作者：蔡依橙
這個端午連假，我也在寫論文。
最近因為 ChatGPT 又更聰明了一些，連我這種寫了 60+ 篇 SCI 的人，寫作流程都有很大的改變。大概半年前，我是口述中文，用 Word 聽寫功能，然後手打字修一下內容，成為中英文夾雜的草稿後，請 ChatGPT 改成英文。
一開始其實翻譯偶爾會錯，但幾個月後翻譯幾乎不會出錯。就看一次，確認是自己的意思，是可以壓上自己名字的內容，就能用。但現在，我是真的把他當一個很懂英文又積極的助理。
2025 / 6 / 24
標籤彙整: 新思惟
2025 / 6 / 13
Preliminary study 投稿一直被退？你可能忽略了這三個關鍵！
問：校長好，團隊預計做一個稍大型的研究約 60 人，我們想把初步的 11 人先做發表，之後的主論文就能引用這篇。不過目前的 11 人小規模結果，投稿一直不順利，該怎麼辦？
答：（蔡依橙）這是典型的 preliminary study 作法。如果想要順利的話，要考量以下幾點。
一般來說，審閱者一定會質疑，為什麼你個案數這麼少就跑來發表，畢竟 11 個案例，即使 p 值有意義，power 一定不太理想。
所以，通常 preliminary study 會被接受，有幾個重要關鍵：
2025 / 5 / 28
【長期心得】堅持與方法比天賦更重要，改變了人生的一堂課。
作者：起飛中的 PGY
去年六月，我還是一位剛從醫學院畢業，正要踏入臨床工作的 PGY 1，當時對研究寫作處於懵懂階段，在同學的推薦之下參加了新思惟的《網絡統合分析工作坊》。本來只是抱著嘗試的心情參加，沒想到這次經驗徹底改變了我的人生軌跡，也為我打開了研究領域的大門。
架構清晰的教學、容易上手的統計！
當時參加工作坊的原因很單純，就是身邊的同學都說非常實用，加上自己對研究寫作的興趣逐漸萌芽，便抱著姑且一試的心態報名了。
沒想到，這一試竟然驚為天人。課程緊湊但絕不馬虎，短短一天內，老師便將繁複的網絡統合分析步驟精煉地講解清楚，每一頁簡報都是精髓，細節在於講師豐富的經驗。搭配著條理分明的手冊，實作內容清晰易懂，跟著步驟一步步操作，即使是初次接觸軟體的我，也能順利完成統計圖表。
當天最讓我印象深刻的是，老師與助教在實作時間即時的親切指導。我們在實作過程中難免遇到困惑與卡關，每當舉手提出問題，老師總能迅速而精準地幫我們解惑，這種即時回饋的互動方式，不只提升學習效率，也讓我更有效率地掌握分析與製圖技巧。
2025 / 5 / 22
問：課程網站說，課堂上用來跑網絡統合分析的軟體不用錢，免費的軟體有什麼限制嗎？我的電腦是 Mac 系統也可以跑嗎？
答：（蔡依橙）
是的，軟體不用錢，Mac 可以跑！
我們將使用的是 MetaInsight 這個網站，它是基於統計軟體 R 所做的網頁工具，我們不需要自己安裝 R 以及相關的套件，也不需要自己寫程式。
MetaInsight 比 Stata 好上手非常多，而且是免費、免下載就能用的。課堂上我們也會教大家，親手做出足以刊登在 SCI 期刊等級的圖片。
MetaInsight 是基於 R 的，而不管是 Stata 或 R，只要使用同樣的公式去寫程式碼，理論上結果應該會一樣。不過，實際上還是有些狀況可能會導致結果不同。可能的狀況有：
- 貼程式碼，複製貼上時出錯。想自己調整一下程式，結果搞壞掉了。
- 使用不同的理論派別作 NMA，我們預計教的是頻率學派，但也有人用貝式學派。貝式學派的作法，先驗值跟模擬次數不同，都會導致數據有些微不同。（所以我們選用頻率學派）
這些狀況都不用擔心，使用 MetaInsight 就是方便，而且背後的計算是一群英國統計學高手在維護，我們只要說明用什麼軟體計算，並報告最後的數值，重點是我們如何解釋其臨床意義，這樣就行。
實際上是怎麼讓大家在課堂上用 MetaInsight 進行統計實作，歡迎參考互動實作時間的介紹。只要你會用筆電、使用過文書編輯軟體，就可以來學。我們的課程與互動實作內容，醫療與非醫療背景的初學者都能吸收，並且順利完成全套圖表。
活動內容
2025 / 2 / 11
問：「做研究、寫論文」有除了生存以外的意義嗎？
答：（蔡依橙）
我能理解，多數的同學開始接觸研究跟論文，是因為有「生存」方面的需求。不管是要準備應徵、考專科或者升主治醫師。又或者決定在體系內奮鬥，於是必須達到要求的篇數跟分數，持續升等、取得計畫以營運團隊等。
如果今天撇除這些外在的要求，「做研究、寫論文」本身到底有沒有實質的意義呢？
有的，而且這個意義很強大，同時也是為什麼整個體系一開始會去要求大家要有論文的原因。
醫學是一種應用科學，所以……
2025 / 1 / 17
NMA 太好用了吧！研究產出要加速，真的可以靠他！
作者：清大 醫工所 林幸瑩 助理教授
2025/1/12 參加了 Network Meta-Analysis（NMA）網絡統合分析工作坊，本來想法很簡單，是想看是否能用此工具找 biomarker 就報名了，隨後進一步了解 NMA 是對於特定疾病或想探討的醫學問題，分析數篇研究論文，更重要的一點是，網絡統合分析是基於目前研究資料庫中，已有的研究分析結果，來進行比較分析。
整堂課理論與實踐交錯進行，讓人時而思緒飛揚，時而專注屏息。特別是當我逐步掌握 NMA 的操作步驟，腦中忍不住浮現無數研究構想，心中暗自感嘆：「這個工具也太強大了吧！」
MA 與 NMA 的差別
課程一開始，講師先介紹了 Network Meta-Analysis 的概念。NMA 是一種能夠比較多個治療方法（即使這些治療方法，在實際的臨床試驗中沒有直接比較過）的一種統計方法。
傳統的 Meta-Analysis 通常是作為比較兩個治療方法的效果，而 NMA 則是通過建立一個治療方法之間的「網絡」，進行間接比較。簡單來說，NMA 允許我們在有多種治療選項的情況下，對它們進行綜合比較和排序。
講師逐步拆解如何構建 NMA 網絡，從研究論文的篩選數量到異質性的處理，再到利用線上統計軟體進行建模，所有的步驟看似複雜，但在講師的講解下卻變得條理分明。當講師展示如何製作圖表與建構論文故事時，我不禁心想：「這不就是為了讓研究更有說服力，而量身打造的工具嗎？」