iVOD / 165862

Field Value
IVOD_ID 165862
IVOD_URL https://ivod.ly.gov.tw/Play/Clip/1M/165862
日期 2025-11-26
會議資料.會議代碼 委員會-11-4-26-13
會議資料.會議代碼:str 第11屆第4會期社會福利及衛生環境委員會第13次全體委員會議
會議資料.屆 11
會議資料.會期 4
會議資料.會次 13
會議資料.種類 委員會
會議資料.委員會代碼[0] 26
會議資料.委員會代碼:str[0] 社會福利及衛生環境委員會
會議資料.標題 第11屆第4會期社會福利及衛生環境委員會第13次全體委員會議
影片種類 Clip
開始時間 2025-11-26T11:03:23+08:00
結束時間 2025-11-26T11:18:30+08:00
影片長度 00:15:07
支援功能[0] ai-transcript
video_url https://ivod-lyvod.cdn.hinet.net/vod_1/_definst_/mp4:1MClips/f5b16bee5fdcc5c102af7573499c5a3eba7bab90aa47d99979564efc6fe1044bccb487e2fda4bc7d5ea18f28b6918d91.mp4/playlist.m3u8
委員名稱 廖偉翔
委員發言時間 11:03:23 - 11:18:30
會議時間 2025-11-26T09:00:00+08:00
會議名稱 立法院第11屆第4會期社會福利及衛生環境委員會第13次全體委員會議(事由:邀請衛生福利部部長、財政部及環境部就「蘇丹紅化學原料竄臺,政府如何強化進口把關及後市場查驗,以維護國人健康安全」進行專題報告,並備質詢。 邀請衛生福利部部長、司法院、法務部、勞動部及內政部警政署就「國內醫師、護理人力需求及分布暨防止醫療暴力措施及改善情形」進行專題報告,並備質詢。 (討論事項) 審查 一、委員柯志恩等17人擬具「醫療法第二十四條及第一百零六條條文修正草案」案。 二、委員林月琴等17人擬具「醫療法第二十四條及第一百零六條條文修正草案」案。 三、委員王育敏等16人擬具「醫療法第二十四條及第一百零六條條文修正草案」案。 四、委員顏寬恒等17人擬具「醫療法第二十四條及第一百零六條條文修正草案」案。 五、委員萬美玲等16人擬具「醫療法第一百零六條條文修正草案」案。 六、委員顏寬恒等16人擬具「醫療法第二十四條及第一百零六條條文修正草案」案。 七、委員邱若華等17人擬具「醫療法第一百零六條條文修正草案」案。 八、委員陳菁徽等17人擬具「醫療法第二十四條及第一百零六條條文修正草案」案。 九、委員魯明哲等18人擬具「醫療法第一百零六條條文修正草案」案。 十、委員王鴻薇等20人擬具「醫療法第二十四條及第一百零六條條文修正草案」案。 十一、委員林淑芬等25人擬具「醫療法增訂第一百條之一條文草案」案。 十二、委員盧縣一等16人擬具「醫療法第二十四條及第一百零六條條文修正草案」案。 十三、委員羅廷瑋等21人擬具「醫療法第二十四條及第一百零六條條文修正草案」案。 十四、委員廖偉翔等17人擬具「醫療法第二十四條及第一百零六條條文修正草案」案。 【第十四案,如經復議,則不予審查】【專題報告及討論事項綜合詢答,討論事項僅詢答】)
transcript.pyannote[0].speaker SPEAKER_01
transcript.pyannote[0].start 7.01721875
transcript.pyannote[0].end 10.05471875
transcript.pyannote[1].speaker SPEAKER_01
transcript.pyannote[1].start 10.30784375
transcript.pyannote[1].end 11.01659375
transcript.pyannote[2].speaker SPEAKER_01
transcript.pyannote[2].start 13.58159375
transcript.pyannote[2].end 14.45909375
transcript.pyannote[3].speaker SPEAKER_01
transcript.pyannote[3].start 14.96534375
transcript.pyannote[3].end 15.70784375
transcript.pyannote[4].speaker SPEAKER_01
transcript.pyannote[4].start 16.21409375
transcript.pyannote[4].end 23.68971875
transcript.pyannote[5].speaker SPEAKER_01
transcript.pyannote[5].start 23.79096875
transcript.pyannote[5].end 23.80784375
transcript.pyannote[6].speaker SPEAKER_02
transcript.pyannote[6].start 23.80784375
transcript.pyannote[6].end 27.43596875
transcript.pyannote[7].speaker SPEAKER_01
transcript.pyannote[7].start 27.43596875
transcript.pyannote[7].end 27.73971875
transcript.pyannote[8].speaker SPEAKER_02
transcript.pyannote[8].start 27.73971875
transcript.pyannote[8].end 29.24159375
transcript.pyannote[9].speaker SPEAKER_01
transcript.pyannote[9].start 27.77346875
transcript.pyannote[9].end 50.47034375
transcript.pyannote[10].speaker SPEAKER_02
transcript.pyannote[10].start 29.81534375
transcript.pyannote[10].end 30.10221875
transcript.pyannote[11].speaker SPEAKER_01
transcript.pyannote[11].start 50.85846875
transcript.pyannote[11].end 61.01721875
transcript.pyannote[12].speaker SPEAKER_01
transcript.pyannote[12].start 61.15221875
transcript.pyannote[12].end 68.44221875
transcript.pyannote[13].speaker SPEAKER_01
transcript.pyannote[13].start 69.03284375
transcript.pyannote[13].end 74.65221875
transcript.pyannote[14].speaker SPEAKER_01
transcript.pyannote[14].start 75.22596875
transcript.pyannote[14].end 78.46596875
