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…
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)
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:
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。