9/28/2020
9/26/2020
9/15/2020
9/14/2020
天下雜誌－ ESG & CSR
https://english.cw.com.tw/article/article.action?id=2788
Investor Interest in ESG-Conscious Companies Skyrockets｜Industry｜2020-08-31｜CommonWealth Magazin
https://english.cw.com.tw/article/article.action?id=2092
12 Years of CommonWealth Magazine CSR Awards
Setting Ambitious Standards for Corporate Social Responsibility
Investor Interest in ESG-Conscious Companies Skyrockets｜Industry｜2020-08-31｜CommonWealth Magazin
https://english.cw.com.tw/article/article.action?id=2092
12 Years of CommonWealth Magazine CSR Awards
Setting Ambitious Standards for Corporate Social Responsibility
9/13/2020
9/11/2020
活得更久要素~社會關係
The secret to living longer may be your social life (Susan Pinker | TED2017)
https://www.ted.com/talks/susan_pinker_the_secret_to_living_longer_may_be_your_social_life?utm_source=tedcomshare&utm_medium=email&utm_campaign=tedspread
https://www.ted.com/talks/susan_pinker_the_secret_to_living_longer_may_be_your_social_life?utm_source=tedcomshare&utm_medium=email&utm_campaign=tedspread
9/10/2020
9/09/2020
9/08/2020
全球遠距醫療發展
【王欽堂專欄】
從全球遠距醫療發展 看台灣如何擁抱健康照護模式創新
https://www.digitimes.com.tw/iot/article.asp?cat=158&cat1=20&cat2=70&cat3=15&id=0000592938_4MKLEZH124N58A9BWU1NO
從全球遠距醫療發展 看台灣如何擁抱健康照護模式創新
https://www.digitimes.com.tw/iot/article.asp?cat=158&cat1=20&cat2=70&cat3=15&id=0000592938_4MKLEZH124N58A9BWU1NO
讀書會：紀乃文（資料分析 與結果）
分析層次（S單一／M多層） VS 依變數（S單一／M多個）
SS： 回歸
SM： SEM
MS： HLM
MM： multi level SEM （M－plus）
資料非獨立性 （non independence)
資料應該是獨立的 （三位老師的教學表現應該獨立）
但現實中，同時有些學生同時修課要評這些老師的表現，則可能會有比較，會有時間排擠，
學生的情緒，也可能影響資料獨立性
最好就用 2階 HLM 或 M+來處理
EX由於32個主管，評估166個成員，則違反資料獨立性
受到情緒影響，也會違反獨立性
因此，採用HLM 處理
分析分多層次時
85個人，分成7個團隊
要評估每個團隊的凝聚力（組內共識），要做到資料加總，需要考慮組內共識存在與否與， 也要看 ICC1， ICC2
參考 文章 lebreton senter （2008， ORM） 很受用
moderation mediation 被干擾的仲介效果
第一階段的干擾
X－Me －Y
而 Moderation － Me
第二階段的干擾
Me & Moderation －》Y
單層次的（只有1個階段的Mo）
用 Hayes PROCESS
若同時有1 & 2 階段的 Mo）
multilevel SEM
研究結果的呈現：
相關係數矩陣 （敘述性統計）
看出相關性的顯著性
若很多項目的相關係數高，又顯著，就要考慮 CMV （共線性 r>0.6)
全距受限 range restriction
平均數不能偏高或低，最好高地都有
標準差不能偏低
（例如填答者都填 4～5分，很少人打1～2粉）
結果，如果與原先的預期不同，則要解釋抽樣，樣本的問題？
