正壓呼吸器價格的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列問答集和懶人包總整理

自動擷取分析阻塞性睡眠呼吸中止症病人顱顏特徵

為了解決正壓呼吸器價格的問題，作者顧哲銓 這樣論述：

睡眠呼吸中止症(OSA)，定義為在睡眠時上呼吸道阻塞而導致的症狀，患者常發生的症狀包含打鼾、頭痛、睡不飽、注意力不集中等等，嚴重者甚至導致呼吸中止而死亡，全台每年估計45萬人有此症狀發生，睡眠呼吸中止症屬於一種複雜性症候群，有許多因素導致睡眠期間上呼吸道阻塞，其中以成年肥胖男性以及人的顱顏結構息息相關，當患者在睡眠期間因咽喉附近的軟組織將呼吸道阻塞使上呼吸道塌陷，且此時患者的上下颌骨會往後縮，而導致呼吸道變窄產生震耳欲聾的聲音，即俗稱「打鼾」，因此顱面結構對於診斷與後續治療有密不可分的關係。然而傳統評估睡眠呼吸中止症的方式分為兩種，一種是利用血氧計檢測睡眠中血液含氧量來判別，患者僅需將血氧計

戴在手腕上一個晚上，再將血氧計送回診所交由醫師評估即可，為一種較為簡單且方面的檢測方式，而另一種方式比起上述方式較嚴謹且有系統性，患者需在醫院過夜做一次睡眠多項生理檢查，取得相關病症資料，再由睡眠醫學專科醫師進行評估，才能確診是否為患者，因患者需在醫院過夜，且可能不只要睡上一個晚上，因此相當費時，且受限於醫療資源、病床有限，所有病床皆採取預約制的情況下，讓許多較為嚴重的患者無法立即得到有效的治療，往往拖到半年甚至一年後才能獲得治療，再加上健保不給付的情況下，因此許多人放棄治療，轉而自費進行3DCT斷層掃描，雖然3DCT較省時且結果較為準確，但由於價格昂貴且具有輻射，也不少人因而放棄治療，因此又

有了價格相對3DCT低廉且無輻射的3DMD，患者僅需進入一個由五台攝像機及一台閃光燈的拍攝空間，即可立即建構患者3D頭顱模型，此3D頭顱模型格式為不開源的格式svm，再利用人工方式在模型上標記影響睡眠呼吸中止症的特徵點，包含正臉16個特徵點以及左右側臉各23個特徵點，並將這些特徵點的值再以手動方式計算嚴重影響睡眠呼吸中止症的距離、角度、面積及體積，上述過程需要耗費許多人力及時間，且軟體操作複雜容易出現錯誤，因此本研究將整個流程進行自動化，並僅需透過一套軟體即可自動化達到建構3D頭顱模型、標記特徵點、計算特徵點功能，本研究透過3DMD成像，快速且無輻射拍攝，取得影像後再建構成患者頭顱3D模型，並

將原先不開源的格式svm轉成開源格式obj、mtl及jpg，利用機器學習方式自動找出影響睡眠呼吸中止症相關面部特徵點，比起原先人工標記的16個正臉特徵點以及左右側臉各23個特徵點，本研究能自動標記81個正臉特徵點以及左右側臉各25個特徵點，多出65個正臉特徵點及左右側臉各2個特徵點，再自動計算嚴重影響睡眠呼吸中止症數值，因此更能計算更多不同特徵點間數值，包含12種距離、5種角度、3種面積及5種體積，以供醫師作為後續評估及治療，本論文結果最後與3DCT計算結果比較，採用的測資由醫院提供共40筆病患頭顱模型，因為不知道院方提供的CT資料單位為何，因此將以比值方式驗證本論文結果之正確性，為了後續比較

，需要從本論文結果與CT結果間取得一個基準，因此選擇了偏差值最小的鼻寬作為基準，並且計算其誤差百分比，在距離、面積與體積方面，因為在計算時會產生邊界問題，引發是否將點納入或不納入欲求計算範圍內，因此本論文結果將納入與不納入兩者情況皆計算。在距離方面，首先求出各個距離間本論文結果與CT結果的比值，並與鼻寬比值比較，不論納入或不納入，誤差百分比皆落在10%以內，在角度方面，除了在第四項特徵值Face width-mid face depth angle中，有22個測資角度誤差落在15到20度內，其餘特徵值皆落在5度以內，在面積方面，因為醫院提供之距離及面積CT資料單位不一致，且不知道之間的換算關係

，因此本論文利用公式距離平方比值等於面積比值的特性來驗證結果是否正確，誤差百分比幾乎落在10%以內，最差誤差百分比落在15~20%，在體積方面，利用公式距離三次方比值等於體積比值的特性來驗證結果是否正確，誤差百分比幾乎落在10%以內，而部份結果最差誤差百分比落到20%至30%左右。

睡眠呼吸中止症患者居家使用陽壓呼吸器之影響因素探討

為了解決正壓呼吸器價格的問題，作者吳郁婷 這樣論述：

阻塞型睡眠呼吸中止症是現今常見的睡眠呼吸障礙疾病，配帶連續陽壓呼吸器(CPAP)是目前治療的黃金標準。臨床上多數民眾仍缺乏此疾病認知及病識感，故採用保守療法居多。目前多數文獻研究不是僅以客觀檢查數據分析，就是以主觀的問卷訪談方式進行分析研究。本研究除了考量客觀檢查數據分析之外，亦考量患者主觀問卷訪談內容，探討患者接受CPAP治療的影響因子。本研究於2011年7月至2012年5月期間，於中部某睡眠醫學中心收集35名中度以上(AHI≧15/h)之睡眠呼吸中止症病患資料進行統計分析研究，並經醫囑使用CPAP前完成整夜多頻道睡眠檢查及CPAP參數調整兩次檢查，經過7天居家CPAP試機後，依是否願意使

用CPAP繼續接受治療分為願意使用及不願意使用兩群組。資料採用SPSS統計分析軟體進行描述性統計及Pearson χ2 test、Student’s t-test、羅吉斯迴歸等推論性統計分析。第一次CPAP參數檢查之分析結果顯示，使用CPAP調整後，二組病患之呼吸中止與淺呼吸指數(AHI)均有明顯的改善(願意使用者：從 49.74/h降至6.95/h；不願意使用者：從38.56/h降至6.55/h)，此與先前之研究結果吻合。然而，影響居家試用CPAP檢查之睡眠呼吸中止症患者，持續使用CPAP治療的最大因素是深睡期百分比，其次是血氧飽和濃度。因此，如果在居家試用CPAP時，病患感受深度睡眠或總睡

眠時間有明顯增加，而且血氧飽和濃度有提升時，患者會有較高意願繼續使用CPAP療；此時疾病嚴重度(AHI)並非最主要影響因素。經由患者於居家試機前後之主觀問卷內容分析及客觀量化接受CPAP治療前後之檢查數據分析結果顯示，進行CPAP titration當晚的重要性及居家試機期間使用經驗上配戴的舒適感、正確性及有效的壓力調整是治療初期影響病患後續接受CPAP治療意願的重要因素；另外，病患之經濟壓力及CPAP之價格亦是重要因素。