吳青陽醫師團隊，對於中央靜脈注射座的長期預後很有研究，這次他們想要探討的是，在血管裡頭的這段導管，如果是由不同材質構成的，其功能預後會不會有所不同。
研究回顧了 2012 到 2018 年在林口長庚的 3144 位患者，其中 1226 位使用矽膠導管，1679 位使用 PU 材質。兩組患者的確在進入血管、手術年份、手術方式、有效期間、患者追蹤狀態有所不同。如果控制住進入血管的話，併發症與功能異常比例，兩組並沒有不同。進一步做個案匹配後，比較其累積併發症的 KM 曲線，統計上也沒有差異。
作者總結認為，只要安裝得宜，沒有不正常的外力或對管路弱點的擠壓，矽膠與 PU 都是很好的材質。
恭喜吳醫師！
梁宗榮醫師的專長為內視鏡甲狀腺手術，其中一個常見的作法，就是從口腔內、下嘴唇後方、牙齒前，往下清出空間後，到甲狀腺處做手術。不過這個路徑上，是有可能傷害到部分神經的，於是梁宗榮醫師想測量看看，經口內視鏡甲狀腺手術，到底會不會造成感覺異常，以及如果有的話，是否會隨著時間恢復。於是有此研究。
研究收入了經口內視鏡甲狀腺手術的患者共 51 位，並在手術前、手術後兩天、手術後一周、手術後一個月、手術後三個月、手術後半年，做相關的感覺主觀回報與客觀測試。
結果發現，多數患者的確回報有感覺異常，其中下巴最常見，其次是下唇、上頸部、下頸部等，術後第二天最多，不過三個月後都會好。比較容易有較久的感覺異常者，為男性和老人。約 27.5% 的患者會有流口水現象，也在一個月左右就好了。客觀感覺測試部分，術後兩天也的確有部分患者有異常，但在一個月時都恢復了。
整體來說，經口內視鏡甲狀腺手術，的確會造成感覺異常，不過本研究所測試的各種指標，都是暫時的，也在 3 個月內會恢復。
針對自己熟悉的主題，持續的探究各種細節做記錄，並在固定幾本雜誌耕耘，是很精準的經營模式，梁醫師的策略與執行都很不錯，值得新進者學習！
恭喜梁醫師！
答：（蔡依橙）
初學者應使用「白名單」策略，否則很容易中陷阱。
這幾年的變化真的很大，尤其詐騙期刊越來越精良，根本沒有分數的說有分數，網頁正式得跟專業期刊一樣，取名也越來越難分辨。如果你不是對期刊產業有熱情的研究者，尤其可能在學術生涯的起步早期，我認為應該使用「白名單」策略，也就是，只有可信資訊來源跟你說的，你才相信，否則都不予考慮。
研究校友們因為都有上課，我們課堂上會提，就知道一個大概。但許多非校友遇到困難，還請校友來問我，或者發文到新思惟之友社團詢問的，很多。下頭這個連結就是，很悲傷。
如果初學者想要簡單的答案，那就是各位專科裡頭知名的國際學會期刊，這些問題不大。但多數的初學者，都苦於傳統期刊接受率低，就算文章被接受，impact factor 也不高的困境。這時要考慮的就是你的升等環境、剩下的時間，以及你自己個人的價值觀，然後我們才能進一步給予後續的建議。
放心，有一堂課專門講這個，「怎樣投才正確？擬定期刊選擇策略。」現場歡迎聽到飽、問到飽，有想問的期刊也可以提出來喔！
痙攣，往往是因為上運動神經元病變造成的。中風後的患者，可能在四週內就會出現，即使長期來說，中風倖存者在一年後，也有三分之一的患者會產生痙攣。
過去最常見的治療，是注射肉毒桿菌素，不過最近使用震波治療的文獻與臨床經驗也越來越多。
震波治療，是使用類似超音波的探頭，對目標肌肉作刺激，只是震波頻率比超音波低很多。吳醫師與其團隊，預計針對這個議題作文獻回顧，協助剛想了解這個領域的新進者，能快速掌握相關知識。
本文回顧了震波治療痙攣的可能機轉，包括一氧化氮生成、降低運動神經元興奮度、誘發神經肌肉傳導功能異常、直接造成組織特性改變等。治療的部位與效果、技術參數，應用在中風後的上肢與下肢、腦性麻痺患者、多發性硬化患者，均有回顧。短期來說，震波效果不錯，但功能恢復方面則仍待觀察。與主流肉毒桿菌素注射的比較，以及並用，也有著墨。
本文有趣的地方在於，作者群包括了美國、土耳其、臺灣的學者，是多國學者的合作發表。文中並有自行繪製的示意圖，很有意思。
恭喜吳醫師！
氧化三甲胺 TMAO，是微生物菌群的代謝產物，與血管發炎跟動脈硬化有關。周醫師團隊想知道，這個生物標記對於預測敗血症患者預後，是否有幫助，於是有此研究。
研究收入了 95 位敗血症並接受呼吸器與加護治療的患者，並以 129 位非敗血症只是入院來作冠狀動脈攝影的患者作對照。在敗血症患者，再根據 TMAO 的狀態作分組。
結果發現，敗血症患者 TMAO 最低的一組，其死亡率較高，但進一步發現，其實 TMAO 的值，跟患者的營養狀態有關，如果把營養狀態考慮進去，TMAO 的濃度就不再是敗血症患者的獨立預後因子。
一開始，周醫師團隊是猜測，TMAO 越高，患者死亡率可能越高。但實際統計後發現，TMAO 在敗血症的患者，其實比較受營養狀態影響。那些 TMAO 很低的患者，並不是身體的各種生化表現很正常，而是營養狀態受到疾病影響，導致 TMAO 無法正常產生。TMAO 越高，死亡率反而越低。在敗血症的患者，TMAO 更像是一個營養指標，而非發炎指標。
也是因此，周醫師團隊用 paradox（悖論）這個字，作為本研究的標題。
恭喜周醫師！
機器學習在醫學上最好的應用，就是預測未來。例如在中風診斷的當下，如果能根據各種特質，就能成功預測之後的狀況，對於和患者與家屬溝通，都會很有幫助，也能針對不良預後族群，考慮更積極的介入，或提早告知後續準備。
張醫師團隊，使用 577 位腦血管急性照護後計畫的患者資料，收集 77 個參數，餵進八種不同的機器學習模型，並以出院時巴氏量表分數大於 60 作為標準。結果發現，八種模型的診斷率曲線下面積 AUC，在 0.83 到 0.887 之間。其中 random forest、stacking、logistic regression 與 SVM 的表現最好。在眾多預測參數中，一開始的博格平衡測驗分數、初始巴氏量表分數、初始簡明失語症測驗分數，是最重要的三個預測參數。
恭喜張醫師！