transcript.pyannote[15].speaker SPEAKER_02
transcript.pyannote[15].start 79.39409375
transcript.pyannote[15].end 79.78221875
transcript.pyannote[16].speaker SPEAKER_01
transcript.pyannote[16].start 79.91721875
transcript.pyannote[16].end 81.21659375
transcript.pyannote[17].speaker SPEAKER_01
transcript.pyannote[17].start 81.99284375
transcript.pyannote[17].end 82.26284375
transcript.pyannote[18].speaker SPEAKER_01
transcript.pyannote[18].start 82.68471875
transcript.pyannote[18].end 88.79346875
transcript.pyannote[19].speaker SPEAKER_02
transcript.pyannote[19].start 83.03909375
transcript.pyannote[19].end 83.27534375
transcript.pyannote[20].speaker SPEAKER_02
transcript.pyannote[20].start 87.00471875
transcript.pyannote[20].end 87.44346875
transcript.pyannote[21].speaker SPEAKER_01
transcript.pyannote[21].start 88.97909375
transcript.pyannote[21].end 91.03784375
transcript.pyannote[22].speaker SPEAKER_01
transcript.pyannote[22].start 92.10096875
transcript.pyannote[22].end 94.21034375
transcript.pyannote[23].speaker SPEAKER_02
transcript.pyannote[23].start 92.15159375
transcript.pyannote[23].end 92.45534375
transcript.pyannote[24].speaker SPEAKER_02
transcript.pyannote[24].start 94.46346875
transcript.pyannote[24].end 95.71221875
transcript.pyannote[25].speaker SPEAKER_01
transcript.pyannote[25].start 95.49284375
transcript.pyannote[25].end 101.26409375
transcript.pyannote[26].speaker SPEAKER_02
transcript.pyannote[26].start 101.53409375
transcript.pyannote[26].end 104.99346875
transcript.pyannote[27].speaker SPEAKER_01
transcript.pyannote[27].start 104.55471875
transcript.pyannote[27].end 110.05596875
transcript.pyannote[28].speaker SPEAKER_02
transcript.pyannote[28].start 108.79034375
transcript.pyannote[28].end 108.97596875
transcript.pyannote[29].speaker SPEAKER_02
transcript.pyannote[29].start 110.05596875
transcript.pyannote[29].end 127.21784375
transcript.pyannote[30].speaker SPEAKER_01
transcript.pyannote[30].start 126.61034375
transcript.pyannote[30].end 130.99784375
transcript.pyannote[31].speaker SPEAKER_02
transcript.pyannote[31].start 127.92659375
transcript.pyannote[31].end 128.24721875
transcript.pyannote[32].speaker SPEAKER_02
transcript.pyannote[32].start 129.86721875
transcript.pyannote[32].end 131.36909375
transcript.pyannote[33].speaker SPEAKER_01
transcript.pyannote[33].start 131.36909375
transcript.pyannote[33].end 133.59659375
transcript.pyannote[34].speaker SPEAKER_01
transcript.pyannote[34].start 134.23784375
transcript.pyannote[34].end 159.14534375
transcript.pyannote[35].speaker SPEAKER_02
transcript.pyannote[35].start 134.42346875
transcript.pyannote[35].end 134.72721875
transcript.pyannote[36].speaker SPEAKER_02
transcript.pyannote[36].start 135.23346875
transcript.pyannote[36].end 135.55409375
transcript.pyannote[37].speaker SPEAKER_02
transcript.pyannote[37].start 139.50284375
transcript.pyannote[37].end 139.58721875
transcript.pyannote[38].speaker SPEAKER_01
transcript.pyannote[38].start 159.95534375
transcript.pyannote[38].end 169.16909375
transcript.pyannote[39].speaker SPEAKER_00
transcript.pyannote[39].start 166.18221875
transcript.pyannote[39].end 166.26659375
transcript.pyannote[40].speaker SPEAKER_00
transcript.pyannote[40].start 168.83159375
