iVOD / 166286

Field Value
IVOD_ID 166286
IVOD_URL https://ivod.ly.gov.tw/Play/Clip/1M/166286
日期 2025-12-10
會議資料.會議代碼 委員會-11-4-26-15
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15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 15
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15次全體委員會議
影片種類 Clip
開始時間 2025-12-10T10:25:54+08:00
結束時間 2025-12-10T10:39:39+08:00
影片長度 00:13:45
支援功能[0] ai-transcript
video_url https://ivod-lyvod.cdn.hinet.net/vod_1/_definst_/mp4:1MClips/a128e1119a2c25c0398c3afd9498ea14ff56a78bd28eb12244a569ea12001d971bd147f165fa27cb5ea18f28b6918d91.mp4/playlist.m3u8
委員名稱 林淑芬
委員發言時間 10:25:54 - 10:39:39
會議時間 2025-12-10T09:00:00+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15次全體委員會議(事由:邀請衛生福利部部長、勞動部及教育部就「身心障礙者特教融合、就業服務及自立生活現況」進行專題報告,並備質詢。 (討論事項) 一、繼續審查 (一) 委員范雲等17人、委員何欣純等17人、委員羅廷瑋等16人、委員廖偉翔等19人、委員陳菁徽等16人、委員羅美玲等16人及委員劉建國等17人分別擬具「身心障礙者權益保障法部分條文修正草案」案。 (二) 委員郭昱晴等19人擬具「身心障礙者權益保障法第十六條條文修正草案」案。 (三) 委員陳冠廷等16人擬具「身心障礙者權益保障法第三十八條條文修正草案」案。 (四) 委員陳冠廷等20人擬具「身心障礙者權益保障法第二條、第五十三條及第九十九條條文修正草案」案。 (五) 委員徐富癸等18人擬具「身心障礙者權益保障法第十條條文修正草案」案。 (六) 委員黃捷等17人擬具「身心障礙者權益保障法第七十一條條文修正草案」案。 (七) 委員王鴻薇等20人擬具「身心障礙者權益保障法增訂第四十條之一條文草案」案。 (八) 委員柯志恩等18人擬具「身心障礙者權益保障法增訂第四十條之一條文草案」案。 (九) 委員柯志恩等17人擬具「身心障礙者權益保障法第六十條之一條文修正草案」案。 (十) 委員馬文君等19人擬具「身心障礙者權益保障法第三十條之一、第五十條及第五十二條條文修正草案」案。 (十一) 委員廖偉翔等21人擬具「身心障礙者權益保障法增訂第五十條之一條文草案」案。 (十二) 委員林楚茵等20人擬具「身心障礙者權益保障法第十條條文修正草案」案。 (十三) 委員洪孟楷等18人擬具「身心障礙者權益保障法增訂第四十條之一條文草案」案。 (十四) 委員陳俊宇等18人擬具「身心障礙者權益保障法第七十一條條文修正草案」案。 (十五) 委員林楚茵等17人擬具「身心障礙者權益保障法第七十一條條文修正草案」案。 (十六) 委員劉建國等17人擬具「身心障礙者權益保障法第七十一條條文修正草案」案。 (十七) 委員邱若華等17人擬具「身心障礙者權益保障法第七十一條條文修正草案」案。 二、審查 (一) 委員林月琴等18人擬具「身心障礙者權益保障法部分條文修正草案」案。 (二) 委員伍麗華Saidhai Tahovecahe等18人擬具「身心障礙者權益保障法部分條文修正草案」案。 (三) 委員王育敏等17人擬具「身心障礙者權益保障法部分條文修正草案」案。 (四) 台灣民眾黨黨團擬具「身心障礙者權益保障法部分條文修正草案」案。 【第二(四)案,如經復議,則不予審查】 【專題報告及討論事項,綜合詢答】)
transcript.pyannote[0].speaker SPEAKER_01
transcript.pyannote[0].start 0.03096875
transcript.pyannote[0].end 0.45284375
transcript.pyannote[1].speaker SPEAKER_00
transcript.pyannote[1].start 4.55346875
transcript.pyannote[1].end 6.94971875
transcript.pyannote[2].speaker SPEAKER_01
transcript.pyannote[2].start 6.94971875
transcript.pyannote[2].end 7.64159375
transcript.pyannote[3].speaker SPEAKER_01
transcript.pyannote[3].start 11.62409375
transcript.pyannote[3].end 12.53534375
transcript.pyannote[4].speaker SPEAKER_00
transcript.pyannote[4].start 12.90659375
transcript.pyannote[4].end 16.29846875
transcript.pyannote[5].speaker SPEAKER_00
transcript.pyannote[5].start 16.88909375
transcript.pyannote[5].end 18.32346875
transcript.pyannote[6].speaker SPEAKER_00
transcript.pyannote[6].start 19.06596875
transcript.pyannote[6].end 20.01096875
transcript.pyannote[7].speaker SPEAKER_00
transcript.pyannote[7].start 20.63534375
transcript.pyannote[7].end 26.99721875
transcript.pyannote[8].speaker SPEAKER_01
transcript.pyannote[8].start 26.65971875
transcript.pyannote[8].end 35.45159375
transcript.pyannote[9].speaker SPEAKER_00
transcript.pyannote[9].start 32.76846875
transcript.pyannote[9].end 34.05096875
