在非小細胞肺癌 NSCLC 的治療上，近年的重大進展，就是人們發現了 EGFR 突變，並開始使用 EGFR-TKI 加以治療，並取得相當好的成績。但進一步來說，在 EGFR 突變並使用 EGFR-TKI 治療的患者中，有沒有其他的因素，可能會導致預後有所不同呢？
賴醫師團隊，鎖定了 PD-L1 的表現量，想看看不同的次族群，其預後是否有所不同。
研究收入了轉移性 NSCLC，並有 EGFR 突變，以 EGFR-TKI 作為第一線治療的患者群共 114 人，並根據其 PD-L1 的表現量分為三組，分析其 progression-free survival。結果發現並沒有差異。
這是個蠻好的範例，當我們都是根據標準治療方法，提供患者最佳治療時，該如何做研究呢？分組比較，就是個不錯的策略。找到另一個 biomarker，分組，看看組間有沒有差異。或者，看看年紀、性別、血壓、體重不同時，預後是否有所不同，都是可以考慮的方向。
恭喜賴醫師！
阿茲海默症是個複雜且嚴重的神經退化疾病，不過目前在診斷上，並沒有快速、簡單、有效的方法。
目前的診斷標準，是根據認知測驗、腦部影像、CSF 分析綜合而成，這些檢查合起來，價格不低，且具侵入性。於是，最近幾年，有許多的研究，嘗試使用新的生物指標，或者機器學習，來提高診斷的速度，並降低門檻。
張俊鴻醫師與其團隊，預計針對這個主題回顧既有文獻，看看目前的現況，並指出比較具有潛力的領域。
經過完整的評估，把各種新的生物指標和正在嘗試的機器學習研究分析過後，作者團隊認為，使用多參數的機器學習，配合新的生物指標，的確有可能會增加診斷阿茲海默症的準確度，未來，隨著快速且平價的生物指標 HPLC 普及，加上機器學習後，應該能讓門診醫師快速的診斷患者是否罹患阿茲海默症。
對一個正在快速發展的領域，做現況的整理與歸納，並指出可能的研究方向以及未來，是很不錯的研究主題。這類的回顧，如果又剛好遇到相關的數值能夠合併分析，甚至可以變成一篇統合分析，即使不行，也是篇值得刊登的系統性回顧。
這類文章，很吃搜尋能力，以及在既有文獻中看出脈絡的能力。需要很好的臨床感、洞見、以及對業內文獻的熟悉。
恭喜張醫師！
對於需要同時接受雙側膝關節置換的患者，因為手術範圍大，需要較為強效的疼痛控制，通常都會用上大量的嗎啡類藥物。不過，嗎啡類藥物本身有許多副作用，如果能找到新的方法，顯著降低嗎啡類藥物使用量，但依然達到類似的止痛效果，應該會很不錯。
馬醫師與其團隊，因此發展了一個以靜脈注射止痛藥 parecoxib 為基礎的止痛流程，以取代初期的嗎啡止痛，但保留之後萬一疼痛受不了時，依然能以自控裝置給予低量嗎啡類藥物的選項，想看看這樣的方式，能不能減低嗎啡類藥物使用，並減少相關副作用。
研究收入了 54 位患者，接受同時雙側膝關節置換術，以隨機分派方式，歸入 opioid-sparing 或 opioid-based 組，並追蹤後續的疼痛指數，總嗎啡類藥物劑量，以及相關副作用。
結果發現，opioid-sparing 組，總嗎啡劑量下降了 85%，疼痛指數差異，雖然沒有達到臨床差異等級，但在術後一天與三天，統計上都顯著較低，相關的副作用也較少。蠻推薦給有雙側膝蓋手術需求的患者與醫療團隊，參考使用。
恭喜馬醫師！
在 COVID-19 疫情肆虐後，臨床工作者很快地發現，同樣染病的患者，BMI 過高的人，死亡率似乎偏高，隨後的許多臨床研究，也證明了這件事。
不過，BMI 偏低的人呢？死亡率會升高嗎？還是更低？如果想找出死亡率最低的 BMI 族群，其數值落在哪裡呢？這是黃暉凱醫師與其團隊，想要知道的。
篩選了 7443 篇文章後，發現 4455 篇有重複族群，2393 篇無關，567 篇研究沒有需要的體重與死亡率資訊，最後鎖定 28 篇共 112682 患者，進入劑量反應統合分析。使用非線性模式分析後，發現死亡率與 BMI 呈現 J 型關係，也就是體重過高會增加死亡率，但其實體重過輕也會，而死亡率的最低點，出現在 BMI 約 27 左右。也就是 BMI 25-30 的所謂過重區間。（過重的朋友們，不用忙著減肥啦！哈哈！）
這個發現，與過去對 BMI 與全原因總死亡率的分析類似，BMI 25-30 傳統所謂的過重區間，也是全原因總死亡率最低的一群。
當全世界大量發表 COVID-19 的臨床經驗與研究時，迅速想到一個切入點，並作統計整合，提出洞見，是很不錯的研究策略。為了搶快發表，也避免夜長夢多，使用致編者信形式投稿，也是相當不錯的決定。
這是因為致編者信一般屬於 editorial materials，並不列入 JCR impact factor 計算公式中，決策上也不需要走入完整審稿流程，主編自己看一看，最多找個人幫確認細節，就可以接受並刊出。
唯一的缺點，就是在升等認定時，很可能因為放在 letter to the editor，導致分數無法以 original article 方式計算。但學術上的影響力並不會有差異，一樣會出現在 PubMed 上，一樣看得到全文，一樣可以引用。
恭喜黃醫師！
於 2020 年 12 月，在 JAMA 上，有篇由澳洲學者 Arkell 博士等人主持的研究，測試吸入大麻後的開車表現，並分析大麻內兩種主成分：CBD 與 THC 比例不同時的影響，發現 THC 比例高的，在 40 到 100 分鐘時，車道偏移顯著高於對照組，但 CBD 為主的並不會，而且在吸入大麻 240 到 300 分鐘時，不管是怎樣的成分，開車時的車道偏移表現都跟對照組無異。
曾秉濤醫師團隊，讀到這篇後，認為相關的結論可能會被過度延伸，所以寫了致編者信作補充，主要提到兩點。
首先，大麻對開車表現的影響，並不只有在車道偏移，還可能在於對視覺的影響。包括顏色辨認、記憶、眼壓等都需要考量。
第二，此研究專門針對大麻使用作討論，但實務上，大麻跟酒精經常混合使用，研究顯示，兩種都使用，即使都是低劑量，其對開車能力的綜合影響相當巨大，在後續解讀時，「低劑量大麻使用可能並不影響開車能力」或許會造成大眾錯誤的印象，並造成悲劇。
在致編者信中，關鍵文獻都有引用，也沒有直接針對原研究作批評，而是提供讀者後續解讀的幾個關鍵注意點，是很有意思的切入方式，對於雜誌社來說，也有避免過度解讀，惹上公關危機的效果，對雜誌社、研究原作者，跟曾醫師團隊，都有幫助，互惠三贏。
恭喜曾醫師！
