研究方法、生物統計與護理理論，整理成四張看得懂的地圖。從研究問題走到統計結論有十二站，每一站畫清楚：設計長什麼樣、哪裡會被扣分、名詞的中英文怎麼對。
十二站，四個階段。點任一站看：一句白話、關鍵名詞、手寫講義，還有最常被問倒的地方。統計那一站往下還有生統的自學地圖。
三個問題定位你的設計，落點會畫出實驗設計圖或時間軸。符號沿用講義：R 隨機、E 實驗組、C 對照組、O 收資料、X 實驗處置。
設計定好之後，資料要怎麼分析 → 到選檢定。
這一區只講統計：上面選檢定，下面是自學地圖與手寫筆記。
依變項的測量尺度決定走哪一條線，組數與樣本關係決定停在哪一站。落點卡附 R 與 SPSS 兩種路徑，兩套並列對照，實作時挑手邊有的用。
理論這一區有兩張圖。上面是方法：九個格子涵蓋所有理論建構策略，點格子看步驟。下面是地圖：護理理論照抽象程度排成階梯，看得出誰站在哪一層。
直排是層次：概念、陳述、理論。橫排是策略：向別的領域借（衍生）、從資料長出來（綜合）、把現成的拆開（分析）。
Alligood 每一章都用同一套骨架分析理論家；你的理論評讀報告也照這九格填。WA6 那本筆記就是為這件事準備的。
正式指定的交件大綱，跟九宮格與 Alligood 骨架不完全相同——交報告照這個填。兩份作業合計佔小組成績 80%，各報告 30 分鐘、帶討論 90 分鐘。
指定的分析標的。以下是起點方向與最容易踩的坑，不是答案——八步驟的每一格要你自己讀文獻填。
越上面越抽象、越難直接拿來用；越下面越貼近臨床、越容易操作成變項。中範圍理論是碩論最常掛的一層。
版次提醒：課綱指定 Alligood 第 11 版（2025，Alligood & Hardin），本站整理自第 10 版——理論家與分層不變，但章號可能位移，引用頁碼前請對照手上那本。
名詞、易混淆概念、效度威脅，同一個框一起查；也可以點卡片整類瀏覽。快捷鍵 /。
四種題型混出：讀情境選檢定、選研究設計、看解釋選名詞、分辨易混淆概念。答了立刻對，錯的附解析。
同樣內容的純文字版：方便搜尋、列印，也讓沒有執行 JavaScript 的閱讀器讀得到。平常收著就好。
先講清楚研究在臨床裡是拿來做什麼的，以及實證實務怎麼長出來。
研究不是把單位的問題修好就算，它要能推論到單位以外。這一站先弄清楚研究、品管、實證實務三者的分工：品管改善這一床這一區的流程，研究產生可以外推的知識，實證實務則是把別人產生的知識用回自己的臨床。想清楚你手上的困擾屬於哪一種，後面十一站才不會走錯路。
關鍵名詞：實證實務 EBP、研究問題、量性／質性
常被問倒的地方：把「做研究」跟「做品管」混在一起講。品管是改善單一單位的流程，研究要能推論到單位以外。
把臨床上的困擾，收斂成一句可以被驗證的句子，並指定自變項與依變項。
把一句臨床上的抱怨，收斂成一句可以被資料推翻的句子。這一站要交出三樣東西：研究問題、研究目的、以及每個變項的概念型與操作型定義。判斷做完沒有的標準很簡單——把你的操作型定義交給另一個人，他能不能照著測出同一個東西。
關鍵名詞：research problem、purpose、objective、H₀、自變項、依變項、干擾變項、操作型定義
常被問倒的地方：概念型定義寫得很漂亮，操作型定義卻沒交代「實際上怎麼測、誰來判定」——口委一定從這裡切進來。
把已經知道的整理成一張圖，然後指出那塊還空著的地方，就是你的研究缺口。
文獻回顧不是把讀過的文章列出來，而是畫出一張「目前已知的地圖」，然後指出地圖上還空著的那一塊。檢索策略、納入排除條件要寫到別人能重跑一次；讀完之後你要能說出一句話：前人做到哪裡、還缺什麼、所以我要補哪一塊。
關鍵名詞：systematic review、meta-analysis、research gap、MeSH、Boolean、grey literature、risk of bias
常被問倒的地方：文獻寫成流水帳。回顧要收斂到「所以還缺什麼」，不是「有人做過 A、有人做過 B」。