transcript.pyannote[10].speaker SPEAKER_00
transcript.pyannote[10].start 34.64159375
transcript.pyannote[10].end 36.46409375
transcript.pyannote[11].speaker SPEAKER_01
transcript.pyannote[11].start 35.48534375
transcript.pyannote[11].end 36.86909375
transcript.pyannote[12].speaker SPEAKER_00
transcript.pyannote[12].start 36.76784375
transcript.pyannote[12].end 38.11784375
transcript.pyannote[13].speaker SPEAKER_00
transcript.pyannote[13].start 38.18534375
transcript.pyannote[13].end 42.67409375
transcript.pyannote[14].speaker SPEAKER_00
transcript.pyannote[14].start 43.33221875
transcript.pyannote[14].end 147.97409375
transcript.pyannote[15].speaker SPEAKER_00
transcript.pyannote[15].start 148.93596875
transcript.pyannote[15].end 193.13159375
transcript.pyannote[16].speaker SPEAKER_01
transcript.pyannote[16].start 189.19971875
transcript.pyannote[16].end 189.68909375
transcript.pyannote[17].speaker SPEAKER_00
transcript.pyannote[17].start 193.35096875
transcript.pyannote[17].end 195.86534375
transcript.pyannote[18].speaker SPEAKER_00
transcript.pyannote[18].start 196.20284375
transcript.pyannote[18].end 213.70221875
transcript.pyannote[19].speaker SPEAKER_01
transcript.pyannote[19].start 214.34346875
transcript.pyannote[19].end 215.52471875
transcript.pyannote[20].speaker SPEAKER_00
transcript.pyannote[20].start 216.31784375
transcript.pyannote[20].end 221.53221875
transcript.pyannote[21].speaker SPEAKER_01
transcript.pyannote[21].start 218.54534375
transcript.pyannote[21].end 219.42284375
transcript.pyannote[22].speaker SPEAKER_01
transcript.pyannote[22].start 220.38471875
transcript.pyannote[22].end 221.56596875
transcript.pyannote[23].speaker SPEAKER_00
transcript.pyannote[23].start 221.56596875
transcript.pyannote[23].end 225.32909375
transcript.pyannote[24].speaker SPEAKER_00
transcript.pyannote[24].start 226.17284375
transcript.pyannote[24].end 227.03346875
transcript.pyannote[25].speaker SPEAKER_00
transcript.pyannote[25].start 227.50596875
transcript.pyannote[25].end 228.65346875
transcript.pyannote[26].speaker SPEAKER_01
transcript.pyannote[26].start 228.82221875
transcript.pyannote[26].end 229.98659375
transcript.pyannote[27].speaker SPEAKER_00
transcript.pyannote[27].start 230.17221875
transcript.pyannote[27].end 230.88096875
transcript.pyannote[28].speaker SPEAKER_01
transcript.pyannote[28].start 230.59409375
transcript.pyannote[28].end 230.83034375
transcript.pyannote[29].speaker SPEAKER_01
transcript.pyannote[29].start 230.88096875
transcript.pyannote[29].end 231.72471875
transcript.pyannote[30].speaker SPEAKER_00
transcript.pyannote[30].start 232.65284375
transcript.pyannote[30].end 249.88221875
transcript.pyannote[31].speaker SPEAKER_01
transcript.pyannote[31].start 233.07471875
transcript.pyannote[31].end 233.58096875
transcript.pyannote[32].speaker SPEAKER_00
transcript.pyannote[32].start 250.18596875
transcript.pyannote[32].end 250.81034375
transcript.pyannote[33].speaker SPEAKER_00
transcript.pyannote[33].start 251.28284375
