臨床藥學研究方法互助 讀書會
出自KMU Wiki
| 在2010年4月22日 (四) 11:38所做的修訂版本 (編輯) Elizahsu (對話 | 貢獻) (→傾向分數) ←上一個 |
在2010年4月22日 (四) 11:38所做的修訂版本 (編輯) (撤銷) Elizahsu (對話 | 貢獻) (→資料庫分析) 下一個→ |
||
| 第12行： | 第12行： | ||
| ==資料庫分析== | ==資料庫分析== | ||
| + | 藉由國衛院資料庫實際的研究成果，大家共同探討在如此豐富的數據及圖表結果下，呈現時應該如何做取捨才能有最精確、最簡潔明瞭的報告。首先是研究宗旨與目標應與題目及所探討的結果契合，大家都認為做資料庫分析不怕沒數據，只是很容易就迷失最初的探討的目標，所以跑資料時應隨時檢視最初欲探討的方向。在圖表的呈現上應以重要的、需要加以解釋的項目作圖，才不會畫上所有結果後導致圖表不易閱讀。整體來說，資料庫分析艱難之處在於訂下清楚的研究定義及操作定義，以及如何「解釋結果」，常常一個起伏就有好多因素須要考慮，因此訓練廣泛性思考及仔細的求證，是資料庫分析很重要的技巧。 | ||
| ==病例回顧== | ==病例回顧== | ||
在2010年4月22日 (四) 11:38所做的修訂版本
目錄 |
藥物使用評估
「Drug utilization research」的應用範圍很廣，可以藉由描述藥品的市場、藥品的分布和處方的使用，評估藥物對醫療、社會和經濟層面的影響，因此drug utilization research的相關研究也越來越多，越來越受到重視。藉由今天讀書會的文獻討論，使我們可以了解drug utilization research的研究型態和應用範圍，知道如何作研究的設計和規劃，也了解如何運用「定義每日劑量（defined daily dose）」來做藥物使用評估。此外，主講者也和我們分享自己的研究，使我們更能夠清楚地明白如何利用國家衛生研究院所出版的「全民健康保險資料庫」作藥物使用評估。
處方趨勢分析
這次主題為圍繞在藥物使用評估下的medication compliance and persistence，透過行政院衛生主中央健康保險局高屏業務組的健保申報資料已降血壓藥物ACEI及ARB的研究實例，不但讓我們了解健保資料庫中分析用藥資料的擷取與研究方法，更對我國醫療體制下病患醫療利用地情形更加了解，提供將來做藥物使用評估的另一個分析方式。
COX regression
藉由存活分析（survival analysis）的基本原理及介紹，使我們能夠應用人時的概念，加入時間的因素作考量，評估在不同因素（exposure）介入之下兩組之間的存活率或事件發生率是否會隨時間的變化而有所差異。此外，透過cox-regression的方式較正研究中的干擾因子，以hazard ratio報告擾因子的影響程度。
傾向分數
近來許多的流行病學研究以及相對療效比較研究常使用傾向分數作為配對分層分析及回歸調整的方法。傾向分數是藉由對照組以及實驗駔的基本資料，將基本資料的各個變項（例如：男女、年齡、共病症等）校正，類似羅吉斯迴歸的原理，可以回歸校正出一個值，藉此值來進行回歸調整或是配對分層，可以降低觀察性研究容易存在的選擇性偏差，然而傾向分數也不是十全十美的工具，它也有其缺點，若是母群體樣本數不足時，使用傾向分數配對容易配對不到，然後損失案例組的數目，這是缺陷之一。
資料庫分析
藉由國衛院資料庫實際的研究成果，大家共同探討在如此豐富的數據及圖表結果下，呈現時應該如何做取捨才能有最精確、最簡潔明瞭的報告。首先是研究宗旨與目標應與題目及所探討的結果契合，大家都認為做資料庫分析不怕沒數據，只是很容易就迷失最初的探討的目標，所以跑資料時應隨時檢視最初欲探討的方向。在圖表的呈現上應以重要的、需要加以解釋的項目作圖，才不會畫上所有結果後導致圖表不易閱讀。整體來說，資料庫分析艱難之處在於訂下清楚的研究定義及操作定義，以及如何「解釋結果」，常常一個起伏就有好多因素須要考慮，因此訓練廣泛性思考及仔細的求證，是資料庫分析很重要的技巧。
