小逸文筆記

這邊參考最新發表在美國兒科醫學會期刊2020年的指引， 舊指引可以參考 孩童靜脈管路指引 ，內容可能大同小異，觀念上是一致， 不過新的指引提供了更多專家的討論和建議。 （待更新） 此外，他們還推出app讓臨床工作者更快速的考量選則。 miniMagic App工具使用 Android系統 、 iOS系統蘋果系統 參考資料 Ullman AJ, Bernstein SJ, Brown E, et al. The Michigan Appropriateness Guide for Intravenous Catheters in Pediatrics: miniMAGIC . Pediatrics. 2020;145(Suppl 3):S269-S284. doi:10.1542/peds.2019-3474I miniMAGIC的補充資料 https://www.avatargroup.org.au/avatar-app/vascular-access-device-types.html 初撰於2023/01/29

嬰兒孩童手術期間的輸血相關指引及資料，相對於成人的指引有限， 臨床上目前指引大部分為參考自成人指引及孩童病房臨床輸血指引，劑量根據體重計算。 輸血相關併發症的盛行率在孩童可能相對成人的盛行率較高 。所以謹慎考量輸血時機是重要的。 目前在麻醉醫學及小兒外科醫學理，相對嚴格的輸血限制Restrictive thresholds（血色素小於 7 g/dL即可輸血）在大於3個月的孩童皆適用。 若在嬰兒[2]或有先天性心臟病的孩童有較寬鬆的限制（血色素相對較高的時候就可以輸血，由新生兒科醫師、兒童心臟內科或小兒心臟外科醫師評估） 在患有急重症的孩童，血行動力學相對穩定但沒有失血的情況（包含了敗血性休克、急性外傷性腦損傷、心臟手術過後），維持血色素大於7 g/dL。[3] 嬰兒孩童正常範圍血色素如下表列[4] | 年齡                       | 血色素(g/dL) | | Birth                       | 14–24 | | 2 weeks                   | 13–19 | | 4 weeks                   | 13.4–19.8 | | 2–6 months             | 9.4–13.0 | | 6–12 months           | 11.1–14.1 | | 1–6 years                 | 11.5–14.0 | | 6–12 years    ...

AI時代，或更精確的說，通用人工智慧範疇底下大型語言模型（Large Language models, LLMs）的盛行時代， 身為醫療相關人員的我，如何具體、有效地將其融入日常工作仍是重要的課題。其中，面對醫療領域的問題是這篇文章所要分享的。 將LLM所提供的資訊，作為一個額外的視角或驗證工具[1]，與您自己透過其他方式獲得的資訊進行比較和整合。 就如同以前用Google醫療問題，網站查到的網頁，你也不會將搜尋後第一項的資料都拿來用，而是將第一項到第十項評估統整後給出最後資訊，這也是我們人腦要去做判斷及思考的。 以下我會以四個步驟來說明我的方式。（這個方法也是 國外知名重症資源分享網站 的重症醫師Josh Farkas也在使用[2]） 第一，制定您自己的答案 。 諮詢LLM之前，先透過自己的知識和傳統資源形成一個初步的看法，避免盲目遵循LLM的建議。 查閱您慣用的傳統醫學資源，例如教科書、 UpToDate 、 Dynamed 等，以形成您對問題的初步判斷或意見。使您對答案不完全確定，但至少形成一個初步的意見至關重要。 這有助於您在後續步驟中批判性地評估LLM的輸出。 在此我會將傳統醫學資源或者查詢的文獻，全部放到 NotebookLM 來統合（NotebookLM會基於我已認可的資料進行統合，換句話說，以我提供的資料閱讀，畢竟有些資料量適很大的），協助我形成我的意見。 第二，使用窄頻LLM（以搜尋資料範圍的寬窄來分類）來取得問題解答。 目前比較可靠的工具在醫學領域應該是 OpenEvidence ，（其他科學領域的 SciSpace ?或者 Co-storm ?）可獲得較好的文獻品質，以確保資訊的嚴謹性。此外，因為有被適當的調校，AI幻覺（AI Hallucination）率可能極低。 但由於其範圍專一，可能存在盲點，忽略其他高品質但非學術期刊的資訊來源，這也是其侷限性。 第三，使用寬頻LLM並帶有密集參考資料來取得問題解答。 使用工具常見的大語言模型 Gemini （其中的Deep Reasearch，是我常使用的模式）、 Perplexity （前述重症醫師Josh Farkas推薦使用）、 ChatGPT （也是用它的Deep Research模式） 這類LLM檢視的資訊來源更為廣泛，除了學術文獻，還包括醫院協議、衛生部門網站、FDA藥品包裝說明書等，這...