transcript.pyannote[33].end 253.03784375
transcript.pyannote[34].speaker SPEAKER_00
transcript.pyannote[34].start 254.48909375
transcript.pyannote[34].end 256.34534375
transcript.pyannote[35].speaker SPEAKER_00
transcript.pyannote[35].start 256.88534375
transcript.pyannote[35].end 256.93596875
transcript.pyannote[36].speaker SPEAKER_00
transcript.pyannote[36].start 256.95284375
transcript.pyannote[36].end 259.18034375
transcript.pyannote[37].speaker SPEAKER_00
transcript.pyannote[37].start 260.83409375
transcript.pyannote[37].end 261.08721875
transcript.pyannote[38].speaker SPEAKER_01
transcript.pyannote[38].start 261.08721875
transcript.pyannote[38].end 261.15471875
transcript.pyannote[39].speaker SPEAKER_00
transcript.pyannote[39].start 261.15471875
transcript.pyannote[39].end 261.18846875
transcript.pyannote[40].speaker SPEAKER_01
transcript.pyannote[40].start 261.18846875
transcript.pyannote[40].end 263.50034375
transcript.pyannote[41].speaker SPEAKER_00
transcript.pyannote[41].start 266.95971875
transcript.pyannote[41].end 272.61284375
transcript.pyannote[42].speaker SPEAKER_00
transcript.pyannote[42].start 272.79846875
transcript.pyannote[42].end 283.73346875
transcript.pyannote[43].speaker SPEAKER_00
transcript.pyannote[43].start 283.80096875
transcript.pyannote[43].end 295.10721875
transcript.pyannote[44].speaker SPEAKER_00
transcript.pyannote[44].start 295.52909375
transcript.pyannote[44].end 299.30909375
transcript.pyannote[45].speaker SPEAKER_00
transcript.pyannote[45].start 300.30471875
transcript.pyannote[45].end 300.79409375
transcript.pyannote[46].speaker SPEAKER_00
transcript.pyannote[46].start 301.19909375
transcript.pyannote[46].end 303.69659375
transcript.pyannote[47].speaker SPEAKER_00
transcript.pyannote[47].start 304.32096875
transcript.pyannote[47].end 308.45534375
transcript.pyannote[48].speaker SPEAKER_01
transcript.pyannote[48].start 308.60721875
transcript.pyannote[48].end 308.87721875
transcript.pyannote[49].speaker SPEAKER_00
transcript.pyannote[49].start 308.87721875
transcript.pyannote[49].end 313.18034375
transcript.pyannote[50].speaker SPEAKER_01
transcript.pyannote[50].start 310.22721875
transcript.pyannote[50].end 317.55096875
transcript.pyannote[51].speaker SPEAKER_00
transcript.pyannote[51].start 314.26034375
transcript.pyannote[51].end 315.17159375
transcript.pyannote[52].speaker SPEAKER_00
transcript.pyannote[52].start 317.55096875
transcript.pyannote[52].end 330.27471875
transcript.pyannote[53].speaker SPEAKER_00
transcript.pyannote[53].start 330.86534375
transcript.pyannote[53].end 343.23471875
transcript.pyannote[54].speaker SPEAKER_00
transcript.pyannote[54].start 343.79159375
transcript.pyannote[54].end 347.23409375
transcript.pyannote[55].speaker SPEAKER_00
transcript.pyannote[55].start 347.80784375
transcript.pyannote[55].end 350.38971875
transcript.pyannote[56].speaker SPEAKER_00
transcript.pyannote[56].start 350.94659375
transcript.pyannote[56].end 372.12471875