transcript.pyannote[40].end 168.84846875
transcript.pyannote[41].speaker SPEAKER_01
transcript.pyannote[41].start 169.21971875
transcript.pyannote[41].end 230.61096875
transcript.pyannote[42].speaker SPEAKER_00
transcript.pyannote[42].start 191.95034375
transcript.pyannote[42].end 192.06846875
transcript.pyannote[43].speaker SPEAKER_00
transcript.pyannote[43].start 192.11909375
transcript.pyannote[43].end 192.28784375
transcript.pyannote[44].speaker SPEAKER_02
transcript.pyannote[44].start 231.53909375
transcript.pyannote[44].end 249.13971875
transcript.pyannote[45].speaker SPEAKER_00
transcript.pyannote[45].start 243.90846875
transcript.pyannote[45].end 244.22909375
transcript.pyannote[46].speaker SPEAKER_02
transcript.pyannote[46].start 249.32534375
transcript.pyannote[46].end 257.03721875
transcript.pyannote[47].speaker SPEAKER_02
transcript.pyannote[47].start 257.15534375
transcript.pyannote[47].end 269.05221875
transcript.pyannote[48].speaker SPEAKER_01
transcript.pyannote[48].start 268.34346875
transcript.pyannote[48].end 269.82846875
transcript.pyannote[49].speaker SPEAKER_02
transcript.pyannote[49].start 269.82846875
transcript.pyannote[49].end 276.03846875
transcript.pyannote[50].speaker SPEAKER_01
transcript.pyannote[50].start 269.87909375
transcript.pyannote[50].end 272.07284375
transcript.pyannote[51].speaker SPEAKER_01
transcript.pyannote[51].start 274.94159375
transcript.pyannote[51].end 275.19471875
transcript.pyannote[52].speaker SPEAKER_01
transcript.pyannote[52].start 276.03846875
transcript.pyannote[52].end 276.12284375
transcript.pyannote[53].speaker SPEAKER_02
transcript.pyannote[53].start 276.12284375
transcript.pyannote[53].end 284.27346875
transcript.pyannote[54].speaker SPEAKER_01
transcript.pyannote[54].start 276.22409375
transcript.pyannote[54].end 278.09721875
transcript.pyannote[55].speaker SPEAKER_01
transcript.pyannote[55].start 283.36221875
transcript.pyannote[55].end 285.52221875
transcript.pyannote[56].speaker SPEAKER_02
transcript.pyannote[56].start 285.52221875
transcript.pyannote[56].end 357.13971875
transcript.pyannote[57].speaker SPEAKER_01
transcript.pyannote[57].start 285.55596875
transcript.pyannote[57].end 286.28159375
transcript.pyannote[58].speaker SPEAKER_01
transcript.pyannote[58].start 309.70409375
transcript.pyannote[58].end 310.04159375
transcript.pyannote[59].speaker SPEAKER_01
transcript.pyannote[59].start 312.96096875
transcript.pyannote[59].end 314.02409375
transcript.pyannote[60].speaker SPEAKER_01
transcript.pyannote[60].start 315.93096875
transcript.pyannote[60].end 317.71971875
transcript.pyannote[61].speaker SPEAKER_00
transcript.pyannote[61].start 317.71971875
transcript.pyannote[61].end 317.92221875
transcript.pyannote[62].speaker SPEAKER_00
transcript.pyannote[62].start 318.46221875
transcript.pyannote[62].end 318.49596875
transcript.pyannote[63].speaker SPEAKER_01
transcript.pyannote[63].start 318.49596875
transcript.pyannote[63].end 318.96846875
transcript.pyannote[64].speaker SPEAKER_00
transcript.pyannote[64].start 318.96846875
transcript.pyannote[64].end 320.21721875
transcript.pyannote[65].speaker SPEAKER_00
transcript.pyannote[65].start 323.30534375
transcript.pyannote[65].end 323.62596875
transcript.pyannote[66].speaker SPEAKER_01
