開發第1 型糖尿病病患血糖檢核系統泛用軟體之研究

行政院國家科學委員會專題研究計畫 成果報告

開發第 1 型糖尿病病患血糖檢核系統泛用軟體之研究

計畫類別： 個別型計畫

計畫編號： NSC91-2516-S-006-005-

執行期間： 91 年 08 月 01 日至 92 年 07 月 31 日 執行單位： 國立成功大學護理系（所）

計畫主持人： 錢淑君

報告類型： 精簡報告

處理方式： 本計畫可公開查詢

中 華 民 國 92 年 10 月 31 日

行政院國家科學委員會補助專題研究計畫 成 果 報 告 期中進度報告 開發第 1 型糖尿病病患血糖檢核系統泛用軟體之研究

計畫類別：■ 個別型計畫 □ 整合型計畫 計畫編號：NSC 91－2516－S－006 －005－

執行期間： 91 年 08 月 01 日至 92 年 07 月 31 日

計畫主持人：錢淑君 共同主持人：林秀娟 計畫參與人員： 溫敏杰

成果報告類型(依經費核定清單規定繳交)：■精簡報告 □完整報告

本成果報告包括以下應繳交之附件：

□赴國外出差或研習心得報告一份

□赴大陸地區出差或研習心得報告一份

□出席國際學術會議心得報告及發表之論文各一份

□國際合作研究計畫國外研究報告書一份

處理方式：除產學合作研究計畫、提升產業技術及人才培育研究計畫、列管計畫 及下列情形者外，得立即公開查詢

□涉及專利或其他智慧財產權，□一年□二年後可公開查詢

執行單位：國立成功大學護理學系

中 華 民 國 92 年 10 月 31 日

研究計畫中英文摘要

〈一〉計畫中文摘要

關鍵詞：網際網路、血糖預測、第 1 型糖尿病

21 世紀被稱為電腦資訊產業的e 世代。配合資訊業的發展，站在醫療專業的 角度若能妥善運用資訊的方便性、及時性、無國界性，開發出一套有助於糖尿病 的疾病管理的軟體系統，相信不但可以降低醫療成本，又可有效的協助病患、家 屬進行慢性疾病的管理控制。本研究目的在運用Information Tecchonology 的儀 器收集糖尿病病患血糖、飲食、運動的資料，進而開發一套可以協助病患有效的 生活管理及檢核自己的血糖值之軟體系統。

研究對象為 3 位青年期第 1 型糖尿病病患，1 位男性年齡 22 歲以及 2 位女 性年齡分別為 20 及 21 歲。3 位皆每天注射 4 次胰島素。資料收集的Information Tecchonology 工具為測量血糖的 Dexter-ZⅡ、運動紀錄器 Lifecoder 以及紀錄飲 食內容的數位式照相機。請研究對象將存有每天紀錄的上述儀器一個月交給研究 者一次。研究者直接以電腦讀取儀器內所儲存資料，並進行分析。胰島素的注射 量則以手寫紀錄並由研究者事後作確認。每位對象提供一年的資料作為預測個人 血糖值以及生活型態的紀錄分析的資料庫。

資料的分析方法除了進行敘述性統計分析之外並且以其中紀錄最為完整的 21 歲的研究對象的資料執行Trnasfer function model 的分析。主要結果如下：

1.生活位於亞熱帶的台灣之第 1 型糖尿病病患的血糖變化受季節溫度的影響不 明顯。

2. 每月平均血糖值只要在 200mg/dl 左右，而且當月含蓋於Target（血糖值介於 65-155mg/dl 之間）的血糖百分比為 30%以上，便可以推測出HbA1c 將會低於 9%。

3. 以胰島素與炭水化合物資料為解釋變數所建構的轉換函數模式〈Transfer function model〉是合適的，轉換函數模式為

t t t t

a S B B B

B B

B

R B B B

Y B

+ + +

−

−

− + −

− +

+ −

=

7 4 3

2

4 3 2

23165 . 0 73893 . 0 18807 . 1 77896 . 0 1

10001 . 0 10570 . 0

93048 . 0 89434 . 0 8187 . 0 1

92456 . 71994 0

. 240

。

除了運用上述的成果，於後續的研究中將進一步分析個人的生活型態與血糖 變化的關係，藉此建立一套能夠描繪出糖尿病病患實際生活立體圖像的專家智慧 系統。

（二）計畫英文摘要

Keywords：Internet, Predicting Blood Sugar, Type1Diabetes

Today, the widespread use of internet has become very popular. It has changed the traditional commercial model and offered more convenient services around the world.

If we apply these Information technologies to the medical system for chronic disease patients and families, health services could become more effective and economical.

Purpose of this study is to create a model that could help diabetes patients to predict their blood sugar level. The model will be transfer to a software system used on the homepage in the future.

One male (twenty two years old) and two female (twenty & twenty one years old) type1 diabetic patients (C-peptide< 1.0 mg/dl) were enrolled to this study. All of them administered 4 times insulin injection everyday. Each subject used information technologic equipments “Dexter-Z”, “Lifecoder” and digital camera to record data such as blood sugar, exercises and diet. Insulin doses was filled out on the recorders designed by researcher. Subjects were ask to deliver the information technologic equipments and recorders to researcher for data collection every month for one year.

Descriptive statistics was used to analyze the trend of one year data and Transfer Function Models was used to create the blood sugar level prediction model. The results showed that

1.The influence of climate to the metabolic control of Type 1 Diabetes was not remarkable in Taiwan which a country is in subtropical zone.

2.If the average of blood sugar values approximate 200mg/dl and more than thirty percents blood sugar values were between Target (65-155mg/dl) for one month, the HbA1c would be under 9%.

3.Insulin dose and carbohydrate would be the proper explanatory variables for predict the blood sugar level. The equation is

t t t t

a S B B B

B B

B

R B B B

Y B

+ + +

−

−

− + −

− +

+ −

=

7 4 3

2

4 3 2

23165 . 0 73893 . 0 18807 . 1 77896 . 0 1

10001 . 0 10570 . 0

93048 . 0 89434 . 0 8187 . 0 1

92456 . 71994 0

. 240

。

Furthermore the analysis of live pattern and the relation with blood sugar level would be execute in the next step in order to create a software system which is able to describe the reality of type 1 diabtic patients’ live.