transcript.pyannote[57].speaker SPEAKER_00
transcript.pyannote[57].start 372.61409375
transcript.pyannote[57].end 376.14096875
transcript.pyannote[58].speaker SPEAKER_01
transcript.pyannote[58].start 376.20846875
transcript.pyannote[58].end 377.18721875
transcript.pyannote[59].speaker SPEAKER_00
transcript.pyannote[59].start 377.13659375
transcript.pyannote[59].end 381.05159375
transcript.pyannote[60].speaker SPEAKER_00
transcript.pyannote[60].start 381.86159375
transcript.pyannote[60].end 391.96971875
transcript.pyannote[61].speaker SPEAKER_01
transcript.pyannote[61].start 390.56909375
transcript.pyannote[61].end 391.34534375
transcript.pyannote[62].speaker SPEAKER_01
transcript.pyannote[62].start 392.39159375
transcript.pyannote[62].end 395.14221875
transcript.pyannote[63].speaker SPEAKER_00
transcript.pyannote[63].start 395.10846875
transcript.pyannote[63].end 395.78346875
transcript.pyannote[64].speaker SPEAKER_00
transcript.pyannote[64].start 395.81721875
transcript.pyannote[64].end 400.06971875
transcript.pyannote[65].speaker SPEAKER_00
transcript.pyannote[65].start 400.96409375
transcript.pyannote[65].end 425.29784375
transcript.pyannote[66].speaker SPEAKER_00
transcript.pyannote[66].start 425.43284375
transcript.pyannote[66].end 427.08659375
transcript.pyannote[67].speaker SPEAKER_00
transcript.pyannote[67].start 427.82909375
transcript.pyannote[67].end 442.02096875
transcript.pyannote[68].speaker SPEAKER_00
transcript.pyannote[68].start 442.79721875
transcript.pyannote[68].end 489.97971875
transcript.pyannote[69].speaker SPEAKER_00
transcript.pyannote[69].start 490.31721875
transcript.pyannote[69].end 493.03409375
transcript.pyannote[70].speaker SPEAKER_01
transcript.pyannote[70].start 493.48971875
transcript.pyannote[70].end 500.32409375
transcript.pyannote[71].speaker SPEAKER_00
transcript.pyannote[71].start 499.68284375
transcript.pyannote[71].end 505.55534375
transcript.pyannote[72].speaker SPEAKER_01
transcript.pyannote[72].start 504.57659375
transcript.pyannote[72].end 507.41159375
transcript.pyannote[73].speaker SPEAKER_00
transcript.pyannote[73].start 507.41159375
transcript.pyannote[73].end 509.13284375
transcript.pyannote[74].speaker SPEAKER_00
transcript.pyannote[74].start 509.94284375
transcript.pyannote[74].end 511.02284375
transcript.pyannote[75].speaker SPEAKER_00
transcript.pyannote[75].start 511.37721875
transcript.pyannote[75].end 524.91096875
transcript.pyannote[76].speaker SPEAKER_00
transcript.pyannote[76].start 525.24846875
transcript.pyannote[76].end 557.02409375
transcript.pyannote[77].speaker SPEAKER_00
transcript.pyannote[77].start 557.15909375
transcript.pyannote[77].end 560.06159375
transcript.pyannote[78].speaker SPEAKER_00
transcript.pyannote[78].start 560.66909375
transcript.pyannote[78].end 561.71534375
transcript.pyannote[79].speaker SPEAKER_00
transcript.pyannote[79].start 562.15409375
transcript.pyannote[79].end 563.25096875
transcript.pyannote[80].speaker SPEAKER_01
transcript.pyannote[80].start 564.51659375
