變項在統計上的影響力，故本研究中如年齡等連續變 項，均以四分法進行分組，以找出該變項在統計上的影 響力。 另本研究之依變項為 30 日後是否死亡，採用羅吉斯 迴歸分析，探討在控制其他變項之效應後各自變項和依 變項之關係。整個迴歸模型中，當某一自變項的勝算比 (odds ratio)為 1 時，表示在控制其他變項之效應後，此自 變項與依變項沒有相關；若勝算比大於 1 時，表示在控 制其他變項之效應後，此自變項與依變項間存在正關 係；若勝算比小於 1 時，表示在控制其他變項之效應後， 此自變項與依變項間存在負關係。 ( 四 ) 逐 步 羅 吉 斯 迴 歸 分 析 (Stepwise Logistic regression analysis)建立呼吸照護病房中呼吸器依賴患者三十日死亡率 預測模型在輸入預測變數之值時，計算該類病患之死亡 率。逐步羅吉斯迴歸的分析原理是順向與反向羅吉斯迴歸 兩種方法的綜合，亦即其乃按照順向選擇法(forward)的邏 輯不斷排選重要的自變項，將其納入迴歸模型裡，但它同 時也依據反向淘汰法(backward)的原則對模型中既存的自 變項一一作檢定，假設移除某項自變項，我們更能或仍然 33.
(48) 精確預測其結果，則該自變項應屬多餘，若是，則逐步法 可有機會將這些不重要的自變項從模型中剔除出去 (彭昭 英,2000)。 二、套裝軟體 本研究以 Microsoft Excel 2000 進行資料的整理與建立， 再採用 SAS 6.12 統計軟體進行分析。. 第七節、研究限制 一、本研究調查表的製作，儘可能在回顧各文獻中，詳列相關於呼 吸器依賴患者之脫離呼吸器及相關死亡之因素。但台灣實施呼 吸照護系統之試辦計劃中，並無明確規定必須有所有相關因素 的檢查或記錄，因此在採用迴溯性資料蒐集中，每一個案常有 許多的闕漏，如身高、體重、營養狀況、甲狀腺激素、Theophylline 值、納入資料時期之血氧濃度及電解質等，各醫院並無完整資 料，造成統計上的闕漏，此為迴溯性資料中無法彌補的限制， 只能儘可能以統計方式來接近真實意義。 二、 因台灣呼吸照護病房的規模不大及開始時間不長，故無法以 同一團隊所照護的病患來作研究。只能蒐集多家醫院之醫護 團隊照護下的病患為研究對象，而無法顧及醫療團隊間之醫 34.
(49) 療水準差別。但此次取樣已儘可能以有胸腔內科醫師及呼吸 治療團隊之醫院為準，儘可能減少照護品質的差距。. 第四章 研究結果 本章總共分為四節來說明研究結果，第一節為描述性統計，分 別敘述研究中各項自變項的特性及分佈。若為連續變數，則以平均 數及標準差來描述；若為類別變項則採用次數及百分比來加以描 述。第二節以 t 檢定及卡方檢定來檢驗呼吸照護病房中呼吸器依賴 患者之 30 日死亡率與各自變項間的關係是否為獨立。第三節闡述以 羅吉斯迴歸分析探討各相關因素對，上述病患的 30 日死亡率的影 響，並找出其具有明顯意義的相關危險因子。最後使用逐步羅吉斯 迴歸分析，發展呼吸照護病房中呼吸器依賴患者 30 日死亡率之預測 模型。 本次研究個案，共有 237 件，約佔全國全年病例約 2%。個案 資料來自分屬北、中、南之六家地區醫院之呼吸照護病房中住院超 過一個月之呼吸器依賴病患。其中若變項內含超過四分之一的闕漏 值，則排除此變項。另外，若少數類別變項值闕漏，以眾數表示之； 若少數連續變項值闕漏，則以平均值代之。. 35.