決定要不要給處置、分幾組、量幾次；架構圖要把變項之間的箭頭畫清楚。
決定整個研究長什麼樣：要不要給處置、分幾組、量幾次、什麼時候量。同時把變項之間的關係畫成架構圖，每一個箭頭都要有文獻或理論撐著，不能是自己想的。這一站的產出會直接決定第 12 站能跑哪些統計。
關鍵名詞：conceptual framework、theoretical framework、橫斷式、縱貫式、RCT、quasi-experimental
常被問倒的地方：架構圖畫了箭頭卻沒有理論或文獻支持，等於自己畫的因果。
不給處置、不操控變項，只描述、比較或找關係。診斷準確性研究就住在這一條線上。
不給處置、不操控變項，只描述現況、比較差異或找關係。優點是可行性高、倫理阻力小，代價是講不了因果。診斷準確性研究、橫斷式調查、相關性研究都住在這條線上——寫作時特別小心動詞，沒有操控就不要出現「造成」。
關鍵名詞：descriptive、correlational、cross-sectional、cohort、case-control、retrospective、prospective
常被問倒的地方：相關性研究寫出因果語氣（「造成」「導致」）。沒有操控就只能說關聯。
隨機、操控、控制三個要素齊了才叫真實驗；缺一或缺二就是類實驗。
給了處置，就要回答三個問題：有沒有隨機分派、有沒有操控自變項、情境有沒有受控。三個都齊才叫真實驗，缺一或缺二就是類實驗。臨床上真正做得到三者齊備的很少，重點不是硬撐成真實驗，而是誠實標示設計類型並說明控制了什麼、沒控制什麼。
關鍵名詞：random assignment、manipulation、control、blinding、allocation concealment
常被問倒的地方：寫成「隨機分派」但實際上是照病房、照床號分——那是方便分組，不是隨機。
工具量得穩不穩（信度）、量到的是不是你要的東西（效度），兩件事要分開報。
工具好不好分成兩件事：量得穩不穩（信度）、量到的是不是你要的東西（效度）。這一站要決定用現成量表還是自己發展，並交代每一種信效度的實際數值。最常見的失分是只報 Cronbach's α 就說工具有效——α 屬於信度，跟效度是兩件事。
關鍵名詞：Cronbach's α、test-retest、Cohen's κ、CVI、construct validity、criterion validity
常被問倒的地方：只報 Cronbach's α 就當作「工具有效」。α 是內在一致性，屬於信度，跟效度是兩回事。
從誰身上收資料、收幾個、怎麼挑；樣本數要用檢定力算出來，不是憑感覺。
決定從誰身上收、收幾個、怎麼挑。樣本數要用 α、檢定力與預期效果量事前算出來，不是憑感覺或憑「以前的論文都收 100 個」。單一院所的方便取樣不是罪，寫清楚並在限制段說明推論邊界才是。
關鍵名詞：population、purposive sampling、convenience sampling、stratified、sample size、power、effect size、attrition
常被問倒的地方：單一院所的方便取樣寫成「具代表性」。該做的是誠實承認，然後在限制段說明推論邊界。
誰、在哪裡、用什麼表單、收到的資料怎麼存與清理，流程要能被別人照著做一遍。
把設計變成實際動作：誰、在哪裡、用什麼表單、收到的資料怎麼存與清理。這一站的判準是可複製性——換一個收案者照著你的流程走，收到的資料應該長得一樣。遺漏值怎麼處理要事前寫死，不能等分析時看結果再決定。
關鍵名詞：研究操作準則、項目負擔、閱讀水準、譯碼簿、先導研究、唯一識別碼、missing data、de-identification
常被問倒的地方：沒寫遺漏值怎麼處理。分析時才臨時決定，會被質疑是看結果挑方法。
知情同意、IRB 審查層級、隱私保護，還有四大原則：自主、不傷害、行善、正義。
知情同意、IRB 審查層級、隱私保護，背後是自主、不傷害、行善、正義四個原則。實務上最花時間的是送審與修正，所以計畫書寫作階段就要同步準備。匿名與保密是兩個不同的詞，送件寫錯會被退。
