講師介紹
【張凱閔】知名復健醫學與超音波學者，台大流病與預防醫學博士，已發表許多 meta-analysis 論文，探討臨床常見議題。
【蔡依橙】專業課程開發與整合者，能迅速理解學門架構，並以初學者能理解的方式，建構學習流程。生涯被 SCI 期刊接受的圖表，已超過 500 張，熟悉學術審閱過程與要求。
課程內容
- 互動實作時間：完成一套 Meta-analysis 圖表 / 新思惟講師助教群
時間表
最新活動
2025 / 8 / 27
標籤彙整：統合分析
2025 / 8 / 27
課程設計概念：AI 時代，統合分析怎麼寫？
課程規劃：蔡依橙
我們為了打造課程，從零開始，寫了一篇統合分析，登上 SCI 期刊。
嚴格來說，是兩篇。因為第一篇完成後，還想設計對初學者更為簡潔的流程，加上也想測試看看我們的方法，是不是可以協助初學者，繼續找到之後的主題，確認量產可能。於是寫了兩篇。這個故事，在「指定論文」頁面有詳細介紹。
世界變化快，就在這兩年間，AI 的興起，讓初學者有更多的資源，能夠加速完成自己的論文。但是，也同時有很多研究者，用錯誤的方式使用 AI，導致文章被要求撤下，成為學術生涯上的遺憾。
就以大家最常用的 ChatGPT 為例，他能快速的生出答案，而且有求必應。用得好，是很棒的加速工具，但如果不懂得鑑別出他亂講的部份，就可能把亂七八糟的內容，壓上自己的名字，送到國際期刊去。
如果被審閱者發現並退稿，還算是幸運的。如果審閱過程沒注意到，文章就此刊出，白紙黑字的大量錯誤，跟自己的名字一起出現在 PubMed 上，那才是災難的開始！（學術規範，即使 retracted 撤回後，原文並不刪除，而是永久保存，並加上 Retracted 的浮水印。）
於是，我們決定親自測試各種 AI 工具，並告訴同學們，哪些地方可以有效的使用 AI 加速，而哪些你一定要學會自己確認。哪些部份 AI 的正確率沒有問題，而哪些事情千萬不要叫 AI 做。
當然，AI 也在持續進步中，所以，上課我們會提出實際可行的建議，讓大家回家就能開始起步。但幾個月或者幾年之後，世界變化快速，如果你發現了新的工具，或者懷疑某個功能是不是已經可以用 AI 處理，也歡迎繼續使用每週的 Office Hour 來跟我們詢問討論。
把「今天就想起步」的關鍵知識教給你，並在未來幾年內，持續的有個窗口可以讓你問，這就是我們提供的課程與服務內容。這樣的組合，也已經協助很多同學，完成自己的第一篇統合分析。
你也想寫出屬於自己的統合分析嗎？你也想學會，如何正確使用 AI 加速，並避開 AI 亂講的陷阱嗎？
歡迎來到我們的課程！
2025 / 8 / 27
找主題：AI 時代的題目搜尋方式
講者：張凱閔
你一定常聽說，要找到沒人做過的統合分析主題，並不容易。但事實不是這樣的。
為了課程所寫的兩篇指定論文，一篇講 Q10 減輕疲倦，一篇講薑黃素增進認知功能。這兩篇在準備期找題目時，都順利地在三天之內完成。這三天，還包括在搜尋過程看到的 review 也讀一讀，瞭解一下這個領域的現況。
而且，因為是要開課用，我們特別模擬同學們的起步狀況，避開共同作者們熟悉的領域，直接到營養品等我們不熟的專業去戰鬥，一樣能夠找到題目，而且連續找到題目，並發表。
你一定也有發現，身邊統合分析的作者或資深前輩們，往往不是只寫一篇，而是持續量產。這就表示，一定有什麼方法，能夠讓找題目變得科學化，快速尋找、快速篩選、快速確定這個主題能不能做。
而 AI 在找主題方面也有幫忙，因為很多同學卡關，就是在 PubMed 或其他的學術搜尋引擎前，不知道該怎麼下關鍵字。沒有靈感，就此卡關。我們將會介紹，如何結合 AI 與我們的系統性方法，迅速的產生出有機會試試看的主題，並加以確認。
如果搜尋過後，發現這個主題已經有人發表過回顧文章，或者系統性回顧，或甚至統合分析，我們又該怎麼看待，並繼續尋找自己的機會呢？
這些很容易讓初學者卡關甚至放棄的細節，我們都將在這堂課，做詳細的說明。讓新進同學能迅速上手。
課後每週也有 Office Hour 可以問喔，有時你認為沒機會的，老師一看可能覺得這正是個好題目。有時你認為很不錯的，老師如果發現要注意的地方，也會跟你說。歡迎儘速加入發表校友的行列！
2025 / 8 / 27
寫文章：圖表完成後，AI 來幫忙。
講者：蔡依橙
找到主題，並收集好數據後，就是做統計圖表。別擔心，實際操作我們將在中午的互動實作時間，帶大家親自完成自己的一套 SCI 期刊等級統計。
這堂課要分享的是，當你已經確定一個主題可以做，到實際寫成論文過程中，應該注意什麼。
首先，你要先決定自己論文的敘事模式，也就是「你要講一個什麼故事」。當你有總結果、分組結果、迴歸結果、敏感性分析、漏斗圖的時候，該怎麼去排列組合，才能說出一個好故事。