(50) 第一節、描述性統計 一、人口變項之特性 研究個案中，男性有 132 位，佔 55.70%；女性 105 位， 佔 44.30%。年齡分佈自 26 至 96 歲，其中年齡分佈平均年齡 為 75 歲，最多年齡層為 71 至 80 歲，共 107 位，佔 45.15%。 關於本研究中住院月數，平均住院月數為 10.68 個月，住院最 高月數為 78 月。 二、使用呼吸器原因 根據病患造成呼吸器依賴原因，其中(1)原發性肺病約 45 例，佔 18.99%(2)次發性肺部疾病約 9 例，佔 3.8%(3)中樞神經 性疾病約 133 例，佔 56.12%(4)神經肌肉疾病約 2 例，佔 0.84%(5) 其他例約 39 例，佔 16.46%。其中又以腦中風 90 例為最多，佔 37.97%。 三、呼吸道病史 在呼吸道疾病病史方面，具一項病史者共 55 例，23.21%， 兩項病史者，共 15 例，佔 6.33%，有三項病史者 2 例，佔 0.84%， 沒有呼吸道病史者 165 例，佔 69.62%，此外，其中病史中，氣 喘有 17 例，佔 7.17%，慢性阻塞性肺炎有 46 例，佔 19.41%， 肺結核 18 例，佔 7.59%，此外沒有具職業病史之病例。 36.
(51) 使用呼吸器時間在 6 個月內者有 83 例，佔 35.02%，6 至 12 個月者有 31 例，佔 13.08%，12 至 18 個月者有 48 例，佔 20.25%，18 個月以上者有 75 例，佔 31.65%。 四、潛在疾病 合併糖尿病病患有 38 例，佔 16.03%，故 HbA1c 值為各醫 院檢驗之闕漏，不為統計；合併邊緣性高血壓有 26 例，佔 10.97%，合併確定高血壓者有 3 例，佔 1.27%；具有上消化道 出血病史者有 29 例，佔 12.24%；具心臟病病史者有 34 例，佔 14.35%；具肝膽疾病者有 32 例，佔 13.50%；另具 BUN>22 者 有 86 例，佔 36.29%；具 Creatinine >1.3 者有 56 例，佔 23.63%； 此外洗腎患者有 12 位，佔 5.06%。 五、意識狀態 E+M 合值 10 至 9 有 93 例，佔 39.24%；8 至 6 者有 28 例， 佔 11.81%；5 至 4 者有 9 例，佔 3.8%；3 至 2 者有 107 例，佔 45.15%。 六、呼吸道相關處置 呼吸器的使用，以一般呼吸器者有 232 位，5 位使用 T-mask 或 T-piece，佔 2.11%，本調查中，以 ADULT-star 機型為最多， 有 87 例，佔 36.71%，此外無意義；使用時段則全天使用者為 37.
(52) 231 例，共 97.47%，夜間使用者有 6 例，佔 2.53%，間隔使用 者有 8 例，佔 3.38%；另外，對於氣道而言，以氣管造瘻型態 者有 211 例，佔 89.03%，以插管型態者有 26 例，佔 10.97%。 七、血液生化值 其中白血球數小於 10000 者有 122 例，佔 51.48%，10000 至 15000 者有 29 例，佔 12.24%，15000 至 20000 者有 23 例， 佔 9.7%，超過 20000 者有 70 例，佔 29.54%；此外血小板大於 20 萬者 182 例，佔 76.79%。 八、照護處置及後遺症 研究資料中，有褥瘡之個案數 91 例，佔 38.40%；具有皮 膚感染之病例數 43 例，佔 18.14%。 此外，本研究案例中，死亡病例為 81 例，佔總研究個案 34.18%。 相關因素之描述性統計見表二十. 第二節、雙變項分析 在呼吸器依賴病患 30 日死亡率之雙項分析中，若自變項為連續 變項，則以 t 檢定，以 30 日後死亡與否，對自變項平均值，檢定其 是否有差異；若自變項為類別變項，則檢驗呼吸器依賴病患 30 日死 38.
