market-logo
目前位置: > > >
醫療大數據
left
right
  • 庫存 > 10
  • 放入購物車放入購物車
    直接結帳直接結帳
  • 放入下次購買清單放入下次購買清單
注意事項
本書為非城邦集團出版的書籍,購買可獲得紅利點數,並可使用紅利折抵現金,但不得使用紅利兌換,也不適用「生日購書優惠」。

內容簡介

彙整醫療照護、公共衛生、資通訊科技、醫院行政管理等領域, 五十位專家的深刻見解,採用非技術語言,以個案研究的形式, 講解如何蒐集、分析、以及應用醫療大數據。 大數據時代來臨,你準備好了嗎? 大數據成為全球最熱門的顯學。 在今天資訊爆發的時代, 對大數據的運用良窳已經關係產業未來的成敗…… 對於醫學界人士而言,必須體驗大數據的科技魅力, 熱情擁抱它,開創醫學發展更高遠境界。 —— 閻雲,臺北醫學大學校長 本書的目標讀者為健康照護與醫學領域的專業人士、科學家及學生。 本書闡述了健康照護人員與機構面臨的現況, 呈現目前將資料充分應用在醫療實踐上的方法, 也蒐羅了運用病歷與行政紀錄而推出創新方式的案例, 為讀者的醫療大數據知識基礎扎根。 ——班迪若許(Karen Bandeen-Roche),約翰霍普金斯大學生物統計專家 本書宗旨在於透過各項案例提供架構, 闡述大數據及分析技術如何在現代的健康照護體系中發揮作用, 包括將公共衛生資訊應用於健康照護服務的方法。 本書是針對健康照護專業人士而撰寫,目標對象也包括高層主管。 本書並非透過專業艱澀的統計分析、或是機器學習演算法, 來讓讀者瞭解大數據,也並未述及設計資料庫的複雜流程, 主要呈現的是目前產學界研究人員與領導者的研究, 論述方式適合平時就在注意健康照護資訊的人; 若是您很關心如何利用健康照護資訊來改善病人的治療成效, 或是想瞭解能改善治療成效的醫療院所營業實務, 本書也應能提起您的興趣。 ——馬科尼、萊曼(本書主編)

目錄

中文版序 閻雲 前言 現今趨勢往「數據密集」的方向發展 班迪若許 本書作者名單 本書簡介 馬科尼、萊曼 重要名詞簡稱之英中對照表 第一部 醫療資料的來源與使用 第1章 大數據之初:熟練運用現有資訊,做為建立大數據的基礎 第2章 管理未結構化的健康照護資料 第3章 利用資料連線系統,體驗大筆資料的分析 第4章 聯邦政府大數據之生態以及在健康照護方面的應用 第5章 大數據與臨床資訊之推播——蒐集使用者意見,促進醫學繼續教育 第6章 利用大數據技術處理健康問題的社會決定因素 第7章 透過跨國、跨診所層級運用資料,建立品質改善制度 第二部 營業實務及人力訓練 第8章 大數據:資料架構和賦能 第9章 健康資料治理——尋找資料治理與管理的最佳實務 第10章 美國健康政策與業界常規對大數據革命的阻礙 第11章 健康資訊學家的教育與訓練 第三部 資料呈現及分析架構 第12章 健康照護資訊之互動式視覺化 第13章 以臨床分析促進成功的大眾健康管理與達成醫療三大目標 第14章 運用健康數據分析改善醫療決策 第15章 量度電子健康計畫的影響 ——運用過程控制理論及大數據分析技術的電子健康計畫評估架構 作者簡介 譯者簡介

序跋

中文版序 善用大數據,醫療更精準
◎文/閻雲(臺北醫學大學校長)   大數據時代來臨,你準備好了嗎?大數據(Big Data)成為全球最熱門的顯學。在今天資訊爆發的時代,對大數據的運用良窳已經關係產業未來的成敗。   醫療領域也不例外,利用大數據進行臨床及基礎研究分析與應用,增進人類福祉與健康,如大數據和人工智慧(AI)的結合,可以輔助醫師診斷疾病與進行治療,提升醫療品質。   由於大數據在醫療上發揮重大效用,美國國家科學基金會(NSF)與國家衛生研究院(NIH)等政府機構,投資數億美元,延攬培育人才,建立流程與研究途徑,蒐集兆位元組以上的龐大數據資料,發揮大數據突破創新的優勢,讓醫療資源的運用更有效率。因此,有人認為大數據是未來醫療的「最佳利器」,誠哉斯言!   再進一步利用大數據結合雲端科技,改變醫療的模式與處理流程,顛覆傳統醫療作業與思考方式,並且在疾病預防、生物醫學研發、臨床實驗、電子病歷、全民健保等各個領域,帶來深遠的衝擊與影響。   對於醫學界人士而言,必須體驗大數據的科技魅力,熱情擁抱它,開創醫學發展更高遠境界。   大數據就在我們面前,機遇稍縱即逝,必須好好把握。   臺北醫學大學洞燭先機,掌握大數據的時代趨勢,嗅出醫療大數據的市場潛力。在2015年率先於北醫管理學院設立「大數據研究中心」,全面對大數據資料的蒐集、儲存、分析、軟體應用,解決方案等等,廣邀專家展開產學合作,圍繞臺灣「數據驅動,跨界發展」為主軸,站在大數據趨勢的制高點,結合北醫一校五院的人才與資源,創造大數據與醫學教育及臨床醫療結合的利基。   《醫療大數據》是臺北醫學大學2017年與天下文化合作選出的年度代表好書。透過原作者智慧的累積與鑽研心血結晶,是一本內容豐富資料扎實有關醫療大數據領域的理論與實務寶典,不論是在醫學界各領域或有志從事醫療大數據的專家人士,都值得仔細研讀,必定有所收穫,本人樂於推薦之。

