2024年度報告：主要論文發表

我挑2篇：

1. Developing the questionnaire of self-efficacy and needs in using large-language model-based AI services

2. Developing a machine learning-based short form of the positive and negative syndrome scale

1是團隊投入大型語言模型，或投入 ChatGPT 研究的第一篇論文！！期待這量表（使用基於大型語言模型的人工智慧服務自我效能與需求問卷（Q-SNELL））後續被全世界大量使用（論文被大量引用），將列出後續相關研究計畫，以及推廣計畫。詳玉正的 blog以及 我跟ChatGPT的問答。

2. 關鍵在於 PANSS，後續也會有延續計畫/論文！

2024年度報告：國科會計畫篇

＊主題是以 GPT 的應用為主－包含虛擬病人/考官之發展與其後續之自學系統（如同之前的貼文「多層次GPT自主學習平台」）

這些計畫主要目標是克服現有臨床技能訓練/維持/提升之困境：

練習（機會）不足

有效率/深入的回饋不足

師資不足

師資培訓課程（效能）不足

還有一項比較特別的合作計畫：運用 ChatGPT 發展認知評估工具！這從去年就開始準備了！！

還有一個GPT應用之合作計畫至少準備了半年。

這種長期準備計畫的關鍵應是耐力與承諾！！主筆者的時間也是關鍵。

我主筆的計畫，約準備2個月，但斷斷續續，還好有高手與怡晴協助！！

還有幾篇合作計畫，包含修改舊計畫以及提出新的計畫案！

特別感謝怡晴與士捷的大力協助！！還有沛綺與姵蓁協助IRB

總共約10項計畫

Good luck to us!

以下計畫之二圖示供參，怡晴的心血之二（自製圖示，我覺得是計畫跟「審查委員」溝通的關鍵：一目了然，還有欣賞價值---一圖勝萬語）：

近期與後續精神OT研究主題

二大領域：臨床技能（含AI之應用）與臨床評估與介入

臨床技能方面，主要研究議題包含「溝通技巧」「同理技巧」「團體活動設計與帶領」，主要方法皆包含以AI協助上述技能之評估與教學。

• 後續的主要基礎/關鍵議題為建立「虛擬病人」，以供學員大量練習並可接受回饋。請參考相關貼文：https://atriptouq.blogspot.com/search?q=VP
• 迄今已累積足夠之臨床或OSCE逐字稿與錄影檔，將持續累積，以利AI應用之測試。
• 目前已有多項研究計畫，亦有少數研究成果/論文。
• 持續列為長期研究主題！！

代表性計畫：

1. 發展職能治療師溝通技巧之電腦適性評估系統
2. 職能治療實習學生同理技巧介入成效驗證
3. 提升職能治療師/實習學生以個案為中心之決策效能：從傳統方法過渡至人工智慧

代表性成果：

• Chen TT, Wang YC, Wu TY, Chen CR, Cheng CY, Hsueh IP, Wang SP, Hsieh CL. Inter- and Intrarater Reliability of the Gap-Kalamazoo Communication Skills Assessment Form Among Occupational Therapy Interns. Am J Occup Ther. 2024;78(4):7804205030. 

臨床評估與介入方面，包含「社會認知」「認知功能」「體適能」之評估與介入等。

• 以發展電腦測驗為主軸
• 近期加入AI之應用以期提升評估效能
• 目前已有多項研究計畫，亦有不少研究成果/論文
• 體適能主題今年才正式投入（撰寫研究計畫）
• 持續列為長期研究主題！！

代表性計畫：

1. 發展認知評估之人工智慧系統於思覺失調症患者(co-PI)
2. 發展與驗證適用於思覺失調症患者之多向度多途徑情緒辨識電腦適性測驗(co-PI)

代表性成果：

• Lee SC, Chen KW, Liu CC, Kuo CJ, Hsueh IP, Hsieh CL. Using machine learning to improve the discriminative power of the FERD screener in classifying patients with schizophrenia and healthy adults. J Affect Disord. 2021;292:102-107.