transcript.pyannote[66].start 341.17596875
transcript.pyannote[66].end 342.08721875
transcript.pyannote[67].speaker SPEAKER_01
transcript.pyannote[67].start 352.24596875
transcript.pyannote[67].end 352.56659375
transcript.pyannote[68].speaker SPEAKER_01
transcript.pyannote[68].start 357.13971875
transcript.pyannote[68].end 361.39221875
transcript.pyannote[69].speaker SPEAKER_02
transcript.pyannote[69].start 358.69221875
transcript.pyannote[69].end 359.53596875
transcript.pyannote[70].speaker SPEAKER_02
transcript.pyannote[70].start 360.73409375
transcript.pyannote[70].end 369.45846875
transcript.pyannote[71].speaker SPEAKER_01
transcript.pyannote[71].start 361.79721875
transcript.pyannote[71].end 362.33721875
transcript.pyannote[72].speaker SPEAKER_02
transcript.pyannote[72].start 370.01534375
transcript.pyannote[72].end 372.96846875
transcript.pyannote[73].speaker SPEAKER_01
transcript.pyannote[73].start 371.90534375
transcript.pyannote[73].end 383.43096875
transcript.pyannote[74].speaker SPEAKER_02
transcript.pyannote[74].start 373.94721875
transcript.pyannote[74].end 376.52909375
transcript.pyannote[75].speaker SPEAKER_02
transcript.pyannote[75].start 376.54596875
transcript.pyannote[75].end 377.67659375
transcript.pyannote[76].speaker SPEAKER_02
transcript.pyannote[76].start 379.56659375
transcript.pyannote[76].end 381.32159375
transcript.pyannote[77].speaker SPEAKER_02
transcript.pyannote[77].start 382.99221875
transcript.pyannote[77].end 383.93721875
transcript.pyannote[78].speaker SPEAKER_01
transcript.pyannote[78].start 384.27471875
transcript.pyannote[78].end 395.12534375
transcript.pyannote[79].speaker SPEAKER_01
transcript.pyannote[79].start 395.51346875
transcript.pyannote[79].end 408.28784375
transcript.pyannote[80].speaker SPEAKER_01
transcript.pyannote[80].start 408.43971875
transcript.pyannote[80].end 411.47721875
transcript.pyannote[81].speaker SPEAKER_01
transcript.pyannote[81].start 411.69659375
transcript.pyannote[81].end 416.37096875
transcript.pyannote[82].speaker SPEAKER_01
transcript.pyannote[82].start 416.45534375
transcript.pyannote[82].end 422.19284375
transcript.pyannote[83].speaker SPEAKER_01
transcript.pyannote[83].start 422.51346875
transcript.pyannote[83].end 424.03221875
transcript.pyannote[84].speaker SPEAKER_01
transcript.pyannote[84].start 424.25159375
transcript.pyannote[84].end 426.31034375
transcript.pyannote[85].speaker SPEAKER_01
transcript.pyannote[85].start 427.27221875
transcript.pyannote[85].end 430.05659375
transcript.pyannote[86].speaker SPEAKER_01
transcript.pyannote[86].start 430.32659375
transcript.pyannote[86].end 438.15659375
transcript.pyannote[87].speaker SPEAKER_01
transcript.pyannote[87].start 439.96221875
transcript.pyannote[87].end 445.02471875
transcript.pyannote[88].speaker SPEAKER_02
transcript.pyannote[88].start 445.24409375
transcript.pyannote[88].end 450.10409375
transcript.pyannote[89].speaker SPEAKER_02
transcript.pyannote[89].start 450.35721875
transcript.pyannote[89].end 469.91534375
transcript.pyannote[90].speaker SPEAKER_02
transcript.pyannote[90].start 470.70846875
transcript.pyannote[90].end 479.98971875
transcript.pyannote[91].speaker SPEAKER_01
transcript.pyannote[91].start 478.42034375
transcript.pyannote[91].end 492.02159375