第Ⅰ章 前言

21 世紀被稱為電腦資訊產業的e世代。配合資訊業的發展，站在醫療專業的 角度若能妥善運用資訊的方便性、及時性、無國界性，開發出一套有助於糖尿病 的疾病管理的軟體系統。相信不但可以降低醫療成本，又可有效的協助病患、家 屬進行慢性疾病的管理控制。

由於資訊科技的進步、網際網路的盛行以及普及化，透過網際網路快速的 傳遞訊息及網頁資料內容的豐富化，也使得傳統封閉的經營模式轉化為利用網際 網路的方便性，提供全球性的服務，並更進一步地促使消費性電子(Comsumer Electronics)、電腦(Computer)、通訊(Communication) 3C間整合在一起。但隨 著網路及通訊人口的激增，以及人們對於網路內容及通訊品質的高度要求，於是 各種寬頻、無線通訊及行動協定等技術遂因運而生。未來若能將這些技術應用在 醫療服務網上，將能大大提升國內醫療服務水準。

研究目的

計畫的長程目標為以下兩項，而此次接受補助的一年期限內預計達成第一項 中所提之檢核自己的血糖值之函數模式。

一、 在第 1 年計畫中建立一套可以協助病患有效的生活管理及檢核自己的血 糖值之軟體系統。

二、在第 2 年計畫中將評估使用系統後是否降低了顯示糖尿病控制指標的糖 化血色素以及 3 個月的平均血糖值。

第Ⅱ章 文獻探討

鄰國的日本政府於 2000 年的IT戰略會議中訂出e-Japan的多項工作重點。

例如在 5 年內即 2005 年至少讓 3000 萬世帶能夠使用高速網際網路，1000 萬世 帶能夠使用超高速網際網路之目標。而政府的電子作業系統在 2003 年時達到和 目前書面作業相同的程度。2003 年的電子商品市場能再擴充 70 兆日幣，將遠距 教學以及遠距醫療普及化。NHK電視台於 2002 年 12 月的新聞報導中已經發佈 6 成的東京都內醫院將於 2003 年開始啟用電子病例系統。

文獻探討

Ⅰ以鄰國日本為主之糖尿病 e 化醫療照護之現況探討

日本糖尿病學會的榮譽理事松岡健平教授於數年前提出了驚人的統計數 據，也就是近 20 年日本的糖尿病人口激增了將近 1.5 倍，到西元 2000 年的病患 增至 2 百萬人左右，所以糖尿病堪稱為日本 21 世紀的國民病。那麼目前日本國 內的醫療e化的程度尤其在糖尿病的照護上的發展如何呢？以下是根據 2002 以 及 2003 年日本糖尿病教育資源共享機構年會所發表的研究論文所整理之內容。

若從使用者的角度可分為兩大部份來說明。

第一部份：針對醫療專業人員使用的相關開發

一、大型醫院與診所的連合〈以下簡稱“院所連合”〉

1.西埼玉縣地區運用網際網路組成了研究的團隊，一年當中進行數次的研討 會。但是執行院所連合遇到的問題是轉介來的病患之追蹤的方式尚未確定。因此 研究者認為最理想的方式是醫院、診所、病患三者形成有機體、運用IT的方便 性建立共識，一起為糖尿病的控制而努力。

西埼玉縣地區的網路系統為了資訊共享，首先設立了Web Server。然後在

Server架設模擬網路以作為研究用的網頁。透過網頁進行病例討論、提供糖尿病

的相關資訊、治療指引等教育輔助工具(成宮 學,2001)。

2.另外也有一家Terumo株式會社所製作的網頁提供院所連合使用之系統。

二、糖尿病大血管病變的共同臨床研究(MSDM)

MSDM(Multiclinical Study for diabetic marcrovascular Complication) 從 1991 年起約有 40 家機構，累計了 1600 位第 2 型糖尿病病患的資料庫。資料庫的內容 包括病患的基本資料、血糖控制的指標、以及其他血液、尿液之生理機能的指標、

大以及小血管病變、飲食、藥物治療等重要資料。並開發了進行管理分析的軟體 系統。此研究的結果發現符合下列生理狀況 4-6 項的病患比符合 3 項以下的病患 其大血管病變發生率來的低。

FBS 130 mg/dl以下 T.Chol 200mg/dl以下 TG 120 mg/dl以下 HDL 40mg/dl以上 BMI 23 Kg/M² 以下 S-BP 135 mmHg 以下 D-BP 80 mmHg 以下

三、國立醫院療養院所糖尿病Group運用網路進行之糖尿病流行病學的研究 研究小組(Japan Diabetes Network Research)由分散於全國 29 家國立醫院療養 院所之糖尿病中心醫療人員以及 2 位流行病學專家、1 位資訊工程專家所形成。

網路的管理中心設於國立京都病院。研究的登錄對象是 20 歲以上，初次診斷為 第 2 型糖尿病病患。經病患本人同意後，使用此研究所設計的database 調查表 於初診時開始登錄，接著進行一年的追蹤。從上述database中用random 的方式 探討病患的血糖管理指標以及藥物治療的臨床效果。同時建構各個療養院所

database的傳送、接收、網際網路檢索系統。

目前的主要結果發現即使於體檢時發現罹患糖尿病，但是早期接受治療者僅 有 33%，未接受任何治療者約有 11%。未接受任何治療的相關因素包括發病年齡 是 45 歲以下的族群、男性、以及擁有糖尿病家族史三項。

四、東京女子醫科大學糖尿病中心之病患資料庫的建構

此專案由該中心的佐倉醫師主導進行。資料庫的建構包括由該院糖尿病中心 所提供的病患基本資料、以及由醫務課所提供的藥物治療的資料、由病理部所提 供的血液及一般檢查的資料所形成。上述資料鍵入Microsoft的Access中，再以

Structured Query Language進行選擇後，轉到統計的軟體加以分析。而現階段的

分析進度為資料的選擇以及執行統計分析。具體的內容是對於治療方法以及服用 藥物的劑量和HbA1c關係的探討。2003 年的年會中發表的內容為基於安全性的 考量該院原本將資料庫集中存放在於一台電腦上，但經過院內倫理委員會的討論 已經通過設置Intranet的計畫。今後的資料庫將涵蓋病患衛教紀錄、重大合併症 以及出院摘要等。

五、電子病歷 1.山口紅十字醫院

此院的古賀龍彥醫師等當初是為了避免除了血糖值以外疏忽了病患其它的重 要生理資訊而建構了電子病歷。他們將生化、眼科的資料以磁碟片存檔後鍵入當 科的電子病歷中以進行資訊共享。當病患需接受網膜手術或轉介到其它科部時，

從電子病歷中及可整理出一份相當詳細的資料以供對方參考。甚至亦可運用於門 診的營養指導。電子病歷第一頁的主要內容是治療的經過。第二頁是臨床檢驗的 資料。第三頁是護理摘要以及列出由美國所開發的Strategy Diabetes Management 中目前病患所處的階段和治療方針。

2.九州大學醫學研究所病理制禦內科(第三內科)

中島直樹醫師等於 2000 年接受日本經產省委託進行『活用IT(information

technology)技術開發地方醫療網』之計劃。此計劃的副標題是「運用公開的資料

庫進行大規模的地域分散型電子病歷事業之開發」。實證研究的部份由九州大學 附設醫院擔任高度先端醫療機構的角色，福岡市醫師公會成人病中心擔任中間醫 療機構的角色，加上福岡市市內約 40 家的機構 (有內科、外科、眼科診所以及 藥局、衛生所、病友團體)形成一個醫療網。於 2001 年底進行通訊、醫療成本、

參加機構的反應等調查。此研究於 2003 年的年會中發表的內容為〈1〉在網路的 安全考量上使用二張IC卡、設置VPN通訊、防火牆等等〈2〉內容的標準化：

使用HL7ver3 的國際規格標準以及疾病名、藥物名稱、檢查名稱的標準化〈3〉

病患資料庫轉換軟體的開發成果。

第二部份：針對病患使用的相關開發 一、糖尿病教育用電腦自學軟體 Island

森川教授等從 1988 到 1990 年開發了供糖尿病病童使用的電腦自學軟體

Island。其主要內容有三部份：□CAI for Diabetes: 除了有糖尿病疾病、治療方

法的說明外，並且以Q & A的方式讓病童評估學習效果。□Computer Based

Record: 在糖尿病的疾病管理上需要有臨床的檢驗數據協助判斷控制的好壞。這

些數據可輸入此軟體加以處理。□Clinical Decision Support System: 此部份可以 將病童血糖控制的情況呈現給本人及主要照顧者。藉此引發病童本人及主要照顧 者回顧日常生活型態，將問題透明化。而醫療團隊跟據上述情況提供符合其需要 的衛教。

