|
國際學術刊物"CHEST"有三篇Tom
Lang先生的文章，文章的標題為科學研究論文作者的指導方針，此文章系列共有三篇，其篇名與發表年刊，期數，頁數列舉如下
Title:
”Documenting Research in Scientific Articles: Guidelines for Authors”
Part 1. Reporting research designs and activities, 2006,
130(4):1263-1268.
Part 2. Reporting hypothesis tests, 2007, 131(1):317-319.
Part 3. Reporting multivariate analyses, 2009, 131(2):628-632
Part
I. Reporting research designs and activities
第一篇文章為論文整體結構之介紹
A.
Introduction
1.
描述此研究題目的背景，範圍與問題的重要性，因此需要進行研究。許多論文作者往往假設讀者瞭解其研究內容。因此導致論文作者直接描述"作什麼"，而未加描述為什麼要進行研究。
2.
描述研究的目的，說明關於研究的問題其相關理論與科學方法。
B.
Methods
1.
說明此研究中特殊的方法，包括任何相關的研究問題或假設條件。
2.
描述研究的族群狀況，包括統計資料，診斷特徵，治療後症狀等。
3.
描述如何選擇研究對象，如何招募這些研究對象。
4.
描述樣本的數目與如何決定此數目。
5.
描述數據收集的地點，設置位置等。
6.
描述病人(對象)如何分群，何時分群？
7.
描述治療結果如何評估，量測數據是否有效。
8.
說明量測誤差的可能來源，偏差的可能來源與如何控制這些偏差(bias)與誤差
(errors)。
C. Statistical methods
1.
描述分析數據與統計技術之相關性，解釋為何選用此種統計技術。
2.
重新確認所使用的統計技術，其假設前提(例如常態分佈)是否有效。
3.
確認每一處理是否有子群(subgroup)，是否需要進行共變數(Covariate)分析。
4.
說明執行統計分析之軟體。
D. Results
1.
對研究結果加以確認，為何選用這些量測數據，如何處理數據與如何選擇數據收集週期。
2.
對於研究內容的樣本數目，每一時期的變化狀態都加以確認。
3.
確認參預研究之對象，其處理方式(治療方式)與原來的預定方式有否差異？
4.
儘量以圖，表顯示研究結果。
5.
報告中至少要包括最後的研究數據，包括族群中的平均值與族群彼此的差異
甲、值。
6.
所有數據的結果報導需要包含信賴區間。
7.
比較最初與最後的試驗樣本數目，解釋為何有差異。
E. Discussion
1.
對結果歸納成一個結論。
2.
解釋此結果。
3.
以此結果與已知文獻結論加以比較。
4.
解釋此研究結果能否通用化，或只是個例因此對於以後研究提出建議。
5.
討論此結果隱含的其他意義。
6.
討論此研究結果的限制因子，例如樣本數目，生理性學理之解釋性等。
7.
條列出結論。
Part
Ⅱ. Reporting hypothesis
test
關於研究論文中假設檢定的指引包括如下12項要點
1.
描述試驗檢定的假設條件。
首先要明確的列出虛無假設與對立假設。
2.
對於族群是否相異的最小差異標準要先列出。
此種最小差異標準其數值來自醫療行為的專業知識。此種最小差異標準也是統計檢定力(statistical
power)計算的標準，可用以決定樣本的大小是多少。
3.
說明 值的大小，用以說明發生機率低於多少時可考慮為統計上的顯著性
(statistically significant)。值通常設定為0.05，0.01或0.001。事件發生機率以P表式。
4.
註明用以進行比較時所使用的統計方法，對於採用的方法都要說明使用理由。
5.
說明是單尾檢定或是雙尾檢定。
6.
所使用的統計軟體要加以註明，包括發行的公司，版本。
7.
對於初步量測結果進行試驗分析，其統計分析結果都要加以報導。初步結果如果與以後的結果相異要提出解釋。
8.
