面對Delta的正確態度，接連在英國美國出現
這禮拜美國最大的新聞，就是在昨天FDA專家今天開會討論 #第三劑
投票結果認為高風險群可以接種第三劑，#但是一般大眾尚不需要。
待下周9/22-23 美國CDC會再開會給出詳細的guideline
美國定義的高風險族群如以下：
1️⃣高風險- 65歲...
面對Delta的正確態度，接連在英國美國出現
這禮拜美國最大的新聞，就是在昨天FDA專家今天開會討論 #第三劑
投票結果認為高風險群可以接種第三劑，#但是一般大眾尚不需要。
待下周9/22-23 美國CDC會再開會給出詳細的guideline
美國定義的高風險族群如以下：
1️⃣高風險- 65歲以上
2️⃣有特定慢性病(指免疫功能低下者)
3️⃣第一線醫護
📌不過目前的資料都是輝瑞而已
所以可能只會開放前兩劑打輝瑞的人接種第三劑
莫德納有跟FDA提出要第三加強劑的 EUA,
但是FDA還沒決定什麼時候開會討論莫德納
雖然FDA這結果，被視為大打拜登政府的臉
不過政治如何是其次
這是要我們重新審視科學態度解決問題的必要。
從此刻開始，疫苗的角色定位為 #防止重症
因為Delta 變異株的傳播、
完整接種完疫苗卻又確診陽性的人數增加
我們可能需要重新了解一下疫苗的帶給我們的保護，免得期待被實驗表面數據所誤導
📌 例如，輝瑞/BNT疫苗大約 44,000 人的研究中
170 人出現了具有至少一種受感染的Covid症狀。
其中，只有 8 人接種了疫苗，而 162 人接受了安慰劑。
95% 的效力是從這個比率得出的。
📌 但是來自以色列政府的數據顯示，在 6 月 20 日至 7 月 27 日期間，輝瑞在降低感染風險方面的有效率為39%，在降低有症狀疾病風險方面的效果為 40% ，
在此期間，Delta 是主要毒株。
該疫苗在同一時期預防嚴重疾病的效果為 91%。
📌 美國8月27日公布在CDC官網一份評估療養院第三劑的預印本也表示
美國在疫苗接種的早期（2021 年 3 月至 5 月），兩劑 mRNA 疫苗對療養院病人的感染有 74.7% 的保護力。在 2021 年 6 月至 7 月期間，當Delta占主導地位時，效果顯著下降至 53.1%。
✒️ 當研究人員使用“疫苗效力(vaccine efficacy)”一詞時
他們是在描述疫苗在理想的、嚴格控制的條件（例如臨床試驗）下的表現。
而疫苗效果(vaccine effectiveness)則是指疫苗在現實世界(real world)中的表現
是指當時人們在沒有相同控制措施的情況下過著正常的生活。
上述兩著最大的差異是
我們印象中文獻那些mRNA疫苗有九成保護力、AZ疫苗有七成保護力
指的是它是在特定的時間和特定的情況下計算出來的疫苗效力(vaccine efficacy)。
這可能還搭配實驗的規定，每個受試者還戴著口罩待在家裡和避免大型聚會
而但是現實世界複雜得多
除了新增加病毒變異的因素
你知道，現實世界有點混亂。並非每個人都在確切的時間間隔內接種疫苗。
並非每個人都具有相同類型的免疫系統，
許多地方發生的行為也不一致，也有不同種類的聚會活動。
這就是為什麼疫苗效力(vaccine efficacy)通常高於疫苗效果(vaccine effiveness)的原因。
儘管越來越多的證據表明預防感染的有效性降低
但諸多研究仍然表明疫苗可以繼續預防嚴重疾病和死亡。
--
之前在英國第三劑標準出爐時，我說過未來篩檢會是需要大量製造提供的時代。
除了FDA剛通過投票不贊成第三劑在大眾施打、僅建議65歲以上人口接種的建議
其實也代表接著要面對大量的篩檢需求
在美國，CDC本來在 5 月份表示
在大多數情況下，接種疫苗的人不需要接受檢測，病例和住院人數正在下降。
而使製造商如雅培縮減了其快速測試的生產。
幾個月內，Delta 變種導致 Covid-19 病例和住院人數激增，供應突然緊張。
拜登政府上周承諾投入 20 億美元
來促進製造並向一些社區站點分發免費的快速測試。
零售商正在為消費者打折。
但美國國內公共衛生專家和經濟學家表示，製造商供不應求
而且價格仍然過高，無法鼓勵人們定期使用這些檢測。
現在，美國零售商的兩件裝快速檢測費用至少為 14 美元
而在德國在內的一些國家/地區，價格為 5 美元或更低，
亦有提供免費檢測，如果檢測為陰性，則可以出入酒吧和餐館，德國此免費檢測於10月終止
英國政府則是全面免費分發。
波士頓Simmons大學的生物化學家和公衛專家切麗·林恩·拉米雷斯 (Cherie Lynn Ramirez) 說：“聯邦政府沒有像疫苗那樣推動。” “ #現在我們意識到我們需要兩者兼而有之。(need to do both)”
公衛專家對拜登政府上週加強檢測的舉措表示歡迎
面對進入病毒活躍的寒冷月份
也表示我們不能再措手不及了(We can’t be caught flat-footed again)
efficacy中文 在 Facebook 的最讚貼文
