透過科學界的努力，包括政府機構、研究人員和產業，開發新型且有效的光催化抗微生物劑，限制多重藥物耐藥菌株的出現和進展至關重要。
這些變化需要現代化和擴展材料合成實驗室，加速工業化後的大量生產，造福人類和環境。儘管有大量的報導，不同種類的金屬基奈米材料作為抗微生物劑的潛在應用，但對各種產品之間的相似性和差異性的評價仍然缺乏。
陳以勳醫師團隊詳細介紹了金屬基奈米粒子的基本特型和獨特性質，以及它們作為光催化抗微生物劑的應用和治療模式。
回顧並整理後發現，與傳統抗生素相比，金屬基光催化奈米材料，殺死微生物的作用方式完全不同，在對抗抗生素耐藥菌有顯著的表現。另外回顧文獻也發現金屬基氧化物奈米粒子對不同類型細菌和病毒的作用方式的差異，並整理了過去發表有關當代光催化抗微生物劑的臨床試驗和醫療用途。
陳以勳醫師團隊透過文獻回顧，整理金屬基氧化物奈米粒子作用機制的相關論述，能夠幫助科學家開發更具體的治療方式和應用場景，進一步推動生物醫學領域的發展。
恭喜陳醫師！
本研究建立一個 6 個月的機器學習預測模型，用於預測第二型糖尿病成人患者，初始估計腎小球過濾率（eGFR）≥ 60 mL/min/1.73 m2 的急進性腎臟疾病風險和對腎臟科的轉診需求。
徐佳鈿醫師團隊從電子病歷中提取患者和醫療特徵，並將病例分為訓練 / 驗證和測試數據集，根據三種演算法 logistic regression、random forest、extreme gradient boosting (XGBoost) 開發和驗證模型。團隊還使用軟投票分類器（soft voting classifier）的集成方法來分類轉診組。
結果發現 XGBoost 模型在轉診組中具有更高的準確性和相對較高的精度，但 logistic regression 與 random forest 模型具有更高的召回率。集成投票分類器在準確性、AUROC 和轉診組中的召回率方面相對較高，優於其他三種模型。團隊還發現更明確的目標定義可以提高模型的性能。
機器學習類的論文，標準做法就是像這樣，分成訓練跟驗證，並且試著去建立一個模型，預測一件之前並不好預測的事情。作習慣臨床研究的人，比較熟悉 logistic regression，但機器學習因為可用的參數變化更為複雜，往往能輕易超越 regression 所能到達的境界。
恭喜徐醫師！
早產兒視網膜病變（ROP）是全球兒童失明的主要原因之一，主要是血管增生過度造成。過去學界焦點多集中在血管生成途徑上，但本篇文獻回顧也希望指出炎症反應對 ROP 病因的重要性。
吳柏毅醫師團隊詳細介紹了與 ROP 致病過程相關的細胞激素，並說明了它們的特點和作用。
回顧並整理後發現，調節缺氧誘導因子、補充胰島素樣生長因子、促紅細胞生成素及其衍生物、多不飽和脂肪酸、抑制分泌顆粒 III 等治療方法可以抑制失調的視網膜血管生成。近年來，腸道微生物群、非編碼 RNA 和基因治療等，這些新興治療方法也可以用於治療 ROP。
在閱讀一個新領域時，若能在搜尋與理解文獻時，順道寫成 narrative review，並由團隊資深長輩指導脈絡與洞見，對團隊的發表資歷也是很不錯的貢獻，也讓醫學界讀者有更好的資料能入門，利人利己！
恭喜吳醫師！
過去已有研究指出，按摩可以改善重症病患的睡眠品質，但相關研究仍有限。
方楸淑護理師團隊在五個資料庫中搜尋文獻並撰寫統合分析論文。共有十個隨機對照試驗（569 名參與者）納入系統性回顧，其中八個試驗納入統合分析。子群體分析顯示，在 CCU（cardiac care unit）的患者接受兩晚足底反射按摩治療後，主觀睡眠品質有顯著改善。
儘管證據品質不高，結果仍顯示按摩是一種低成本、非侵入性且有效的促進睡眠品質的方法。
方護理師努力且認真，很令人敬佩，在各種臨床照護的實證主題上，接連探勘挖掘，並持續成功發表！
恭喜方護理師！
問：校長好，我是之前上過研究課程的校友，正在寫一篇關於某疾病的論文，收集近 10 年所有這種疾病的資料，包括：手術或藥物治療，或兩者都做，發病症狀、治療後併發症、治癒、追蹤時間、疾病分期等。
資料收集完畢了，但不知該選擇 MedCalc 的哪一個統計方法來呈現，例如接受手術的病人就沒有治癒時間，做完手術後也有人復發，藥物治療的很多沒辦法根治，這兩類不知道怎麼帶入統計比較？
答：（蔡依橙）
你的問題並不是統計方法本身，而是你沒有自己想回答的問題，也就是假說。
收集資料以後來看看，這並不是一個問題。好的臨床問題應該像是：A 疾病藥物治療後死亡的比率，以及哪幾種人比較容易在藥物治療後死亡。這就是 risk factors of post-treatment death 的分析。
要清楚的回答一個問題才好。
BDNF 是個最近很熱門的研究主題，但其與慢性腎臟病之間的關係研究不多，許醫師團隊預計針對這個主題做分析。
研究有兩部分，一部分是 OGTT 檢驗時順道驗得 BDNF 資訊。第二部分則是 BDNF 基因檢測與慢性腎臟病的關係。結果發現，空腹 BDNF 值是個獨立的慢性腎臟病預測因子，但服用糖分 30 或 120 分鐘測得的 BDNF 值沒有這個特性。另外，BDNF 的三種基因變異，與慢性腎臟病的發生相關。
針對有興趣的主題，同時探討從基因到臨床數值，能為研究增添深度，雖然結合兩個項目，寫作跟整合需要技巧，也較費時，但若想挑戰高分或高影響力，是值得一做的嘗試。
恭喜許醫師！
