關於 隨機分組 ，我們在網路上蒐集到這些相關的討論、資訊與評價

💥 20 個 ＃常見的統計錯誤，你犯過，或是犯了卻不知道嗎？⠀
⠀
MedCalc 的作者 Frank，在 Facebook 分享了一篇跟統計相關的文章，叫做「生物醫學研究文章中，連你都可以發現的 20 個統計錯誤」，很有意思。（連結請見原始貼文）
⠀
我（蔡依橙）認真看完後，覺得蠻不錯的，於是把這 20 個統計錯誤的標題翻成中文，協助大家節省時間，如果剛好有興趣的，可再針對該部分去閱讀原文。接著，分享一些我看完之後的想法。
⠀
⠀
1. 數值報告時，提供了不必要的精確。例如 60 公斤體重，硬要寫成 60.18 公斤。
⠀
2. 將連續變項分組，變成次序變項，但沒有說明為什麼這樣分。像是 CRP 不以數值去統計，而分成低、中、高三組，卻沒說明為什麼這樣分。
⠀
3. 配對資料，只報告各組平均，卻沒報告其改變。也就是只報告治療前血壓、治療後血壓，卻沒報告有多少人上升、多少人下降、平均下降多少。
⠀
4. 描述性統計的誤用，尤其該用 median (interquartile range) 的，硬是用成 mean +- SD。
⠀
5. 使用 standard error of the mean (SEM) 描述量測的精確度，而非 95% CI。
⠀
6. 只報告 p 值，卻沒提到差值以及臨床意義。
⠀
7. 誤用統計方式。尤其常見的是混淆有母數跟無母數統計方法。
⠀
8. 使用線性迴歸，卻沒有先確定資料之間是真的有線性關係。
⠀
9. 沒有使用全部的資料，然後又沒把去掉的資料「為什麼被去掉」說清楚。
⠀
10. 多組比較的 p 值校正問題。
⠀
11. 在隨機分組研究時，過於詳盡地比較了兩組受試者的基本資料，像是性別比例、年齡、體重、血壓等等，而且資料好得太奇怪。
⠀
12. 報告檢驗數值時，沒有定義 normal 與 abnormal。
⠀
13. 計算 sensitivity 與 specificity 時，沒有說明一些介在灰色地帶的檢查結果，如何呈現與去除。
⠀
14. 使用圖片與表格，只是為了儲存數據，而非以協助讀者理解為出發點。
⠀
15. 畫出來的數據圖，視覺主觀上給人的印象，竟然跟數據本身不同。
⠀
16. 在報告數據與解讀時，搞不清楚 units of observation 是什麼，例如心臟病的觀察研究，在 1000 個患者中有 18 位心臟病發，那 units of observation 就是 18。但如果這個研究是以診斷正確率為主，那 sample size 就是 1000。
⠀
17. 把不顯著的統計，或 low power，解讀成 negative，而非 inconclusive。
⠀
18. 分不清楚解釋性研究與實務性研究，前者為 explanatory / efficacy / laboratory，後者為 pragmatic / effectiveness / real world。嘗試兩種混著做，結果兩邊都做不好。
⠀
19. 沒有用臨床能理解的方式來報告最終結果。
⠀
20. 把統計的顯著性，當成臨床的重要性。例如：癌症用新藥治療，統計上很顯著的好，但追蹤了五年，患者只延長了七天的壽命。這就是統計有顯著，但臨床意義不大的例子。
⠀
⠀
🗨 我（蔡依橙）的一些想法
⠀
由統計專業人的角度，來看生物醫學發表，是很有警惕意義的，能讓準備發表的朋友，仔細看看自己是不是也犯了相關的錯誤。
⠀
但另一個角度看，作者也提到，這些錯誤在幾乎一半的生物醫學論文上反覆出現！這就代表，其實生物醫學論文要刊登，並不代表我們什麼錯都不能犯，相反地，這 20 個錯誤裡頭，有些就算犯了，也還是能被刊登。
⠀
以我們自己發表，以及過去協助同學的經驗來說，我會認為 2、7、10、14、15，是初學者也 ＃必須理解並避開的，其他的則是發表起步了之後，陸陸續續去注意，在往更高分期刊挑戰時，逐漸進步就行。
⠀
實務上，3 分以下的醫學期刊，幾乎沒有專門的統計查核，你只要能通過「一般同行」的統計知識審查就行。也就是說，我是一個放射科醫師，剛開始起步，投稿到放射科 3 分以下期刊，文章中的統計，只要「＃一般有在做研究的放射科醫師」覺得可以就行，不見得要到「統計專家看過並挑不出毛病」。
⠀
對於初學者如何起步，實務的協助，新思惟規劃了各種類型的研究課程，歡迎有興趣的朋友可以參考。目前正在開放報名中的，有以下三場工作坊，歡迎您瞭解各課程的課綱後，評估挑選最符合您需求的內容，前來上課，讓我們協助您成功起步。
⠀
🟠 2021 / 11 / 7（日）統合分析工作坊
無經費、資源少也能發表，不用 IRB 且免收案的好選擇。
https://meta-analysis.innovarad.tw/event/
⠀
🔵 2021 / 10 / 17（日）臨床研究與發表工作坊
全新改款！跟著國際學者走，讓你寫作投稿都上手。
https://clip2014.innovarad.tw/event/
⠀
🟢 2021 / 10 / 16（六）個案報告、技術發表與文獻回顧工作坊
把臨床上的各種想法，在 PubMed 化作專業生涯上的里程碑。
https://casereport.innovarad.tw/event/
⠀ ⠀
不只是說說而已，我們會舉實例，說明其意義、如何避開，在互動實作過程，實際由各位在自己的電腦上操作，從數據到軟體，從統計到繪圖，一次搞定，並避開常見錯誤，是真正以 ＃初學者起步 為核心的規劃。
⠀
⠀
二十個常見的統計錯誤，與實務寫作時的考量。
🔗 原始貼文 │ https://bit.ly/2WESphu

