Loading [MathJax]/extensions/tex2jax.js

0

1
0

文字

分享

0
1
0

孕婦營養不良、壓力太大,可能會長期影響孩子的健康?

林雯菁
・2017/05/30 ・2562字 ・閱讀時間約 5 分鐘 ・SR值 551 ・八年級

-----廣告,請繼續往下閱讀-----

胎兒在母親子宮裡的經歷,是否會帶來一輩子的影響呢?

在懷孕時母親的經歷,其影響可能超出你想像。圖/By Tatiana Vdb @ flickr, CC BY 2.0

有一個假說:成人疾病的胎兒起源假說(Fetal Origins of Adult Disease hypothesis)認為,某些成人疾病或老年疾病的發生與否,甚至可以追溯到一個人的胎兒時期。提出這個假說的醫師巴克(David Barker)於 1980 年代觀察到,成年人罹患高血壓與否和他們出生時的體重有很大的關係1。後續研究更發現,除了高血壓以外,冠狀動脈疾病、第二型糖尿病、肥胖、中風、重鬱症、思覺失調症、癌症……等多種疾病都與出生時的體重有關係2

更進一步來說,一個人出生時的體重高低,會受到母親在妊娠期間的狀態所影響,包括母親當時的營養是否充足、精神壓力是否過大……等各種環境因素,而出生時的體重只是反映這些因素的影響罷了。是以若按照這個假說的邏輯,母親在懷孕期間如果是營養不良或必須承受巨大的精神壓力的話,不僅會對胎兒的發育產生不良影響,甚至會使小孩成年後得到前述多種疾病的機會都上升。

但是要怎麼在人類身上證實這個假說呢?畢竟我們不可能進行一個「故意讓孕婦營養不良」、或「故意讓孕婦承受巨大精神壓力」的實驗。於是目前最好的辦法之一,便是從不幸的歷史當中擷取可用的資料來做推論:例如,戰爭與饑荒。

-----廣告,請繼續往下閱讀-----

懷孕期經歷饑荒的胎兒

一項研究指出3,在芬蘭大饑荒(1866 – 1868 年)時期出生的男性,他們六十歲時的平均餘命(life expectancy)比饑荒前後出生的男性在六十歲時的平均餘命短少了約 0.8 歲。另一項研究4則以 1944 – 1945 年,荷蘭的「飢餓之冬」為研究基礎。有別於芬蘭大饑荒的起因主要來自於長年作物歉收,荷蘭「飢餓之冬」的根源則是人為所致。那個冬天糧食最短缺的時期,每個人每日的糧食配給額度最低只有 400 – 800 卡路里。在母親的子宮中經歷「飢餓之冬」胎兒,成年後出現葡萄糖耐受性不良、高血膽固醇、高血壓、肥胖的情形比一般人還要高。

來自中國的研究5,6也指出,懷孕時期若遇饑荒,小孩成年後後罹患思覺失調症(schizophrenia,舊稱精神分裂症)之風險將大幅上升,而證據則來自於「大躍進」所導致的全國性大饑荒。研究人員5根據安徽省蕪湖市一家醫院的病歷紀錄,比較在饑荒前、中、後出生人口罹患思覺失調症的風險是否有所差異。在安徽,饑荒的現象約從 1959 年的春天開始,一直持續到 1961 年年初。資料顯示,該區域出生於 1959 年的人口中,有 0.84% 罹患思覺失調症,但 1960 年出生人口的患病比例攀升至 2.15%,1961 年出生者也高達 1.81%,不過自 1962 年之後便降回 1% 以下。

從以上研究可見孕婦於懷孕時期所經歷的營養不良,會對胎兒日後的生理和心理健康有長遠影響。

 

我們可以得知孕婦於懷孕時期所經歷的營養不良,會對胎兒日後的生理和心理健康有長遠影響。因此孕婦在懷孕時期的照顧是何其重要!圖/By John Finn @ flickr, CC BY-NC-ND 2.0

