⭐️超前部署健康長壽 縮減「不健康生存年數」
2021-08-17 聯合報 / 施振榮/宏碁集團創辦人、陳亮恭/台北巿立關渡醫院院長老化
台灣的平均餘命再創新高,但平均餘命增加的同時,卻發現「不健康生存年數」也逐年提高(二○一八年平均餘命為八十點六九歲,不健康生存年數為八點四一歲),這個數字雖與歐洲國家相仿,但趨勢卻相反,歐洲走向縮短而台灣走向延長。
雖然長壽是社會共同的目標,但我們追求「健康平均餘命」的延長,並壓縮「不健康生存年數」,否則人生最後一段旅程臥病在床,生活起居需仰賴他人照顧,也非大家所樂見。
要有效縮減「不健康生存年數」,須以「生命歷程觀點」切入,在人生不同階段提供個別化方案。以主觀感受與動機而言,四、五十歲青壯年是相當重要一群,需要及早關注健康餘命。政府要制定政策超前部署,提升國民健康,才能讓「不健康生存年數」縮短。長照2.0強調向前延伸預防失能,但二○一八年統計卻看到失能持續加重,政府必須深切反思以導正台灣未來。
作者施振榮雖然已進入國人平均失智、失能的年紀,但相當留意自己的健康情況,每天盡力達成日行萬步的目標,同時在心態上保持健康,每天動腦筋,積極強化身心功能,目標就是要縮短自己的「不健康生存天數」,以「天」取代「年」的眼光提升健康。
政府該如何有效縮短「不健康生存年數」?我們認為必須推動更為有效的政策,失能與失智的預防雖有可行性,但具體成效需要兼顧多樣性、頻率與一定強度(卅分鐘微喘的運動),絕非目前社區活動能夠達成,政策不能僅重視活動參與,更須重視介入成效;另一方面,政府要強力促成高齡服務的整合,老化過程中疾病與功能衰退是交錯發生的,健保重視檢查、藥品與治療,非藥物的生活介入缺乏支付,導致醫療體系錯失介入時機,只能提供醫療而缺保健;第三,政府、醫療體系、社區服務與國民都要有正確的認知,世界衛生組織揭櫫的「健康老化」、「活躍老化」、「健康長壽」、「整合照護」常被各界以字面翻譯任意解讀,忽略原始定義內涵與策略,執行上更需跳脫醫療、長照差異立場,以國民生活為積極目標,制定具有系統性觀點與全方位策略的政策。
此外,我們積極建議四、五十歲青壯年應該養成以下五個習慣,方能享有健康長壽的老後:一、多元、持續且有強度的運動;二、終身不倦的多元學習;三、按時執行的預防保健;四、跨領域與跨世代的社會網絡;五、目標一致的慢性病管理。理想的老後生活得來不易,養成習慣而持續執行就能在不經意間獲得理想人生;特別是運動、學習與社會網絡三個面向,都必須要具有多元性與強度。成效並非理所當然,一時的活動滿意度也不等於具體成效,唯有逐步養成習慣、修正生活方式,才不會持續擴大「不健康生存年數」。
只有在政府與國民自己從現在開始就超前部署,我們才有望能在一、二十年後翻轉今天看到的數據,讓「不健康生存年數」有效縮短,讓長壽成為真實的祝福而非令人擔憂的詞彙。
健康照護體系定義 在 政經八百 Facebook 的最佳貼文
#八百回合經濟談
〔#誰的命更有價值? #經濟學看誰先打疫苗〕
各個工會爭取被列入優先接種、有錢的人可以飛去美國打疫苗,你也在想「我什麼時候能等到疫苗」嗎?
接續著上週,八百想繼續討論的是,到底經濟學家怎麼看「疫苗施打順序」?
