依據2013年台灣病人安全通報統計年報，針對跌倒事件事件發生之醫療機構類別分析，有78%是發生於醫院中，是醫療照護上重要議題之一。故本研究針對南部某醫學中心18歲以上住院病人，運用資料探勘的分類技術，來探討發生跌倒的重要因素。並嘗試以窮舉法分析電子處方集裡每項藥物及2012 ICD-9-CM Diagnosis Codes分類，來找出何項藥物、診斷碼對住院病人發生跌倒是具有影響力的。
研究中首先利用獨立性卡方檢定找出在統計上具顯著性的自變項，做為分類模型之訓練資料，其次使用二元羅吉斯迴歸及決策樹建構跌倒預測模型，最後再使用貝氏網路，分析羅吉斯迴歸及決策樹所得到的因素，以獲得該因素造成跌倒發生的機率，做為評估影響住院病人發生跌倒之各因素權重。
本研究顯示以二元羅吉斯迴歸建立的預測模型優於決策樹，兩者預測模型的敏感度分別為60.3%、56.2%，特異度分別為76.3%、73.6%，陽性預測值分別為71.8%、68%，偽陽性值分別為23.7%、26.4%；再利用貝氏網路評估後以步態不穩為最重要因素，其次是服用中樞神經系統類型的藥物。
研究結果也顯示影響住院病人跌倒的因素是多方面，不同資料探勘方式所發現的跌倒因素不盡相同，總體而言，步態不穩、眩暈/頭暈、高齡、中樞神經系統藥物中的Morphine、Haloperidol、Lorazepam、Codeine、Tramadol HCl、Valproate sodium、Acetylsalicylate及Doxazosin mesylate（心血管藥物）是發生跌倒之重要因素。另研究也發現Pantoprazole（消化系統藥物）及Tranexamic acid（止血劑）是過去跌倒文獻上未提過的藥物，值得後續深入探討。本研究最後依現有資料分析提出新評估表，敏感度較現有表單約高6%，提供日後管理者修訂跌倒評估表時做參考。

In this retrospective cohort study, we use data mining classification, and try to analysis risk factors for falls among over 18 years old inpatients in a medical center. The data are from the electronic nursing records. In addition, we want to find what kind of medicines and what kind of diagnosis codes would most probably cause an inpatient to fall, so we used all the prescription drugs and all the ICD-9-CM diagnosis codes as research variables.
Based on the inpatients nursing data, we firstly used the chi-square test of independence to identify the statistically significant variables. Secondly the found significant variables were processed by binary logistic regression and decision tree to construct a risk model for falls respectively. Thirdly, we used Bayesian Networks to calculate the probability of the risk factors, which were obtained by the binary logistic regression and the decision tree. Finally, we used these risk factors to develop an inpatients fall risk assessment form, which is to help clinicians in pointing out high-risk inpatients.
Binary logistic regression and the decision tree found different sets of more significant variables. Overall, unsteady gait, vertigo/dizziness, advanced ages, central nervous system medications, doxazosin mesylate, and acetylsalicylate are important risk factors. We had some new finding that pantoprazole and tranexamic acid as significant risk factors which were not mentioned in the literature. The study concludes with a new evaluation form in accordance with the existing data analysis. The porposed new fall risk assessment form has better correct prediction rate than the current form of the medical center.

[1] 「2012 ICD-9-CM Diagnosis Codes」[Online]. Available:
http://www.icd9data.com/2012/Volume1/
[2] A.Choi, A.Darwiche, “A Variational Approach for Approximating Bayesian
Networks by Edge Deletion,” Appears in Proceedings of the Twenty-Second
Conference on Uncertainty in Artificial Intelligence (UAI2006),
UAI-P-2006-PG-80-89, 2012.
[3] J. Cox, T.-H. Charlotte, E, Pajarillo, S. DeGennaro, E. Cadmus, and M.
Martinez, “ Factors Associated With Falls In Hospitalized Adult Patients,”
Journal of Applied Nursing Research, In Press Accepted Manuscript, 2014.