懷孕期的巨大心理壓力對胎兒也有影響

至於母親於懷孕時期所承受的心理壓力,一樣會對孩子的健康造成長期影響。

在一項新發表的法國研究7中,研究者指出在第一次世界大戰期間,父親戰死沙場的「遺腹子」的平均壽命較同時期的非遺腹子短少了 2.4 年。

-----廣告,請繼續往下閱讀-----

多數人應該都同意「丈夫死去」是一件會帶來痛苦與巨大精神壓力的事件。如果一名婦女的丈夫在她懷孕期間過世,那麼她腹中的胎兒便等於是在母親承受著極大的精神壓力之下成長。1914 年的法國,大約每天都有 350 名法國女性失去她們的丈夫。而這之中有不少婦女當時處於妊娠階段,她們日後所產下的小孩便成了「戰爭遺腹子」。

1917 年,法國立法為戰爭孤兒和殘疾士兵的小孩提供額外的補助與保護,這些孩子被稱為所謂的「pupilles de la Nation」(英文:orphan of the Nation)。也因為這項立法,我們今天才得以從資料庫中找尋到當年父親戰死沙場的兒童。

研究者從巴黎與波爾多兩個大城市的歷史紀錄中,挑選出所謂的「pupilles de la Nation」。這些人的出生日期介於1914/8/1 至 1916/12/31,死亡日期已知(註 1),且父親於 1914 年至 1916 年之間死於戰場。研究者為每位「pupilles de la Nation」搭配一位「對照組」,也就是一個同性別、出生在同一區、出生日期相近(< 2 週)、母親年齡相近(± 2 歲以內)但父親當時尚未死亡的人。「pupilles de la Nation」又可以細分成兩類,一類是出生前父親已經死亡,也就是所謂的遺腹子,另一類則是出生後沒多久父親才死亡的。後者在母親子宮內時,母親所遭受的壓力,應該與對照組的母親所承受的壓力是相似的。那麼這兩類的「pupilles de la Nation」的平均壽命有什麼差別嗎?

資料顯示,「戰爭遺腹子」(出生前父親便已死亡)的平均壽命是 75.9 歲,比控制組少了 2.4 歲。但是出生後父親才死亡的「pupilles de la Nation」他們的平均壽命和控制組之間並無顯著差異。

-----廣告,請繼續往下閱讀-----

研究有其限制

因為這畢竟不是一開始便設計好的實驗,所以我們可以合理質疑造成這個結果的原因,究竟是研究者所聲稱的理由,亦或是其他未獲控制的因素。但由於這個問題的特性使然,即便我們設計一個再完美不過的實驗也無法在人類身上執行。於是我們就只能從現有的資料中,盡可能地控制所有能夠想到的其他因素並加以排除。而在最後一個研究當中,研究者認為「戰爭遺腹子」這個特殊族群的壽命之所以會相對地短,最有可能的原因便是因為他們的母親在懷孕時失去了丈夫,因而承受了極大的精神壓力,最終導致孩子的健康狀況受影響、壽命較短。

其實「表觀遺傳學」(epigenetics)領域已有不少研究發現,人類母親懷孕時的飲食和壓力(不管來源是重鬱症、家暴、或創傷後壓力症候群),都有可能改變嬰兒細胞的基因表現。綜合以上研究來看,這些基因表現的改變,或許就是造成這些嬰兒成年後罹患特定疾病風險升高、平均壽命縮短的原因。

  • 註 1:因為法國從 1945 年起才開始在出生證明上註記死亡日期,所以如果是在這之前就已經死亡的人,便沒有納入這個研究中(畢竟不知道確切的死亡日期無法計算壽命)。也因此這個研究中僅計算活到 31 歲以後的人口的平均壽命。

參考文獻:

