進階搜尋


下載電子全文  
系統識別號 U0026-0801201410541100
論文名稱(中文) 應用『檢驗資訊視覺化系統』於透析病患之臨床照護研究
論文名稱(英文) Application of “Laboratory Information Visualization System” on Dialysis Patients Care
校院名稱 成功大學
系所名稱(中) 高階管理碩士在職專班(EMBA)
系所名稱(英) Executive Master of Business Administration (EMBA)
學年度 102
學期 1
出版年 103
研究生(中文) 王憲奕
研究生(英文) Hsien-Yi Wang
學號 R07004319
學位類別 碩士
語文別 中文
論文頁數 76頁
口試委員 指導教授-康信鴻
口試委員-謝惠璟
口試委員-何炎殷
口試委員-蕭小芬
中文關鍵字 資訊視覺化  商業智慧  線性機率模型  透析治療 
英文關鍵字 Information visualization  Business intelligence  Linear probability model  Dialysis 
學科別分類
中文摘要 本研究主要目的為探討腎臟專科醫師對於採用專為透析病患臨床照謢所開發之『檢驗資訊視覺化系統』的關鍵影響因素,以結構式問卷紙本與電子檔發放給各級醫療院所之腎臟專科醫師,問卷內容包含四大構面等相關變數及受試者基本人口學的資料蒐集,並將回收之資料加以登記、整理與統計分析,共取得七十九份有效問卷樣本。
本研究導入商業智慧系統中的『資訊視覺化』等工具,將透析病患接受血液檢驗之每月結果加以整理、分析之後,根據透析室評鑑條文之規定,以『資訊視覺化』方式即時呈現,有別於傳統之純數字呈現。問卷將以『若預估系統成本約需要新台幣二十四萬元左右,您是否願意在一年內採用此系統』為被解釋變數,利用線性機率模型尋找最終迴歸方程式,並分別以『創新擴散性』、『知覺有用性』、『知覺易用性』及『醫療品質與服務』等四大構面十三項問項為解釋變數,利用線性機率模型等統計方法進行實證分析,以探討影響腎臟專科醫師採用此系統之關鍵因素。
本研究初步實證結果顯示,『系統儲存或查詢檢驗資料是安全及受保護的』這項變數是腎臟專科醫師採用這套『檢驗資訊視覺化系統』於透析病患臨床照謢上最為擔心的因素,其他變數則都無法顯示統計學上顯著之差異。最後本研究針對初步結果提出幾項建議,(1) 增加醫療院所決策者對於新資訊產品的信心、(2) 增加資訊人員動機與減少資訊安全疑慮、(3) 整合電腦系統與手持式裝置的應用,以提升醫療效率。
英文摘要 (1) Scopy and Objectives: “Big data” management is an emerging critical issue at 21st century. Who can collect, extract, transform primary data into useful secondary information, who can make sustainable competitive advantages. The aim of this research is determining the key influence factor(s) on acceptance of “Laboratory Information Visualization System”, designed by business intelligence software, in dialysis patient care at Taiwan. (2) Methods: Enrolled 79 certified Nephrologists working at different level of medical facilities. Cross-sectional study by structured questionnaires with 13 items, contained 4 domains with Diffusion of innovation, Perceived usefulness, Perceived ease of use, and healthcare quality. Econometrics theory with Linear Probability Model and several statistical methods were used for searching optimal regression model. 「Would you adopt the system with NT240,000 within 1 year? 」 was set as dependent variable. (3) Results: There are 58 Nephrologists (73.4%) working at hospitals, 44 (55.7%) with more than 10 years of services, 59 (74.7%) have not heard or saw this kind of system, and 43 (54.4%) do not adopt this system. 「The data storage and look-up are safe and protected」 is the statistically significant influence factor when adopting the system by Nephrologists. (4) Conclusions: Although the safety of patients’ information is the most concern issue at healthcare providers, it can be overcame by well-designed business intelligence system, as the many famous international corporations do. The quality of care and satisfaction of patients will be upgraded further, if the system can integrated with mobile devices and operated via cloud computation.
論文目次 目 錄
摘 要 I
Abstract. II
誌 謝 V
目 錄 VII
表目錄 VIII
圖目錄 IX
第一章 緒論 1
第一節 研究背景與動機 1
第二節 研究範圍與架構 2
第二章 文獻探討與回顧 4
第一節 末期腎臟疾病病患之流行病學資料 4
第二節 理論基礎之導入 12
第三節 本研究預期之貢獻 26
第三章 研究設計與方法 28
第一節 『檢驗資訊視覺化系統』建置 28
第二節 研究架構 37
第三節 實證模型設計與變數說明 38
第四節 資料來源與統計方法 45
第四章 實證結果分析 50
第一節 敘述性統計分析 50
第二節 影響採用『檢驗資訊視覺化系統』之迴歸分析 58
第五章 研究結論與建議 60
第一節 研究結論 60
第二節 研究建議 63
第三節 實務見解與心得 65
參考文獻 70
附錄 74