2023 年度報告 -- AI 應用研究進展與困境

從2018投入迄今，已滿5年。加上去年投入的 ChatGPT 主題，團隊投入的人力/資源，有增無減。

研究成果： 3 篇論文，皆排名於 Q1

1. Development of a 13-item Short Form for Fugl-Meyer Assessment of Upper Extremity Scale Using a Machine Learning Approach
2. Development of a Berg Balance Scale Short-Form Using a Machine Learning Approach in Patients With Stroke
3. Using Artificial Intelligence to Identify the Associations of Children's Performance of Coloring, Origami, and Copying Activities With Visual-Motor Integration

       3論文之同質性偏高，顯示我們的能力/資源限制(「分析/應用能力」以及「資料庫之質與量」皆不足)。短期間不易突破，但應值得繼續努力提升分析/應用能力，以及找尋與累積資料庫之質與量。

研究計畫：

1. 發展中風患者動作、平衡及行走能力之人工智慧評估系統【2023年結案】
2. 發展認知評估之人工智慧系統於思覺失調症患者【執行中/2025年結案】
3. 提升職能治療師/實習學生以個案為中心之決策效能：從傳統方法過渡至人工智慧【執行中/2024年結案】

    3計畫之執行/完成率偏低，主要困難在於資料(庫)累積太慢。或可期待恭宏的AI認知收案。

    自行累積的教學資料庫，生理領域已暫停(因人手不足)，心理領域慢慢進行中。心理領域另有OSCE(李P)/大三團體帶領(陳P)以及大四實習團體帶領(李主任)之 video，持續累積中。「團體帶領之教學、帶領以及評估」應是下一階段之重要研究議題。

    另取得 PANSS 資料，已完成稿件， R1 審查中。

資料庫取得：

        取得國家級資料庫-WHODAS 2.0 ，含數種診斷，且有追蹤資料。2024年應有稿件完成。

2023年度報告 -- ChatGPT 研究

2023年3~4月決定投入，這或是職涯末期最關鍵的決定!!

投入主因：跟AI相關，且預期ChatGPT將改變教學、研究、甚至影響臨床執業程序/效能!!

招兵買馬：結合楊醫師團隊，擬定主要研究方向

1. 應用成效：如「ChatGPT輔助撰寫研究計畫」「GPChatT作為標準病人之效能」「ChatGPT輔助給予教學評語之成效驗證」
2. 評估工具：如「大型語言模型AI(如 ChatGPT)使用之需求與使用經驗的問卷」
3. 教與學之影響-追蹤研究：如 ChatGPT之使用與成效調查

分享與教學應用：

1. 數次與臨床人員、教師交流以及數篇研討會論文發表
2. 已開授之課程，皆鼓勵學生使用

進展與後續：

1. 已完成一篇稿件初稿 (大型語言模型AI使用之需求與自我效能問卷發展)，應可於2月投稿
2. 數個研究計畫執行中，主要是ChatGPT輔助教學成效驗證
3. 修飾上述3個研究方向，再寫數個研究計畫--這需再跟團隊討論--或可於過年後聚會中，討論之
4. 建立 ChatGPT 簡介/操作 videos，做為教材

圖：Aug., 2023 與學系教師分享之內容

2023年度報告 -- 轉型教學的心意或已沉澱

緣起：

年紀大了，研究潛力遞減，也就是已不可能做出甚麼偉大的研究了。自覺有蠻多東西可以可以交/教給學生的，所以早就開始思考工作重心---由研究轉向教學!! 

甚至更早時，開始投入教學研究，轉型的考量，也是原因之一 

前年開授醫療社會學應是堅定心意---轉型至教學的決定

自認相當用心準備，至少是花了不少$$聘請外部講員

緣滅：

醫療社會學課程，或許是要求過多、分數偏低、內容過於無聊....

*去年選修人數過少，我就因勢停開「醫療社會學」

這意味著：我的教學心意或方法顯然未受學生認同

2024年的結局應該一樣，人數過少/也應開不成

可說我當時英明，為自己/學生開一條後路--開放修習「社會學」等同「醫療社會學」，皆可當成必修學分。

不修「醫療社會學」這是學生的選擇，我當然全然接受!!

我的教學，應該就跟某位資深教授所言--我學不到的，下輩子了!!