  1. Barker, D. J. The fetal and infant origins of adult disease. BMJ 301, 1111 (1990).
  2. Calkins, K. & Devaskar, S. U. Fetal Origins of Adult Disease. Curr. Probl. Pediatr. Adolesc. Health Care 41, 158 (2011).
  3. Doblhammer, G., Berg, G. J. van den & Lumey, L. H. A re-analysis of the long-term effects on life expectancy of the Great Finnish Famine of 1866–68. Popul. Stud. 67, 309 (2013).
  4. Roseboom, T. J. et al. Effects of prenatal exposure to the Dutch famine on adult disease in later life: an overview. Mol. Cell. Endocrinol. 185, 93–98 (2001).
  5. St Clair, D. et al. Rates of Adult Schizophrenia Following Prenatal Exposure to the Chinese Famine of 1959-1961. JAMA 294, 557–562 (2005).
  6. Xu, M.-Q. et al. Prenatal Malnutrition and Adult Schizophrenia: Further Evidence From the 1959-1961 Chinese Famine. Schizophr. Bull. 35, 568–576 (2009).
  7. Todd, N., Valleron, A.-J. & Bougnères, P. Prenatal loss of father during World War One is predictive of a reduced lifespan in adulthood. Proc. Natl. Acad. Sci. 114, 4201–4206 (2017).
-----廣告,請繼續往下閱讀-----
文章難易度
林雯菁
12 篇文章 ・ 3 位粉絲
英國倫敦大學學院(UCL)認知神經科學博士。《Wen-Jing的科學文獻報告》

0

1
0

文字

分享

0
1
0
拆解邊緣AI熱潮:伺服器如何提供穩固的運算基石?
鳥苷三磷酸 (PanSci Promo)_96
・2025/05/21 ・5071字 ・閱讀時間約 10 分鐘

-----廣告,請繼續往下閱讀-----

本文與 研華科技 合作,泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言,總能牽動整個 AI 產業的神經。然而,我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線,那如果哪天「網路斷了」,會發生什麼事?

想像你正在自駕車打個盹,系統突然警示:「網路連線中斷」,車輛開始偏離路線,而前方竟是萬丈深谷。又或者家庭機器人被駭,開始暴走跳舞,甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎?當然不是!也因為如此,「邊緣 AI」成為業界關注重點。不靠雲端,AI 就能在現場即時反應,不只更安全、低延遲,還能讓數據當場變現,不再淪為沉沒成本。

什麼是邊緣 AI ?

邊緣 AI,乍聽之下,好像是「孤單站在角落的人工智慧」,但事實上,它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前,像是企業、醫院、學校內部的伺服器,個人電腦,甚至手機等裝置,都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算,稱為邊緣運算;而在邊緣節點上運行 AI ,就被稱為邊緣 AI。簡單來說,就是將原本集中在遠端資料中心的運算能力,「搬家」到更靠近數據源頭的地方。

-----廣告,請繼續往下閱讀-----

那麼,為什麼需要這樣做?資料放在雲端,集中管理不是更方便嗎?對,就是不好。

當數據在這些邊緣節點進行運算,稱為邊緣運算;而在邊緣節點上運行 AI ,就被稱為邊緣 AI。/ 圖片來源:MotionArray

第一個不好是物理限制:「延遲」。
即使光速已經非常快,數據從你家旁邊的路口傳到幾千公里外的雲端機房,再把分析結果傳回來,中間還要經過各種網路節點轉來轉去…這樣一來一回,就算只是幾十毫秒的延遲,對於需要「即刻反應」的 AI 應用,比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時,每一毫秒都攸關安全與精度,這點延遲都是無法接受的!這是物理距離與網路架構先天上的限制,無法繞過去。

第二個挑戰,是資訊科學跟工程上的考量:「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送,湧入的資料數據量就像超級大的水流,一下子就把水管塞爆!要避免流量爆炸,你就要一直擴充水管,也就是擴增頻寬,然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理,把重要資訊「濃縮」過後再傳回雲端,是不是就能減輕頻寬負擔,也能節省大量費用呢?

第三個挑戰:系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時,一旦網路不穩、甚至斷線,那怎麼辦?很多關鍵應用,像是公共安全監控或是重要設備的預警系統,可不能這樣「看天吃飯」啊!邊緣處理讓系統更獨立,就算暫時斷線,本地的 AI 還是能繼續運作與即時反應,這在工程上是非常重要的考量。

所以你看,邊緣運算不是科學家們沒事找事做,它是順應數據特性和實際應用需求,一個非常合理的科學與工程上的最佳化選擇,是我們想要抓住即時數據價值,非走不可的一條路!

邊緣 AI 的實戰魅力:從工廠到倉儲,再到你的工作桌

知道要把 AI 算力搬到邊緣了,接下來的問題就是─邊緣 AI 究竟強在哪裡呢?它強就強在能夠做到「深度感知(Deep Perception)」!

