進階搜尋


  查詢北醫館藏
系統識別號 U0007-1704200714571041
論文名稱(中文) 階層式叢集分析技術於抗生素抗藥性監控輔助之應用
校院名稱 臺北醫學大學
系所名稱(中) 醫學資訊研究所
系所名稱(英) Graduate Institute of Medical Informatics
學年度 92
學期 2
出版年 93
研究生(中文) 鄭詠慈
學號 g158091009
學位類別 碩士
語文別 中文
口試日期
論文頁數 104頁
口試委員 指導教授-蔣以仁
中文關鍵字 階層式叢集分析技術  抗生素抗藥性監控 
學科別分類
中文摘要 本研究之目的為提供抗生素選用之選擇輔助模式,希望能提供臨床醫師於抗微生物藥物選用時之輔助,使臨床醫師能適當且有效地針對不同菌種施用藥物。我們選擇抗生素敏感度資料庫作為分析對象並且試著以不同分析角度來分析抗生素使用情形。因為微生物抗藥性資料庫之資料屬性為多變異(Multivariate)因子性質,我們著重於分析所有有用變異因子間的相關性,因此我們選擇以叢集分析(Clusters Analysis)的概念作分析基準,將資料庫中的不同菌種之抗生素敏感度試驗結果進行階層性叢集分析(Hierarchical Clusters Analysis),將分析結果以樹狀圖(dendrogram)呈現,並將分析結果運用於院內感染科感染控制小組及檢驗科微生物室現存資料庫進行分析,與臨床醫師經驗用藥準則及檢驗科微生物室抗生素敏感性試驗結果做比對,然後以此模式建立抗微生物藥物與微生物之間階層及交互關係,提供臨床醫師於抗微生物藥物施用之參考輔助。
論文目次 第一章 緒論 1.1 抗生素的發現 1 1.2 抗生素的濫用及抗藥性之產生 1 1.3 台灣抗藥性之嚴重程度 3 1.4 全球現階段策略 3 1.5 重要性 4 1.6 研究目的 5 第二章 相關研究 2.1 微生物抗生素抗藥性監控 7 2.1.1 美國抗微生物製劑抗藥性監控系統(NARMS) 7 2.1.2 世界衛生組織對於抗微生物製劑抗藥性之全球性策略 8 2.1.3 國際間各微生物學組織對微生物抗藥性的研究發展 9 2.2 電腦於醫學的應用 12 2.3 資料探勘技術於臨床醫學上之應用 16 2.3.1目前醫學資訊技術在微生物感染管制方面概況 16 2.3.1.1 臨床檢驗室(clinical laboratory)部分 16 2.3.1.2臨床醫師(clinical physician)部分 17 2.3.2叢集分析技術(Cluster Analysis Technique)之臨床應用 19 2.4 圖形化資料模型(Graphical models)在醫學研究上的優點及應用 20 第三章 材料與方法 3.1 材料 22 3.1.1 資料收集 22 3.1.2 資料選擇 22 3.1.3 資料基本屬性 23 3.1.4 抗生素敏感性試驗之抗生素使用組合 23 3.1.5 抗生素敏感性試驗之抗生素敏感度結果轉換 25 3.2 方法 25 3.2.1 方法簡介 25 3.2.2 叢集定義及基本組成 26 3.2.3 叢集分析資料結構 28 3.2.4 叢集分析技術(Cluster Analysis Technique)之方法步驟 29 3.2.5 階層式叢集分析技術(Cluster Analysis Technique)之運算法則 30 3.2.6 叢集(Clustering)特色 31 3.2.7 層級式叢集分析(hierarchical cluster analysis) 32 3.2.8 叢集分析結果輸出 34 第四章 分析與結果 4.1 細菌抗藥性組合(Resistance profile,Antibiogram)的圖形化資料呈現 36 4.2 以dendrogram呈現型態於抗生素選用之輔助 37 第五章 討論與結論 5.1 三菌種總群集分佈圖 65 5.2 三菌種基本屬性分群分佈圖 68 5.2.1 依檢體採集時段 69 5.2.2 依檢體來源單位科別 72 5.2.3 依檢體類別 79 5.3 與傳統分析法其派狀圖結果提供之資訊作比對 85 5.4 結論 85 參考文獻 英文文獻 86 附錄 91
參考文獻 1. Horan TC, Emori TG(1997),“Definitions of key terms used in the NNIS System.”Am J Infect Control 25, pp112-116. 2. Steinman M.A, Gonzales R, Linder J.A. and Landefeld C.S.(2003),“Changing Use of Antibiotics in Community-Based Outpatient Practice, 1991—1999.”Annals of Internal Medicine, 138(7), pp 525-533. 3. Arjen van Oryen(2001),“New Approaches for the Generation and Analysis of Microbial Typing Data.”Amsterdam, Elsevier, pp31-45. 4. Bax R, et al(2001),“Surveillance of antimicrobial resistance--what, how and whither?”Clin Microbiol Infect 7, pp316-325. 5. Gross PA, Pujat D(2001),“Implementing practice guidelines for appropriate antimicrobial usage: a systematic review.”Med Care 39(II)pp55-69. 6. Evans RS, Classen DC, Pestotnik SL, Lundsgaarde HP, Burke JP(1994),“Improving empiric antibiotic selection using computer decision support.”Arch Intern Med 154, pp878-884. 7. Jones J. K.(2001),“The role of data mining technology in the identification of signals of possible adverse drug reactions: values and limitations.”Current Therapeutic Research 62(9), pp664-672. 8. Pestotnik SL, Classen DC, Evans RS, Burke JP(1996),“Implementing antibiotic practice guidelines through computer-assisted decision support: clinical and financial outcomes.”Ann Intern Med 124, pp884-890. 