[4] E.Coker, D. Oliver, “Evaluation of the STRATIFY Falls Prediction Tool On A
Geriatric Unit,” Journal of Clinical Outcomes Management, vol.7, no.1,
pp.8-14, quiz 15-6, 2003.
[5] L.Currie, “Chapter 10, Fall and Injury Prevention”, Ronda G Hughes(Ed.),
Patient Safety and Quality An Evidence-Based Handbook for Nurses,
Rockville (MD), Agency for Healthcare Research and Quality (US),
pp.195-229, 2008.
[6] Y.C. Chen, S.F. Chien, L.K. Chen, “Risk Factors Associated With Falls
Among Chinese Hospital Inpatients In Taiwan.,” Journal of Archives of
Gerontology and Geriatrics, vol.48, issue. 2, pp.132–136, 2009.
[7] A. L. Hendrich, P.S. Bender, and A. Nyhuis, “Validation of the Hendrich II
Fall Risk Model: A Large Concurrent Case/Control Study of Hospitalized
Patients,” Journal of Nursing Research, vol.16, no.1, pp.9-21, 2003.
[8] K.A. Heller, Z. Ghahramani, “Bayesian Hierarchical Clustering,”
Proceedings of the 22nd international conference on Machine learning ICML
'05, pp.297-304, 2005.
[9] R.L. Lamis, J.S. Kramer, L.S. Hale, R.E. Zackula, and G.M. Berg, “Fall Risk
Associated With Inpatient Medications,” American Journal of Health-System Pharmacy, vol. 69, no.21, pp.1888-94, 2012.
[10] A.L. Madsen, M. Lang, U.B. Kjæ rulff, and F.Jensen, “The Hugin Tool for
Learning Bayesian Networks,” Lecture Notes in Computer Science, vol.2711,
pp. 594-605, 2003.
[11] J.M. Morse, “Morse Fall Scale,” [Online]. Available:
http://www.injuryresearch.bc.ca/docs/3_20061221_115157morse fall
scale.pdf
[12] E. Roanhorse, D. Media, Factors That May Be Endogenous and Exogenous
in a Business, [Online]. Available:
http://smallbusiness.chron.com/factors-may-endogenous-exogenous-business
-34192.html
[13] D.V. Steenberghe, R. Jacobs, M. Desnyder, G. Maffei and M. Quirynen, “The
Relative Impact Of Local And Endogenous Patient-Related Factors On
Implant Failure Up To The Abutment Stage,” Clinical Oral Implants
Research, vol.6, issue 6, pp.617-622, 2002.
[14] STRATIFY Scale, [Online]. Available:
http://www.ahrq.gov/legacy/research/ltc/fallpxtoolkit/fallpxtool3g.htm
[15] 「Taiwan Patient-safety Reporting system Annual Report 2013」, Working
Paper, Ministry of Health and Welfare, R.O.C.(TAIWAN), Taiwan Joint
Commission on Hospital Accreditation, 2014.
