临床医学研究设计和数据分析

医学论文是对医学某一分支学科的研究成果、临床工作的总结性报告，是医学科技工作者运用比较、归纳、判断、推理等逻辑思维方法来分析、阐述和表达临床医学研究过程中新理论、新观点、新发现、新方法、新技术和新成果的重要途径。如何提高论文的分析和综合水平是前医学论文写作的关键之一。研究工作中，医学论文原始数据庞杂，信息量大，原始规律隐藏在数据深处，因此论文写作时必须对原始数据进行系统分析，归纳整理，进行必要的统计分析。制作出相应图表，总结出内部规律和结论，便于读者和编辑阅读，从而达到传播医学信息、积累知识。综合讨论是医学论文的中心内容，它是对研究方案、方法及结果综合分析后形成的思索，是对研究项目的优越性、缺陷性及研究意义的系统性认识；同时它是对前期他人和自身研究工作的总结，也是预测未来研究方向和提出假说的基础。下面，达晋编译简要阐释结果分析及综合讨论的写作。一、研究结果的分析。医学论文数据是作者在原始客观数据基础上，经过正确处理、分析、总结而归纳出的具有科学性的信息，是论文内容科学性的核心和精髓体现。将研究数据分析整理后，将结果以数字、图表等具体形式展现，能为研究结论提供客观依据。一般来说，结果的分析要实事求是、逻辑性强、客观严谨、层次清晰、数据准确、揭示规律、简洁明了，具体要求如下：1.结果的客观性与真实性。资料完整真实，数据正确可靠，所有结果以研究内容为根据，将观察到的所有现象、数据的统计和运算依据、统计学原理进行客观阐述，避免主观臆断和根据实验设计篡改实验事实，实验数据取舍按统计学要求进行。结果的整理时将原始数据分析整理，总结出研究的精髓，而不是原始资料的简单罗列。2.结果的逻辑性。结果应与材料方法相呼应，为讨论和结论提供可靠论据，提高文章的逻辑性。3.结果的可读性。结果是文字、图、表的集合体。将三者有机结合交叉应用，需避免内容重复，繁琐累述。图表简洁美观是指图和表应简单明了，且不易过多。在力求准确的基础上，应做到图表设计合理、美观大方。4.结果的严谨性。统计分析方法及软件应用程序需选择恰当，运算步骤正确，用词确切，数字、文字和图表制作规范无误。各种统计符号及意义要核实无误。5.结果的首创性。结果应体现研究内容的独创性，杜绝引用他人研究内容或参考文献。6.结果的主次矛盾。结果的书写要重点突出。通过观察和实验，获得大量数据和结果，写作时需注意重点突出、详略得当。重点介绍对读者有价值的、与资料目的密切相关的结果，切不可面面俱到。二、研究结果的综合、讨论。对研究结果的综合、讨论是医学论文的精髓部分，必须扣准文题。从辩证关系看，综合、讨论是结果的延伸。通过对结果分析论证，推理出恰当结论。讨论的目的在于对研究结果进行分析、综合判断。阐明作者支持或反对的观点，并预测新的研究方向，以便引起后续研究者的重视。讨论部分一般包括以下几方面的内容：一是简要项目研究背景；二是对研究成果揭示的现象进行恰当的说明和解释，即本研究的理论意义、应用范围和应用价值；三是结合研究结果，从深度和广度分析与研究相关的新方法、新理论以及预测未来发展趋势；四是比较相关研究间的异同，客观地指出各研究项目的优缺点；五是总结研究方案成败的关键，及尚难解决的问题；六是提出后续研究建议或方向；七是提出新的假说。同时撰写讨论时应避免以下常见问题，一是避免脱离文题的过度诠释，即过度夸大研究的理论意义、应用范围和应用价值；二是避免对结果进行无关或多余诠释，即引用与研究不相关的文献，不去围绕结果展开讨论；三是避免不足诠释，即未能就数据作出必要的解释；四是避免错误诠释，即歪曲事实，篡改客观数据，以便其符合最初研究方案的设想，这可能与作者理论水平有限，无法发现设计或表述上的缺陷有关。综上所述，通过对研究结果进行分析、综合和讨论，能促使研究内容从感性认识提高到理性认识的阶段。医学论文写作时，需要注意结果与方法必须前后统一、承前其后。一篇优秀医学论文写作往往得益于缜密的研究方案、详实的研究数据、系统的数据分析、深入的综合和讨论。如果能将这些一一做好，医学论文写作将如行云流水。