transcript.pyannote[92].speaker SPEAKER_01
transcript.pyannote[92].start 492.49409375
transcript.pyannote[92].end 496.07159375
transcript.pyannote[93].speaker SPEAKER_02
transcript.pyannote[93].start 496.03784375
transcript.pyannote[93].end 509.36909375
transcript.pyannote[94].speaker SPEAKER_01
transcript.pyannote[94].start 505.99409375
transcript.pyannote[94].end 508.91346875
transcript.pyannote[95].speaker SPEAKER_01
transcript.pyannote[95].start 509.31846875
transcript.pyannote[95].end 512.17034375
transcript.pyannote[96].speaker SPEAKER_02
transcript.pyannote[96].start 510.46596875
transcript.pyannote[96].end 513.04784375
transcript.pyannote[97].speaker SPEAKER_01
transcript.pyannote[97].start 512.74409375
transcript.pyannote[97].end 520.96221875
transcript.pyannote[98].speaker SPEAKER_01
transcript.pyannote[98].start 522.90284375
transcript.pyannote[98].end 565.12409375
transcript.pyannote[99].speaker SPEAKER_01
transcript.pyannote[99].start 565.37721875
transcript.pyannote[99].end 575.11409375
transcript.pyannote[100].speaker SPEAKER_01
transcript.pyannote[100].start 575.31659375
transcript.pyannote[100].end 607.71659375
transcript.pyannote[101].speaker SPEAKER_00
transcript.pyannote[101].start 608.35784375
transcript.pyannote[101].end 639.94784375
transcript.pyannote[102].speaker SPEAKER_00
transcript.pyannote[102].start 640.04909375
transcript.pyannote[102].end 640.08284375
transcript.pyannote[103].speaker SPEAKER_01
transcript.pyannote[103].start 640.08284375
transcript.pyannote[103].end 645.14534375
transcript.pyannote[104].speaker SPEAKER_00
transcript.pyannote[104].start 640.09971875
transcript.pyannote[104].end 641.26409375
transcript.pyannote[105].speaker SPEAKER_01
transcript.pyannote[105].start 645.76971875
transcript.pyannote[105].end 647.64284375
transcript.pyannote[106].speaker SPEAKER_01
transcript.pyannote[106].start 647.65971875
transcript.pyannote[106].end 653.73471875
transcript.pyannote[107].speaker SPEAKER_01
transcript.pyannote[107].start 654.30846875
transcript.pyannote[107].end 664.24784375
transcript.pyannote[108].speaker SPEAKER_01
transcript.pyannote[108].start 664.58534375
transcript.pyannote[108].end 665.04096875
transcript.pyannote[109].speaker SPEAKER_01
transcript.pyannote[109].start 665.44596875
transcript.pyannote[109].end 720.69471875
transcript.pyannote[110].speaker SPEAKER_02
transcript.pyannote[110].start 721.06596875
transcript.pyannote[110].end 721.21784375
transcript.pyannote[111].speaker SPEAKER_02
transcript.pyannote[111].start 721.36971875
transcript.pyannote[111].end 759.82784375
transcript.pyannote[112].speaker SPEAKER_01
transcript.pyannote[112].start 759.16971875
transcript.pyannote[112].end 840.38909375
transcript.pyannote[113].speaker SPEAKER_02
transcript.pyannote[113].start 760.30034375
transcript.pyannote[113].end 760.41846875
transcript.pyannote[114].speaker SPEAKER_02
transcript.pyannote[114].start 840.38909375
transcript.pyannote[114].end 851.13846875
transcript.pyannote[115].speaker SPEAKER_01
transcript.pyannote[115].start 849.95721875
transcript.pyannote[115].end 851.56034375
transcript.pyannote[116].speaker SPEAKER_02
transcript.pyannote[116].start 852.04971875
transcript.pyannote[116].end 882.82971875
transcript.pyannote[117].speaker SPEAKER_01
