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

引用

Greenhalgh, T. M., & Dijkstra, P. (2024). How to Read a Paper: The Basics of Evidence-Based Healthcare (7th ed.). Wiley-Blackwell.

章節概要

第7版共352頁，20章，後附兩個附錄：一套用於搜尋、評讀與運用證據的檢核表，以及一個關於評估介入效果的簡短附錄。每章都以練習與參考文獻作結。開篇一章說明全書的安排：第1、2和16章討論實證醫療較廣泛的步驟（提出問題、搜尋、與病人一起運用證據），第3–15章則討論嚴格評讀，也就是「當論文真的擺在你面前時」該做什麼。據Wiley介紹，本版新增了關於共識方法、機轉性證據以及大數據與人工智慧的章節。許多評讀章節都圍繞一份針對某類論文、依序編號的問題清單展開。

第1章：到底為什麼要讀論文？

樣章把實證醫學放在更廣泛的實證醫療之中加以界定，列出Sackett的五個步驟（提問、查找、評讀、實施、評估），並提到Greenhalgh將其擴展為納入病人觀點的八個階段。接著，本章以第一作者自己的臨床經驗為例，檢視臨床實務實際上在多大程度上以證據為基礎，以及種種並非實證的做法，例如憑軼事或憑剪報做決策。最後討論如何把問題表述為可回答的問題。

第2章：搜尋文獻

證據的層級以及到哪裡找：統整性來源、經預先評讀的摘要、專門資源、原始研究和整合搜尋引擎，另有關於運用人工智慧搜尋與尋求協助的小節。

第3章：辨明方向：這篇論文在講什麼？

先提出幫助讀者辨明方向的三個初步問題，再介紹主要研究設計：隨機對照試驗、世代研究、病例對照研究、橫斷面調查和病例報告，以及傳統的證據等級。

第4章：評估方法學品質

追問研究是否具原創性、研究對象是誰、設計是否合理、是否避免或盡量減少偏差、評估是否採盲性，以及是否處理了初步的統計問題，並附有關於倫理的說明。

第5章：寫給非統計學家的統計學

沒有統計訓練的讀者如何判斷是否使用了適當的檢定：情境設定是否正確、配對資料、單尾雙尾與離群值、相關與因果、機率與信賴程度，以及量化效益與傷害的「底線」。

第6–8章：報告單純介入臨床試驗的論文；複雜介入試驗；診斷或篩檢檢查

第6章討論藥物試驗與行銷、替代指標、CONSORT聲明、如何應對藥廠業務代表以及疫苗試驗。第7章為複雜介入的論文提供十個問題。第8章討論以黃金標準驗證、診斷與篩檢研究的十個問題、概似比以及臨床預測模型。

第9–11章：彙整其他論文的論文；建議你怎麼做的論文；估算費用的論文

系統性回顧與統合分析（五個問題、異質性、新方法）；臨床指引（關於指引的爭論、十個問題）；以及衛生經濟評估（成本、品質調整生命年、「明智選擇」、十二個問題）。

第12–15章：質性研究；問卷研究；品質改善個案研究；遺傳關聯研究

第12章說明質性研究及其統整方法，並提出九個評讀問題。第13章和第14章分別為問卷研究和品質改善報告各提供十個問題。第15章討論全基因體關聯研究、直接面向消費者的基因檢測、孟德爾隨機分派和表觀遺傳學。

第16章：與病人一起運用證據

病人觀點、病人自述結果測量、醫病共享決策、選項表（option grids）和n-of-1試驗。

第17–19章：醫療人工智慧的論文；EBM+：機轉性證據的重要性；報告共識活動的論文

這是本版新增的三章。第17章界定人工智慧、大數據、機器學習和生成式模型，討論倫理原則與眾多評讀檢核表，並為人工智慧研究提出十個問題。第18章主張把機轉性證據與臨床證據結合起來（「兩者兼顧」，而非「二擇一」），並以COVID-19大流行為例。第19章說明專家如何達成共識，並為共識聲明提出十個問題。

第20章：對實證醫療的批評

實證醫療做得不好時會出什麼問題，即使做得好時批評者反對什麼，以及為什麼實證決策在政策層面難以實現。

核心概念

第1–5章：基礎

• 實證醫療：在醫療決策中明確運用當前最佳證據，讀論文只是其中一個步驟。
• 可回答的問題：把臨床問題轉化為可透過搜尋處理的聚焦問題。
• 證據等級：依研究設計易受偏差影響的程度所做的傳統排序。
• 偏差：扭曲研究結果的系統性誤差。
• 益一需治數（NNT）：表達某項介入使病人受益或受害之可能性的一種方式。