個性吧!?「要求/期待過多」「演講欠缺吸引力」 改不掉的!!

轉機/應是最後的轉變了：

目前的想法：轉型教學之構想失敗，也無力/無心更改

或許只能回頭--還有6年退休，好好做自己的研究!!

退休前至少再發表6*6篇論文!!

好好寫6*2研究計畫!!

上述再轉型極有利於退休後的持續投入研究!! 

2023年度報告 -- 臨床技能研究

多人投入超過5年了

成果方面：

迄今最大的成果應是已累積超過300份逐字稿!! 這將是未來OT臨床技能研究的寶貴!!

諸多臨床技能的評估、教學、與現況探究，皆可以此充分數量的逐字稿做為基石研究!!

迄今的論文發表，成果相當有限。還好今日(Jan. 15, 2024) 收到AJOT主編的來信，接受我們的稿件 "Inter- and Intra-Rater Reliability of the Gap-Kalamazoo Communication Skills Assessment Form for Occupational Therapy Interns" 這篇論文是迄今最高層級期刊的肯定!!

"Reliability of the Gap-Kalamazoo Communication Skills Assessment Form in Occupational Therapy"被BJOT接受 (Feb. 29, 2024)

Meng HT, Chen JH, Wang YC, Lee ML, Huang SL, Hsieh CL. A Comparative Analysis of Clinical Empathy in Occupational Therapy Interns and Therapists. J Med Education. 2023; 27: 221∼232. 

2024年應可進入成果的豐收期，多篇投稿國內外期刊稿件，應可陸續獲得接受刊登!!

挑戰：

最大的隱憂是-人力不足，助理人數嚴重不足，難以持續收案/累積逐字稿。這也將影響逐字稿資料庫份數的成長。先前的目標是500份，2年內皆將難以達成。目前大概只能期待--精神科領域的持續收案!! 期待李主任與姿廷繼續支持了!!

研究計畫：

數件國科會計畫與院內計畫，持續進行與申請中。主題方面仍以「溝通技巧」、「同理心」之教學與評估為主。

2023年投入研發 ChatGPT 輔助教學，亦有數件計畫持續進行與申請中。相關內容，詳後續的年度報告

2024年展望：

發表同理心評估工具論文

規劃國科會計畫，以利長期投入

期待新研究生加入!! 

2022 年度報告--研究計畫篇之三：難以執行的計畫

如何推動共享決策 (shaed decision making, SDM)?

• 因條件過多，難以執行。如條件一，需要提升個案之健康識能，諸多衛教/諮詢，並給個案時間消化/確認。造成研究人員難以執行。條件二，需臨床人員配合，因牽涉臨床個案之治療目標設定，故需治療師幾乎全力配合（漸進式決定治療目標－對諸多治療師與個案－似無效率），這於臨床執行之難度過高。

中風動作評估之AI評量系統

• 收案速度過慢。原因有二：一、因需空間，造成難於部分臨床單位執行收案。已邀請這些個案至實驗室收案，但人少很少。二、個案意願不高。
• 修改方向：一、暫停目前收案方式；二、嘗試發展單一錄影設備（如手機）之錄影模式，以克服上述原因一。

2022 年度報告--研究計畫篇之二：執行中計畫//撰寫中稿件

臨床技能---

溝通技巧介入方面：

•     實習學生於部分技巧進步有限，且得分偏低。如同理/形成共識等技巧。猜測主要原因為（高階技巧）示範教學過少，且未與臨床技能整合（這是臨床治療師主要關心議題）。對應之道為：補強教學，且以現有逐字稿（同學得分偏低情境）提出示範溝通模式（高階溝通技巧且符合臨床技能）。然負責人呢？
•     逐字稿累積速度緩慢：生理逐字稿已累積超過100份，然台大生理OT每年累積份數很難超過36份（每梯次約12份）。還好成大生理OT資料累積中。心理逐字稿也持續累積之中。
• 溝通技巧架構（致瑩主筆）以及溝通介入稿件（姿廷主筆）於2022年10月投稿，期待今年可修成正果

