進階搜尋


   電子論文尚未授權公開,紙本請查館藏目錄
(※如查詢不到或館藏狀況顯示「閉架不公開」,表示該本論文不在書庫,無法取用。)
系統識別號 U0026-1406201810303000
論文名稱(中文) 以貝氏時空間模型分析台灣 2004 至 2012 年缺血性中風資料
論文名稱(英文) Bayesian Spatio-temporal Modeling for Analyzing Ischemic Stroke in Taiwan, 2004 - 2012
校院名稱 成功大學
系所名稱(中) 統計學系
系所名稱(英) Department of Statistics
學年度 106
學期 2
出版年 107
研究生(中文) 林蔚安
研究生(英文) Wei-ann Lin
學號 R26051074
學位類別 碩士
語文別 中文
論文頁數 32頁
口試委員 指導教授-李國榮
口試委員-陳瑞彬
口試委員-鄭靜蘭
口試委員-張欣民
中文關鍵字 貝氏階層廣義線性混合模型  缺血性中風  空間統計 
英文關鍵字 BHGLMM  Ischemic Stroke  Spatial Statistics 
學科別分類
中文摘要 根據衛生福利部歷年的十大死因統計,缺血性中風經常名列台灣十大死因的前三名,其高死亡率與後續的殘疾往往對週遭的人造成很大的負擔。國外的研究如 (Kunisawa et al., 2013) 曾指出,缺血性中風後的死亡風險對於不同地區的醫療資源分配情況會有所不同,特別是對於無法於病發後即刻獲得醫療資源的偏鄉地區,會有較高的死亡風險,然而國內對於此類空間相關之研究卻是相當缺乏。有鑑於此,本研究希望能妥善分析缺血性中風後死亡率與治療與次級預防藥物之使用差異及相關社會因子的時空相關性,就能提供有效的醫療服務行為並改善醫療資源的分配,進而預防二次中風與降低中風後死亡率。
本研究參考(Waller, Carlin, Xia, & Gelfand, 1997) 與(Banerjee, Carlin, & Gelfand,2015) ,提出Poisson 分配與時空間項的貝氏階層廣義線性混合模型(Bayesian Hierarchical Generalized Linear Mixed Model, BHGLMM) 分析2004 年至2012 年台灣健保資料庫的中風死亡個數的資料,並且使用MCMC 演算法估計模型參數,並搭配風險熱圖 (risk mapping) 技巧分析缺血性中風後死亡率與治療與次級預防藥物之使用在時間與空間上的差異,進一步找出與中風後死亡危險性相關之重要因子。我們希望透過妥當分析其地理空間上所造成的風險差異,以妥當安排醫療資源,降低因醫療資源
分配不均所造成的生命傷害。
分析結果中發現屏東地區、東部地區及接近中央山脈等偏鄉地區事實上具有比較高的死亡風險,且其風險具有空間群聚性。我們認為此結果可能來自於醫療資源的分配不均,也希望藉由此分析建議相關單位妥善分配醫療資源。
英文摘要 We want to identify determinants of fatality after ischemic stroke across 349 townships in Taiwan. By using spatial analysis techniques, including Bayesian Hierarchical Generalized
Linear Mixed Model, risk mapping skills and Moran’s I test, we have found that chronic kidney disease, hypertension, ischemic heart disease, use of diuretics, bed proportions and stroke severity index are positively associated with fatality, while the proportion of dyslipidemia and aboriginal population, use of -blocker, ACEIs/ARBs and rt-PA are negatively associated with fatality. Our finding indicated that towns near the Central Mountain Range, towns near south and east Taiwan had higher risk than the others, especially Pingtung city.
論文目次 摘要i
英文延伸摘要ii
誌謝iv
目錄v
表目錄vi
圖目錄vii
第一章. 緒論 1
第二章. 研究方法 2
2.1 資料敘述 2
2.2 時空模型必要性 3
2.3 統計模型 8
2.4 先驗分配 10
第三章. 實際資料分析與結果 12
3.1 固定效應與隨機效應係數估計值 12
3.2 風險熱圖 13
3.3 風險熱點分析 15
第四章. 結論與未來展望 16
4.1 結論 16
4.2 未來展望 17
參考文獻18
附錄A. 附錄19
參考文獻 鄭靜蘭. (2016). 巨量資料於慢性疾病之流行病學趨勢研究.
林彥君. (2017). 運用空間分析方法探討台灣缺血性中風後致死率之相關因子.
Banerjee, S., Carlin, B., & Gelfand, A. (2015). Heirarchical modeling and analysis for spatial data (2nd ed.).
Feigin, V., Krishnamurthi, R., Parmar, P., Norrving, B., Mensah, G., Bennett, D., … Roth, G. (2015). Update on the global burden of ischemic and hemorrhagic stroke in 1990-2013:The gbd 2013 study.
Gelman, A., Carlin, J., Stern, H., Dunson, D., Vehtari, A., & Rubin, D. (2013). Bayesian data analysis (3rd ed.).
Kunisawa, S., Morishima, T., Ukawa, N., Ikai, H., Otsubo, T., Ishikawa, K., … Imanaka, Y. (2013). Association of geographical factors with administration of tissue plasminogen activator for acute ischemic stroke.
Napier, G., Lee, D., Robertson, C., Lawson, A., & Pollock, K. (2016). A model to estimate the impact of changes in mmr vaccine uptake on inequalities in measles susceptibility in scotland.
Sahlin, K. (2011). Estimating convergence of markov chain monte carlo simulations.
Tsagalis, G., Akrivos, T., Alevizaki, M., Manios, E., Stamatellopoulos, K., Laggouranis, A., & Vemmos, K. (2009). Renal dysfunction in acute stroke: an independent predictor of long-term all combined vascular events and overall mortality.
Waller, L., Carlin, B., Xia, H., & Gelfand, A. (1997). Hierarchical spatio-temporal mapping of disease rates.
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2023-06-01起公開。
  • 同意授權校外瀏覽/列印電子全文服務,於2023-06-01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