COVID欺善怕惡？但數據不會
-
點擊 這裡 查看提案內容
-
這樣的數據目前在美國有沒有能夠產生什麼效應？
-
@tnstiger
有兩方面比較明顯的影響。專業上，關於藥物研發方面，可以試驗假說，更有效率的找到可能有效的治療方式或是最適合接受治療的族群。這些都能加速藥物研發。例如Gilead（一間美國大型製藥公司）的明星抗病毒藥物 Remdesivir ，最近在臨床試驗完全結束前，也發表用現實資料做的相對效益研究。這樣的數據，提供在這分秒必爭的抗疫階段帶來更即時的證據。
另，這樣的數據在防疫方面，也能有更多與社會連結和支持的部分。舊金山衛生局做了一個很好的示範例子：了解高危險群後，進一步為其提供其他後續的保護措施。衛生局透過"test to care"的program特別照顧高危險族群和花很多資源在經濟較弱勢的社區。這些數據都讓我們更了解社區在健康、收入不平等和歧視的差異，當然，也能把免費資源（例如免費檢測的量）或是各種社會上的資源、教會資源提供給這些社區的居民和工人。
-
請問內文提到的 TriNetX 專案是採用什麼授權呢？謝謝～
-
This post is deleted!
-
@ET-Blue TrinetX 是採用公司授權的方式。羅氏藥廠 Roche/Genentech 一向致力於運用現實數據（像TrinetX）了解並保護易感族群，制定治療方針，進而協助公共衛生。
提出這個專案最主要的原因，就是希望提供台灣政府和醫療數據工作者，能多一點對台灣醫療數據使用的想像，例如我們可以嘗試使用台灣健保資料或其他電子病例做串連。據我們所知，TrinetX 目前有和台灣的一些醫院連結，但至今還沒有比較大的台灣本土團隊彙整這樣的資訊和資源做統籌。我們的心聲是覺得有點可惜，因為台灣其實可以自己做，不一定要透過外國團隊啊～！（補充：台灣的資料水準是很好的）
-
覺得簡介寫的蠻清楚的，但題目也許會讓人誤解？不知道是不是我想太多。
我理解在美國社會，疾病的「歧視」也就是對不同社經地位階級人種的差別影響，是討論很多的議題，這個投稿的題目也是切題的而且會連結到重要議題的，但在台灣可能不是這樣。一方面近期還沒有大規模流行病的群眾記憶，另方面種族歧視還不是大家這麼敏感的議題。「歧視」在中文語境，也不完全對應到 discriminate。
也不一定是建議修改題目用詞。如果是演講裡可以增加對 COVID 種族歧視的解說，應該也是不錯，可能可以讓一個原本看起來純技術應用的題目，背後的社會意義變得明顯。
-
@pm5 謝謝pm5的建議和想法!!
以下補充說明：
我們想表達的就是希望在演講裡說明 「COVID是否會種族歧視？」，並讓數據能富含更多的社會意義。整個題目的意義精髓在於：我們在觀察到一些「表象」後，會覺得 COVID「會歧視」，但事實上，需要抽絲剝繭的用數據去了解和佐證，才能找到真正的危險因子（actionable items）來提升防疫，促進公共衛生。表象（先天不可變因素，not actionable）/ 危險因子（後天可變因素，actionable）。這邊再來多解釋一下題目，COVID是人人都有可能感染的，無論什麼種族、國家、性別、年齡......，大家都有機會感染病毒；但是根據很多研究得知，有些基因、族群的人更可能受到感染，例如拉丁裔和非裔死亡率是白人兩倍。因此「表象」看起來，COVID也是會有「歧視」的，對特定族裔特別不留情。可是事實上，如果深入了解數據背後的意義，去找到真正的危險因子，就會知道社經條件、環境條件，這些可變的因素，更是應該要提早防範，去努力改善的。
舉例來說：
- 拉丁裔是因為他們本身的社經地位較不好、環境不好，因此得病的情形較嚴重，並非是COVID的歧視。
- 新加坡的移工是該國感染擴散的最主要原因，但究其原因是他們每天睡在沒有保持社交距離的溫床上，且就算有輕微症狀也沒有時間和錢就醫，導致群聚擴散。