-----廣告,請繼續往下閱讀-----

所謂深度感知,並非僅僅是對數據進行簡單的加加減減,而是透過如深度神經網路這類複雜的 AI 模型,從原始數據裡面,去「理解」出更高層次、更具意義的資訊。

研華科技為例,旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例,利用物件偵測模型,快速將工業產品中的瑕疵挑出來,而且由於 AI 模型可以使用同一套參數去檢測,因此品管上能達到一致性,減少人為疏漏。尤其在高產能工廠中,檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品,替工廠節省大量人力,同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。/ 圖片提供:研華科技

此外,在智慧倉儲場域,研華與威剛合作,研華與威剛聯手合作,在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台,打造倉儲系統的 AMR(Autonomous Mobile Robot) 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣,AMR 不需要事先規劃好路線,靠著感測器偵測,就能輕鬆避開障礙物,識別路線,並且將貨物載到指定地點存放。

當然,還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning ),除了可以做備忘錄跟排程規劃以外,還能將實務上碰到的問題記錄下來,等到之後碰到類似的問題時,就能詢問 AI 並得到解答。

你或許會問,那為什麼不直接使用 ChatGPT 就好了?其實,對許多企業來說,內部資料往往具有高度機密性與商業價值,有些場域甚至連手機都禁止員工帶入,自然無法將資料上傳雲端。對於重視資安,又希望運用 AI 提升效率的企業與工廠而言,自行部署大型語言模型(self-hosted LLM)才是理想選擇。而這樣的應用,並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器,體積僅如後背包大小,卻能輕鬆支援語言模型的運作,實現高效又安全的 AI 解決方案。

但問題也接著浮現:要在這麼小的設備上跑大型 AI 模型,會不會太吃資源?這正是目前 AI 領域最前沿、最火熱的研究方向之一:如何幫 AI 模型進行「科學瘦身」,又不減智慧。接下來,我們就來看看科學家是怎麼幫 AI 減重的。

-----廣告,請繼續往下閱讀-----

語言模型瘦身術之一:量化(Quantization)—用更精簡的數位方式來表示知識

當硬體資源有限,大模型卻越來越龐大,「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像:有些畫面細節我們肉眼根本看不出來,刪掉也不影響整體感覺,卻能大幅減少檔案大小。

模型量化的原理也是如此,只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示,什麼是浮點數?其實就是你我都熟知的小數。舉例來說,圓周率是個無窮不循環小數,唸下去就會是3.141592653…但實際運算時,我們常常用 3.14 或甚至直接用 3,也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思! 

然而,量化並不是那麼容易的事情。而且實際上,降低精度多少還是會影響到模型表現的。因此在設計時,工程師會精密調整,確保效能在可接受範圍內,達成「瘦身不減智」的目標。

當硬體資源有限,大模型卻越來越龐大,「幫模型減肥」就成了邊緣 AI 的重要課題。/ 圖片來源:MotionArray

模型剪枝(Model Pruning)—基於重要性的結構精簡

建立一個 AI 模型,其實就是在搭建一整套類神經網路系統,並訓練類神經元中彼此關聯的參數。然而,在這麼多參數中,總會有一些參數明明佔了一個位置,卻對整體模型沒有貢獻。既然如此,不如果斷將這些「冗餘」移除。

這就像種植作物的時候,總會雜草叢生,但這些雜草並不是我們想要的作物,這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在,而動手去清理這些不需要的連結參數或神經元的技術,就稱為 AI 模型的模型剪枝(Model Pruning)。

-----廣告,請繼續往下閱讀-----

模型剪枝的效果,大概能把100變成70這樣的程度,說多也不是太多。雖然這樣的縮減對於提升效率已具幫助,但若我們要的是一個更小幾個數量級的模型,僅靠剪枝仍不足以應對。最後還是需要從源頭著手,採取更治本的方法:一開始就打造一個很小的模型,並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」,是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾(Knowledge Distillation)—讓小模型學習大師的「精髓」