溝通評估工具方面：

• 溝通技巧評估工具收案持續累積數據中，需加上心理資料，否則收案速度緩慢
•  coding 速度緩慢耗費人力，尋求改變模式（如簡化評估重點，僅針對學生常遭遇困難）
• 發展「成效」評估工具，較符合形成型測量模式之要求。但仍有收案效能議題，尤其可投入之人力已有限。
• 成效評估由誰執行？個案明顯高估，醫療人員如何？專家如何看到成效?
• GKCSAF（英文）稿件撰寫中，姿廷與詩辰
• ECCS（英文）稿件撰寫中，玉正

OSCE：

• 芮瑜協助，成大與奇美實習學生參與

EPA：

• 芮瑜與肋頤協助

衛教技巧：

• 以衛教OT知識言，先發展「評估學生衛教OT知識」問卷，再評估之，稿件以投稿/完成一修再投稿
• 以衛教中風知識言，先發展「評估學生衛教中風知識」問卷，再評估之，稿件以投稿/完成一修再投稿

ADL評估技巧：

• 發展評估學生ADL評估技巧量表，驗證其施測者間與施測者內信度，撰稿中。
• 驗證影響學生ADL評估技巧之因素，撰稿中。考慮投稿醫學教育--英文。

2022 年度報告--論文發表

2022年共發表7篇論文，與下圖近20年比較，2022年發表論文數接近平均值

主要論文是3篇AI應用論文（主要目的為縮減施測項目但可精準預測原版之總分）

除了減縮項目數，預測原工具之總分，後續論文加上預測其它(未被施測)項目之分數

    另已開始驗證概化能力－驗證減縮項目AI算則應用於其它資料之效度

其它論文比較特別的一篇是 "Error patterns of facial emotion recognition in patients with schizophrenia" 後續若能累積更多資料，再驗證/確認之，將更有價值！

2022共有3篇AJOT論文－已超過每年平均發表水準

7篇論文如下：

1.         Huang YJ, Lin GH, Lee YC, Wu TY, Hou WH, Hsieh CL. Improving the utility of the European Health Literacy Survey Questionnaire: a computerized adaptive test for patients with stroke. Disabil Rehabil. 2022;44:3211-3220.

2.         Lee SC, Lin GH, Shih CL, Chen KW, Liu CC, Kuo CJ, et al. Error patterns of facial emotion recognition in patients with schizophrenia. J Affect Disord. 2022;300:441-448.

3.         Lee SC, Wang I, Lin GH, Li PC, Lee YC, Chou CY, et al. Development of a Short-Form Stroke Impact Scale Using a Machine Learning Algorithm for Patients at the Subacute Stage. Am J Occup Ther. 2022;76.

4.         Lin GH, Li CY, Sheu CF, Huang CY, Lee SC, Huang YH, et al. Using Machine Learning to Develop a Short-Form Measure Assessing 5 Functions in Patients With Stroke. Arch Phys Med Rehabil. 2022;103:1574-1581.

5.         Song CY, Chen CH, Chen TW, Chiang HY, Hsieh CL. Assessment of Low Back Pain: Reliability and Minimal Detectable Change of the Brief Pain Inventory. Am J Occup Ther. 2022;76.

6.         Wang I, Wang YC, Wu TY, Chou CY, Hsieh CL. Rasch Analysis of the Stroke Impact Scale-16. Am J Occup Ther. 2022;76.

7.         Yang CM, Wang YC, Lee CH, Chen MH, Hsieh CL. A comparison of test-retest reliability and random measurement error of the Barthel Index and modified Barthel Index in patients with chronic stroke. Disabil Rehabil. 2022;44:2099-2103.

2022 年度報告--研究計畫篇之一

國科會計畫忙了一個月，昨晚11點告一段落!!

