生活事
中大醫學院對睡眠窒息症的診治模式進行研究，發現「家居式」及「傳統住院」診斷和治療，成效相約，而「家居式」比傳統方式，更能縮短病人輪候時間，並減少醫療成本。
圖為兒童睡眠窒息症患病口腔情況。（資料圖片）
中大醫學院內科及藥物治療學系系主任許樹昌表示，目前公立醫院只分配4張床位，予有需要診斷睡眠窒息症的患者進行睡眠檢查。加上病床緊張時，會把床位騰出讓急症病人使用，另患者輪候入院或要等足1年。「家居式」較傳統診斷方式縮短6個月的輪候時間，同時能把首次會診到治療的輪候時間縮短約5個月，有效減少近1.4萬元醫療成本。
資料圖片
許樹昌指，在「家居式」治療下，醫生提供便攜式儀器讓患者在家中診治。 「家居式」治療患者在使用治療機器正氣壓機時，時間較「傳統住院方式」長，令熟睡時間增加，長遠改善患者的生活質素和認知能力。
本港每3名65歲以上長者便有1名糖尿病患者。中大醫學院進行大數據分析，發現老年糖尿病患者因心血管疾病等原因的死亡風險，較一般人高1.5至2倍。中大成功開發一套能預測嚴重低血糖風險的機器學習模型，精確率達85%，可及早揪出高風險病人，進行預防治療。
嚴重低血糖是糖尿病患者常見急性併發症，可增患者跌倒、罹患心血管疾病和認知障礙症及各種死亡風險。 研究團隊分析醫管局數據實驗室逾110萬名65歲或以上長者的數據，發現5年間，此組別長者整體死亡率下降8%，惟若罹患糖尿病，因心血管疾病或其他原因死亡的風險，仍較沒患糖尿病患者高1.5至2倍。
中大醫學院內科及藥物治療學系研究助理教授楊愛民表示，相關發現反映糖尿病增死亡風險，有必要發展助患者預防糖尿病併發症及改善病情自我管理的大型干預措施。
威院內科及藥物治療學系顧問醫生陳俊文指，本港逾80%因低血糖到急症室求診的長者需住院治療，也增患者跌倒、罹患心血管疾病和認知障礙症，及各種原因死亡風險。
團隊利用2013至2018年間來自逾36萬名老年糖尿病患者共約150萬份醫療紀錄，以機器學習演算法XGBoost作基礎，開發了一套能預測出現嚴重低血糖風險的機器學習模型，涵蓋258個不同的預測指標，包括人口統計數據、患者一年內入院、診斷、用藥和恆常實驗室化驗資料，用以預測患者未來一年因嚴重低血糖而需住院的機會，預測精確率達85%。
領導是次研究的中大醫學院內科及藥物治療學系副教授周怡君補充，模型有望能結合本地電子病歷系統，揪出高風險的嚴重低血糖病人，及早進行預防措施，如改用降血糖反應較輕微的糖尿病藥，或調整胰島素注射時間和劑量。相關研究已在國際期刊《PLOS Medicine》及《Diabetes Research and Clinical Practice》發表。
中大團隊利用醫管局大數據，開發一套能預測老年糖尿病患者於未來一年出現嚴重低血糖風險的機器學習模型。