內文試閱

本書宗旨
  醫療實務與涵括醫療實務的產業正在經歷急遽轉變。不過,雖然健康照護體系的變化已廣泛受到關注與討論,健康照護這個產業在五年、十年、甚至十五年內的發展,卻還是所知甚少。根據我們的觀察,這座受到高度規範的市場,經歷過好幾階段的演化(有人或許視為革命)。〈可負擔健保法〉(ACA)已經為近幾年的發展,制定了方向,但是健康照護體系革新後,會往什麼方向發展?   健康照護體系的發展方向與電腦資訊技術息息相關。許多作者著重的是電腦技術的革新,但本書著重的是目前與未來可以如何使用這些經過電腦處理的材料,亦即數據與數據分析技術。本書作者群談到將個人健康資訊整合進「大數據」之中的方法,目的在於改進健康照護服務產業的品質、增進與顧客間的互動。健康照護服務產業才剛開始體認到健康照護服務的資訊錯綜複雜,卻具備無窮的發展潛力,無論是為美國還是為全球,皆能帶來助益。   資訊學好幾年前就已經將數據納入課題內,而新浮現的問題包括:是否可以取得大量數據、這些數據需要迫切處理的程度、分析技術又需要達到何種規模才能處理這些重要的數據。這些問題統稱為大數據。在第8章,強森(Bruce Johnson)明確指出:「大數據這個概念的重點,在於任一機構深入分析手上的資料後,能夠獲得的價值利益。換言之,大數據的概念不在於某個資料庫或資料架構,而是各種用以分析、搾取資料價值的方法。在健康照護領域中,機構必須真正瞭解該如何取得、管理和利用資料,才能發揮大數據的功效。」然而讀者會發現,本書中有幾項定義互有重疊。   本書宗旨在於透過各項案例提供架構,闡述大數據及分析技術如何在現代的健康照護體系中發揮作用,包括將公共衛生資訊應用於健康照護服務的方法。本書是針對健康照護專業人士而撰寫,目標對象也包括高層主管。本書並非透過專業艱澀的統計分析、或是機器學習演算法,來讓讀者瞭解大數據,也並未述及設計資料庫的複雜流程,主要呈現的是目前產學界研究人員與領導者的研究,論述方式適合平時就在注意健康資訊的人;若是您很關心如何利用健康資訊來改善病人的治療成效,或是想瞭解能改善治療成效的醫療院所營業實務,本書也應能提起您的興趣。   我們強調的是「使用」,畢竟如果不在需要的時間提供正確資訊給需要的人,資料蒐集工作就不會增加什麼價值。因此,本書中所有作者提出的許多例子,旨在闡明大數據的管理及使用如何能改善照護利用程度,同時減低成本、提高品質。   然而,因為大數據與健康照護分析技術目前仍未發揮應有價值,而常遭受批評,從某種角度來看,批評者於理有據。在2014年於健康照護資訊科技新聞(Healthcare IT News)網站刊登的一篇文章中(p.1),舒曼(Carl Shulman)提及「快速簡便的科技」何等重要。現在這個時代,快速簡便的電子健康資訊其實相當難以取得。資訊固然已蒐集好,卻缺乏計畫,無法使資訊完整而有效的因應各種目的。如今大數據及健康照護分析技術面臨的挑戰,包括以下:   將生物醫學資料等新興資訊及新興技術,整合至儲存大數據的電子健康紀錄(EHR)中。文字資料需要研發特殊演算法來處理,遺傳資料數量會很龐大,至於持續受到監控的生理資料,其細分程度則可能很分歧。   推動全面應用國際疾病分類第十版(ICD-10-CM/PCS)編碼。此編碼系統提供了各種特定診療資訊,但是要處理複雜的編碼,資料系統及相關營業實務的投資工程相當浩大。從更大的層面來看,從蒐集的原始資料、到所需的標準標籤方式,中間可能會出現資訊流失的狀況。   分析醫學影像及文字紀錄等未結構化資料,使其發揮更大效用。   營造資料分享的風氣,並建立應有架構,例如,針對資料的交互運作提出對策,以因應醫療體系的需求,包括符合未來「有意義使用」(Meaningful Use)的原則。   建立符合責任制醫療機構(ACO)需求、以及其他給付改革類型需求的資料系統。   產出健康照護提供者與消費者皆得以理解的資訊。   集結得以識別出個人身分的資料時,就算沒有〈健康保險可攜性及責任法〉(HIPAA)十八個安全停泊資料項目的規範,也必須維護病人隱私。   