▌首先,經濟與公衛的考量不同
既然政府管制了疫苗市場、疫苗數量又有限,誰應該先施打疫苗就成了一大難題。
公衛學家透過模型推算來控制疫情、拯救生命。
而之前提到過,以經濟學來說,政策要能極大化社會福祉(請看 #疫苗管制必要嗎),必須考量疫苗保護力與阻止傳播力之間的效益差別,代表著公衛角度的最優解,不一定等於經濟角度的最優解。
且我們可以明顯發現,由於各國的人口結構、文化、經濟命脈不同,所以選擇與優先排序也會不同。
在疫苗分配上,或許經濟學的成本效益分析能有所貢獻,尤其考量到疫苗與呼吸器不同。
(疫苗分配不是選擇救誰的性命,即使還沒辦法馬上打疫苗的人,也可以繼續居家防疫,且居家快篩的擴大使用也能降低 R 值。)
接下來,讓我們來看看,為什麼有些「群體」應該優先施打疫苗?
▌ 風險工作者與長照機構
一般來說,醫事與工作人員以及長照機構的照護者與居民都會在優先順序上,美國部分州更將最優先接種對象限制在「從事新冠相關醫療照護」的人員。
一來,讓這兩群體施打都能協助保證防疫量能穩定、尤其第一線防疫人員創造醫療量能,進而增進社會效益。
在台灣,長照機構住民與照護者排在第 3 順位序;然而,以英國與紐約州為例,因為療養機關多、且群聚感染率與死亡率極高,長照機構人員與住民都是第一順位施打對象。
二來,英國預防接種委員會(JCVI)則強調醫療人員應該優先施打、因為此工作讓他們個人高度暴露在染疫的風險中。
然而,若純粹以此說法,考量就成了「職業風險」 — 醫療人員的私人利益,必須思考其他與醫療量能無關,卻也有高染疫風險的職業別(如超市店員等)也該優先施打嗎?
如果以美國為例,其一大困境就是近 8 成的人口按定義都是重點工作者(essential workers),而加州就將超市、餐飲與農業相關勞工都列在第二順位。
▌ 長者該比勞動人口先打疫苗嗎?
另外一個經常被討論的焦點,是長者是否應該優先打疫苗。
我們假設一個簡化的情境:長者跟勞動人口其中一個群體在 7 月前能接種疫苗、另一個群體必須等到 12 月。
而疫苗並非此時防疫的唯一解,居家隔離與居家快篩普及都能有效降低 R 值。
在此情況下,問題並非「誰應該得到疫苗」而是「誰應該先得到能讓他安全地外出、而不需要繼續居家隔離防疫的物資?」
以公衛而言,讓長者優先施打的出發點是保護最脆弱的族群。
倫理考量外,支持長者先打疫苗也可維持醫療量能,減少重症造成的醫療體系負擔,讓醫療體系能支撐到 12 月。
然而, John Cochrane 等經濟學家則指出許多勞動人口應該先得到疫苗。以成本效益分析來說,包含兩個主要層面。
📌 首先是經濟層面:這些人口是否無法遠距工作?這些產業能間接創造多少工作(就業乘數效應)?
台灣的中小企業數位化程度不足、而 30-50 歲的人口又是主力消費族群,要能恢復經濟與人民的生活品質,讓青壯年人口能盡快回去工作顯得十分重要。
以南韓為例,雖然早已展開年邁人口的施打,但近期疾病管理廳(KDCA)官員也表示在考慮讓晶片等關鍵產業員工優先施打新型疫苗,以避免生產遭受疫情衝擊。
📌 其次則是傳染給他人的可能性:勞動模式是否需要與許多人接觸?
根據香港與以色列的實證研究,新冠的傳染鏈符合帕雷托法則(又譯 80/20 法則),約 10-20% 的受感染者導致了 80% 的傳播感染個案。
這顯示了減少超級傳播者(Super-spreader)的必要性,也有模型顯示先施打重點工作者可以更快降低確診數。
若想維持經濟,勞工就必須出門上班、搭乘大眾運輸、跑外送與物流、甚至在餐廳駐唱,但其中某些勞動模式可能有超級傳播的風險。
相較之下,已經退休的長者沒有必要外出原因、進行居家隔離的成本較低,把疫苗先給勞動人口的分配就可能達到更好的經濟效益。
以印尼為例,因為其人口結構年輕又對勞力密集產業高度依賴,就優先讓勞動人口施打疫苗。
美國許多州讓部分產業的勞工優先施打也有同樣的出發點。
▌ 能妥善排序基於「保護」的優先順序嗎?