二、鼓勵糖尿病病童預測血糖值之軟體

東京女子醫科大學糖尿病中心的内潟醫師認為應從早期開始訓練糖尿病病童 認知體內血糖值的變化進而能達到疾病的自我管理。並強調不可過於依賴血糖 機。於是和產業界共同開發鼓勵糖尿病病童預測血糖值之軟體。病童可以將血糖 機與附有神奇寶貝電玩的道具聯結。病童先輸入預測之血糖數值，若此數值和之 後血糖機所測出之數值相吻合時，便能啟動電玩。亦即藉由可以玩電玩之增強作 用，鼓勵病童正確的預測自己的血糖值。如果此訓練成功的話，將來病童則不需 依賴血糖機而進行疾病的管理。這是從行為醫學的角度所開發出來的軟體。

三、運用資訊科技以協助血糖控制之系統開發

這套系統是由東京中央濟生會糖尿病中心、日本松下壽電子株式會社與行動 電話公司所共同開發的。病患將自己的血糖值、飲食等資料以行動電話或PDA 傳送至工作站，醫院的醫療團隊可從院內的終端機收到上述資料，掌握病患的控 制情況，現階段主要由護理師負責管理。評估了接收到的資料後，護理師以Email 或者傳真給於病患回饋。若是護理師本身無法處理的問題則照會醫師等團隊成員

進行處理。

在 2003 年的糖尿病教育資源共享機構年會中由三洋電機生態環境研究所以 及三洋電機健康保險工會保健醫療中心發表了另外一個管理系統。此系統在病患 家中設置了一個人造寵物資訊收集器〈HOPISU〉。此資訊收集器每天固定於一 個時間點將病患在家中以儀器所測出的生命徵象資料〈血糖、血壓、體重〉、運 動量、以及自己所輸入的飲食資料運用無線的方式收集。然後再以無線的方式透 過網際網路傳輸到研究中心的工作站。因為本系統尚在嘗試階段，對於糖尿病病 患血糖控制的影響分析是今後的課題。

四、運用影像電話協助第 1 型糖尿病病患疾病管理之系統開發

這是由日本愛媛大學中村慶子教授所主導的計劃。對象是 8-18 歲的第 1 型糖 尿病病患 7 位。使用此系統發現有下列效果：改善了血糖控制情況、促進了病患 本身的自信心與獨立性、促進了家庭內的溝通、擴展了病患學校、醫療團隊等的 社會支持系統。此外運用影像系統於飲食衛教可進行即時性的互動。

從上述的影像系統使用過程中發現以下四項因素改善了疾病管理的能力。〈1〉

能綜合性的評估影響血糖控制的多重因素，進而促進病患預測以及處理血糖變化 的能力、〈2〉學習到胰島素作用時間以及Sick day處理方法的新知並應用於日常 生活中、〈3〉確立了病患調整胰島素的技能、〈4〉對於身體變化認知能力的提升，

以及良好的血糖控制之持續性經驗促進了病患本身的自信心與獨立性。但是醫療 專業人員和病患的通話時間不容易約定以及高成本的通話費是此研究的限制。

五、飲食自我學習系統的開發

京都預防醫學中心的糖尿病病患 73.2%是在職者的關係，能夠參加定期舉行 的病友會人數相當有限。為了讓此類病患能夠持續性接受追蹤或者改變其生活形 態，開發於門診或家中能夠使用的有效自我學習系統是本計劃的主要目的。將 2000 年所舉辦的病友會之自助餐飲食內容重現於電腦中，並於門診時嘗試讓病

患使用。具體的方法是將在病友會提出的 30 種食物照片檔掃入電腦中。病患從 中選出可以反應自己日常生活飲食的項目。營養師跟據上述資料為病患評估三餐 的內容並與原先所建議的營養內容作比較、接著進行衛教。事後針對於這樣的學 習體驗進行了問卷調查。參加對象有 101 位，平均年齡是 60.0±9.4 歲。主要結 果如下：

回答「看到實物較好」的為 50%，「從電腦看較好」的為 23.1%，「二者並沒有 差別」的為 12.5%。「實際的聚會較有幫助」的為 12.5%，「使用電腦依然有助益 之處」的為 68.8%，「使用電腦較有幫助」的為 12.5%。「實際的聚會較有趣」的 為 18.8%，「二者皆有趣」的為 62.5%，「電腦較有趣」的為 18.8%。

六、私人診所開設的網頁，由下列之開業醫提出報告

１．ふくだ内科クリニック：福田正博

２．Ｋｙｏｔｏ ＤＭ Ｐｏｗｅｒ（京都ヤングの会）：能勢謙介 ３．萬田記念病院・糖尿病センター：小森克俊等

４．内海内科クリニック：内海 真等

５．片岡内科胃腸医院医療法人社団：片岡和博等 ６．石橋クリニック：石橋不可止等

７．サンビル植村内科クリニック：植村昭男等 ８．上久保内科クリニック：上久保啓太

第三部份：整體性的IT醫療規劃

在此介紹千葉縣立東金醫院、山武郡市醫師公會、藥劑師公會、NTT資訊所共 同開發的系統─ＷＡＫＡＳＨＩＯ e醫療網。

與九州大學醫學研究所病理制禦內科(第三內科)相同，千葉縣立東金醫院院 長平井愛山接受日本經產省委託進行『活用IT技術開發地方醫療網』之計劃。

此計劃的主導醫療機購是千葉縣立東金醫院，連同山武郡市醫師公會的 15 家診

所、藥劑師公會的 14 家藥局、SRL基因染色體解析中心、KAZUSA DNA研究 所、NTT資訊電子文件證明中心形成了ＷＡＫＡＳＨＩＯ

e醫療網。此醫療網主要分成 3 個系統□地域性的醫療支援系統〈醫療支援

database系統、生活習慣病醫療系統、診所電子病歷系統〉□生活習慣病基因診

斷支援系統〈現階段以結核病和高血脂為主〉□糖尿病家庭自我管理系統。此IT 醫療網的目標是□ 解除生活習慣病醫療品質的差異性□建立生活習慣病Order made系統□活用糖尿病醫療中的Home data以改善血糖控制情況，預防合併症

發生□確保資料的真實性與傳輸、保存的安全性，於讀取資料時本系統將採用指 紋認證的方式以確認使用者的身份和使用權限。

於 2003 年底研究者親自採訪東金醫院平井愛山院長時得知今後日本慢性病 患的照護模式將由過去的『以醫院為中心的居家療養型態』改為『以社區為中心 的居家療養型態』。也就是過去病患看病接受治療的方式必須親自到區域以上規 模的醫院掛號、等待看診、接受檢查、及領藥和批價。接著必需靠自己居家的自 我照顧行為進行慢性疾病的控制。如此在有限的醫療機構以及資源之下對於激增 的慢性病患將無法提供足夠的醫療服務。除了診療費、病患以及家屬到醫療院所 花費的時間以及交通費亦是莫大的負擔。因此『以社區為中心的居家療養型態』

