ems救護的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到附近那裡買和營業時間的推薦產品

被科技綁架的智慧城市

為了解決ems救護的問題，作者班・格林 這樣論述：

　　●科技很是很棒的工具，但不是最終答案！ 　　●當台灣許多都市正準備轉型成智慧城市時，我們真的已經瞭解這代表什麼了嗎？或者我們只是被科技沖昏頭罷了？這本書將會改變你對科技的看法！ 　　●深入且敏銳觀察當代智慧城市發展，生動舉出許多實際案例，帶你看見智慧城市發展趨勢與困境！ 　　你知道你被科技系統監控了嗎？ 　　你知道免費WI-FI可能竊取你個資的大數據嗎？ 　　你知道影響你是否被判定可能犯罪而遭到逮捕的科學數據，可能充滿歧視與偏見嗎？ 　　在「科技決定論」的邏輯下， 　　我們該如何脫掉「科技有色眼鏡」，不以科技作為改善都市的唯一方法？ 　　我們該如何警覺到「智慧城市」背後所隱含的政治性、

階級性，及其被特定集團把持的危險？ 　　我們該如何以「適當的智慧」，打造出一個民主、公正與平等的「適宜智慧城市」？ 　　當全世界暢談智慧城市的好處──科技大量介入日常後，會使生活更便利、更有效率時，班．格林在《被科技綁架的智慧城市》一書中，透過分析眾多的案例，讓我們看見「科技至上」邏輯的限制與危險，並提醒我們對於科技過度美好的想像，反倒可能會忽略人真實的需求、加重社會不平等或被特定集團掌握監控。 　　我們總是期待科技或人工智慧可以解決都市的諸多問題，因而積極嘗試以其提升全人類的生活品質，但本書透過未來交通的想像規劃、預測犯罪系統的運用到免費Wi-Fi的使用等，一一解析智慧城市忽略的問題與可

能陷入的困境，指出我們創新新穎的科技並非解決都市問題的唯一方法，及被這種方式所忽略的人文關懷。是以，班．格林以此書提醒我們，唯有讓科技歸於適當的位置，我們才有可能打造出真正公正、民主與平等的社會，不至於讓科技反客為主，取回未來城市的掌控權。 　　格林為應用數學家，曾任職於紐約大學與耶魯大學的科技研究機構，更曾服務於與美國波士頓的公共服務與市民參與案例的相關數據分析機構。目前他致力於關注科技與社會的研究和創新，注重人性的科技服務。因此，在此書中，格林才能如此詳盡地分析美國城市發展中科技應用的優缺點，並切中要點地批判當代城市發展中科技導向的弊端。 　　在「智慧城市」的觀念日漸在全世界蓬勃發展，

甚至被視為是解決都市問題的唯一解方時，《被科技綁架的智慧城市》一書帶領我們拉高視野，在全世界被「科技」全面凌駕之前，先發出警訊，點亮一盞警示燈，讓我們看到在科技發展的亮光之下，未被即時發覺的陰暗角落。 國內外好評推薦 　　王郁倫｜《數位時代》編輯部主編 　　杜奕瑾｜台灣人工智慧實驗室創辦人 　　唐鳳｜CONSUL 民主基金會理事 　　Jonathan Zittrain ｜哈佛大學國際法、計算機科學教授．《網際網路的未來》作者 　　Mary L. Gray｜哈佛大學互聯網與社會中心研究員．微軟研究院高級研究員 　　Michael　Batty｜英國城市規劃師．倫敦大學榮譽教授 　　（按姓氏筆劃

排序） 　　格林對「適宜智慧城市」的展望，對科技導向的城市規劃的侷限，提供了一個尖銳的批判。他生動地描繪出為何當我們談起智慧城市時，必須放入價值與政治。更重要的是，格林給予我們一個對於道德和民主地參與創新道路的地圖。——Beth Coleman （滑鐵盧大學實驗性科技媒體教授．新媒體研究者） 　　這是一本深思熟慮，充滿了倫理感、技術精確的著作。書中講述了大數據、人工智能（AI）與機器學習如何在不以公共的自由與精神的平靜為代價的情況下，進一步促進城市的效率與移居。——Frank Pasquale（馬里蘭大學法律系教授．美國國家科學會大數據與社會倫理領域的諮詢委員） 作者簡介 班．格林 