表目錄
表2-1 慢性腎臟疾病之分期 5
表2-2 101年前十大重大傷病請領醫療點數與比例 6
表3-1 影響腎臟科醫師接受『檢驗資訊視覺化系統』的決定因素變數來源比較表 38
表3-2 統計檢定方法之整理 46
表4-1 受測者基本背景分析 51
表4-2 腎臟專科醫師是否願意採用『檢驗資訊視覺化系統』之影響因素分析 52
表4-3 因素分析之彙整總表 53
表4-4 職務是否包含主管業務對各問項之差異性分析 55
表4-5 透析照護領域工作年資對各問項之差異性分析 56
表4-6 有無聽過『檢驗資訊視覺化系統』對各問項之差異性分析 57
表4-7 起始迴歸方程式各解釋變數分析表 58
表4-8 修正迴歸模型之解釋變數分析表 59



圖目錄
圖2-1 重大傷病有效領證狀況 6
圖2-2 世界各國尿毒症患者發生率及盛行率 8
圖2-3 世界各國尿毒症患者選擇透析治療種類分布 10
圖2-4 美國透析病人的生存率逐年增加 11
圖2-5 創新擴散模型曲線與『創新度』分類 13
圖2-6 護理人員使用Andon Dashboard的頻率 16
圖2-7 科技接受模型 17
圖2-8 個人健康病歷系統登錄後畫面 19
圖2-9 商業智慧系統流程及其工具 21
圖2-10 商業智慧系統運作層次 22
圖2-11 視覺學習(Visual Learning) 23
圖2-12 病人接受『腹部電腦斷層』檢查放射部門所需的檢核圖形表 24
圖2-13 整合性生理數據資訊儀表板(MVP) 25
圖2-14 互動式決策資訊儀表板(Interactive Decision Dashboard) 26
圖3-1 資訊視覺化系統:資料處理、資料倉儲、多層次資訊呈現、線上即時資料分析與處理 29
圖3-2 以台南市各區地圖即時呈現透析中心病人居住地分布 30
圖3-3 傳統的檢驗報告(左)與『檢驗資訊視覺化系統』(右)呈現每月檢驗報告的差異 31
圖3-4 呈現URR平均值及各比率之比例與人數 32
圖3-5 呈現貧血相關指標的比例 33
圖3-6 腎性骨病變相關指標呈現A、B、C、D 34
圖3-7 心血管併發症追蹤指標呈現A、B、C、D 35
圖3-8 A.所有病人年紀分佈與營養指標的關係 36
圖3-8 B.所有病人年紀分佈與血中磷濃度的關係 36
圖3-9 研究架構圖 37
圖3-10 迴歸模型實證流程圖 46
參考文獻 參考文獻

