0

6
1

文字

分享

0
6
1

社交距離APP裝了沒!它的運作機制是什麼?會有資安風險嗎?

台灣科技媒體中心_96
・2021/05/19 ・3464字 ・閱讀時間約 7 分鐘 ・SR值 565 ・九年級

「台灣社交距離APP」由台灣人工智慧實驗室開發,與行政院及衛生福利部疾病管制署合作。目的是希望讓使用者即時掌握與確診者接觸情形,降低疫情傳播。已可在 iOSAndroid 版本的手機上下載。

接觸史追蹤手機應用軟體的原理

臺大圖書資訊學系助理教授 鄭瑋與資訊工程學系副教授 蕭旭君在文中解釋接觸史追蹤手機應用軟體的原理。臺灣每日記者會所說的「疫調工作」大約是國人熟悉的接觸史追蹤,然而一旦有社區感染的疑慮,或是確診者數量增加時,則可能會造成人力上的負擔,難以用同樣的方式追蹤。「接觸史追蹤手機應用軟體(後簡稱為接觸史追蹤App)」就是將科技應用結合疫情調查體系的一種運作方式。

最近正在推廣的「台灣社交距離 App 」正是一款接觸史追蹤App,接觸史追蹤App在去年於世界各國政府紛紛出現,可參見MIT 的Technical review持續整理報導 1

「台灣社交距離 App」軟體是基於 Apple 與 Google 此兩大公司聯手推出的「暴露通知」(Exposure Notification)功能 2。將 Apple 與 Google 的手機內建此功能,再由各個國家的官方衛生單位申請,即可啟用。

兩大公司所推出的暴露通知功能,以及其他類似的通訊協定,皆是利用藍牙訊息廣播的特性,以保障使用者的隱私。

-----廣告,請繼續往下閱讀-----

根據相關技術文件2,大部分利用藍牙技術的接觸史追蹤 App 運作原理如下:

  1. 接觸史追蹤App透過藍牙通訊,週期性地廣播隨機 ID (例如每分鐘傳 5 次,這裡只是舉例,真實情況以各App為準)。
  2. 接觸史追蹤 App 記錄其接收到的隨機 ID 。因藍牙的傳輸距離有限(傳統藍芽設備在無障礙的環境下約可達 100 公尺),有收到別人的廣播 ID即代表雙方在附近,因此還可以根據藍牙的訊號強度估計雙方距離。
  3. 隨機產生的ID會「週期性更換」(如:每幾分鐘更換一次)。週期性更換的設計很重要,它讓使用者的行蹤不會長期被追蹤。
  4. 確診者可自己決定是否上傳過去 14 天內曾廣播過的隨機 ID。這邊須注意的是,確診者必須在輸入衛生單位的驗證碼後,才能上傳。此種驗證碼機制是為避免使用者誤發自己是確診者。
  5. 此類接觸史追蹤 App 會定期下載確診者的隨機 ID,並與使用者的ID比對。若比對結果有配對成功,表示使用者過去曾經與確診者接觸。這邊要強調的是,系統沒有即時警示「有無接觸」的功能,而是設計為過去14天的「回溯配對」功能。

這樣的系統(利用藍牙技術的接觸史追蹤 App)能透過藍牙訊號強度估計兩支手機之間的距離,進而判斷兩支手機的主人是否有「接觸」(亦即在近距離待了一定時間)。

個人行蹤隱私會因此洩漏嗎?

此款APP的使用,是否會洩漏個人行蹤隱私呢?

中山資訊工程系助理教授徐瑞壕說明,由於這款社交距離APP的原理,是透過民眾手機上藍牙通訊介面的收發訊號,來紀錄民眾彼此的手機之間近距離接觸足跡。此處所發送的藍芽訊號,是一組隨機識別碼,由隨機亂數搭配可以被查驗的虛擬識別碼所產生,每組識別碼會綁定一支手機,會定期地透過藍芽傳送識別碼。每支手機透過社交距離APP記錄的每一個識別碼,都會紀錄接收的時間,並且存放在使用者的手機內,並不會上傳至雲端伺服器。

-----廣告,請繼續往下閱讀-----

只有當民眾自己被檢出為確診者時,才需要將自己手機內存放的社交距離識別碼紀錄上傳至雲端,並由雲端伺服器發送通知給那些曾經近距離接觸過確診者的民眾。因此,此APP不會洩漏任何非確診者的個人資料與行蹤。

多數的暴漏通知功能,都是利用藍芽的特性。圖/Image by 200 Degrees from Pixabay

至於隨機 ID是否有可能暴露身份或行蹤給其他路人?鄭瑋與蕭旭君亦有說明,ID隨機產生且定期更換(如每幾分鐘更換一次),因此很難透過 ID 所傳達的資訊連結回特定使用者,且也不容易追蹤特定使用者的行蹤,再加上隨機 ID 能透露的資訊亦相當有限。此外,App軟體 中只會儲存自己廣播過的隨機 ID,以及收到別人的隨機 ID,並不儲存其他資料。

徐瑞壕對於社交距離APP 所能提供的資料,還有以下補充事項:

  1. 此APP不會洩漏任何非確診者的個人資料與行蹤。
  2. 確診者的行蹤記錄,會由確診者同意後,並且透過APP雲端伺服器所發送的驗證碼,來上傳足跡並驗證上傳的授權合法性。
  3. 如果民眾的手機不是隨時帶在身邊,而遺忘在某處,也可能因此產生不正確的足跡,因此該APP仍屬於輔助疫調的工具,不能作為疫調足跡的唯一工具。
  4. 如果APP的使用普及率不夠高,則無法作為有效的疫調工具,因此鼓勵民眾可多加利用。

社交距離 APP 與 Apple 的 AirTag 技術,基本的設計原理是相同的,皆是透過藍芽裝置的訊號收送,來確認裝置間相關位置,並定位。但市面上其他類似功能的 APP,是否涉及個人用戶隱私,就會需要分別確認,視每個 APP 上傳了什麼樣的個人用戶資訊而定。

-----廣告,請繼續往下閱讀-----

裝好了,該怎麼用才能成功防疫?

