在前兩篇文章中，我們介紹了曲線下面積（Area under the curve, AUC）與integrated discrimination improvement（IDI）的定義以及使用上的限制。為了回答此問題：「A這個生物標記或預測模型，所增加的預測能力若使用在臨床上，究竟是否可以改變治療決策？」，Pencina（2008）首次提出net reclassification improvement（NRI）這個指標以及展示它的統計檢定1。
在使用NRI之前，必須有個很重要的前提，亦即關於該事件的預測機率已有明確的風險分組。例如根據Third Adult Treatment Panel（ATP III）將10年冠心病的風險（10-year risk of coronary heart disease）明確分為3組：0%–6%、6%–20%及>20%，針對不同風險分組會有不同的治療決策，例如0-6%只要保持定期追蹤，6%–20%則是改變生活方式與藥物治療，而>20%則可能要接受更積極的監測與治療。
在之前文章中，我們提到了在以下幾種情況，過去常以Receiver Operating Characteristic（ROC）的曲線下面積（Area under the curve, AUC）作為主要的統計方法以及其限制1-2。
假設已知有個表現良好的生物標記B（或是一組危險因子，例如Framingham Risk Score），此時我們提議（proposed）的生物標記或預測模型（或一組危險因子）為A，可能會有以下幾種的比較。
在進行論文文字的撰寫時，可以先將固定會用到的格式先製訂出來，以免去要一直使用複製格式的功能，而且未來若需要修改某一個標題的樣式時，相同樣式的標題會同步修改，不用再逐一尋找，另外在進行目錄的編輯上也會變得簡單許多，之後會再與大家分享，以下先教大家如何增加樣式。
1、筆者的習慣，當打開WORD檔時，都會先到『常用』的à『樣式』欄位中，點選右下角的小圖示。
8月舉辦於嘉義長庚醫院的實證醫學年會，主題探討大數據、人工智慧對醫學研究與實證醫學的影響。會中由李友專院長淺談人工智慧的發展沿革，以及目前在醫學領域應用較為廣泛的人工智慧型態，例如：圖像判讀或分組、決策樹(decision tree)、人工神經網路(artificial neural network, ANN)、深度學習(deep learning)、機器學習(machine learning, ML)等。李院長的演講作為導言，以輕鬆詼諧的方式，簡單讓與會者像聽歷史故事一般接觸人工智慧的發展史，並從中帶出人工智慧在過去遭遇的挫折與困境 (例如硬體設備的計算效率不佳)。隨著科技時代的進步，電腦硬體與時俱進，形成現今人工智慧發展的優勢環境，足以支援更複雜演算法與更大量的資料點。
李院長精彩的演說引人入勝，讓筆者會後更為好奇，人工智慧目前在醫學研究方面是如何被應用與執行的？以及人工智慧的基本概念有些什麼？故筆者搜尋了一些介紹人工智慧的網站，以及一些運用或探討人工智慧的醫學論文。
在臨床醫學研究中，常常會提出一個生物標記（Biomarker）可以預測特定事件的假設，例如以neutrophil gelatinase-associated lipocalin（NGAL）預測急性腎損傷（acute kidney injury, AKI），或是以B-type natriuretic peptide（BNP）預測心衰竭病人的再住院率。
通常此時會有比較的基準，假設已知有個表現良好的生物標記B（或是一組危險因子，例如Framingham Risk Score），此時我們提議（proposed）的生物標記或預測模型（或一組危險因子）為A，可能會有以下幾種的比較。
肆、檢視格線
32、如果想在WORD檔中，想對文字進行對齊的工作，其實表格是一種輔助整理的很好的方式，只需要將格線隱藏起來，就看不來是用表格整理的了。以下圖為例，上方的文字是用表格對齊，而下方的文字則是插入空白進行對齊。
在觀察型研究當中，傾向分數分析（propensity score analysis）的使用，特別是傾向分數配對（propensity score matching）已經是非常普遍，這個部分可參見筆者在之前寫的文章（https://reurl.cc/qd8xg 以及 https://reurl.cc/V6Xr5）。關於傾向分數配對的技術與介紹，網路上已經有非常多資源（可參見筆者同事撰寫的一系列文章（https://reurl.cc/E7z3R、https://reurl.cc/WdL5D以及https://reurl.cc/O1qlv），但目前比較少人討論在傾向分數配對後的統計方法。
理論上，在同一個配對組合（matched pair）之下的實驗組與對照組（或暴露組與非暴露組），由於他們有很接近的傾向分數（成為實驗組/暴露組的機率），因此他們在用來計算傾向分數的基本屬性上（例如年齡、性別、共病等）也會比較相近，因此此時的實驗組與對照組不再是「獨立樣本」，而是具有相依性的配對樣本（paired sample）1。
筆者曾於另文中介紹一個企業績效儀表版的範例，適合業務銷售部門，進行績效管理。為了讓讀者可以嘗試自行製作，特別挑出其中兩個圖塊，成長趨勢（Trends）、城市亮點（City Highlights），介紹製作方法。
企業績效儀表版（註1）
{{ article.title }}