面對Delta的正確態度，接連在英國美國出現
這禮拜美國最大的新聞，就是在昨天FDA專家開會討論 #第三劑
投票結果認為高風險群可以接種第三劑，#但是一般大眾尚不需要。
待下周9/22-23 美國CDC會再開會給出詳細的guideline
美國定義的高風險族群如以下：
1️⃣高風險- 65歲以上
2️⃣有特定慢性病(指免疫功能低下者)
3️⃣第一線醫護
📌不過目前的資料都是輝瑞而已
所以可能只會開放前兩劑打輝瑞的人接種第三劑
莫德納有跟FDA提出要第三加強劑的 EUA,
但是FDA還沒決定什麼時候開會討論莫德納
雖然FDA這結果，被視為大打拜登政府的臉
不過政治如何是其次
這是要我們重新審視科學態度解決問題的必要。
從此刻開始，疫苗的角色定位為 #防止重症
因為Delta 變異株的傳播、
完整接種完疫苗卻又確診陽性的人數增加
我們可能需要重新了解一下疫苗的帶給我們的保護，免得期待被實驗表面數據所誤導
📌 例如，輝瑞/BNT疫苗大約 44,000 人的研究中
170 人出現了具有至少一種受感染的Covid症狀。
其中，只有 8 人接種了疫苗，而 162 人接受了安慰劑。
95% 的效力是從這個比率得出的。
📌 但是來自以色列政府的數據顯示，在 6 月 20 日至 7 月 27 日期間，輝瑞在降低感染風險方面的有效率為39%，在降低有症狀疾病風險方面的效果為 40% ，
在此期間，Delta 是主要毒株。
該疫苗在同一時期預防嚴重疾病的效果為 91%。
📌 美國8月27日公布在CDC官網一份評估療養院第三劑的預印本也表示
美國在疫苗接種的早期（2021 年 3 月至 5 月），兩劑 mRNA 疫苗對療養院病人的感染有 74.7% 的保護力。在 2021 年 6 月至 7 月期間，當Delta占主導地位時，效果顯著下降至 53.1%。
✒️ 當研究人員使用“疫苗效力(vaccine efficacy)”一詞時
他們是在描述疫苗在理想的、嚴格控制的條件（例如臨床試驗）下的表現。
而疫苗效果(vaccine effectiveness)則是指疫苗在現實世界(real world)中的表現
是指當時人們在沒有相同控制措施的情況下過著正常的生活。
上述兩著最大的差異是
我們印象中文獻那些mRNA疫苗有九成保護力、AZ疫苗有七成保護力
指的是它是在特定的時間和特定的情況下計算出來的疫苗效力(vaccine efficacy)。
這可能還搭配實驗的規定，每個受試者還戴著口罩待在家裡和避免大型聚會
而但是現實世界複雜得多
除了新增加病毒變異的因素
你知道，現實世界有點混亂。並非每個人都在確切的時間間隔內接種疫苗。
並非每個人都具有相同類型的免疫系統，
許多地方發生的行為也不一致，也有不同種類的聚會活動。
這就是為什麼疫苗效力(vaccine efficacy)通常高於疫苗效果(vaccine effectiveness)的原因。
儘管越來越多的證據表明預防感染的有效性降低
但諸多研究仍然表明疫苗可以繼續預防嚴重疾病和死亡。
--
之前在英國第三劑標準出爐時，我說過未來篩檢會是需要大量製造提供的時代。
除了FDA剛通過投票不贊成第三劑在大眾施打、僅建議65歲以上人口接種的建議
其實也代表接著要面對大量的篩檢需求
在美國，CDC本來在 5 月份表示
在大多數情況下，接種疫苗的人不需要接受檢測，病例和住院人數正在下降。
而使製造商如雅培縮減了其快速測試的生產。
幾個月內，Delta 變種導致 Covid-19 病例和住院人數激增，供應突然緊張。
拜登政府上周承諾投入 20 億美元
來促進製造並向一些社區站點分發免費的快速測試。
零售商正在為消費者打折。
但美國國內公共衛生專家和經濟學家表示，製造商供不應求
而且價格仍然過高，無法鼓勵人們定期使用這些檢測。
現在，美國零售商的兩件裝快速檢測費用至少為 14 美元
而在德國在內的一些國家/地區，價格為 5 美元或更低，
亦有提供免費檢測，如果檢測為陰性，則可以出入酒吧和餐館，德國此免費檢測於10月終止
英國政府則是全面免費分發。
波士頓Simmons大學的生物化學家和公衛專家切麗·林恩·拉米雷斯 (Cherie Lynn Ramirez) 說：“聯邦政府沒有像疫苗那樣推動。” “ #現在我們意識到我們需要兩者兼而有之。(need to do both)”
公衛專家對拜登政府上週加強檢測的舉措表示歡迎
面對進入病毒活躍的寒冷月份
也表示我們不能再措手不及了(We can’t be caught flat-footed again)
efficacy中文 在 蔡依橙的閱讀筆記 Facebook 的最讚貼文
💥 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
efficacy中文 在 新思惟國際 Facebook 的最讚貼文
💥 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