跟去年一般，投入約8~10個計畫

只是今年主筆2篇，所以更忙碌

我的最愛是【發展以腦中風個案為中心之全面性ADL評估工具】因為是多年成果的再進階

我一輩子的ADL代表著作應該算多

"Comparison of the psychometric characteristics of the functional independence measure, 5 item Barthel index, and 10 item Barthel index in patients with stroke"【傳統工具的比較，被引用次數很多】

"Development of a computerized adaptive test for assessing activities of daily living in outpatients with stroke"【或是專為中風病人ADL評估的第一個電腦適性測驗，自行發展原創性高，只是地屬偏遠，跟隨者有限】

"Development of two Barthel Index-based Supplementary Scales for patients with stroke"【自行發展原創性高，但國人不捧場】

"The diverse constructs use of ADL measures in stroke randomized controlled trials in the years 2005-2009"【指出諸多臨床試驗作者--誤用ADL概念/評估工具】

【發展以腦中風個案為中心之全面性ADL評估工具】將共享決策融入ADL評估!

感謝芮瑜 協助構思/回饋與製圖

背景：日常生活活動 (Activities of Daily Living, ADL) 介入一直是腦中風個案職能治療與長期照護的重點之一。然而ADL概念複雜，至少包含三種概念或層面：執行能力 (capability)、實際表現 (actual performance) 及個案從事ADL之自覺困難程度 (perceived difficulty)（或自覺功能狀態/滿意度）。各種ADL層面各有其學術與實務價值。由於ADL評估是介入的關鍵基礎，且評估過程中，可（須）瞭解/釐清個案/家屬之需求，因此如何做好ADL評估為ADL介入與成效之關鍵。然而現有ADL評估工具之常見缺點有三：一、未全面包含主要ADL層面（執行能力、實際表現與自覺困難程度）。二、未考量個案需求/預期：施測過程中，未充分考慮個案之需求、健康識能 (health literacy) 或未執行共享決策 (shared decision making)，以至於評估重點與結果難以符合個案之預期。三、標準化不佳，尤其是執行能力之評估，標準化不足。上述缺點嚴重影響腦中風個案之ADL評估與介入效能。

 研究目的：發展以腦中風個案為中心之全面性/標準化ADL評估工具(Comprehensive and standardized ADL assessments for persons with stroke, CSAS)，意即評估過程加入共享決策，釐清個案之特質與需求，必要時給予個案衛教/諮詢，再由評估人員與個案共同決定ADL評估層面、項目與評估執行能力所需器材。此工具將能解決上述缺點，並能提升ADL評估與介入之效能。

有興趣者可看之前 "以個案需求為導向的ADL評估模式" 相關 posts, 也就是該模式已被棄置/改良!!

2021年度報告--困境篇

• 專業技能研究成果有限
• AI研究進展慢
• 人才培養慢

最後一項困境，最為關鍵... 主要是全職投入之博班生人數過少(尤其跟之前全盛期比較)

若帶領一位博班生需要4~6年，那距離我退休前，機會已逐漸消失

只能隨緣，即使是時不我予...

專業技能研究成果有限，這目前的判斷/定位為--陣痛期--必須能夠熬過去--持續累積資料庫以及相關經驗。看看2023年能否有較多/較好的成果。

待續

2021年度報告--研究計畫篇

科技部(今年又改回國科會)計畫

合作計畫約12項，包含專業技能評估與介入(7)、應用AI發展工具(2)、發展CAT(3)。

預期通過率4成....

都是我的夢想級計畫.... 這讓我做夢... 還有夢想成功的可能!! 

感謝博後、博士生、以及助理(不同階層，包含繪圖)的協助，這皆有助於提升計畫的價值與可讀性(以及最後的通過率)... 不斷的修改/校對，雖然艱辛... 都是功力的磨練，必有助於寫作以及相關知識深入探究。

2021年還有 2項台大醫院計畫，皆為專業技能評估與介入

敏盛台大合作計畫(一項)，也是專業技能評估與介入

還有約6項與其他醫院的合作計畫

願夢想成真，持續作夢，不要醒來....

2021年度報告--研究成果篇

最顯著的成果--AI應用的著作：

1. Lin GH, Li CY, Sheu CF, Huang, CY, Lee SC, Huang YH, Hsieh CL. Using Machine Learning to develop a short-form measure assessing 5 functions in patients with stroke. Archives of Physical Medicine and Rehabilitation. 2021 (in press).