鄭瑋與蕭旭君提醒,若需要準確提升事後回溯比對的效果, 要有以下前提:

  1. App的使用者須正確安裝啟用,並確實將藍牙訊號打開
    因為此App機制是由藍牙技術交換隨機 ID,若沒有安裝成功,抑或是沒有打開藍牙,將會沒有辦法傳送和接收隨機 ID。
  2. 正確啟用的人數需達一定規模
    此機制仰賴手機發送和接收隨機 ID,進行事後回溯比對時,若愈多人正確啟用則愈能反應真實接觸狀況。近期研究分析了英國的 NHS COVID-19 App 相關數據,指出其使用率為英國全體國民的 28% ,且有助防疫4
  3. 盡量減少環境障礙物
    藍牙訊號強度易受到障礙物影響,此則可能難以精準估計距離。有國外研究指出5,將手機放在背包的深處或是衣物口袋中會削弱藍芽的訊號強度。
  4. 避免群聚
    事實上使用此APP仍應避免群聚。我們跨三校四系的團隊(台大資訊工程系、台大圖資系、交大資訊工程系、台科大資訊工程系)2020年7月的藍牙訊號實驗顯示6在人員密集處,即便保持社交距離,對藍牙訊號來說人體也是障礙物,且藍牙訊號也會互相干擾;因此藍牙訊號的漏失率會提升,根據訊號強度來估計距離的結果可能也不準確。

鄭瑋與蕭旭君並特別提醒大家,即便App沒有回溯比對到您曾與確診者接觸,也不代表絕對安全。因為藍牙訊號可能因為種種原因受到干擾,因此有時無法判斷接觸情形,也可能無法精確估算接觸距離,且確診者也不一定有事先安裝 App。

不應使用此App就產生錯誤的安全感,也不能有了社交距離App就在疫情升溫時放心社交、群聚。

總的來說,使用「台灣社交距離App 」確能為防疫多加一道防線,不過避免人多與群聚的地方、保持社交距離以及環境與重視個人衛生,才是落實防疫的不二法門。

安裝聯結:iOSAndroid ,一起裝起來吧!

參考資料

  1. Bobbie Johnsonarchive (2020). The Covid Tracing Tracker: What’s happening in coronavirus apps around the world.
  2.  Google (2020). Exposure Notifications Express overview.
  3. 新加坡數位服務部門所研發的藍牙追蹤(BlueTrace)協定請參考:Responding to COVID-19 With Tech.
  4. Wymant, C., Ferretti, L., Tsallis, D. et al. (2021). The epidemiological impact of the NHS COVID-19 App. Nature.
  5. Douglas J. Leith and Stephen Farrell. (2020). Coronavirus contact tracing: evaluating the potential of using bluetooth received signal strength for proximity detection. SIGCOMM Comput. Commun. Rev. 50, 4 (October 2020), 66–74.
  6. Hsiao, H.-C., Huang, C.-Y., Hong, B.-K., Cheng, S.-M., Hu, H.-Y., Wu, C.-C., Lee, J.-S., Wang, S.-H. & Jeng, W. (2020). An Empirical Evaluation of Bluetooth-based Decentralized Contact Tracing in Crowds. arXiv preprint arXiv:2011.04322.

關於「臺灣社交App」的資料

  1. 衛生福利部疾病管制署(2021)。〈臺灣社交距離App〉。
  2. 科技新報(2021)。〈社區感染來了!快載「台灣社交距離」APP,小心確診者在身邊〉。
  3. 台灣人工智慧實驗室(Taiwan AI Labs)(2021)。〈Taiwan Social Distancing APP〉。
  4. 台灣人工智慧實驗室(Taiwan AI Labs)(2021)。〈台灣社交距離 App注意事項及各資保護說明〉。
文章難易度
台灣科技媒體中心_96
46 篇文章 ・ 328 位粉絲
台灣科技媒體中心希望架構一個具跨領域溝通性質的科學新聞平台,提供正確的科學新聞素材與科學新聞專題探討。

0

1
2

文字

分享

0
1
2
圖形處理單元與人工智慧
賴昭正_96
・2024/06/24 ・6944字 ・閱讀時間約 14 分鐘

-----廣告,請繼續往下閱讀-----

  • 作者/賴昭正|前清大化學系教授、系主任、所長;合創科學月刊

我擔心人工智慧可能會完全取代人類。如果人們能設計電腦病毒,那麼就會有人設計出能夠自我改進和複製的人工智慧。 這將是一種超越人類的新生命形式。

——史蒂芬.霍金(Stephen Hawking) 英國理論物理學家

大約在八十年前,當第一台數位計算機出現時,一些電腦科學家便一直致力於讓機器具有像人類一樣的智慧;但七十年後,還是沒有機器能夠可靠地提供人類程度的語言或影像辨識功能。誰又想到「人工智慧」(Artificial Intelligent,簡稱 AI)的能力最近十年突然起飛,在許多(所有?)領域的測試中擊敗了人類,正在改變各個領域——包括假新聞的製造與散佈——的生態。

圖形處理單元(graphic process unit,簡稱 GPU)是這場「人工智慧」革命中的最大助手。它的興起使得九年前還是個小公司的 Nvidia(英偉達)股票從每股不到 $5,上升到今天(5 月 24 日)每股超過 $1000(註一)的全世界第三大公司,其創辦人(之一)兼首席執行官、出生於台南的黃仁勳(Jenson Huang)也一躍成為全世界排名 20 內的大富豪、台灣家喻戶曉的名人!可是多少人了解圖形處理單元是什麼嗎?到底是時勢造英雄,還是英雄造時勢?

黃仁勳出席2016年台北國際電腦展
Nvidia 的崛起究竟是時勢造英雄,還是英雄造時勢?圖/wikimedia

在回答這問題之前,筆者得先聲明筆者不是學電腦的,因此在這裡所能談的只是與電腦設計細節無關的基本原理。筆者認為將原理轉成實用工具是專家的事,不是我們外行人需要了解的;但作為一位現在的知識分子或公民,了解基本原理則是必備的條件:例如了解「能量不滅定律」就可以不用仔細分析,即可判斷永動機是騙人的;又如現在可攜帶型冷氣機充斥市面上,它們不用往室外排廢熱氣,就可以提供屋內冷氣,讀者買嗎?