一般来说，实验设计的类型，依按分类标准的不同而不同。医学研究中，常见的实验设计类型是按研究对象分组情况进行分类的，主要分为：完全随机设计、配对设计、随机区组设计、重复测量设计和析因设计等。下面，蓝译编译就这些实验设计类型做简要说明。一、完全随机设计。是指将一个研究样本随机分为两个或两个以上独立组别而进行的试验研究，也称为成组设计。该设计简单易实施，但要求组内个体变异小，组间均衡可比，特别是混杂因素在各组问的作用应一致。为此，完全随机设计多用于实验性研究，而对于临床试验研究则往往需要对研究对象有较严格的筛选条件及有较大的样本量作保证才行。二、配对设计。是将研究对象按一定条件配成对子，再将每对中的两个研究对象随机分配到不同的处理组而进行的试验研究。配对设计的优点是抽样误差小、实验效率高、所需样本量小，缺点是当配对条件未能严格控制配对欠佳时，反而会降低效率。配对的因素主要为可能影响实验结果的主要非处理因素。配对设计的主要情形有：同一研究对象接受两种不同的处理；将条件相同或相近的两个受试对象配成对子，分别接受两种不同的处理。三、随机区组设计。随机区组设计可看作是配对设计的扩展形式，它是先将条件相近的多个研究对象配成一配伍组，每个配伍组的研究对象数取决于处理组的组数。然后将每个配伍组中的研究对象按随机化方法分配到多个处理组中，给予不同的处理。它要求配伍组间个体差异越大越好，配伍组内个体差异越小越好。随机区组设计可以增强各处理组间的均衡性，提高研究的效率。四、重复测量设计。在医学、生物学研究中，重复测量设计较为常见，多指在给予一种或多种处理后，在多个时间点上对同一个受试对象的效应指标进行重复观察。它是探讨同一个研究对象在不同时间点某指标的变化情况。重复测量设计不等同于随机区组设计，在重复测量设计中，处理因素在区组间是随机分配的，但区组内的各时间点往往是固定的，不能随机分配。而随机区组设计中，处理只在区组内随机分配，同一区组内的受试对象独立并接受的处理各不相同。五、析因设计。是指将两个或多个处理因素的各水平进行组合，对各种可能的组合进行评价，可用于分析各处理因素的主效应以及各因素间的交互作用，具有全面而高效的优点。但它要求各个处理组内的受试对象数相等且每组至少有两个，否则无法分析因素间的交互作用。最简单且常用的析因设计是2×2的形式，如有A和B两个处理，2×2的析因设计则为：单独A处理，单独B处理，A和B同时处理，既无A处理又无B处理。这样，受试对象随机分为4组，分别接受上述的4种形式的处理。

科学研究很早就已经从简单的定性分析深入到细致的定量分析，科研工作者要面对大量的数据分析问题，科研数据的统计分析结果直接影响着论文的结果分析。在医学科研写作中，实验设计的方法直接决定了数据采取何种统计学方法，因为每种统计方法都要求数据满足一定的前提和假定，所以论文在实验设计的时候，就要考虑到以后将采取哪种数据统计方法更可靠。医学统计方法的错误千差万别，其中最主要的就是统计方法和实验设计不符，造成数据统计结果不可靠。下面，医刊汇编译列举一些常见的可以避免的问题和错误：一、数据统计分析方法使用错误或不当。医学论文中，最常见的此类错误就是实验设计是多组研究，需要对数据使用方差分析的时候，而作者都采用了两样本的均数检验。二、统计方法阐述不清楚。在同一篇医学论文中，不同数据要采取不同统计处理方法，这就需要作者清楚地描述出每个统计值采用的是何种统计学方法，但在许多使用一种以上数据统计分析方法的医学论文中，作者往往只是简单地把论文采用的数据统计方法进行了整体罗列，并没有对每个数据结果分析分别交代具体的统计方法，这就很难让读者确认某一具体结果作者到底采用的是何种数据分析方法。三、统计表和统计图缺失或者重复。统计表或者统计图可以直观地让读者了解统计结果。一个好的统计表或统计图应该具有独立性，即作者即使不看文章内容，也可从统计表或统计图中推断出正确的实验结果。而一些医学论文只是简单地堆砌了大量的统计数字，缺乏直观的统计图或表；或者虽然也列出了统计表或统计图，但表或图内缺项很多，让读者难以从中提取太多有用的信息。另外，也有作者为了增加文章篇幅，同时列出统计表和统计图，造成不必要的浪费和重复。统计表的优点是详细，便于分析研究各类问题。统计图(尤其是条形统计图)的优点是能够直观反映变量的数量差异。医学论文中对数据统计结果的解释，最常见的两个错误就是过度信赖P值(结果可信程度的一个递减指标)和回避阴性结果。前一个错误的原因是因为一些作者对P值含义理解有误，把数据的统计学意义和研究的临床意义混淆。所以医学研究人员一定要注意不能单纯依靠统计值武断地得出一些结论，一定要把统计结果和临床实践结合在一起，这样才会避免出现类似的错误。至于回避阴性结果，只提供阳性结果，是因为不少作者在研究设计时，难以摆脱的一种单向的思维定式就是主观地先认定自己所预想的某种结果结论。在归纳某种结果原因时，从一个方向的实验就下完美的结论，尤其是如果这个结论可能对实际情形非常有意义时。这样的思维定势过于强调统计差异的显著性，有时会刻意回避报道差异的不显著结果，不思考和探究差异不显著的原因和意义，反而会因此忽视一些重大的科学发现。