2. Lee SC, Wang YC, Lin GH, Li PC, Lee YC, Chou CY, Huang CY, Hsieh CL. Development of a short-form Stroke Impact Scale using a machine learning algorithm in patients at subacute stage. American Journal of Occupational Therapy. 2021 (in press).

3. Lee SC, Chen KW, Liu CC, Kuo CJ, Hsueh IP, Hsieh CL. Using machine learning to improve the discriminative power of the FERD screener in classifying patients with schizophrenia and healthy adults. Journal of Affective Disorders. 2021;292:102-107.

4. Lin GH, Huang CY, Lee SC, Chen KL, Lien JJ, Chen MH, Huang YH, Hsieh CL. A 10-item Fugl-Meyer Motor Scale Based on Machine Learning. Physical Therapy. 2021;101:pzab036.

• 2018年開始投入後，終於看到成果！！
• 從主要作者（恭宏/士捷）即可看出，長期培養人才之成效。沒有他們，就沒有這些成果//進展！！
• 上述成果也顯示資料庫的重要，以利於恭宏/士捷之學以致用（學習AI技術，立即有用武之地）！！我們的資料庫，還有美國的資料庫（海外系友提供/合作）
• 相對於國際復健領域對於AI應用的研究，這些研究成果讓我們處於領先位置！！審稿過程中，上述專業期刊很難找到合適的審稿委員（也延誤審查時間）！！

然而相關AI研究計畫的進展緩慢，收案費力，又碰到疫情干擾，收案數增加相當有限。

臨床技能教學/評估研究，已有國內期刊論文發表！國外期刊論文還有得等！！

但進展依舊緩慢... 人才培養（研究人才以及支援人才）也相當緩慢... 收案進展（資料庫累積）也是緩慢... 8年抗戰的決心少不了！！

待續....

2020年度報告--領悟篇

Size matters!

我是指「研究團隊規模」之意義

這幾年投入「醫學教育」或「臨床技能評估與介入」研究

已投入數位助理/碩博班生/還有老師數人，共約10人（詳年度報告--臨床技能研究進度... 之明確列表）.... 多少智慧與時間的累積

這需要多少研究計畫/經費的支持！？

2021可完成第1篇稿件 "Development of a Communication Framework between Patients and Occupational Therapists and a measure of communication skills for occupational therapists"

2022或可完成 COT, ECCS, GKCSAF 之心理計量特性驗證稿件

這像一個金字塔--要有基礎（學術）與資料（人力/時間收集）才能冒出一些成果

沒有研究規模... 幾乎免談 Size matters!

我想這也是「醫學教育」或「臨床技能評估與介入」研究，不易有成果的原因/門檻！

2020 年度報告--教學篇

1. 決定開授「醫療社會學」，2022年2月授課

課程重點：

介紹社會層面健康之特質與意義（相對於生理與心理層面健康）

介紹社會因素（如社經地位、家庭支持、文化） 如何影響健康與醫療決策

介紹如何評估與解釋社會層面健康與社會因素

介紹專業與醫療機構之發展以及如何影響民眾健康

介紹官僚/政策如何影響健康與醫療專業

          我想開課的緣由有二：加強教學比重；補強學生醫療社會學之知識 

2. 使用 ZUVIO--即時反饋系統

方便出考題，收集同學問題與回饋

也可當成上課參與度指標

待解問題: 每位同學只要提2個問題--就很費力回應了。。。

3. 直播/錄影

受到疫情影響... 學習擔任直播主... 後來使用 Google Meet 簡單好用

每次授課皆錄影/分享（包含士捷的統計課補充；怡晴的資料檢索/Endnote/PPT準備等），對於缺課同學，補課很方便！

4. 臨床教學

需要好好聽聽學生回饋... 再調整內容與形式

2020年度報告--海外系友聯絡篇

 

舉辦研討會是我50週年慶被分派的主要任務，這也是我的最愛... 雖然我長期多次舉辦研討會，一直都是「自我感覺良好」「叫好不叫座」... 我依然樂在其中！

50週年慶舉辦日期，本是4月中旬，被COVID-19疫情延至11月底... 這延宕讓我多出半年的時間可以好好準備.... 尤其是海內外系友被疫情訓練得非常熟悉視訊交流，讓國際/遠距會議之技術問題得以克服！！