報導兩種處理實際的差異值，與差異值的95％信賴區間
在進行兩個族群的比較，以平均值的相差值加以計算，而其機率P值需要報導。兩平均值的差異需要報導其精密性，通常以95％信賴區間加以表示。
9.
對於統計檢定的假設前提需要再確認
大多數的統計檢定對於數據都進行假設，最常見的假設為常態分佈，因此可以 進行參數(parametric)測定。此種假設對於生物性數據經常是不成立。如果數據非常態分配，第一個方法是進行數學轉換。另一個方法是進行非參數檢定。
10.
無論兩種處理是否有顯著差異，一定要報導P的實際值
如果發生的機率(P值)低於臨界值()，值通常為0.05。兩個處理被視為顯著差異。然而如果P值與臨界值十分接近，例如P值等於0.051或0.049，要加以判別顯著或不顯著則是十分困難。因此在檢定結果必須報導實際的P值。如果P值極小，其極界判別值為P＜0.001。"P=0.00057"此種報導則無意義。
11.
對於多重比較的報導要具有詳細資訊
使用那一種統計技術，例如LSD，Tukey’s HSD，Scheffe
method，或是Duncan’s range test，都要說明為什麼採用此方法的具體理由。
12.
區隔"統計上的顯著性"與"臨床的重要性"
在生醫研究中，常見的錯誤是未能區隔"統計的顯著性"與"臨床的重要性"。P
值在臨床醫療上無解釋性。研究結果對臨床診斷的重要性要與整體的研究水準
加以配合。除了P值，還要考處理結果慮差異性的大小，關係的強弱，統計結果在生物解釋之意義。
Part 3. Reporting multivariate analyses
在醫學研究常用的多變方分析技術包括變方分析(ANOVA)與迴歸分析(Regression
analysis)
I.
多變方分析(ANOVA)
多變方分析之變數為兩個至多重處理。ANOVA主要用以判別類別變數是否有顯著差別。如果變數包括類別變數與連續變數，則必須採用多重迴歸或共變方分析(analysis
of covariance)。
ANOVA又稱為群屬與群屬之比較。以統計方法評估群屬彼此是否有差異。如果具有差異性，再以多重比較方法以判別群屬之間是那些彼此差異。在生醫領域常被使用的變方分析有：1.
One-way ANOVA，2. Two-way ANOVA，3.
Multiway ANOVA，4. Analysis of Covariance，5.
Repeated-measures ANOVA，。
II.
迴歸分析
生醫研究常用的回歸分析方法共有7種：
1.
簡單線性迴歸
2.
多重線性迴歸
3.
簡單logistic迴歸
4.
多重logistic迴歸
5.
非線性迴歸
6.
多項式迴歸
7.
Cox proportional hazards regression
學術論文對於迴歸分析的使用必須注意以下要項：
1.
使用迴歸分析的目的是描述因子間之關係（例如Yi對於Xi）
2.
每一個迴歸變數(Xi)的數據必須預先進行檢定，包括平均值、眾數、中數、四分位數與標準差
3.
對於迴歸的假設條件進行檢定，包括常態分析，變異數為定值等假定條件。
4.
不足的數據(missing
data)的處理方式必須報導，在一組變數中(X1, X2,~Xn)，如果失去一個數據(例如Xj)，將導至此組數據被刪掉，因而減少可用的數據數目。目前有數種方法以解決此問題。採用的方法必須在報告中註明。
5.
任何離差值
(Outliers)都必須報導，Outliers其處理方式與對研究結果的影響需要說明。
6.
迴歸模式之分析結果需要完整報導。包括各係數數值、標準差、t值、p值與信賴區間等。
7.
說明模式變數選擇所使用的統計技術，例如Best-subset, Forward, Backward或是Stepwise。
8.
對多重迴歸分析的變數要檢查其重合性。
9.
說明模式與量測數據其符合性能的判別標準。符合性能(Goodness of fit)的最基本判別標準是殘差圖。
10.
以彼此獨立的數據進行
a. 模式建立與 b. 模式預測能力驗證
11.
對於使用的統計數據軟體需要加以教導。 |