美國國家科學院(National Academy of Sciences)曾經談到,應如何教導學生擷取大數據的價值。這背後的涵義,其實是我們應該要知道學生該具備哪些知識。在健康照護產業中投入大數據及醫療分析技術的我們,目前面臨的主要挑戰,正是如何向不同領域的醫療專業人員,展現醫療大數據分析技術的附加價值。   本書的章節編制   本書共分成三部,蒐羅了可取得的資料與可使用的分析方法,包括醫療資料的來源與使用、營業實務及人力訓練、資料呈現及分析架構。每一部皆呈現了如何透過資料集(data set)的分析,來改善健康照護服務,這些資料涵括族群資訊、臨床數據、行政資料等。   第一部 醫療資料的來源與使用   本書首先談論哪些類型的醫療資料可以整合至大數據。第1章小東納胥(Donald Donahue)提到處理醫療領域的資料時,「難就難在知道該注意什麼」。一旦找出可用的資料,若要將其整合成方便取得的資料來源,同時又要維持資訊的完整,必須考慮哪些要素呢?   小東納胥和第2章的作者派克希爾(David Parkhill)都提出實例,闡述醫療資料經過整理與判讀後,如何更有效的使用。知道該注意的事項後,就能應用至第2章所提的那些大量且未結構化的資料,包括文字檔案、臨床影像等。   第3章扼要說明將不同的資料集,轉變成大數據時面臨的困難。撰寫此章的分析人員皆在大型醫療機構服務,協助不同的醫療實務,以便識別、集結、並分析資訊,改善病人照護品質。他們遇到的問題包括:自行其是的資料結構、資料定義欠缺共同的標準、跨領域人力的需求、以及適合處理大數據的分析工具。   第4章到第7章的重點,在於利用各種醫療資料來解決特定問題。在第4章,山德夫(Ryan Sandefer)與馬克(David Marc)討論了美國聯邦政府大數據之生態、以及在健康照護方面的應用,例如開放政府計畫HealthData.gov。作者接著說明,以開放原始碼工具分析開放原始碼數據的方法,舉出的例子是聯邦老人醫療保險暨聯邦醫療輔助計畫服務中心(CMS)通過第一階段「有意義使用」認證的數據,分析的根據則是傳統流行病學的原則:分析時須同時考量分子(通過第一階段有意義使用認證的醫院數量)與分母(一特定區域裡的醫院總數)。作者也指出:成功的大數據分析仍需要健全的研究方法,才能有效執行。   第5章的作者葛雷德(Roland Grad)及同僚評估了醫學新訊通知服務的成效,這類服務包括電子郵件、應用程式、RSS訂閱等將臨床資訊推播給醫師的工具。在2006年,他們開始蒐集一萬名加拿大醫師及藥師的意見回饋,瞭解InfoPOEM(病人切身資訊)的實用程度。他們也建議幾項評估方法,未來可協助改善這些提供給醫療工作者的近乎即時的臨床新知工具。   在第6章,史蒂芬斯(Gregory Stevens)再次闡述了可使用的群體資料來源,但他的文章重點放在基層照護醫師,以及如何利用社群的數據來建立脆弱性一般模式。透過這些模式,能進一步為個人規劃促進健康的介入方式。社群的健康觀念及健康照護施行方式,確實會影響病人的健康習慣,也會影響改變這些習慣的機率。   第7章是伊蒂尼梅蘇比(Martine Etienne-Mesubi)與同僚從國際觀點,探討在新興經濟體中建立並使用健康資訊系統的成效。他們的重點只有一項,即人類免疫不全症病毒(HIV)的照護,但其經驗可以應用於開發中國家的多數健康照護類型。這章的結尾提出了一項問題:在缺乏資源的情況下,從零開始建立醫療資訊及分析系統,是否比較困難?抑或是,從既有的行政與臨床系統中,重新整合電子健康紀錄系統,花費的時間和成本比較多?   第二部 營業實務及人力訓練   第8章作者強森(Bruce Johnson)探討的是大數據及醫療分析技術所需的資料架構。作者闡述的是我們應該如何善用大數據的複雜特性。各機構在訂立資料標準、為系統建立新技術、培養分析能力的時候,必須考量大數據的複雜性。   處理大數據的營業實務做法,要與儲存技術與分析技術一同並進。