解釋原先理論／文獻 VS 我們的抽樣對象 是否有明顯差別的情況
（ex 服務業的滿意度對績效指標的影響， 理論用航空業， 我們用銀行業，跑出來結果不同， 則可以試著去討論與解釋產業別的差異）
不要立刻修改假設
也不要刻意遺忘
別人會注意挑毛病的
研究限制最好先承認說明
ex 因果方向的無法確認，為何？先說明
ex 資料收集方式可能會被挑戰的地方，要先提出來
找其他研究文獻，如果也有類似的現象，拿來說明我們沒有太差
SS： 回歸
SM： SEM
MS： HLM
MM： multi level SEM （M－plus）
資料非獨立性 （non independence)
資料應該是獨立的 （三位老師的教學表現應該獨立）
但現實中，同時有些學生同時修課要評這些老師的表現，則可能會有比較，會有時間排擠，
學生的情緒，也可能影響資料獨立性
最好就用 2階 HLM 或 M+來處理
EX由於32個主管，評估166個成員，則違反資料獨立性
受到情緒影響，也會違反獨立性
因此，採用HLM 處理
分析分多層次時
85個人，分成7個團隊
要評估每個團隊的凝聚力（組內共識），要做到資料加總，需要考慮組內共識存在與否與， 也要看 ICC1， ICC2
參考 文章 lebreton senter （2008， ORM） 很受用
moderation mediation 被干擾的仲介效果
第一階段的干擾
X－Me －Y
而 Moderation － Me
第二階段的干擾
Me & Moderation －》Y
單層次的（只有1個階段的Mo）
用 Hayes PROCESS
若同時有1 & 2 階段的 Mo）
multilevel SEM
研究結果的呈現：
相關係數矩陣 （敘述性統計）
看出相關性的顯著性
若很多項目的相關係數高，又顯著，就要考慮 CMV （共線性 r>0.6)
全距受限 range restriction
平均數不能偏高或低，最好高地都有
標準差不能偏低
（例如填答者都填 4～5分，很少人打1～2粉）
結果，如果與原先的預期不同，則要解釋抽樣，樣本的問題？
解釋原先理論／文獻 VS 我們的抽樣對象 是否有明顯差別的情況
（ex 服務業的滿意度對績效指標的影響， 理論用航空業， 我們用銀行業，跑出來結果不同， 則可以試著去討論與解釋產業別的差異）
不要立刻修改假設
也不要刻意遺忘
別人會注意挑毛病的
研究限制最好先承認說明
ex 因果方向的無法確認，為何？先說明
ex 資料收集方式可能會被挑戰的地方，要先提出來
找其他研究文獻，如果也有類似的現象，拿來說明我們沒有太差
讀書會：紀乃文 （資料收集）
X 》》Y
《原本》
X要影響Y的結果
排除其他干擾 X與Y的變數，
《要思考》
要思考，有沒有可能Y是因 X是果？
《要考慮》
控制變數： 需要有文獻證明 會影響X或Y
CMV：common method variance
《方法變異原因》
如果方法，會影響填答者，符合社會期許，而改變分數，這差異就是
EX 對老師評分，且要記名，這方法就可能影響結果
EX 填答的環境，容易讓受測者情緒波動，也會影響
《如何預防？》
參考彭台光等 2006 管理學報的文章
《研究設計》
X（滿意度）與Y（績效）如果都給員工自評，會有CMV
最好分散資料來源，
EX X給員工填，Y給主管填，不同來源，比較客觀
時間隔離法 （不同時間）
選項意義隱藏法
同時找正／負面的人格傾向
提高填答動機，增加有效的樣本
本研究以 XX的量表， 共幾題
參考原始量表， 給填答者的提示語
例題如XXX， XXX，XXX
尺度 （1=， 6=），量表的 combach a 為 0.85.
最好直接用原始題目，
但若要增加體目，則必須說明效度， EX。為了確保效度，我們增開那些題目， 他們的相關性
造成combach a 偏低的原因
1》題目太少
2》定義太抽象太廣（人格特質 外向，內向）
3》有次構念，卻放在一起看（CSR 含了經濟，社會，環境， 只問CSR）
《原本》
X要影響Y的結果
排除其他干擾 X與Y的變數，
《要思考》
要思考，有沒有可能Y是因 X是果？
《要考慮》
控制變數： 需要有文獻證明 會影響X或Y
CMV：common method variance
《方法變異原因》
如果方法，會影響填答者，符合社會期許，而改變分數，這差異就是
EX 對老師評分，且要記名，這方法就可能影響結果
EX 填答的環境，容易讓受測者情緒波動，也會影響
《如何預防？》
參考彭台光等 2006 管理學報的文章
《研究設計》
X（滿意度）與Y（績效）如果都給員工自評，會有CMV
最好分散資料來源，
EX X給員工填，Y給主管填，不同來源，比較客觀
時間隔離法 （不同時間）
選項意義隱藏法
同時找正／負面的人格傾向
提高填答動機，增加有效的樣本
本研究以 XX的量表， 共幾題
參考原始量表， 給填答者的提示語
例題如XXX， XXX，XXX
尺度 （1=， 6=），量表的 combach a 為 0.85.