CPU 與 GPU

不管是大型電腦或個人電腦都需具有「中央處理單元」(central process unit,簡稱 CPU)。CPU 是電腦的「腦」,其電子電路負責處理所有軟體正確運作所需的所有任務,如算術、邏輯、控制、輸入和輸出操作等等。雖然早期的設計即可以讓一個指令同時做兩、三件不同的工作;但為了簡單化,我們在這裡所談的工作將只是執行算術和邏輯運算的工作(arithmetic and logic unit,簡稱 ALU),如將兩個數加在一起。在這一簡化的定義下,CPU 在任何一個時刻均只能執行一件工作而已。

-----廣告,請繼續往下閱讀-----

在個人電腦剛出現只能用於一般事物的處理時,CPU 均能非常勝任地完成任務。但電腦圖形和動畫的出現帶來了第一批運算密集型工作負載後,CPU 開始顯示心有餘而力不足:例如電玩動畫需要應用程式處理數以萬計的像素(pixel),每個像素都有自己的顏色、光強度、和運動等, 使得 CPU 根本沒辦法在短時間內完成這些工作。於是出現了主機板上之「顯示插卡」來支援補助 CPU。

1999 年,英偉達將其一「具有集成變換、照明、三角形設定/裁剪、和透過應用程式從模型產生二維或三維影像的單晶片處理器」(註二)定位為「世界上第一款 GPU」,「GPU」這一名詞於焉誕生。不像 CPU,GPU 可以在同一個時刻執行許多算術和邏輯運算的工作,快速地完成圖形和動畫的變化。

依序計算和平行計算

一部電腦 CPU 如何計算 7×5+6/3 呢?因每一時刻只能做一件事,所以其步驟為:

  • 計算 7×5;
  • 計算 6/3;
  • 將結果相加。

總共需要 3 個運算時間。但如果我們有兩個 CPU 呢?很多工作便可以同時(平行)進行:

-----廣告,請繼續往下閱讀-----
  • 同時計算 7×5 及 6/3;
  • 將結果相加。

只需要 2 個運算時間,比單獨的 CPU 減少了一個。這看起來好像沒節省多少時間,但如果我們有 16 對 a×b 要相加呢?單獨的 CPU 需要 31 個運算的時間(16 個 × 的運算時間及 15 個 + 的運算時間),而有 16 個小 CPU 的 GPU 則只需要 5 個運算的時間(1 個 × 的運算時間及 4 個 + 的運算時間)!

現在就讓我們來看看為什麼稱 GPU 為「圖形」處理單元。圖一左圖《我愛科學》一書擺斜了,如何將它擺正成右圖呢? 一句話:「將整個圖逆時針方向旋轉 θ 即可」。但因為左圖是由上百萬個像素點(座標 x, y)組成的,所以這句簡單的話可讓 CPU 忙得不亦樂乎了:每一點的座標都必須做如下的轉換

x’ = x cosθ + y sinθ

y’ = -x sinθ+ y cosθ

-----廣告,請繼續往下閱讀-----

即每一點均需要做四個 × 及兩個 + 的運算!如果每一運算需要 10-6 秒,那麼讓《我愛科學》一書做個簡單的角度旋轉,便需要 6 秒,這豈是電動玩具畫面變化所能接受的?

圖形處理的例子

人類的許多發明都是基於需要的關係,因此電腦硬件設計家便開始思考:這些點轉換都是獨立的,為什麼我們不讓它們同時進行(平行運算,parallel processing)呢?於是專門用來處理「圖形」的處理單元出現了——就是我們現在所知的 GPU。如果一個 GPU 可以同時處理 106 運算,那上圖的轉換只需 10-6 秒鐘!

GPU 的興起

GPU 可分成兩種:

  • 整合式圖形「卡」(integrated graphics)是內建於 CPU 中的 GPU,所以不是插卡,它與 CPU 共享系統記憶體,沒有單獨的記憶體組來儲存圖形/視訊,主要用於大部分的個人電腦及筆記型電腦上;早期英特爾(Intel)因為不讓插卡 GPU 侵蝕主機的地盤,在這方面的研發佔領先的地位,約佔 68% 的市場。
  • 獨立顯示卡(discrete graphics)有不與 CPU 共享的自己專用內存;由於與處理器晶片分離,它會消耗更多電量並產生大量熱量;然而,也正是因為有自己的記憶體來源和電源,它可以比整合式顯示卡提供更高的效能。

2007 年,英偉達發布了可以在獨立 GPU 上進行平行處理的軟體層後,科學家發現獨立 GPU 不但能夠快速處理圖形變化,在需要大量計算才能實現特定結果的任務上也非常有效,因此開啟了為計算密集型的實用題目編寫 GPU 程式的領域。如今獨立 GPU 的應用範圍已遠遠超出當初圖形處理,不但擴大到醫學影像和地震成像等之複雜圖像和影片編輯及視覺化,也應用於駕駛、導航、天氣預報、大資料庫分析、機器學習、人工智慧、加密貨幣挖礦、及分子動力學模擬(註三)等其它領域。獨立 GPU 已成為人工智慧生態系統中不可或缺的一部分,正在改變我們的生活方式及許多行業的遊戲規則。英特爾在這方面發展較遲,遠遠落在英偉達(80%)及超微半導體公司(Advance Micro Devices Inc.,19%,註四)之後,大約只有 1% 的市場。

-----廣告,請繼續往下閱讀-----
典型的CPU與GPU架構

事實上現在的中央處理單元也不再是真正的「單元」,而是如圖二可含有多個可以同時處理運算的核心(core)單元。GPU 犧牲大量快取和控制單元以獲得更多的處理核心,因此其核心功能不如 CPU 核心強大,但它們能同時高速執行大量相同的指令,在平行運算中發揮強大作用。現在電腦通常具有 2 到 64 個核心;GPU 則具有上千、甚至上萬的核心。

結論

我們一看到《我愛科學》這本書,不需要一點一點地從左上到右下慢慢掃描,即可瞬間知道它上面有書名、出版社等,也知道它擺斜了。這種「平行運作」的能力不僅限於視覺,它也延伸到其它感官和認知功能。例如筆者在清華大學授課時常犯的一個毛病是:嘴巴在講,腦筋思考已經不知往前跑了多少公里,常常為了追趕而越講越快,將不少學生拋到腦後!這不表示筆者聰明,因為研究人員發現我們的大腦具有同時處理和解釋大量感官輸入的能力。

人工智慧是一種讓電腦或機器能夠模擬人類智慧和解決問題能力的科技,因此必須如人腦一樣能同時並行地處理許多資料。學過矩陣(matrix)的讀者應該知道,如果用矩陣和向量(vector)表達,上面所談到之座標轉換將是非常簡潔的(註五)。而矩陣和向量計算正是機器學習(machine learning)演算法的基礎!也正是獨立圖形處理單元最強大的功能所在!因此我們可以了解為什麼 GPU 會成為人工智慧開發的基石:它們的架構就是充分利用並行處理,來快速執行多個操作,進行訓練電腦或機器以人腦之思考與學習的方式處理資料——稱為「深度學習」(deep learning)。

黃仁勳在 5 月 22 日的發布業績新聞上謂:「下一次工業革命已經開始了:企業界和各國正與英偉達合作,將價值數萬億美元的傳統資料中心轉變為加速運算及新型資料中心——人工智慧工廠——以生產新商品『人工智慧』。人工智慧將為每個產業帶來顯著的生產力提升,幫助企業降低成本和提高能源效率,同時擴大收入機會。」

附錄

人工智慧的實用例子:下面一段是微軟的「copilot」代書、谷歌的「translate」代譯之「one paragraph summary of GPU and AI」。讀完後,讀者是不是認為筆者該退休了?

