Uni Reading List
學習指南 /

醫學證據閱讀：選對教材，審查一項檢驗主張

醫學研究中的數值不會自行解釋。先確定需要解決哪一類問題：為何需要公平比較，怎樣評讀一篇論文，或研究族群與設計如何決定分母。再選一本主教材，產出別人能核查的論證，而不是只背方法術語。

課程主題: 研究論文

學習路線與例題編輯責任：University Reading List 編輯專案。 編輯與選書方法 · 來源核驗日期:

下載空白任務單（Markdown） ↓

適用範圍與編輯責任

這是閱讀研究的教育路線，不是臨床操作規程，也不是個人檢驗或治療建議。練習中的狀態、檢驗與人數全部虛構；規定的效能不是任何真實產品或族群的證據。選用的是特定歷史版次，書中疾病案例不代表當前診療指引。本站不聲稱具備臨床資格、做過教學試驗或逐頁通讀全書。

選擇你的起點

我需要免費的概念入門

先用Testing Treatments理解公平比較與醒目主張的局限。簡短敘述適合作為第一條路線，不是診斷統計手冊；當分母或設計需要更完整解釋時再配合WHO教材。

我手頭有論文，需要評讀路線

先確認問題與研究類型，再讀How to Read a Paper對應章節。理解結果前先查方法；清單是檢查證據的提示，不是給論文認證的分數。

我需要族群測量與設計基礎

用WHO教材的測量、設計與臨床流行病學章節，弄清誰被計數和比較。2006年的例子須保留其日期；需要深入追問特定論文時，再補研究評讀讀物。

三本書如何取捨

Testing Treatments: Better Research for Better Healthcare（檢驗療法：更好的研究，更好的醫療）

Imogen Evans; Hazel Thornton; Iain Chalmers; Paul Glasziou · 版次: 2 · 2011

解釋公平檢驗為何必要的免費入門

適合何時選擇
初次讀醫學證據，希望質疑僅憑新穎、權威或生動故事成立的主張。
何時另選路線
需要詳細數量方法課程、當前疾病指引，或完整診斷研究評讀手冊。
建議閱讀範圍
2011年第二版第6–8章處理比較、偶然與證據綜合；第4章區分一項檢驗與有益的篩檢計畫。
限制與取捨
作者提供授權全文入口。歷史故事用來說明方法問題，不確立當前治療建議；本書也不是對所有建議活動都配有答案的題庫。

選書前試做

讀第6章後，為虛構的「改善」畫出兩種解釋：介入效果與比較群體本來不同，再指出一項可區分它們的設計特徵。

檢查標準: 說明具體比較與偏差來源，不能只寫「做隨機試驗」。若已經理解這一層、缺的是計算和診斷設計，應補對應方法章節，而非再讀一本敘事入門。

官方免費閱讀 ↗

書目資訊與取得方式 →

How to Read a Paper: The Basics of Evidence-Based Healthcare（如何閱讀論文：實證醫療基礎）

Trisha M. Greenhalgh; Paul Dijkstra · 版次: 7 · 2024

按研究設計組織的批判性評讀指南

適合何時選擇
能夠說清研究問題，需要沿方法、結果與解釋逐步評讀。
何時另選路線
期待2024年版提供當前診療建議、無限制線上全文，或代替專業統計訓練。
建議閱讀範圍
第七版第1、3–5、8、9章；診斷及篩檢論文用第8章，研究綜合用第9章。
限制與取捨
Wiley把所選平裝本列為2024年12月出版，線上首次發表與©2025是不同日期。紙本ISBN不代表電子存取權限；應圍繞真實方法評讀，而非脫離論文機械打分。

選書前試做

利用可得的第8章樣章或合法副本，畫出指標檢驗—參照標準流程。給定論文未報告招募、盲法或驗證時，保留空白。

檢查標準: 空白是尚未解決的報告問題，不能直接證明方法沒有實施。解釋每個缺項為何影響評讀；只找到一個清單名稱並不夠。

書目資訊與取得方式 →

Basic Epidemiology

Ruth Bonita; Robert Beaglehole; Tord Kjellström · 版次: 2 · 2006

銜接族群方法的免費教材

適合何時選擇
希望先理解族群、疾病頻率與研究設計，再解釋論文表格。
何時另選路線
主要需要短篇通俗導論，或當前衛生政策與篩檢規則。
建議閱讀範圍
2006年第二版第2章講測量，第3章講設計與誤差，第8章講臨床流行病學及診斷檢驗。
限制與取捨
權利者資料庫是免費閱讀入口，不等於無限制再利用許可。本書提供方法與學習問題，歷史人口數字及政策背景仍須註明其年代。