Ben Green 　　哈佛應用數學系博士候選人，曾於2016年至2017年間，擔任美國波士頓創新與科技部門的數據科學家。長期關注數據科學對於社會和政治的影響，並著重在大數據演算法公平性的處理和監測犯罪系統的建置等細節。 　　更多作者資訊：www.benzevgreen.com/ 譯者簡介 廖亭雲 　　畢業於國立台灣大學翻譯碩士學位學程，現為專業譯者。 　　翻譯作品包括：《內容電力公司》、《慶祝失敗》、《性愛好科學》、《黑暗網路》等書。 序言 謝辭 一、緒論：智慧城市的盲點――科技有色眼鏡 二、建設宜居城市：自駕車的限制與危險 三、鍛造民主城市：科技有色眼鏡下

的民主與政治參與困境 四、維護公正城市：隱藏在機器學習演算法下的歧視與偏見 五、建設負責城市：侵犯民眾的隱私和自主權 六、打造創新城市：市政府內部技術與非技術部門的交互影響 七、結論：探索「適宜智慧城市」的架構與未來發展   序言   　　「智慧城市」的時代來臨了！只是，我們根本不清楚這是什麼意思，至少可以確定的是，我們還沒搞清楚。──〈波士頓智慧城市教戰守則〉（The Boston Smart City Playbook），二○一六年   　　我在二○一四年到二○一八年擔任波士頓市首席資訊長，期間聽過許多「智慧城市」科技公司的行銷說詞。其中比較令人印象深刻的，是兩家財富美國五百強（Fo

rtune 500，譯注：《財富》雜誌每年評選的全美最大五百家公司排行榜）企業聯手合作，推出可以裝設在路燈頂端的連線裝置，讓全波士頓數萬個地點都能具備攝影機、感應器和運算功能。   　　就如同大多數的智慧城市產品，這項裝置號稱是可以蒐集多種資料的「平台」，只要搭配合適的分析模型，就能幫助我們進行多項改善，包括交通車流、公共安全和市政服務效率。 　　有位同事向前來的廠商提問，有沒有哪一項益處是已經實現的，結果其中一位公司部門主管一臉熱切地回答：「這就是最讓人期待的部分：我們提供平台和資料，這樣你們就能找出各種方法來從中找出價值。」最讓人驚訝的是價格，我們得知單是每年的服務費，就幾乎等同於市政府

花在除雪和收垃圾的費用。我絕對不會隨隨便便就把這個提案送到市長辦公室。 　　這樣的經驗突顯出智慧城市的概念存在著常見的隔閡：企業看到了各種可能性（以及金錢），而市政府員工卻看到棘手的財務交易，以及將科技轉換為真正的公共價值所需的複雜過程。此外，這也顯現出眾人是用完全不同的觀點，來看待城市所面對的挑戰。對於科技專家來說，城市集結了各種需要直接且最佳解決方案的問題，因此，越多資料和運算能力就越有助於解決問題，畢竟讓交通車流更順暢，並且更有效率地提供服務，不就是大家的共識嗎？   　　但是對於在前線的員工來說，「更順暢」和「更有效率」這些詞彙不過是問題的冰山一角，真正難解的是市政府和市民之間的利益

競爭和價值衝突。即便是改善交通如此簡單的概念，一經分析馬上就會變成涉及優先順序和不同觀點的棘手問題：我們是否該在巴士接近十字路口時讓燈號自動切換成綠燈，就算這樣做會影響其他駕駛的車速？零售商店把路邊停車位規劃成Uber上車區的做法公平嗎？如果預測性交通號誌定時可以加速交通車流，但是會導致馬路對行人和自行車騎士比較危險，我們應該要採用這項技術嗎？這些都不是技術問題，再多的感測器資料也無法提供正確答案。   　　我在經營自行創立的科技公司十年之後，進入波士頓市政府工作，我很快發現以「我們可不可以只要……」開頭的句子，經常是我說錯話的前兆。長年努力解決特定問題的同僚經常向我解釋，問題核心其實牽涉到複