-----廣告,請繼續往下閱讀-----

GPU(圖形處理單元)和 AI(人工智慧)之間的協同作用徹底改變了高效能運算領域。GPU 具有平行處理能力,特別適合人工智慧和機器學習所需的複雜資料密集運算。這導致了影像和視訊處理等領域的重大進步,使自動駕駛和臉部辨識等技術變得更加高效和可靠。NVIDIA 開發的平行運算平台 CUDA 進一步提高了 GPU 的效率,使開發人員能夠透過將人工智慧問題分解為更小的、可管理的、可同時處理的任務來解決這些問題。這不僅加快了人工智慧研究的步伐,而且使其更具成本效益,因為 GPU 可以在很短的時間內執行與多個 CPU 相同的任務。隨著人工智慧的不斷發展,GPU 的角色可能會變得更加不可或缺,推動各產業的創新和新的可能性。大腦透過神經元網路實現這一目標,這些神經元網路可以獨立但有凝聚力地工作,使我們能夠執行複雜的任務,例如駕駛、導航、觀察交通信號、聽音樂並同時規劃我們的路線。此外,研究表明,與非人類動物相比,人類大腦具有更多平行通路,這表明我們的神經處理具有更高的複雜性。這個複雜的系統證明了我們認知功能的卓越適應性和效率。我們可以一邊和朋友聊天一邊走在街上,一邊聽音樂一邊做飯,或一邊聽講座一邊做筆記。人工智慧是模擬人類腦神經網路的科技,因此必須能同時並行地來處理許多資料。研究人員發現了人腦通訊網路具有一個在獼猴或小鼠中未觀察獨特特徵:透過多個並行路徑傳輸訊息,因此具有令人難以置信的多任務處理能力。

註解

(註一)當讀者看到此篇文章時,其股票已一股換十股,現在每一股約在 $100 左右。

(註二)組裝或升級過個人電腦的讀者或許還記得「英偉達精視 256」(GeForce 256)插卡吧?

(註三)筆者於 1984 年離開清華大學到 IBM 時,就是參加了被認為全世界使用電腦時間最多的量子化學家、IBM「院士(fellow)」Enrico Clementi 的團隊:因為當時英偉達還未有可以在 GPU 上進行平行處理的軟體層,我們只能自己寫軟體將 8 台中型電腦(非 IBM 品牌!)與一大型電腦連接來做平行運算,進行分子動力學模擬等的科學研究。如果晚生 30 年或許就不會那麼辛苦了?

-----廣告,請繼續往下閱讀-----

(註四)補助個人電腦用的 GPU 品牌到 2000 年時只剩下兩大主導廠商:英偉達及 ATI(Array Technology Inc.)。後者是出生於香港之四位中國人於 1985 年在加拿大安大略省成立,2006 年被超微半導體公司收購,品牌於 2010 年被淘汰。超微半導體公司於 2014 年 10 月提升台南出生之蘇姿豐(Lisa Tzwu-Fang Su)博士為執行長後,股票從每股 $4 左右,上升到今天每股超過 $160,其市值已經是英特爾的兩倍,完全擺脫了在後者陰影下求生存的小眾玩家角色,正在挑戰英偉達的 GPU 市場。順便一題:超微半導體公司現任總裁(兼 AI 策略負責人)為出生於台北的彭明博(Victor Peng);與黃仁勳及蘇姿豐一樣,也是小時候就隨父母親移居到美國。

(註五)

延伸閱讀

  • 熱力學與能源利用」,《科學月刊》,1982 年 3 月號;收集於《我愛科學》(華騰文化有限公司,2017 年 12 月出版),轉載於「嘉義市政府全球資訊網」。
  • 網路安全技術與比特幣」,《科學月刊》,2020 年 11 月號;轉載於「善科教育基金會」的《科技大補帖》專欄。
文章難易度

討論功能關閉中。

賴昭正_96
43 篇文章 ・ 54 位粉絲
成功大學化學工程系學士,芝加哥大學化學物理博士。在芝大時與一群留學生合創「科學月刊」。一直想回國貢獻所學,因此畢業後不久即回清大化學系任教。自認平易近人,但教學嚴謹,因此穫有「賴大刀」之惡名!於1982年時當選爲 清大化學系新一代的年青首任系主任兼所長;但壯志難酬,兩年後即辭職到美留浪。晚期曾回台蓋工廠及創業,均應「水土不服」而鎩羽而歸。正式退休後,除了開始又爲科學月刊寫文章外,全職帶小孫女(半歲起);現已成七歲之小孫女的BFF(2015)。首先接觸到泛科學是因爲科學月刊將我的一篇文章「愛因斯坦的最大的錯誤一宇宙論常數」推薦到泛科學重登。

2

1
0

文字

分享

2
1
0
找回擁有食物的主導權?從零開始「菇類採集」!——《真菌大未來》
積木文化
・2024/02/25 ・4266字 ・閱讀時間約 8 分鐘

-----廣告,請繼續往下閱讀-----

菇類採集

在新冠肺炎(COVID-19)大流行後,馬斯洛「需求層次理論」裡的食品與安全在眾目睽睽下被抽離出來,變成後疫情時代最重要的兩個元素。對食物的焦慮點燃人們大腦中所有生存意志,於是大家開始恐慌性地購買,讓原本就已經脆弱、易受攻擊的現代糧食系統更岌岌可危。

值得慶幸的是,我們的祖先以前就經歷過這一切,留下來的經驗值得借鏡。菇類採集的興趣在艱難時期達到顛峰,這反映了人類本能上對未來產生的恐懼。1 無論是否有意,我們意識到需要找回擁有食物的主導權,循著古老能力的引導來找尋、準備我們自己的食物,如此才能應付食物短缺所產生的焦慮。

