Type of Credit: Partially Required
Credit(s)
Number of Students
糖尿病對台灣的重要性與衝擊，課程介紹糖尿病的流行病學，診斷與治療。解說目前糖尿病治療與照護原則，及"慢性病科技照護"的應用觀念。了解那些處置策略可早期診斷早期治療，也了解那些臨床檢測項目是重要的預測因子。並且應用大量資料收集與處理，逐步建立數學模型，預測糖尿病的病程發展。藉由此公開的教學模式，傳遞以糖尿病為基礎疾病健康模型之團隊運作模式與經驗，鼓勵學生發揮專長專業，協助醫護人員善用數據資訊，促進健康照護，增進各專業人才跨領域之學習。
能力項目說明
|
1. 課程簡介: 課程授課模式、進度及分組討論活動說明；教師:詹銘煥、陸行。
2. 決策模式與糖尿病風險數據: 決策模式:Tree-based Probabilistic Process Models、Event-time Probabilistic Distributions。 教師:陸行、劉佳鑫。
3. 健康量性方法/健康資料: 介紹基本的健康計量方式與健康領域常用的數據資料，如何透過該數據資料引領人類健康的進步。教師:林明彥。
4. 糖尿病的流行病學與簡介: 介紹糖尿病的流行病學，診斷與治療，強調醫療照護上注重那些監測指標，檢驗與檢查項目，同時介紹目前糖尿病治療與照護原則，並帶入本課程"慢性病科技照護"的應用觀念。教師:吳秉勳。
5. 糖尿病有那些併發症: 糖尿病容易產生很多併發症，如：心血管疾病、腎臟病、眼底病變等。藉由了解糖尿病的併發症，將了解那些處置策略可早期診斷早期治療，也了解那些臨床檢測項目是重要的預測因子。 教師:吳秉勳。
6.糖尿病有那些治療方法?: 針對糖尿病併發症的診斷工具與治療的新策略，介紹新藥物在臨床試驗上卓越的成效，而這些醫療的新發展對照護糖尿病有怎樣的幫助。 教師:吳秉勳。
7. 疾病風險模式: 因疾病的自然史研究可透過統計來建構風險模式。本課程主要介紹引起慢性病的重要影響因子與常用疾病風險模式。教師:林明彥。
8. 從資料到病程發展的數學模型: 藉大量資料的收集和分析，提供患者後續的病程發展資料以防範病況惡化。本課程將以糖尿病為例，介紹相關的數學工具，藉由資料收集與處理，一步步建立數學模型，預測糖尿病的病程發展。 教師:陳政輝。
9.期中評量: 糖尿病議題小組討論、決策模式與數學模型應用及學習成效評量。教師:詹銘煥、陳政輝。
10.分組活動及實地參訪: 小組活動，實地參訪醫療或照護機構。 教師:詹銘煥、陸行、吳秉勳、林明彥、陳政輝。
11. 模型參數評估的數學方法: 介紹優化的基本觀念與常用演算方法，並將舉例說明如何用這些演算方法來解決決定模型參數的問題。 教師:陳政輝。
12.隨機網路與模式模擬: 介紹模擬的相關概念,說明如何以建立的模型進行模擬,推估不確定事件發生的機率,研究隨機的現象。 教師:陳政輝。
13.預測模型效能評估: 透過模式精準預測疾病的發生，改變健康是未來的趨勢。所有的預測模式都帶有不確定性。如何評估預測模式的效能，常用的方法包含哪些?本章節的介紹，可以學習到常用模式評估的方法，並了解好的模式需要的條件。 教師:林明彥。
14.建立預測模式的原則: 由數據建立數學函數的對應，產生基本的預測模式。藉此可以學習到常用模式評估的原則和方法，進而認識數據和數學的關係、和統計方法的關係。 教師:陸行。
15.透過健保數據討論醫療政策: 介紹如何使用健保資料進行經濟研究、推估社經變數。教師: 連賢明。
16.分組活動及實地參訪: 小組活動，實地參訪醫療或照護機構。教師:詹銘煥、陸行、吳秉勳、林明彥、陳政輝。
17. 分組議題討論及檢討會(I): 教師:詹銘煥、陳政輝。
18. 分組議題討論及檢討會(II): 期末評量: 教師:詹銘煥、陳政輝。
授課教師提供講義及指定相關資料