最好直接用原始題目，
但若要增加體目，則必須說明效度， EX。為了確保效度，我們增開那些題目， 他們的相關性
造成combach a 偏低的原因
1》題目太少
2》定義太抽象太廣（人格特質 外向，內向）
3》有次構念，卻放在一起看（CSR 含了經濟，社會，環境， 只問CSR）
9/07/2020
萬病之王一1
萬病之王這本書很特別、講述癌症的曆史
第五部探討它的起源
有三種起源說
(1)外在環境造成的、如空污造成肺
(2)病毒造成的、如肉瘤病毒
(3)基因遺傳的、如眼癌或乳癌
作者透過資料的辨証、得出近期對癌症的定義
癌症是細胞經過基因突變，異常增殖，變成腫瘤，再接連突變後，演變成具有增生轉移能力的腫瘤，最後變成癌症
細胞要變癌症其實機率很低、需要過三關(1)原致癌基因被激活（基因踩油門，讓細胞不斷複製）；
(2)抑癌基因去活化（基因関閉煞車，無法停止細胞的生長和死亡）；
(3)原本成雙的另一個抑癌複本也被去活化（基因的另一個配對染色體也關閉煞車）。
原致癌因被激活、就像頻繁接近致癌原、如抽煙、原來機率低、但接近1萬次2萬次總會發生、
然後因為致癌基因大量活化、抑癌基因少或被湮沒、最後不活化了
人的身上都有致癌基因、可能遺傳可能來帶類似的基因
發不發病、衹是機率高低以及環境促動基因突變的力量
病毒致癌、是病毒帶的致癌物促動、而非病毒本身有癌
9/05/2020
時間銀行
弘道老人的"互助连线"已推动十多年(1995起)
~2018、全台88据点、每点20~30位志工
2019台灣时间互助app、大溪至善高中、台湾文学館、用区块链去中心化來媒合存及取
2020年 優照護 陳宏益创办
優時間銀行云、用区块鏈來儲存
企業可用此平台來管理志工及志工活動、可做CSR
台灣时间银行協会
時间幣的價值
可以賺时间幣去協助老人
可以用时间幣去交換服務
失智症的倫理議題- 陳彥元
人工智慧的缺點
投入的資料可能會有偏差
ex Amazon用過去大資料分析來過濾面試者、結果可能完全濾掉女性、
人工智慧應該可以被解釋、被檢定過去的資料有異常
WMA世界醫療協會
AI最大應用影像解釋病兆(肺、皮膚)
AI技術解釋正確率96%、但4%的誤診在醫學不能被接受、何時可100%
AI短期應不能取代醫生、
醫療倫理四原則
尊重自主
行善&不傷害
保密
正義公平
AI倫理問題
陪伴機器人~去人性化的醫療可被接受
生理監測~大數據偏見、某些特例都被排除、卻產生錯誤;某人心跳增加、體重增加並不適合大數法則、被強迫吃藥治療
用藥提醒~誰承擔責任? 因AI錯誤而提醒錯誤、病人受傷誰負責
nFort~ 楊淑貞
非侵入性光千監測技術(nFort)
滙嘉健康
沒電磁波的生理監測
利用光千的原理
放在枕頭下(2mm)或薄墊下、可測心率
生理動作辨識/咳嗽翻身點頭都可偵測
已有35家養護機構使用了
失智協尋定位應用~張育銓
智慧時尚公司~屏安福
衡量方式~經濟?實惠?安全?友善?