選書前試做

用第2–3章為一張虛構表格標註目標族群、分子、分母、時間窗和選擇機制，判斷它描述盛行比例、發生率還是兩者皆非。

檢查標準: 定義族群的一時點狀態計數可以描述盛行比例；一段時間的新發事件需要不同分母和設計。若這些區別不清楚，應先補基礎，再解釋檢驗陽性者中的比例。

官方免費閱讀 ↗

書目資訊與取得方式 →

檢查先修準備

敏感度的分母是什麼？

參照標準判定有該狀態的人，即TP/(TP+FN)。陽性預測值則以檢驗陽性者作分母，TP/(TP+FP)。倒置條件，就改變了問題。

準確的檢驗必然意味有益的篩檢計畫嗎？

不必然。區辨能力只是一個組成部分；計畫成果還涉及檢驗後發生什麼、獲益與傷害，以及比較方式。本指南的表格不能證明這些結果。

論文未報告一項方法細節，能說明什麼？

說明報告未提供足夠資訊。不能自動判為實施良好或一定存在偏差，應指出哪項來源或澄清能解決不確定性。

六步學習與具體成果

勾選用於自我記錄，並非成績評定；標記不會傳送給本站。

  1. 先定義問題，再評讀設計

    建議閱讀範圍: Testing Treatments第4、6章；How to Read a Paper第1章。

    動手產出: 分別寫兩個問題：虛構指標檢驗能否識別參照狀態，以及提供檢驗能否改善指定結果。為每個問題列族群與比較。

    檢查標準: 前者是區辨能力問題，後者需要結果比較。單憑敏感度不能回答後一個問題。

  2. 畫出誰入組、誰被測量

    建議閱讀範圍: WHO第3章；How to Read a Paper第3–4章。

    動手產出: 用可免費閱讀的例子或下方虛構材料，畫「招募→指標檢驗→參照評估→分析」，明確排除與未知資訊。

    檢查標準: 說明是否人人接受參照評估，分析族群與招募族群是否對應。未知欄保持未知，不補造研究事實。

  3. 製作偏差與適用性台帳

    建議閱讀範圍: How to Read a Paper第4、8章；WHO第3章。

    動手產出: 針對選擇、參照評估、盲法與受檢族群，分別寫報告事實、可能問題及其重要性理由，並把適用性與內部效度分開。

    檢查標準: 可能問題不是已經發生偏差的證明。區分「樣本不同於目標族群」與「研究未能一致測量自身樣本」。

  4. 建立並審查四格表

    建議閱讀範圍: WHO第8章；How to Read a Paper第8章；CDC定義資料。

    動手產出: 用狀態作欄、檢驗結果作列，解原創例題，明確分母並計算敏感度、特異度與陽性者中的狀態比例。

    檢查標準: 每人只出現一次，各列欄合計正確；不要把TP+FN與TP+FP混淆。數值旁須寫出該統計回答什麼問題。

  5. 檢驗遷移與不確定性的假設

    建議閱讀範圍: Testing Treatments第7章；How to Read a Paper第5、8章。

    動手產出: 紙上模型只改變盛行比例，再列三種實際條件效能可能無法遷移的原因，說明真實不確定性分析還需要哪些抽樣或測量資訊。

    檢查標準: 固定敏感度與特異度是一個假設，不是新受檢族群的研究發現。確定性算例不會自動產生信賴區間，也不能確立臨床效用。

  6. 寫一份有邊界的評讀備忘錄

    建議閱讀範圍: Testing Treatments第8章；How to Read a Paper第9章；WHO第11章。

    動手產出: 寫短備忘錄，包含所選主教材、精確問題、來源與章節台帳、一項核算結果、一個未解方法問題和下一項研究問題。

    檢查標準: 區分來源事實、虛構輸入與自己的解釋。下一步應是需要取得的證據，不是個人臨床行動或編造的建議。

原創例題與解析

原創例題：基礎比例改變陽性結果的含義

虛構L、H兩個族群各10000人，L中100人有狀態Q，H中1000人有Q。規定一項虛構檢驗在兩組中的敏感度均90%、特異度均98%。建立兩張完整四格表，比較檢驗陽性者中有Q的比例。