關鍵名詞：informed consent、IRB、exempt review、expedited review、anonymity、confidentiality、vulnerable population
常被問倒的地方：把匿名與保密當同義詞。匿名是連研究者都對不回是誰，保密是知道但不外洩。
先描述資料長什麼樣，再用檢定回答問題，最後把 p 值、信賴區間、效果量一起講。
先描述資料長什麼樣，再用檢定回答問題，最後把結果講成人話。報告時 p 值、效果量、95% 信賴區間三個一起給——p 值只說「這個差異不太可能是抽樣誤差」，說不出差異有多大、有沒有臨床意義。
關鍵名詞：descriptive statistics、p-value、95% CI、Type I error、Type II error、chi-square、t-test、ANOVA、regression
常被問倒的地方：只報 p 值。p 小不等於臨床有意義，95% CI 與效果量才看得出幅度。
照 IMRAD 把研究寫出來，再用同一套眼光去評別人的文章。
照 IMRAD 把研究寫出來，也用同一套眼光去讀別人的文章。評讀不是挑毛病，是判斷這篇的結論能不能用在你的病人身上。討論段要跟前人文獻對話：一致的說一致，不一致的要給得出解釋，限制要自己先講，不要等口委幫你講。最後兩段——未來研究建議與複製可能性——要跟前面的限制一一對得上：你講了什麼限制，就建議下一個人怎麼補；並且把方法寫到別人照著能重跑一次。
關鍵名詞：IMRAD、APA 7th、critique、信實度、audit trail、reflexivity、intervention fidelity、限制 limitations、replication、preregistration
常被問倒的地方：討論段只重述結果，以及未來建議寫成罐頭句（「建議擴大樣本數」「建議延長追蹤」）。建議要指名道姓地對應自己的限制；複製研究的描述要具體到別人照著能重跑。
找一群人給處置，結束後量一次。最簡單，也最沒有比較基礎。
例：60 位長青會老人上 8 週太極拳，訓練後測肌耐力與心肺功能。
強在哪：個案數少、流程單純；母群體稀少時可行；沒有前測就沒有測試效應。
弱在哪：沒有對照組，分不出是處置有效還是這群人本來就比較好；沒有前測，成熟或學習的影響去不掉。
有對照組但沒隨機，兩組結束後各量一次。
例：實驗組給穴位按壓、對照組只給常規指導，兩週後比較便祕改善。
強在哪：有比較組；不便做前測、或前測會嚴重干擾結果時適用。
弱在哪：兩組起點是否相同無從得知，基準不同就無法歸因給處置。
同一群人測兩次，中間夾處置，比前後差值。
例：吞嚥訓練護理方案改善巴金森氏病吞嚥障礙的前驅研究，10 位個案前後測。
強在哪：有前後測差異可佐證成效；樣本需求少，可行性高。
弱在哪：沒有對照組，選樣效應去不掉；重複測量會有練習造成的測試效應；結果推不到沒做過前測的人。
隨機分兩組，兩組都測前後測，只有實驗組拿到處置。介入型研究的標準款。
例：社交技巧訓練提升住院精神病患表達與溝通之成效。
強在哪：隨機分派排除選擇效應；前測可確認兩組基準同質；前測效應同時作用在兩組，可互相抵銷。
弱在哪：在自然情境裡很多干擾控制不了；若成熟與霍桑效應無法控制，實質上會退回類實驗。
隨機分兩組，都不做前測，只比結束後的結果。
例：穴位按壓對中風病患便祕之成效，以病房為單位隨機分兩組，按壓後兩週收資料。
強在哪：完全避開測試效應；不方便做前測時的首選。
弱在哪：沒有前測就無法驗證兩組起點同質，只能靠隨機化本身。
四組交叉：有無前測 × 有無處置，用來把測試效應本身量出來。
例：音樂治療對癌末病患生活品質，120 位均分四組。
強在哪：同時排除選樣效應與測試效應；四組同期進行，時間演進的干擾也一併控制。
弱在哪：要四組人，樣本需求大；統計處理繁瑣。
同時操控兩種以上的處置，看各自成效與交互作用。