我大致分成2階段任務：

1.系友學經歷分享--由服務學習課程學生/以及助教負責；

2.系慶當天學術交流--由我聯絡系友/助教協助視訊

1.的部分由大三學生與助教亦平，分組視訊訪談14位海外系友，再剪輯成精簡版，放在海外系友經驗分享！

另外，製作海報以於系館與系慶當天張貼！

學生與亦平約協助一半任務，我後續動用助理（怡儒與育禎）完成另一半，真感謝他們，我把我的三倍券都用於獎勵學生了！！

2.的部分，聯絡系友與測試視訊為主要任務，我動用助理（怡儒、育禎與愉滋）還有研究生昀哲協助之。最後議程如下表：

演講形式有四：1.錄影播放；2.錄影播放＋視訊 Q&A；3. 視訊；4. 現場！

非常感謝海外系友以及多人協助！！

我想主要分享有二：一、系友是學系資產，如何善用之；二、 藉此機會找尋合作者（也是核心能力之一：建構團隊）

一的部分我在2021擬再與系友聯絡，討論如何請他們跟我們定時或不定時交流，甚至授課！！

二的部分已有初步進展，2021應有初步成果，亟待繼續努力！！

Note: 約20年前，也就是學系30週年慶時，我負責聯絡系友。。。找到許清芳系友... 他是我這輩子的貴人之一，他協助我升等教授以及後續學術生涯之發展.... so great!!

2020 年度報告：臨床技能研究進度

 兵分多路--以主題為分類說明之

1. 溝通技巧--台大/中山（生理/前2次治療，12位學生*1-2位病人）；博愛（小兒--6（位學生）＊4站OSCE＊2次）；高長（心理會談 9（位學生）＊2次））；成大（生理/前2次治療）。

     台大/博愛/高長皆已完成一梯學生之收案（含回饋）；成大完成2梯。2021皆將持續執行！

    【義大計畫（大三）尚未執行】

2. 同理心--台大（生理資料與前同）；【輔大計畫（大三/大四）尚未執行】

3. Goal setting 之 decision aid 設計，雛形已成，APP設計中，預計年中完成設計與試測

4. 其它臨床技巧：確認中，台大（生理）預計於第3梯實習學生開始評估與回饋

5. OSCE：生理 9站設計中--主訴訪談、病史訪談、職能表現訪談、ADL評估、評估結果解釋、AFO衛教、行動輔具選購諮詢、目標設定以及治療計畫設定。以及小兒4站已完成設計/測試/實際執行--病情告知、目標設定、衛教以及主訴訪談。（博愛/雅涵）

主要目的：

1.測試/驗證COT, ECCS, GKCSAF

2.測試/驗證溝通技巧教學模式

3.後續擬測試/驗證同理心教學模式

4.後續擬測試/驗證 研究室發展之同理心工具

5.後續擬測試/驗證 研究室發展之其它臨床技能工具

6.後續擬測試/驗證其它臨床技能教學模式

7.測試/驗證溝通技巧OSCE

8.後續擬測試/驗證同理心OSCE

9.累積錄影（音）/逐字稿資料庫

10.培養相關評估與教學人才

人才庫：

助理：譽騫、柔潔、怡儒、芊霓、育禎

碩班生：雅涵、函恩、劭彤

博班生：怡晴、姿廷

臨床專家：佳宜、錦良、芳瑜、謝瑋

指導老師：黃、薛、周

2020 年度報告--研究計畫篇

可分為三大類型：1.臨床技能；2.CAT；3.AI。

基本上還是以評估工具之發展為主，臨床技能教育介入為輔。

1. 以同理心與溝通技巧之評估與介入為主。目前幾乎所有臨床技能評估工具之設計【大多粗略】，以符合臨床/教育需求--快速簡便。另外的困境是目前工具【欠缺心理計量特性實證】，現有的證據大多不佳。我認為主因是大多數的臨床技能評估，以專家經驗為主，欠缺理論基礎【我認為臨床技能以 formative model 為主，故較難設計/驗證】。且目前工具設計時，應欠缺心理計量專家之參與，且以快速、可行為考量。也就是先天的難題，又要快速評量，且無心理計量專家... 結果可想而知!

