陳柏威醫師 Po-Wei Chen, MD

看文獻、做研究時，碰上不顯著，總想起統計老師的話「 不顯著代表不能拒絕虛無假說，不代表兩者相同 」。我們又學過，發現兩者差異的能力稱為檢定力 (Power)，那 是不是 計算資料的 Power，如果這「發現差異的能力」大於80%，卻仍然有不顯著的結果，就代表這兩組資料真的很相近呢 ？ 以前是那麼相信的，但越算越覺得奇怪 直到自己多算了幾次，發現 Power 其實和 P-value 是非常掛鉤的。Power 與 P-value 都是受到樣本數、標準差、平均差的影響。 當兩組的平均差很近、P-value >0.05時，表示兩組資料的分佈重疊部分很高，用這樣的結果來計算 Power ，當然會獲得一個很低的 Power。 （進一步澄清，這個實驗做完才計算的 Power 稱為  Post-hoc power，是今天要討論的主題。而我們在計算需收樣的樣本數時的 ，則直接稱為 Power，是很重要且有需有的步驟。） Post-hoc power 其實受到 P-value 的影響 我開始看更多文章，發現原來 Post-hoc power的計算，就受到了P-value的影響（畢竟他們都是用同樣的樣本數、標準差、平均差來做計算）， 當 P-value >0.5，我們計算 Post-hoc power 希望達到 0.8 時，其實要 P-value 小於0.0065才能達到，這可不是自相矛盾嗎！ 那我們不計算 Post-hoc power，還可以怎麼做呢？ 第一個，我們可以計算 Partially post-hoc power ，這是 這篇 文章提出來的方法。當然這名字很奇怪，怎麼會有個 partially post-hoc 的東西呢？他提到的是，我們用來計算 Power 的平均差，應該要用 Minimal clinically important difference (MCID, 最小臨床有意義差距) 來代替，這樣可以脫離與P-value的掛勾。解釋時就會從「我們有 post-hoc power  % 的信心，去發現這兩組有達到顯著差異」，變成「 我們有   post-hoc power  % 的信心，去發現這兩組有達到  MCID  的顯著差異 」。 第二個，我們可以看結果的信賴區間 ...

Prof. Edwin Chan 是 Director of Cochrane Singapore，算是亞洲地區 EBM 與 Systematic review 的大師，本身有很豐富的學術經驗。很榮幸也很幸運的，花蓮慈濟醫院在 2018年12月5日，請他來為我們舉辦一日工作坊。看到這樣大師級的人物，即使搭夜車，也從嘉義大林趕回到花蓮上課了（路途遙遠啊！）接下來的幾篇，將舉這次印象深刻的幾個重點來跟大家分享囉。 PICO萬能？ 每次提到EBM，大家最常反射想到的就是”PICO”，是我們常用來搜尋文獻的好工具， 但PICO真的萬能嗎？ 在面對不同類型研究時，其實應該要使用不同的搜尋策略： Therapeutic: PICO Diagnostic: PIGO Harmfulness: PEO Prognostic: PO Therapeutic study 用 PICO 常聽到的PICO，其實是為了治療型的研究設計的 ，包含有特定的族群 (P)、介入的措施 (I)、比較的措施 (C)、想看的結果 (O)。 先來細看下PICO的內容吧，以這個題目示範：咖啡因可以增加早上想睡的人反應時間嗎？ Population: 要針對哪些研究族群來搜尋，在此就是Adults with daytime drowsiness Intervention: 給予什麼介入措施，在此就是Caffeine Comparison: 跟什麼做比較；我們使用 Placebo / Decaffeinate 要注意的，不管在什麼題目都 不應該只擺上「無介入」，而是應該使用安慰劑或是其他療法 所以不應該用「沒喝咖啡」，而是應該跟「喝安慰劑」，也就是去咖啡因的飲料來做比較。不然 或許是喝東西的動作，或是對於咖啡的預期效應而讓我們清醒 。 Outcome: 想要比較什麼結果，在此就是Reaction time 這樣的搜尋，就能找到非常精確的結果。 （搜尋方法如：MeSH、Title search、Filter等，請看下篇文章： <系統性回顧工作坊>課後收穫2：搜尋結果很少，就等於搜尋方式很好嗎 ） Diagnostic study 用 PIGO 針對診斷型的問題，我們最後的目標是想知道...

講完 設定精準題目 (PICO) 後，來看看搜尋出來的結果吧！ 我們知道有時會看到結果有兩千篇的狀況，這時固然讓人覺得崩潰，懷疑自己是不是關鍵字下的不夠好等等。 但，你以為結果只有5篇時，就能滿意的拍手嗎！？ （ 趕著做報告時，當然啊xD ） 讓我們來看看太多、太少結果時怎麼辦吧！ 搜尋方式概覽 先了解一下有哪些搜尋方式，再來談結果太多、太少怎麼處理 Free text : 隨意輸入搜尋字詞，要靠背景知識把所有同義字都打出來 MeSH term : 當有很多同義字時應該使用，是資料庫為每篇文章設定的標籤（背後有一群人辛苦的分類啊）會囊括幾乎所有同義字，節省大量時間 Title search : 限定只搜尋標題有這個詞的，當只有一兩種明確的名字時使用，可以增加特異性 布林邏輯 ：把多個詞靈活的串在一起，包含AND, OR, NOT三種，組合出無限可能xD Filter ：主流資料庫幾乎都有，放在左手邊那一條，讓你設定研究的類型、發表時間、研究對象等 太多結果，怎麼辦？ 看到一兩千篇文章出現在面前，馬上舉雙手投降，怎麼看得完、怎麼找得出最適合的那篇呢？ 這時我們 需要縮減一下搜尋範圍，可以採用的方法是： 用Title search取代MeSH ：例如搜尋止痛藥時，不要用MeSH的NSAIDs這個大分類，而是用Title search找你有興趣的特定藥物如indomethacin 增加 Filter 限制 ：可以限制只看最高證據等級的Guideline, Systematic review，或是只看最近五年出版的文章等 善用 NOT邏輯 ：有時跑出很多同類型的非目標文章，這時可使用NOT來去掉不想要的結果，可以搭配MeSH來大範圍去除特定結果 呼應 上一篇 的「預後型研究」，因為我們不想要有治療，就可以用NOT去除掉那些治療 太少結果，可以嗎？ 如果全部的文章都符合我們的臨床問題，其實也開心不起來呢⋯ 太準確的搜尋結果，表示可能有些文章沒有被我們找到 （就是敏感性與特異性互相消長的概念囉），這時反而該來好好想想怎麼放寬標準 使用 MeSH term ：點進其中一篇文章，看看他被下了哪些關鍵字，直接拿來搜尋囉 使用Similar article ：找篇最符合的，讓資料庫自己建議你他覺得類似...