
Original article x 64
原創論文連續三個月維持在 60 篇以上,9 月(75 篇)、10 月(86 篇)、11 月(60 篇)平均每天至少都有兩位學員發表!

針對下咽癌(HPC)患者而言,若能在早期辨識出哪些人未來容易產生「異時性第二原發食道癌(MSPEC)」,對於調整追蹤計畫與提升存活率至關重要。雖然醫學界已知「平均紅血球容積(MCV)」是食道癌的生物標記,但關於下咽癌患者的 MCV 數值是否能預測之後發生的食道癌,過去尚未有深入探討。
這項研究的目的,即是為了評估 MCV 數值對於下咽癌患者發生食道癌的預測價值。研究團隊利用長庚研究數據庫,進行了一項橫跨 19 年(2001 年 1 月至 2019 年 12 月)的追蹤研究。
研究方法是從 2009 位下咽癌患者中,找出 114 位後來又確診食道癌的病人,並與 1895 位未患食道癌的病人進行對比。為了確保研究的準確性,團隊採用了傾向分數匹配法(Propensity Score-matched Analysis),以 1 比 3 的比例排除其他臨床特徵的干擾,最終針對 96 位食道癌患者與 288 位對照組成員進行分析。
研究結果顯示,MCV 數值的高低與罹患食道癌的風險呈現明顯的正相關。具體數據指出,當 MCV 介於 95 至 100fL 之間時,患者產生食道癌的勝算比(Odds Ratio)是正常人的 2.37 倍;若 MCV 達到 100fL 以上,風險更直接飆升至 4.84 倍(95 % 信賴區間為 2.62 – 8.95)。
這種關聯在年輕患者以及癌症分期較晚的族群中尤為顯著。從原始數據來看,MCV 小於 95fL 的患者,發生食道癌的比例僅約 2.9 %;但 MCV 大於等於 100fL 的患者,比例則大幅提高到 11.5 %。
研究結論指出,下咽癌患者在確診時若觀察到紅血球體積偏大(Macrocytosis),即代表其未來發生食道癌的風險顯著增加。這項發現強調了對這類高風險病患進行更密集、更嚴謹監控的必要性。
恭喜吳醫師!
ChatGPT vs Claude 哪個才是你寫論文的最佳搭檔?來看看講師的建議。
Therapeutic Advances in Medical Oncology 創刊於 1983 年,2024 年的 impact factor 為 4.2,在 Oncology 領域為 Q2(89/328) 期刊。

乳癌是全球最常見的癌症,其中約 20% 的病例涉及 HER2 過度表現。隨著新型藥物 Trastuzumab deruxtecan(T-DXd)的問世改善了臨床結果。翁騰崧藥師團隊想釐清新型藥物 Trastuzumab deruxtecan(T-DXd)在不同 HER2 表現程度下,其療效與安全性是否保持一致,以幫助臨床醫師精準選擇最適合的治療方案。
翁藥師團隊進行系統性回顧與統合分析,納入 4 項隨機對照試驗,共 2,555 位乳癌病人,比較 T-DXd 與醫師選擇的標準治療或化療。主要觀察指標包括癌症惡化前存活時間(PFS)與整體存活時間(OS),並同時分析肺部、心臟、血液及腸胃道等副作用發生情形。
整體結果顯示,使用 T-DXd 的病人,不論在 PFS 或 OS 上,都明顯優於對照治療,而且這樣的療效在 HER2 高表現與 HER2 低表現病人中皆一致成立。不過,在安全性方面,T-DXd 會增加間質性肺病、心臟收縮功能下降、貧血、噁心、嘔吐、食慾下降與掉髮等副作用的風險,但白血球低下與腹瀉的發生率與傳統治療相近。
翁藥師團隊認為,這項統合分析證實了 T-DXd 無論在 HER2 高表現或低表現的乳癌患者中,都能提供顯著的生存優勢。然而,由於肺部與心臟副作用風險,也不容忽視。臨床使用時必須加強追蹤與早期處理,才能在延長存活與用藥安全之間,做出最適合病人的治療決策。
恭喜翁藥師!
「AI 都幫我生好搜尋式了,為什麼丟進 PubMed,還是一片茫然?」當你把 AI 生成的搜尋式丟進 PubMed,真正該看的第一件事,其實不是內容,而是數量本身在告訴你什麼。什麼時候該縮減、什麼時候該放寬?哪些狀況代表搜尋策略其實方向是對的,只是還需要調整?一起來看看講師怎麼拆解。
作者:科羅拉多大學 醫學院 感染科 邱家佑 醫師
相關文章:[快訊] 邱家佑醫師團隊,關於美國成人實體器官移植,病患麻疹、腮腺炎與德國麻疹的抗體與感染情形之研究,獲 Transplantation 刊登!