9. Gotz R, Lauer R(2003),“Analysis of sources of dioxin contamination in sediments and soils using multivariate statistical methods and neural networks.” Environ Sci Technol. 37(24), pp5559-5565. 10. Alaiya AA, Franzen B, Hagman A, Dysvik B, Roblick UJ, Becker S, Moberger B, Auer G, Linder S(2002),“Molecular classification of borderline ovarian tumors using hierarchical cluster analysis of protein expression profiles.”Int J Cancer, 98(6), pp895-899. 11. Schonlau.M(2002),“The clustergram: a graph for visualizing hierarchical and nonhierarchical cluster analyses.”The Stata Journal, 2(4), pp391-402. 12. Lamma E, Modestino G, Riguzzi F, Storari S, Mello P. and Nanetti A.(2002),“An Intelligent Medical System for Mocrobiological Data Validation and Nosocomial Infection Surveillance.”15th IEEE Symposium on Computer-Based Medical Systems (CBMS''02). 13. Hand D, Mannila H. and Smyth P.(2001),“Principles of Data Mining.”Cambridge, MA:Massachusetts Institute of Technology. 14. Edwards D.(2000),“Introduction to Graphical Modeling”2nd ed., Springer-Verlag. 15. Leibovici Leonard, Fishman Michal, Schønheyder Henrik C, Riekehr Christian, Kristensen Brian, Shraga Ilana and Andreassen Steen(2000),“A Causal Probabilistic Network for Optimal Treatment of Bacterial Infections.”The IEEE July/August 12(4), pp517-528. 16. World Health Organization, Overcoming Antimicrobial Resistance, WHO Report on Infectious Diseases 2000, WHO/CDS/2000.2, Chapter 4, 17. National Committee for Clinical Laboratory Standards. Approved standard M7-A4: methods for dilution antimicrobial susceptibility tests for bacteria that grow aerobically. 4th ed. Villanova, Pennsylvannia: National Committee for Clinical Laboratory Standards, 1997. 18. National Committee for Clinical Laboratory Standards. Approved standard M100-S8: performance standards for antimicrobial susceptibility testing. Wayne, Pennsylvania: National Committee for Clinical Laboratory Standards, 1998. 19. National Committee for Clinical Laboratory Standards. Approved standard M100-S9: performance standards for antimicrobial susceptibility testing. Wayne, Pennsylvania: National Committee for Clinical Laboratory Standards, 1999. 20. Seppala H, et al(1997),“ The effect of changes in the consumption of macrolide antibiotics on erythromycin resistance in group A streptococci in Finland. Finnish Study Group for Antimicrobial Resistance.”N Engl J Med 337, pp441-446.0 21. National Nosocomial Infections Surveillance System. Nosocomial infection rates for interhospital comparison: limitations and possible solutions. Infect Control Hosp Epidemiol 1991:609-12. 22. National Nosocomial Infections Surveillance (NNIS) System Report, Data Summary from January 1992-June 2001, issued August 2001. Am J Infect Control. 2001 Dec; 29(6): 404-21.
論文全文使用權限
  • 不同意授權瀏覽/列印電子全文服務。


  • 若您有任何疑問,請與我們聯絡!
    臺北醫學大學 圖書館 簡莉婷
    E-mail:etds@tmu.edu.tw
    Tel:(02) 2736-1661 ext.2519
    Fax:(02) 2737-5446