例：三種衛教方式（衛教本、光碟、兩者併用）對心導管檢查病患知識與焦慮的影響。
強在哪：一次比較多種介入；可看交互作用。
弱在哪：組數多、樣本需求大；解讀交互作用比主效果難。
有對照組、有前後測，但分組不是隨機。臨床上最常見的一種。
例：纈草精油穴位按摩對重症病人睡眠成效，實驗組加精油按摩，對照組僅標準照護。
強在哪：前測可檢查兩組依變項是否同質（常用卡方），部分排除選樣效應；前測效應同時作用兩組。
弱在哪：未隨機化，干擾變項控制不完全，因果推論力低；結果推不到未做前測的族群。
處置前後各量好幾次，看趨勢有沒有在介入點轉折。
例：單位導入新流程前後各追蹤數個月的指標變化。
強在哪：多次測量可分辨「本來就在變」與「介入後才變」；也能用統計控制練習效應。
弱在哪：資料收集期長，個案流失與歷史事件的風險跟著變高。
兩組在不同時段輪流接受不同處置，每個人都當過自己的對照。
例：穴位按壓緩解老人便祕：A 組真穴位 7 天→休息→假穴位；B 組順序相反。
再細分：變體：等候名單設計——對照組排在名單上晚一點拿處置，倫理上沒有人被剝奪介入。完整設計卡在頁尾全文，名詞解釋也查得到。
強在哪：兩組都接受過處置，排除選樣效應；連續三次收資料，看得出成效穩不穩。
弱在哪：研究期拉長，成熟與練習效應變強；個案流失風險高；需要沖洗期避免殘留效應。
對照組不是不給處置，是排在等候名單上晚一點拿到；比較期結束後對照組也接受介入。
例：OSCE 訓練系統：A 組先用系統四週（B 組照常自習）→ 期中測 → 換 B 組用系統。
強在哪：倫理上沒有人被剝奪介入；每個人最後都拿到處置，招募較容易；延後組還能當第二次驗證。
弱在哪：等候期間對照組可能自尋其他資源（補償行為）；研究期拉長，成熟與流失風險上升；延後測量混入時間效應。
不給處置，把現況描述清楚：發生率、分布、樣態。可再分探索敘述、比較敘述、時間層面三種。
例：調查某群體胎兒酒精症候群現況，只能調查孕婦平日酒精攝取量，再與常模比較。
再細分：常見型式：調查研究、需求評估、次級資料分析、統合分析、德爾菲調查。
強在哪：變項無法操控、或倫理上不能分實驗與對照組時的正解；替後續實驗性研究鋪路。
弱在哪：只能描述與比較，說不出因果。
看 A 變動時 B 會不會跟著動，用相關係數表示強弱與方向。
例：結腸造口病患的自尊狀況與應對方式的相關性。
強在哪：能直接測變項間的關係；可涵蓋敘述性研究的目的，先描述再找關係。
弱在哪：不能比較組間差異、不能測因果，也沒有控制與操縱變項。
某一個時間點上，把一組或多組樣本的狀況一次收齊。
例：同一時間收集現有病人的判讀結果與參考標準，比較兩者一致性。
強在哪：省時、可行性高，適合看現況與盛行率。
弱在哪：因果先後說不清楚——要能合理推論變項的時序，還要有理論支撐。
同一群人追蹤一段時間，反覆收資料看變化。追蹤六個月以上是基本要求。
例：心臟移植病患出院後每月訪視一年，追蹤服藥順從性、生活品質與自我效能。
再細分：趨勢研究：同一母群多次抽不同樣本。世代分析：同一批人在固定時段內反覆分析。
強在哪：掌握得到變化的軌跡與速度，資料完整度高。
弱在哪：最大的敵人是個案流失與參與意願改變。
先看到結果，再往回查可能的原因。病例對照研究屬於這一類。
例：外科加護病房呼吸器相關肺炎的危險因素探討。
強在哪：罕見疾病、或曝露到發病要很久的題目，這是唯一做得動的路。
弱在哪：依賴回憶與既有紀錄，回憶偏差與資料缺漏都跑不掉。
先確認曝露，再往前追會不會發生結果。世代研究的主要走法。
例：1500 公克以下早產兒出生五天內腦壓平穩者，後續顱內出血情形。
強在哪：時序清楚，因果推論比回溯強。
弱在哪：費時費錢，個案流失會侵蝕結論。
用隨機取樣或隨機分派把研究對象分成實驗組與對照組，讓兩組在給處置之前盡量相同。
判準是「每個樣本被分到任一組的機會相同，而且不等於零」。這是控制干擾變項與中介變項最有效的方法——不是最方便的，是最有效的。
研究者主動給予自變項，再觀察依變項怎麼反應，而不是等它自然發生。