(53) 亡率與自變項間的關係是否獨立，因此進行卡方檢定(x2 test)。其中 腎臟功能檢驗值 BUN 及 Creatinine 和白血球數及住院月數在統計學 上有極顯著相關(p<0.01)，糖尿病、呼吸器使用時段、人工氣道及照 護處置有皮膚感染等在統計上有顯著相關 0.01<p<0.05，此外，是否 有褥瘡對呼吸器依賴患者 30 日死亡率，也有統計上之明顯相關 0.05<p<0.1，其餘變項皆未達到統計上的明顯差異(見表二十) 一、人口變異特性 就年齡而言，和呼吸器依賴病患 30 日死亡率之關係無明顯 差異(t=-0.92,p>0.1)。就性別而言，男女別和依變項之關係亦無 明顯差異(x2=0.001，p>0.1)。但住院月數和依變項之關係則呈 極顯著差異(t=2.63,p<0.01)。 二、使用呼吸器原因 就五項呼吸器使用原因別和呼吸器依賴患者 30 日死亡率 之關係。因其卡方檢定中，細格數期望個數小於 5，故另以費 雪精密檢驗法(Fisher’s exact test)計算，兩者之間亦無明顯相關 (x2=5.258，p=0.2727)。 三、呼吸道病史 就四項呼吸道病史和依變項之關係，因其卡方檢定中，細 格數期望個數小於 5，而另以費雪精密檢驗法(Fisher’s exact test) 39.
(54) 計算，兩者之間亦無明顯相關(x2=2.781，p>0.1)。 四、潛在疾病 糖尿病和依變項兩者間有明顯相關(x2=5.037，p>0.05)。高 血壓以費雪法計算，兩者無明顯相關(x2=1.770，p>0.1)。上消 化道出血未達到統計上的明顯意義(x2=0.207，p>0.1)。此外， 心臟病及肝功能不全這兩組同樣未達到統計上的明顯意義 (x2=0.059， p>0.5；x2=0.521，p>0.5)。雖然洗腎這一組和依變 項間沒有統計學上的顯著差異(x2=3.279，p>0.1)，但腎功能指 數 之 BUN 及 Creatinine ， 則 在 統 計 上 達 到 極 顯 著 意 義 (x2=15.022，p<0.01；x2=14.622，p<0.01)。 五、意識狀態 以 Glasgow 昏迷指數，因已有人工氣道不能發聲，故取其 E+M 值。本組和依變項間，以費雪法計算，在統計學上無明顯 差異(x2=0.498，p>0.1)。 六、呼吸器相關處置 呼吸器使用月數和依變項之關係，未有明顯差異 (t=-0.77,p>0.5)。呼吸器種類組和依變項之關係，以費雪法計 算，未有明顯差異(x2=3.745，p>0.1)。但使用時段組，以費雪 法計算，有明顯差異(x2=7.726，p<0.05)。而人工氣道組，以費 40.
(55) 雪法計算，亦具有顯著差異(x2=8.006，p<0.05)。 七、血液生化值 白血球組和依變項間，在統計上具極顯著差異(x2=34.274， p<0.01)， 但 血 小 板 組 則 在 統 計 上 不 具 明 顯 差 異 (x2=0.623， p>0.1)。 八、照護處置及後遺症 褥瘡組和呼吸器依賴病人 30 日死亡率間，在統計上具明顯 差異(x2=2.759，p<0.1)。另外皮膚其他感染在統計上呈顯著差 異(x2=4.098，p<0.05)。 相關因素之卡方檢定見表二十一. 第三節、多變項分析 在呼吸器依賴病患 30 日死亡率之羅吉斯迴歸模型中，探討人口 變項特性使用呼吸器原因、呼吸道病史、潛在疾病、意識狀態、呼 吸器相關處置、血液生化值及照護處置的後遺症等等，與呼吸器依 賴病患 30 日死亡率的關係。. 在羅吉斯迴歸模型中顯示，住院月數、人工氣道白血球(10000 至 15000)及白血球(大於 20000)及皮膚感染等，與呼吸器依賴患者 30 日死亡率，在統計學上有極顯著相關 (P<0.01)；原發性肺部疾 41.
