健康促進與衛生教育學系
Permanent URI for this communityhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/18
在國立臺灣師範大學，衛教人有個綽號是健康寶寶。
比起其他科系的學生，“衛仔”們多了份對健康的強迫性關懷，上課時多了與老師的互動，而多元的學習方式，透過討論、表演、參觀…，甚至是 Call in、Talk Show 的展現，讓整體學習更生動。
環境的學習與刺激更是讓人憾動心弦：大安森林公園的音樂台、西門町和東區的燈紅酒綠街、中正紀念堂和市政府的台北燈會，還有更臨近國家圖書館、北市圖書館、台大、公館、台北火車站、光華商場…，當然還有師大夜市的異國風情。
Browse
2 results
Search Results
Item 新型冠狀病毒（COVID-19）流行初期每日確診人數趨勢型態及相關因子分析-世界各國開放資料研究(2022) 高慈敏; Kao, Tzu-Min背景： 新型冠狀病毒（COVID-19）在2019年12月於中國武漢市發現且疫情迅速擴散至全球，隨著各國確診及死亡人數與日俱增，世界衛生組織於2020年3月宣布其為大流行疾病。世界各國COVID-19大流行初期之第一波疫情皆以單一或是數個小型零星地區開始爆發，各國依照其文化、經濟及地理位置等不同背景條件，制定不同的防疫政策以防堵疫情持續蔓延。本研究探討世界各國COVID-19流行初期的疫情趨勢型態及其相關背景因素。 研究方法： 本研究在時間趨勢型態分析部份，結合長期追蹤設計與時間序列設計，以151個國家為研究對象重複測量各國「每日新增確診人數7天移動平均值」(以下簡稱MA7)，並對每一個研究國家觀察了60或90天的時間序列資料；因此，本研究在時間趨勢型態分析部份結合了以上兩種研究設計的特性為「長期追蹤時間序列研究設計」(Longitudinal time series design)。 有關世界各國COVID-19流行初期MA7時間序列趨勢型態的相關因素分析，將研究的國家依據疫情趨勢型態分類，進行病例對照研究(case-control study)。研究對象以國家為單位，對151個國家開放數據進行分析，如：COVID-19每日新增確診人數、遏制和衛生指數、高齡化、國內生產總值、識字率、人口密度、肥胖盛行率、醫療資源 (醫師密度、病床密度)及地理環境 (島嶼、沿海及內陸)。統計分析運用時間序列階層群集分析法 (Time-series hierarchical clustering)，對世界各國COVID-19流行初期MA7的時間趨勢型態進行分類，並利用邏輯斯迴歸分析探討與此時間趨勢型態分類有相關的背景因素。結果： COVID-19流行初期MA7趨勢型態可歸類為「成長型」、「消退型」、「平緩消退型」。邏輯斯迴歸並以逐步迴歸校正顯示，世界各國COVID-19流行初期連續觀察60天的MA7趨勢型態分成2群集之相關因素分析顯示，較低的國內生產總值傾向於「成長型」趨勢型態(校正後勝算比=0.98，95%信賴區間0.96-1.00，p值=0.028)；較高的肥胖盛行率傾向於「成長型」趨勢型態 (校正後勝算比=1.09，95%信賴區間1.04-1.14，p值<0.001)。連續觀察60天趨勢型態3群集之多項邏輯斯逐步迴歸模式分析，較高的肥胖盛行率傾向於「成長型」趨勢型態 (校正後勝算比=1.06，95%信賴區間1.01-1.11，p值=0.010)。 結論： 世界各國在地理、經濟、文化、人口、衛生等背景因素的差異下，使得COVID-19每日新增確診人數時間序列趨勢型態有顯著不同，各國防疫政策應參考國家的特性差異來擬定。Item 利用健康資料庫探索疾病的發展歷程：以大腸直腸癌全人口病例對照研究為例(2019) 何錚琳; HE, ZHENGLIN研究目的：使用健康資料庫作為研究工具已成為一種趨勢，且具有很大的潛力。近年來，大腸直腸癌一直是主要的健康問題，其疾病的發展歷程尚未清楚。因此，本文利用健康資料庫探索與大腸直腸癌相關的過往疾病以及發展歷程。 研究方法：本研究使用台灣全民健康保險研究資料庫以及重大傷病證明明細檔的資料庫進行病例對照研究。研究納入2010年1月1日至2013年12月31日期間31,380位年齡在50歲或以上患有大腸直腸癌的患者，再根據性別，年齡，居住地區和保險費進行配對，納入31,380位非癌症病患為對照組。研究設定病患的第一次大腸直腸癌的診斷日期為研究基準日，篩選研究基準日前的過去疾病。除了分析全部疾病外，另進行病例組人數大於對照組人數的分析。病例組與對照組的人口統計學特徵使用卡方檢定或t檢定進行分析。相關疾病首先使用單變數條件邏吉斯回歸模型進行分析，並採用偽發現率(False discovery rate, FDR)的方法調整p值以避免誤判。再使用逐步篩選法進行分析，找到具有顯著相關的疾病。最後，對研究基準日4年以前的相關疾病進行路徑分析，以瞭解研究基準日4年前的疾病與大腸直腸癌之間的關係網絡。 研究結果：研究基準日4年前有8種疾病與大腸直腸癌有顯著相關，包括糖尿病、高血壓、痔瘡、腹部和骨盆症狀、創傷、腸道疾病、胃腸道出血和慢性肝病。根據路徑分析，糖尿病是大腸直腸癌疾病發生歷程的源頭節點。 結論：本研究使用健康資料庫並提出一個新的程序進行分析，所得的結果與前人研究相符。此外，我們提供了一個更全面的結果來進行解釋大腸直腸癌的過往疾病。 以大腸直腸癌為例，本研究證實了所使用的分析程序可展示大腸直腸癌的可能疾病病因，這一分析程序可能也用於其他癌症的研究，特別是發病機制未明確的疾病。