護理研究裡的操控可以是治療、措施、護理處置或衛教指導。例：精油按摩用在待產婦，自變項是精油按摩，依變項是焦慮程度與生理指標。
避免研究過程被干擾，以維持因果推論的可信度。
護理研究多在自然情境進行，做不到絕對控制，只能相對控制。三個原則：加大處置的變異量、控制無關變項、縮小不明的誤差。
真實驗性：隨機化、操控、控制三個要素同時具備
類實驗性：樣本未能隨機取樣；干擾變項或中介變項未獲得完全控制；不一定採用隨機取樣
真實驗性：用隨機取樣嚴謹控制干擾變項與中介變項，對印證因果關係極具說服力；隨機取樣較能確保兩組樣本的同質性 最重要：採隨機取樣並做好控制，內在效度高。
類實驗性：設計貼近實際情境，結果較容易應用到實務；對變項的限制較少，個案取得容易；情境無需太多控制，執行上比真實驗方便 最重要：選擇自然情境、對變項控制較小，外在效度高於真實驗。
真實驗性：控制過多變項，結果較缺乏普遍的代表性；情境過度人工化，難推論到實際情境，較不適用於社會人文科學；需控制的干擾與中介變項多，研究對象取得不易 最重要：控制過多變項、情境過度人工化，外在效度極低。
類實驗性：未採隨機分配取樣，諸多變項難控制，因果關係容易受爭議 最重要：諸多干擾變項未控制，內在效度低於真實驗。
發生在：病患樣本進入分組時
兩組在還沒給處置之前就已經不一樣，之後測到的差異分不清是處置造成的還是本來就有的。
控制方法：隨機分派
發生在：分組之後、接受處置期間
受試者或照顧者知道自己在哪一組，行為就跟著改變——對照組可能更努力，實驗組可能更配合。
控制方法：雙盲
發生在：追蹤期間
中途退出的人往往不是隨機退出的，可能正是效果不好或副作用大的那些人，只分析留下來的會高估效果。
控制方法：治療意向分析 ITT
發生在：結果評估時
評估結果的人如果知道對方是哪一組，判讀就容易偏向預期的方向，主觀性越高的指標影響越大。
控制方法：臨床結果評估者盲
像擲銅板一樣逐一分派。樣本小的時候兩組人數可能差很多。
每若干人為一區段，在區段內分派，確保任何時間點兩組人數都接近。
先依重要特質（例如疾病嚴重度）分層，再在各層內隨機，避免該特質集中在同一組。
依已入組者的特質動態調整下一位的分派機率，讓兩組基準線盡量平衡。
受試者隨時間自然長大或身心變化，成效被誤記在處置頭上。
對策：設對照組，讓自然變化同時作用在兩組。
研究期間發生預期外事件影響結果，長程或縱貫研究特別容易中招。
對策：縮短研究期、記錄期間重大事件、設同期對照組。
前測提醒了受試者，讓他們刻意注意相關內容；重複測還會有練習或疲倦。
對策：拉長測量間隔、用 ANCOVA 把前測當共變項校正、或加設對照組。
短時間的研究裡，變項本身就極容易隨時間改變，測到的變化未必來自處置。
對策：把測量時間點訂在變項穩定的區間；或改用時間序列，看趨勢而非單點。
沒隨機取樣或分派，兩組在給處置前就已經不同，基準線就有差。
對策：隨機分派；否則用前測檢查兩組同質性（常用卡方）。
量表或儀器本身不穩、不準，測到的變化不是真的變化。
對策：報再測、複本或折半信度與內容效度；儀器定期校驗。
極端高分與極端低分者，過一段時間會自己往平均靠，沒處置也一樣。
對策：不要只挑極端組收案；設對照組比較。
中途退出或死亡，剩下的人跟原本的樣本不再是同一群。
對策：記錄流失人數與原因，做流失分析比較退出與留下者。
分不出誰先誰後，因果就講不清。
對策：前測—介入—後測的順序寫死，時間點明確交代。
兩組互相往來，實驗組把內容告訴對照組，對照組被汙染。
對策：分不同單位或時段收案，減少兩組接觸。
研究者對拿不到處置的對照組過意不去，私下給了別的東西。
對策：處置流程標準化；研究團隊與照護團隊分開。
對照組知道自己沒拿到，反而卯起來表現。
對策：盲化組別，不強調誰是實驗組。
對照組覺得被差別待遇而放棄配合，結果被壓低。
對策：盲化；或改用等待名單設計，事後補給處置。
知道自己被觀察就改變行為，研究一結束又打回原形。
對策：雙盲；追蹤期拉長看行為是否維持。
因為新鮮好奇而改變表現，跟處置本身無關。
對策：延長觀察期，等新鮮感退去再測。