屏東二年
台北/雲林/台東
GPS裝置、電池是最大的問題
愈多功能愈耗電
資策會出來的公司
O.Navi技術、
下載台北車站通app、即用beacon 作定位
大直ATT、用手環作室內定位
屏東竹田鄉、西勢村(幾個休憇區)
戶外感測器(.1.free wifi )5萬個CHTwifi點加上beacon 連網
卡片大小的感測器、偵測到卡片、就可以上傳雲端、台北市已經裝了1000個感測oK·n口
**家屬或照顧者用Line接收
第一代卡片(D+卡)
第二代Key扣
第三代平安環
**手機就是協尋器
憶起關懷app(和台北聯合醫院)
手機的BLE就可以幫忙協尋卡片
用民眾手機來織網
工研院區塊鏈技術、會清除曾PO過的資料
同時也是最大紅利點數兌換商、
為鼓勵老人配戴、就激勵老人累積點數
緯創医学科技~失智快篩及促進 Chris Kuo
郭志峰
惠普\lBM\富士通
高醫大合作失智快篩
醫材
皮膚癌OCT
掌上型口腔檢
Spartan Cabe/原做DNA PCR檢測做失智檢測/POCT
美國AD的人口570萬、數兆元的照顧成本
MlT .AI 的應用
~體感樂齡失智快篩
~智望行動輔具
3D影像捕捉老人骨架、身形、動作(時間\空間\短期記億)、配戴手環量生理狀況
醫院、社區、日照中心都可架設
只外架一排運動車、給病人騎乘並測量生理數字
有30套影片
(三高門診也可使用)
外骨骼/下肢智能復健
用MRI作脑龄健檢- 曾文毅
acroviz technology 上頂醫學影像
全球每3秒新增一個失智者
全球目前5ooo萬失智者
失智象水桶破很多洞、沒有一種藥物可以補所有洞
最好在破洞前先預防
像肝病可預防
預防要先能衡量
失智評估
APOE 遺傳因子
CAlDE 心血管
MMSE、AD8認知
CT.MRI.PET 影像
腦齡差~用影像、AI去預測
腦神經束
白質(老化會少去28%)~神經軸穾
灰質(一生只少10%)
擴散式磁振造影
年輕神經束加入水分子一較窄、水分子不流出
老化神經束加入水分子一肥胖軸突、FA低(會破損、水流出)、MD高(水分散範圍大)
PAD腦齡差(brain age delta)
數字大的人老得快
MCI 5歲
Stable ~0歲
變動者 5~10歲、易變AD
華碩 omni care 医疗物联网
奧美廣告、轉作醫療
2016年華碩成立 Asus life
華碩副董&黃明和合作、IOT及大數據
asus, omron, tbpc, microlife, taidoc, garmin
科技怎麼和建築、醫療合作
應先理解要解決什麼問題?
~要解決失智的什麼問題?
似乎應解決照顧者的問題_失智者的情緒、
和平院區劉建良主任_並沒興趣做設備測試、醫生希望解決問題
似乎室內定位、是一個主要老人或失智者最大需求
只外手錶可收HRV、心跳血壓
VR应用在高龄復健~賴筱婷
VR駕駛模擬器/日本公司 FORUM 8 富朗巴
uc-win Road v.13
l0月有介紹課程
軟體公司、已module化
作VR駕駛軟體場景(如改天空、編輯斑馬線、馬路)
可設計玩家坐到公車、汽車、模擬駕駛者動作
1分鐘快速作完
也可接腦波儀器(EEG MindWave)訓練集中力、冥想踩油門
名古屋人類老化特性研究室
4K 5面立體駕駛模擬
可偵測視覺缺損的老人(安全駕駛診斷)
希提升失智者開車年齡
2020 失智症月研討會
2020年台灣失智症聯合學術研討會 失智照護科技應用之超前佈署
2020 Taiwan Dementia Conference：Advances in Dementia Care with Advanced Technology