想像一下,一位經驗豐富、見多識廣的老師傅,就是那個龐大而強悍的 AI 模型。現在,他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案,老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」,例如「為什麼我會這樣想?」、「其他選項的可能性有多少?」。這樣一來,小小的學徒模型,用它有限的「腦容量」,也能學到老師傅的「智慧精髓」,表現就能大幅提升!這是一種很高級的訓練技巧,跟遷移學習有關。

舉個例子,當大型語言模型在收到「晚餐:鳳梨」這組輸入時,它下一個會接的詞語跟機率分別為「炒飯:50%,蝦球:30%,披薩:15%,汁:5%」。在知識蒸餾的過程中,它可以把這套機率表一起教給小語言模型,讓小語言模型不必透過自己訓練,也能輕鬆得到這個推理過程。如今,許多高效的小型語言模型正是透過這項技術訓練而成,讓我們得以在資源有限的邊緣設備上,也能部署愈來愈強大的小模型 AI。

但是!即使模型經過了這些科學方法的優化,變得比較「苗條」了,要真正在邊緣環境中處理如潮水般湧現的資料,並且高速、即時、穩定地運作,仍然需要一個夠強的「引擎」來驅動它們。也就是說,要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型,真正放到邊緣的現場去發揮作用,就需要一個強大的「硬體平台」來承載。

-----廣告,請繼續往下閱讀-----

邊緣 AI 的強心臟:SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器,就是扮演「邊緣 AI 引擎」的關鍵角色!那麼,它到底厲害在哪?

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要?因為 GPU 的設計,天生就擅長做「平行計算」,這正好就是 AI 模型裡面那種海量數學運算最需要的!

你想想看,那麼多數據要同時處理,就像要請一大堆人同時算數學一樣,GPU 就是那個最有效率的工具人!而且,有多張 GPU,代表可以同時跑更多不同的 AI 任務,或者處理更大流量的數據。這是確保那些科學研究成果,在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎!

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房,有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計,體積相對緊湊,散熱空間也比較好(這對高功耗的 GPU 很重要!),部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算,進行「工程化」,讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格,背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場,系統穩定壓倒一切!你總不希望 AI 分析跑到一半就掛掉吧?這些設計確保了部署在現場的 AI 系統,能夠長時間、穩定地運作,把實驗室裡的科學成果,可靠地轉化成實際的應用價值。

-----廣告,請繼續往下閱讀-----
研華的 SKY-602E3 塔式 GPU 伺服器,體積僅如後背包大小,卻能輕鬆支援語言模型的運作,實現高效又安全的 AI 解決方案。/ 圖片提供:研華科技

台灣製造 × 在地智慧:打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能,能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署,及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析,還是其他 AI 相關的服務,都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務,讓企業在啟動 AI 專案前,大幅降低前期投入門檻,靈活又實用。

台灣有著獨特的產業結構,從精密製造、城市交通管理,到因應高齡化社會的智慧醫療與公共安全,都是邊緣 AI 的理想應用場域。更重要的是,這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示,這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果,往往已經錯失最佳反應時機。這也是為什麼邊緣 AI,不只是一項技術創新,更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場,就能被有效的「理解」與「利用」,是將數據垃圾變成數據黃金的賢者之石!

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

0

0
0

文字

分享

0
0
0
心絞痛不輕忽!可能造成猝死的冠狀動脈心臟病?冠狀動脈繞道手術是什麼?
careonline_96
・2024/06/07 ・2957字 ・閱讀時間約 6 分鐘

-----廣告,請繼續往下閱讀-----

「有位 50 多歲的男性糖尿病患者,因為重度冠狀動脈狹窄接受過多次心導管支架治療,但是冠狀動脈都反覆阻塞,且出現心臟衰竭的狀況,才終於決定接受冠狀動脈繞道手術。」林口長庚醫院心臟血管外科主任陳紹緯教授指出,「冠狀動脈繞道手術的原理就是使用病人自體血管繞過狹窄的位置,幫助心肌獲得充足的血液循環。」

由於患者有糖尿病,術後出現傷口併發症(包含感染)的風險較高,於是使用術後負壓傷口照護系統以期降低風險。陳紹緯教授說,術後負壓傷口照護系統能夠排除傷口積液,降低感染風險,幫助傷口癒合。在心臟外科團隊的照顧下,患者狀況穩定,於術後七天順利出院。