如果台灣採用公衛的考量要優先保護最脆弱的族群,那除了年長者外,是否有其他高重症率的人口也該優先施打?
美國 CDC 就公告具特定狀況的人有高重症風險,其中包含:糖尿病、癌症、氣喘、HIV、過重(BMI>25)、懷孕、吸菸、藥物濫用失常等數項。
帶有這些症狀的人,許多甚至是每日必須外出上班的勞動人口。
這成為美國各州在規劃優先順序時的參照標準,比如慢性病患者都會出現在優先施打名單裡,而麻州甚至細分到「帶有至少 2 個以上症狀的年長者」才是最優先者。
基於衛福部 6/20 的順序修改,除了孕婦被新加入第 6 順位外,其他 64 歲下的高風險疾病患者是被安排在第 9 順位。
然而,資源的稀缺性代表如慢性病等標準的訂定都可能給人動機造假來插隊打疫苗。
當管制必須考量這些問題,標準就容易限制在可觀察訊息(如年齡),直接影響到分配疫苗的配置效率。
另外,因為資源不對等,研究發現如街友、低教育程度與中低收入戶(教育程度/薪資水平與健康狀況/平均壽命有正相關)等族群也有較高的重症機率與傳染力。
另外,因為資源不對等,研究發現如街友、低教育程度與中低收入戶(教育程度/薪資水平與健康狀況/平均壽命有正相關)等族群也有較高的重症機率與傳染力。
▌ 小結
以上我們討論了經濟學對政府規範施打順序的觀點,學者們也以模型來驗證。
政府管制分配其實難以辨認最適合先打的人,標準模糊、關說等也都會造成資源錯配。
優先順序的研擬已經成實證研究的命題,所幸各國的選擇不同,未來我們才能比較哪一套更好!
健康照護體系定義 在 台灣物聯網實驗室 IOT Labs Facebook 的精選貼文
AI 助陣醫學、防疫,個人隱私難兩全?
2021/06/09 研之有物
規範不完備是臺灣個資保護的一大隱憂,《個資法》問世遠早於 AI 時代、去識別化定義不清、缺乏獨立專責監管機構,都是當前課題。
評論
本篇來自合作媒體研之有物,作者周玉文、黃曉君,INSIDE 經授權轉載。
AI 醫療、科技防疫的人權爭議
健康大數據、人工智慧(AI)已經成為醫療研發的新聖杯,新冠肺炎(COVID-19)更將 AI 技術推上防疫舞臺,各國紛紛串聯大數據監控足跡或採用電子圍籬。但當科技防疫介入公衛醫療,我們是否在不知不覺中讓渡了個人隱私?
中研院歐美研究所副研究員何之行認為,規範不完備是臺灣個資保護的一大隱憂,《個資法》問世遠早於 AI 時代、去識別化定義不清、缺乏獨立專責監管機構,都是當前課題。
「天網」恢恢,公衛醫療的新利器
自 2020 年新冠疫情大爆發,全世界為了因應危機展開大規模協作,從即時統計看板、預測病毒蛋白質結構、電子監控等,大數據與 AI 技術不約而同派上用場。但當數位科技介入公共衛生與醫療健康體系,也引發人權隱私的兩難爭議。
2020 年的最後一夜,臺灣再次出現本土案例。中央流行疫情指揮中心警告,居家隔離、居家檢疫、自主健康管理的民眾,都不應參加大型跨年活動。而且,千萬別心存僥倖,因為「天網」恢恢,「我們能找得到您」!有天網之稱的電子圍籬 2.0 出手,許多人拍手叫好,但也挑起國家進行隱私監控的敏感神經。
隱私爭議不只在防疫戰場,另一個例子是近年正夯的精準醫療。2021 年 1 月,《經濟學人》(The Economist)發布亞太區「個人化精準醫療發展指標」(Personalised-health-index)。臺灣勇奪亞軍,主要歸功於健全的健保、癌症資料庫及尖端資訊科技。
國際按讚,國內反應卻很兩極。早前曾有人質疑「個人生物資料」的隱私保障,擔憂是否會成為藥廠大數據;但另一方面,部分醫療研究者卻埋怨《個人資料保護法》(簡稱《個資法》)很嚴、很卡,大大阻擋了醫學研發。為何國內反應如此分歧?