才因應而生。而什麼是『以社區為中心的居家療養型態』呢？也就是病患可以就 近在離家較近的診所就診，但是運用e化醫療系統如電子病歷的傳輸，可以同時 接受大型醫院專科醫師、平日的診所醫師、居家護理師、藥局的專業藥劑師、特

約營養師的諮詢和協助以達到如同到醫學中心就診的品質和水準。根據該院長所 提出的報告，使用此一療養型態的糖尿病病患，糖化血色素可以控制在 6 點多。

除了糖尿病病患。甚至癌症末期的病患也成功的應用了此一照護模式。

日本東金病院實施之『以醫院為中心的居家療養型態』到『以社區為中心的居家 療養型態』 之轉換

Ⅱ九十一年國內資訊月活動概況

另外在此提出去年電腦展的情況以作為規劃未來糖尿病e醫療照護計畫之 參考。

一、 91 年資訊月主題為「邁向行動化社會」，展示內容強化國人對資訊應用的 未來願景，從「行動社會」、「文化創意」、「資訊關懷」三大主軸來呈現今

以醫院為中心的居家療養型態 以社區為中心的居家療養型態

居家 居家

病患 病患

主治醫師

營養部營養師、護理部居家護理師、

藥劑部藥劑師

醫院

大醫院專科 醫師

診所 醫師

護理之家 訪視護理師

藥局 藥劑師

特約的 營養師

年行動化的縮影。

二、 本次資訊展手機通訊尚未成為矚目焦點，展示產品數目有限，全館幾乎圍

饒在PC、Notebook、LCD的銷售，唯一較具革命性的資訊產品有平板電

腦(Tablet)。

三、 除電腦外，數位相機不斷推陳出新，帶動數位儲存設備(如：記憶卡)及輸 出設備(相片印表機)的買氣。

四、 持續推動e化：中小企業的 e 化、e-learning、政府e化成果展示。

五、 以下分別對資訊月三大主軸及平板電腦(Tablet)做介紹：

「行動社會」

主要是強調無線網路在社會上的應用，搭配PDA或平板電腦(Tablet)，深入 至各種商業或教育活動，如：無線點餐系統(圖二)、無線上網咖啡館、圖書館知 識庫查詢、無線辦公室。大會亦展示GPS技術開發的車輛衛星定位系統，透過 公車站牌上的螢幕，查看接駁公車行駛狀況(圖三)。據了解該系統多用於客運及 貨運公司。此外，中華電信現場展出多媒體公話機(圖四)，不僅提供上網功能，

亦可即時傳送聲音、影像、收發電子郵件給遠方的人。

「文化創意」

推廣台北網路新都，展示台北入口網站、台北市民e點通、指紋辨識與身份 確認系統、場地租借申辦、網路警察局等多項成果。中華電信研究所研發最新的 電子票劵，透過無線簡訊傳送，即可於手機或PDA接收電子票劵，節省人工作 業及紙票成本。

「資訊關懷」

經濟部展示「促進中小企業電子化科技發展計劃」、教育部則展示「行動教 育列車」e-learning的推廣。

「平板電腦(Tablet PC)」介紹

Tablet PC，簡稱TPC，提供今日筆記型電腦全方位的力量和功能，利用數位

筆和數位墨水的功能與電腦進行互動，TPC擁有多種不同銜接選項和可用週邊設 備的模型。所有TPC 都擁有整合的或可分離的鍵盤。目前推出的廠商，較具代 表性的有宏碁(Acer)、優派(ViewSonic)、惠普(HP-Compaq)。

六、 結論：

1. 無線網路的應用，資訊部已規劃在明年初，針對會議室或特定辦公室架 設無線網路進行測試，並進一步評估行動化的應用，如：無線盤點系統、

辦公室作業流程 M 化、維修巡檢系統等。

2. 電腦規格在價差不大的情況下，建議採用LCD螢幕及內建無線網路功能 的設備。

3. 至於平板電腦（TPC）的應用，由於產品於今年第四季才剛推出，適用 性及穩定性仍有待評估。且明年第二季新將推出更成熟的TPC產品，使 用新一代耗電低的CPU及高效能電池，屆時TPC的應用趨勢將更明朗。

個人影響血糖值的生理因素

性別 年齡

胰島素注射量 飲食攝取量

運動種類、量、時間

因季節變化所產生的血糖值變動

網頁上生活管理暨血糖值檢核系統的使用

血糖平均值、糖化血色素的改變 第Ⅲ章 研究方法、進行步驟

研究概念架構

本研究概念架構如下：

圖一 第 1 型糖尿病病患之生活管理暨血糖值檢核系統開發的概念架構

因為本系統的開發是協助自我照顧行為中，病患能判斷飲食攝取量、胰島素 注射量等因素對於血糖值的影響，所以本研究計畫僅以影響血糖值的個人生理因 素作為自變項，並假設經由此系統的應用可改善病患的血糖控制狀況。

研究方法

本研究主要在建立一智慧型多功能網站，提供糖尿病患者及醫師之間一種更 有效率的醫療服務平台。計畫將分成兩階段進行。第一階段：系統模擬與網路建 構，目標是建立一個可以協助病患進行生活管理以及檢核自己血糖值的軟體系 統。生活管理的部分包括藥物使用〈胰島素注射量的調整〉、飲食評估與調整、

運動量評估與調整。

研究對象

考量為了取得正確可靠的血糖測驗值，又不增加研究對象需多次到醫院抽血 檢驗的負擔，將尋找能定期到成大醫院追蹤的第 1 型糖尿病病患為本次研究對 象，因為第 1 型糖尿病病患常被鼓勵每天測量血糖，於第 1 次發病住院時即購買 血糖機，而第 2 型糖尿病病患以中、老年人居多，因視力不佳等因素會每天監測 血糖值所佔比例不多。為了確定是第 1 型糖尿病及考量可以自行計算飲食熱量的 認知能力，將選擇胰島素分泌功能CPR＜1.0 mg/dl（馬場,1999），且年齡滿 15 歲以上，願意參與本研究者，並於事前取得每位對象之書面同意後，進行資料收 集。研究期間所需使用的血糖試紙、針頭、消毒酒精棉全由研究者提供。

研究步驟

一、database的建立

1. 請研究對象提供每個月的血糖值、運動量以及每餐的飲食、胰島素注射量的記

錄。各項數值所使用的儀器以及紀錄的方式如下：

(1)血糖值的部分：由研究者提供測量血糖的儀器『日本 Bayer 公司的Dexter-Z』

以及血糖試紙供研究對象使用。Dexter-Z目前並未引進國內，其特色是 10 片裝 的圎盤式血糖試紙，使用時不必每次從試紙瓶中抽取，不但可以預防試紙變質，

同時可以減少外出時必須另外備用試紙的不方便性。此外可以記憶 100 組的血糖 值，病患不需手寫紀錄，每個月只要將Dexter-Z交給研究者即可讀取過去 100 組的血糖值，並且一一標示出每次測量血糖的實際時間。而讀取此血糖紀錄的軟 體WinGlucofacts Professional 3.0 不但可以進行敘述性的統計分析和以Graph呈 現結果並且可以將每個月同一病患累計的血糖值作連結。因此在血糖值的資料收 集上請研究對象每個月將Dexter-Z交給研究者進行資料的讀取和分析。