相信處置有效就真的好轉，或被告知是實驗組而產生預期。
對策：設安慰劑對照；不刻意強調成效，不標明誰是實驗組。
年齡、性別、地區限制越多，越難推論到別人身上。
對策：誠實寫出納入條件，限制段講清楚推論邊界。
實驗室裡控制得太完美，回到真實臨床就不成立。
對策：在自然情境收案，或另做實務場域的驗證。
全是志願者或樣本數太小，代表性不足。
對策：多中心收案；報告參與者與未參與者的差異。
差異 · 名義 · 一組｜一組類別資料的實際分佈，和預期比例差多少。 R：chisq.test() SPSS：分析 → 無母數檢定 → 歷史對話記錄 → 卡方
差異 · 名義 · 兩組 · 獨立｜兩群不同的人，某個有／沒有的比例差不差。期望次數 <5 用 Fisher。 R：fisher.test() chisq.test() SPSS：分析 → 敘述統計 → 交叉表 → 統計量勾「卡方」（2×2 會自動附 Fisher 精確檢定）
差異 · 名義 · 兩組 · 成對｜同一群人前後兩次的是／否有沒有翻轉。 R：mcnemar.test() SPSS：分析 → 敘述統計 → 交叉表 → 統計量勾「McNemar」
差異 · 名義 · 超過兩組 · 獨立｜三組以上的人，類別比例分佈是否相同。 R：chisq.test() SPSS：分析 → 敘述統計 → 交叉表 → 統計量勾「卡方」
差異 · 名義 · 超過兩組 · 成對｜同一群人被測三次以上的是／否有沒有變化。 R：cochran.qtest() SPSS：分析 → 無母數檢定 → 歷史對話記錄 → K 個相關樣本（勾 Cochran Q）
差異 · 序位 · 兩組 · 獨立｜兩群不同的人，名次或等第誰比較高。獨立 t 檢定的無母數版。 R：wilcox.test() SPSS：分析 → 無母數檢定 → 歷史對話記錄 → 2 個獨立樣本（Mann-Whitney U）
差異 · 序位 · 兩組 · 成對｜同一群人前後兩次的名次有沒有移動。 R：wilcox.test(paired=TRUE) SPSS：分析 → 無母數檢定 → 歷史對話記錄 → 2 個相關樣本（Wilcoxon）
差異 · 序位 · 超過兩組 · 獨立｜三群以上不同的人，等第分佈誰高誰低。事後用 Dunn。 R：kruskal.test() SPSS：分析 → 無母數檢定 → 歷史對話記錄 → K 個獨立樣本（Kruskal-Wallis H）
差異 · 序位 · 超過兩組 · 成對｜同一群人被測三次以上的名次變化。 R：friedman.test() SPSS：分析 → 無母數檢定 → 歷史對話記錄 → K 個相關樣本（Friedman）
差異 · 等距／等比 · 一組 · σ 已知｜母群體標準差 σ 已知（或樣本很大）時，比較一組平均與已知標準。σ 未知就走 t 檢定——實務上幾乎都是 t。課程第 7 週與 t 檢定同一週上。 R：BSDA::z.test(x, sigma.x=) SPSS：SPSS 無內建；用單一樣本 T 檢定近似，或自行以公式計算
差異 · 等距／等比 · 一組｜一組人的平均值，和某個已知標準差多少。 R：t.test(x, mu=) SPSS：分析 → 比較平均數法 → 單一樣本 T 檢定
差異 · 等距／等比 · 兩組 · 獨立｜兩群不同的人平均值差不差。變異數不等用 Welch。 R：t.test(x~g) SPSS：分析 → 比較平均數法 → 獨立樣本 T 檢定（Levene 不顯著看上列，顯著看下列）
差異 · 等距／等比 · 兩組 · 成對｜同一群人前後兩次的平均值差多少。檢定的是差值的常態性。 R：t.test(x,y,paired=TRUE) SPSS：分析 → 比較平均數法 → 成對樣本 T 檢定
差異 · 等距／等比 · 超過兩組 · 獨立｜三群以上不同的人平均值誰高誰低。顯著後做事後比較。 R：aov() TukeyHSD() SPSS：分析 → 比較平均數法 → 單因子變異數分析（Post Hoc 勾 Tukey 或 Scheffé）
