這篇文章介紹了2023年20項被認可為對病人有意義的證據（POEMs）的頂尖研究，並強調了幾個重要發現，包括： 1. 降壓藥服用時機對健康影響不大。 2. 固定劑量他汀與目標導向策略同樣有效。 3. 24小時動態血壓監測預測死亡率優於辦公室測量。 4. 80歲以上患者使用直接口服抗凝劑更安全。 5. 地中海飲食對高心血管風險者最有益。 6. Nirmatrelvir/ritonavir有效減少急性COVID-19住院率。 7. 自動顯微鏡檢查需提高膿尿切點以準確診斷。 文章最後總結了年度最佳臨床指導方針。 PubMed DOI

這項研究旨在提升隨機對照試驗（RCT）出版物的報告品質，透過開發文本分類模型來檢視對CONSORT檢查表的遵循情況。研究使用了標註37個CONSORT項目的語料庫，訓練了多種模型，包括微調的PubMedBERT和BioGPT。主要發現顯示，微調的PubMedBERT模型在句子層級的微F1分數達0.71，文章層級為0.90。數據增強的影響有限，且針對方法的模型表現較佳。整體而言，這些模型能有效支持期刊編輯，改善RCT出版物的遵循情況。 PubMed DOI

大型語言模型（LLMs）在醫療保健的應用越來越普遍，這讓標準化報告指導方針變得更重要。TRIPOD-LLM框架是TRIPOD加上人工智慧聲明的延伸，專門針對LLMs在生物醫學中的挑戰，提供19個主要項目和50個子項目的檢查清單，涵蓋報告的各個部分。 這個框架採用模組化設計，適用於不同研究和任務，並透過專家共識制定，強調透明度和人類監督。此外，還有一個互動網站幫助使用者生成報告PDF。TRIPOD-LLM會隨著領域進展而調整，目的是提升LLM在醫療研究中的質量和臨床相關性。 PubMed DOI

這項研究評估了醫療領域大型語言模型（LLMs）在遵循MI-CLEAR-LLM檢查表的表現，旨在提升報告的透明度與可重複性。透過系統性搜尋PubMed，找到159篇2022年11月到2024年6月間發表的相關文章。 主要發現包括： - 100%報告LLM名稱，96.9%報告版本，91.8%報告製造商。 - 54.1%報告訓練數據截止日期，6.3%記錄網路資訊訪問。 - 15.1%清楚記錄隨機性管理。 - 49.1%提供提示措辭，34.0%討論提示結構。 - 13.2%報告測試數據獨立性，56.6%提供網路數據網址。 總體而言，雖然基本識別報告良好，但隨機性、提示細節及測試數據獨立性等關鍵方面仍需加強。改善遵循檢查表可提升未來研究的透明度與可靠性。 PubMed DOI

臨床試驗對醫學進步和病人獲得新療法非常重要，但像 ClinicalTrials.gov 的複雜語言讓人難以理解。本研究探討大型語言模型（LLMs），特別是 GPT-4，如何改善病人對癌症臨床試驗的教育。研究人員利用知情同意書，透過兩種 AI 方法創建易懂的摘要，並設計多選題評估病人理解。結果顯示，AI 生成的摘要更易讀，且超過 80% 的參與者表示理解更好。儘管 LLMs 有助於增強病人參與，但仍需解決準確性和倫理問題，未來應專注於改善 AI 流程和遵循法規。 PubMed DOI

這項研究評估了OpenAI的GPT-4和Meta的Llama 2兩個大型語言模型在運動醫學臨床試驗報告遵循指導方針的有效性。分析了113篇論文，並針對遵循情況向模型提問。結果顯示，GPT-4 Turbo的F1分數達0.89，準確率90%；Llama 2經微調後，F1分數提升至0.84，準確率83%。此外，GPT-4 Vision能準確識別參與者流動圖，但在細節檢測上有困難。整體而言，這兩個模型在評估報告遵循方面顯示出潛力，未來開發高效的開源AI-LLM可能會進一步提升準確性。 PubMed DOI

這項研究評估了自2000年以來發表的門診手術中心的臨床指導方針和專家共識的研究方法及報告質量，使用手動評估和大型語言模型（LLM）進行分析。共納入54份文件，結果顯示AGREE II的遵循率普遍偏低，最高為41.56%（表達清晰度），最低僅17.28%（發展嚴謹性）。LLM評估的文件得分顯著高於手動評估，顯示LLM在質量評估中具潛力，但手動評估仍是基礎方法。研究強調需改善相關指導方針的質量。 PubMed DOI

CONSORT 2025聲明是針對隨機試驗報告的最新指引，更新了30項檢查清單，加入開放科學專區和更詳細說明，目的是提升報告的清楚度和透明度。建議撰寫或審查隨機試驗論文時都要參考這份指引。 PubMed DOI

SPIRIT 2025聲明是最新的隨機試驗計畫書撰寫指引，更新自2013年版。這次新增了開放科學、不良反應、介入細節及病人/公眾參與等34項檢查重點，強調計畫書的完整性與透明度。目標是協助研究人員、審查單位等提升臨床試驗規劃與報告的品質。 PubMed DOI

STAR工作小組自2021年成立，目標是用39項、11領域的評估工具，提升臨床指引品質與透明度。針對266份中國傳統與整合醫學指引評估，發現整體分數偏低，顯示需加強。為改善現況，STAR秘書處將成立國際專業委員會，結合AI技術，提升全球TIM指引品質，並考慮發展國際版擴充指引。 PubMed DOI