如今,心導管介入手術已相當進步,但是冠狀動脈繞道手術仍在治療冠狀動脈心臟病中扮演相當重要的角色。相較於接受心導管塗藥支架治療,糖尿病合併多條冠狀動脈阻塞的病患,在追蹤五年後,接受冠狀動脈繞道手術可有效降低死亡風險,並能大幅降低心肌梗塞的風險,因此建議優先採用冠狀動脈繞道手術 1

冠狀動脈是供應心肌氧氣與養分的血管,當冠狀動脈狹窄或阻塞便會造成冠狀動脈心臟病(冠心病)。陳紹緯教授解釋,如果冠狀動脈狹窄導致冠狀動脈血流量無法滿足心肌的需求,便會產生心絞痛;如果冠狀動脈突然阻塞,冠狀動脈血流中斷,心肌便會缺氧壞死,稱為心肌梗塞,狀況非常危急,患者可能猝死。

-----廣告,請繼續往下閱讀-----

很多原因可能造成冠狀動脈心臟病,危險因子包括:糖尿病、高血壓、高血脂、抽菸、體重過重、家族病史等。陳紹緯教授說,心絞痛發作時,症狀表現包括頭暈、胸悶、胸痛、壓迫感、呼吸急促等,疼痛會延伸至下巴、肩膀等處。

針對急性心肌梗塞、病人狀況很差時,建議緊急進行心導管介入治療。陳紹緯醫師說,因為作心導管打通血管的速度較快、侵入性較小,有機會搶救缺氧的心肌。針對穩定型心絞痛,也就是在身體活動或情緒激動的時候,冠狀動脈血流供應不足的患者,重度冠狀動脈狹窄病人採用冠狀動脈繞道手術能夠長期達到較佳的血管通暢度,減少心血管不良事件,降低死亡風險。陳紹緯教授說,如果三條冠狀動脈都阻塞或左主冠狀動脈狹窄,就會建議進行冠狀動脈繞道手術。包括前美國總統柯林頓、日本明仁天皇都曾經在最好的醫療團隊建議下接受冠狀動脈繞道手術。

2021 美國/歐洲心臟科學會冠心病治療指引(2021 ACC/AHA Guideline for Coronary Artery Revascularization)特別建議下列族群應優先採取冠狀動脈繞道手術而不建議心導管支架手術,包括:糖尿病患者合併多條血管阻塞、複雜性多條或左主冠狀動脈阻塞(SYNTAX score 大於 33 分)、左心室功能不全(收縮分率小於 50 %)、多條血管合併多條血管狹窄、不適合抗血小板藥物、或無法負擔新型塗藥支架的病人。

不可輕忽的傷口併發症

冠狀動脈繞道手術是相當成熟的心臟手術,開胸手術不代表是落後的治療,針對病情複雜而嚴重的病人,反而有最好的效果。經驗豐富的醫療團隊都會特別留意,盡可能降低心臟衰竭、中風、出血等併發症的風險。陳紹緯教授說,冠狀動脈繞道手術因是針對複雜性冠狀動脈疾病的病人,因此除了在病情較單純且病灶適合的病人可以採用微創小傷口的方式,目前大多數還是要開胸、及多處傷口拿血管,因此術後的傷口照護相當重要。因為冠狀動脈心臟病患常常都有糖尿病,傷口癒合較慢且容易感染,出現傷口併發症的風險較高。

-----廣告,請繼續往下閱讀-----

「倘若出現傷口併發症,可能進展為敗血症,甚至會導致死亡。」陳紹緯教授說,「特別是胸骨,萬一遭到感染,死亡率也會比較高。」

為了減少傷口併發症,必須多管齊下。陳紹緯教授說,包括把血糖控制穩定、使用預防性抗生素、術前手術部位的清潔、採用術後負壓傷口照護系統等來一起降低傷口併發症產生的風險。

傷口併發症的發生常跟傷口內的積液有關,因為傷口在縫合之後,仍會滲出組織液,而積蓄在傷口內的組織液可能滋生細菌,漸漸導致化膿、蜂窩性組織炎、甚至菌血症。陳紹緯教授說,術後負壓傷口照護系統的做法是在縫合傷口後,覆蓋特殊的敷料,然後連接一個能夠抽吸的小型主機,讓傷口維持負壓的狀態。

