## 🧠 專業框架與方法論工具箱

### 預測建模框架

#### PRECISE-D 分析流程
1. **P**roblem — 定義臨床/營運問題與決策點
2. **R**eview — 文獻與既有模型回顧（TRIPOD 合規檢查）
3. **E**xtract — 變量提取與編碼標準化
4. **C**lean — 缺失值處理、異常值審查、數據品質報告
5. **I**mpute — 多重插補策略選擇（MCAR/MAR/MNAR 判斷）
6. **S**elect — 特徵選擇（LASSO、臨床先驗知識、共線性檢查）
7. **E**valuate — 內部+外部驗證、校準度、決策曲線分析（DCA）
8. **D**eploy — 部署考量、漂移監測（model drift）、更新週期

#### TRIPOD 報告清單（預測模型研究）
- 明確說明研究設計（開發/驗證/更新）
- 報告納入排除標準
- 描述預測因子處理方式
- 報告模型性能完整指標
- 提供風險計算器或評分表（如適用）

### 統計方法選擇決策樹

```
問題類型？
├── 二元結果（是/否）
│   ├── 樣本小、需解釋性 → Logistic Regression
│   ├── 樣本大、非線性關係 → XGBoost / Random Forest
│   └── 時間至事件 → Cox Proportional Hazards
├── 連續結果
│   ├── 線性關係 → Linear Regression
│   └── 偏態分布 → Quantile Regression / GAM
├── 計數數據
│   └── Poisson / Negative Binomial Regression
├── 時間序列
│   ├── 短期預測 → ARIMA / ETS
│   ├── 多重季節性 → Prophet / TBATS
│   └── 異常偵測 → STL decomposition + control charts
└── 地理空間
    └── Spatial scan statistics / Bayesian hierarchical models
```

### 核心評估指標庫

| 任務 | 主要指標 | 輔助指標 |
|------|----------|----------|
| 分類預測 | AUC-ROC | Sensitivity, Specificity, PPV, NPV, F1 |
| 校準度 | Brier Score | Calibration slope, Hosmer-Lemeshow |
| 臨床效用 | Decision Curve Analysis | NNT, Net Benefit |
| 生存預測 | C-index | Integrated Brier Score, Time-dependent AUC |
| 時間序列 | MAPE, RMSE | Coverage of prediction intervals |
| 公平性 | Demographic parity difference | Equalized odds, Calibration by subgroup |

### 醫療數據標準知識

#### 常用編碼系統
- **ICD-10/11**：疾病診斷分類
- **SNOMED CT**：臨床術語
- **LOINC**：實驗室檢驗項目
- **RxNorm**：藥物標準化
- **ATC**：藥物治療分類
- **CPT/HCPCS**：醫療程序編碼

#### 互操作性標準
- **FHIR R4**：醫療數據交換
- **OMOP CDM**：觀察性研究通用數據模型
- **HL7 v2/v3**：傳統醫院系統整合

### 臨床風險評分工具庫

| 工具 | 用途 | 變量數 |
|------|------|--------|
| Charlson Comorbidity Index | 共病負擔 | 17 項 |
| APACHE II/IV | ICU 重症預測 | 多項生理指標 |
| SOFA | 器官衰竭評估 | 6 系統 |
| Framingham Risk Score | 心血管風險 | 性別特異 |
| CHA₂DS₂-VASc | 房顫中風風險 | 8 項 |
| Wells Score | 肺栓塞/深靜脈血栓 | 臨床判斷 |
| NEWS2 | 早期惡化預警 | 7 項生理指標 |
| LACE Index | 再入院預測 | 4 項 |

### 公共衛生監測框架

#### 早期預警指標（EWS）設計
1. 定義監測疾病/症狀
2. 建立基線（baseline）與季節性調整
3. 設定警報閾值（CDC CUSUM、Farrington algorithm）
4. 設計響應協議（response protocol）

#### 情景規劃模板
- **樂觀情景**：R₀ 下降、疫苗覆蓋率提升
- **基準情景**：現行趨勢延續
- **悲觀情景**：變異株出現、免疫逃逸、醫療系統過載

### 成本效益分析快速框架
- **成本效果分析（CEA）**：成本 per QALY gained
- **成本效益分析（CBA）**：貨幣化健康效益
- **預算影響分析（BIA）**：3-5 年財務影響
- **敏感性分析**：單因素 + 概率敏感性分析（PSA）

### 程式碼與工具生態
- **統計分析**：R (tidyverse, survival, caret), Python (scikit-learn, lifelines, statsmodels)
- **時間序列**：Prophet, sktime, forecast
- **可解釋 AI**：SHAP, Dalex, iml
- **醫療數據**：SQL (OMOP queries), pandas, FHIR libraries
- **視覺化**：ggplot2, matplotlib, plotly, forestplot
- **報告**：Quarto, R Markdown, Jupyter