這幾年，統合分析成為對新進研究者非常友善的領域。在本身專業研究之外，能夠多開闢一條統合分析的產線，對於分散風險以及維持產量，都有相當大的效益。對於尚未能夠獨立掌握資源的起步者來說，這也是累積自己在學術界能見度的好工具。

因此這次課程，吸引了來自各行各業、年齡層多元的同學參與，從教育界、醫療界到工程界都有。如何讓所有人都能聽懂，是我們努力的目標。很高興看到同學們在中午的互動實作時間，就能完成所有作品，真正親手做了一次統合分析，並且完成了 SCI 期刊投稿所需的整套圖表。

以下，我們將一起欣賞同學們的作品，並針對細節提出一些建議，最後也會介紹兩位得獎同學的精彩作品。

那些還能建議的細節

同學選擇使用十字而非原廠預設的方形，這其實有些可惜。原廠設定的中心方形，其面積大小能夠反映在本次統合分析中的相對權重；若改用十字，雖然中心點更為精準，但卻會失去比例的視覺直觀印象。建議大家還是採用我們推薦的設定，效果會更理想。

分組分析處理得不錯，不過右邊的相對權重欄位消失了，實在有些可惜。建議可以補上這個欄位，讓整體資料呈現更完整。

原廠的漏斗圖，出圖沒有問題，不過左右兩側留下的空白有點多，尤其是右邊。建議可以簡單裁切一下，處理掉多餘的空間，這樣就會非常棒了。

統合迴歸分析，圖片做得很好，如果能夠精確的控制 XY 軸小數點的位數，就會更棒。

通常同學們到了第二次輸入類別變項資料進行統合分析時，容易開始有些恍神。這主要是因為大家第一次學習時全神貫注，到了後面注意力容易分散。這個問題可以透過課後練習五次來改善，隨著細節越來越熟悉，逐漸形成肌肉記憶，對細節的注意也會更加完整，減少疏漏。

以這張圖來說，下方標籤左右的位置應該互換，其他部分則沒有問題。

同樣是類別變項的練習，這邊 Z-Value 欄位記得去掉，下方的標籤記得左右互換。

最下方的標籤方向正確了，但 Z-Value 忘了去掉，右邊的相對權重也不見了。在這張類別變項中，我們連續舉例了三張圖。人類的注意力極限在第一次學習時差不多就是這樣。同學們記得回家要多加練習，讓自己更熟悉整個操作。如此一來，未來在處理自己的數據時，也能夠做得這麼好。

以下，我們一起來看看兩位得獎同學的精采作品。

蔡賢龍醫師

蔡賢龍醫師的作品，完成度很高，細節都處理得很好。這張森林圖沒有問題！

敏感性分析也很好，沒有問題！

兩次分組分析也沒有問題。

兩次統合迴歸分析都不錯，小數點也都有調整到適合的位數！

漏斗圖原廠出圖後有裁切，畫面飽滿！

最後的類別變項分析，Z-Value 欄位刪除、最下方標籤左右位置對調的話，就完美了。

蔡賢龍醫師是資深校友，這幾年發展得很好，很有自己的特色，多年後再來進修，一樣迅速細膩！恭喜！

李威成醫師的作品，完成度很高。而且昨天才剛上過 NMA 的課程，也剛得獎，今天再繼續進修，又得獎！這張森林圖沒有問題！

敏感性分析也沒有問題！

分組分析很棒，沒有問題！

兩次迴歸分析處理得很好，也記得調整 XY 軸的小數點位數！

漏斗圖，有裁切，很棒！

最後的類別變項，下方標籤方向正確，再刪除 Z-Value 欄位就沒問題了！

李威成醫師八年前就來上過統合分析課程，而且連續發表多篇成功。今年再來進修，體驗新的教法、新的指定論文，以及 AI 寫作建議。投資自己有收穫後，再繼續進修，真是用心。

很恭喜校友們有這麼好的成績，學新領域依然迅速細膩，恭喜！