健康促進與衛生教育學系

在國立臺灣師範大學，衛教人有個綽號是健康寶寶。

比起其他科系的學生，“衛仔”們多了份對健康的強迫性關懷，上課時多了與老師的互動，而多元的學習方式，透過討論、表演、參觀…，甚至是 Call in、Talk Show 的展現，讓整體學習更生動。

環境的學習與刺激更是讓人憾動心弦：大安森林公園的音樂台、西門町和東區的燈紅酒綠街、中正紀念堂和市政府的台北燈會，還有更臨近國家圖書館、北市圖書館、台大、公館、台北火車站、光華商場…，當然還有師大夜市的異國風情。

Browse

Now showing 1 - 1 of 1

運用縱貫性體檢資料做機器學習演算預測國軍代謝症候群
(2021) 趙恩; Chao En
研究背景及目的：在現行定期體檢及體能測驗要求下，國軍官兵代謝症候群情況嚴重嗎?在智慧醫療時代，採用機器學習演算法從國軍官兵服役期間歷次的健康檢查資料序列，預測未來代謝症候群發生機率。研究方法：選取100年5月至107年12月間，至三軍總醫院松山分院參加國軍年度體檢之20歲以上國軍官兵，連續8年參加體檢者共1,636人。運用羅吉斯回歸、決策樹、K-近鄰演算法、支持向量機及樸素貝葉斯等機器學習演算法，及運用深度學習演算法的簡單長短期記憶神經網路、堆疊長短期記憶神經網路、雙向長短期記憶神經網路進行預測。研究結果：研究對象100-107年代謝症候群比率自100年時15.5%，增加至107年時25.2%；利用過往7年體檢結果的雙向長短期記憶神經網路模型，在預測未來有無代謝症候群模型效能最佳，模型正確率為85.6%、精準率為72.0%、召回率為73.1%、F值為71.1%。研究結論：善用歷次健康檢查之大數據，就能據以推動精準公共衛生預防保健服務，例如將機器學習演算法置於體檢資訊系統，透過系統定期收集資料及不斷更新模型，未來於不同型式的體檢結果查詢時，能以多元方式提供醫師及國軍官兵作為促進健康生活型態的參考。