中研院歐美所副研究員何之行認為,原因之一是,
《個資法》早在 2012 年就實施,跑在 AI 時代之前,若僅僅仰賴現行規範,對於新興科技的因應恐怕不合時宜。
健保資料庫爭議:誰能再利用我們的病歷資料?
來看看曾喧騰一時的「健保資料庫訴訟案」。
2012 年,臺灣人權促進會與民間團體提出行政訴訟,質疑政府沒有取得人民同意、缺少法律授權,逕自將健保資料提供給醫療研究單位。這意味,一般人完全不知道自己的病例被加值運用,侵害了資訊自主權。案件雖在 2017 年敗訴,但已進入大法官釋憲。
民間團體批評,根據《個資法》,如果是原始蒐集目的之外的再利用,應該取得當事人同意。而健保資料原初蒐集是為了稽核保費,並非是提供醫學研究。
但支持者則認為,健保資料庫是珍貴的健康大數據,若能串接提供學術與醫療研究,更符合公共利益。此外,如果過往的數據資料都必須重新尋求全國人民再同意,相關研發恐怕得被迫踩剎車。
種種爭議,讓醫學研究和資訊隱私之間的紅線,顯得模糊而舉棋不定。何之行指出,「個人權利」與「公共利益」之間的權衡拉鋸,不僅是長久以來政治哲學家所關心的課題,也反映了現代公共衛生倫理思辨的核心。
我們有權拒絕提供資料給醫療研究嗎?當精準醫療的腳步飛也似向前奔去,我們要如何推進醫學科技,又不棄守個人的隱私權利呢?
「精準醫療」與「精準健康」是近年醫學發展的重要趨勢,透過健康大數據來評估個人健康狀況,對症下藥。但健康資料涉及個人隱私,如何兼顧隱私與自主權,成為另一重要議題。
去識別化爭點:個資應該「馬賽克」到什麼程度?
何之行認為,「健保資料庫爭議」短期可以從幾項原則著手,確立資料使用標準,包括:允許退出權(opt-out)、定義去識別化(de-identification)。
「去識別化」是一道安全防護措施。簡單來說:讓資料不會連結、辨識出背後真正的那個人。何之行特別分享 Google 旗下人工智慧研發公司 DeepMind 的慘痛教訓。
2017 年,DeepMind 與英國皇家醫院(Royal Free)的協定曝光,DeepMind 從後者取得 160 萬筆病歷資料,用來研發診斷急性腎衰竭的健康 APP。聽來立意良善的計畫,卻引發軒然大波。原因是,資料分享不僅未取得病患同意,也完全沒有將資料去識別化,每個人的病史、用藥、就醫隱私全被看光光!這起爭議無疑是一大教訓,重創英國社會對於開放資料的信任。
回到臺灣脈絡。去識別化指的是以代碼、匿名、隱藏部分個資或其他方式,無從辨識特定個人。但要達到什麼樣的隱匿保護程度,才算是無從識別特定個人?
何之行指出,個資法中的定義不甚清楚,混用匿名化(anonymous)、假名化(pseudonymised)、去連結(delink)等規範程度不一的概念。臺灣也沒有明確定義去識別化標準,成為爭點。
現行法令留下了模糊空間,那麼他山之石是否能提供參考?