時間 演講主題(台大公衛學院101講堂)
08:30-09:00 報到
09:00-09:20 開幕致詞 台灣失智症協會 賴德仁理事長 衛生福利部長期照顧司祝健芳司長
09:20-09:50 失智症照顧政策推動現況 衛生福利部長期照顧司 祝健芳司長
09:50-10:20 失智照護與科技國際發展趨勢 臺北科技大學電子工程系 李仁貴特聘教授
10:20-10:40 交流時間
10:40-12:00 台灣失智症人工智慧照護發展現況 臺大人工智慧與機器人研究中心 傅立成主任 元智大學老人福祉科技研究中心
徐業良主任 臺北醫學大學復健學科 陳適卿教授 陽明大學醫學系神經學科 王培寧教授
12:00-13:30 午餐時間 / TADA年會
時間 A組(101講堂) B組(201講堂)
13:30-14:40
專題1 失智預防及診斷科技發展 (北醫 台北神經醫學中心 胡朝榮副院長 臺大醫學院精神科 黃宗正副教授)
專題2 失智者生活促進與科技 (臺灣大學職能治療學系 毛慧芬副教授)
1-1 應用MRI腦部影像進行腦齡健檢以遠離失智
上頂醫學影像科技 曾文毅首席科學家暨醫務長
2-1 合併運動與電腦化認知訓練於認知衰退長者之成效
長庚大學職能治療學系 莊宜靜助理教授
1-2 體感樂齡失智快篩服務
緯創醫學科技 郭志峰智慧醫療事業總監
2-2 日常活動再設計之認知介入：實證與社區推廣
成功大學職能治療學系 張玲慧副教授
1-3 VR模擬駕駛器於高齡或意識障礙復健患者之應用
台灣富朗巴軟體科技有限公司 賴筱婷代理所長
2-3 以照顧者觀點探討輕中度失智症輔具的實用性
臺大職能治療學系 毛慧芬副教授
1-4 醫療物聯網平台於失智照護之運用
華碩健康 許家瑋資深經理
2-4 失智症互動式延緩老化及復能訓練系統服務
信馨 江靜怡物理治療師
14:40-14:50 交流時間
14:50-16:00
專題3 失智照護安全/協尋定位與導航發展 (臺北護理健康大學 張宏哲副教授)
專題-4 認知促進與科技發展 (成功大學行為醫學所 郭乃文教授)
3-1 Beacon平安符打造失智者安心城市
智慧時尚張育銓總經理
4-1 預設模式網絡在大腦認知老化中的重要性
臺灣大學醫學院 腦與心智科學研究所 吳恩賜副教授
3-2 智慧生活提升失智者居家安全
歐加智能 周秉輝業務副總
4-2 透過虛擬實境重回過去美麗的時光
AR2VR阿特發互動科技 蔡寶德創辦人兼執行長
3-3 智慧衣於失智者遠距照護之應用
愛克智慧科技 康琦婌行銷長
4-3 結合科技讓失智者快樂動一動
龍骨王 賴宜暄產品經理
3-4光纖生理監測技術與自動巡房系統在失智預防及追蹤管理之應用
滙嘉健康生活科技 楊淑貞總經理
4-4 LTPA智慧認知訓練方案
樂齡智造科技 傅緯謙執行長
16:00-16:40 101講堂
智慧醫療照護、倫理與失智者人權 —失智者、家屬及學者觀點
智慧醫療照護下-失智症的倫理議題
臺大醫學院醫學教育暨生醫倫理研究所 陳彥元教授 白婉芝老師
16:40-17:00 綜合座談
17:00 閉幕式
照顧整合平台~陳適卿
借科技協助照顧
~提升失知者独立性
~減轻照顧者负担
照顧者观点來看需求
资料收集
教育推廣
合作
失知者对科技的抗拒
难处在于使本人及家人接受、並非设计本身
分为六類科技ATD assistant technology devices
安全性裝置
記忆辅助
预防社会隔離
支持每天的工作
临床的裝置
休閑活动
困難在ATS(服務)及推广
音箱
插座
灯炮
藥盒(目前难在照顧者)
陪伴机器人
推廣的困难..
多重障碍及精神况、不易推广
照顧者通常也老、学習能力差
阅讀障碍
持續性差、须频繁接觸
如何置入?