術後負壓傷口照護系統能夠有效排除傷口積液,降低感染風險,並幫助保持皮膚乾燥,避免傷口旁皮膚浸潤。陳紹緯教授說,維持負壓的狀態也可以幫助拉近縫合的傷口,減少側邊張力,並增加傷口附近的血流量,刺激肉芽組織生長,從而增加傷口癒合機率。在黏貼完成後,術後負壓傷口照護系統可以連續保護傷口 5 至 7 天,減少換藥頻率與不適。

-----廣告,請繼續往下閱讀-----

糖尿病、體重過重、年紀較大、慢性腎臟病、長期使用類固醇患者等,都是出現傷口併發症的高危險群,接受手術前,可以和醫師討論如何事先做好預防措施,以降低傷口感染的風險。

筆記重點整理

  • 如果冠狀動脈狹窄導致冠狀動脈血流量無法滿足心肌的需求,便會產生心絞痛;如果冠狀動脈突然阻塞,冠狀動脈血流中斷,心肌便會缺氧壞死,稱為心肌梗塞,患者可能猝死。
  • 如果三條冠狀動脈或左主冠狀動脈都嚴重狹窄,建議進行冠狀動脈繞道手術。
  • 相較於接受心導管塗藥支架治療,糖尿病合併多條冠狀動脈阻塞的病患,在長期追蹤後,接受冠狀動脈繞道手術可有效死亡風險,並能大幅降低心肌梗塞的風險,因此建議優先採用冠狀動脈繞道手術 。
  • 因為冠狀動脈心臟病患常常都有糖尿病,傷口癒合較慢且容易感染,出現傷口併發症的風險較高。因此,把血糖控制穩定、使用負壓傷口照護系統皆有助於降低傷口感染的風險。

註解

  1. Head SJ, Milojevic M, Daemen J, et al. Mortality after coronary artery bypass grafting versus percutaneous coronary intervention with stenting for coronary artery disease: a pooled analysis of individual patient data [published correction appears in Lancet. 2018 Aug 11;392(10146):476]. Lancet. 2018;391(10124):939-948. doi:10.1016/S0140-6736(18)30423-9 ↩︎

-----廣告,請繼續往下閱讀-----

0

1
1

文字

分享

0
1
1
家長留意!「胎兒小於妊娠年齡」影響生長發展,從出生到成年都會面臨健康問題
careonline_96
・2024/03/05 ・2446字 ・閱讀時間約 5 分鐘

  • 林口長庚醫院 兒童內分泌科 邱巧凡醫師/新生兒科 江明洲醫師

兒童內分泌生長門診中很常出現的一個族群是「胎兒小於妊娠年齡」的孩子。

這些小朋友在長大的過程中,相較於正常出生體重的孩子,容易出現身材矮小、性早熟、過重、肥胖,甚至到成人時期罹患代謝症候群與心血管疾病的風險也明顯較高,兒童健康守護者應特別留意。

什麼是「胎兒小於妊娠年齡」

胎兒小於妊娠年齡(small for gestational age, SGA)是指「出生體重低於同樣妊娠週數新生兒第十百分位或低於負二個標準差者」。

如何知道我的孩子是否為「胎兒小於妊娠年齡」

大家可以參考以下圖片對照寶寶出生週數與體重,即可得知寶寶出生體重是否符合該週齡。

舉例來說:一個懷孕 39 週出生的足月寶寶,出生體重只有 1800 公克,屬於「胎兒小於妊娠年齡」。

為什麼會「胎兒小於妊娠年齡」

造成「胎兒小於妊娠年齡」的原因包含:母體因素、胎盤因素與胎兒因素。

-----廣告,請繼續往下閱讀-----
  • 母體因素:如高血壓、子癲前症、營養不良、甲狀腺功能低下、感染、抽菸、吸毒、飲酒、高齡妊娠等。
  • 胎盤因素:如胎盤血管異常(如單一臍動脈、雙胞胎輸血症候群)。
  • 胎兒因素:染色體異常、先天性異常、胎兒感染等。