以美國《健康照護可攜法案》(HIPAA)為例,法案訂出了去除 18 項個人識別碼,作為去識別化的基準;歐盟《一般資料保護規則》則直接說明,假名化的個資仍然是個人資料。
退出權:保留人民 say NO 的權利
另一個消解爭議的方向是:允許退出權,讓個人保有退出資料庫的權利。即使健保資料並沒有取得民眾事前(opt-in)的同意,但仍可以提供事後的退出選項,民眾便有機會決定,是否提供健康資料做學術研究或商業運用。
何之行再舉英國國民健保署 NHS 做法為例:英國民眾有兩階段選擇退出中央資料庫 (NHS Digital)的機會,一是在一開始就拒絕家庭醫師將自己的醫病資料上傳到 NHS Digital,二是資料上傳後,仍然可以在資料分享給第三方使用時說不。畢竟有人願意為公益、學術目的提供個人健康數據,對商業用途敬謝不敏;也有人覺得只要無法辨識個人即可。
近年,英國政府很努力和大眾溝通,希望民眾認知到資料分享的共善,也說明退出所帶來的社會成本,鼓勵人們留在資料庫內,享受精準醫療帶給個人的好處。可以看到英國政府藉由公眾溝通,努力建立社會信任。
參照英國經驗,目前選擇退出的比率約為 2.6%。保留民眾某種程度的退出權,但善盡公眾溝通,應是平衡集體利益與個人隱私的一種做法。
歐盟 GDPR 個資保護的四大原則
健保資料庫只是案例之一,當 AI 成為大數據浪潮下的加速器,最周全之策仍然是針對 AI 時代的資料運用另立規範。 歐盟 2018 年實施的《一般資料保護規則》(General Data Protection Regulation,以下簡稱 GDPR),便是大數據 AI 時代個資保護的重要指標。
因應 AI、大數據時代的變化,歐盟在 2016 年通過 GDPR,2018 年正式上路,被稱為「史上最嚴格的個資保護法」。包括行動裝置 ID、宗教、生物特徵、性傾向都列入被保護的個人資料範疇。
歐盟在法令制定階段已將 AI 運用納入考量,設定出個資保護四大原則:目的特定原則、資料最小化、透明性與課責性原則。
其中,「目的特定」與「資料最小化」都是要求資料的蒐集、處理、利用,應在特定目的的必要範圍內,也就是只提供「絕對必要」的資料。
然而,這與大數據運用需仰賴大量資料的特質,明顯衝突!
大數據分析的過程,往往會大幅、甚至沒有「特定目的」的廣蒐資料;資料分析後的應用範圍,也可能超出原本設定的目標。因此,如何具體界定「特定目的」以及後續利用的「兼容性判斷」,便相當重要。這也突顯出「透明性」原則強調的自我揭露(self-disclosure)義務。當蒐集方成為主要的資料控制者,就有義務更進一步解釋那些仰賴純粹自動化的決策,究竟是如何形成的。
「透明性原則的用意是為了建立信任感。」何之行補充。她舉例,中國阿里巴巴集團旗下的芝麻信用,將演算法自動化決策的應用發揮得淋漓盡致,就連歐盟發放申根簽證都會參考。然而,所有被納入評分系統的人民,卻無從得知這個龐大的演算法系統如何運作,也無法知道為何自己的信用評等如此。
芝麻信用表示,系統會依照身分特質、信用歷史、人脈關係、行為偏好、履約能力等五類資料,進行每個人的信用評分,分數介於 350-950。看似為電商系統的信用評等,實則影響個人信貸、租車、訂房、簽證,甚至是求職。
這同時涉及「課責性」(accountability)原則 ── 出了問題,可以找誰負責。以醫療場域來講,無論診斷過程中動用了多少 AI 工具作為輔助,最終仍須仰賴真人醫師做最後的專業判斷,這不僅是尊重醫病關係,也是避免病患求助無門的問責體現。
科技防疫:無所遁形的日常與數位足跡
當新冠疫情爆發,全球人心惶惶、對未知病毒充滿恐懼不安,科技防疫一躍成為國家利器。但公共衛生與人權隱私的論辯,也再次浮上檯面。
2020 年 4 月,挪威的國家公共衛生機構推出一款接觸追蹤軟體,能監控足跡、提出曾接觸確診者的示警。但兩個月後,這款挪威版的「社交距離 APP」卻遭到挪威個資主管機關(NDPA)宣告禁用!