昨日，教育部学位中心公布了8门开设时间早，网友关注度高的专业学位水平评估结果；这个专业学位评估全国尚属首次，与之前的学科评估有异曲同工之妙，二者相辅相成，下属多个二三级学科，但前者是根据学位学科来评估，而后者则是一级学科来评估。和社会上各种高校实力评估相比，教育部作为官方机构，所发布的数据显然更加权威，更让网友信服（学位评估主要是包含6个指标：师资力量、质量保障、学业水平、培养过程、社会评价、培养目标）；如果部分网友还对教育部数据存在争议，建议大家到学位中心观看详细的官方说明；前文给大家介绍了教育专业学位评估情况，那么这篇文章和大家分享下临床医学（不含中医）专业学位评估情况，本次授权高校148所，但实际符合参评标准的为64所。临床医学是一级学科，下属18个二级学科，基本涵盖一所医院的大部分项目，但这是学科评估的范畴，算是专业学位评估的基础，但还是存在区别，请大家不要混淆。但简单来说，学科评估成绩好的高校，专业学位评估也依旧是领先，综合实力还是硬标准。本次入选A档位的共有10所高校，国内前两名为北京大学和北京协和医学院，北大医学部实力就不多说了，而北京协和医学院则是与清华大学联合办学，学制为7年，本科由清华招生及培养；这10所高校，有9所都是985大学，每一所曾经都合并过省内的名牌医学类高校，所以医学实力非常强大；比如华科同济，中南湘雅，川大华西等都是大名鼎鼎的医学航母；另外一所高校-首都医科大学不得不提，作为A档次唯一的一所普通高校，医学实力却与985同一梯队，在各省份的录取分数线都高出投档线百来分。B档位共有19所高校，其中综合实力靠前的985高校就有5所，B+档位有同济大学、武汉大学、西安交通大学、山东大学，B档位是吉林大学，临床医学如果能够得到提升，估计这5所高校名次还要进一步提升。临床医学专业学位C档位入选高校也是19所，C档位高校层次悬殊很大，综合实力高的如985高校：兰州大学和南京大学，而综合实力一般的高校，比如：蚌埠医学院、徐州医科大学；但也恰恰说明，教育部公布的数据来源是可信赖的，只要高校在自己的特色领域内深耕，实力总会得到认可，不会埋没在茫茫的人海中！显然，C档位这些普通的医学类高校是广大考生的一个福利，毕竟985不是人人都可以考上的。本文由学生范原创，欢迎关注，每天与你分享大学小知识！

1.1学校实力分析北京中医药大学是中华人民共和国教育部直属的一所以中医药学科为特色的全国重点大学，是国家唯一一所中医类“211工程”、“985工程优势学科创新平台”重点建设院校之一，是国家首批“双一流”世界一流学科建设高校，是“111计划”、“教育部来华留学示范基地”入选高校。北京中医药大学被誉为中国中医药领域的首善院校和最高学府。为世界87个国家和地区培养了14000余名中医药专门人才。先后与27个国家和地区的92所知名大学和研究机构建立了良好的合作关系。并且与解放军总医院、中国航天员科研训练中心、海军医学研究所、解放军302医院、空军总医院、海军总医院等建立了合作关系，开辟和构建了军地合作的新领域和新模式。1.2学院实力介绍北京中医药大学东直门医院是一所集医疗、教学、科研为一体的大型综合性中医院。是全国唯一一所进入国家“211工程”建设的高等中医药院校——北京中医药大学的第一临床医学院，并率先成为全国示范中医医院、三级甲等中医院和国家食品药品监督管理局认定的国家药物临床试验机构。国家临床重点专科6个，国家中医药管理局重点专科16个，北京市重点专科（北京市特色诊疗中心）11个，教育部重点学科1个，国家中医药管理局重点学科9个，北京市重点学科2个。另外，医院还设有全国名老中医药专家传承工作室16个，北京中医药“薪火传承3+3”工程“二室一站”14个，教育部创新团队1个。1.3就业情况/发展前景北京中医药大学丰厚的师资储备以及专业设备，一定会让从事中医、中西医等专业的同学学到更多的知识，这里有前沿的诊疗设备和深厚的中医知识积累。随着社会的不断发展，中西医结合的不断深入，相信在未来更多的时候，中医，中西医类的专业将会有更多的就业机会。而且作为全国唯一一所中医类”211”工程院校毕业的学生，相信在回到家乡或者其他地方工作也会相当有竞争力。1.4考研内部信息介绍1、专业硕士和学术硕士的区别：在复试中，学硕更加注重学术能力、科研能力、英语能力等，而专硕更加注重学生的临床诊疗和临床技能能力。在读研期间其培养方式也不同，专硕基本是在医院进行各科室的轮转规培，而学硕则主要是在实验室进行科学研究，撰写论文。