第一節、研究流程
圖 3-1 研究流程
西元2004-2009年單一機構回溯性
符合ARDS的臨床個案：
1. 2004-2009年內科加護病房個案
2. 2004-2009年主或次診斷為急性
呼吸窘迫症候群—518.82 3. 申請呼吸器使用醫令
57001B-570023B住院日數與醫療 費用
本研究臨床資料分析：
1. 病人資料：年齡、性別、診斷…
2. 致病因、合併症、呼吸器參數、
治療方式及各檢驗值 3. 各住院病房型態及日數 1. 存活年限
2. 每年累積存活機率 3. Kaplan-Meier存活曲線
4. COX氏比例風險迴歸模型
5. 線性迴歸分析（Linear regression）
文獻回顧
研究設計
病歷回溯取得臨床資料 通過臨床試驗倫理委員會
醫療事務室統計資料申請 內科加護病房自2004-2009
年符合ARDS之個案
取得衛生署死因檔 病人納入與排除條件
串聯ID資料後進行存活分 析與醫療費用分析
由胸腔科醫師查核病例符合北美歐洲 共識會議(AECC)之ARDS操作型定義
報告呈現
30
第二節 研究架構
本研究架構依研究目的分為兩個主要架構，研究架構一：主要是以存活分析探 討ARDS存活者的存活時間以及分析影響存活時間的預測因子，包括人口學特徵、疾 病診斷、共病情形、醫療資源耗用及其他預測因子對存活時間是否有差異？研究架構 二：分析ARDS住院醫療資源耗用情形，比較ARDS存活者與非存活者的總醫療費用 與分析相關因子與醫療資源耗用間的相關性。
圖3-2 研究架構一：急性呼吸窘迫症候群存活分析
ARDS存活者 ARDS離院後
存活時間
預測因子 (Predictor)
預測因子(Predictor)：
1. 個人基本特性(人口學特徵、抽菸史、原始共存疾病、查爾森指數)
2. ARDS診斷資料(入院科別、ARDS致病因、ARDS病程之合併症)
3. 臨床醫療資料與數值(疾病嚴重度、氧合指數、呼吸器使用天數…) 4. 醫療資源耗用(醫療費用、加護病房住院日數、總住院日數)
5. 離院住所
6. ARDS治療資料(呼吸器使用天數、氣切、改善氧合治療)
31
圖3-3 研究架構二：醫療資源耗用與相關因子
ARDS非存活者 醫療資源耗用 ARDS存活者
醫療資源耗用
相關
ARDS 相關因子
比較
相關因子(Related factors)：
1. 基本特性：年齡、疾病嚴重度(APACHE) 2. 離院後存活或死亡
3. 加護病房治療併發症 4. 疾病診斷數
5. ARDS治療資料(呼吸器使用天數、氣切)
32
第三節 研究方法
一、 研究樣本
本研究樣本為自西元2004年至2009年期間北部台灣大學醫學院附設醫院急性呼 吸窘迫症候群全部患者進行篩選，包括死亡與存活患者探討其醫療資源耗用，接受治 療後存活之患者進行病歷回溯，資料收集其共病情形與相關因子，其納入研究與排除 準則如下：
(一) 納入準則： 1.ICD9主或次診斷為「急性呼吸窘迫症候群—518.82」就醫之患者。
2.入住內科加護病房符合ARDS之個案。
3.出院時仍然存活者。
3.年齡≧18歲 。
(二) 排除準則： 1.排除診斷ARDS於住院內死亡個案。
2.年齡<18歲
(三) 樣本篩選：
吾人使用醫院之資訊系統並邀請胸腔科總醫師，將納入準則的病例篩選出進行查
核，並以急性呼吸窘迫症候群之診斷標準評估病人是否符合此症候群之條件。本研究 所採用之條件乃1994 年所發表北美和歐洲共識會議(American-European Concensus Conference，AECC)對於急性呼吸窘迫症候群所提出的操作型定義，包括以下四項條
件：(一)急性發生之呼吸衰竭；(二)胸部影像學檢查顯示兩側肺野出現浸潤；(三)氧合
功能嚴重受損，亦即使用呼吸器時，其血氧分壓與吸入氧氣濃度比值(PaO2/FIO2)小於 200，無論呼吸器有無使用吐氣末正壓(positive end-expiratory pressure，簡稱PEEP)；(四)
33
血行動力學檢查顯示肺動脈閉塞壓力小於18豪米汞柱，或臨床上沒有左心房壓力明顯 增加現象。病人需完全符合這四個條件才確定急性呼吸窘迫症候群之診斷，並進行後 續臨床資料的收集和分析。
(四) 本研究樣本來源流程見圖3-4。本研究自醫療事務室的資訊系統得到符合ICD9
518.82 就醫的病患641人，於該研究場所自2004年至2009年有通報收案個案為655
人，由兩位胸腔科醫師判斷X-ray並確定符合AECC條件診斷為ARDS有814人，排除 10位資料重複個案，並透過醫院資訊系統分為院內死亡組共有589人，院內存活組共 有205人，此205人進行病歷回溯，其中兩位該次住院病歷記載為非存活離院，予已排 除，餘203位，其中2位無法調閱到該次ARDS住院病歷，研究總個案數為200位。
34
圖 3-4 研究樣本選取流程 西元2004-2009年間
ICD9主或次診斷為 518.82
西元2004-2009年間 入住內科加護病房 呼吸衰竭個案
814人
641人 655人
由兩位胸腔科醫師判斷 X-ray並確定符合AECC 條件診斷為ARDS
院內死亡589人 院內存活205人
進行病歷回顧
排除2位非存活離院
203位
200位
3位無法調閱病歷 排除10位資料重複個案
35
二、研究資料來源
(一) 檢附研究計畫書摘要、研究倫理委員會通過證明申請台灣大學醫學院附設醫院 之醫療事務室統計資料，將納入準則之個案申請資料如下：