(2)運動的部分：由研究者提供日本Susuken製造的運動紀錄器Lifecoder予研究 對象使用。使用時需先輸入個人的年齡、性別、身高、體重，Lifecoder便會自 動計算出其基礎代謝消耗量。Lifecoder是感應人體加速度所產生的運動量計算 而出。其結果的呈現除了會列出實際的運動量之外〈其中還會顯示出 1-10 不同 層級的運動強度〉，同時還包含個人的基礎代謝量以及由飲食時腸蠕動所消耗的 熱量。其實際計算的函數如下：

總消耗熱量E E＝B+C+X＋1/10E

1/10E：由飲食之腸蠕動所消耗的特異熱量

B：根據年齡、性別、身高、體重所估算出來的基礎代謝消耗量 X：身體輕微運動的消耗熱量

C：實際運動的消耗熱量，並且分為 1-10 不同層級的運動強度呈 現

實際的資料收集方式為，除了睡眠與洗澡的時間之外請研究對象配帶以偵測運動量，而且和

血糖機一樣每個月將Lifecoder 交給研究者進行資料的讀取和分析。

(3)飲食的部分

原本想採用日本松下電工的Nλis Wireless Lifesystem 進行飲食資料的收集，也就是使用 附有照相機功能的PDA 將每一餐的飲食內容拍攝下來之後，直接以 PDA 無線的方式傳送至 Nλis Wireless Lifesystem Center 的工作站。通常只要在下午 2 點以前將從前一天晚餐的飲食 照片傳送之後，下午 4 點以前就可以從PDA 接收到 Lifesystem Center 的專業營養師所評估 的結果以及對於當天晚餐的建議。如果家中是由太太負責準備晚餐，則太太那裡也會由松下

電工提供另一台PDA，接收上述先生的飲食內容分析結果以及建議，如此太太便能知道如 何準備晚餐的內容，進而達到飲食管理的目標。

但是經過與日本松下電工研究部門接洽的結果，他們在國外尚未推出此一套飲食管理系

統，因此在本研究上無法使用。取而代之的是提供研究對象每人一台數位式照相機，將他們

實際的飲食一一拍下存檔後，再請專業營養師協助分析其實際的攝取熱量以及直接會影響血

糖變化的碳水化合物重量。至於胰島素的注射量、由研究者設計的紀錄表，交予研究對象填

寫。血糖測量的次數依醫囑而定。

2.由於考量氣候冷時會增加體內副腎上腺素的分泌而使血糖升高，亦即因季節不同，血糖值

亦會跟著變動，因此本研究預定收集到每位對象至少半年以上的檢驗值作為預測個人血糖值

的資料庫。

3.所收集的數值轉換成Excel的格式儲存。記錄的變項包括測量血糖的時間、血 糖值、胰島素注射量、每餐飲食熱量、碳水化合物重量等會影響血糖變化之因素。

心理、社會、文化等因素雖在多篇研究中指出會影響血糖值變動，但這些因素可 能隨時變動且不易掌握，所以在本研究僅列入上述的生理因素為自變數，預測血 糖值為因變數。

二、建立預測血糖值之模型

而預測血糖值模型的建立,我們將朝以下幾方面來發展:

1.由於我們有每天 3-5 次的血糖量測值,且持續收集半年以上的data,可利用

此資料建立起,統計上的"時間序列模式",模式如下:

y(t) = a(1)*y(t-1) + a(2)*y(t-2) + ... + a(t-p-1)*y(t-p)

建立好的模型,再去測試新的 3-6 個月之 data,若可行則使用此模型.若 不佳 ,則修正模型.詳細的時間序列模式的推導可參考,時間序列書籍。

2.糖尿病病患的治療,分為藥物,運動與飲食等三部份,以電壓感應式之運動

紀錄器lifecoder來收集運動資料,由數位相機收集到的病患飲食情形,以及有記

憶裝置並附帶有讀取資料以及進行敘述型的統計分析軟體Glucofacts之血糖機收 集每日量測血糖情形來建立"一般線性模型"(Generalized Linear Model).至於採 用何種"一般線性模型",可考量"多重迴歸模型"或是"廣義估計方程式

"(Generalized Estimating Equation, GEE).模式之建立,也是先利用前半年的 資料,然後用後半年或三個月資料預估與修正模型.

3.若資料在上述模型不佳時,可考量非線性的類神經網路(ANN)方法估計, 類神經網路採用"Trial and Error"方式建立起最佳化模型也就是網路透過樣本的 學習，調整內部節點間的連結權重，來記憶每筆資料，一但訓練成功，即可以此 模擬或預測結果。同理,模式之建立,也是先利用前半年的資料,然後用後半年或 三個月資料預估與修正模型.

4．比較上述三種模型優劣,提供最佳的模型來使用.最後,將此模型建立在糖 尿病病患血糖檢核系統軟體上推廣使用。

因每位糖尿病病患的血糖變動方式、對胰島素的感受性、飲食習慣、運動量 均不相同，所以必須建立屬於病患個人專用的模式。而且對胰島素的需求量會隨 著年齡及當時生活狀況有所改變，因此往後希望做到持續累積每位病患不同時期

的Database，不致產生預測效果僅能侷限於某一時期的問題。

第Ⅳ章 結果與討論（含結論與建議）

本計畫於提出申請時原本只預計收集 6 個月的資料建立血糖預測模式，但是在 資料的收集過程中發現讓研究對象熟悉並習慣資料收集的工具至少需花費 2-3 月的時間。另外當資料收集到 6 個月時，發現每個月所收集的血糖變化隨著時間 的有明顯的差異因此延長收集資料的時間到 12 個月。因此本成果報告將針對所 收集到的 12 個月的資料進行統整與分析，而軟體系統的建立將作為後續的目標。

一、 研究對象的基本資料

表 4.1.1 研究對象的基本資料

Case 性

別

年齢 BMI 患病 年数

Insulin注射次数以及 種類•劑量

data開始 收集時期 A 男 22(大学

３年級

21.3 ４ ^{４次/日：早餐前RI 10}

午餐前RI 12 晚餐前 RI 12

睡前NPH 10-12

2002 年 ４月

B 女 20(大專 ２年級)

24.9 10 ^{４次/日：早餐前}RI 10 NPH 15 午餐前RI 10 晚餐前 RI 10

睡前 NPH16-18

2002 年 ４月

C 女 21(大專 1 年級)

21.9 12 ４次/日：早餐前 RI 8 NPH 14 午餐前RI6-8 晚餐前 RI 16

睡前NPH 13

2002 年 3 月

二、3 位研究對象的血糖、運動、飲食等的各月份一覽表以及曲線圖

Case A 4月 5月 6月 7月 8月 9月 10月 11月 12月 1月 2月 3月 平均 平均血糖’ l(mg/dl) 172 218 182 194 193 222 212 216 213 201 211 213 204 Target（血糖值介於65-

155mg/dl）之百分比% 30 16 27 30 29 24 27 32 28 26 22 34 27.1 每日血糖測量次數 2.4 3 2.8 2.6 2.5 2.9 2.9 3 2.6 2.2 2.7 2.7 2.69

HbA_1c’ l 7.9 8.8 8.35

一天總消耗熱量(kcal) 2099 1993 2045 2061 2027 2112 2109 2064 2011 2144 2086 2072 2069 一日平均• à ”(步) 8573 7763 8279 9081 7973 10119 10455 9070 7584 6483 8071 8223 8473 運動量(kcal) 246 227 249 253 222 301 321 264 228 167 233 244 246 一天飲食攝取熱量(kcal)2500 2283 1743 2200 2289 2600 2300 2200 2316 3261 2188 2339 2352 食事記˜ ^的完成率% 70 80 80 90 90 90 90 90 90 90 90 90 86.7

