研究探討不同的網絡荟萃分析（NMA）模型，結合非隨機化數據與隨機對照試驗（RCTs），解決研究設計差異和未測量混雜因素引起的偏差。以2型糖尿病為例，發現觀察性數據影響估計值，但提高普遍性。考慮研究設計差異的NMA模型提供更準確結果，雖增加不確定性，但有助於防止過於樂觀的結論。 PubMed DOI

這篇研究介紹了一種新方法，叫做藥物動力學增強的貝葉斯借鑑（PEBB），可以利用過去臨床試驗的資料來預測未來試驗的結果，提高效率。這個方法分為兩個階段：首先是設計階段，用來確定操作特性和調整參數，然後是分析階段，用這些參數來分析目標試驗的數據。研究以empagliflozin治療2型糖尿病的試驗為例，顯示了這個方法可以增加試驗效能和樣本量，同時控制錯誤率。透過建立模型和模擬，可以提升臨床試驗的效率。 PubMed DOI

人工智慧（AI）正在快速改變生物醫學研究，加速解決問題並分析龐大數據。AI在藥物設計、毒理學和材料辨識上的應用，有潛力改革科學研究的設計、數據分析和溝通方式。像ChatGPT和Perplexity這樣的大型語言模型改變了科學家之間的互動和溝通方式。雖然AI帶來好處，但也有風險，例如保密性不足和潛在偏見。本評論討論了AI對生物醫學研究現況和未來影響，並強調了需要考慮的利弊。 PubMed DOI

在臨床研究中，為了避免選擇偏誤，研究人員應該注意比較所有治療方法的效果，而不只是專注於最顯著的結果。貝葉斯框架提供了一個靈活的解決方案，可以應對多重比較的挑戰，並且不需要特定的先驗分佈。研究顯示，這種方法相對於傳統估計器表現更好，建議在應用時使用高斯混合模型作為先驗。這種方法已經成功應用在度拉谷肽對心血管效應的研究中。 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

目前臨床試驗中的數據存取和利用方式幾乎沒有改變，導致系統碎片化和效率低下，影響證據的質量與數量。雖然試驗設計有所改善，但數據收集仍然成本高且勞動密集，限制了對不同患者群體的有效性評估。隨著對隨機臨床試驗證據需求的增加，亟需整合電子健康紀錄的互通性和數據標準化，建立一個有凝聚力的數據基礎設施。我們提出現代化的願景，強調多樣數據來源的收集與評估，以及健康數據的重複利用，並強調多學科合作的重要性。 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

在臨床研究中，變數之間的真實線性關係並不常見，但許多分析仍假設線性，這可能導致偏差結果。本文介紹如何識別臨床數據中的非線性關係，無需複雜數學。我們將探討視覺檢查和統計檢定等方法，並討論處理非線性關係的幾種方式，包括轉換、多項式、樣條和廣義加性模型（GAMs）。每種方法的優缺點將被評估，並透過腎臟科案例研究展示實際應用，旨在提升臨床數據分析的準確性與可靠性。 PubMed DOI

這項研究探討五種知識管理方法在臨床決策支持系統中的應用，目的是提升醫療服務並追求零錯誤。方法包括： 1. **影像數據模式識別**：利用機器學習分析醫學影像，快速處理大量數據，但需克服影像質量和標註數據的挑戰。 2. **結構化醫療數據挖掘**：從電子健康紀錄中提取見解，提供即時分析，但可能面臨數據孤島問題。 3. **文本挖掘**：從醫學文獻中提取資訊，保持系統更新，但需處理大量非結構化數據。 4. **可計算知識設計**：創建正式的醫學知識表示，便於整合，但需持續維護。 5. **大型語言模型**：利用語言模型理解臨床知識，靈活但可能面臨準確性問題。 研究評估這些方法的優缺點，旨在指導有效的CDS系統開發。 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