在新冠肺炎大流行後,馬斯洛「需求層次理論」裡的食品與安全在眾目睽睽下被抽離出來,變成後疫情時代最重要的兩個元素。圖/pexels

我們看見越來越多人以城市採集者的身分對野生菇類有了新的品味,進而找到安全感並與大自然建立起連結。這並不是說菇類採集將成為主要的生存方式,而是找回重新獲得自給自足能力的安全感。此外,菇類採集的快感就足以讓任何人不斷回歸嘗試。

在這個數位時代,菇類採集是讓我們能與自然重新連結的獨特活動。我們早已遺忘,身體和本能,就是遺傳自世世代代與自然和諧相處的菇類採集者。走出現代牢籠、進入大自然從而獲得的心理和心靈滋養不容小不容小覷。森林和其他自然空間提醒著我們,這裡還存在另一個宇宙,且和那些由金錢、商業、政治與媒體統治的宇宙同樣重要(或更重要)。

-----廣告,請繼續往下閱讀-----
在這個數位時代,菇類採集是讓我們能與自然重新連結的獨特活動。圖/unsplash

只有願意撥開遮蓋的落葉並專注尋找,才能體認到菇類的多樣性和廣泛分布。一趟森林之旅能讓人與廣大的生態系統重新建立連結,另一方面也提醒我們,自己永遠屬於生命之網的一部分,從未被排除在外。

腐爛的樹幹不再讓人看了難受,而是一個充滿機遇的地方:多孔菌(Bracket Fungi)──這個外觀看起來像貨架的木材分解者,就在腐爛的樹幹上茁壯成長,規模雖小卻很常見。此外,枯葉中、倒下的樹上、草地裡或牛糞上,也都是菇類生長的地方。

菇類採集是一種社會的「反學習」(遺忘先前所學)。你不是被動地吸收資訊,而是主動且專注地在森林的每個角落尋找真菌。不過度採集、只拿自身所需,把剩下的留給別人。你不再感覺遲鈍,而是磨練出注意的技巧,只注意菇類、泥土的香氣,以及醒目的形狀、質地和顏色。

只有願意撥開遮蓋的落葉並專注尋找,才能體認到菇類的多樣性和廣泛分布。圖/unsplash

菇類採集喚醒身體的感官感受,讓心靈與身體重新建立連結。這是一種可以從中瞭解自然世界的感人冥想,每次的發現都振奮人心,運氣好的話還可以帶一些免費、美味又營養的食物回家。祝您採集愉快。

-----廣告,請繼續往下閱讀-----

計畫

菇類採集就像在生活中摸索一樣,很難照既定計畫執行,而且以前的經歷完全派不上用場。最好的方法就是放棄「非採集到什麼不可」的念頭,持開放心態走出戶外執行這項工作。菇類採集不僅是享受找到菇的滿足感,更重要的是體驗走過鬆脆的樹葉、聞著森林潮濕的有機氣味,並與手持手杖和柳條筐的友善採菇人相遇的過程。

菇類採集很難照既定計畫執行,最好的方法就是放棄「非採集到什麼不可」的念頭。採集過程幾乎就像玩捉迷藏,只不過你根本不確定自己在找什麼,甚至根本不知道要找的東西是否存在。圖/unsplash

你很快就會明白為什麼真菌會有「神秘的生物界」的稱號。真菌無所不在但又難以捉摸,採集過程幾乎就像玩捉迷藏,只不過你根本不確定自己在找什麼,甚至根本不知道要找的東西是否存在。但還是要有信心,只要循著樹木走、翻動一下原木、看看有落葉的地方,這個過程就會為你指路。一點點的計畫,將大大增加你獲得健康收益的機會。所以,讓我們開始吧。

去哪裡找?

林地和草原,是你將開始探索的兩個主要所在。林地底層提供真菌所需的有機物質,也為樹木提供菌根關係。橡樹、松樹、山毛櫸和白樺樹都是長期的菌根夥伴,所以循著樹種,就離找到目標菇類更近了。

林地底層提供真菌所需的有機物質,也為樹木提供菌根關係。圖/pexels

草原上也會有大量菇類,但由於這裡的樹木多樣性和環境條件不足,所以菇類種類會比林地少許多。如果這些地點選項對你來說都太遠了,那麼可以試著在自家花園或在地公園綠地當中尋找看看。這些也都是尋菇的好地方。

-----廣告,請繼續往下閱讀-----

澳洲新南威爾斯州奧伯倫

澳洲可以說是真菌天堂。與其他大陸隔絕的歷史、不斷變化的氣候以及營養豐富的森林,讓澳洲真菌擁有廣大的多樣性。澳洲新南威爾斯州(New South Wales)的奧伯倫(Oberon)就有一座超過四萬公頃的松樹林,是採集菇類的最佳地點之一。

在那裡,有廣受歡迎的可食用菌松乳菇(又稱紅松菌),據說這種真菌的菌絲體附著在一棵歐洲進口樹的根部,而意外被引進澳洲。 1821 年,英國真菌學家塞繆爾・弗里德里克・格雷(Samuel Frederick Gray)將這種胡蘿蔔色的菇命名為美味乳菇(Lactarius deliciosus),這的確名符其實,因為「Deliciosus」在拉丁語中意為「美味」。如果想要在奧伯倫找到這些菇類,秋天時就要開始計劃,在隔年二月下旬至五月的產季到訪。

位於澳洲新南威爾斯州的奧伯倫就有一座超過四萬公頃的松樹林,是採集菇類的絕佳地點。圖/unsplash

英國漢普郡新森林國家公園

在英國,漢普郡的新森林國家公園(Hampshire’s New Forest)距離倫敦有九十分鐘的火車車程。它由林地和草原組成,當中有種類繁多的植物群、動物群和真菌可供遊客觀賞,甚至還有野生馬匹在園區裡四處遊蕩。

這片森林擁有兩千五百多種真菌,其中包括會散發惡臭的臭角菌(Phallus impudicus),它的外觀和結構就如圖鑑中描述般,與男性生殖器相似且不常見。還有喜好生長於橡樹上,外觀像架子一樣層層堆疊的硫色絢孔菌(Laetiporus sulphureus ,又稱林中雞)。該國家公園不允許遊客採收這裡的菇,所以請把時間花在搜尋、鑑別與欣賞真菌上。如果幸運的話,該地區可能會有採集團體可以加入,但能做的也僅限於採集圖像鑑別菇類,而非採集食用。

-----廣告,請繼續往下閱讀-----
在英國,漢普郡的新森林國家公園由林地和草原組成,當中有種類繁多的植物群、動物群和真菌可供遊客觀賞。該國家公園不允許遊客採收這裡的菇,所以請把時間花在搜尋、鑑別與欣賞真菌上。圖/unsplash

