＃免收案免IRB的統合分析，＃您也想過要學卻不得其門而入嗎？
⠀
想自學 meta-analysis，然而相關的書，隨便買都厚厚一大本，光是 fixed-effect model 就一大章，都還沒講到 random-effects model 就想投降，更別說，後面還有 heterogeneity、subgroup analysis、publication bias 等。
⠀
但是，這就像我們去買汽車的教科書，光引擎原理就一大章，還沒講到缸內直噴、渦輪增壓、油電混合就投降，更別說後面的傳動系統、主被動安全、自動駕駛。想開車上路，真有需要了解這麼多嗎？
⠀
事實上，難的是懂「汽車原理」，如果只想學會「開車」，並不難。難的是懂「meta-analysis 公式與理論」，如果只想學會「發表 meta-analysis 文章」，並不難。
⠀
＃是要認識整片森林，＃還是採一朵香菇就好？
⠀
從「學問」的角度去看，那可是一片森林，人家「寫教科書」的，自然應該全部涵蓋。但我們在這浩瀚森林中，不過是個「採香菇」的，你只要知道在哪裡可以找到香菇、應該怎麼採、如何避免採到毒菇，然後順利的把香菇帶到市場上賣，就行。
⠀
延續這樣的概念，如果我們反過來，不從 meta-analysis 的理論與公式教，而從「剛開始發表 meta-analysis」所需要知道的統計項開始教呢？
⠀
就像教了油門、煞車、方向燈之後，讓你先上路，在安全的環境逐漸熟悉。駕輕就熟之後，有了自信，你想學任何汽車的原理甚至改裝，自然水到渠成。
⠀
＃課程中只教您必學數值，＃學會了，＃就能用！
⠀
這堂課，我們不講複雜理論，只講實際應用的重要概念。減少混亂，化繁為簡。雖說是「簡」，但在寫作、投稿、審閱過程中，重要的眉角，依然將以最實用的角度，與您分享。
⠀
🎯 克服經費與資源稀少的困境，帶您踏入統合分析的領域。
⠀
☑ 統合分析研究規劃技巧
☑ 正確拆解論文架構
☑ 必學的重要專有名詞
☑ 互動實作：完成一套 Meta-analysis 圖表
☑ 以發表為導向的搜尋文獻
☑ Meta-analysis 圖表優化重點
☑ 給初學者的起步建議
⠀
🔸 11/7（日）統合分析工作坊 #全新梯次
➠ https://meta-analysis.innovarad.tw/event/
免收案、免 IRB，突破資源缺乏困境的機會！
⠀
🗣️ 學員回饋
⠀
「原本以為艱澀難懂，一定會打瞌睡，卻意外絕無冷場。張凱閔醫師擷取 meta-analysis 重點中的重點，深入淺出的介紹一定要會的專有名詞，讓我不會被龐雜的統計名詞大海淹沒！」
⠀
「因為是統合分析的初學者，在準備過程中主要還是以類別變項為主，這次課程聽到很多資料（包括連續變項）的處理方法，像是標準差和標準誤的概念和處理，只要有 sample size 和 p-value 就可以跑統計，以及嘗試向作者要 raw data，這些都有助於我對於未來統合分析的題材有更多選擇。」
⠀
👨🏫 講者陣容
⠀
＃張凱閔，知名復健醫學與超音波學者，台大流病與預防醫學博士，SCI 論文超過 190 篇，並有 25 篇以上為 meta-analysis，探討臨床常見議題。
⠀
＃曾秉濤，專業精神科醫師，擅長從臨床工作找到發表議題，並組成研究團隊，SCI 論文超過 85 篇，並有 70 篇以上為 meta-analysis。
⠀
＃蔡依橙，專業課程開發與整合者，能迅速理解學門架構，並以初學者能理解的方式，建構學習流程。生涯被 SCI 期刊接受的圖表，已超過 500 張，熟悉學術審閱過程與要求。
標準誤公式 在 生物統計學：常讓人誤解的標準誤 - Facebook 的推薦與評價
標準差是用來描述資料的離散程度 (dispersion)，標準誤則不然，標準誤(standard error)基本上是估計值的抽樣分布的標準差，用來描述估計值與母群體真值之間的誤差。 「其實 ... ... <看更多>