幾年前，成大過去曾有建立「健康資料加值中心」，後來好像沉寂了一陣子，而大約一年前，在高雅慧老師、李中一老師與其他許多人的努力下，重新開幕，更名叫「衛生福利部 衛生福利資料科學中心 成大分中心」(MOHW Health and Welfare Data Science Center atNCKU)，地點移到成大成杏校區的醫學院圖書分館內。所謂的「衛生福利資料」，包括了健保資料庫、國民健康訪查、死因登記檔等很多可相互連結的大型資料庫，可說是做健康大數據研究的寶庫。
當我把最近自己寫的，有關健保資料庫的一些部落格文章，傳給林素真老師分享之後，林老師給了我一個很不錯的提議，在此跟大家分享。
林老師建議，我們的分中心，應該要自許成為一個好的「介面」。
分析大數據，SAS code是一個很大的障礙，像我個人就覺得，寫一段好的SAS code，好像就跟叫我寫唐詩一樣，非常困難，坦白講我過去大都是把SAS軟體內建的範例改一改，或跟善心人士借，或是上網找。
第二個障礙，是藥物分析，特別是一些慢性病藥物，例如高血壓藥，同一個藥物可能有幾十種廠牌，在同一個病人上，可能會有增加藥物種類或劑量、改藥、停藥，這種因子暴露是隨時間改變，很不容易分析的。如果你有做過類似的研究，就知道單做診斷碼的分析，跟做藥物的分析，那種難度差別，可能是「開洗腎人工血管」與「開心臟繞道手術」的差距級別。
根據林老師的建議，也許我們分中心可以考慮分享SAS code，讓更多的研究者可以更輕鬆地上手，進行研究。
在此我舉個例子，這篇論文比較在中風病人當中，具有AFDAS或竇性心律者，未來再度發生缺血性腦中風的風險，刊登在Neurology這個頂尖期刊上，該研究是利用中風登錄資料連結保險申報資料庫做成的，但如果我們看Table 1，其實這個研究可以用健保資料庫重新再做一次，裡面的變量，包括中風的疾病嚴重度，我們都可以輕易取得，而比較其中困難的，應屬「有無使用口服抗凝血劑」或「抗血小板藥物」這項。
(Sposato LA, et al. Neurology 2018)
如果有天，像我現在用的Blogger一樣，分析大數據可以有個介面，可以讓臨床醫師或其他醫事人員快速上手，在符合現行對於資料安全的所有法規條件下，進到加值中心以後，可以很容易地利用這些資料做on-site分析，來驗證自己的研究問題，那麼產出更多有臨床意義與價值的論文，可能就更可以期待了，而我們的資料分中心也可以被更多更有效地利用。
當然，這樣子的想法說來容易，現階段，在執行面尚屬非常地不成熟，還有很多人力、物力、各種技術上的問題需要克服。
而目前，我看到的另一個很不錯的運作模式，是賴嘉鎮老師指導多位碩班學生時採用的模式：建好某個疾病或藥物使用者的common
data model，一個可以直接拿來分析的檔案，然後各個學生就可以依照自己的題目與需求，自行切入分析，如此便大大地節省了許多在初期摸索試誤的時間，指導起來也更有效率。
感謝林老師給了我們一個不一樣的視角，讓我們一起努力改變！