美國紐約市中央公園

甚至紐約市的中央公園也有採集菇類的可能性。雖然在 1850 年代公園建造之時並未刻意引進菇類物種,但這個占地八百四十英畝的公園現已登錄了四百多種菇類,足以證明真菌孢子的影響之深遠。

加里・林科夫(Gary Lincoff)是一位自學成才、被稱作「菇類吹笛人」2 的真菌學家,他住在中央公園附近,並以紐約真菌學會的名義會定期舉辦菇類採集活動。林科夫是該學會的早期成員之一,該學會於 1962 年由前衛作曲家約翰・凱吉(John Cage)重新恢復運作。凱吉也是一位自學成才的業餘真菌學家,並靠自己的能力成為專家。

甚至紐約市的中央公園也有採集菇類的可能性。雖然在 1850 年代公園建造之時並未刻意引進菇類物種,但這個占地八百四十英畝的公園現已登錄了四百多種菇類。圖/wikipedia

進行菇類採集時,找瞭解特定物種及其棲息地的在地專家結伴同行,總是有幫助的。如果你需要一個採集嚮導,求助於所在地的真菌學會會是一個正確方向。

何時去找?

在適當的環境條件下(例如溫度、光照、濕度和二氧化碳濃度),菌絲體全年皆可生長。某些物種對環境條件較敏感,但平均理想溫度介於 15~24 ℃ 之間,通常是正要進入冬季或冬季剛過期間,因此秋季和春季會是為採集菇類作計畫的好季節。

-----廣告,請繼續往下閱讀-----
秋季和春季是為採集菇類作計畫的好季節,但因為菇類受溫度變化模式和降雨量的影響很大,所以每年採菇的旺季時間會略有不同。圖/unsplash

當菌絲體從周圍吸收水分時,會產生一股破裂性的力量,讓細胞充滿水分並開始出菇。這就是菇類通常會出現在雨後和一年中最潮濕月份的原因。牢記這些條件,就可以引導你找到寶藏。但也要記得,因為菇類受溫度變化模式和降雨量的影響很大,所以每年採菇的旺季時間會略有不同。

註解

  1. Sonya Sachdeva, Marla R Emery and Patrick T Hurley, ‘Depiction of wild food foraging practices in the media: Impact of the great recession’, Society & Natural Resources, vol. 31, issue 8, 2018, <doi.org/10.1080/08941920.2 018.1450914>. ↩︎
  2. 譯注:民間傳說人物。吹笛人消除了哈梅林鎮的所有老鼠,但鎮上官員拒絕給予承諾的報酬,於是他就吹奏著美麗的音樂,把所有孩子帶出哈梅林鎮。 ↩︎

——本文摘自《真菌大未來:不斷改變世界樣貌的全能生物,從食品、醫藥、建築、環保到迷幻》,2023 年 12 月,積木文化出版,未經同意請勿轉載。

所有討論 2

2

1
1

文字

分享

2
1
1
2020 年公民科學事件簿:#長新冠(#Long Covid)
A.H._96
・2023/10/20 ・5564字 ・閱讀時間約 11 分鐘

通過患者主導的研究和患者主導的行動主義,
患者似乎正在編寫第一本關於長新冠的教科書

(Amali Lokugamage, 2020 而後被世衛總幹事引用1

時空回到 2020 年 5 月下旬,台灣的新冠疫情頭條新聞是國內新冠肺炎疫情趨緩,連續超過一個月沒有本土確診病例,然而全球確診數卻已衝破 500 萬大關 2。那是台灣全民和網路社群每日為 +0 歡欣鼓舞的日子,清零台灣很難想像其他國家在疫情狂飆下的生活樣貌。

全球大部分國家在封城與疫情無法控制的脈絡下,原本防疫科學辭典裡沒有的名詞,在 2020 年春季歐美英語使用者的網路社群中漸漸流傳開來。由於網路社群媒體允許患者在封鎖與身體狀態不佳的限制下,在網路社群中相互尋找和資訊交流,產生共鳴與共識進而發展出一個共通術語,也就是我們現在熟知的「長新冠(Long COVID)」或國內較不熟悉的另一個相似詞「長途運輸者(Long-hauler)/長途運輸的新冠 (long-haul COVID) 3」。

我們現在知道的「長新冠」已不是網路世界中的虛擬事件,而是科學家和國際組織認定的「科學物件 (scientific object)」。世界衛生組織正式定義:新冠後症狀(Post COVID-19 condition ),簡稱長新冠(Long COVID) 是指在初次感染新冠病毒三個月後繼續或出現新症狀,症狀持續至少兩個月,無法用其他診斷來解釋的病症 4。長新冠患者的發病率也從早期研究的 10%,20% 至近期《自然》期刊《科學報告》5 所敘述的 30-60% 。此篇論文主要提出感染新冠兩年後仍對免疫系統造成不良影響,再次令人不僅感嘆新冠的長尾還真是長,不過我們關注的焦點是論文中的這段敘述:

“有趣的是「長新冠」一詞是由倫敦大學考古學家艾爾莎・佩雷戈(Elsa Perego)在推特上推廣來自患者創造的術語而興起的。”

圖一:網路社群廣用的主題標籤來描述或分享長新冠資訊。圖/作者提供

這個來自 2020 年春天「患者創造的術語」, 2021 年 10 月 6 日世衛公布長新冠的正式定義,雖然使用的是「新冠後症狀(post COVID-19 condition)」,但長新冠仍是最通用的術語。在今年(2023)的 7 月 31 日美國衛生與公眾服務部(Health and Human Service, HHS)宣布正式成立「長新冠研究與實務辦公室 (the Office of Long COVID Research and Practice)」,同時也啟動了長新冠的臨床試驗 6。這場網路社群的公眾參與科學論述理念,由下而上的草根運動,進而引起廣泛群眾社會良知並驅動科學家研究,最後促成相關政策組織的成立過程,即是社會學家所稱的「公民科學(citizen science)」7

-----廣告,請繼續往下閱讀-----

那麼我們不禁好奇,這一切是如何開始的?