(56) 病、神經肌肉疾病、腎功能指數 Creatinine、白血球(15000 至 20000) 等 ； 與 呼 吸 器 依 賴 患 者 30 日 死 亡 率 ， 在 統 計 上 有 顯 著 相 關 (0.01<P<0.5)；另外，慢性阻塞性肺炎、糖尿病，兩者和呼吸器依賴 患者 30 日死亡率，在統計上有明顯相關(0.1<P<0.5)。其餘各項則皆 沒有達到統計上的明顯相關。. 一、人口變項. 在性別變項中，女性在呼吸器依賴患者 30 日死亡率的勝算 比為男性的 0.992 倍，在迴歸模型中未達統計上的明顯意義。 而年齡方面，其 p 值>0.1 亦未達明顯意義。但對於住院月數則 勝算比為 2.545，並具有統計上之極顯著意義(p<0.01)。. 二、使用呼吸器原因. 次發性肺部對於呼吸器依賴患者 30 日死亡率的勝算比為 原 發 性 肺 部 疾 病 的 6.322 倍 ， 並 具 有 統 計 上 顯 著 意 義 (0.01<p<0.05)，而中樞神經疾病對於呼吸器依賴患者 30 日死亡 率之勝算比為原發性影響之 30 日死亡率之 5.075 倍，同樣具有 統計上之顯著意義(0.01<p<0.05)。而另外因其他原因而使用呼 吸器的呼吸器依賴病患 30 日死亡率，因原發性疾病所造成使用 42.
(57) 呼吸器的呼吸器依賴 30 日死亡率之 2.610 倍，但並不具有統計 上的明顯意義(p>0.1)。. 三、呼吸道病史. 具有呼吸道病史中，僅慢性阻塞性肺研所造成的呼吸器依 賴患者 30 日死亡率的勝算比為不具慢性阻塞性肺炎(對照組)所 造成的呼吸器依賴患者 30 日死亡率之 2.9236 倍，具有統計上 之明顯意義(p<0.1)，其餘如氣喘有無、肺結核之有無、職業病 史等，在本迴歸模型中，統計上不具明顯意義(p>0.1)。. 四、潛在疾病. 在呼吸器依賴病患具有之潛在疾病方面，具糖尿病病患之 呼吸依賴患者 30 日死亡率之勝算比為不具糖尿病者之 2.638 倍，具統計上明顯意義(p<0.1)，另外腎功能不全指標中之 Creatinine，其值大於 1.3 者所影響該病患 30 日死亡率勝算比為 小於 1.3 者之 3.169 倍，亦具統計上明顯意義(p<0.1)。. 其餘諸如高血壓之有無、糖尿病控制之良否、上消化道出 血之有無、心臟病之有無、肝功能不全之有無、腎功能不全中 之 BUN 是否大於 22 以及是否有血液透析等病患之 30 日死亡 43.
(58) 率，在本迴歸模型中，統計上不具明顯意義(p>0.1)。. 五、意識狀態. 在意識狀態方面，E(眼睛方面反應)及 M(活動方面反應)之 合值之高低對呼吸器依賴患者 30 日死亡率，在本迴歸模型中， 統計上不具明顯意義(P>0.1). 六、呼吸器相關處置. 以氣管造瘻作為人工氣道的呼吸器依賴患者，30 日死亡率 勝算比為以插管作為人工氣道的呼吸器依賴患者 30 日死亡率 的 0.214 倍，並在統計上具極顯著之意義(P<0.01)。. 其餘諸如，呼吸器的形式別、機種別、使用時段等，在本 迴歸模型中，統計上不具明顯意義(P>0.1)。. 七、血液生化值. 其中白血球之數目，10000 至 15000 之呼吸器依賴患者之 30 日死亡率勝算是白血球數 10000 以下之呼吸器依賴患者 30 日死亡率的 8.312 倍。而白血球數大於 20000 者之呼吸器依賴 患者 30 日死亡率勝算是白血球數 10000 以下者之 35.581 倍， 44.
