01_JC_WengTS_04
2025 / 12 / 26

[快訊] 翁騰崧藥師團隊，關於乳癌標靶新藥 T-DXd 在不同 HER2 表現程度下的療效與安全性之統合分析，獲 Journal of Chemotherapy 刊登！

 

 

01_JC_WengTS_04

 

 

文章介紹

 

乳癌是全球最常見的癌症，其中約 20% 的病例涉及 HER2 過度表現。隨著新型藥物 Trastuzumab deruxtecan（T-DXd）的問世改善了臨床結果。翁騰崧藥師團隊想釐清新型藥物 Trastuzumab deruxtecan（T-DXd）在不同 HER2 表現程度下，其療效與安全性是否保持一致，以幫助臨床醫師精準選擇最適合的治療方案。

 

翁藥師團隊進行系統性回顧與統合分析，納入 4 項隨機對照試驗，共 2,555 位乳癌病人，比較 T-DXd 與醫師選擇的標準治療或化療。主要觀察指標包括癌症惡化前存活時間（PFS）與整體存活時間（OS），並同時分析肺部、心臟、血液及腸胃道等副作用發生情形。

 

整體結果顯示，使用 T-DXd 的病人，不論在 PFS 或 OS 上，都明顯優於對照治療，而且這樣的療效在 HER2 高表現與 HER2 低表現病人中皆一致成立。不過，在安全性方面，T-DXd 會增加間質性肺病、心臟收縮功能下降、貧血、噁心、嘔吐、食慾下降與掉髮等副作用的風險，但白血球低下與腹瀉的發生率與傳統治療相近。

 

翁藥師團隊認為，這項統合分析證實了 T-DXd 無論在 HER2 高表現或低表現的乳癌患者中，都能提供顯著的生存優勢。然而，由於肺部與心臟副作用風險，也不容忽視。臨床使用時必須加強追蹤與早期處理，才能在延長存活與用藥安全之間，做出最適合病人的治療決策。

 

 

恭喜翁藥師！

 

「AI 都幫我生好搜尋式了，為什麼丟進 PubMed，還是一片茫然？」當你把 AI 生成的搜尋式丟進 PubMed，真正該看的第一件事，其實不是內容，而是數量本身在告訴你什麼。什麼時候該縮減、什麼時候該放寬？哪些狀況代表搜尋策略其實方向是對的，只是還需要調整？一起來看看講師怎麼拆解。

 

閱讀更多 »

officehour_165
2025 / 12 / 22

有 PGY 或醫學生會來找我要寫論文，該怎麼區分哪個學生值得花時間帶？

 

 

 

officehour_165

 

 

問：連續發表論文登在醫院的榮譽榜後，開始有 PGY 甚至醫學生會來找我要寫論文。但我發現，有的人要了題目都沒進度；有的拿了圖表後，一直說他在讀文獻但一段也寫不出來；有的給了資料，但也不會統計，做出來的圖表實在不太能用。到底該怎麼區分，哪個學生值得花時間帶，哪個學生一開始就不要給題目免得浪費掉？

 

答：（蔡依橙）

 

 

方法一，多次小規模測試。

 

學生當然都希望你給一個他們能寫 original article 的題目，但「希望」寫出跟「能」寫出，還是有相當大的差距。你從來上我們的課，到之後 Office Hour 問了幾次，然後實際刊出，這條路你剛走過，應該很能理解。

 

所以，日後你可以準備一些 case report 或 case series 的主題，或者 letter to editor 的主題，有學生來的話，就先用這些小題目給他們。這個過程，你可以觀察很多，包括：你給了資源後他們的處理速度與回覆、你跟這學生的互動狀況是否理想、你們的溝通是否順暢等等。

 

有的老師也會在 case report 之後，準備一個 review 的題目，試試看學生回顧文獻、掌握文獻、學術寫作的狀況。

 

順利完成了幾個小型專案，有了互動默契，也比較方便直接問他是否具備有處理 original article 資料的能力，再升級到一起合作 original，成功率會比較高。

 

閱讀更多 »

officehour_163
2025 / 12 / 16

長輩指教：統合分析是沒有用的東西，沒有什麼原創貢獻，多進實驗室跟做臨床研究比較好。

 

 

 

officehour_163

 

 

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。

 

閱讀更多 »

01_FIP_ChenJY_18
2025 / 12 / 11

[快訊] 陳鋭溢醫師團隊，關於慢性腎臟病第三期到第五期病患，停用或繼續使用「腎素-血管張力素系統抑制劑」之統合分析，獲 Frontiers in Pharmacology 刊登！

 

 