这也是两个方向的不同之处，但并非是绝对分开的，专硕也需要抽出时间进行科研以及论文撰写，只不过是说术业有专攻，各有侧重。毕业证书这一块的话，专硕研一时就可以报名参加执业医师资格考试，研究生毕业时可同时获得毕业证书、专业学位证书、执业医师资格证书、住院医师规范化培训证书（即“四证合一”），而学硕的话学硕毕业后无法获得住院医师规范化培训证书。2、导师论文初试和复试中不太需要看导师的论文，初试采取全国统考的方式，所以这很大一部分剩去了我们搜集院校复习资料的环节，全心准备初试即可，在复试过程中，面试的主考官是不同专业的专家，可能会有要考的导师出现，但是在面试过程中主要是以考察对病例的诊疗思路，不太会考察专向某一科。但是在如果在复试之前去见老师的话可以考虑看一看老师的论文，有个大概的了解，这样的话在见老师的时候可能会对你印象深点。二、专业复习规划指导2.1初试参考书目初试的话全国所有的医学类专业的专硕采取的是全国统考的方式，所以在复习中认真复习中国中医药出版社的“十二五”规划的指定教材即可，学硕的考试可能某些院校是采取的自主命题的方式，但是参考教材和专硕相同，而且考试的题目也会比专硕相对简单一点。2.2复试参考书目北中医的复试有自己单独的指导用书，而且各专业都不同。中医内科学——《中医内科学》田德禄主编，21世纪课程教材（黄皮的）人民卫生出版社中医外科学——新世纪教材（第二版）、十一五规划教材《中医外科学》李曰庆主编，中国中医药出版社中医妇科学——《中医妇科学》张玉珍主编，中国中医药出版社中医儿科学——《中医儿科学》马融主编，中国中医药出版社针灸推拿学——《针灸学》赵吉平、李瑛主编，人民卫生出版社中西医结合内科学——《中西医结合内科学》学苑出版社；《内科学》第八版，人民卫生出版社；《中医内科学》田德禄主编，21世纪课程教材（黄皮的）人民卫生出版社具体参考书目可在初试后关注北中医网站当年发布的专业参考书目（一般每年都不会有太大改动）三、复试方案及准备（以东直门医院中西医结合内科学为例）3.1复试方案1.复试方式复试内容包括资格及基本素质审核、专业课笔试、综合面试（包括专业素质、创新能力、综合素质考核、外语听说能力测试）、临床技能考核。1）资格及基本素质审核：把该带的证件都带齐了即可，基本素质审核的话就是一个小面试，研究生处的老师和大家聊聊，不用紧张这个不计入总分的。2）专业课，采用闭卷形式，考试时间是2小时，大家可以搜集往年的试题就今年复试的专业课题目看的话很多和之前相似，可作参考3）综合面试：抽一个病案进行诊断、诊断依据、鉴别诊断、治疗方案、调护方法。然后进行英语口语的面试就是和老师进行一个英语的短对话，很简单不用紧张英语口语该去怎样复习。4）临床技能考核：随机抽取一项体格检查进行操作，所以大家最好对全身的体格检查都又一个大体的了解。2. 拟录取排名方法1.复试成绩实行100分制，其中专业课笔试权重45%、综合面试（考察二级学科临床综合素既往学业表现和潜在能力素质、外国语听说能力）权重40%（其中既往学业表现和潜在能力素质权重5%、外语听说能力测试权重5%），临床技能考核权重15%。2.考生初试和复试成绩进行加权计算。考生的总成绩满分为100分，计算公式为：总成绩=初试成绩/5×50％＋复试成绩×50％。3.录取原则a．各学科根据考生总成绩进行排名，按招生名额择优确定拟录取名单。b．复试成绩按百分制计算，不及格即低于60分者不予录取。4.录取顺序：先录取一志愿报考本专业的考生，再录取一志愿报考本单位其他专业的调剂考生3.2复试准备参考策略北中医的复试要求还是很严格的，尤其是一附院，挺多初试分也不低但却被刷的，所以一定要重视复试，复试中专业课笔试占了45%，基本上是一半吧，所以初试结束后一定要仔细复习相应的课程，尤其是中西医结合的同学，专业课考试大部分还是考察西医的内容，所以大家在复试准备的时候多看看西医的课本。口语的话，占比例较少不用花费太多时间在上面，把专业课和体格检查复习好了基本就没大有问题了