這一篇的靈感,來自於 2024 年夏天我對於美國指引規定的疑問。依照現行建議,成人實質器官移植的病人並無法施打減毒活性疫苗(例如麻疹、腮腺炎與德國麻疹疫苗),主要是擔心活性疫苗可能造成免疫低下者感染。
然而,這個規定讓我產生了質疑,因為在美國、歐洲與日本,早已在特定限制條件下,允許兒童實質器官移植病人施打麻疹、腮腺炎與德國麻疹疫苗;此外,像是愛滋病患者或骨髓移植後的病人,在符合一定條件時,也同樣可以接種這類疫苗。因此,我開始思考,是否能檢視成人麻疹、腮腺炎與德國麻疹的免疫情況,以及是否真的有人在移植後發生相關感染。
這一篇研究是使用 TriNetX 大數據,分析近 10 年來的實質器官移植病人。不過,其實以 TriNetX 來分析器官移植病人,並不是一個理想的方法,原因在於美國已有國家等級的資料庫:United Network for Organ Sharing/Organ Procurement and Transplantation Network(UNOS/OPTN)。因此,進行移植資料庫研究時,多數研究者都會使用 UNOS/OPTN。若選擇使用其他非主流資料庫進行分析,就必須能清楚回答:這個問題為什麼是 UNOS/OPTN 無法回答的。
作者:林口長庚醫院 楊紹宇 醫師

在 clerk 階段時尚不明顯,但當我成為一名 PGY 後,逐漸發現身邊的同學與同事已開始投入論文寫作,讓我感受到不小的壓力,也意識到自己在統計方法與數據分析方面幾乎是一片空白。
AI 固然是個好工具(甚至是好老師),但也正因為問它任何事情都能得到答案,反而讓人更困惑該從何切入、如何真正將它派上用場。以上種種疑惑,大致就是我報名這次工作坊的動機。
第一堂課由陳一銘醫師層層剖析論文的整體架構,從 Introduction 到 Discussion,該有什麼、不該有什麼,以及哪些地方可以導入 AI 語言模型的使用,目標是在喝完一杯咖啡的時限內完成文章布局。
其中,我覺得極具參考價值的是,老師始終從 Reviewer 的觀點出發。這項洞見不只存在於第一節課,而是後續每位老師也都以這個角度貫穿整天的課程。
作者:三軍總醫院 松山分院 護理部 田伊伶 護理師

在繁忙的臨床護理工作中,我們每天面對無數的病患與照護案例,這些珍貴的臨床資料往往蘊含著提升照護品質的關鍵線索。
然而,每當試圖將這些臨床發現轉化為學術論文時,我總是因寫作架構不清及統計方法生疏而卡關。即便手中已有初步整理的資料,卻常在下筆時感到迷惘:究竟該如何從紛亂的數據中,梳理出一條清晰的邏輯軸線?
此外,對於統計軟體操作的不熟悉,常常需要不斷向他人求助,也耗費許多時間與心力,甚至懷疑自己寫的文章是否會有期刊願意採用。
因此,我參加了本次《醫學論文與寫作工作坊》,期許能透過系統性的學習,解決我對研究架構的盲點,並真正掌握一套能應用於臨床小型研究的統計工具,將手上的資料轉化為具備實證影響力的文章。