(59) 兩者皆具統計上極顯著意義，另外白血球數大於 15000 小於 20000 者之呼吸器依賴患者 30 日死亡率勝算比是白血球小於 10000 者之 4.881 倍，在統計上具有顯著意義(0.01<P<0.05)。. 而血小板數是否大於 20 萬，在本迴歸模型中，統計上不具 明顯意義(P>0.1)。. 八、照護處置及後遺症. 具有皮膚感染的呼吸器依賴病患的 30 日死亡率勝算比為 未具皮膚感染者 30 日的 0.2 倍，統計上具極顯著之意義 (P<0.01)。. 而褥瘡之有無，在本迴歸模型中，統計上不具明顯意義 (P>0.1)。. 相關因素之羅吉斯迴歸分析見表二十二. 第四節、呼吸器依賴病患 30 日死亡率之預測模型 本節在於建立呼吸照護病房中呼吸器依賴患者 30 日死亡率之 預測模型，將在羅吉斯迴歸中達到統計上顯著意義的變項─住院月 45.
(60) 數；呼吸器使用時間；使用呼吸器原因；糖尿病；慢性阻塞性肺炎； 腎功能指數 Creatinine 是否大於 1.3；人工氣道別；白血球數目是為 小於 10000，介於 10000 和 15000 中，介於 15000 和 20000 中，或 者大於 20000；以及皮膚是否感染等，放入逐次羅吉斯迴歸中，以 建立上述之預測模型(見表二十三)。. 其預測模式如下. ln( 呼 吸 器 依 賴 病 患 30 日 死 亡 率 / 呼 吸 器 依 賴 病 患 30 日 存 活 率 )=-2.3255+1.0736(months. 簡 稱. M)-0.3710(use. time. 簡 稱. U)+1.1097(Creatinine 簡稱 C)-1.5765(airway 簡稱 A)+1.8219(WBC2 簡稱 U2)+3.1611(WBC3 簡稱 W3)-0.8887(Derm 簡稱 D). 即(呼吸器依賴病患 30 日死亡率/呼吸器依賴病患 30 日存活率) =e(-2.3255+1.0736M-0.3710U+1.1097C-1.5765A+1.8219W1+1.6590W2+3.1611W3-0.8887D) 亦即呼吸器依賴病患 30 日死亡率的機率為 e(-2.3255+1.0736M-0.3710U+1.1097C-1.5765A+1.8219W1+1.6590W2+3.1611W3-0.8887D) 1+e(-2.3255+1.0736M-0.3710U+1.1097C-1.5765A+1.8219W1+1.6590W2+3.1611W3-0.8887D) 在本研究中，危險率最高病例，應為 M=76 個月，C=1(Creatinine 大於 1.3)，A=0(使用 ET tube)，W3=1(白血球大於 20000)及 D=0(無 46.