現在若按照世衛的「長新冠」定義,感染三個月後持續二個月症狀合計至少五個月的病程,那麼文獻上 2020 年 5 月這個時間點,反應了歐美國家初期大規模感染後,累積一定數量患者在確診後「理論上康復」但卻持續有各種症狀困擾的情形。當時各國的衛生當局和醫療機構尚未認識到新冠感染造成長期後遺症的可能性,而世衛最初資訊亦表示新冠輕症感染者的病程平均持續兩周。

佩雷戈在 2020 年 5 月 20 日(英國時間)是目前文獻上記載最早的長新冠推文,後續網路社群媒體陸續出現如圖一所標示與長新冠有關的主題標籤。佩雷戈與其他科學家 2020 年 9 月發表了一封公開信,標題是「為什麼我們需要患者所提出的『長新冠』術語」,說明長新冠一詞強調了當時輕症卻持續超過二周以上的多種後遺症,這個術語有助於認識新冠發病機制本身具有特異性,而術語本身的簡單性和力量則有助於在全球範圍內爭取公平認可,並確保公眾在接觸新冠風險時,瞭解感染的潛在長期影響 8

圖二:2020 年自 5 月起長新冠公民科學形成的過程。圖/作者提供
註:長新冠公民科學的發展並非完全線性的發展,其中多種面相是重疊的。
(點圖放大)

圖二摘要描述 2020 年自 5 月起長新冠公民科學形成的過程,主要依據佩雷戈與英國格拉斯哥大學人文地理學教授菲麗西蒂・卡拉德(Felicity Callard)、英國劍橋、牛津等大學研究學者梅洛迪・特納(Melody Turner)等人記錄這場 2020 年公民科學發展過程的三篇論文 9, 10, 11

以 2020 年自 5 月的第一條推文,推特社群與其他網路媒體(如臉書、 Slack 和 WhatsApp 社群)快速構建,並在此過程中引入了長新冠作為一種社會條件,導致在短短的三個月內被世衛確認長新冠為一種醫療狀況:世衛國際疾病分類(International Classification of Diseases 11th Revision, ICD-11)正式定義長新冠為新冠後症狀,圖二最後以《自然》期刊編輯於該年 10 月發表的公開呼籲做結:「長新冠:讓患者協助定義長新冠症狀」副標題:長新冠症狀的術語以及康復的定義必須納入患者的觀點。

-----廣告,請繼續往下閱讀-----

「從一條相當不起眼的推文(引入了一個新的主題標籤,最初只被『點讚』一次),在短短三個月內轉變為世衛使用的詞」佩雷戈回憶說明, #longcovid 的使用呈指數級增長。一週內從社群媒體轉向印刷媒體,短短一個月醫學期刊從討論、呼籲、科學家開始下定義、到「長新冠」的引號在主流媒體與科學期刊內容消失,直接使用長新冠一詞,三個月後 2020 年 8 月 21 日在世衛新冠技術負責人瑪麗亞・范克爾霍夫 (Maria Van Kerkhove)聯繫英國的長新冠 SOS 組織(LongCovidSOS)了解宣導者要求後,世衛組織總幹事在線上會議與長新冠宣導者討論這一個疾病。

患者症狀故事:新冠不只影響肺部

佩雷戈與卡拉德指出,長新冠患者在網路社群的公民運動中通過與其他經歷長期後遺症患者集體分享而出現,提供了後來科學的新知,其貢獻包括:口頭、書面、視覺敘述、證詞和論點以及宣傳和政策干預,對傳統科學提出了挑戰,例如在大流行初期的新冠公眾資訊傳遞過程中僅限對肺部影響的討論,長新冠網路社群則協助擴大範圍。

2020 年 4 月一篇廣為流傳的推文,而後經由報紙專欄強調這位患者的後遺症「純粹是胃部症狀」而不是肺部系統,其他患者的多重器官後遺症則陸續在各種平台上,各自分享自身的醫學檢查,要求醫療單位進行更深入調查並向傳統研究團體致電等。現在這些「症狀故事」已在許多科學期刊的出版物中得到驗證,換言之,這些患者不僅提供了早期複雜的症狀,更有助於修正新冠損害的範圍,強調了需要關注所有潛在的面相,並提供有關疾病的機制和治療方法的假設。

新冠不只影響肺部,有位患者的後遺症純粹是胃部症狀。
圖/pexels

特納等人 2023 年發表的研究,在論文中提到是特納本人經歷長新冠症狀後與其他研究人員著手展開的。她反思自己的經歷如何影響她的研究,並質疑患者如何以及為何能在各種醫療機構前識別出長新冠,進而質疑傳統實證醫學的過程。他們蒐集整理 3 萬多筆帶有 #longcovid 和 #longhauler 標籤推文,進一步語意分析 974 條推文內容中的關鍵字後歸納指出:推特使用者最初將長新冠描述為一種無情、多器官、致殘的疾病,卻也因當時公眾和醫療機構缺乏認知,這些推特使用者面臨著恥辱和歧視的不公平待遇。但這些長新冠的早期推特使用者,後來被研究記錄為長新冠最初經歷的科學實證者,藉由此次的集體社會運動 (collective social movement)對長新冠患者的醫療保健需求建立共識。

-----廣告,請繼續往下閱讀-----

同時另一個推特標籤 #researchrehabrecognition (#研究康復認知)也引起了世衛總幹事譚德賽的注意,最後承認長新冠問題並力促解決,特納等人解釋,長新冠患者賦予疾病經歷的含義在很大程度上被理解為有價值的知識形式,可以更全面地認識和治療病情及其影響,這些公民知識通過塑造臨床醫生與患者討論診斷的方式來直接影響臨床實踐,提高了就治療方案和任何建議的生活方式改變達成共識的能力。

長新冠公民運動:衛生服務部門的具體回應

佩雷戈與卡拉德提到的另一個網路社群運動也使得英國政府不得不採取具體行動。 2020 年 7 月,患有長新冠的英國南安普敦大學公共衛生教授尼斯林・阿爾萬(Nisreen Alwan)發起了社群媒體活動「#計算長新冠(#CountLongCovid)」,強調迫切需要正確的康復病例定義、收集數據的標準化方法以及大量基於人群的樣本資料,呼籲政府全面收集監測長新冠。

9 月,網友結合「六個月前」脈絡在推特上集合紛紛留下個人長新冠前後的對比故事。現在我們可藉由應用程式 Thread Reader App 將此推文串合併,一窺當時網路社群如何串連長新冠的個人經歷 12。 2020 年底英國國家統計局公布,「長新冠」監測數據,證實了真實患病率可能比以前認為的要高得多、患者症狀持續三個月或更長時間 13

另外針對兒童和青少年的長新冠症狀, 2020 年的 #兒童長新冠(#LongCovidKids)運動亦促成了英國國會跨黨派國會新冠小組(All-Party Parliamentary Group on Coronavirus in the UK)在 2021 年 1 月舉行的兒童長新冠公聽會,今(2023)年 2 月 16 日世衛也公布了兒童和青少年版長新冠的正式定義 14