同理心
簡單流程
用图像影像训练
建立服務中心
乐龄科技健身房一徐業良
2016年成立Seda.gtech 世大智科 、擔任 ceo
gerontology 老人學
geriatries
gerontechnology老人福祉科技~ 樂齡科技
設計
independent living, social participation
如何用科技來輔助老人生理及心理能力、
有複雜性的運動對預防失智有顯著效果(肢體運動、認知能力、同儕鼓勵_ 要有樂趣)
嚴肅的遊戲 serious game
一定要有人引導
有趣的
要被設計過的
要有成就感
ex.龍骨王 papamama
難度~黏著度
whiztoys
巧拼 one toy many games, 科技部計劃
chair exercise
踩蟑螂
食物配對
麻將配對
三公尺起走
日本的4色a shi bu mi ra da 足跡
丹麥 treax pads
SODA
whiztouchgame
不要讓老人自己一個人玩、不要對電視玩
黃昏症侯群
~傷心火車站、以前是車不來
~現在火車會來、AR的坐車
未來需要跨領域的人才投入
AI与失智照護~傅立成
2016.3 alpha go 打敗李世石
deep learning AI 效果比machine learning 更佳发展
neural network 類神經网路
重大科技突破
电脑影像處理~MRI/CT/X ray 都须处理
台灣2031年有1.6%。人口患失智
19%75~84岁、50%>85岁者患失智
美國ADNI、
使用DTl影像可診断AD(95%準確)vs MCI 80%
因為诊断AD通常要花很長时间
利用穿戴收数据並提早預測AD
(英國AD協会、提出计划)
ADDF要用音節syllable 來AI分析AD
AUROC 0.837,
text analysis, 分析AD
picture description test
logical memory test
Pitt Dataset
AD vs HC及 HCvs MCI 分別作比較
speech based AI 语音侦测
drawing based AI 平板上看完、过一阵子去思考画一个图、数位比对
只用居家测試即可95%及91%的篩檢率
偵測游走現象
motion sensors 去看老人做8件事的順序
利用机器人和老人对话
協助旧照片回忆
陪伴机器人
荷兰的影片
https://dementienl.wordpress.com ..robots -in -dezorg -ik -ben -alice
失智照顾科技的国際趋勢~李仁貴
科技應用
(1)可幫助生活型態的資料收集\協助就醫時參考
(2)長輩抗拒穿戴、但有些護士很厲害、用遊戲鼓勵
失智照顧要靠關懷
科技不能代表一切
失智不能治療、只能透過運動去延緩、腦力刺激、社交活動及醫療介入
~home health care
用五大電信業者的基地台來為失智者定位、失敗、因為要插5個門號、還要收費
公車追失走老人、失敗、後台的投入
科技的場域驗證後、還需要持續的運作、場域需要經費、
隱私杈限制不能拍老人_只好用骨架攝影機、只show骨架、
doppler radar, 24GHz 、去偵老人跌倒
Gait variables, 步幅
vsMMS量表之研究
非穿戴之分析
利用枱燈(裝Sensor偵則行為)、activity, walking speed, phone call, sleep, 等資料來收集分析
步幅及步頻可以有助於預測失智症
用AI演算法(w LSTM)來預估AD(Alzheimer Dementia)
用VR去喚起情境、照顧失智者
(但実務上上需有故事、要做到個人化)
台灣失智症照顾政策~祝健芳司長
台灣有多少失智症患者呢?
2011~13年委託協會調查、得到全台老人之8.04%有失智、就用這數字推估、每年依老人數而增加一萬人、目前28萬人
2020委託國衛院調查、目前推估7.5%、報告明年底出來
長照2.0
品質尚待努力
在地老化
CDR 0.5-、1-3
極輕40、輕34、
給付部分~中12、重14、約72K
給付(2-8級失知+失能)、
A社區服務中心 494處(到年中)
B複合服務中心
-純失智日照30
-混合日照436
-團體家屋15
-企業專區 50
未給付(
共照中心95處角色(由醫院負責)~失知未先能
若6個月未確診、轉交
C社區關懷據點(巷弄3000多個服務點)
~~問題~醫院只培訓自己員工、不對外培養
挑戰
家人抗拒、擔心歧視或污名化
本人拒絕就醫
失智評量(CMS)的正確程度、有待照顧專員的培訓
家庭照顧者的支持計劃
104處、支持3萬多人
分享會
家庭照顧者總會~讓照顧者走出陰暗
讓失智者出來工作
2020失智友善台灣555 計劃
50%照顧者獲得支持
50%失智症者獲得診斷及服務
5%人口(110萬)認識失智症
銀髮友善運動計劃、全台200處運動俱樂部
智邦~科技導入照顧的計劃
訂閱：
文章 (Atom)