作者：國防醫學院 宋婕 博士生
從事研究後，一直想上一堂，對自己最有幫助的 meta-analysis 課程，已經有一段時間了，尤其是做 background research，常看到文章內如何判斷是否信服於這類分析的結論，變成一個越來越常出現的問題。
有著自己完成 meta-analysis 的想法，卻因為完全不熟悉統計方法、缺乏適當工具，完全找不到下手的方向。除此之外，進修期間時常經歷一些學理及臨床間的衝撞，會在網路和期刊中找答案，但是置身浩瀚的醫學期刊中，總讓人茫然不知所措。
因緣際會之下，報名參加了新思惟這次的《統合分析工作坊》，現在回想起來，主辦單位的用心，讓我們在課前獲得十足的安全感。從課前提問的回覆、課程內容的編排、以及互動實作時每位講師與助教的用心，每個環節都看得到團隊的細心，在緊湊的課程中，讓每位學員都滿載而歸。
作者：慈濟大學 醫學系 李宜融 同學
對於剛涉足醫學研究的醫學生來說，我們既沒有團隊，也沒有經費，更沒有研究設備與資源，甚至連發掘臨床問題的敏銳度也都還相當不足，這樣的窘境，說真的，要成功完成一篇單純的 case report 就相當不容易了，更何況是一篇 original article。
所幸近年來，meta-analysis 文體越來越蓬勃發展，meta-analysis 不需要一整天泡在 lab，也不需要臨床收案與 IRB 審核，只要有一台筆電，不管何時何地都可以獨自進行，再者，這種文體在多數期刊也都願意被作為 original article 刊登，這樣的文章，正適合無助且孤立無援的我們。
作者：雲林基督教醫院 心臟科 丁革新 醫師
這是我第二次參加新思惟國際的課程，雖然臨床業務繁忙，有幸能擠出時間參與這 meta-analysis 工作坊。在經過一整天密集課程的激盪，發現同行學員有些是箇中老手，而大家無不聚精會神、努力去汲取知識，為求滿載而歸，因此更加強我學習的動力與決心。
首堂課，蔡校長即點出 meta-analysis 幾乎不需要 IRB，因此對於研究資源稍嫌不足的醫師來說，無疑是一個契機。
停經後的睡眠障礙，到底應該用哪種賀爾蒙治療，還是用哪種安眠藥協助，仍有爭議。曾秉濤醫師團隊，預計將這個領域的相關研究，一併統合起來，指出效果與服藥遵從性比較好的選擇。
總計收入 43 篇隨機對照研究，並有 25 種治療，包括 32271 位女性受試者。結果發現 melatonin-fluoxetine 對睡眠障礙比安慰劑有效。對於有明顯心血管症狀的停經患者，gabapentine、口服聯合賀爾蒙治療、bazedoxifene-conjugated estrogens 等均比對照組有效。放棄治療的比例，在使用藥物介入與對照組的患者，並沒有顯著差異。不過使用 eszopiclone 與口服賀爾蒙治療的患者，因為副作用而中止治療的機率較大。
整體來說，對於停經後的睡眠障礙，尤其有心血管症狀者，合併 estrogen 與 progestrone 治療是有效的，而安眠藥在這種狀況似乎並無顯著效果。
臨床上若有一個狀況，是同時可以用很多治療方式介入，但卻不確定哪個最理想時，使用網絡統合分析，找出可能的方向，是不錯的策略，以數據指出方向，以及待解的疑惑，對於後續的研究設計將會有很大的幫忙。
恭喜曾醫師！
看 meta-analysis 的論文，想學著寫，卻不知道重點在哪裡？一篇 meta-analysis，最重要的數值是哪些，內行人在意什麼，怎麼算出這些數據？搜尋文獻時，如何最有效率，完成以發表為導向的評估？
「來之前有先試著思考要做的題目，但面對寫作的茫茫大海，還是會覺得不踏實。這次課程的解析，讓自己有點譜了。」
人人會說大道理，但遭遇的種種困難該如何克服，就不是每個人都知道了。課中，講師們用超過 300 篇 SCI 發表經驗，從「收集資料」、「歸納論文故事」、「跑統計軟體」到「呈現最有說服力的圖組」，細部拆解完成一篇 meta-analysis 的核心重點，帶你跳過一連串的試誤學習，走一條最短、最快的而且已經有人成功的捷徑。
走在捷徑上，你會發現，其實 meta-analysis 並不難，只要破除寫論文的心魔，避開常犯的錯誤，就能大大提升被 accept 的機會。
「感謝新思惟團隊能注意到許多學員學習上的小細節，並給予非常有效率的引導。」
新思惟推出的研究課程，一路走來協助許多校友突破寫作困境，邁入學術起飛，至今累計發表 SCI 已經超過 2300 篇！除了有校友在單一月份發表 3 篇 meta-analysis 論文，更有在住院醫師階段，產出 4 篇 IF > 5 的 meta-analysis 論文。可見掌握這個好工具之後，論文發表真的是指日可待！
「容易入門的軟體，搭配深入淺出的教學說明，帶來高效率的學習成效。」
以下，一起回顧當天熱情學習的照片記錄。
在 COVID-19 疫情肆虐後，臨床工作者很快地發現，同樣染病的患者，BMI 過高的人，死亡率似乎偏高，隨後的許多臨床研究，也證明了這件事。
不過，BMI 偏低的人呢？死亡率會升高嗎？還是更低？如果想找出死亡率最低的 BMI 族群，其數值落在哪裡呢？這是黃暉凱醫師與其團隊，想要知道的。
篩選了 7443 篇文章後，發現 4455 篇有重複族群，2393 篇無關，567 篇研究沒有需要的體重與死亡率資訊，最後鎖定 28 篇共 112682 患者，進入劑量反應統合分析。使用非線性模式分析後，發現死亡率與 BMI 呈現 J 型關係，也就是體重過高會增加死亡率，但其實體重過輕也會，而死亡率的最低點，出現在 BMI 約 27 左右。也就是 BMI 25-30 的所謂過重區間。（過重的朋友們，不用忙著減肥啦！哈哈！）
這個發現，與過去對 BMI 與全原因總死亡率的分析類似，BMI 25-30 傳統所謂的過重區間，也是全原因總死亡率最低的一群。
當全世界大量發表 COVID-19 的臨床經驗與研究時，迅速想到一個切入點，並作統計整合，提出洞見，是很不錯的研究策略。為了搶快發表，也避免夜長夢多，使用致編者信形式投稿，也是相當不錯的決定。
這是因為致編者信一般屬於 editorial materials，並不列入 JCR impact factor 計算公式中，決策上也不需要走入完整審稿流程，主編自己看一看，最多找個人幫確認細節，就可以接受並刊出。
唯一的缺點，就是在升等認定時，很可能因為放在 letter to the editor，導致分數無法以 original article 方式計算。但學術上的影響力並不會有差異，一樣會出現在 PubMed 上，一樣看得到全文，一樣可以引用。
恭喜黃醫師！