前提假設

參照狀態對每個人均已知且無誤，無不確定結果或失訪。使用同一檢驗規則，刻意把兩個條件比例固定。人數與狀態Q完全虛構，跨族群效能相同是計算假設，不是真實驗證發現。

  1. L組：有Q的100人中，90人陽性、10人陰性；無Q的9900人中，2%即198人陽性、9702人陰性。陽性合計288人，陰性9712人。
  2. H組：有Q的1000人中，900人陽性、100人陰性；無Q的9000人中，180人陽性、8820人陰性。陽性合計1080人，陰性8920人。
  3. 敏感度90/100 = 900/1000 = 90%；特異度9702/9900 = 8820/9000 = 98%。陽性預測值分別90/288 = 31.25%和900/1080 ≈ 83.33%。
  4. 盛行比例較低時，無該狀態的族群更大，即使特異度高，也可能貢獻較多偽陽性。計算不說明檢驗能否改善結果，也不說明表格是否適用於某位個人。

答案與解釋

在規定效能相同的前提下，L組陽性288人中有90人真陽性，占31.25%；H組陽性1080人中有900人，占約83.33%。陽性者中的狀態比例不是敏感度；無需改變兩個規定條件比例的計算，基礎比例就能改變它。

檢驗結果

分別用列合計和欄合計還原每組10000人，再說明為何不能僅憑檢驗名稱相同，就把H組百分比直接用於新受檢族群。

改變假設，再做一題

延伸題：只驗證陽性者，不能確定敏感度

改為一項新的虛構研究，撤回原先已知盛行比例及檢驗效能的假設。僅保留總數10000、實際實施的參照評估無誤、指標檢驗無不確定結果。288名陽性者全部驗證，其中90人有Q、198人無Q；9712名陰性者均未做參照評估。已經觀察到什麼比例，能否確定敏感度？

  1. 全部檢驗陽性者中有Q的比例是90/288 = 31.25%。不能把未驗證的陰性者默默填入「無Q」一欄。
  2. 一種相容補全是陰性者中無人有Q：FN = 0、TN = 9712，敏感度90/(90+0) = 100%；另一種是有90人有Q：FN = 90、TN = 9622，敏感度90/(90+90) = 50%。兩者都符合全部給定觀察。

答案與解釋

本研究已驗證的陽性者中，Q比例為31.25%。僅憑觀察資料，不能識別全部入組者的敏感度、特異度與盛行比例；不能把前題規定的效能當作新研究的發現。

檢驗結果

核對90+198+9712 = 10000及兩種補全的總數。問題是參照驗證缺失與指標檢驗結果相關，不只是樣本小；增加陽性者驗證，不能填補陰性者的參照狀態。

常見誤區

把檢驗準確性當作計畫收益

診斷表描述參照定義下的分類。改善健康結果的主張需要另一個問題、合適比較，並同時評價獲益與傷害。

只借效能，不帶上族群條件

一對敏感度與特異度不能證明它們跨疾病譜、閾值、場景或參照程序都相同。遷移結果前應先標明這些條件。

把未報告變成確定判決

記錄缺失細節與影響。未答的清單項目或權威來源本身，都不能確立論文實際怎樣實施。

進入下一階段之前

  • 能在選擇評讀章節前，說清研究問題與受檢族群。
  • 能重建表格、說明分母，區分模型規定與經驗發現。
  • 能解釋未解的偏差或適用性問題，以及可解決它的證據，不把備忘錄變成診療建議。

來源與版次核驗

來源核驗日期:

這些是本站建議的學習活動，並非大學官方作業，也不代表對每本書逐頁通讀。

編輯與選書方法 →