导读：为解决上海长海医院临床诊疗数据与科研数据各自独立采集，采集工作量大，以及人工采集造成的数据缺失、前后数据不一致的情况。医院对电子病历、检查报告等做了相应改造。病种库管理系统可根据制定的科研病种CRF表单内容，有效地自动抽取科研病历数据。实现诊疗数据、科研数据同步采集，提升医院的科研能力，提高医学科研工作者的效率。随着科学技术的不断进步及社会竞争的日趋激烈，医院如何进一步加强学科建设，推动医院整体医疗水平的发展，是当今医院管理的关键问题。科研管理作为医院管理中的重要环节，对医院科学技术水平的提升、核心竞争力的形成至关重要。强化临床科研工作，提升临床科研能力，对于推动临床新思路、新技术的提出和延伸，促进基础医学和临床医疗的有力结合，以及提升医务工作者的诊疗水平具有重要意义。临床科研步骤大致分为选题、查阅文献、确认研究的变量、假设形成、科研设计、原始资料的收集、科研资料的整理和分析、撰写论文。其中医生在原始资料的收集、科研资料的整理和分析即临床科研数据采集步骤中耗费了大量的时间和精力。如何在满足科研数据同步采集需要的同时，减轻数据采集记录的庞大工作量是目前临床科研迫切需要解决的关键问题。传统临床科研数据采集存在的问题随着长海医院科研项目的开展，科研数据采集的巨大工作量已成为困扰科研医生的一大难题。医院目前科研数据采集的现状还是以传统的手工或半手工方式为主，医生根据每个病种所需数据进行人工补录，即事后记录。由于科研的数据收集与临床诊疗工作不同步，往往滞后于临床诊疗，于事后对所需的科研数据进行记录，难免丢失了重要的过程性数据。并且在进行转录的过程中需要大量的人工核对，难免产生因人工失误造成的科研数据与诊疗数据不一致的情况。随着医院科研任务的增加，对临床科研数据采集的准确性、完整性及采集效率要求越来越高，传统的数据采集方式已不能满足要求。临床科研一体化数据采集随着长海医院信息化的发展，医院各业务系统中累计了大量的医疗数据，为满足医院各病种科研需求，更好地为临床和科研教学工作提供优良有效的数据支持，减轻数据采集记录的庞大工作量，医院对电子病历、检查报告等做了相应改造，正逐步实现临床医疗、科研数据同步采集以及临床科研一体化。数据采集步骤为解决医院临床诊疗数据与科研数据各自独立采集，采集工作量大，以及人工采集造成的数据缺失、前后数据不一致的情况。医院对五个试点科研病种的数据采集工作分为几个步骤进行尝试实践。具体步骤、流程如图1所示。图1 数据采集步骤、流程采集元素确定试点科研病种的科室将所需科研数据按场景、时间进行分解，明确每个环节中需要采集的元素名称、元素内容，并制定科研病种的CRF表单。需明确采集元素的来源具体为病历文书、检查报告或检验报告等。医院五个试点科研病种中约2 300个研究元素需结构化。病历模板结构化医院的病历模板为半结构化模板，结构化内容以病历元素的形式保存在病历模板中，为满足科研需求，科室根据CRF表单内容，对科研病历模板中的元素进行高度结构化，利用标准化的医学术语设计科研病历模板，保证不同时期、不同业务记录的相同数据项内容表达一致。医院五个试点病种共包含86个科研病历模板、高度结构化近2 000个病历元素。研究型病例入组建立科研诊断、手术编码库，按照科研要求制定科研病历入组标准。科室收治患者时，根据患者入科诊断判断是否需将患者收治入组。患者入组后医生使用结构化的科研病历模板完整、准确地记录科研所需数据。患者相关检查亦需使用结构化的检查模板出具检查报告。数据对应及采集数据对应及采集工作分前期数据对应和后期数据采集。前期数据对应分为两部分，一为检查、检验报告数据对应。即升级改造试点科研病种涉及的检查报告系统，报告内容以数据库字段形式保存。检验报告数据已为结构化数据，无需再次改造。医院新上线的病种库管理系统可将检查、检验报告中数据对应到CRF表单中。二为病历文书数据对应。医院电子病历为半结构化病历，需导成XML格式进行结构化数据解析。病种库管理系统可通过XQUERY将XML格式的半结构化病历拆分成字段节点，并根据节点内容与CRF表单做对应。完成前期数据对应后，可进行数据采集工作。为实现多中心数据共享，医院将检查报告、检验报告等业务数据和XML病历文书存入CDR中。病种库管理系统根据已制定的CRF表单，定位到具体科研患者，从CDR中将患者的科研病历文书、检查报告和检验报告中的数据取出并展示在CRF表单中。数据质控医院数据质控为事后质控。医院定期将医生书写的科研病历导出为XML格式并导入到CDR中，由病种库管理系统抽取数据并将数据在CRF表单中展示。数据在CRF表单中展示后医生才可核查书写的病历是否符合CRF表单要求。一般此过程时间较长，无法在患者在院期间对医生进行预警提示。 检查报告结构化医院检查报告数据保存为大段文本形式，其中与科研相关的必要指标性数据尚未进行保存，不能完整记录科研方面的检查数据。因部分报告系统无法支持结构化报告，需对报告系统进行升级改造。结构化后的报告将以自然语言方式录入的报告数据按照医学术语的要求对科研要素项进行精准描述，并以数据库字段的形式保存。目前医院已完成放射、超声、病理、消化内镜、膀胱镜检查报告结构化。