在第9章,狄米特羅普洛絲(Linda Dimitropoulos)與湯普森(Charles Thompson)討論的是:如何在資料治理與管理的最佳實務以及使用者需求之間找尋平衡點。本章透過資料治理協會(DGI)的一般資料治理框架,逐一闡明要點。資訊長可要多加注意了,本章談到多項問題及解決方法,主題涵蓋治理架構與流程的建立、找出可靠的利害關係人的方法、風險的管理、定義明確指標的方法、以及確保資料安全的方法。   在第10章,多博拉(Matthew Dobra)與同僚從另一個戰術角度,觀察資料的治理。他們檢視了影響醫療資料的多項政府法規與現行醫療實務,以及可能危及病人照護服務的負面結果,最後則針對大數據的蒐集、儲存、使用,提出政策面與實務面的建議。   第11章概要闡述了人力訓練的需求,透過訓練發揮大數據及分析方法的潛在效用。作者哈荻(Lynda Hardy)同時檢視了兩個相關領域,即健康資訊學與健康資訊管理。哈荻指出,精進這兩個領域的技能,便能讓大數據發揮最大效益。健康資訊學專家的工作是研發並處理電子健康紀錄與數據,如此一來,在臨床實務與營運上,才能有方便取得又能妥善運用的數據。健康資訊管理者更應注重的是健康紀錄的內容,包括資料編碼與正確性。這兩個領域的專家具備共通的技能,例如要熟悉政府法規與安全性規範;但也各有所長,如健康資訊學專家必須有深度分析的能力。哈荻也強調:整合健康資訊學與健康資訊管理的技能後,若再加上臨床上的知識見解,就可以發展出新領域的專才,例如護理資訊學家及醫師資訊學家。   第三部 資料呈現及分析架構   複雜資料內特定模式之間的互動方式是個難以釐清的問題。在第12章,來自美國馬里蘭大學人機互動實驗室(HCIL)的普立隆(Catherine Plaisant)、許耐德曼(Ben Shneiderman)及同僚說明了病人個人資訊、處方紀錄、全球疾病負擔(GBD)等資訊,可以透過新穎的互動視覺化工具呈現出來。利用他們研發的Lifelines與Eventflow分析系統,能將醫療實務的模式辨別出來,而且用戶簡單就能判讀。   第13章作者杰安(Kim Jayhan)處理了大眾健康管理的議題,藉由這個當今頗為熱門的概念,呈現如何應用商業智能,來改善病人照護品質。杰安提供了個案研究分析,說明如何實現「醫療三大目標」:促進大眾健康、改善就醫體驗、降低人均照護成本。   第14章繼續說明如何透過數據分析,改善以下四大領域的決策:減少健康照護成本、協助病人做出適當的醫療決定、改善介入方案的設計與選擇,以及防範醫療費用申報之詐欺、浪費等弊端。隨著數據分析持續發展,畢昂娜多特(Margrét Bjarnadóttir)及同僚也在本章總結部分指出了未來尚待解決的問題。   本書最後一章的作者,一點都不認為懷抱雄心壯志有什麼疑慮。在第15章,里茲(Derek Ritz)依據過程控制理論與大數據分析技術,建立一套電子健康計畫的評估架構。無論是國際間還是美國、美國各州,健康照護體系都是研究與討論的重大主題。健康照護體系要具備何種要素,才稱得上有效率且運作良好?醫療照護服務方便取得的程度如何量度?消費者應如何融入此體系中,又應如何時時使用此健康照護服務?   透過本書作者群提供的資訊,讀者應能瞭解與醫療大數據相關的議題。不過,我們更期盼的是,對於醫療大數據未來的發展,讀者能充滿信心,甚至能透過本書獲得豐富知能,一起加入實現理想的行列。

作者資料

馬科尼(Katherine Marconi)

美國馬里蘭大學 學院市分校 健康照護管理學教授

萊曼(Harold Lehmann)

美國約翰霍普金斯大學 醫學院教授 各領域作者完整名單請見本書

基本資料

作者:馬科尼(Katherine Marconi)萊曼(Harold Lehmann) 譯者:何承恩、張嘉倫李穎琦陳以禮錢佳緯輔仁大學跨文化研究所翻譯學碩士班 出版社:天下文化 書系:醫學人文 出版日期:2017-07-31 ISBN:9789864792702 城邦書號:A1500814 規格:平裝 / 雙色 / 600頁 / 17cm×23cm
購書說明