transcript.pyannote[80].end 572.81909375
transcript.pyannote[81].speaker SPEAKER_00
transcript.pyannote[81].start 568.53284375
transcript.pyannote[81].end 570.38909375
transcript.pyannote[82].speaker SPEAKER_00
transcript.pyannote[82].start 571.53659375
transcript.pyannote[82].end 575.77221875
transcript.pyannote[83].speaker SPEAKER_00
transcript.pyannote[83].start 576.43034375
transcript.pyannote[83].end 577.39221875
transcript.pyannote[84].speaker SPEAKER_01
transcript.pyannote[84].start 577.91534375
transcript.pyannote[84].end 586.96034375
transcript.pyannote[85].speaker SPEAKER_00
transcript.pyannote[85].start 586.08284375
transcript.pyannote[85].end 596.51159375
transcript.pyannote[86].speaker SPEAKER_01
transcript.pyannote[86].start 587.87159375
transcript.pyannote[86].end 587.88846875
transcript.pyannote[87].speaker SPEAKER_01
transcript.pyannote[87].start 596.59596875
transcript.pyannote[87].end 599.81909375
transcript.pyannote[88].speaker SPEAKER_00
transcript.pyannote[88].start 598.80659375
transcript.pyannote[88].end 604.72971875
transcript.pyannote[89].speaker SPEAKER_01
transcript.pyannote[89].start 605.10096875
transcript.pyannote[89].end 607.61534375
transcript.pyannote[90].speaker SPEAKER_00
transcript.pyannote[90].start 605.60721875
transcript.pyannote[90].end 606.24846875
transcript.pyannote[91].speaker SPEAKER_00
transcript.pyannote[91].start 607.69971875
transcript.pyannote[91].end 630.70034375
transcript.pyannote[92].speaker SPEAKER_01
transcript.pyannote[92].start 607.75034375
transcript.pyannote[92].end 607.78409375
transcript.pyannote[93].speaker SPEAKER_01
transcript.pyannote[93].start 616.81221875
transcript.pyannote[93].end 618.16221875
transcript.pyannote[94].speaker SPEAKER_00
transcript.pyannote[94].start 630.91971875
transcript.pyannote[94].end 638.34471875
transcript.pyannote[95].speaker SPEAKER_00
transcript.pyannote[95].start 639.15471875
transcript.pyannote[95].end 650.81534375
transcript.pyannote[96].speaker SPEAKER_00
transcript.pyannote[96].start 651.97971875
transcript.pyannote[96].end 655.20284375
transcript.pyannote[97].speaker SPEAKER_00
transcript.pyannote[97].start 655.62471875
transcript.pyannote[97].end 656.09721875
transcript.pyannote[98].speaker SPEAKER_00
transcript.pyannote[98].start 656.18159375
transcript.pyannote[98].end 663.80909375
transcript.pyannote[99].speaker SPEAKER_00
transcript.pyannote[99].start 664.29846875
transcript.pyannote[99].end 666.96471875
transcript.pyannote[100].speaker SPEAKER_00
transcript.pyannote[100].start 667.36971875
transcript.pyannote[100].end 681.13971875
transcript.pyannote[101].speaker SPEAKER_00
transcript.pyannote[101].start 681.96659375
transcript.pyannote[101].end 692.42909375
transcript.pyannote[102].speaker SPEAKER_01
transcript.pyannote[102].start 694.33596875
transcript.pyannote[102].end 694.82534375
transcript.pyannote[103].speaker SPEAKER_01
transcript.pyannote[103].start 694.99409375
transcript.pyannote[103].end 695.02784375
transcript.pyannote[104].speaker SPEAKER_01