雜的政治和結構性挑戰，但表面上看來卻只要用一點科技魔法就能克服。忽視價值和利益交換這類深層問題，而偏好簡化問題、解決導向的方法，這種傾向正是許多科技專家的盲點。   　　《被科技綁架的智慧城市》一書深入探討將科技解決方案應用在以人為中心的都市管理領域時，所面臨的機會與挑戰。班．格林清楚陳述了新科技可以為城市建構出多麼美好的理想，同時也正視應用科技可能帶來的複雜和難解問題。班摒棄了許多智慧城市概念背後以科技為中心的思維，提醒我們如何避開用看似簡單的方法，解決棘手問題的陷阱。 　　班也為政府內部落實科技的員工設想了新的角色，這也是他在波士頓市政府服務期間對自己的要求。在我管理的創新與科技部門團隊

擔任資料科學家時，班就是個對創新深思熟慮的合作夥伴，他深知其重要性，也明白這對市民會造成哪些棘手而複雜的衝擊。不論是擴大公共Wi-Fi或是修繕人行道等議題，班都曾協助市政府在應用嶄新科技的同時，細心照顧到各社區重視的價值和優先順序。他在市政府部門的實務工作中，成功破解了錯誤的假象，包括僅止於表面上的最佳化技術，以及沒有權衡利弊的改善方案。   　　班具備深厚的資料科學專業技能，因此曾支援波士頓緊急醫療服務（Boston Emergency Medical Services，簡稱「EMS」），協助處理救護車反應時間過長的難解問題。他的方法是進行調查，分析關於使用趨勢、電話通報類型和救護車布局，而

最關鍵的是，他和EMS的領導階層以及現場醫護人員建立了良好關係。救護車隨行人員不僅能以人性化的方式回報病患情況，也能協助詮釋可能影響到反應時間的因子。在建構資料模型的過程中，同時參考醫療人員的意見，由於他們的工作正是這些資料所代表的內容，模型產出了一些相當有效的分析結果。 　　班成功找出救護車無法滿足緊急照護需求的原因和地點，而他的全面周到的分析結果，也突顯出EMS服務模型需要改善之處。有大量的救護車使用時間是耗費在與醫療無關的緊急電話通報，例如，通報者無家可歸、藥物成癮或兩者皆是，因此，EMS第一線人員實際上是在扮演社會服務提供者的角色，儘管這也是很重要的工作，這項責任卻不該落在配備完整的

救護車醫療人員身上。   　　班採用的方法是以人為中心，並且需要協同合作，於是催生出專門處理藥物濫用的EMS社區援助團隊（Community Assistance Team），還有擴大服務範圍的工作人員，可以為深陷危機的市民媒合社會服務。如此一來，經過特殊訓練和擁有特定資源的第一線人員，就能提供品質更好的照護和支援，同時也能讓救護車團隊有時間可以處理真正需要這些技能和設備協助的通報案件。   　　《被科技綁架的智慧城市》的主旨在於破解迷思，並非只要神通廣大的都市創新者利用破壞性科技，就能如同施展魔法般地輕鬆改造城市。本書不僅提出了警告，也為智慧城市相關產業提供了指引：唯有結合深厚的科技專業和周

全的方案設計，並且正視都市中所有成員的複雜性和衝突，科技專家才能真正發揮正向的影響力。至於我們這些抱持樂觀態度，認為科技有潛力能為長年未解的都市問題帶來新解方的讀者，這本書則提供了值得參考的新觀點和周全的未來展望。   賈莎．富蘭克林｜賀智（Jascha Franklin-Hodge） 前波士頓市資訊長 Blue State Digital共同創辦人 一、緒論：智慧城市的盲點――科技有色眼鏡（節選） 二〇一六年，《波士頓環球報》（Boston Globe）刊登了一篇報導，標題道出了各地城市駕駛的共同夢想：「向交通號誌說再見。」 當然，波士頓並沒有突然撤除城裡的所有交通號誌，但這項變革已經近在