Case A 4月 5月 6月 7月 8月 9月 10月 11月 12月 1月 2月 3月 平均 平均血糖’ l*0.01 1.72 2.18 1.82 1.94 1.93 2.22 2.12 2.16 2.13 2.01 2.11 2.13 2.04

HbA_1c’ l 7.9 8.8 8.35

每日血糖測量次數 2.4 3 2.8 2.6 2.5 2.9 2.9 3 2.6 2.2 2.7 2.7 2.69

Case A 4月 5月 6月 7月 8月 9月 10月 11月 12月 1月 2月 3月 平均 一天總消耗熱量(kcal) 2099 1993 2045 2061 2027 2112 2109 2064 2011 2144 2086 2072 2069

運動量(kcal) 246 227 249 253 222 301 321 264 228 167 233 244 246

一天飲食 Û取量(kcal) 2500 2283 1743 2200 2289 2600 2300 2200 2316 3261 2188 2339 2352

Case A“ I– ˆŒ Ž• ½‹ ÏŒ Œ“ œ’ lAHbA1c

0 1 2 3 4 5 6 7 8 9 10

4Œ Ž 5Œ Ž 6Œ Ž 7Œ Ž 8Œ Ž 9Œ Ž 10Œ Ž11Œ Ž12Œ Ž 1Œ Ž 2Œ Ž 3Œ Ž

• ½‹ ÏŒ Œ“ œ’ l*0.01 HbA1c’ l

每“ úŒ Œ“ œ‘ ª— ÊŽ Ÿ É

Case @A @“ I– ˆŒŽ• ½‹ ω^“ ®—ÊAˆ ù H ÛŽ æ—Ê

0 500 1000 1500 2000 2500

4ŒŽ 5ŒŽ 6ŒŽ 7ŒŽ 8ŒŽ 9ŒŽ 10ŒŽ 11ŒŽ 12ŒŽ 1ŒŽ 2ŒŽ 3ŒŽ

’PˆÊ@Kca

0 500 1000 1500 2000 2500 3000 3500

’PˆÊ@Kca

ˆ ê“ Vã ` Á– Õ” M—Ê(kcal)

‰^“ ®—Ê(kcal)

ˆ ê“ Vˆ ù H ÛŽ æ—Ê(kcal)

Case B ^{4月 5月 6月 7月 8月 9月} 10月 11月 12月 1月 2月 3月 平均 平均血糖’ l(mg/dl) 248 221 225 205 191 196 188 208 258 249 227 216 219 Target（血糖值介於65-

155mg/dl）之百分比% 9 25 14 32 25 25 28 29 15 12 19 15 20.7 每日血糖測量次數 1.9 2.2 2.4 2.5 2.4 2 1.8 1.5 1.1 1.3 1.2 1.3 1.8

HbA1c’ l 11 9.3 9.2 10.2

一天總消耗熱量(kcal) 2059 2066 1852 1885 1986 1872 1914 1840 2090 2116 2226 2114 2002 一日平均• à ”(步) 7378 9358 4313 3761 5195 3331 4109 2928 6110 5790 8327 4112 5393 運動量(kcal) 250 297 142 125 176 114 141 100 210 214 297 154 185 一天飲食攝取熱量(kcal 1100 1100 1300 937 843 931 875 799 846 1221 995 食事記˜ ^的完成率% 30 40 30 80 30 80 70 70 80 80 80 80 51.4

Case B 4月 5月 6月 7月 8月 9月 10月 11月 12月 1月 2月 3月 平均 平均血糖’ l*0.01 2.48 2.21 2.25 2.05 1.91 1.96 1.88 2.08 2.58 2.49 2.27 2.16 2.19

HbA_1c’ l 11 9.3 9.2

每日血糖測量次數 1.9 2.2 2.4 2.5 2.4 2 1.8 1.5 1.1 1.3 1.2 1.3 1.8

Case B 4月 5月 6月 7月 8月 9月 10月 11月 12月 1月 2月 3月 平均 一天總消耗熱量(kcal) 2059 2066 1852 1885 1986 1872 1914 1840 2090 2116 2226 2114 1952 運動量(kcal) 250 297 142 125 176 114 141 100 210 214 297 154 173 一天飲食 Û取量(kcal) 1100 1100 1300 937 843 931 875 799 846 1221 1012

Case B “ I– ˆŒ Ž• ½‹ Ï Œ Œ“ œAHbA1c

0 2 4 6 8 10 12

4Œ Ž 5Œ Ž 6Œ Ž 7Œ Ž 8Œ Ž 9Œ Ž 10Œ Ž 11Œ Ž 12Œ Ž 1Œ Ž 2Œ Ž 3Œ Ž • ½‹ Ï

• ½‹ ÏŒ Œ“ œ’ l*0.01 HbA1c’ l

每“ úŒ Œ“ œ‘ ª— ÊŽ Ÿ É

Case B “ I– ˆ“ ú• ½‹ ω^“ ®‚ ƈ ù H ÛŽ æ—Ê

0 500 1000 1500 2000 2500

4Œ Ž

5Œ Ž

6Œ Ž

7Œ Ž

8Œ Ž

9Œ Ž

10Œ Ž

11Œ Ž

12Œ Ž

1Œ Ž

2Œ Ž

3Œ Ž

’PˆÊ@Kca

0 200 400 600 800 1000 1200 1400

’PˆÊ@Kca

ˆ ê“ Vã ` Á– Õ” M—Ê(kcal)

‰^“ ®—Ê(kcal)

ˆ ê“ Vˆ ù H ÛŽ æ—Ê(kcal)

Cas e C ^3月 4月 5月 6月 7月 8月 9月 10月 11月 12月 1月 2月 3月 平均 平均血糖’ l(mg/dl) 174 190 180 190 184 167 212 236 260 249 253 220 207 209 Target（血糖值介於

65-155mg/dl）之百分

比% 35 30 30 34 43 36 45 25 21 23 16 23 29 30

每日血糖測量次數 3.1 3.2 3.2 3.1 3 2.8 3 2.7 2.8 2.8 2.5 3 3 2.94

HbA_1c’ l 8.5 7.7 7.9 7.8 8.5 9.1 9.0 8.33

一天總消耗熱量(kcal) 1611 1587 1541 1561 1468 1428 1507 1537 1554 1592 1518 1608 1543 一日平均• à ”(步) 7075 6381 4867 5910 3589 2161 4585 5132 4971 5394 6039 6262 5026 運動量(kcal) 173 160 123 144 81 48 110 126 119 127 144 151 126 一天飲食攝取熱量(kca 1573 1540 1200 1350 1500 1300 1000 1311 1500 1000 919 925 952 1236 食事記˜ ^的完成率% 90 90 90 90 90 90 90 90 90 90 90 90 90 90

Case C 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月 1月 2月 3月 平均 平均血糖’ l*0.01 1.74 1.9 1.8 1.9 1.84 1.67 2.12 2.36 2.6 2.49 2.53 2.2 2.07 2.09

HbA_1c’ l 8.5 7.7 7.9 7.8 8.5 9.1 9 8.33

每日血糖測量次數 3.1 3.2 3.2 3.1 3 2.8 3 2.7 2.8 2.8 2.8 3 3 2.96

Case C 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月 1月 2月 3月 平均 一天總消耗熱量(kcal) 1611 1587 1541 1561 1468 1428 1507 1537 1554 1592 1518 1608 1543

