標籤彙整:藥師

00_FB_20211219_rader
2021 / 12 / 20

2021 / 12 / 19(日)滿意度分析 與 手寫回饋

 

 

01_20211219_rader

 

 

匿名問卷統計,所有學員給籌備團隊的滿意度,全部分數皆高於 4.70 分,最高達 4.86 分,非常感謝大家給予支持與肯定。

 

根據統計,本次學員組成如下:

 

  • 新朋友佔 68%,感謝大家口耳相傳,讓更多新朋友願意來嘗試我們的高品質課程,而老朋友也繼續選擇新思惟。
  • 主治醫師佔 40%,住院醫師佔 25%,醫學生佔 5%,越來越多年輕醫師,甚至在 PGY 與醫學生時期,盡早奠定研究基礎、學會寫作技能,讓自己往後的醫學職涯,邁向更好的發展。既然要走醫學這條路,早點起步,早點做好選擇,是個不錯的策略。
  • 醫療相關 25%,非醫療相關 5%,學員組成包含:獸醫師、藥師、職能治療師、研究單位技正、科大助理教授。寫 meta-analysis 最大的好處,就是不需要 IRB,還免收案,非常適合「資源缺乏」又需要「單兵作戰」的研究者!
  • 無發表經驗的同學占 45%。近年來,不論是進階者或初學者,對於 meta-analysis 感興趣並願意挑戰者持續增加,越早瞭解,越能把握先機。跟著專業講師學,拚出第一篇統合分析論文!
  • 年齡區間最年輕者為 26 歲,學員年齡最長者為 46 歲。課程專為初學者量身規劃,內容易懂好吸收,無論年齡、資歷深淺,均能輕鬆上手。盡早奠定研究基礎、學會寫作技能,對往後醫學職涯的發展相當有幫助。

 

講師們都曾是研究新手,一路不停摸索、試錯,在研究路上靠自己成長。如今,我們整合了講師經驗,歸納出最高效益的系統性做法,將 meta-analysis 的論文一一拆解,從規劃、架構、專有名詞,到圖表優化,搭配互動實作,最終實際在自己的電腦上跑出可以投稿的 Figures 與 Tables,希望讓你實際體驗,其實 meta-analysis 並不難!

 

感謝大家課後的匿名手寫回饋,內容非常精彩,包括對課程的評價以及學會使用軟體時的心情,顯示不管是研究初心者或是資深研究者,都能在工作坊中有豐富的收穫,很榮幸新思惟的課程能給您前所未有的突破和啟發!

 

以下是參加者的手寫回饋,每一份鼓勵,都是讓我們前進的動力;每一條建議,也將出現在我們的檢討會議,繼續努力!

 

謝謝!

 

 

最新活動

 

閱讀更多 »

01_FIP_WuCC_01
2021 / 9 / 15

[快訊] 吳承誌藥師團隊,關於雄激素剝奪治療患者的骨折風險統合分析,獲 Frontiers in Pharmacology 刊登!

 

 

01_FIP_WuCC_01

 

 

文章介紹

 

雄激素剝奪治療,是晚期攝護腺癌與轉移攝護腺癌的治療方式,效果不錯,但也有明顯副作用,包括骨折。之前的統合分析已經針對這個題目分析過,但並沒有做進一步的分組分析,吳藥師團隊,預計進一步探索各種次族群的狀況。

 

收入 16 篇文章共 519168 位男性患者並分析,整體來說,雄激素剝奪治療,會有更高的骨折風險(OR = 1.39)、以及骨折住院風險(OR = 1.55)。分層分析則發現,高劑量的雄激素剝奪治療,的確有更高的骨折機率,且研究間的異質性很低。敏感性分析也進一步發現,對於未知級別的攝護腺癌,以及各種不同年紀,均有相同現象,異質性一樣很低。

 

作者總結,隨著新的研究越來越多,我們也理解到,雄激素剝奪治療與較高的骨折風險,存在各種不同的疾病狀況、治療處方、劑量、骨折部位。

 

針對過去統合分析沒有回答過的問題,用新的角度切入,說出新的故事,就能被接受。是不錯的研究方向。

 

 

恭喜吳藥師!

 

閱讀更多 »

01_innovarad_JCLin_Meta-analysis_20200705_0414
2020 / 7 / 9

找專業的新思惟,解決之前所有卡關問題。

 

作者:中國醫藥大學 中國藥學暨中藥資源學系 林仁欽 博士生 / 藥師

 

 

01_innovarad_JCLin_Meta-analysis_20200705_0414

 

 

沒時間做基礎研究, meta-analysis 發論文的捷徑!

 

兩年半前在某研討會上,認識在母校擔任助理教授的學弟,本想是去交流一些產學合作,沒想到後來一句,學長,你要不要來申請博士班看看?就這樣從準備國外成績單、推薦函、面試等,最後竟然真的進入博士班就讀,真不知道這決定到底是正確與否。

 

距離學生生活已經太遙遠了,由於工作繁忙,先規劃把學分都修完,剩下論文什麼的,到時候再說。第一年,我每月都必須飛中國一趟,每個月都要請一次假。而現在第二年結束,學分也都搞定了,勢必要開始準備博士論文。

 

畢業的門檻,學校有規定必須要有合計 4 分以上的文章發表,由於不是全職學生,根本不可能在實驗室做基礎研究,跟指導老師與學弟討論後,建議可以從 dry lab 的 meta-analysis 文章著手,先學習 meta-analysis 的處理方式及文章寫法,順道彙整心得,之後還可以應用在設計動物試驗或是小型臨床試驗。

 

 

嘗試自學,看似簡單,但最後還是卡關了!