transcript.pyannote[117].start 859.94721875
transcript.pyannote[117].end 860.48721875
transcript.pyannote[118].speaker SPEAKER_01
transcript.pyannote[118].start 863.89596875
transcript.pyannote[118].end 864.97596875
transcript.pyannote[119].speaker SPEAKER_00
transcript.pyannote[119].start 864.97596875
transcript.pyannote[119].end 865.00971875
transcript.pyannote[120].speaker SPEAKER_00
transcript.pyannote[120].start 865.87034375
transcript.pyannote[120].end 865.97159375
transcript.pyannote[121].speaker SPEAKER_01
transcript.pyannote[121].start 865.97159375
transcript.pyannote[121].end 866.03909375
transcript.pyannote[122].speaker SPEAKER_00
transcript.pyannote[122].start 866.03909375
transcript.pyannote[122].end 866.14034375
transcript.pyannote[123].speaker SPEAKER_02
transcript.pyannote[123].start 883.43721875
transcript.pyannote[123].end 888.68534375
transcript.pyannote[124].speaker SPEAKER_01
transcript.pyannote[124].start 888.24659375
transcript.pyannote[124].end 900.97034375
transcript.pyannote[125].speaker SPEAKER_02
transcript.pyannote[125].start 889.30971875
transcript.pyannote[125].end 889.34346875
transcript.pyannote[126].speaker SPEAKER_02
transcript.pyannote[126].start 890.76096875
transcript.pyannote[126].end 891.35159375
transcript.pyannote[127].speaker SPEAKER_02
transcript.pyannote[127].start 900.39659375
transcript.pyannote[127].end 902.13471875
transcript.pyannote[128].speaker SPEAKER_02
transcript.pyannote[128].start 903.34971875
transcript.pyannote[128].end 904.02471875
transcript.whisperx[0].start 7.045
transcript.whisperx[0].end 26.999
transcript.whisperx[0].text 感謝劉建國召委有請衛福部長請部長好 廖委員早部長早部長衛福部為了強化這個護理人力的留任你們在2024年投入了多少錢40億去年去年的話是42億對那2025 68億嘛對不對
transcript.whisperx[1].start 30.681
transcript.whisperx[1].end 49.628
transcript.whisperx[1].text 那要希望可以辦理護理人員的留任再來就是希望落實三班互併比的政策希望可以透過改善工作環境來截止護理師的離職潮但是根據立法院的調查報告顯示
transcript.whisperx[2].start 50.948
transcript.whisperx[2].end 78.278
transcript.whisperx[2].text 扣除了65歲以上年齡層護理人員職業率2024年的2月在錯失三班護病比錯失前是62.72%但是到了2025年的5月反而掉了掉到62.36%是創下2020年來的最低所以我想請問這個是這個數據是對的嗎這個立法院的調查報告為什麼你說落實提出這個三班護病比之後這個數據反而掉了呢
transcript.whisperx[3].start 80.232
transcript.whisperx[3].end 90.711
transcript.whisperx[3].text 這個好像是立法院的調查報告這比較舊的資料我們現在的數字好像到2024年的12月對 因為看起來是掉了
transcript.whisperx[4].start 92.368
transcript.whisperx[4].end 109.517
transcript.whisperx[4].text 現在沒有有更好嗎有大概是63所以你認為這個執行之後的數據是有好的所以這個立法院調查報告的數據是舊的如果我們用今年的這個但是你要想我這是有扣除65歲以上的我剛講的數據是扣除65歲以上有有有
transcript.whisperx[5].start 110.217
transcript.whisperx[5].end 132.911
transcript.whisperx[5].text 如果以今年10月跟去年這個同期的這個那個護理人力來講我們是增加大概4900位啦那跟疫情前相比的話大概也差不多是在5000位左右所以慢慢再回來疫情當中就你但是這樣的這樣的成績你滿意嗎還不滿意還不滿意嘛對不對還不滿意所以其實我想要問說
transcript.whisperx[6].start 134.332
transcript.whisperx[6].end 158.701
transcript.whisperx[6].text 其实当时这个离职率的部分我也有问过我们的邱前部长那那个时候我们认为说这个数据看起来也是没有提升的也很好而且甚至并没有改善太多所以就想说是不是应该要有所谓的9任奖金那当时的邱前部长说要再研议那另外我想要请教一下
transcript.whisperx[7].start 160.718
transcript.whisperx[7].end 176.38
transcript.whisperx[7].text 針對這個提升整體醫事人員的待遇這個護理師全聯會他也有幾項訴求那以下我是挑出這四樣包含著第一個就是這個合理的薪資希望說這個有關於合理薪資標準是不是應該要設置
transcript.whisperx[8].start 177.481
transcript.whisperx[8].end 198.666
transcript.whisperx[8].text 那譬如說其全民健保的這個投保的金額醫院應該是基本工資的可能2.5倍診所是1.5倍那希望改善這個醫事人員的薪資反映他專業跟勞動價值這第一點他們的訴求那第二點是提高臨床醫事人員培訓計畫的補助款那點值的計算方式要透明化