💥 20 個 ＃常見的統計錯誤，你犯過，或是犯了卻不知道嗎？⠀
⠀
MedCalc 的作者 Frank，在 Facebook 分享了一篇跟統計相關的文章，叫做「生物醫學研究文章中，連你都可以發現的 20 個統計錯誤」，很有意思。（連結請見原始貼文）
⠀
我（蔡依橙）認真看完後，覺得蠻不錯的，於是把這 20 個統計錯誤的標題翻成中文，協助大家節省時間，如果剛好有興趣的，可再針對該部分去閱讀原文。接著，分享一些我看完之後的想法。
⠀
⠀
1. 數值報告時，提供了不必要的精確。例如 60 公斤體重，硬要寫成 60.18 公斤。
⠀
2. 將連續變項分組，變成次序變項，但沒有說明為什麼這樣分。像是 CRP 不以數值去統計，而分成低、中、高三組，卻沒說明為什麼這樣分。
⠀
3. 配對資料，只報告各組平均，卻沒報告其改變。也就是只報告治療前血壓、治療後血壓，卻沒報告有多少人上升、多少人下降、平均下降多少。
⠀
4. 描述性統計的誤用，尤其該用 median (interquartile range) 的，硬是用成 mean +- SD。
⠀
5. 使用 standard error of the mean (SEM) 描述量測的精確度，而非 95% CI。
⠀
6. 只報告 p 值，卻沒提到差值以及臨床意義。
⠀
7. 誤用統計方式。尤其常見的是混淆有母數跟無母數統計方法。
⠀
8. 使用線性迴歸，卻沒有先確定資料之間是真的有線性關係。
⠀
9. 沒有使用全部的資料，然後又沒把去掉的資料「為什麼被去掉」說清楚。
⠀
10. 多組比較的 p 值校正問題。
⠀
11. 在隨機分組研究時，過於詳盡地比較了兩組受試者的基本資料，像是性別比例、年齡、體重、血壓等等，而且資料好得太奇怪。
⠀
12. 報告檢驗數值時，沒有定義 normal 與 abnormal。
⠀
13. 計算 sensitivity 與 specificity 時，沒有說明一些介在灰色地帶的檢查結果，如何呈現與去除。
⠀
14. 使用圖片與表格，只是為了儲存數據，而非以協助讀者理解為出發點。
⠀
15. 畫出來的數據圖，視覺主觀上給人的印象，竟然跟數據本身不同。
⠀
16. 在報告數據與解讀時，搞不清楚 units of observation 是什麼，例如心臟病的觀察研究，在 1000 個患者中有 18 位心臟病發，那 units of observation 就是 18。但如果這個研究是以診斷正確率為主，那 sample size 就是 1000。
⠀
17. 把不顯著的統計，或 low power，解讀成 negative，而非 inconclusive。
⠀
18. 分不清楚解釋性研究與實務性研究，前者為 explanatory / efficacy / laboratory，後者為 pragmatic / effectiveness / real world。嘗試兩種混著做，結果兩邊都做不好。
⠀
19. 沒有用臨床能理解的方式來報告最終結果。
⠀
20. 把統計的顯著性，當成臨床的重要性。例如：癌症用新藥治療，統計上很顯著的好，但追蹤了五年，患者只延長了七天的壽命。這就是統計有顯著，但臨床意義不大的例子。
⠀
⠀
🗨 我（蔡依橙）的一些想法
⠀
由統計專業人的角度，來看生物醫學發表，是很有警惕意義的，能讓準備發表的朋友，仔細看看自己是不是也犯了相關的錯誤。
⠀
但另一個角度看，作者也提到，這些錯誤在幾乎一半的生物醫學論文上反覆出現！這就代表，其實生物醫學論文要刊登，並不代表我們什麼錯都不能犯，相反地，這 20 個錯誤裡頭，有些就算犯了，也還是能被刊登。
⠀
以我們自己發表，以及過去協助同學的經驗來說，我會認為 2、7、10、14、15，是初學者也 ＃必須理解並避開的，其他的則是發表起步了之後，陸陸續續去注意，在往更高分期刊挑戰時，逐漸進步就行。
⠀
實務上，3 分以下的醫學期刊，幾乎沒有專門的統計查核，你只要能通過「一般同行」的統計知識審查就行。也就是說，我是一個放射科醫師，剛開始起步，投稿到放射科 3 分以下期刊，文章中的統計，只要「＃一般有在做研究的放射科醫師」覺得可以就行，不見得要到「統計專家看過並挑不出毛病」。
⠀
對於初學者如何起步，實務的協助，新思惟規劃了各種類型的研究課程，歡迎有興趣的朋友可以參考。目前正在開放報名中的，有以下三場工作坊，歡迎您瞭解各課程的課綱後，評估挑選最符合您需求的內容，前來上課，讓我們協助您成功起步。
⠀
🟠 2021 / 11 / 7（日）統合分析工作坊
無經費、資源少也能發表，不用 IRB 且免收案的好選擇。
https://meta-analysis.innovarad.tw/event/
⠀
🔵 2021 / 10 / 17（日）臨床研究與發表工作坊
全新改款！跟著國際學者走，讓你寫作投稿都上手。
https://clip2014.innovarad.tw/event/
⠀
🟢 2021 / 10 / 16（六）個案報告、技術發表與文獻回顧工作坊
把臨床上的各種想法，在 PubMed 化作專業生涯上的里程碑。
https://casereport.innovarad.tw/event/
⠀ ⠀
不只是說說而已，我們會舉實例，說明其意義、如何避開，在互動實作過程，實際由各位在自己的電腦上操作，從數據到軟體，從統計到繪圖，一次搞定，並避開常見錯誤，是真正以 ＃初學者起步 為核心的規劃。
⠀
⠀
二十個常見的統計錯誤，與實務寫作時的考量。
🔗 原始貼文 │ https://bit.ly/2WESphu