 

剛開始著手時,看了不少對岸的 meta-analysis 文章以及教學影片,並且挑了一份將近十年的 meta-analysis 文章,作為延伸文章的主要參考文獻,彙整裡面所提到的臨床試驗數據,嘗試進行統合分析。另外為了學習軟體的操作,發現新思惟校友們都是使用 CMA 軟體,特別也找了 CMA 統計軟體操作的課程先了解。

 

上完那堂課,跟著老師的範例做出圖表。雖然課堂上講了一堆統計名詞也不是很懂,但似乎軟體操作已經可以入門,正要開始運用前人文章整理的表格進行模擬分析,才發現,這些臨床試驗根本沒有操作範例那麼單純,試驗所使用的指標可能有兩三種,一下子就卡關了。

 

閱讀更多 »

03_Meta-analysis_20181124_0440
2020 / 2 / 26

我的第一篇統合分析論文,成功登上 PubMed!

 

作者:柳營奇美醫院 藥劑部 翁騰崧 藥師

相關文章:[快訊] 翁騰崧藥師團隊,關於瑞貝塔治療流感,是否優於其他同類藥劑的統合分析,獲 Medicina-Lithuania 刊登!

 

 

03_Meta-analysis_20181124_0440

 

 

剛學完論文寫作,再一次被推坑。

 

我一直印象很深刻,報完《醫學論文與寫作工作坊》課程沒多久,新思惟立刻又開了《統合分析工作坊》,那時候覺得「校長你啊哩母湯喔」,我才剛報名完,你又開新的課程。算了,那時候覺得自己短期內應該不會北上上課……

 

殊不知因為上完《醫學論文與寫作工作坊》後,回來發現要考量的現實因素很繁瑣,再看見統合分析不用寫 IRB?不用找實驗組、對照組?沒有資源也行?最多感覺就是花 CMA 的錢?

 

有了之前的上課經驗後,我相信新思惟要把這個困難的東西搞定,不會有問題,於是卡就刷下去了~(怎麼感覺跟遊戲課金一樣?XD)

 

閱讀更多 »

01_medicina_WengTS_01
2020 / 2 / 17

[快訊] 翁騰崧藥師團隊,關於瑞貝塔治療流感,是否優於其他同類藥劑的統合分析,獲 Medicina-Lithuania 刊登!

 

 

01_medicina_WengTS_01

 

 

文章介紹

 

流行性感冒,是公共衛生上很重要的議題,除了症狀與支持治療外,neuraminidase inhibitor (NAI) 類藥物,是最常見的抗病毒藥,能抑制複製後的病毒,從細胞中釋出,從而達到疾病控制的效果。

 

目前有四種 NAI 藥物在市面上,包括 oseltamivir 克流感(口服)、zanamivir 瑞樂沙(吸入)、peramivir 瑞貝塔(注射)、laninamivir(臺灣未上市 INAVIR 吸入),其中只有瑞貝塔為靜脈注射劑型。由於靜脈注射劑型,一般被認為較為直接、速度快、效果好,本研究預計回顧過去文獻,並以統合分析探討,瑞貝塔是否真的比較有效,是否擁有跟其他抗流感藥一樣的安全性。

 

收入 12 篇文章共 2681 位患者後,發現瑞貝塔比起其他 NAI 類藥物,的確比較快產生效果,平均快了 11.214 小時!相關的副作用與嚴重副作用沒有差異,而且瑞貝塔若跟其他藥物一一對比,其效果的確都比較好。

 

整體來說,靜脈注射的瑞貝塔,在安全性上與其他 NAI 藥物類似,但效果更好,作用更快。

 

這是個蠻有意思的研究,尤其在冠狀病毒疫情的今天,大家也順道認識了流感的威力,進一步釐清流感治療藥物的差異,也有助於第一線臨床醫師作決策。

 

 

恭喜翁藥師!

 

閱讀更多 »

01_innovarad_SKWei_Meta-analysis_20181124_0810
2018 / 11 / 30

親手做出的圖沒有消失,真的不是在做夢!

 

作者:柳營奇美醫院 藥劑部 魏士凱 藥師

 

 

01_innovarad_SKWei_Meta-analysis_20181124_0810

 

 

彷彿隔層紗,霧裡看花。

 

關於 meta-analysis,雖然平時在查找文獻經常接觸,或者 EBM 相關活動時,會做較深刻的探討,然而 meta-analysis 對我而言,還是隔了一層紗。

 

尤其是在統計數據呈現時,即便知道文章總結內容,也知道數據呈現的趨勢,但多篇 meta-analysis 文章相比時,又說不出個所以然,例如:Odds Ratio、SMD、difference in mean 的使用,標準差 SD 與標準誤 SE 的內涵,只知道它們不同,卻不知道使用的時機何在。

 

經過凱閔醫師的說明後,解開了許多心中的疑惑。相關的統計解說也看過、聽過不少,但總是有不明不白之處,而這短短一堂課雖言簡意賅,卻能直擊痛處,加上適當的比喻,讓人茅塞頓開,不管作為文章的讀者或撰寫者,都非常實用且關鍵。

 

閱讀更多 »