差異 · 等距／等比 · 自變項兩個以上｜兩個以上自變項一起檢驗。主效果之外多了交互作用——交互作用顯著時先拆單純主效果，別急著解讀主效果。課程第 11、12 週連上兩週（期中考在第 9 週之後），屬期末考範圍。 R：aov(y ~ A*B) SPSS：分析 → 一般線性模式 → 單變量（固定因子放兩個自變項，看交互作用列）
差異 · 等距／等比 · 超過兩組 · 成對｜同一群人被量三次以上的平均值變化。需符合球形假設。 R：aov(+Error()) / lme SPSS：分析 → 一般線性模式 → 重複量數（Mauchly 違反看 Greenhouse-Geisser 列）
關聯 · 名義｜兩個類別變項的關聯強度；或用類別結果做預測。 R：assocstats() glm(family=binomial) SPSS：分析 → 敘述統計 → 交叉表 → 統計量勾 Phi 與 Cramer V；預測用 分析 → 迴歸 → 二元 Logistic
關聯 · 序位｜兩個排名變項是不是一起上一起下。 R：cor(method="spearman") SPSS：分析 → 相關 → 雙變數（勾 Spearman 或 Kendall）
關聯 · 等距／等比｜兩個連續變項的線性關係強度；或用它們預測結果。 R：cor.test() lm() SPSS：分析 → 相關 → 雙變數（Pearson）；預測用 分析 → 迴歸 → 線性
集中趨勢、離散、分布形狀 R：summary() sd() hist() boxplot()
驗收：看著一張分布圖能說出該用平均數還是中位數，以及為什麼。
描述統計要回答的只有一件事：這批資料長什麼樣子。集中趨勢講中心在哪——平均數受極端值拉扯，中位數不會，所以住院天數、醫療費用這種右偏的資料報中位數才誠實。離散講散開的程度，標準差配平均數、四分位距配中位數，兩兩成對出現，不要混搭。分布形狀看偏態與峰度，也決定了後面能不能走參數檢定這條路。實務上先畫直方圖跟盒鬚圖再算數字，圖會先告訴你有沒有離群值、要不要換成中位數。論文的表一幾乎就是這一塊的產物。
常態分布、z 分數、中央極限定理、抽樣分布 R：rnorm() pnorm() qnorm()
驗收：能解釋樣本夠大時，平均數的分布為何會趨近常態。
這塊是推論統計的引擎室。常態分布給你一把尺，z 分數把任何測量換算成「距離平均幾個標準差」，不同量表因此可以互相比較。真正關鍵的是抽樣分布——不是資料的分布，是「統計量」的分布：想像重複抽無數次樣本，每次算一個平均數，這些平均數自己會形成一個分布。中央極限定理說，只要樣本夠大，這個分布會趨近常態，而且不管原始資料是不是常態。這就是為什麼一份偏態的資料仍然可以對它的平均數做檢定。標準誤是這個抽樣分布的標準差，跟標準差不是同一件事，兩者混用是很常見的錯。
虛無與對立假設、α、p 值、型一型二錯誤、檢定力 R：先用模擬理解 p 值，不急著跑檢定
驗收：能用白話講對 p 值：假設虛無為真，看到這種或更極端結果的機率。
整個推論統計都建立在一個反證的動作上：先假設沒有差異（虛無假設），再問「如果真的沒差，我會看到現在這種資料的機率有多低」。低到說不過去，就推翻虛無。p 值就是那個機率，它不是「虛無為真的機率」，也不是「效果的大小」——這兩個誤解幾乎是所有統計錯誤的源頭。α 是你事先願意承擔的誤判風險，通常 .05，指的是型一錯誤：明明沒差卻說有差。型二錯誤反過來，明明有差卻沒抓到，機率是 β，而檢定力就是 1−β。p 值顯著只說「不太可能是巧合」，效果量才說「差多少」，兩個都要報。這塊懂了，後面每一種檢定都只是換公式而已。
單樣本／獨立／成對；常態與變異數同質的前提 R：t.test()
驗收：拿到題目能判斷該用哪一種 t 檢定。