這跟玩 Uno 或十三支這類的卡牌類遊戲很類似，拿到同一套牌，有些人就是能想出一套策略，變成組合技，一路贏到最後。但有些人，卻會用直覺但不理想的方法，把一套好牌打成零碎且不連續的散沙。
這個步驟很重要，如果沒有先決定，而直接埋頭撰寫論文，很可能寫到後面才發現錯誤，於是全文重寫，或者更糟的，當投稿出去後，讓審閱者覺得煩躁、破碎、無邏輯，幾個月的努力，在人家十分鐘的閱讀後，就按下 reject 退稿。
決定好圖表順序、敘事邏輯之後，接著把四大段落寫出來，也是初學者常犯錯的地方。
你是不是常常覺得：Introduction 的東西好像 Discussion 要再提一次？寫 Abstract 的時候怎麼好像又是那幾句？如果你曾經有這樣的感覺，那表示你對寫作的掌握度是不夠的，而這種 Abstract / Introduction / Discussion 的重複感，會讓審閱者直覺認定你是個菜鳥，不是學術界自己人，而選擇退稿。
課程中，會把四大段落寫作時的常見錯誤，以及內行人的架構寫法，做完整的分享。
幸運的是，只要你知道自己想寫什麼，AI 可以快速的幫你寫好。因為你上過課，知道自己要的內容，所以當 AI 亂寫的時候，你能馬上跟他說「不是這樣的，你要著重在什麼什麼重點上，重新寫一段」。當 AI 寫出來的東西需要補充時，你也只需要加上註解或者指示，他就能繼續處理給你。
更棒的是，AI 的語言能力是跨語種的，如果你對自己的英文沒有把握，整篇文章都先用中文寫，確定邏輯都是自己想要的之後，再一段一段請 AI 改成英文，檢查一次，就可以！
這堂課，我們會完整介紹從圖表到文章的各種細節，能用 AI 做且很可靠的，以及不能用 AI 做，不然結果會很可怕的，都會告訴你！
2025 / 8 / 27
新手請注意：常見錯誤避免與審閱意見回覆
講者：張凱閔
初學者在寫統合分析的時候，有些常見的思想誤區，在寫作過程中會導致分析論述走到錯誤的方向。如果沒有發現，直接去投稿，很容易被審閱者挑出，簡單寫兩句批評，就直接退稿回家。例如：異質性的處理、出版偏誤的處理、discussion 的走向，都是這類初學者往往無法處理得很好的議題。
在自己投稿過多篇，也指導過很多年輕同仁發表後，會發現統合分析類的論文，送出去被審後，常見的問題就是那幾個，有的問題可以提前在寫作時處理掉，或者先做好防禦，有的問題則有很簡單的制式回覆可以有效回應。
這就是為什麼，同樣是一篇統合分析，有人投出去後，沒多久就被接受，改動也不多。可是有人寫的統合分析，投稿審查過程非常坎坷，審查慢，最終還是退稿，花了半年多，新的臨床研究結果發表了，文章要重收重寫，或甚至更糟的是，一模一樣的主題，已經有其他國家的學者發表，自己一整年的努力跟等待，卻無法換來最終印成白紙黑字的產出。
教學，需要正向論述，也需要負向論述。除了告訴你該怎麼做，也應該明確協助你避開常見的錯誤。這樣才能有效協助初學者起步，而且趨吉避凶，在一開始就能取得比較好的成就感，才願意繼續努力、持續進化。
2025 / 8 / 27
文獻評讀：量表、實際示範、AI 能幫什麼
講者：蔡依橙
文獻評讀，是多數初學者害怕的部分。害怕選錯量表、害怕給錯評級、害怕製表製圖不好看。現在有 AI，該怎麼用才能省時間，才不會出包？這堂課就是要來解決這個問題。
首先，我們根據自己的投稿經驗，以及這幾年的趨勢進展，直接告訴大家，幾十種量表，到底要怎麼選，並詳細說明理由，以及審閱者通常會看的細節。接著，示範實際上要怎麼使用量表、怎麼評估研究，並把裡頭幾個初學者不容易懂的專有名詞做個說明。可以用 AI 以及千萬不要用 AI 的部份，也會跟各位說。
有些量表過於簡化，初學者很喜歡選，但往往審閱者一看就退稿，簡單說個「作者群使用了過時且過於簡陋的量表」，就能理直氣壯地按下 reject。有些量表，原廠化簡為繁，給的資料過於複雜，令初學者卻步且眼花撩亂。上課時，我們會告訴你哪些量表已經過時，不要再用，也會告訴你複雜定義的量表其實沒有那麼困難，可以直指重點只看其中部分關鍵。
如果懂以上的技巧，文獻評讀在整個寫作過程中屬於相對簡單的部分，因為只要投入時間，一篇一篇看、一格一格評分，總會做完。
課程中我們會針對常見量表之一 Cochrane Risk of Bias 2 做說明。因為 Cochrane 在這方面的文件檔案相當多，軟體也不算好操作，做出來的圖表雖然顏色豐富，但閱讀不易，在設計元素上仍有改進空間。我們開發了整套對初學者友善的流程，以及製圖製表工具，讓事情變得簡單，歡迎一起來學！
總之，上完這堂課後，你將不再被文獻評讀卡關。如果真的還有疑惑，每週的 Office Hour 都歡迎你來問！