眼前：麻省理工學院（Massachusetts Institute of Technology，簡稱「MIT」）的研究人員已經設計出嶄新的「智慧十字路口」 ，可以讓駛進的自駕車流順暢切入，並且毫無阻礙地通過十字路口。 一旦這種新技術布署完成，塞車將會成為歷史的灰燼，而這些未來街道的模擬似乎預示著新紀元的黎明，先進科技將能有效緩解長期困擾都市的交通問題。 然而，MIT所設計的數學模型和模擬仍有不足之處：人群。他們的城市街道中除了車流之外，沒有任何生命體存在，而這項缺失之所以特別值得一提，是因為MIT模型核心中的十字路口其實是波士頓市中心最繁忙的行人和運輸要道，也是全美國最適合步行的地點之一。 沒

有人喜歡交通阻塞，但是如果必須要讓人群從街道上消失，才能解決交通問題，那麼我們究竟是準備打造出什麼樣的都市？ 除了這些MIT研究員以外，更有前仆後繼的研究團隊期待科技突破可以為都市帶來明顯好處。每一項提案聽起來都很有雄心壯志，但只要稍微瞭解一下這些未來模型和烏托邦願景，令人感到擔憂的情景就會浮現。 想想看「預測性警務」（predictive policing）：這種機器學習演算法可以分析過往犯罪模式，並且預測下一次犯行發生的時間和地點。許多人認為，掌握這些資訊之後，員警可以有效率地預防犯罪和保障社區安全。預測性警務演算法似乎能提供客觀且科學的方法，讓有限的警力資源發揮最大效益，而過去十年來，美

國各地的警察部門都已經採用相關軟體，更有警官高呼這項技術可以協助「我們以更有智慧的方式打擊犯罪」 。

ems救護進入發燒排行的影片

救護車院前勤務時間與院前心臟驟停病患之預後分析

為了解決ems救護的問題，作者陳琨福 這樣論述：

目的：到院前心臟驟停（out of hospital cardiac arrest, OHCA）病患，超過4至6分鐘，如未進行急救，腦細胞即有不可逆的壞死，研究指出，在4分鐘內BLS支持並使用AED電繫，8分鐘內ALS支持，與存活率有相關性。本研究救護車勤務時間與EMT之BLS及到院後ACLS(Advanced Cardiac Life Support)介入的影響。方法：採橫斷性研究，以2019年至2020年緊急醫療管理系統資料庫，擷取20歲以上非創傷之OHCA患者，共納入3,942，採用邏吉斯迴歸（logistic regression）以探討救護車院院勤務時間和依變項：院後恢復自發性血液

循(ROSC)與否及存活出院與否是否存有關聯性。結果：本研究經統計後發生OHCA平均年齡為78.44歲，男性佔61.42%，目擊OHCA：佔42.27%，可電繫心率佔24.8%，院後ROSC佔22.57%，成功出院佔3.48%。使用複迴歸分析，在有目擊者、經電擊心率情況下，16分鐘內的反應時間與院後ROSC為(aOR:3.231,CI:1.124-9.286,p值:0.0295)。10分鐘內的反應時間點與成功出院(aOR:2.528,CI:1.002-6.378,p值:0.0494)。31分鐘內的勤務時間與院後ROSC(aOR:1.352,CI:1.051-1.738,p值:0.0187)。2

6分鐘內的勤務時間與成功出院(aOR:1.625,CI:1.035-2.5511,p值: 0.035)。結論：本研究結果有目擊者、經電擊心率下，在院後ROSC上，反應時間應在16分鐘內，勤務時間應在31分鐘內。在成功出院上，反應時間應在10分鐘內，勤務時間應在26分鐘內。

