解決 醫療決策難題 的曙光

【實證】+【醫護人員/病人觀點】+【法規限制】是影響臨床決策的主因

但這些因素加起來就非常複雜，臨床人員要充實具備【實證知識】就很辛苦，還須FIFE/衛教，又要孰悉法規。臨床又相當忙碌，時間非常有限。。。

【AlphaGo的人工智慧，最重要的是將廣泛的資訊歸納為有效率的小範圍知識，減少人做決定的困難，未來可望用在判斷醫療輔助。。。等項目。】 

Google, Intel, IBM... 等科技大廠接早已投入人工智慧或大數據於醫療輔助
這也跟電子病歷的規模(廣度與精準度)有很大的關係，這規模牽涉醫療大數據之品質與價值。
只是他們的投入標的，都跟OT有點距離。。。 

也就是 OT自己的【實證】+【醫護人員/病人觀點】+【法規限制】甚至【電子病歷】等內容與資訊，還是需要OT自己建立，人工智慧才派得上用場!!

 "Knowledge of the modality comes from rigorous research!" 一起努力吧!!

臺大OT是全世界OT top 5 之數據

檢索 PubMed 醫學資料庫，整個資料庫(約1990迄今)【主要作者】為OT所發表之學術論文數量

臺大 OT: 181 篇論文

南加大OT: 140 篇論文

波士頓大學OT: 156 篇論文

若只看最近5年

臺大 OT: 116 篇論文

南加大OT: 97 篇論文

波士頓大學OT: 79 篇論文

南加大與波士頓OT 是，最近一二十年來，長期於美國長期排名第1~2名的名校【根據 U.S. News & World Report’s 評比約美國約 150個OT學校】

以上或有些誤差，應不超過20%，學校差異之趨勢應該正確
主要檢索策略舉例： "National Taiwan University"[ad] AND "Occupational Therapy"[ad]
檢索時間： March 11, 2016

人生大事之決策模式

你有高手/貴人跟你【共同決策】嗎??

群體趨勢 與 個案特例

課堂上老師經常提到【個案差異極大】【醫療不確定性】但也會斬釘截鐵強調一些鐵律。

如【有能力的醫療人員才有選擇病人的 guts (將非已專長可協助之個案轉介)】，但我們一直會看到很多名醫之門診，塞滿病患，當中必然有一些病患的問題非名醫的專長(也就是幫不上忙)。

這矛盾在於，老師所言【有能力的醫療人員才有選擇病人的 guts】是指【群體趨勢】而非所有個案。

就跟我說 【男生身高比女生高】，是指【群體趨勢】而非所有個案。

現實世界或醫療情境，常有例外。但我們不能也無法以例外或個案推翻【群體趨勢】之存在。

有關 VIP 門診

這是否【公平】!? 同學可再參考相關理論論述與國內各大醫院VIP門診訊息如下:

什麼是公平正義？

怎樣才是對一個社會內財富和資源(包含醫療資源)的適當/公平分配：一律平等制、精英制、視地位而定或其他的排列方式。一直有不同論述。

一律平等制或齊頭式平等，並非公平，較有定論。但如何【制定分配原則】則難以取得共識。

亞里士多德認為分配的公平可分為二類：平均的公平與比值的公平。

平均的公平是指在【同等的人】之間各人的所得在數量上都相等；比值的公平是指在【不同等的人】之間，根據各人的價值的不等，【依據比例分配】與之相對稱的資源或酬勞。

如何實務應用這二種公平分配原則，亞里士多德主張應視情況，在某些方面應以平均的公平為原則，在某些方面應以比值的公平為原則。

相對來說，亞里士多德更推崇比值的公平，認為比值的公平是真正的公平，【公平的真正含義在於給予道德上的優等者以較好的待遇，而對道德上的劣等者分配給較少的報酬】。

亞里士多德的分配的公平思想為後世分配倫理學討論分配的公平議題奠定了理論基礎。

同學亦可參考 相關剪報資料【國內各大醫院VIP門診訊息】，請自行點選下載/閱讀。

歡迎討論!

經驗 與 知識 之差異/重要性

我想，經驗是不太確定但可能有用的知識

知識是經過證實的，至少在特定情境下成立/有效

臨床新知，尤其是已證實的療法，須提供給個案，已證實無效或有害，則宜速速停止

然而臨床上，個案差異甚大，療效(或有害)之證據大多有限，這時經驗可能很重要

但我覺得對於【不確定】的事，或未經驗證的【經驗】，皆須保留/謹慎

若經過證實為真的【經驗】，那已成為知識，就不再是【經驗】了

醫倫影響療效的證據之一

我指導/剛畢業的博班生，研究OT知識衛教之成效

結果發現實驗組比對照組，除了在OT知識有顯著差異

實驗組比對照組【ADL功能】進步量還大，而且此進步量跟針對 ADL training 之效果竟然差不多

OT知識衛教平均約需1~1.5小時，但ADL training 需時至少4至6倍。