[16] 「成人住院病人跌倒預防臨床照護指引」，Working Paper，臺北醫學大
學、萬芳醫院護理部，2009 年 12 月。
[17] 「病人安全資訊網」，[Online]. Available:
http://www.patientsafety.mohw.gov.tw/big5/default.asp
[18] 王妙娟，住院病人跌倒相關因素與管理應用之探討-以某區域教學醫院為
例，朝陽科技大學企業管理系碩士論文，2009 年 5 月。
[19] 王敏學，利用貝氏定理建立跌倒風險之預測系統-以老年人為例，慈濟大
學醫學資訊學系碩士論文，2015 年。
[20] 李玉蘭，南部某區域醫院住院病人跌倒相關危險因素研究，輔英科技大
學護理系碩士論文，2010 年 7 月。
[21] 李婉怡，「應用資料探勘技術來探討大專院校招生策略之定位」，南師學
報，vol.37, no.2, pp.47-66，2003 年。
[22] 周俊宏，基於貝氏網路的概念使用編碼方式推導基因調控網路，中山大
學資訊管理研究所碩士論文，2011 年 9 月。
[23] 林冠宇、吳國榮、曾國慶，「住院病患用藥與跌倒之相關性評估」，The
Journal of Pharmacy, vol.24, no.4，2008 年。
[24] 林維均，病例－對照分析之基因研究，國立中央大學統計研究所博士論
文，2007 年 6 月。
[25] 洪彰鴻，「肥胖與體適能表現—邏輯斯回歸之應用」，弘光人文社會學報，
vol.10, pp.209-232, 2009 年。
[26] 病例對照研究，[Online]. Available:
http://gwxy.sysu.edu.cn/lxbx/Course/data/uploadfile/
20120311112319499.pdf
[27] 翁耀臨，「淺談交叉分析與卡方檢定」[Online]. Available:
http://ww2.worldone.com.tw/pdFile.do?pid=868&file=education/
education_868.pdf
[28] 馬秀玲，住院跌倒病人跌倒傷害預測模式之探討，高雄醫學大學醫務管
理暨醫療資訊學系碩士論文，2013 年。
[29] 莊蕙琿、黃焜煌、王素美、劉穗蘭，「住院病患跌倒事件分析-以某區域
教學醫院為例」，澄清醫護管理雜誌，vol. 4, no.3 July. 2008.
[30] 陳士杰、郭建昇、張宜珏、林美卿、楊郁婕，「利用決策樹建構老年人跌
倒風險規則之研究」，聯合大學資訊管理學系學士班專題論文，2012 年。
[31] 陳亭羽、賀千盈，「應用決策樹探討適用於電子行銷市場之區隔基礎」， 管
理科學研究，vol.3, no.1, pp.1-25, 2006.
[32] 陳垂呈，「利用分類分析發掘產品最適性之項目組合」，資訊科學應用期刊，vol.3, no.2, pp.79-100, 2007.
[33] 陳垂呈，「利用資料探勘技術輔助疾病診斷是否異常」，資訊科學應用期
刊 vol.2, no.2, pp.155-172, 2006.
[34] 陳榆臻，運用資料探勘中分類技術於預測住院老人跌倒之研究，元智大
學資訊管理學系碩士論文，2009 年 6 月。
[35] 黃安傑，以資料探勘方法建立病患門診決策系統，臺北科技大學工業工
程與管理所碩士論文，2011 年。
[36] 電子處方集，[Online]. Available:
http://www.chimei.org.tw/main/cmh_department/55500/netdrug/
searchphar.asp
[37] 劉豐瑞、吳冠翰、林敬堂、梁嘉峻、彭柏，「貝氏信賴網路應用於河溪生
態風險評估」，Paper Presented At
兩岸環境與能源研討會暨第一屆全球華
人環境與能源研討會
，Oct. 2012, 新竹市文化局，[Online]. Available:
http://www.tasder.org.tw/meeting/2012/議題二環境災害評估與控制方法與
應用/2-13 貝氏信賴網路應用於河溪生態風險評估-全文.pdf。
[38] 潘俊帆，以貝氏網路為基礎的個人差異化知識處理機制，東海大學工業
工程系碩士論文，2001 年。
[39] 簡維隆，以資料探勘技術預測老人跌倒之風險，大同大學資訊經營研究
所碩士論文，2012 年 2 月。
[40] 藍國誠、李昭輝、李語嫣、吳晉祥、黎煥中、曾新穆，「運用資料探勘技
術建構健康趨勢及疾病關聯性之分析預測系統」，Paper Presented At 台灣
國際醫學資訊研討會，Oct. 2009，三軍總醫院第二演講廳，[Online].
Available: http://libir.tmu.edu.tw/handle/987654321/22263
[41] 魏大森，「老年人跌倒的篩檢與評估」，Journal of Taiwan Geriatrics &
Gerontology, vol.3, no.2, pp.91-105, 2008.