transcript.whisperx[9].start 199.266
transcript.whisperx[9].end 223.938
transcript.whisperx[9].text 那保障可能一點億元並調升醫事職業補助款的這個點數至兩萬五千點或以上那確保護理人才可以得到適當的培訓支持這他們的第二點那第三點是這個推動臨床護理專家制度設置有臨床護理專家職位並提升相應的津貼的醫院納入醫院的評鑑加分
transcript.whisperx[10].start 224.878
transcript.whisperx[10].end 248.719
transcript.whisperx[10].text 那第四點是9任獎金 所以我拉出這四個他們的訴求想要請部長回應一下當然這個我們非常認同這個委員這邊關心到的護理人員的9任但是我們現在以結果來看 我們現在的這個獎勵金分兩個一個是夜班津貼 一個就是護病筆但是護病筆過去只看護病筆
transcript.whisperx[11].start 249.42
transcript.whisperx[11].end 267.425
transcript.whisperx[11].text 我們現在未來的比重是要以人力的增加為主要的指標所以這個獎勵就是會讓他去運用如何讓人力增加所以留任久任也是一個人力增加你一直有心境可是舊的一直走掉就不會增加所以他用這一筆錢
transcript.whisperx[12].start 268.585
transcript.whisperx[12].end 287.74
transcript.whisperx[12].text 當然就留任的是好嘛 留任獎金那也是符合符合我們的使用用途 所以9任獎金你們是可以可以9任獎金可以我們現在有的那個三班互併比的獎勵他可以拿來做9任獎金用那所以第4點沒什麼問題那123那另外呢我們現在也有這個
transcript.whisperx[13].start 290.422
transcript.whisperx[13].end 309.183
transcript.whisperx[13].text 5年的489億的深耕計劃深耕計劃裡面也有用到一部分是在人員的培訓跟這個職場環境的改善那你把它拿來做為久任留任的獎金也是OK這些措施呢他是可以搭配在裡面做那123點呢那至於說
transcript.whisperx[14].start 311.445
transcript.whisperx[14].end 326.12
transcript.whisperx[14].text 这个合理薪资的标准啊这个我们在讨论中你们在讨论中对对在讨论中那大概什么时候会有结果呢那个coach就是那个导师制度在我们的护理12项的那个
transcript.whisperx[15].start 327.361
transcript.whisperx[15].end 356.733
transcript.whisperx[15].text 那個策略裡頭已經包含在裡頭已經有這個coach就是這個導師制也就是所謂的專家地位啦這個我們現在已經有納入在計畫裡面讓這個心境人員不會馬上就要面臨各種的臨床上的挑戰所以有一個導師護理我們過去都是醫師有導師啦那現在是讓這個護理也有這個心境人員有一個導師的制度
transcript.whisperx[16].start 357.213
transcript.whisperx[16].end 382.971
transcript.whisperx[16].text 好 所以針對這四項需求你們四項的訴求你們都是認同的至於說這個培訓計畫提升這個因為還有各職類的人員所以可能我們要一起討論這部分要演繹所以第二個是要演繹的第一個也在討論中然後第三和四是沒有問題四也支持有相關計畫可以去轉去使用嘛
transcript.whisperx[17].start 384.332
transcript.whisperx[17].end 398.228
transcript.whisperx[17].text 再來第二題就是說部長根據這個台灣醫策會的報告也指出新進護理師首年的離職率高達30到35%那近5年的護理師平均職業年齡已經從2019年36.33歲突破到2025年的6月的39歲
transcript.whisperx[18].start 404.355
transcript.whisperx[18].end 425.832
transcript.whisperx[18].text 那40歲以下護理人力的占比更是連連下降所以這個部分行政院在這個2023年通過護理人力的政策整備計畫以這個護理心血培育以免護理心血培育的出現斷層這件事情那本席認為這個部分現在要怎麼樣
transcript.whisperx[19].start 427.321
transcript.whisperx[19].end 444.836
transcript.whisperx[19].text 你們未來要怎麼樣改善然後你們有沒有針對他到底是因為目前為止他的障礙是前警察薪資低工作惡劣環境這樣子的因素所以導致他們離職率很高嗎就是你們有沒有去做過深度的調查和去了解第一線的需求
transcript.whisperx[20].start 445.407
transcript.whisperx[20].end 469.705
transcript.whisperx[20].text 跟委員說明當然薪資是一個很重要的因素所以我們在一方面提高這個健保的給付強化那個護理費的部分但是希望這些增加的護理費要回饋到這個護理人員的薪資的調升這個我們在監測中那看起來也是有在增加所以護理人員的薪資的調升是一定要做那第二個呢
transcript.whisperx[21].start 471.127
transcript.whisperx[21].end 491.468
transcript.whisperx[21].text 這前幾年因為遇到這個COVID疫情的關係所以在護理的培訓過程當中少了那一些好部長我想請問一下就是說你們有沒有也跟這個教育部啦或是各科系之間去進行這個統計調查然後還有去了解說為什麼他們的這個首年首年的離職率這麼高那有沒有一個
transcript.whisperx[22].start 492.769
transcript.whisperx[22].end 520.498
transcript.whisperx[22].text 好好的去研究說他需要什麼然後你們去怎麼調整那個系統性的調查當然沒有我會請照護師做一個系統性的調查讓各醫院去反映或者是這個護理團體來反映你們應該要去做系統性的調查系統性的調查我們來做對啊你才知道說要怎麼樣對症下藥嘛是是是好因為時間有限我進述再來就是要問說醫療這個暴力的部分啦好那我要請那個司法院的代表
transcript.whisperx[23].start 523.13
transcript.whisperx[23].end 539.297
transcript.whisperx[23].text 基本上每一年累積五年有1500多件的防礙醫療業務執行平均每一年是309件儘管立法院其實在2014年和2017年其實有兩度修正
transcript.whisperx[24].start 539.977
transcript.whisperx[24].end 564.177
transcript.whisperx[24].text 好有兩度修正逐次加重涉醫療暴力的刑度但修法時效有限那過去的10年間每一年的案件還是介於200到400件之間那去年可能更高達443件是11年來新高所以顯然沒有因為刑責加重產生嚇阻作用那我去看了一下其中關鍵是不是在於司法判決跟法律規定的嚴重脫節