挪威開發了「Smittestopp」,可透過 GPS 與藍牙定位來追蹤用戶足跡,提出與感染者曾接觸過的示警,定位資訊也會上傳到中央伺服器儲存。然而,挪威資料保護主管機關(NDPA)宣告,程式對個人隱私造成不必要的侵害,政府應停止使用並刪除資料。
為何挪威資料保護機關會做出這個決定?大體來說,仍與歐盟 GDPR 四大原則有關。
首先,NDPA 認為挪威政府沒有善盡公眾溝通責任,目的不清。人民不知道這款 APP 是為了疫調?或者為研究分析而持續蒐集資料?而且,上傳的資料包含非確診者個案,違反了特定目的與資料最小蒐集原則。
此外,即便為了防疫,政府也應該採用更小侵害的手段(如:僅從藍牙確認距離資訊),而不是直接由 GPS 掌控個人定位軌跡,這可能造成國家全面監控個人行蹤的風險。
最後 NDPA 認為,蒐集足跡資料原初是為了即時防疫,但當資料被轉作後續的研究分析,政府應主動說明為什麼資料可以被二次利用?又將如何去識別化,以確保個資安全?
換言之,面對疫情的高度挑戰,挪威個資保護機關仍然認為若沒有足夠的必要性,不應輕易打開潘朵拉的盒子,國家採用「Smittestopp」這款接觸追蹤軟體,有違反比例原則之虞。
「有效的疫情控制,並不代表必然需要在隱私和個資保護上讓步。反而當決策者以防疫之名進行科技監控,一個數位監控國家的誕生,所妥協的將會是成熟公民社會所賴以維繫的公眾信任與共善。」何之行進一步分析:
數位監控所帶來的威脅,並不僅只於表象上對於個人隱私的侵害,更深層的危機在於,掌握「數位足跡」(digital footprint) 後對於特定當事人的描繪與剖析。
當監控者透過長時間、多方面的資訊蒐集,對於個人的「深描與剖繪」(profiling)遠遠超過想像──任何人的移動軌跡、生活習慣、興趣偏好、人脈網絡、政治傾向,都可能全面被掌握!
AI 時代需要新法規與管理者
不論是醫藥研發或疫情防控,數位監控已成為當代社會的新挑戰。參照各國科技防疫的爭論、歐盟 GDPR 規範,何之行認為,除了一套 AI 時代的個資保護規範,實踐層面上歐盟也有值得學習之處。
例如,對隱私風險的脈絡化評估、將隱私預先納入產品或服務的設計理念(privacy by design),「未來照護機器人可能走入家家戶戶,我們卻常忽略機器人 24 小時都在蒐集個資,隱私保護在產品設計的最初階段就要納入考量。」
另外最關鍵的是:設置獨立的個資監管機構,也就是所謂的資料保護官(data protection officer,DPO),專責監控公、私營部門是否遵循法規。直白地說,就是「個資警察局」。何之行比喻,
如果家中遭竊,我們會向警察局報案,但現況是「個資的侵害不知道可以找誰」。財稅資料歸財政部管,健康資料歸衛福部管,界定不清楚的就變成三不管地帶。
綜觀臺灣現狀,她一語點出問題:「我們不是沒有法規,只是現有的法令不完備,也已不合時宜。」
過往許多人擔心,「個資保護」與「科技創新」是兩難悖論,但何之行強調法令規範不是絆腳石。路開好、交通號誌與指引完善,車才可能跑得快。「GDPR 非常嚴格,但它並沒有阻礙科學研究,仍然允許了科學例外條款的空間。」
「資料是新石油」(data is the new oil),臺灣擁有世界數一數二最完整的健康資料,唯有完善明確的法規範才能減少疑慮,找出資料二次利用與科技創新的平衡點,也建立對於資料二次利用的社會信任。
資料來源:https://www.inside.com.tw/article/23814-ai-privacy-medical?fbclid=IwAR0ATcNjDPwTsZ4lkQpYjvys3NcXpDaqsmE_gELBl_UNu4FcAjBlscxMwss
健康照護體系定義 在 我們要往哪裡走? -健康照護再造的前瞻思維- :: 藥局地圖 的推薦與評價
標。我們堅定承諾一個美滿的願景:「健康. 生活,美麗人生」。從一個全民福祉、國家. 進步的倫理制高點出發,健康照護體系應. ... <看更多>