急診人文2.0：含經營管理與教育訓練

為了解決ems救護的問題，作者胡勝川 這樣論述：

　　本書自民國一○四年五月問世以來，吾人相繼在羅東博愛醫院、花蓮慈濟醫院、和東元綜合醫院開設急診人文課程。本書為當然的教材，每月講一個題目，以一年為一個週期。每次講到同一個題目，由於時代的進展及腦力激盪之下，每次都會有創新的概念出現，教學相長在這裡得到最佳的印證，於是內容愈來愈豐富、概念愈來愈完整，遂有盡快發行「急診人文2.0」之意念，以饗有意從事急診人文教學的老師。  

空氣污染與肺炎合併敗血症及到院前心跳停止之關聯:台灣高雄市之時間分層病例交叉研究

為了解決ems救護的問題，作者鄭富仁 這樣論述：

背景： 許多研究指出空氣污染與健康危害有相關，包括呼吸道，心血管疾病等。但是對於空氣污染與肺炎併敗血症以及到院前心跳停止(out-of-hospital cardiac arrests，OHCAs)之間的關連目前研究並不多，以及有哪些潛在疾患的病人對於空氣污染的健康危害特別敏感目前並沒有定論。研究目的:1. 研究細懸浮微粒(fine particulate matter，PM2.5)以及其他空氣污染對於肺炎併敗血症急診就診的風險。2. 研究空氣污染對於到院前心跳停止(Out-of-hospital cardiac arrest，OHCA)的影響，以及空氣污染對於不同潛在疾病病人的效應。方法第

一階段研究收集台灣高雄地區11個空氣品質測站於2007年至2013年的空氣污染監測數據，並收集同時間來自高雄地區某醫學中心急診就診，診斷為肺炎併敗血症的成年(>17歲)病人的醫療紀錄，利用Poisson模型以及條件式邏輯式回歸來計算空氣污染對於肺炎併敗血症急診就診之影響。第二階段，我們收集自2015至2016年高雄地區的空氣污染資料，並收集同時間內因OHCA經由緊急救護系統(emergency medical service，EMS)救護的病患的醫療資料，利用Poisson模型以及條件式邏輯式回歸來計算空氣污染對於OHCA之影響。結果 第一階段研究發現在溫暖的季節，每增加一個四分位間距的PM

2.5，PM10， 以及二氧化氮(NO2)在lag0分別會增加25.5%，21.61%，以及21.97%肺炎併敗血症的急診就診風險。雙污染模型中顯示，PM2.5在分別校正完PM10與NO2後仍對於肺炎併敗血症的急診就診有強大的影響. PM2.5對於相對健康的族群，即沒有潛在疾患高血壓，糖尿病，腦中風，肝硬化，呼吸道疾病以及惡性腫瘤的病人似乎有較大的危害。 第二階段的研究共收集了3566個OHCA病患，並根據性別，年紀，以及不同的潛在疾患做不同的分層分析。結果發現，在lag1每增加一個四分位間距的PM2.5，PM10，O3，以及在lag3每增加一個IQR的NO2分別會增加10.8%， 11.3

%，6.2%，以及1.7% OHCA的發生風險。次族群分析發現有糖尿病(interaction p = 0.009)，心臟疾病 (interaction p = 0.001)，以及老人 (≥70 歲; interaction p = 0.003)在lag3對於NO2較敏感。更進一步的，病人在寒冷的季節對於O3較為敏感 (interaction p = 0.001)。結論 雖然之前的研究已經發現PM2.5的暴露與肺功能不全有關，但在第一階段研究中研究進一步發現在溫暖的季節，PM2.5對於肺炎併敗血症的急診就診扮演相當重要的角色，即使在調整PM10與NO2之後PM2.5仍具影響力。此外，相對健康

的人似乎較易受PM2.5的影響而有較高肺炎併敗血症的風險。第二階段的研究結果中顯示PM2.5，PM10，NO2，與O3對於OHCA事件有重要的影響，且有糖尿病， 心臟疾病，以及老人對NO2較為敏感，而在寒冷的季節對於O3的影響較為敏感。