
問:謝謝校長,上次那篇統合分析後來刊登了,感謝!只是,教研部登錄並張貼到佈告欄後,有長輩特別來跟我說,統合分析是沒有用的東西,只是電腦操作一下,整合既有文獻,美其名是實證醫學的頂端,但沒有什麼原創貢獻,希望我多進實驗室跟臨床研究。你覺得我該去嗎?
答:(蔡依橙)
這個論點牽涉到比較多的價值判斷,同學你都覺得想來問我,表示你對其脈絡跟論述也有懷疑。
首先,我先回答你要不要去老師的實驗室,或者跟他做臨床研究的問題。


問:謝謝校長,上次那篇統合分析後來刊登了,感謝!只是,教研部登錄並張貼到佈告欄後,有長輩特別來跟我說,統合分析是沒有用的東西,只是電腦操作一下,整合既有文獻,美其名是實證醫學的頂端,但沒有什麼原創貢獻,希望我多進實驗室跟臨床研究。你覺得我該去嗎?
答:(蔡依橙)
這個論點牽涉到比較多的價值判斷,同學你都覺得想來問我,表示你對其脈絡跟論述也有懷疑。
首先,我先回答你要不要去老師的實驗室,或者跟他做臨床研究的問題。


問:我著手作統合分析,研究某個手術的併發症,這個手術有兩種作法,我預計做 subgroup 的分析。請問在 outcome 部份,我是不是用總併發症去做一個 forest plot,然後細分各種併發症(疼痛、出血、感染、再手術、mortality),又各做一個 forest plot?這樣規劃是對的嗎?
答:(蔡依橙)
這樣想的確是可以的,但實際上要根據你所擁有的資料,跟你想做的論述,去做優化。
總併發症到底要不要畫一張 forest plot,這個要看你預計說一個怎樣的故事。
假設,這兩種手術作法 A 和 B。A 併發症比較多,但都是傷口痛,病人會抱怨。B 的併發症少,但一發生就是 mortality,患者往生。那我們畫一張 forest plot + subgroup,去說 A 的併發症比較多,這樣合理嗎?是我們想要傳遞的訊息嗎?明明 mortality 就是很嚴重的問題,而傷口痛就是止痛可以解決的,如果只用「總併發症」這個分類去做,就可能會傳遞相反的意義。


問:校長好,我跟 AI 說我想做統合的主題,然後他問我預計用哪些學術搜尋引擎,我告知後,接著 AI 就把每個不同的搜尋引擎該用什麼搜尋式都給我,PubMed 這邊的就會用 MeSH,其他的搜尋引擎也有很多屬於該引擎的獨特搜尋方式。這樣是不是可以直接用?
答:(蔡依橙)
關於做統合的搜尋方式,流派各有不同。
你說的這種方法雖然也可以,但審閱者很容易會問:「你在每個學術搜尋引擎,都使用不同的搜尋關鍵字跟搜尋策略,你怎麼能確保這樣的搜尋是一致的?」
所以,我個人傾向一個通用搜尋式,直接丟到我們預計使用的搜尋引擎裡就好,不管是 PubMed、Google Scholar、Web of Science 還是其他你也用的搜尋引擎,我都往搜尋框裡丟同一組搜尋式。


答:(蔡依橙)
我認為 AI 讓能力的貧富差距變大,而不是變小。
你可能會認為,AI 工具讓初學者們能夠更快速的完成很多事情,不懂的事情,以前要搜尋很久,現在問一下 ChatGPT 或者 Google 的 AI 模式就有初步方向,很快就能理解以前要地毯閱讀很久的內容。


問:老師好,我寫好一篇統合,去投稿,結果期刊說我的文章跟某篇文章的相似性太高而退稿。我看了一下,發現那就是我之前申請刊登 PROSPERO 上的 protocol,請問這怎麼辦?
答:(蔡依橙)
這是最近一年常發生的狀況,問題在於各大期刊社與各學校醫院買的那個知名比對軟體,他就是粗暴比對,很討厭。像你這個跟自己當初上傳的 protocol 相似性過高之外,還有統合作乳癌的,他說題目跟另一篇肺癌的很類似!明明主題就完全不一樣。
解決方法有二。


答:(蔡依橙)
Major revision,基本上就是「考慮給你過」了,在這個階段作任何事情,最好都不要去點「激怒值」。
使用 AI 自動生成回覆,因為他不知道你的論文在寫什麼,也不知道你將採取什麼策略,生出來的內容會非常通順,但極為空洞。你問大學老師就知道,學生交來這種報告,是激怒值很高的。(內心 OS:所以你現在是瞧不起我嗎?你用 AI 亂噴的東西,我要花自己的時間/人生去閱讀?)