第6–15章：評讀特定類型的論文

• 替代指標：用來取代對病人真正重要之結果的可測量指標。
• 概似比：檢查結果在多大程度上改變某一診斷的機率。
• 異質性：統合分析所合併研究之間的差異。
• 品質調整生命年：經濟評估中結合存活時間與生活品質的指標。
• 孟德爾隨機分派：利用遺傳變異檢驗因果關係。

第16–20章：病人、新型證據與批評

• 醫病共享決策：醫師與病人根據證據與偏好共同做出選擇。
• EBM+：把機轉性證據視為臨床研究的補充。
• 共識方法：專家達成一致聲明的結構化方法。

評析

優點

• 每類研究都有一套問題。 大多數評讀章節都提供編號的問題清單（系統性回顧五個，質性研究九個，診斷研究、複雜介入、指引、問卷、品質改善、遺傳研究、人工智慧和共識論文各十個，經濟評估十二個），附錄1又把檢核表集中在一處。因此本書可以直接用於期刊討論會。
• 研究設計涵蓋廣泛。 除了試驗與回顧，還涵蓋質性、問卷、品質改善、遺傳、經濟、共識和人工智慧研究，這些正是臨床醫師越來越常遇到的論文類型。
• 淺顯且具個人色彩。 樣章以平實、口語化的英文寫成，例子取自第一作者自己的臨床工作和懷孕經驗，並在為實證醫療辯護之前，先說明批評者為何對它「唉聲嘆氣」。第20章專門討論對這個領域的批評。
• 與時俱進。 第7版加入人工智慧、機轉性證據和共識方法，搜尋一章也討論了借助人工智慧的搜尋。

局限

• 統計學只有一章。 第5章為非統計學家而寫，目標是判斷而非計算；需要深入計算或解讀分析的學生，需要一本統計學教科書。
• 著重評讀，而非實施或教學。 作者表示實施方面的挑戰需要另寫一本書，即 How to Implement Evidence-Based Healthcare，目錄中也沒有教授實證實務教學的章節。
• 資源以英國為主。 推薦的數個網站（NICE、BMJ工具包）和例子來自英國，其他地區的讀者需要尋找當地的對應資源。
• 新設計類型的章節較短。 複雜介入或機轉性證據等章節只有七到十頁左右，比較像是介紹議題，而非全面論述。

在課程中的定位

本書是研究論文課程中進行嚴格評讀的主要手冊。Testing Treatments 是一本寫給一般讀者、較溫和且非技術性的入門書，說明為什麼需要公平地檢驗治療，以及偏差與機率如何誤導人；先讀它能為學習Greenhalgh與Dijkstra的方法提供動機。Straus等人的 Evidence-Based Medicine: How to Practice and Teach EBM 則更深入地討論針對治療、診斷、預後和傷害的提問、搜尋、評讀與運用證據的臨床循環，並增加了教學部分；對於將主持期刊討論會或從事教學的學生，它是自然的下一步。

課程書單中還有三篇研究論文：比較膽囊切除術中靜脈與口服乙醯胺酚的觀察性研究、關於心臟手術中強心劑使用差異的觀察性研究，以及關於髖關節置換術中神經周圍糖皮質類固醇全身效應的研究。它們適合作為練習材料。用第3–5章辨別每項研究的設計並評估偏差與統計，用第11章的問題分析乙醯胺酚論文中的費用分析。

如何使用本書

Wiley將本書設定給醫療相關科系的學生與從業人員，特別是準備大學部與研究所考試以及面試的人。本書不要求讀者具備研究或統計訓練。

實用的學習計畫：

• 依序閱讀第1–5章。 這幾章說明實證方法、搜尋、研究設計、方法學品質與統計學，之後的一切都以此為基礎。
• 接著依論文類型閱讀。 期刊討論會或作業涉及試驗、診斷研究、系統性回顧或指引時，閱讀相應章節，並把其中的問題套用到手邊的論文上。
• 加讀第16章， 在需要與病人討論證據的臨床實習之前閱讀。
• 依課程選讀第12–15章與第17–19章， 這些章節各自獨立。
• 最後讀第20章， 它把這套方法放在更大的視野中檢視。
• 完成練習。 每章都以練習作結；用一篇真實論文搭配附錄1的檢核表來完成。