➥【Tocilizumab在嚴重Covid-19肺炎住院病患的治療效果】：
Covid-19大流行至今，對於治療重度肺炎病患仍十分棘手。之前有研究發現，血中白細胞介素-6（IL-6）濃度與Covid-19嚴重程度相關。
　
IL-6透過引發內皮功能障礙和血管通透性的改變，可能導致Covid-19重度肺炎病患出現血管功能障礙等病理生理特徵。本研究是為了評估抗白介素-6受體的單克隆抗體（monoclonal antibody）tocilizumab治療的效果所進行的多國、多中心、雙盲、有安慰劑對照組的第3期臨床試驗。
　
研究時間從2020年4月3日至5月28日，地點涵蓋歐洲及北美共9個國家，收案對象是18歲以上有PCR及影像學證據的Covid-19肺炎確診病患。
　
■背景：
Covid-19與免疫功能失調和過度炎症有關，包括IL-6升高。之前的病例報告和回溯性觀察研究發現，tocilizumab治療重度Covid-19患者有很好效果，後續極需要有隨機、安慰劑對照試驗的來驗證。

■方法：
在此第3期臨床試驗中以2：1比例隨機分配住院的嚴重Covid-19肺炎患者，接受單次靜脈注射tocilizumab（劑量為每公斤體重8 mg）或安慰劑。
　
大約四分之一的受試者在使用第一劑後臨床症狀未改善或加劇，於8到24小時接受第二劑tocilizumab或安慰劑。主要分析目標是評估包括接受過至少一劑tocilizumab或安慰劑的所有患者在第28天的臨床狀態，其等級範圍從1（出院或準備出院）至7（死亡）。
　
■結果：
在452例接受隨機分組的患者中，438例（tocilizumab治療組294例，安慰劑組144例）納入主要和次要分析。第28天的臨床狀況分數在tocilizumab組中位數為1.0（95% CI為1.0至1.0），安慰劑組為2.0（無需補充氧氣的非ICU住院病患）（95% CI為1.0至4.0）（組間差異為-1.0；95% CI 為−2.5至0；通過van Elteren檢驗，P = 0.31）。
　
安全性評估上，因為一例應接受安慰劑的病患使用了tocilizumab，因此治療組共295例患者，其中有103例發生嚴重不良事件（佔34.9%），安慰劑組143例患者中有55例發生嚴重不良事件（佔38.5%）。tocilizumab治療組第28天的死亡率為19.7%，安慰劑組為19.4%（加權差異為0.3個百分點；95% CI為–7.6至8.2；P = 0.94）。
　
■結論：在這項針對住院的重度Covid-19肺炎患者的隨機臨床試驗發現，與安慰劑組相比，使用tocilizumab治療在28天時...完整轉譯文章，詳連結：http://forum.nhri.org.tw/covid19/virus/j_translate/j2627/ ( 財團法人國家衛生研究院 齊嘉鈺醫師摘要整理)
　　
📋 The New England Journal of Medicine - 2021-04-22
Tocilizumab in Hospitalized Patients with Severe Covid-19 Pneumonia
■ Author：Ivan O. Rosas, Norbert Bräu, Michael Waters, et al.
