學會會訊
身為一位在區域教學醫院工作的醫師，在繁忙的臨床工作之餘，如何從事研究工作實在是一大挑戰，面臨的困難除了研究經費不易取得之外，也缺乏實驗設備與人力。因此，使用次級資料(secondary data)來從事研究，變成為不得不然的選擇。所謂次級資料，指的是由研究者以外的人員所收集之資料。常見的次級資料庫來源包括疾病登記(registry)、保險申報資料(insurance claims database)、電子病歷(electronic medical records)、或是其他研究已使用過之資料。次級資料分析其實在各個學門相當普遍，例如商業管理領域的股價成交資訊、經濟學門的就業或物價等數據、或公共衛生部門的人口統計與死因登記等，對於資淺的研究人員而言，次級資料分析可作為一個發展其研究生涯的基礎。
使用次級資料分析從事研究的好處，包括資料是已經收集好的，研究者通常不需花費大量金錢與時間重新收集，資料的收集通常是長時間且縱貫的，而且涵蓋人口較廣。但是它也有許多缺點，例如資料的收集並不是針對研究者的研究題目而設計，因此，對許多研究問題，常常只能回答相關性的問題，對因果關係的推論較為困難。而且，因為次級資料分析必然為回溯性之研究，許多資料項目的付之闕如，常常造成研究上之限制。
我會開始從事研究，也是因為臨床上觀察到一些現象，但由文獻中卻得不到滿意的解答，因此會希望由現有的資料中得到一些啟示。例如，以靜脈栓溶治療缺血性中風時，時常觀察到心房顫動的病人，神經功能有較好的進步且預後也較佳。但是文獻回顧卻發現許多國外研究都指出心房顫動之缺血性中風病人接受靜脈栓溶治療時，預後通常較差，但是這樣的結論卻又與心源性栓子較易被血栓溶解劑溶掉的發現 [1] 互相矛盾。因此，我利用了醫院現有的中風登錄資料進行分析，發現原來中風嚴重度對於心房顫動中風病人對靜脈栓溶治療的預後，是有所謂的效應修正(effect modification)。在中風嚴重度較輕(NIHSS ≤10)的病人，有無心房顫動並不影響預後，但是在中風嚴重度較重(NIHSS > 10)的病人，有心房顫動的缺血性中風病人，的確對靜脈栓溶治療的效果較好 [2]。
在有了初步的研究經驗之後，便想要對一些重要的臨床問題進行探索。雖然以血栓溶解劑治療缺血性中風是目前的標準療法，但是腦出血的副作用仍讓進行治療的醫師提心吊膽，而且國內中風中心的評鑑條文中，還包含了一項急性缺血性中風病人接受靜脈血栓溶解劑治療後，發生有症狀腦出血之比率。因此，我聯合了四家醫院的中風登錄資料，進行了一系列之研究(詳見本會訊第二十卷第四期拙著“靜脈溶栓治療後發生有症狀腦出血之風險評估”)，經由此研究，改良了預測發生有症狀腦出血之預測模型，並將這項預測模型實際運用到臨床實務上。
除了中風登錄之外，在台灣醫療領域上最重要的次級資料庫就是國家健康保險研究資料庫(National Health Insurance Research Database)。在過去十年中，以國家健康保險研究資料庫進行的次級資料分析研究大幅成長。然而，由於保險申報資料中，臨床資訊並未完整記載，對研究會造成極大之限制，特別是中風相關之研究受到之影響更為明顯。原因是因為中風是一個多樣化的疾病，病人間病情嚴重度存在極大之差距，造成使用保險申報資料來研究中風之後果更加困難，有無校正中風嚴重度，甚至會使研究結論完全相反。為了克服這個缺點，我便與中正大學胡雅涵老師使用了五家醫院的中風登錄資料與國家健康保險研究資料庫的資料，使用資料探勘(data mining)的研究方法，找出七項與中風嚴重度高度相關之申報項目，並由這七項申報項目估計出病人的中風嚴重度指標 [3]，我們也設立線上計算機 (http://hdmlab.twbbs.org:508/SSI/hdmlab/ssi2.jsp)，供未來研究者使用(詳見本會訊第二十二卷第一期拙著“如何由健保申報資料估計中風嚴重度”)。為了驗證這項指標的效度，我們進行了更多的研究，包括預測效度 [4]、與其他中風嚴重度代理變數的比較 [5]、甚至應用到估計腦出血病人之中風嚴重度 [6]。由於此中風嚴重度指標與病人入院時之NIHSS高度相關，因此可以運用在以國家健康保險研究資料庫進行之中風研究上。例如當以這項指標來對缺血性中風病人死亡模型之中風嚴重度進行風險調整後，我們發現國內中風病人之死亡並無所謂的“週末效應”，也就是說週末入院的中風病人死亡率高並非是肇因於週末醫療照護不佳，而是因為週末入院的病人本來中風就較為嚴重 [7]。
總之，次級資料分析提供了一種研究的另類方法，讓我踏入了研究的領域，也獲得一些研究的成果。然而，研究之路絕非平坦，對所使用的資料集之限制的了解，嚴格的研究設計和正確的統計方法來改善因果推論對於成功的研究至關重要。
參考文獻
