研究發現，在GLoW試驗中減重干預後，用beta迴歸考慮異質性治療效應對HbA1c分佈的影響更準確。這種方法比平均效應更能估計成本，尤其在非正態分佈情況下。未來需進一步研究確認此方法在不同情境的適用性。 PubMed DOI

研究發現慢性腎臟疾病患者的蛋白尿水平與心血管疾病發展及死亡風險有關。高蛋白尿與不良結果風險增加呈非線性關係。研究對SGLT2抑制劑的影響提出進一步研究建議。 PubMed DOI

這篇論文介紹了一個新的非參數模型，用來評估治療效果，不需依賴比例風險假設。相反，它假設風險比例，直接估計兩組經歷事件的相對風險（RR），風險比被假定為隨時間恆定。這個模型還能計算需要治療的人數，提供對數據的全面解釋。通過模擬研究證明了這方法的有效性，並應用在一個有關dapagliflozin對全因死亡影響的隨機對照試驗數據中。 PubMed DOI

臨床決策支援工具在臨床護理中越來越常見，但擔心算法偏見和敏感變數如種族。了解偏見來自電子健康記錄的重要性，包括代理變數、可觀察性問題和潛在異質性。敏感變數的納入常取決於定性因素，而非定量分析。健康系統的治理委員會在解決這些問題中扮演關鍵角色，目標是推動社區方法，重視公平和敏感變數在模型開發和治理中的意識。 PubMed DOI

本文探討了生物標誌在臨床實踐和生物醫學研究中的重要性。生物標誌是可測量的特徵，能指出疾病存在、追蹤疾病進展，並預測治療反應。它們提供了寶貴的洞察，有助於疾病易感性、進展和治療反應，促進藥物開發和個人化醫療。然而，開發和應用生物標誌也面臨挑戰，如嚴格的測試、檢驗方法的標準化和道德考量。生物標誌的可靠性和驗證對準確測量和建立預測價值至關重要。了解易感因素對於有效解讀生物標誌數據至關重要。使用經過良好驗證的生物標誌可以改善診斷、治療評估和疾病預測，帶來更好的患者結果和醫學進步。 PubMed DOI

腎臟病患的預後各有不同，預測模型可提供個人化治療建議。然而，在應用前，必須評估模型對臨床的實際影響。雖然影響試驗理想但難以實現，導致評估不足。這可能導致使用無效模型，忽略有效模型。為解決此問題，可採用訪談、調查及決策分析等替代方法評估模型影響。該論文討論了這些方法的例子和挑戰。 PubMed DOI

這項研究探討美國25至75歲成年人血清神經絲輕鏈（sNfL）與尿液白蛋白與肌酸酐比率（uACR）的關聯。分析了1,741名參與者的數據，結果顯示sNfL與uACR之間存在非線性反J型關係。sNfL最高四分位數的個體，其uACR顯著高於最低四分位數，調整β值達51.57。研究指出，這種關係的轉折點約在log(sNfL) 2.928 pg/mL，顯示sNfL水平與uACR之間有J型曲線的連結。 PubMed DOI

這篇論文強調在分析臨床、生物和流行病學數據時，選擇正確的生物統計方法非常重要。它列出了十個常見錯誤，像是使用不當指標、誤解p值和信賴區間等，這些都可能導致錯誤結論。論文還探討了這些錯誤的影響，並提供減少錯誤的策略，目的是提升生物統計分析的嚴謹性和可重複性，增強生物醫學研究的可靠性。 PubMed DOI

在隨機試驗中，死亡事件可能會影響研究結果，這被稱為競爭風險。傳統的Cox比例風險模型將死亡視為截尾數據，可能導致偏差，因為它假設存活者能代表未存活者。Fine和Gray模型雖然常用，但有時應用不當。為了解決這些問題，我們提出了一種多重插補的方法，能更好地考量死亡與未觀察結果風險的關係。我們透過三個心血管試驗的例子和模擬研究，展示了這種方法的有效性，並提供了對未來臨床試驗管理競爭風險的實用建議。 PubMed DOI

頻率主義和貝葉斯統計是兩種不同的數據分析方法，各有其哲學基礎。頻率主義強調客觀性，將機率視為事件的長期頻率，主導了20世紀的醫學統計。相對地，貝葉斯統計則將機率視為信念的度量，允許主觀分析。隨著計算技術的進步，貝葉斯方法在醫學研究中越來越普及，能將先前知識與新數據結合，對臨床決策特別有幫助。本文探討了兩者的主要差異及貝葉斯方法在臨床試驗中的應用。 PubMed DOI