1. 健保總申報住院天數： ICU及病房住院總天數。
2. 健保總申報費用：醫療總點數、醫師費用、護理費用、抽血檢驗費用、診
療費用、影像醫學費用、藥物費用、其他費用。
3. 特殊治療醫令費用及天數：侵襲性呼吸器57001B及非侵襲性呼吸器 57023B。
4. 院內轉檔為門診治療、病危自動出院、死亡。
(二) 病人的臨床資料收集內容：
本人針對病歷中確定有記載之部分，收集包括以下個項目：1.人口統計學及臨床 病史資料，包括年齡、性別、住院日期、呼吸衰竭插管日期，以及其他疾病病史等；
2.發生急性呼吸窘迫症候群之危險因素(或稱為相關發生原因)，例如肺炎、濃煙吸入、
胸部外傷、胃部內容物入等直接因素，或是敗血症、急性胰臟發炎、大量輸血等間接 因素，若病人出現一個以上可能的危險因素時，則由研究人員判定其主要的狀況作為 其危險因素；3.發生急性呼吸窘迫症候群前後之胸部X 光影像檢查報告，查閱所有報 告中關於肺臟浸潤(infiltration)或是實質化(consolitaion)之紀錄。4.呼吸器使用設定以 及病人產生之資料，包括供給吸入氧氣之濃度，吐氣末正壓(PEEP)數值、肺泡壓、肺 彈力係數、呼吸器開始以及停止使用時間、此次ARDS之後有無進行氣管切開術。5.
急性呼吸窘迫症候群或加護病房住院之合併症以及其處置，如器官衰竭、氣胸、皮下 氣腫、縱膈氣腫，以及血液透析、心律不整、腦梗塞、腦病變等。
36
(三) 死因資料檔：
死因資料檔之收集始自1952年，由台灣省政府衛生處負責，並於1971年開始利 用電腦建檔處理。
死因資料的變項含有死亡者身分證字號、性別、戶籍(縣市及鄉鎮代碼)、民國前 後出生日期、死亡日期、死亡地點、死亡場所、死亡總類、職業、婚姻狀況、國際死 因分類代碼、外傷分類、死因診斷者。
死因資料的正確性與是否對於流行病學之研究影響極大，因此針對死因統計的 準確度進行研究。死因統計之原始資料來自於各地衛生局的死亡證明書，其所提供之 訊息分成兩部分，包括了基本資料與死因診斷。呂宗學等人的研究（呂宗學等人，1995）
指出在基本資料方面可信度佳，而經由謝公毅等進行1980 至1997 年衛生署死因資料 庫之確認與補正之後，更進一步提高了死亡人口基本資料之正確性，但是死因診斷之 準確度尚待研究。
37
三、資料分析
以SPSS17統計軟體進行資料分析，並呈現描述性分析與推論性分析。
(一) 描述性分析則根據變項屬性，分為類別變項及連續變項，類別變項則以「個數」
及「百分比」描述樣本特性，例如：性別、診斷別等類別型人口統計變項。連續變項 則以「平均數」、「標準差」、「中位數」、「四分位差」呈現各變項的分布情形，
期能對樣本與資料有初步的了解，例如：年齡、醫院住院天數Hospital length of stay(Hospital LOS)，加護病房住院天數ICU length of stay(ICU LOS)等。
(二) 為了檢驗存活與否、存活時間分組與其他研究變項的關聯性，將以卡方分析
（Chi-square test）檢定類別型態變項在存活與否（或存活時間分組）的比例是否達顯 著差異；再以獨立樣本T檢定（independent-sample t test）檢驗存活與否（或存活時間 分組）在連續型變項是否達到顯著差異。
(三) 存活分析(Survival analysis)
1. Kaplan-Meier survival curve
用來測量事件發生前時間的長短，本研究使用K-M分析描繪急性呼吸窘迫症 候群的存活曲線。由個案2004年至2009年期間經治療後於此期間的累積存活機率可以 繪出急性呼吸窘迫症候群患者的存活曲線。個別就性別、年齡分組、有無氣切、出院 情形等類別型變項為基準計算累積存活時間再分別繪出其存活曲線。
38
2. Log-rank test
以Log-rank test檢定類別型變項在存活時間及風險上的差異情形是否達顯著 差異，此為存活分析之單變項分析。
3. Cox proportional hazard regression
以Cox regression檢定連續型變項在存活時間及風險上的預測情形是否達顯著差 異，此為存活分析之單變項分析（Univariate Cox regression）；針對於單變項存活分 析達顯著者 (p < .05)，研究者擬將達顯著的變項一併置入Cox模型中，以Cox
proportional hazard model來檢驗在控制（adjust / control）其他變項的影響效果之下建 立急性呼吸窘迫症候群之存活預測模型，此為多變項存活分析（Multivariate Cox regression）。
(四) 廣義線性模型(generalized linear model, GLM)
醫療總費用的相關預測因子用廣義線性模型，以此分析方法探討相關性及建立 預測模型，不過在進行廣義線性模型(generalized linear model, GLM)之前先檢視醫療總 費用的分佈是否符合常態分佈，先用直方圖（histogram）來檢視各個自變項之分配形 狀、程度，以及異常個案等。由於離散程度（變異程度）很大，因此有必要要將醫療 總費用作對數轉換（Log-transformed），例如我們常將個人之收入或醫療費用等做對數 轉換之處理，對數轉換的醫療總費用當成依變項（dependent variable），檢視相關的預 測因子。