學會會訊
| 筆者曾於2005年間前往美國波士頓的麻州總醫院腦中風中心（Stroke Service, Massachusetts General Hospital）擔任臨床研究員，跟隨Professor Steven M. Greenberg及Dr. Eric E. Smith學習。研習重點為腦出血及大腦類澱粉血管病變（Cerebral Amyloid Angiopathy）。回國後嘗試運用美國所學，逐步在壢新醫院建立腦中風的臨床研究。但由臨床服務跨入醫學研究領域的過程中發現，過去在醫學院學習的研究工具已經不復記憶，無法順利運用來達成目標。經過和Dr. Smith多次討論後，他建議我前往哈佛大學公共衛生學院修習他曾經讀過的Summer Program of Clinical Effectiveness。承蒙壢新醫院張煥禎院長、廖文山院長及台大醫院吳瑞美主任推薦，趕在申請的最後一日遞出了申請書，抱著忐忑不安的心情等待了一個月後，終於收到了通知入學的電子郵件。 在院長的支持下，解決了代診等種種問題後，懷著當〝老留學生〞的心情，再次飛往波士頓。本課程的對象，主要為有興趣從事臨床研究的醫師及學者。課程的安排以臨床研究之設計、執行及分析為主，將研究所相關之流行病學與生物統計等課程，融入臨床研究之運用中。本課程頒發學分證明，可扣抵日後修習公共衛生學院相關研究所之碩士學位所需。 在報到當日，校方特別為暑期學生安排了簡介及茶會。本期招收約160名學員，約70%為美國國內人士。由東亞來的學生較少，只有筆者和一名由日本來的同學，據指導教授表示，我可能是第一個由台灣來修習此課程的學生。【臨床流行病學】及【生物統計】為所有學員必修，筆者另外選修了【統合分析】（Meta-analysis）及【決策分析】（Decision Analysis）兩門課。 【臨床流行病學】的課程由Professor Fran Cook主持。授課的老師除了哈佛大學的師資外，還特別邀請到相關的專家，如NEJM的副總編輯Thomas H. Lee，大型研究（Women’s Health Study）的主持人Jullie E. Buring等。同時，本課程和【生物統計】課程緊密結合，兼顧理論及實務。研習期間除了每週的家庭作業、期中考、期末考外，課程結束後還要繳交一份研究計畫，比照美國國家衛生院研究計畫申請書的格式撰寫。校方為了輔導學生完成此報告，特別邀請哈佛大學合作醫院的各科專家，安排多次的小組及個別教學。在多位專家的指導之下，學員終於可以如期繳交報告。 【統合分析】是目前實證醫學中相當倚重的方法之一。這個工具可將針對相同主題的不同研究結果列入整體分析。優點是可將分析的樣本數擴大，在統計中突顯該暴露或治療之效果。但是由於每個研究案收案的條件、觀察的結果各有不同，如何將不同設計的研究案結果整合在一起去蕪存菁，產生出有意義的結論，正是這門課學習的重點。在修習本課程時正逢FDA集會討論Rosiglitazone （Avandia）的命運。根據NEJM一篇關於Avandia的Meta-analysis顯示(1)，使用該藥物會增加心肌梗塞的危險性。但是指導教授Mike Stoto提出，如果使用不同的分析方法，會得到不同的結果(註)。結果FDA最後決定只在仿單上加註警語。果然之後也有許多學者提出相同的質疑，引發了熱烈的討論(2)。 【決策分析】課程為哈佛大學的特色之一。在課堂上碰到一位同學，由Columbia University取得公衛碩士學位後，再到哈佛大學修習本課程。這門課主要是利用目前已知症狀、罹病之可能機率及治療各種結果的或然率來建立決策樹（Decision tree）。根據臨床實際數據的演算及分析，將各種檢驗或治療的效果、副作用與成本一一列出，甚至可分析生活品質（Quality Adjusted Life Years, QALY）等結果，提供臨床治療或衛生政策之參考。本課程讓我瞭解如何將只憑感受的生活品質量化成數字，並且將可能的副作用與其產生的花費，以及喪失的生活品質列入臨床的決策。 帶了滿滿的臨床研究知識回到台灣，發現二個月在哈佛所學，不但可以幫助設計研究、分析有興趣的臨床資料，並且在查詢及判讀文獻時更有效率，真是不虛此行。最後引用一句【決策分析】指導教授Milton C. Weinstein在課堂上再三強調的話︰「A decision must be made.」在現今的醫療環境下，我們除了替病患決定醫療的方向外，可能也需要花點時間為自己做個〝決策分析〞。 |
|
| 參考文獻： | |
|
|
| *註：該篇統合分析呈現心肌梗塞的Peto odds ratio 為1.43 (95% CI, 1.03 to 1.98; P = 0.03)。若以Mantel-Haenszel method計算，則呈現無差異之統計結果（odds ratio 1.28, 95% CI, 0.95 to 1.72)。Peto method用於實驗及對照組人數無太大差異時可提供較好的估計；但是本篇根據42篇研究的meta-analysis包含了5篇3:1或4:1的研究。Neissen與Wolski在「作者回覆」中反駁，即使將這五篇由Meta-analysis去除，仍然得到相同的結果(Peto odds ratio, 1.43 [95% CI, 1.02 to 1.98])。有興趣者請參閱參考文獻。指導教授的意思是，如果這是“真理”，運用不同但都合理的方法，應該得到相同的結果。若不是如此，我們在下結論前應該要更小心。 | |
