作者：新生醫護管理專科學校 視光學科 洪麗玲 副教授

身為護理與視光領域的教師，我一直重視實證研究，也常在教學、研究與行政工作之間切換。過去閱讀系統性文獻回顧或統合分析時，通常能理解研究背景與結論，也知道森林圖、異質性、偏倚風險等名詞的意義；但若要從零開始，自己提出研究問題、檢索文獻、整理資料、完成統計分析並寫成一篇可投稿的文章，總覺得中間隔著一段很長的路。

尤其統合分析牽涉的環節很多：研究問題是否聚焦、PICO 怎麼設定、資料庫檢索如何兼顧完整性與精準度、不同研究的資料如何轉換、統計結果要怎麼判讀、圖表又該如何安排。每一項單看似乎都能理解，真正串成完整流程時，卻很容易卡住。也因此，看到新思惟的《統合分析工作坊》時，我希望自己不只是「看得懂別人的研究」，而是能真正開始做出自己的研究。

統合分析，從研究問題開始。

課程一開始就讓我重新理解統合分析的本質。它不是把文獻丟進軟體、按下分析鍵，再期待出現漂亮森林圖的技術；真正重要的是研究問題。若沒有清楚定義研究對象、介入措施、比較條件與結果指標，後面的文獻檢索、資料擷取與統計分析都可能失去方向。

講師以指定論文作為教材，帶著我們從研究架構、文獻搜尋、資料整理一路拆解到統計圖表。我特別喜歡這種「先看完整作品，再回頭理解每個零件」的設計。原本覺得複雜的統合分析，開始有了可循的路徑：先確認題目是否值得做，再建立可回答的 PICO，接著規劃檢索、篩選、資料擷取、偏倚風險評估與分析策略。研究不再是一片霧，而是知道下一步該往哪裡走。

課程也提醒 AI 可以協助發想關鍵字、整理文字與檢查論述，但不能替代研究者判斷。文獻是否真實、資料是否正確、分析是否合理、結論是否超出證據範圍，仍必須由研究者逐一負責。這個提醒非常重要。AI 可以加速，但不能幫我們承擔學術責任。

親手完成八張圖，才算跨出第一步。

中午的實作，是這次研習最有感的部分。講師不只是示範，而是讓我們實際使用 CMA 軟體，從 Excel 資料輸入、效應值選擇，到分析設定與圖表輸出，一步一步完成指定論文的統計流程。

在短時間內，我完成了整體效果分析、敏感性分析、疾病別與劑型別次群組分析、每日劑量與治療期的統合迴歸、漏斗圖與副作用分析，共八張圖表。第一次看到自己輸出的森林圖時，感受很難形容。圖表當然不是研究的終點，但它代表我不再只是旁觀者，而是已經能夠操作、理解並開始判讀統合分析結果。

實作過程中，我也更理解每一張圖背後都在回答不同問題。整體效果分析告訴我們研究結果的方向；敏感性分析檢視結論是否穩健；次群組分析協助探索不同條件下的差異；統合迴歸則進一步理解可能影響效果量的因素；漏斗圖與 Egger’s test 提醒我們，不能只看顯著結果，還要思考發表偏倚與研究數量的限制。

研究方向變具體，也想找同儕組隊。

研習中，我開始更具體思考下一個研究方向。我目前最感興趣的是大專校院學生的數位視覺疲勞。數位裝置已成為學習與生活的一部分，乾眼、視覺疲勞、近距離用眼行為與學習表現等議題，都值得用系統性文獻回顧與統合分析重新整理證據。接下來，我希望以 PRISMA 2020 為架構，先確認文獻量與研究品質，再逐步完成屬於自己的統合分析。

統合分析也是團隊工作。文獻篩選、資料擷取、品質評估與研究詮釋，都需要不同專長的人彼此討論與核對。我期待未來能與校內不同領域的教師組成研究小組，從共同的問題開始，累積可共享的檢索式、資料擷取表與評讀工具。

這一天的課程，沒有讓我覺得統合分析變得「很簡單」；反而讓我更清楚它需要嚴謹、耐心與持續練習。但我已不再覺得它遙不可及。從完成八張圖表開始，我知道自己已經踏上這條路。接下來，就是把步驟做紮實，把問題問得更好，慢慢完成一篇真正能為專業領域帶來價值的研究。

謝謝新思惟團隊與兩位講師，將複雜的研究方法整理成初學者能跟上的流程，也讓我從「想做統合分析」走到「知道如何開始」。這堂課給我的不只是一套軟體操作技巧，而是一個可以持續前進的研究方向。

最新活動