实施效果病种库管理系统可根据制定的科研病种CRF表单内容，有效地自动抽取科研病历数据，实现诊疗数据、科研数据同步采集。不仅减少数据采集的工作量，而且避免了人工采集造成的数据缺失、前后数据不一致的情况。医院于2017年9月至2017年12月期间通过病种库管理系统共采集符合试点科研病种需求人数约1 500人，共自动抽取约40 000份病历数据。此部分数据既可进行全病种分析，也可根据科室需求筛选特定数据。科室可针对同一病种，设置不同研究方向，进而定制个性化CRF表单。此系统大幅提升了医院的科研能力，提高了医学科研工作者工作效率。病历的结构化程度提高后对医生书写病历的要求也随之提高，由于历史病历数据未做高度结构化，导致历史病历数据无法根据此方式采集。长海医院目前还存在事后质控、无预警、历史病历数据无法精确采集等问题。后期考虑通过自然语言处理技术对病历进行后结构化处理，即利用中文分词、命名实体识别和语义关联抽取等技术对病历文本进行信息抽取和智能分析[5]。通过后结构化，可在保持医生书写习惯和思考逻辑的基础上，实现对病历数据结构化处理，从而提高数据质控效率，满足科研数据采集需求。文章来源：《中国数字医学》杂志2019年第2期，作者及单位：吴乐乐 高白 张燕 李菊阳 王志勇，海军军医大学附属长海医院信息科。传播数字医学领域发展最新动态，关注医疗卫生信息化相关资讯。

一直以来，大数据与商业就密不可分。以前，觉得所有数据零散在每个角落，无法统计，让多少市场因此无法描述用户画像，导致市场分析出现偏差、错误，影响整个决策力的制定和执行。现在，那些无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据，都被抓取和利用，具有5V特点【由IBM提出：Volume（大量）、Velocity（高速）、Variety（多样）、Value（低价值密度）、Veracity（真实性）】的大数据，正在明目张胆改变着各行各业。医学，当然也不例外。医学大数据的应用医学大数据的应用目前主要有两方面，第一个是发现新知识、认识新规律，第二个是促进精准适度医疗，提升医疗价值。以往受数据采集与分析能力的限制，医学主要依靠抽样研究来发现新知识、认识新规律，但不同样本间的差距经常导致结论不一致甚至截然相反。随着大数据技术的发展，医学研究由抽样的小样本研究进入到超大样本、甚至全样本研究时代，从严格筛选患者入组进行研究到全面观察各种影响因素的真实世界研究时代。美国 2015 年启动了“观察阿司匹林效果与剂量”的大规模观察性医学研究，多达 30 万人参加基于大数据的观察性研究得出的结论更具现实指导意义，甚至推翻了之前一些建立在小样本数据基础上的“科学”结论。斯坦伯格 (Steinberg) 等人在 3 万余人两年的保险记录、化验记录、用药记录、就医记录中挖掘出新的代谢综合征预测模型，用 80% 的人作为训练集，20% 的人作为测试集，在贝叶斯框架下依据最大熵原理，对数据中未知的参数进行分布边缘化来计算模型的结构概率，综合考虑模型的复杂性和与数据的匹配性建立起新的预测模型，从 4000 余个参数中筛选出腰围、用药依从性等与代谢综合征密切相关的因素。随着医学的进步，源于个体的数据越来越丰富，包括组学数据、健康监护数据、影像数据等。计算机科学与医学结合能够挖掘出新的知识，开创新的诊疗模式。例如心理问题一般是通过临床观察或自我就医的方式被发现并诊断的，现实中缺乏客观有效的诊断方法，而基于说话模式的数据挖掘，能够发现患者条理表达能力的下降，进而成功预警心理问题，在小样本人群实验中达到了 100% 的准确度。通过机器学习对一些复杂信息进行处理，也能对心脏病、哮喘、癌症等疾病作诊断和预测，能够达到或超越专家的诊断水平。适度医疗、精准医疗与大数据精准医疗、适度医疗和过度医疗，三者既有联系，又有区别。做到精准医疗，不一定就做到了适度医疗，适度医疗更多的是对医疗价值层面的考量，关注获益是否大于风险，以及获益和成本的关系。由于多种原因引起的超过疾病实际需要的诊断和治疗的行为或过程就是过度医疗。正如德国医生尤格·布来克在《无效的医疗》一书中所说“很多不该吃的药，吃了 ；很多不需要的治疗，做了 ；很多手术会使病人更加痛苦，却也在做。”在美国，40% 的医疗被认为是无效的。在我国，过度诊疗的现象也不同程度地存在。当过度医疗如此猖獗，就需要大数据的参与和帮助，来实现适度医疗或精准医疗。为什么过度诊疗会成为世界性的问题，其中一个重要的原因是个体的差异性，同一种药物对不同人有不同的效果。而每个个体都是特殊的，每个人的健康却是同等重要的，医学大数据对数据的精准性有更高的要求和标准。