作者：元景耳鼻喉科神經科診所 曾秉濤 醫師

相關文章：[快訊] 曾秉濤醫師與吳明恭醫師團隊，關於停經轉換期與之後的婦女，使用抗憂鬱劑效果之統合分析，獲 Scientific Reports 刊登！

在進行統合分析或是一般臨床研究時，有時候做了一整年的研究下來，發現手上的數據分析完畢後，竟然是不顯著的統計結果，相信許多人在這當下，一定是相當挫折並心灰意冷，甚至就直接將這個研究（無論是統合分析或是一般臨床研究）丟進抽屜的深處，讓它永不見天日！

統計結果不顯著時，也有峰迴路轉的一天。

其實類似的問題，在我之前寫的心得文章中也有提到，現在有越來越多雜誌能夠接受「統計結果不顯著」的研究結果，而且這些所謂的「重要的不顯著」，有時候反而對臨床有重要的意義。

以我過去的研究為例，這篇文章在討論血清素藥物與青光眼風險的關聯性，過去許多含有血清素效果的藥物被認為可能會與青光眼風險有關，造成同時併有恐慌症和青光眼的個案治療選擇受限許多，但是透過我們這篇文章，我們提供了另外一個面向的證據，告訴臨床醫師「血清素藥物未必會提高青光眼的風險，甚至還會降低眼壓」！

而這篇研究也提供了另外一層的觀點：過去我們認為 bupropion 相較其他抗憂鬱劑較不會讓躁鬱症患者從「鬱症」轉換成「躁症」，但是這篇統合分析告訴我們 bupropion 和其他抗憂鬱劑在「讓躁鬱症患者從鬱症轉換成躁症」這件事情上面，風險是一樣的（兩者間的差異統計未達顯著）！

分組，是「不顯著」的另外一個新大陸。

除了前面提到的，直接從「不顯著的統計結果」進行直接的詮釋之外，其實也有許多學生或研究人員會為了讓統計結果有「特殊發現」，而針對收錄的文章或個案進行分組，希望能找出不同的統計結果。

坦白說，「分組分析」這個做法，其實是一個雙面刃：用的好，可以找出科學的新契機（例如：透過年齡大小，分成 A/B 組，發現到原來 A 組和 B 組的病人之間，會有顯著的差異）；但是如果用不好，就會淪落為「為了分組而分組」！

事實上，「為了分組而分組」如果有足夠的臨床證據支持這些分組的方式，其實都還好解釋，但是有些分組方式找不到臨床證據時，甚至會變成另一個被審稿者抓著打的潛在缺點（例如：用 Cre 1.15 分成「< 1.15 組」、「> 1.15 組」和「=1.15 組」，這種完全找不到臨床依據的切割方式），這就是我們強調的「為了分組而分組的後遺症」。

而且這個做法，會讓審稿者留下不佳的後遺症，因為這會讓審稿者擔心：眼前這個稿件的作者現在已經為了達到統計顯著，而對數字「做了一些臨床不合理的操作」，他們會不會在另外的地方也做數據的操作呢（例如在更前端的數據收集 / 研究收案等）？一旦審稿者心理產生了陰影，後面任何一點小失誤，都容易造成審稿者心理陰影擴大，這下子就不是後面寫答辯（revision）就能搞定的事情了（當然，更糟的情況是，可能連寫答辯的機會都沒有了）！

至於該如何分組，請見另外一篇心得。

最新活動