晨晰統計部落格新站（統計、SPSS、BIG DATA討論園地）

上班族最關心的莫過於升遷與獎金，而每年或每季的考核決定了員工的未來，這不僅員工關心，主管或老闆也非常頭痛。但是，大家回想一下自己公司的考核，是否常有以下的毛病？

1.使用紙本評分表或EXCEL進行管理，怎麼催都有人不交，統計起來也費時費力…

本篇文章介紹美國衛生研究院(National Institutes of Health (NIH))提供的Joint Trend Analysis software，這個軟體主要運用在長期趨勢資料分析(例如:想研究癌症的發生率在各個年代的變化)，透過此軟體使用者可以很容易地根據資料產生不同的Joint regression model，此迴歸模型主要用來找出癌症發生率趨勢變化的轉折點(Jointpoint)，可以回答哪一個時間點開始出現趨勢的變化(例如:發生率的下降或上升)。

在使用上，一開始使用者能藉由提供最小和最大轉折點個數。軟體將以最小轉折點個數（例如0個轉折點，此時圖形為一條直線）開始計算，並測試增加轉折點是否相較於前一個模型更具有統計顯著性，最後軟體能幫使用者找到一個最佳的模型(轉折的趨勢都有達到統計上的顯著)，使用者能夠測試趨勢的明顯變化是否具有統計意義。此外軟體還提供查看每一個模型的圖形，從具有最小轉折點數量的模型到具有最大轉折點數量的模型，讓使用者可以用於結果的呈現。如附圖所示:

比較療效時常見的偏誤（Sharma 等人）

Sharma 等人於 2019 年在《Clinical Epidemiology》發表了一篇名為『Observational studies of treatment effectiveness: worthwhile or worthless?』的文章²，本篇文章所提到的偏誤以及處理方式並非針對醫學資料庫，而是對於所有的觀察型研究都適用，而且針對的是前瞻性世代研究（prospective cohort study）。

醫學資料庫常見的偏誤（Franklin 與 Schneeweiss）

• 因果關係錯置

這是指因（介入/處置）與果（結果變項）在時間軸上的錯置，偏誤來源來自於事實上是結果變項決定了之後要做何種介入（或醫療選擇）。這種偏誤的處理方式很簡單，只要確認結果變項是發生在介入之後即可，亦即追蹤時間是從介入開始算。

醫學資料庫研究目前佔目前醫學研究相當大宗，由於資料在研究想法產生之前就已經存在，而不需要再收案或追蹤，一旦可以有權限使用資料時，可以快速地做資料處理及統計分析進而發表，甚至搶先在臨床試驗之前就先有真實世界數據（real world data）的結果。

              真實世界數據（real-world data; RWD）在目前幾年變的非常流行，下圖列出在PubMed搜尋RWD或Real-world evidence（真實世界證據，以下簡稱為RWE）關鍵字的文獻數量，在最近幾年急速飆漲。

           很多中小企業都有內外帳之分，特別是內帳，通常老闆自己要看的，所以反而更貼近真實經營實況。但因為是內帳，並沒有一定的記帳方法，比較有概念的採用正規會計帳的記帳方法，計算損益表，獲知每月是否有賺錢。比較隨興的，通常只是記個流水帳，筆數不多的話，月底自己加加減減也就有數了。

不過小孩會長大、公司會成長，漸漸地，每月交易筆數愈來愈多，當每月有50筆交易以上時，這時還在按計算機加加減減，難免力不從心，容易出錯。而且，公司愈來愈忙，更沒有時間好好計算，有時忙了半天都不知道公司是賺是賠，真心酸。這時，專門請個會計嘛，還不到那個模規；即使足夠請人，買會計軟體也是筆花費，再者公司業務也沒那麼複雜，會計小姐可能也是繼續記流水帳，月底再利用一些免費的軟體或excel拉拉公式，也就夠用了。

　　2019/1/19由林口長庚醫院的巨量資料及統計中心主辦「臨床資料庫的建立和應用研討會」，會議中邀請許多學者分享醫療院所整合的資料庫，分別有以下五種醫學研究資料：

1. 長庚醫學與研究資料庫
2. 彙整台大醫院及台大所屬的各級分院所形成的「臺大醫療整合資料庫」
3. 彙整北醫、萬芳、雙和三家醫院的「北醫體系臨床資料庫」
4. 中國醫附設醫院的臨床資料，並完成串連衛生福利部死因檔的「中國醫臨床資料庫」
5. 早產兒基金會運用台灣極低出生體重早產兒聯合追蹤網(TPFN)的資訊建構的「台灣早產兒基金會資料庫」

筆者曾於 2017/11 發表的兩篇文章（https://reurl.cc/n112l、https://reurl.cc/x992e），提到在醫學研究中如何執行敏感度分析（Sensitivity analysis），不過當時筆者引用的 BMC Medical Research Methodology 論文（https://reurl.cc/0ppeA），比較偏重在於資料分析的觀點，本篇文章則嘗試以臨床觀點（from clinical points of view）來描述敏感度分析的應用方式。

在醫學論文中，在內文、表格與圖形中，必然會有數字的呈現，那麼這些數字的小數點應該取到第幾位是最合適的呢？

若以呈現最精確的數據訊息為主要目的，那麼小數點理應是取越多位越精確。然而，當不必要的小數點取太多位時，會讓讀者注意力受到影響，不易立即理解到數字的大小；反之，小數點取的位數不夠，則可能會失去精確性，甚至被懷疑是否作者是故意隱匿資訊。