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。
在這次課後的匿名手寫回饋中，同學們提到，其實課前有想要自學，使用 ChatGPT 或 Gemini 問了很多 NMA 學習的問題，但問了半天，卻還是一知半解。來上課之後，解決了很多問題，也開始覺得能夠上手了。
這主要是因為我們的課程，是以協助同學能夠搞懂基礎內容，並真正寫出第一篇屬於自己的 SCI 去設計的。AI 很厲害，但他是根據網路上的各種資訊去彙整，並且推測出「當有人問他這個問題的時候，他該怎麼去回答？」但是這樣子的回覆，並不見得能有開創性的見解，或看見學習者的困境。這也是為什麼，ChatGPT 把自己定位成「Chat」，他只要能夠比跟一般人聊天更有用，就達到他們自己設定的預期，而他們也希望給消費者這樣合理的預期。所以並不會把自己稱為 TruthGPT。
當然，會去問 Gemini 跟 ChatGPT 的同學，除了已經有動機之外，還已經有了行動，在這個過程中也做了很多的準備，即使觀念還沒有被打通，實際操作也還缺乏經驗，但來到課堂上時，就已經是在一個比較能夠進入狀況的狀態。這點也是很不錯的。
這次來上課的同學們，都擁有很強烈的動機，課程幫他們取得有用的技術，並且協助他們實際操作之後，同學們都滿載而歸，這點讓我們這些教學者也感到非常欣慰。
以下就所上傳的內容來做一些回饋，說說那些我們在同學們回家練習之前還想要建議的小細節，然後一起看看兩位得獎同學的作品。
作者：萬芳醫院 麻醉科 賴文儀 醫師
相關文章：[快訊] 賴文儀醫師團隊，關於植物來源小細胞外囊泡在敗血症治療上的潛力之網絡統合分析，獲 Pharmacological Research 刊登！
在住院醫師訓練的階段，我曾經參與過傳統統合分析的研究，從那時開始就對證據統整的研究方法產生了濃厚興趣。不過，對於進一步的「網絡統合分析（Network Meta-Analysis, NMA）」，雖然有所耳聞，也理解它的價值，但一直沒有機會真正學習或操作過。
因此當我得知新思惟開設了 NMA 的一日工作坊，內心相當澎湃，心想著終於有機會補上那塊一直空著的拼圖。除了想更深入了解 NMA 的統計方法，更抱持著一個具體的目標：想要在課堂上直接用自己手邊的資料，跑出圖表、做出分析，讓理論與實作真正結合！
課程一開始，老師循序漸進地講解 NMA 的基本概念、模型建構，到目前國際上的發展趨勢與共識等等，教學相當深入淺出，原本難以理解的東西，聽完馬上能懂。包括如何透過網絡圖呈現整體比較架構、如何處理間接比較與模型的假設邏輯、網絡統合分析跟傳統統合分析之間的差異，還有「那個網絡圖」是怎麼畫出來的。
最讓我印象深刻的是，老師以團隊最近成功發表的 NMA 論文，作為課堂上的示範案例，演繹如何從主題發想到實際進行，這對我來說充滿啟發，許多想法一擁而上。實作時間更帶著我們一步步操作，畫出 network plot、forest plot 等圖表。比起只是閱讀文獻裡華麗圖表的敬畏感，這樣的過程讓我產生信心，讓我第一次感受到，自己原來可以做出這樣的圖！
更令我感激的是，老師不吝給予學生鼓勵與指導，在完成課堂指定練習後，我嘗試將自己的研究資料帶入程式中，進行初步分析與製圖，趁著中場休息時，我拿著自己資料跑出來的圖表與分析結果向蔡校長請教，校長非常細心地指出我研究設計與文獻搜尋上可以改進的地方，這樣的即時指導對我大有幫助。