(61) 皮膚感染). 則其 30 日死亡率為 e(-2.3255+1.0736×76-0.3710×76+1.1097×1-1.5765×0+3.1611×1-0.8887×0) 1+e(-2.3255+1.0736×76-0.3710×76+1.1097×1-1.5765×0+3.1611×1-0.8887×0) e55.3429 =. ≒. 1. 55.3429. 1+e. 本研究中危險率最低病例為 M=1 個月，U=1 個月，C=0(Creatinine 小於 1.3，A=1(使用 Tracheostomy)，WBC=0(即白血球小於 10000) 及 D=1(有皮膚感染). 則 30 日死亡率為 e(-2.3255+1.0736×1-0.3710×1+1.1097×0-1.5765×1+WBC×0-0.8887×1) 1+e(-2.3255+1.0736×1-0.3710×1+1.1097×0-1.5765×1+WBC×0-0.8887×1) e-4.0881 =. = 0.016494 -4.0881. 1+e. 本研究中，最多病例個案 M=1 個月，U=1 個月，C=0(Creatinine<1.3， A=1(tracheostomy)，W=0(WBC<10000)及 D=0(無皮膚感染). 則 30 日死亡率為 47.
(62) e(-2.3255+1.0736×1-0.3710×1+1.1097×0-1.5765×1+WBC×0+D×0) 1+e(-2.3255+1.0736×1-0.3710×1+1.1097×0-1.5765×1+WBC×0+D×0) e-3.1994 =. = 0.039188 -3.1994. 1+e. 為本研究中，最多個案之 30 日死亡率. 本預測模型所計算之死亡可能性，若值大於 0.5 判定為死亡； 若值小於 0.5 則判定為存活，其正確性可達 90.1%(percent concordant 90.1)。故本模型預測正確性及能力均屬良好 (somer’s D 0.803)(見表 二十三)。. 48.
(63) 第五章 討論 呼吸照護體系的建立，對世界各國急重症體系的影響深遠，也 對本國在前瞻性支付制度下，建立呼吸照護體系疾病嚴重度，作為 爾後資源分配的依據至至關重要。故本研究嘗試藉由找出影響呼吸 器依賴患者 30 日死亡率的危險因子，建立其預測模式，作為爾後建 立呼吸器依賴病患疾病嚴重度的基礎。. 在本研究中發現住院月數、呼吸器的使用時間，腎功能指數 Creatinine、人工氣道種類、白血球數及是否有皮膚感染與呼吸器依 賴患者 30 日死亡率達到統計上的顯著意義，其餘變項則皆沒有達到 統計上的意義。以下將分別討論：. 一、住院月數. 台灣呼吸照護體系的整合試辦計劃於 2000 年 7 月開始，且 參與試辦計劃的醫院並未佔多數。其間，在初期時亦無規定進 入試辦醫院的病患必須經過呼吸加護病房及呼吸照護中心，於 是使得某些較輕症在安養中心或護理之家長期接受照顧的、較 穩定慢性病人，轉至呼吸照護病房，此等病患才會有接受呼吸 治療達 76 個月之久的個案。. 49.
(64) 本研究顯示住院月數愈久者，其死亡率愈高，且因本研究 中在人口特質別已排除年齡因素，故可知單純在呼吸照護病房 中的住院月數和 30 日死亡率關係中，住院月數每增加一個月， 危險性增加 2.926 倍。. 住院月數和呼吸器依賴患者之關係，在回顧文獻中並不曾 有相關的報告或研究，以往類似的研究多在於住院天數(Length of stay)與回診率、成本分析或品質監控等關係之探討。本研究 之發現可提供中央健保局有關呼吸器依賴患者整合試辦計劃單 位，對於規範將來分級給付之重要參考。. 二、 呼吸器的使用時間. 呼吸器的使用，因有部份病患曾有脫離情形，故和住院月 數並不一致。在本研究中呼吸器使用月數和呼吸器依賴患者 30 日死亡率，呈顯著相關。每增加呼吸器使用一個月，增加其死 亡率 0.69 倍。在本研究中，其死亡率和使用機種無明顯差異。 呼吸器使用時間的長短和呼吸器依賴患者 30 日死亡率之關 係，之所以具明顯意義，應與其使用時所造成的後遺症有關。 如呼吸器相關之肺炎(Ventilator-associated pneumonia VAP)，是 加 護 病 房 中 最 常 見 之 感 染 ， 且 引 起 高 達 30% 的 死 亡 率 50.