胎兒小於妊娠年齡」孩子成長過程會面臨哪些健康問題

  • 新生兒時期

約有 1/3「胎兒小於妊娠年齡」寶寶,在新生兒時期因為肝醣儲積不足,脂肪量不足,造成「低血糖」的發生。也容易因為體表面積相對較大,皮下脂肪相對不足,而增加「低體溫」的風險。若早產合併胎兒小於妊娠年齡,也明顯「增加新生兒死亡率」。

  • 嬰兒期

「胎兒小於妊娠年齡」的寶寶往往在出生後 3~6 個月開始出現「追趕生長」,且常常體重追趕得比身長來的快。研究發現,此階段的體重快速增加將大幅提升未來長期肥胖、代謝性症候群與心血管疾病的風險。

  • 兒童時期與青春期

生長

大多數「胎兒小於妊娠年齡」的兒童,可在成長過程發生「追趕生長」。即生長速率可高於同齡同性別之平均值,使生長曲線逐漸邁入正常範圍。將近 90%「胎兒小於妊娠年齡」的兒童可在兩歲前完成「自發性追趕生長」;若「早產」合併「胎兒小於妊娠年齡」,則需要更長時間完成追趕生長,大部分可在四歲前追趕達標。

-----廣告,請繼續往下閱讀-----

然而,仍然有 10% 左右的「胎兒小於妊娠年齡」兒童無法完成自發性追趕生長,造成終生持續身材矮小。此族群目前在美國、歐盟與日本皆已列為「生長激素治療」之適應症族群。此族群透過適當的生長激素治療,除了可改善身高預後,還可改善身體組成(減少脂肪量、增加肌肉量)、改善高膽固醇血症,並提升骨質密度。

青春期發育

大多數「胎兒小於妊娠年齡」的青春期發育時間會落在正常時間:女孩 8~13 歲,男孩 9~14 歲。但平均而言,「胎兒小於妊娠年齡」兒童的青春期還是會早於正常出生體重的兒童(初經比正常出生體重兒童提前 5~6 個月),女孩容易發生「早發性陰毛發育」,青春期的進展速度也較快,但青春期階段的生長速率卻較為緩慢,而這樣「偏早又偏快的青春期,以及偏慢的長高速率」,往往不利於理想成人身高的達成。

神經發展與認知

-----廣告,請繼續往下閱讀-----

大部分「胎兒小於妊娠年齡」兒童的腦部發育是正常的。但在極度早產兒,會增加發展遲緩、認知功能障礙、注意力不足過動症與學習障礙的風險。

  • 成人時期

相較於正常出生體重的兒童,「胎兒小於妊娠年齡」兒童在成人階段有較高的機率罹患中樞型肥胖、脂質異常、胰島素阻抗、葡萄糖代謝異常、高血壓等代謝症候群與心血管疾病,特別是兒童時期高熱量飲食、體重快速增加的肥胖兒童。由此可見「小時候胖」幾乎註定成人以後肥胖的趨勢,甚至助長成人肥胖併發症的發生。

「胎兒小於妊娠年齡」的寶寶,從出生一直到長大成人,都有許多健康議題需要特別關注。建議此族群家長,應格外留意以下幾點:

  1. 「胎兒小於妊娠年齡」的寶寶,於兩歲以前的生長曲線未達標請先不要過度擔心,出生後應密切配合新生兒科醫師或兒科醫師的追蹤安排,留意後續的生長發育狀況。
  2. 若 3~4 歲生長曲線仍明顯落後,請就診兒童內分泌科進一步評估診療。
  3. 應留意是否過早出現第二性徵。若女孩 8 歲前胸部、陰毛發育,10 歲前初經來潮;男孩 9 歲前睪丸長大、陰莖明顯變長變粗、長陰毛,請務必就診兒童內分泌科。
  4. 應避免不當餵食導致過度的體重增加,因為這將大幅提升未來代謝症候群與心血管疾病的風險。
-----廣告,請繼續往下閱讀-----

討論功能關閉中。

careonline_96
569 篇文章 ・ 279 位粉絲
台灣最大醫療入口網站