transcript.pyannote[104].start 695.16284375
transcript.pyannote[104].end 700.59659375
transcript.pyannote[105].speaker SPEAKER_00
transcript.pyannote[105].start 698.99346875
transcript.pyannote[105].end 699.75284375
transcript.pyannote[106].speaker SPEAKER_00
transcript.pyannote[106].start 700.59659375
transcript.pyannote[106].end 703.27971875
transcript.pyannote[107].speaker SPEAKER_00
transcript.pyannote[107].start 703.48221875
transcript.pyannote[107].end 727.24221875
transcript.pyannote[108].speaker SPEAKER_00
transcript.pyannote[108].start 727.64721875
transcript.pyannote[108].end 736.96221875
transcript.pyannote[109].speaker SPEAKER_00
transcript.pyannote[109].start 737.63721875
transcript.pyannote[109].end 739.17284375
transcript.pyannote[110].speaker SPEAKER_00
transcript.pyannote[110].start 739.62846875
transcript.pyannote[110].end 759.74346875
transcript.pyannote[111].speaker SPEAKER_00
transcript.pyannote[111].start 760.80659375
transcript.pyannote[111].end 761.39721875
transcript.pyannote[112].speaker SPEAKER_01
transcript.pyannote[112].start 760.84034375
transcript.pyannote[112].end 761.17784375
transcript.pyannote[113].speaker SPEAKER_01
transcript.pyannote[113].start 761.39721875
transcript.pyannote[113].end 766.45971875
transcript.pyannote[114].speaker SPEAKER_00
transcript.pyannote[114].start 766.74659375
transcript.pyannote[114].end 821.96159375
transcript.pyannote[115].speaker SPEAKER_01
transcript.pyannote[115].start 820.72971875
transcript.pyannote[115].end 824.39159375
transcript.pyannote[116].speaker SPEAKER_00
transcript.pyannote[116].start 821.97846875
transcript.pyannote[116].end 822.19784375
transcript.pyannote[117].speaker SPEAKER_01
transcript.pyannote[117].start 825.20159375
transcript.pyannote[117].end 825.97784375
transcript.whisperx[0].start 4.568
transcript.whisperx[0].end 7.353
transcript.whisperx[0].text 好 謝謝主席 是不是請我們部長來 部長林委員早
transcript.whisperx[1].start 12.95
transcript.whisperx[1].end 42.512
transcript.whisperx[1].text 部長 我想今天跟你討論一個之前談過的議題就是說你知道這個未來的慢性病的防治重點大概會有哪些嗎 慢性病NCD 就是那個非傳染性疾病我們主要就是以三高跟CKD那就是所謂代謝症候群那代謝症候群成長的趨勢在台灣嚴不嚴重你覺得呢
transcript.whisperx[2].start 44.293
transcript.whisperx[2].end 62.367
transcript.whisperx[2].text 很嚴重你知道這個肥胖問題不只是台灣成為全球關注的焦點根據今年3月在發表在刺客專的期刊一項分析全球200多個國家的數據的研究指出到2050年在不久的將來全球會超過一半的成年人
transcript.whisperx[3].start 68.672
transcript.whisperx[3].end 85.905
transcript.whisperx[3].text 以及三分之一的兒童及青少年將會超重或者是肥胖但我們都知道肥胖不只是個人健康的問題它還會加重醫療體系的負擔甚至提升慢性病的風險
transcript.whisperx[4].start 87.046
transcript.whisperx[4].end 102.442
transcript.whisperx[4].text 那我现在在特别在跟你指出来就是说国建署去年国建署的去年发布了2023年的工作人口健康促进的现况调查他的初步结果调查中发现
transcript.whisperx[5].start 103.804
transcript.whisperx[5].end 114.778
transcript.whisperx[5].text 僅有不到一半的工作者體重正常受調查的全體工作者當中高達47.4%的體重達到過重或者是肥胖
transcript.whisperx[6].start 118.232
transcript.whisperx[6].end 147.432
transcript.whisperx[6].text 主要当然就是缺少运动或者是膳食纤维蔬果的摄取不足目前的初步分析发现只有47.9%的工作者体重落在正常的范围27.2%已经是过重20.2%已经是肥胖的程度只有仅仅非常少的是4.7%是过轻的族群这种初步的分析里面
transcript.whisperx[7].start 148.973