一、中文部份
1. 吳萬益 (2000). 企業研究方法. 台灣, 華泰文化事業股份有限公司.
2. 李亭亭、施玉珊 (2009). "運用創新擴散理論於促進護理資訊系統之推展." 護理雜誌 56(3): 18-22.
3. 楊正仁 (2001). "資訊視覺化呈現之發展與挑戰." 21世紀資訊科學與技術學術研討會: 291-305.
4. 衛生福利部中央健康保險署 (2013). 101年全民健保統計摘要分析. Taiwan, 衛生福利部.
5. 馬偕紀念醫院. (2013, November 29). "馬偕攜手微軟 Office365打造雲端醫療管理系統."
二、英文部份
1. Cho, N. and Park, S. (2002). "Development of electronic commerce user-consumer satisfaction index (ECUSI) for Internet shopping." Industrial Management and Data Systems 101(8): 400-405.
2. Davis, F. D. (1989). "Perceived Usefulness, Perceived Ease of Use, and User Acceptance of Information Technologies." MIS Quarterly 13: 319-339.
3. Davis, F. D., Bagozzi R. P. and Warshaw P. R. (1989). "User Acceptance of Computer Technology: A Comparison of Two Theoretical Models." Management Science 35(8): 982-1003.
4. Dolan, J. G., Veazie P. J. and Russ A. J. (2013). "Development and initial evaluation of a treatment decision dashboard." BMC Med Inform Decis Mak 13: 51.
5. Dooley, K. E. (1999). "Towards a holistic model for the diffusion of educational technologies: An integrative review of educational innovation studies." Educational Technology & Society 2(4): 35-45.
6. Orruño, E., Gagnon, M. P., Asua, J. and Ben Abdeljelil, A. (2011). "Evaluation of teledermatology adoption by health-care professionals using a modified Technology Acceptance Model." J Telemed Telecare 17(6): 303-307.
7. Foundation, N. K. (2002). "KDOQI Clinical Practice Guidelines for Chronic Kidney Disease: Evaluation, Classification, and Stratification."
8. Graaff, J. V. D. (2012). "BI Perception 2012: A wave is coming." http://www.KLASresearch.com.
9. Harle, C.,Padman, R. and Neill, D. (2012). "Information Visualization for Chronic Disease Risk Assessment." IEEE Intelligent Systems 27(6): 81-85.
10. Hwang, S. J., Yang, W. C., Lin, M. Y, Mau, L. W., Chen, H. C. (2010). "Impact of the clinical conditions at dialysis initiation on mortality in incident haemodialysis patients: a national cohort study in Taiwan." Nephrol Dial Transplant 25(8): 2616-2624.
11. IDF Diabetes Atlas, t. e. (2013). "Diabetes Atlas - Key Messages."
12. Liu, C. F., Tsai, Y. C. and Jang, F. L. (2013). "Patients’ Acceptance towards a Web-Based Personal Health Record System: An Empirical Study in Taiwan." Int. J. Environ. Res. Public Health 10(5191-5208).
13. Loudon, D., Macdonald, A. S., Carse, B., Thikey, H., Jones, L., Rowe, P., Uzor, J. S., Ayoade, M. and Baillie, L. (2012). "Developing visualisation software for rehabilitation: Investigating the requirements of patients, therapists and the rehabilitation process." Health Informatics Journal 18(3): 171-180.
14. Luhn, H. P. (1958). "A Business Intelligence System." IBM Journal of Research and Development 2(4): 314-319.
15. Pendse, N. (2009). Fast Analysis of Shared Multidimensional Information (FASMI). The BI Verdict. Business Application Research Center.
16. Rajkovic, P. J. and Jankovic, D. S. (2009). "Custom Made Medical Data Reporting Tool." TELSIKS 9th International Conference: 306-309.
17. Ramayah, T. and Ignatius, J (2005). "Impact of Perceived usefulness, Perceived ease of use and Perceived Enjoyment on Intention to shop online." ICFAI Journal of Management: 1-16.
18. Rogers, E. M. (1962). Diffusion of Innovations.
19. Rogers, E. M. (2003). Diffusion of innovations(5th ed.). New York.
20. Sahin, I. (2006). "Detailed Review of Roger's Diffusion of Innovations Theory and Educational Technology-Related Studies Based on Roger's Theory." The Turkish Online Journal of Educational Technology 5(2): 14-23.
21. Sebastian, K., Sari, V., Loy, L. Y., Zhang, F., Zhang, Z. and Feng, M. (2012). "Multi-signal Visualization of Physiology (MVP): a novel visualization dashboard for physiological monitoring of Traumatic Brain Injury patients." Conf Proc IEEE Eng Med Biol Soc 2012: 2000-2003.
22. Shusaku, T., Shoji, H. and Yuko, T. (2012). "Visualization of Hospital Services using Data Mining Methods." 11th IEEE International Conference on Data Mining Workshops: 1183-1190.
23. Smiciklas, M. (2012). The power of Infographics. USA, Que publisher.
24. Stuart, W. D. (2000). Influence of sources of communication, user characteristics and innovation characteristics on adoption of a communication technology. D. dissertation, The University of Kansas.
25. Tan, Y. M., Hii, J., Chan, K., Sardual, R. and Mah, B. (2013). "An electronic dashboard to improve nursing care." Stud Health Technol Inform 192: 190-194.
26. Ufford, D. Q. v. (2002). "Business Intelligence: The Umbrella Term."
27. USRDS (2013). "U.S Renal Data System, USRDS 2013 Annual Data Report: Atlas of Chronic Kidney Disease and End-Stage Renal Disease in the United States, National Institute of Health, National Institute of Diabetes and Digestive and Kidney Diseases, Bethesda, MD, 2013."
論文全文使用權限
  • 同意授權校內瀏覽/列印電子全文服務,於2017-01-27起公開。
  • 同意授權校外瀏覽/列印電子全文服務,於2017-01-27起公開。


  • 如您有疑問,請聯絡圖書館
    聯絡電話:(06)2757575#65773
    聯絡E-mail:etds@email.ncku.edu.tw