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。
指導：新思惟講師助教群
互動實作時間，是新思惟的招牌，我們不只帶你用自己的筆電跑軟體，還把整篇 SCI 論文的統計全部做出來，只有這樣，同學才能確定自己回家後，能用自己的筆電、自己的滑鼠，完成一樣的東西。你也才有自信，當有了數據與資料後，能夠輸入並做出自己的結果。
中午時間我們要做的，是將一篇我們特別為這個課程所撰寫的指定論文，刊登在約 6 分雜誌的統合分析，裡頭所有的統計都實際跑過一次，包括 overall meta-analysis、subgroup analysis、meta-regression、sensitivity analysis、funnel plot、Egger’s test 都有。初學者寫出第一篇統合分析所需要知道的，我們全部練習一次。
新思惟的課程最特別的是，除了跑出統計，還會教你製圖，把圖片的美感提升到 SCI 期刊都覺得好的狀態。不只是圖片，連表格、流程圖也有，甚至還開發了比原廠更好用的 Cochrane Risk of Bias 2 圖表，方便同學直接使用。
互動實作時間，任何東西都可以問喔，包括初學者對於介面操作的疑惑，或甚至你的基本電腦操作不熟，我們專業的講師助教群都會協助您。甚至，在指定的練習題做完之後，如果您有帶自己卡關或正在寫的研究過來，有個別的寫作問題，也都歡迎討論。
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！
講者：張凱閔
統合分析，是一定要組團隊的文體，包括文獻搜尋、收錄判定、數據萃取、量表確認等，即使條件寫明了，偶爾有些模糊地帶需要主觀判定時，都要寫明是哪兩位作者的共識。
新思惟校友中，統合分析順利起步的模式很多，多數是來上過課的夥伴們一起合作，因為都上過一樣的課，知道的東西一樣，對事情的觀念跟看法有共識，合作起來尤其迅速。像是平輩同事一起合作，或者 PGY 負責事務性工作，找主治醫師協助補足「臨床感」，都很常見。當然也有找很有經驗的多產老師指導的。
但，找到老師，或者組成團隊，並不保證產出。這過程有太多的雷區！
溝通不順利，或者對合作有不同的預期，都可能使得合作不了了之。在與同事朋友協作的過程中，我們該注意些什麼，才能持續一點一點的前進。尋找比我們資深的有經驗者指導，該注意些什麼，如何接觸、如何報告進度、自己要有怎樣的準備，這些都和最終是否能產出論文有關。
這堂課，我們將分享關於找老師、團隊合作的各種技巧，尤其是確保論文能夠生出來的技巧，協助各位順利產出自己的統合分析！
評審：蔡依橙
《統合分析工作坊》，強調的就是「真的讓你做出能去投稿的東西」，所以，最後來個「統合分析製圖大賽」，也是很合理的。
這次的獎品，是讓我們在城市中生存不可或缺的，便利商店禮券 3000 元！買禮盒、喝咖啡、吃午餐、請同事，都很適合。一份純抽獎，繳回問卷就有機會。兩份靠實力，用你的數據視覺化能力來贏。
建議您先加入 新思惟之友 (InnovaRad: Radiating Innovations)，很快會有人核准您的申請。
上課會場，備有免費無線網路，活動當天「互動實作時間」結束之前，將您做好的圖表，全部以相片形式上傳「新思惟之友」社團，就算參賽，數量沒有限制，只要夠好，獎品就歸你。
王韻婷醫師團隊想要探討「白蛋白與鹼性磷酸酶比值」（Albumin-to-Alkaline Phosphatase Ratio，簡稱 AAPR）指標，在頭頸癌病人治療前，能不能用來預測病情與存活狀況。雖然過去有一些討論，但結論並不一致，因此研究團隊進行了統合分析，把現有文獻的數據整合起來做更全面的檢視。
他們搜尋了 EMBASE、Cochrane Library 和 PubMed 這三大醫學資料庫，直到 2024 年 7 月 30 日為止，共納入 8 篇研究，總共有 1737 位頭頸癌病人。
研究使用隨機效應模型來分析，結果發現：AAPR 值比較低的病人，存活狀況明顯比較差。不論是「整體存活率」（overall survival，HR = 2.08）、「無惡化存活率」（progression-free survival，HR = 2.00），還是「無病存活率」（disease-free survival，HR = 2.18），數據都顯示低 AAPR 的族群風險更高。
換句話說，如果治療前檢驗 AAPR 偏低，病人的預後可能會比較不好。
研究團隊也做了敏感性分析，確認結果相當穩定，也沒有發現明顯的發表偏差（publication bias）。整體來看，AAPR 這個指標檢驗便宜、取得容易，未來有機會成為臨床上有用的預後工具，幫助醫師在病人分級和治療決策上更精準。
不過，團隊也提醒，目前的證據雖然樂觀，但還需要更多進一步的臨床研究驗證，才能真正確立它的應用價值
恭喜王醫師！
避免異質性太高，一開始找文獻就要限縮同族群的嗎？來看看講師的建議。