(65) (Mechanical ventilator,2001)，而在全院感染方面則僅次於泌尿 道 感 染 ， 美 國 國 家 院 內 感 染 監 督 協 會 (National Nosocomial Infection Surveillance NNIS)，則訂定所謂每千名病患呼吸器使 用天數(per 1000 patient ventilator days)之 VAP 罹患率，作為院 內感染之重要指標。因此對於使用呼吸器患者感染之控制為一 非常重要之課題。. 此外，因為呼吸器的長期使用，亦會肺臟內皮及外皮細胞 之損傷，稱之為氣壓創傷(barotrauma)，會造成如急性呼吸窘迫 症候群(Acute Respiratory distress syndrome ARDS)之現象，有 40%之死亡率(Mechanical ventilator,2001)。另外，因肺泡過度膨 脹(over distention)而破裂，會造成氣胸(pneumothorax)縱橫膜氣 胸(pneumomediastinum)，氣腫(emphysema)，甚至造成氣體進入 腹腔(pneumoperitonium)。. 呼吸器的使用，對於呼吸器依賴病患在所難免，但須時時 小心謹慎，不可因長期照護，而怠惰因循。本研究之指標應為 呼吸器依賴病患未來建立疾病嚴重度之重要參考。. 三、 Creatinine 值. 51.
(66) 血中 Creatinine 值本為腎臟中腎絲球過濾排出後，血中仍 存留之濃度。其意義為最常被用來作為代表腎臟中腎絲球過濾 之功能。當其功能受損時，造成 Creatinine 不能濾出，則相同 會使得其他中分子物質(含氮物質，具毒性)不能濾出，血液中 氮素增加，稱為氮血症(Azotomia)。當其超過某個數值，即表 示腎臟功能衰竭，而可能造成死亡，其造成之原因有高血壓、 急性腎炎、尿路阻塞、急性及慢性衰竭。其中，對呼吸照護病 房中之呼吸器依賴病患而言，高血壓、尿路阻塞之患者，要先 於控制或排除。而急性腎炎的原因過半皆因於感染，是故對於 泌尿道感染的控制相當重要。適時更換導尿管、注意個人清潔 等皆屬重要的措施，急性腎衰竭的原因甚多，至於慢性腎衰竭 患者常合併有呼吸衰竭，目前兩者皆依靠血液透析處理。本研 究發現腎功能指數 BUN 及 Creatinine 中，Creatinine 比 BUN 更 具指標意義。在醫學上腎功能不全，往往會造成肺部積水及全 身水腫，使得病患死亡率大增，預測模式中 Creatinine 比 BUN 或洗腎與否，更具有代表的意義，其中 Creatinine 大於 1.3 之死 亡率是 Creatinine 小於 1.3 之 3.033 倍。. 四、 人工氣道. 52.
相關文件
Experiment code often includes messy scripts for various settings in the paper – useful for reviewers Software: for general users. One or a few reasonable settings with a
• The memory storage unit holds instructions and data for a running program.. • A bus is a group of wires that transfer data from one part to another (data,
Stage l1c* Tumor either stage lla or llb but with tumor on the surface of one or both ovaries; or with capsule(s) ruptured; or with ascites present containing malignant cells or
We have presented a numerical model for multiphase com- pressible flows involving the liquid and vapor phases of one species and one or more inert gaseous phases, extending the
The natural structure for two vari- ables is often a rectangular array with columns corresponding to the categories of one vari- able and rows to categories of the second
(a) The principal of a school shall nominate such number of teachers of the school for registration as teacher manager or alternate teacher manager of the school as may be provided
We explicitly saw the dimensional reason for the occurrence of the magnetic catalysis on the basis of the scaling argument. However, the precise form of gap depends
• The memory storage unit holds instructions and data for a running program.. • A bus is a group of wires that transfer data from one part to another (data,