■ Link：https://www.nejm.org/doi/full/10.1056/NEJMoa2028700
　　
〈 國家衛生研究院-論壇 〉
➥ COVID-19學術資源-轉譯文章 - 2021/05/24
衛生福利部
疾病管制署 - 1922防疫達人
疾病管制署

🔹實況在這開(FB粉專)🔹➡https://www.facebook.com/Shuffling810
🔸IG🔸➡ 87.shuffling
比賽規則：除了實況主之間的巔峰對決(隨機分組)
「隊長能夠指定對方一隻角色」以及
「間諜行動」這兩個特別任務將會讓大亂鬥變得更加精彩！！

特別任務！！！
隊長可指定敵方一名隊員使用角色
一個系列賽最多只能指定同一隊員一次
打野可指定的角色：

圖倫、蘿兒、穆加爵、依夏、麥克斯

中路可指定的角色：青蛙、夸克、瀾

輔助可指定的角色：美娜、薇菈、哥德爾、神力女超人

特別任務！！！

「間諜活動」

每一隊有一名成員擔任「間諜」，在不影響勝負＆遊戲精彩度以及預賽結束後沒有被隊友發覺異狀的狀況下完成某個指定任務，完成後能夠獲得獎金，如果被找到或是被發現的話，間諜則無法拿到獎金。

ZOOM分組討論設定

Zoom的分組討論功能，必須在Zoom網站上修改個人選項，才會顯示在會議室中。

分組討論有【隨機分組、手動分組】二種，可以自動將所有參與者移至小組討論室、分組討論的時間，例如10分鐘及自動關閉小組功能，也能【播放一條群體消息】給所有同學，提醒大家討論的重點，時間快到了等等，在進行小組討論時，超好用的。

陣營戰系統會將玩家隨機分組，依照各種活動設定分組。

目前韓版有推出『巨蟻女皇VS沙蟲』、『四大精靈戰』等陣營戰。

1. 《韓版》『沙蟲VS蟻后』搶先看
影片：https://youtu.be/4DrAVoWmG-E

2.《韓版》 巨蟻女皇 V S 沙蟲(故事劇情翻譯)
影片：https://youtu.be/atK3sA2tYZs

3. 《韓版》『巨蟻女皇V.S沙蟲』介紹與『3件新傳說裝備』
影片：https://youtu.be/xSt9R5rj2IM

4. 《天堂M》世界陣營戰開戰！ 巨蟻女皇 V S 沙蟲 (實際參與活動)
影片：https://youtu.be/0an7GXnpAE0

5. 《韓版》陣營戰之『四大精靈戰』
影片：https://youtu.be/c-shTNsahS4


====
《天堂M》攻略文章總整理： http://ezvideofun2.pixnet.net/blog/post/166341186
《天堂M》的影片清單：https://goo.gl/CL9ayF
====
《古今小教室》 FB粉絲團 ►https://goo.gl/qRr9Yo
====
訂閱Youtube頻道► http://www.youtube.com/GoGameTV333
====
逛逛痞客邦 ►https://goo.gl/fx5WOh
====
贊助古今小教室 ► https://goo.gl/TAsYyr
====

Support the stream: https://streamlabs.com/gogametv333 -