transcript.whisperx[7].end 166.846
transcript.whisperx[7].text 我們看到體重正常的工作者當中還有性別上的差異女性正常的裡面女性居多但是50歲以上的女性族群仍然有超過30%具有過重或者是肥胖的問題
transcript.whisperx[8].start 168.067
transcript.whisperx[8].end 192.87
transcript.whisperx[8].text 這可能的因素很多啦 當然包括更年期等等那另外根據數據調查顯示男性過重跟肥胖的族群高達61.6%而且年齡分布在40歲以上的男性族群體重問題都以過重為主但是50到59歲則男性肥胖的比例最高是
transcript.whisperx[9].start 193.911
transcript.whisperx[9].end 213.309
transcript.whisperx[9].text 肥胖比例最高的年齡段那我要講這個就是說我們都知道肥胖這個問題代謝症候群的問題這個是跟肥胖跟很多疾病息息相關那你知道部長現在茶餘飯後網路上大家最喜歡討論的關於跟肥胖有關的議題是什麼
transcript.whisperx[10].start 217.02
transcript.whisperx[10].end 227.887
transcript.whisperx[10].text 最流行的又不是那一支 人家是雙效的雙效的GLP-1 另外一個效數是什麼有兩種 它是兩種的兩種嗎
transcript.whisperx[11].start 232.694
transcript.whisperx[11].end 252.447
transcript.whisperx[11].text 大家都知道 討論度最高的處理代謝症候群的方法大家都是直接使用藥物而且號稱非常健效 非常有效那其實你看我 我其實是過重的我是過重的 真的我沒騙你我是過重的雖然大家都看不出來我很重
transcript.whisperx[12].start 260.926
transcript.whisperx[12].end 263.324
transcript.whisperx[12].text 所以我也很动心您分量很重
transcript.whisperx[13].start 266.988
transcript.whisperx[13].end 294.171
transcript.whisperx[13].text 但是大家都使用瘦瘦增經驗的真的很多我旁邊一大堆人那我們也去看自費的門診的人也很多那其實我建議我的一個子女他也真的他不是過重他已經是超級胖了我也會建議他要去看但是呢很多的診所甚至醫生都在招攬生意然後歡迎有興趣的需要的請到跟診所洽詢
transcript.whisperx[14].start 295.592
transcript.whisperx[14].end 317.251
transcript.whisperx[14].text 真的是行力有夠好 藥水有夠好的好你知道這個瘦瘦針一年營業額在台灣有多少嗎成長率有多高嗎你們有沒有數據 來健保署 那不是健保 那是自費那是自費那個食藥署的那個銷售量去看
transcript.whisperx[15].start 317.631
transcript.whisperx[15].end 329.396
transcript.whisperx[15].text 喔 對 好 到時候你給我一個數據真的 剛開始是丹麥的現在丹麥行李都倒了 美國里來打倒了但我是要在這裡要講這件事情是因為啊 你知道川普宣布跟里來和諾德兩家製藥的巨頭達成協議他們希望擴大美國民眾對減肥藥物的可及性
transcript.whisperx[16].start 343.863
transcript.whisperx[16].end 350.01
transcript.whisperx[16].text 一個政府他們希望擴大減肥藥物的可及性
transcript.whisperx[17].start 351.144
transcript.whisperx[17].end 375.847
transcript.whisperx[17].text 這是一個非常嚴肅的問題真的非常嚴肅他擴大這個可及性要求藥廠降價降價以後引起更多的人討論甚至連台灣都開始有人呼籲了呼籲政府要將這類的瘦瘦真藥品納入健保給付我剛剛講的我一個親戚122公斤女性年輕他依照健保他可不可以使用
transcript.whisperx[18].start 377.185
transcript.whisperx[18].end 399.779
transcript.whisperx[18].text 他已經有三高問題了可以健保補助嗎不可以不可以啊因為他還沒達到糖尿病他血糖過高但是還沒達到糖尿病標準他有血壓過高有膽固醇過高可是沒有健保補助啊如果是病態肥胖的話會納入到我們對嘛那我說一個122公斤對一個24歲的女性是不是過度肥胖
transcript.whisperx[19].start 401.047
transcript.whisperx[19].end 426.481
transcript.whisperx[19].text 是啊 肯定是啊 可是沒有給付但我不是要討論這個給付我是要跟你講說這個問題非常嚴重當減重的藥物被大規模的可進性可急性的時候社會對體重問題的理解還有分配資源整個健保資源 藥物資源分配的優先次序大家都想介入 都想改變
transcript.whisperx[20].start 427.882
transcript.whisperx[20].end 441.589
transcript.whisperx[20].text 但是我們可不可以把肥胖當成是可以用藥物解決的疾病當川普這麼做的時候帶頭示範的時候他會衝擊到全世界各個國家的政府的壓力
transcript.whisperx[21].start 442.87
transcript.whisperx[21].end 460.482
transcript.whisperx[21].text 所以這牽扯到預防肥胖當然跟預防跟營養政策跟生活型態的醫學還有跟醫療資源的分配很優關高度相關但是如果你缺乏公平而且精準的臨床的指引
transcript.whisperx[22].start 461.603
transcript.whisperx[22].end 489.582
transcript.whisperx[22].text 資源有可能錯置啊他錯置在非高風險的族群裡面反而削弱了公共衛生政策的有效性啊所以我們在講說這是很嚴肅的課題但不僅是美國或全球正在面臨的課題也是台灣必須及早正式的醫療和社會政策的挑戰但我今天還在跟你講說但是事實上肥胖跟疾病就息息相關嘛
transcript.whisperx[23].start 490.402
transcript.whisperx[23].end 507.911