如吉非罗齐 (emfibrozil)，它的上市应用主要基于赫尔辛基心脏研究，经过 5 年的双盲实验（一批人服用吉非罗齐，一批人服用安慰剂），实验结果显示用药组比安慰剂组患心肌梗死的相对危险度下降了 34%，但实际上分析表明，用药组的心梗绝对危险度仅下降了 1.4%，即 71 个患者治疗 5 年时间，该药只对 1 个人起到了预防心肌梗死的作用。如何能从这 71 个人中找到有效的那 1个人，即实现精准医疗，还需要通过大数据研究。一方面要收集个人基因组、蛋白质组的数据，另一方面要收集个人行为、用药、心理以及环境的数据，通过分析药物组和服用安慰剂人群中出现心梗和未出现心梗的人的特征，从而区分出哪些人属于不吃药也不会心梗的（低风险），哪些人属于吃了药有效果的（预防了心梗），哪些人吃了药也没能预防心梗的，对于后者还要继续分析原因，是药物的剂量不足，还是有其他因素导致的心梗，这样我们的治疗和预防手段就会越来越有针对性，达到个体化的精准医疗。趋利避害，医疗大数据还要走的更远当然，大数据如很多新潮工具一样，也是一把双刃剑，如果说做到量体裁衣、辨证施治是医学大数据应用的重大课题，那么它的前提基础是拥有长期、全面、准确的人群健康数据。对于不精准的那些“垃圾”数据，数据量越大，谬误与危害越大。当前，大部分行业在数据基础系统架构和数据分析方面都面临着诸多挑战，医学领域也是如此。根据产业信息网调查，目前国内大部分企业的系统架构在应对大量数据时均有扩展性差、资源利用率低、应用部署复杂、运营成本高和高能耗等缺陷。同时大数据的管理一直是一个难以控制的问题，由于大数据已经成为了一种商业资本，各地数据的流失、泄露和私下买卖越来越多，这也让医疗届的信息如同没有关门的家园一般，毫无隐私，任人索取。医疗机密和个人患病信息的流失，令数据安全形势变得复杂。如此情况下，趋利避害，做好长期、全面、准确的人群健康数据研究与管理，才是医疗大数据的长远之计。小迈的技术和研发团队，一直没日没夜的奋战在一线，搜集海量数据进行筛选和录入，力保展现给会员们的是最精准有效的高质量资料，未来，我们会更多的进行数据的深入统计、分析、研究，真正做到，跨国界医疗研发服务，让天下没有难做的医疗研发。-END-

SCI论文的发表已经成为衡量研究生科研能力的重要指标之一，而临床医学专业学位研究生在时间、精力和基础研究上均不占优势，撰写SCI论文更是力不从心。但实际上，只要掌握了临床科研方法，用心观察，认真总结，发挥临床工作中容易获得一手数据的优势，亦能够发表高质量的SCI论文。下面，达晋编译就临床医学专业学位研究生怎么写出高质量SCI论文的几个相关方面进行探讨。一、早期涉足临床科研活动，加强临床实践的规范性。就临床研究而言，不论是病例报告、病例分析、诊断试验，还是临床实验方案设计，详尽完善的病史、体征、辅助检查结果等临床资料都是撰写SCI论文的基础。因此，提升临床医学专业学位研究生科研能力，应建立有关临床医学专业学位研究生的临床科研制度，逐渐形成标准化、规范化的采集病史、体征和辅助检查记录，随访资料保存和各种标本库的管理体系。同时，临床医学专业学位研究生应当严格按照程序进行各种资料的采集和如实记载，定期开展规范化培训、科研讨论和汇报。二、指导研究生设计课题，掌握SCI论文选题技巧。要想发表一篇高质量的SCI论文，课题的选择直接影响研究的价值。一方面，可以让研究生努力接触国际发展前沿的信息，追根溯源查阅相关文献，深度思考问题后提出课题的初步设想。在此过程中，我们往往发现研究生最容易出现的错误就是设计的课题宏大而宽泛，大而不细，多而不精，这也是初涉科研工作时最容易出现的错误。我们建议，研究生应当多看一些国家自然科学基金的标书，获得课题设计的感性认识。另一方面，可以让研究生尽可能多地接触实验技术。如果实验技术不扎实，好的课题也可能做不出预期的结果，或者结果不稳定、重复性差，这样的结论很难让人信服，更不用说发表高水平的SCI论文。实验技术种类繁多，每个领域都有自己独特的实验技术。我们应该充分利用各专业之间的横向联系，安排研究生经常讨论实验技术问题，营造浓厚的学习氛围，使其不但可以通过自己的实验，还可以通过参与同学的实验来掌握实验技术。同时，导师还应当为研究生举办实验技术讲座，邀请某项技术的专家、甚至厂家的技术人员来进行讲解。三、加强导师队伍建设，促进学科建设与研究生培养的良性互动。从某种意义上说，只有创新型导师才能实施创新性教育，才能培养出创新型的研究生，也才能产出高质量的SCI论文，因为SCI论文的核心就是创新。