01_FIP_ChenJY_18

 

 

文章介紹

 

腎素-血管張力素系統抑制劑（RASi），包含「血管張力素轉化酶抑制劑」（ACEi）或「血管張力素 II 受體阻斷劑」（ARB），已知具有保護心臟和腎臟的作用。然而，對於慢性腎臟病（CKD）第 3 期到第 5 期的病患，是否應該繼續使用 ACEi 或 ARB 藥物，醫界仍存在不確定性。

 

陳鋭溢醫師團隊系統性地搜尋了 PubMed、Embase 和 Cochrane Library 等資料庫，收集截至 2024 年 5 月 30 日所有相關的研究。

 

研究目的在於評估 CKD 第 3 期到第 5 期病患，繼續使用 RASi 或停止使用 RASi 治療，對於以下幾種結果的影響：所有原因的死亡（all-cause mortality）、末期腎臟病（ESKD）、主要不良心血管事件（MACE），以及高血鉀（hyperkalemia）。證據的確定性是使用 Cochrane 方法和 GRADE 方法進行評級。

 

研究總共找到了 520 篇研究，其中有 8 篇研究被納入分析，涵蓋了總共 243,775 名病患。在這些病患中，各項事件的發生率如下：

 

  • 所有原因的死亡：發生率為3%（74,447 名病患中有 29,993 人）。
  • 末期腎臟病（ESKD）：發生率為9%（32,191 名病患中有 8,992 人）。
  • 主要不良心血管事件（MACE）：發生率為3%（30,059 名病患中有 11,225 人）。
  • 高血鉀（hyperkalemia）：發生率為4%（21,642 名病患中有 8,533 人）。

 

統合分析結果顯示：

 

  • 與繼續使用 RASi 的病患相比，停止使用 RASi 的病患有較高的風險發生末期腎臟病（ESKD）。
  • 然而，停止使用 RASi 的病患有較低的風險發生高血鉀，勝算比（OR）為68。
  • 在所有原因的死亡和主要不良心血管事件（MACE）方面，兩組間則沒有顯著差異。

 

研究結論表示，與繼續使用 RASi 治療的病患相比，停止使用 RASi 治療的病患表現出較高的末期腎臟病（ESKD）風險，但同時降低了高血鉀的風險。不過，在所有原因的死亡和主要不良心血管事件（MACE）方面，兩組間並沒有顯著的差異。

 

 

恭喜陳醫師！

 

統合分析，為什麼不用 Cohen’s d，而要選 Hedges’ g？來看看講師的建議。

 

閱讀更多 »

OfficeHour_166
2025 / 12 / 11

做統合分析時，總併發症與各類併發症都要畫 forest plot 嗎？

 

 

 

OfficeHour_166

 

 

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」是否一定要畫？

 

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。

 

閱讀更多 »

202511_PubMed_sci_banner
2025 / 12 / 8

11 月 86 篇！校友 PubMed + SCI 成果發表 (2025/11)

 

 

202511_PubMed_sci_banner

 

 

Original article x 60

 

原創論文連續三個月維持在 50 篇以上，8 月（53 篇）、9 月（75 篇）、10 月（86 篇）平均每天至少都有一位學員發表！

 

 

臨床研究文章佔原創 62%、統合類文章佔 18%。

 

臨床研究的適用性廣，不論是醫學生、住院醫師，還是一路升上主治醫師、準備專科考試或研究所，論文發表早已不是「加分選項」，而是必備條件。老師給資料，根據資料跑出統計，並寫出一篇登上 PubMed 的論文，想學會這樣的技能嗎？請參考《醫學論文與寫作工作坊》。缺少資料必須單兵作戰，可參考《統合分析工作坊》、《網絡統合分析工作坊》。

 

本月文體分布如下：

 

  • Clinical x37
  • Meta-analysis x8
  • Network meta-analysis x3
  • Basic x8
  • NHIRD x4

 

  • Letter x13
  • Case report x6
  • Review x2
  • Image x2
  • Perspectives x1
  • Technical note x2

 

 

臨床論文「從投出到接受」最快只要 28 天

 

  1. 本月 original article 分類中，總計「臨床」、「meta-analysis」、「network meta-analysis」最快被接受（從 received 到 accepted）天數，「臨床」最快為 28 天，「統合分析」為 70 天，「網絡統合分析」為 63 天。總體來看，中位數為 118 天，表示這三類有一半的文章從投出到被接受，少於或等於 118 天。
  2. Impact factor 區間 9-40.4。平均值 4.04、標準差 4.39。超過 5 分以上的有 15 篇。

 

閱讀更多 »