transcript.whisperx[23].text 肥胖就跟疾病息息相關有哪些疾病太多了啦太多了這個跟這個血糖血壓血脂啊都相關直接相關的疾病你說血糖血壓血脂慢性的直接有疾病什麼都有相關脂肪肝
transcript.whisperx[24].start 510.012
transcript.whisperx[24].end 524.406
transcript.whisperx[24].text 大家都知道這個體重過重或肥胖者罹患脂肪肝和肝癌的風險很高但是肝癌就跟我們的癌症防治有關了肝癌始終高居第二名高居不下
transcript.whisperx[25].start 525.347
transcript.whisperx[25].end 537.201
transcript.whisperx[25].text 癌症死因的第二名但脂肪性的肝炎是肝癌的致病因子之一而且只要肝臟的脂肪超過5%就是脂肪肝了嘛所以在這種狀況裡面國際癌症
transcript.whisperx[26].start 540.365
transcript.whisperx[26].end 562.753
transcript.whisperx[26].text 研究機構IARC他們報告也指出肥胖就是導致癌症的危險因子而且體重過重者相較於健康者高出1.5或到1.8倍罹患肝癌的機率所以你說這是要不要去處理 要啊要怎麼處理肥胖要怎麼處理
transcript.whisperx[27].start 564.571
transcript.whisperx[27].end 575.14
transcript.whisperx[27].text 肥胖的這個因素很多調整的他是整個生活習慣的改變不是只是靠藥物人家靠藥物非常有效比你調整他更迅速更有效
transcript.whisperx[28].start 576.465
transcript.whisperx[28].end 604.388
transcript.whisperx[28].text 你要不要納入從學理上來看那當然對於這個病態性肥胖的它可是一個輔助的藥物啦而且迅速有效喔那如果肥胖跟癌症相關你從源頭裡面來防治來預防的話人家會覺得說這也是有道理的喔make sense這個還是要經過醫療科技現在就是資源分配的問題而已嘛資源分配的問題是不是
transcript.whisperx[29].start 605.87
transcript.whisperx[29].end 629.289
transcript.whisperx[29].text 對 一定是跟資源有關係大家都知道以肝癌為例台灣的肝癌大多數都是來自於代言者BC型的代言者但是也有非代言者的去確診的那台灣的BC型肝炎防治有良好的成效但是脂肪肝的發生率卻患者越來越年輕化而脂肪肝的10年變化趨勢
transcript.whisperx[30].start 632.091
transcript.whisperx[30].end 650.364
transcript.whisperx[30].text 2015年發生率是44.5%到2024年變成52.3%結果脂肪肝的這個每兩人就有一個人脂肪肝40到49歲脂肪肝超過7成比例最高天啊在座40到49歲有脂肪肝的舉手
transcript.whisperx[31].start 652.048
transcript.whisperx[31].end 680.803
transcript.whisperx[31].text 其實我當時就是我也是所以在這種狀況裡面20到29歲有幾%有脂肪肝你知道嗎20到29正年輕我告訴你有42將近42所以證實台灣脂肪肝真的是年輕化的趨勢在這種狀況裡面我們講那我們剛剛講工作人口的健康促進現況調查這麼嚴重如何將職場的健康不平等如何改善
transcript.whisperx[32].start 682.144
transcript.whisperx[32].end 692.162
transcript.whisperx[32].text 當然不能是靠人手一針 瘦瘦針吧人手一支瘦瘦針不是辦法吧那你們職場健康促進的策略有哪些措施
transcript.whisperx[33].start 696.421
transcript.whisperx[33].end 723.072
transcript.whisperx[33].text 職場健康的那個推動是我們國健署的主要業務之一叫他準備有什麼策略我先告訴你因為從勞保局的投保單位來看大型職場有0.4%中型職場只有1%大多數的職場都是小型職場98.6%小型職場常因為人力不足而且沒有資源可以推動健康促進活動所以你們的健康促進的政策
transcript.whisperx[34].start 723.692
transcript.whisperx[34].end 738.719
transcript.whisperx[34].text 你們要變成職場健康促進的自主平和制度老實說 你們花多少錢你們鼓勵企業自主檢視 積極規劃 落實健康促進變成口號 口惠實不至
transcript.whisperx[35].start 739.699
transcript.whisperx[35].end 759.189
transcript.whisperx[35].text 而你們去做了大型的職場成功案例做宣傳台灣美光 台化 愛潔旭相對這些比例最高的小型職場你們後續的效益評估資質未提你們到底有沒有辦法做114年到現在做了幾家的有幾家企業申請
transcript.whisperx[36].start 760.834
transcript.whisperx[36].end 775.41
transcript.whisperx[36].text 不知道目前我們的累計的加數大概有1.8萬家啦1.8萬家喔 這麼厲害小心職場怎麼做的我們要職場健康促進自主平和的制度方向政策可以繼續推
transcript.whisperx[37].start 776.491
transcript.whisperx[37].end 791.897
transcript.whisperx[37].text 但你沒有量化追蹤你沒有平和這個透明化和跨部會的協力可能就淪於形式啊所以我們希望你對於職場的健康促進尤其在這個代謝症候群上你應該提出三年的成效指標包括
transcript.whisperx[38].start 793.658
transcript.whisperx[38].end 819.393
transcript.whisperx[38].text 不要講次數企業的參與率健康指標改善幅度還有地區分佈分析我們講健康不平等所以我們就希望職場的這上面的問題要正視它還有這個未來你要好好想一下人手一增收收增真的是適當的嗎可是是不是一個好方法美國都這麼做了其他國家要怎麼辦
transcript.whisperx[39].start 821.636
transcript.whisperx[39].end 823.841
transcript.whisperx[39].text 謝謝委員的提醒我們朝這個方向來努力