運動量(kcal) 173 160 123 144 81 48 110 126 119 127 144 151 126

一天飲食 Û取量(kcal) 1573 1540 1200 1350 1500 1300 1000 1311 1500 1000 919 925 952 1236

Case 3 ‚ Ì– ˆŒ Ž• ½‹ ÏŒ Œ“ œ’ l‚ ÆHbA1c

0 1 2 3 4 5 6 7 8 9 10

3Œ Ž 4Œ Ž 5Œ Ž 6Œ Ž 7Œ Ž 8Œ Ž 9Œ Ž 10Œ Ž11Œ Ž12Œ Ž 1Œ Ž 2Œ Ž 3Œ Ž

• ½‹ ÏŒ Œ“ œ’ l*0.01 HbA1c’ l

每“ úŒ Œ“ œ‘ ª— ÊŽ Ÿ É

Case 3 ‚ Ì– ˆŒ Ž• ½‹ ω ^“ ®— Ê‚ Ɛ HŽ – ÛŽ æ— Ê

0 200 400 600 800 1000 1200 1400 1600 1800

3Œ Ž

4Œ Ž

5Œ Ž

6Œ Ž

7Œ Ž

8Œ Ž

9Œ Ž

10Œ Ž

11Œ Ž

12Œ Ž

1Œ Ž

2Œ Ž

3Œ Ž

’PˆÊ@Kca

0 200 400 600 800 1000 1200 1400 1600 1800

’PˆÊ@Kca

ˆ ê“ Vã ` Á– Õ” M— Ê (kcal)

‰ ^“ ®— Ê(kcal) ˆ ê“ Vˆ ù H ÛŽ æ— Ê (kcal)

三、 血糖與溫度

以下是 3 位研究對象一年每月平均血糖值與溫度變化的一覽表以及曲線圖 表 4.3.1

3 月 4 月 5 月 6 月 7 月 8 月 9 月 10 月 11 月 12 月 1 月 2 月 3 月 台北的平均気温(℃) 23.8 26.6 28.5 29.6 30.1 27.1 25.1 20.8 18.9 15.8 16 18 ケース A 平均血糖値

(mg/dl) 172 218 182 194 193 222 212 216 213 201 211 213 台南的平均気温(℃) 25.7 27 28.8 29.1 29 28.2 26.8 22.9 20.3 17.3 18.2 21 ケース B 平均血糖値

(mg/dl) 248 221 225 205 191 196 188 208 258 249 227 216 ケース C 平均血糖値

(mg/dl) 174 190 180 190 184 167 212 236 260 249 253 220 207

図 4.3.1

從上面圖表可以看出研究對象之血糖的變化與氣溫變化並沒有明顯相關。這 可以推論出位於亞熱帶的台灣一年四季的氣溫變化尚不足以影響糖尿病病患的 血糖。

四、 平均血糖值、HbA1c與Target〈血糖值介於 65-155mg/dl〉的百分比關 係

表 4.4.1

3 月 4 月 5 月 6 月 7 月 8 月 9 月 10 月 11 月 12 月 1 月 2 月 3 月 平均 4 月 CaseA 平均血糖値

(mg/dl⁾ 172 218 182 194 193 222 212 216 213 201 211 213 204

Target 的百分比(%) 30 16 27 30 29 24 27 32 28 26 22 34 27.1

HbA_1c値(%) 7.9 8.8 8.35

CaseB 平均血糖値

(mg/dl⁾ 248 221 225 205 191 196 188 208 258 249 227 216 219

Target 的百分比(%) 9 25 14 32 25 25 28 29 15 12 19 15 20.7

HbA1c値(%) 11 9.3 9.2 9.25 9.6

Case C 平均血糖値

(mg/dl⁾ 174 190 180 190 184 167 212 236 260 249 253 220 207 209

Target 的百分比(%) 35 30 30 34 43 36 45 25 21 23 16 23 29 30

HbA1c値(%) 8.5 7.7 7.9 7.8 8.5 9.1 9.0 8.33 Target:（血糖值介於 65-155mg/dl 之間）

從上面的表格可以發現研究對象的每月平均血糖值只要在 200mg/dl左右，而且 當月含蓋於Target（血糖值介於 65-155mg/dl 之間）的血糖百分比為 30%以上，便可

以推測出HbA1c將會低於 9%。因此對於無法定時到門診接受HbA1c檢驗的糖尿

病病患可以藉此方法推測當月的血糖控制情況。

五、 血糖預測模式的建立

3 位研究對象以Case C的紀錄最為完整，因此於血糖預測模式的建立上以

Case C的資料進行分析。而所使用的分析方法為轉換函數模型(Transfer function

model)。

1.資料的輸入方法

一般在臨床上調整胰島素的原則是按照下表的第一種方法進行，但是經過檢視原始資料 後，由於第一種輸入法在時段”午餐前”中並未輸入NPH 值，但在時段”晚餐前”中卻列 入考量，此做法並不合理，同時發現下表的第二種方法較能解釋血糖的變動趨勢，因此血糖 預測模式的建立採取第二種方法輸入資料。

表 4.5.1 資料輸入方法

第一種 第二種

血糖 早餐前的血糖 血糖 早餐前的血糖 胰島素 前一天睡前的胰島素 胰島素 前一天睡前的胰島素 早餐前

飲食 前一天的晚餐和夜間 若有因低血糖所補充 的飲食量

飲食 前一天的晚餐和夜間 若有因低血糖所補充 的飲食量

血糖 午餐前的血糖 血糖 午餐前的血糖 胰島素 當天早餐的RI不列入

NPH

胰島素 當天早餐的NPH和RI 午餐前

飲食 早餐的飲食量 飲食 早餐的飲食量 血糖 晚餐前的血糖 血糖 晚餐前的血糖

吃午餐：當天早餐的 NPH和午餐時打的RI

吃午餐：當天早餐的 NPH和午餐時打的RI 胰島素

沒吃午餐：當天早餐的 NPH

胰島素

沒吃午餐：當天早餐 的NPH和RI

吃午餐：當天早餐和午 餐的飲食量

吃午餐：當天早餐和 午餐的飲食量 晚餐前

飲食

沒吃午餐：當天早餐的 飲食量

飲食

沒吃午餐：當天早餐 的飲食量

血糖 睡前的血糖 血糖 睡前的血糖 胰島素 當天晚餐前的RI 胰島素 當天晚餐前的RI 睡前

飲食 當天晚餐的飲食量 飲食 當天晚餐的飲食量

小結：

首先將一天分為 4 個時段，如下所示：

表 4.5.2 區分一天為 4 個時段 編號 時段

1 早餐前 2 午餐前 3 晚餐前 4 睡前

所以每天大多有 4 個測量值，不過有些情況資料沒有很齊全，所以接下來會對資 料做合理的調整，遺失值也將用插補的方式來補齊。

2.遺失值插補方法

統計學的分析方法最忌諱的是假設不符卻拿來濫用，本研究中所使用的某些統 計分析方法，血糖值必須要有每天、每個時段的量測值，而其他的變數在該時段 應有量測值的情形也必須將其補齊，如此才能符合接下來分析方法的前提假設，