-----廣告,請繼續往下閱讀-----
世界衛生組織也公布了兒童和青少年版長新冠的正式定義。
圖/unsplash

特納等人綜合歸納 #longcovid 推文標籤的六個主題:

  1. 個人長期恢復
  2. 看不見的疾病,例如考慮最初對長新冠缺乏認識可能是一種孤立和無形的體驗
  3. 意外族群,如參與者對觀察結果表示驚訝和擔憂,許多長新冠患者很年輕而且以前「身體健康」
  4. 通過量化進行驗證,如對疫情統計資料和醫療系統有限投入的憂慮,強調最初兩週的定義的不足,要求通過監測計算患者發病率來了解病情
  5. 支持和研究的需要,如推特使用者擔心由於知識的缺乏,醫療機構可能無法充分提供醫療保健服務或投資長新冠的研究,因此使用 #researchrehabrecognition,最後獲得世衛的重視
  6. 衛生服務部門的認可

如推文中參與者評論醫療機構如何逐漸意識到長新冠與受到官方醫療保健的認同,如當時的美國首席醫療顧問安東尼・福奇以及世衛譚德塞,從而創造了衛生服務部門的具體行動以及為社會和科學新的認識契機。

網路社群媒體的開放性

網路社群在 2020 年經歷了所謂的醫療煤氣燈(medical gaslighting)效應,當他們處於科學對長新冠不確定性的大環境時,經常覺得被敷衍或誤診,就像是 1944 年經典電影《煤氣燈下》(Gaslight)明明房間裡煤氣燈忽明忽暗,但影片中的老公卻堅持一切正常,這些求助無門的人們,經歷許多令人沮喪的醫療保健挫折,藉由網路群眾的長新冠公民運動,將確診後揮之不去的各種後遺症和醫療狀況與具有相同經歷的人們聯繫起來,以尋求資訊、支持和認可,最終獲得了疾病的驗證和社會的支援 15

當他們處於科學對長新冠不確定性的大環境時,經常覺得被敷衍或誤診。
圖/pexels

特納等人分析推特如何促進集體社會運動的形成社會共識,通過社群媒體的公開和開放的系統,推特的社交網絡使得以前互不相干的使用者能夠分享這些情緒、資訊與交換知識,從普通公民、醫生、科學家到世衛總幹事等知名人士。推特與其他社交網站(如臉書和 Slack )使用方法不同,後者的長新冠社群多是封閉群組,限制公開分享;推特則在長新冠的推文中具有「去中心化」的特性:如沒有單一的意見領袖、使用者間訊息自由流動等。

-----廣告,請繼續往下閱讀-----

例如推特使用者廣泛分享了 #research 、 #rehabilitation 和 #recognition 等單獨術語。 最終,使用者將這三個術語合併成 #researchrehabrecognition ,此標籤的演變展示了集體決策的過程,旨在挑戰長新冠患者由最初缺乏醫療認可和醫療保健規定而面臨的公民知識需求和認可狀態。

長新冠患者的知識因民眾直接地發起參與研究自己或社區、社群的環境和健康危害,提高學界醫界對新冠的新認識,知識從患者通過媒體傳播到正規的臨床和衛生政策管道,就像特納等人的分析,長新冠從一種看不見的疾病轉變為一種公認的疾病。

這些網路社群推文積極的行動,達成的集體共識足以令人信服地向包括世衛在內的醫療機構證明,儘管缺乏傳統的實證醫學,但長新冠是一種真實的疾病。一群網路公民在 2020 年集體編寫了第一本關於長新冠的教科書,此刻我們見證了網路社群的群眾力量,不僅促成了現實世界的真實變化,確保對醫療保健供應的認可,也揭開了科學研究的新序幕。

參考資料

  1. Lokugamage A, Rayner C, Simpson F, Carayon L. We have heard your message about long covid and we will act, says WHO. The BMJ. Published September 3, 2020. ↩︎
  2. Yahoo News:國際新冠肺炎疫情還在燒 全球確診數破 500 萬大關 ↩︎
  3. 目前已知「長途運輸者」在佩雷戈論文中引用來自 2020 年 6 月的推文:「長途運輸新冠戰士」的患者召集人艾咪・沃森(Amy Watson) ,她從她接受測試時戴的卡車司機帽子中衍生出來:https://twitter.com/katemeredithp/status/1277316840453267456 ↩︎
  4. WHO:https://www.who.int/europe/news-room/fact-sheets/item/post-covid-19-condition ↩︎
  5. López-Hernández, Y., Monárrez-Espino, J., López, D.A.G. et al. The plasma metabolome of long COVID patients two years after infection. Sci Rep 13, 12420 (2023) ↩︎
  6. HHS News: https://www.hhs.gov/about/news/2023/07/31/hhs-announces-formation-office-long-covid-research-practice-launch-long-covid-clinical-trials-through-recover-initiative.html ↩︎
  7. 泛科學、左岸文化 (2018/05/17),什麼是公民科學?誰是公民科學家? ↩︎
  8. Perego, Elisa, et al. “Why the patient-made term ‘long covid’ is needed.” Wellcome Open Research 5.224 (2020): 224. ↩︎
  9. Callard, Felicity, and Elisa Perego. “How and why patients made Long Covid.” Social science & medicine 268 (2021): 113426 ↩︎
  10. Perego, Elisa, and Felicity Callard. “Patient-made Long Covid changed COVID-19 (and the production of science, too).” (Feb. 2021) ↩︎
  11. Turner, Melody, et al. “The# longcovid revolution: A reflexive thematic analysis.” Social Science & Medicine (2023): 116130. ↩︎
  12. Thread Reader App#計算長新冠(#CountLongCovid)與“六個月前”結合的網頁: https://threadreaderapp.com/convos/1308678318821199872 ↩︎
  13. 英國獨立報 The Independent (16 December 2020) ,https://www.independent.co.uk/news/health/coronavirus-long-covid-ons-data-b1774821.html ↩︎
  14. WHO:A clinical case definition for post COVID-19 condition in children and adolescents by expert consensus, 16 February 2023 ↩︎
  15. Russell, David, et al. “Support amid uncertainty: Long COVID illness experiences and the role of online communities.” SSM-Qualitative Research in Health 2 (2022): 100177 ↩︎
所有討論 2
A.H._96
2 篇文章 ・ 0 位粉絲
在猶如巨塔的科學知識前,做一個永遠好奇的小孩,享受觀察與理解的樂趣。