也就是说，导师只有具备高水平的研究项目和充足的研究经费，才能为研究生创新能力的培养提供坚实的研究基础，才能为研究生积极创造海外学习的机会，建立起以科学研究为主的导师责任制和与科学研究紧密联系的导师资助制；才能为研究生提供直接参与科研实践的机会，促使他们掌握先进的实验技术，体验更为活跃的科研氛围，形成人才培养与科学研究的良性互动；才能使研究生在课题研究中尽快了解学科前沿进展，学到科学的研究方法和解决实际问题的能力，从而开发创新能力，产出创新性成果。四、正确认识SCI在我国医学科研成果中的评价作用。虽然强制性地要求研究生发表SCI论文才能获得学位会给研究生带来压力，但大多数研究生为了保证论文的顺利发表将会把更多的时间用在科学研究上，尽力选择创新性的课题并进行严格的实验设计。这样，在撰写SCI论文以及投稿的过程中，不仅有助于提高研究生的科研能力，更能够促进创新型科研成果的产生；同时，无形中锻炼了研究生的英文写作水平和能力。因此，在利用SCI评价体系，鼓励研究生在国际期刊上发表论文，加强与国外同行交流的同时，也要打破医学界对SCI的盲目崇拜，不能够仅以SCI论文数量评价科研水平，更应当注重科研质量及科研创新。事实表明，临床医学专业学位研究生只要树立正确的SCI论文观，集中精力做好临床工作，勤于思考，善于总结，加上导师亲力亲为的指导，就能够撰写和发表高质量的SCI论文。

统计学在医学科研工作中发挥着重要的作用，统计学方法种类繁多，各自的适用范围以及所需的前提条件又不尽相同，容易发生误用，导致论文质量不高，甚至结论错误而引起误导。为能有效促进统计学方法的正确使用，保证科研的科学性、可靠性，提高医学科研论文质量，赛恩斯编译对医学科研论文中常见的统计学问题进行梳理和总结如下：一、实验组与对照组没有可比性。实验组与对照组必须遵循均衡化的原则，即实验组与对照组除处理因素不同外，其他可控制的非处理因素要尽可能保持一致，从而尽量排除非处理因素对结果的影响。各组间均衡程度越高，可比性越强。如果分组时未注意到对照组与实验组的均衡性，两组之间就会出现差异，不具备可比性，结论有可能不准确，甚至相反。二、样本量过小。样本量的大小影响结论的可靠性。样本量过小，抽样误差大，结果可靠性差，且经不起验证；反之，若盲目加大样本量，不但会造成人、财、物的浪费，而且会造成非抽样误差增大。应在保证研究结果精确可靠的前提下，确定最小的样本量。三、混淆标准差与标准误的作用。实验数据一般综合表示为“均数±标准差”的形式，标准差表示数据相对于均数的离散程度，而标准误是表示抽样误差大小的指标，二者含义完全不同。有些作者误将标准差用于可信区间的表述，将标准误用于正常值范围的表述。四、假设检验方法运用不当。每一种假设检验方法都有其特定的适用条件和严格的适用范围。所研究变量的类型不同、设计类型不同、大样本还是小样本等，所用假设检验的方法也不同。对于同一组资料，采用不同的假设检验方法可能得出截然相反的结论。同为数值变量资料，如将配对设计的资料按成组设计资料的方法进行假设检验，不但损失样本提供的信息、降低检验效率，而且可能使原本有统计学意义的结果表现为无统计学意义。五、未注明假设检验方法或不具体。有些论文对收集到的资料进行了统计学分析，但未说明使用的是什么方法。表现为论文中只有假设检验的结论，未注明检验方法、现有样本算得的检验统计量、检验水准、采用的是双侧检验还是单侧检验、P值的确切范围。这样读者就无法得出论文中统计学方法选择是否合理，无法核对结果是否准确。在论文写作时，不但要注明选用的是什么统计学方法，而且要尽可能详细、具体。六、错误理解假设检验中P值的含义。统计学上，根据假设检验原理推算出来的P值，表示拒绝无效假设犯假阳性错误的概率，P值越小，越有理由认为两种处理方法效果不同。P值不能反映相比较的两组或多组参数之间差异的大小，参数差异的大小只能根据专业知识来确定。七、只关心统计结论，忽视差异有无临床意义。评价一项医学研究结果，要看其是否具有临床意义和统计学意义。如果差异本身没有临床意义，可以不必进行假设检验，因为当样本含量足够大时，基本都会取得差异有统计学意义的结论。医学论文中，作者常根据假设检验有统计学意义，就断定研究结果有临床意义。直线相关分析中，只关心相关系数的差异是否有统计学意义，而不关心相关系数的大小有无实际意义。产生上述问题的原因，大多是由于对统计学在医学科研工作中的重要性认识不足，少数作者缺乏高度的责任感、科学严谨的态度，凭主观想象，甚至弄虚作假。参加科研设计、统计学、论文写作方面的培训较少，也缺少与医学科研设计专家的沟通。