分析結果才有根據。

表 4.5.3 插補法說明表

插補法 附註

NPH 固定值插補 因為每日所施打的NPH皆為固定 值。

RI 若是前期有血醣則看血糖 反推插補；若是沒有，則 由飲食紀錄來插補，有吃 的話就補 RI 基量，沒吃 的話就補 0

因為施打 RI 的劑量是依據血醣值 調整；若是沒有血醣值參考時，只好 參考飲食紀錄表，若是飲食紀錄表上 沒有飲食紀錄，則補 0，因為施打 RI 半小時內若不進食，會造成血醣過 低。

飲食總熱 量與碳水 化合物含 量 t

看前後幾天同期插補 因為此位研究對象在中午常常不吃 中餐，所以中餐沒有飲食量並不插 補，但是其他時段通常都有吃，所以 需要插補，插補方式則是考慮同期的 飲食量應該差不多。

Glucose 若是前後有值則取平均，

若是沒有則看同期相同

Sugar值的血醣平均

因為同一天中前後有值，取平均是蠻 合理的，若是連續缺失值，則考慮前 後同期中攝取相同炭水化合物時，血 醣應該是差不多的。

RI的部份，通常用於三餐進食前，根據血糖值的高低來決定加入的單位，

以Case C為例，早中餐有進食就打RI 8 個單位，若血糖值過高，以高於 200mg/dl

為界，高於 200mg/dl再多打 2 單位，高於 300mg/dl多打 3 單位，其餘類推；而 晚餐進食前打 16 單位，其餘追加的量同先前的方式。另外，若沒有進食，而血 糖高於 200mg/dl也必須加 2 單位的RI，同理類推。

Nt

隨機干擾項Nt

t

3.轉換函數模式(Transfer Function Models)

利用傳統的迴歸方式所建構的預測模式在經過一段時間後其預測能力便隨 之下降，無法隨時間變動而同時將解釋變數的訊息傳送至反應變數，而時間數列 分析方法雖將時間因素放進模式中，但通常只考慮到前幾期的反應變數與前幾期 的干擾因素，沒有考量到解釋變數的貢獻。因此若將時間數列與迴歸分析的想法 結合在一起，就可得到一動態模式(Dynamic Model)不但包含現在的解釋變數更 廣泛地涵蓋了過去幾期的解釋變數訊息，模式的解釋能力不會因時間變化而降 低，這種模型稱為動態迴歸模型(Dynamic regression model)或轉換函數模型 (Transfer Function Model)。

假設{ Xt}與{Yt}為二變量隨機過程所產生平穩型時間數列，若將隨機變數Xt

視為輸入變數(Input variable)或解釋變數(Explanatory variable)，隨機變數Yt視 為輸出變數(Output variable)或預測變數( Forecast variable)，則兩者間存在一動 態關係式，如圖所示

圖 4.5.1 轉換函數模式概略圖

t Yt

解釋變數Xt

Xt

t

轉換函數 v(B)

v0 v1 v2 v3

預測變數Yt

假設有k個投入變數X1t, X2t, …, Xkt與產出變數Yt間具有線性關係存在，則可推 廣而導得一般式為

∑

= ^k

j

t b t j j

j

t X N

B C B

Y

1

) ,

( ) ( δ ω

建立轉換函數模式的步驟包括下列 6 項 步驟一：

建構解釋變數{ Xt }的ARIMA模式，

t x x

t X

B B ) (

) ( θ α =φ

步驟二：

利用解釋變數的ARIMA模式過濾預測變數{ Yt }

t x x

t Y

B B ) (

) ( θ β =φ

步驟三：

經由交叉相關函數與衝擊反應函數的關係，就可以初步對v(B)做確認：

a. 首先，計算α_t^和βt^間的ρ^{ˆ ( )}_αβ ^k b. 利用ˆ( ) ^ˆ ˆ ( )

v k ˆ^β _αβ k

α

σ ρ

=σ 可估計v(k)，若v kˆ( ) ² n k

> − ，則認定v(k)≠0 c. 又 ˆ ( )

ˆ( ) ˆ ( )_r^{s b}

v B B B

B ω

=δ ，所以從b所求的v kˆ( )和理論型態對照，用來判定b、 )

r(B

δ ^和ωs(B)，一但選出b, r和s後可藉由恆等關係式比較係數求得其係 數值。

步驟四：

利用步驟三決定的轉換函數模式，將N_t估計出來 ˆ ˆ( )

ˆ ( ) ˆ( )

t t t

b

t t

N Y v B X

Y B B X

B ω δ

= −

= −

步驟五：

找到干擾數列{Nt}合適的ARIMA模式 ( )B N_t ( )B a_t

φ =θ

步驟六：

將干擾數列{Nt}放入模式中，即可以找到完整的轉換函數模式為 ^{( ) ( )}

( ) ( )

t t b t

B B

Y C X a

B B

ω θ

δ ⁻ φ

= + +

其中a_t為白噪音數列(white noise)。

模式診斷

當轉換模式已建立並將參數估計出來後，必須檢驗殘差值以確定模式是否可以被 接受。首先，計算殘差值之自我相關函數，檢查其自我相關係數均沒有大於 2 倍標準差。或利用portmanteau test檢定前k其自我相關是否為 0

1 2

: 0

: 0

k

i

NH AH

ρ ρ ρ

ρ

= = = =

 ≠



L 至少有一組

1 2 ˆ 1

( 2) ^k ( ) _a

i

Q n n n i ⁻ r

=

= +

∑

Q統計量近似自由度為(i-p-q)的卡方分配

再者計算解釋變數{ Xt }與殘差值之交叉相關函數，因為{ Xt }與殘差值互相獨 立，故各時差之交叉相關係數應都落在 2 倍誤差界限內。

預測值之計算

當一個模式經估計(各項參數可以非線性最小平方法或最大概似估計法作估 計)、檢定與修正後被確認足夠符合各種統計準則時，即可以用此模式預測未來 之觀測值。假設轉換函數模式為

( ) ( )

( ) ( )

t t b t

B B

Y C X a

B B

ω θ

δ ⁻ φ

= + +

則計算超前l個時期的預測值

( ) ( )B B Y_{t l} C ( ) ( )B B X_{t l b} ( ) ( )B B a_{t l} φ δ ₊ = +ω φ _{+ −} +δ θ ₊

而判斷預測效果的好壞，與ARIMA模式的判定方法相同，都是以均方誤差(MSE)

作為依據。最佳的預測值會使得均方誤差E Z_t[ _{t l+} −Z lˆ_t( )]²為最小。

根據上述 6 項步驟，分析結果如下：

血糖對炭水化合物及短效型胰島素之轉換函數模式

圖 4.5.2 血糖值之時間數列圖

由血糖值之時間數列圖得知，此時間數列之型態呈現一平穩的狀態。

GLUCOSE

Lag Number

16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1

ACF

1.0

.5

0.0

-.5

-1.0

Confidence Limits

Coefficient

圖 4.5.3 血糖值之ACF圖

GLUCOSE

Lag Number

16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1

Partial ACF

1.0

.5

0.0

-.5

-1.0

Confidence Limits

Coefficient

圖 4.5.4 血糖值之PACF圖 由血糖值之ACF圖與PACF圖得知它的模式為平穩。

步驟一：建立投入變數(RI 與炭水化合物)之合適的 ARIMA 模式 1. RI

圖 4.5.5 短效型胰島素(RI)之時間數列圖