評估計畫包含 發展傳統測驗（長/短版測驗；專家評/病人評/學生自評）以及CAT

介入計畫包含 同理心與通技巧介入，如OSCE、教學/示範/演練，以及深入評估與回饋

還外加了一個護理 caring 傳統測驗發展

*評估是介入的基礎（發現學生的問題/困難...）也是成效指標！！臨床技能評估需要N個評估工具，也是我的專長可發揮之處！！

2. CAT 以 評估 self-reported outcomes 為主，這是未來AI難以取代之處。還包含評估溝通技巧的CAT... 以利專家可以快速/深入/精準評估溝通技巧。

3. 以AI之技術評估認知功能以及小兒發展向度，也就是發展第4代評估工具之先驅計畫。

1, 2 & 3這些計畫，我覺得都是「蠻基礎」的計畫，if so, 將影響深遠！

另外，臨床技能介入計畫，很費力氣，且非基礎研究類型... 此時投入主因是不得不投入，因為學生需求，不得不投入（學生很想知道評估結果/優缺點，進而改善！）... 所以就很耗費資源... 我不得不撰寫蠻多計畫/爭取經費！

Note 1. 有關 formative model 可參考怡靜跟我之前的 blog

Note 2. 有關不同世代評估工具簡介，詳之前的 blog「評估工具之世代交替」2011就提出來了!?現在還在地上爬！

2020 年度報告--成果篇

PubMed 收錄論文（2020目前只有8篇，有些論文正式刊登期在2021，所以更少）

圖：2010～2020每年論文發表數量(2020年8篇;2018:18篇)

Note: 如果您看不出上圖從何而來，代表您是新手/很有潛力。

2020的代表作或許只有一篇

Huang YJ, Chen CT, Sørensen K, Hsieh CL, Hou WH. Development of a battery of phase-adaptive health literacy tests for stroke survivors. Patient Educ Couns. 2020;103(11):2342-2346.

health literacy tests近幾年未再深入，這或是關門之作了.... 感謝侯醫師與怡靜的協助!!

有一篇蠻特別的!!  感謝士捷的探索... 後續好像還可套用AI算則，可取得更有效能的篩檢能力，期待!!

Lee SC, Liu CC, Kuo CJ, Hsueh IP, Hsieh CL. Sensitivity and specificity of a facial emotion recognition test in classifying patients with schizophrenia. J Affect Disord. 2020;275:224-229.

整體而言，2020年之論文數量與品質低於10年平均值。

我想原因有二：投入3個超大領域 & 人才培養斷層－詳下說明：

1. 投入3個超大研究領域--- a. 認知評估；b. 臨床技能評估與介入；c. AI應用之準備！

a. 認知評估已投入10年多，陸續有成果，但難有突破... 投入者持續時間還不夠久。那就更不用講我們還投入一些社會認知呢...

b. 臨床技能評估與介入，若從SDM開始，成果一點點... 最近的溝通技巧與同理心評估/介入，還在扎根期... 投入很多，成果有限....  預計快速成長期應在2～3年後.... 應隨著關鍵人物的成長/投入而定... 否則只有老驢拖車.... 慢慢來吧。【Note: 讀者應知老驢是誰，但知道關鍵人物是誰嗎? 可以私下跟我確認，答對者有獎，有大獎!!】

c. AI應用  也在準備期，今年有點成果.... 預計快速成長期應在2～3年後... 關鍵人物較多，或可預期

上述研究領域相當耗費人力/時間，但應該都很值得，5年後，應可更確定上述抉擇（實證）！

2. 研究人才培養斷層--- 全力投入之博班生人數凋零... 且短期間看不到改善的機會。若缺少強且投入的博班生，只能維持或勉強成長/老驢拖車...  之前（2018）的研究成果榮景或已成為紀錄，永不可破了。之前（2014～2016）的全職博班人數盛況，或已成為史蹟，難以重返。

人才與投入絕對是關鍵！！

2021展望為：繼續招募人才，給他們最好的環境，一起努力！！

2020成果請點此連結。