transcript.whisperx[25].start 565.498
transcript.whisperx[25].end 588.291
transcript.whisperx[25].text 包含台北市醫師職業工會的會員代表統計司法院判決的發現2016到2020之間的醫療暴力判決刑期中位數大概是兩個月平均判刑是兩個月多那遠低於法律所定的最高刑期而且他其中的罰還也只有3到5萬那五大醫療團體也在今年的6月有聯合聲明
transcript.whisperx[26].start 588.931
transcript.whisperx[26].end 607.474
transcript.whisperx[26].text 呼籲立法院應該加重刑責民定警政機關介入的義務那首先要問一下司法的代表當然個案都可能有所不同喔但是從這個統計數字來看呈現這個刑期很低的狀況是不是司法院是會不會認為這樣判決的情況會導致嚇阻力不足
transcript.whisperx[27].start 609.07
transcript.whisperx[27].end 628.183
transcript.whisperx[27].text 謝謝委員關心這個關於這個量刑的部分是法官依據這個個案調查證據的結果所謂的判斷那這個司法院都向來都是予以尊重那至於說這個判決的結果本身能不能夠嚇阻我必須要強調就是說判決本身是藉由這個
transcript.whisperx[28].start 629.785
transcript.whisperx[28].end 653.405
transcript.whisperx[28].text 這個法官是參考說所謂的一般預防特別預防還有一些嚇阻的作用綜合的一個判斷的一個結果那至於說能不能嚇阻的話這個部分可能就要看這個刑期本身立法對啊 所以目前看起來是沒有這個嚇阻力嘛好 那我現在要請問一下部長 衛福部長所以本席也提案希望修法應該刑期至少六個月以上那
transcript.whisperx[29].start 654.406
transcript.whisperx[29].end 677.163
transcript.whisperx[29].text 在嚇阻力不足的前提之下 其實實際上醫這個勞暴力這個防治制度也是不太足所以醫改會也指出衛福部現行規定是這個要求僅要求百床以上的醫院必須設置24小時的保全但99床以下的醫院包含許多有開放急診的中小型醫院卻不在此規定之內
transcript.whisperx[30].start 677.944
transcript.whisperx[30].end 700.022
transcript.whisperx[30].text 所以如果暴力案發生要等到啟動警民聯繫然後院外的警察趕到才能夠制止其實也會增加 額外增加這個醫院內員工受害的風險所以想要請教一下部長是不是可以參考國外早已經有的防暴政策如美國的這個護理學會在2002年有訂定所謂醫院防暴檢核表
transcript.whisperx[31].start 700.522
transcript.whisperx[31].end 720.263
transcript.whisperx[31].text 那日本的2006年有規劃醫院安全管理體制要點跟加拿大醫院頒布及時應變的防範與通報的相關的機制來修正我們的醫療機構設置標準明定有關開放的急診醫院不管是什麼規模是不是應該要設置24小時的保全或駐衛警
transcript.whisperx[32].start 721.044
transcript.whisperx[32].end 736.544
transcript.whisperx[32].text 好 我跟委員說明就是我們現在其實也有訂了相關的指引那我們再請這個醫事師去了解一下其他國家的做法有沒有還可以參考之處我們把這個指引再做一些修正那至於說是不是要
transcript.whisperx[33].start 737.265
transcript.whisperx[33].end 758.285
transcript.whisperx[33].text 列在這個醫院的設置標準裡面那是強制性規定那因為目前99船以下的醫院是不需要設急診的所以這個如果又加了很多的要求之後反而讓他把急診關起來乾脆不做那這樣會不會反而影響到民眾的權益多數民眾的權益我們會來權衡
transcript.whisperx[34].start 759.326
transcript.whisperx[34].end 785.389
transcript.whisperx[34].text 對你們要權衡一下並且去了解一下因為這個你說要等到警察介入的時間到底夠不夠這你們應該也要考量另外根據這個台大公衛急診室暴力研究一致指出其實這個施暴者處於酒醉或藥物影響下的比例是極高的那一項針對台灣急診暴力的分析顯示高達43%的暴力事件跟這個施暴者酒後失控或酒飲有關
transcript.whisperx[35].start 786.59
transcript.whisperx[35].end 804.725
transcript.whisperx[35].text 那往往醫療的暴力犯罪者其實也都有一般的暴力的先例那部長有沒有發現這些特質就好像是在家庭暴力的事件中施暴者的特質其實也高度重合所以因此本席也在認為我們是不是應該積極的討論提高家暴中這個刑罰跟家癌
transcript.whisperx[36].start 806.627
transcript.whisperx[36].end 831.488
transcript.whisperx[36].text 因為我們現在同時在討論這個事嘛 家暴的部分嘛可是我們面對人力流失的醫療環境我們是不是應該要更有積極的作為來保護醫師人員比如說這個如同在健保卡會註記藥物過敏啊或者是以保護病人的安全那對於有暴力前科或是醫療暴力記錄者是不是也應該要註記來保護一下醫療人員的生命安全
transcript.whisperx[37].start 832.048
transcript.whisperx[37].end 850.994
transcript.whisperx[37].text 那可不可以也參考比較英國澳洲或者是美國的制度先例也納入我們的制度去評估部長你認為呢當然我們在這個防範暴力的這個環節裡面有一個關鍵是辨識這個高風險者哪些是高風險者所以要備註是不是要備註
transcript.whisperx[38].start 852.895
transcript.whisperx[38].end 864.382
transcript.whisperx[38].text 辨識這個高風險者但是這個辨識是不是要用健保卡加注的方式來行使這個我想我們要再討論一下那你現在怎麼辨識就是教育訓練的方式譬如說剛剛提到我們多數就是這個救營者啦
transcript.whisperx[39].start 867.944
transcript.whisperx[39].end 882.165
transcript.whisperx[39].text 然後他都會有一些跡象所以我們去強化這個教育訓練讓這個第一線人員可以及時察覺然後做好適當的這個這個防範措施這個是有他的必要性但是用這個
transcript.whisperx[40].start 883.547
transcript.whisperx[40].end 899.083
transcript.whisperx[40].text 直接加注在健保卡裡面這個可能我們還要再研究一下你們可以去參考一下國際上面有沒有相關的部分因為本期這裡也整理出一些列表來給你所以請你們去研究一下因為我認為這樣子其實才可以更快的辨識出來好 謝謝