比平均數的三兄弟。單樣本比的是一群人跟一個已知標準；獨立樣本比兩群不同的人；成對樣本比同一群人的前後兩次。判斷用哪一種，關鍵在「這兩筆數字是不是同一個人身上來的」——同一個人就走成對，成對檢定的是差值，因此常態性要看的是差值而不是原始分數。獨立樣本要先看變異數同質（Levene 檢定），不同質就改用 Welch 校正，R 的 t.test() 預設就是 Welch。樣本很小又明顯不常態，改走無母數的 Mann-Whitney 或 Wilcoxon。課程第 7、8 週上這塊，也是期中筆試的主戰場。
為何三組以上不能一直做 t 檢定、F 值、事後比較 R：aov() TukeyHSD()
驗收：能說出 ANOVA 顯著後為什麼還要做事後比較。
三組以上為什麼不能兩兩做 t 檢定？因為每做一次就冒一次型一錯誤的風險，做三次，整體犯錯的機率就從 .05 膨脹到接近 .14。ANOVA 用一次檢定處理全部，靠的是把總變異拆成組間與組內兩塊，F 值就是這兩塊的比值：組間比組內大得夠多，就表示分組真的有解釋力。但 F 顯著只告訴你「至少有兩組不一樣」，沒告訴你是哪兩組——所以要接事後比較，Tukey、Scheffé、Bonferroni 都是在控制膨脹的錯誤率下把兩兩比完。前提跟 t 檢定同一套：常態、變異數同質、觀察值獨立。
適合度 vs 獨立性、期望次數、類別變項 R：chisq.test()
驗收：能判斷什麼樣的資料用卡方而不是 t 或 ANOVA。
前面幾塊都在比平均數，卡方比的是次數。資料是「幾個人屬於哪一類」而不是「每個人幾分」，就走這條。兩種用法：適合度檢定問一組類別的實際分布跟預期比例差多少；獨立性檢定問兩個類別變項有沒有關聯，資料排成交叉表。核心概念是期望次數——如果兩個變項真的無關，每一格應該有幾個人，實際與期望差越多，卡方值越大。期望次數小於 5 的格子太多，卡方就不可靠，2×2 表改用 Fisher 精確檢定。同一群人前後兩次的是與否要走 McNemar，不是卡方，這一題很愛考。
Pearson r、簡單線性迴歸、R²、係數解讀 R：cor() lm() summary(lm)
驗收：能讀懂 lm 輸出的係數與 p 值。
相關問的是兩個連續變項有沒有一起動，Pearson r 介於 −1 到 1，只講強度與方向，沒有誰預測誰。迴歸多了方向性：用 X 去預測 Y，寫成 Y = a + bX，斜率 b 的意思是「X 每增加一單位，Y 平均變動多少」。R² 是 r 的平方，解讀成「Y 的變異有多少比例被 X 解釋掉」。這塊是後面所有模型的母體——邏輯斯迴歸、GLM、多層次模型全都是從這個式子長出來的，所以它值得花時間磨。最常見的錯是把相關當因果，以及在資料範圍外硬套預測（外推）。
兩個以上自變項與交互作用；課程第 11–12 週
兩個以上的類別自變項、一個連續依變項，例如比較三種衛教方式與性別對自我效能的效果，這是一個 3×2 設計、六個細格。它比單因子多了一件單因子做不到的事：交互作用——一個自變項的效果會隨另一個自變項的層級而改變。判讀順序是死的：先看交互作用，顯著就暫緩解讀主效果，改拆單純主效果（固定一個因子的層級，再看另一個）；不顯著才各自解讀主效果。用剖面圖判斷最直觀，兩條線平行表示沒有交互作用，不平行甚至交叉就是有。效果量報偏 eta 平方。課程排了整整兩週，是全學期唯一被排兩週的主題，期末必考。
一個自變項預測一個連續結果；課程第 13 週
從相關往前走一步：不只問兩個變項有沒有一起動，而是用 X 去預測 Y。方程式 Y = a + bX 裡，截距 a 是 X 為零時的預測值（很多時候沒有實質意義，別硬解讀），斜率 b 才是重點——X 每增加一單位，Y 平均變動多少。這條線怎麼畫出來的？最小平方法：讓每一點到線的垂直距離（殘差）平方和最小。R² 講這條線解釋掉多少變異，但 R² 高不代表模型對，可能只是外插到了資料範圍以外。前提有四項：線性、殘差常態、變異數同質、觀察值獨立，每一項都靠殘差圖檢查，不是靠感覺。
多個自變項同時預測；調整後 R²、共線性 VIF；課程第 14 週
多個自變項同時進模型，最關鍵的概念是偏迴歸係數：每個係數的意思是「控制住其他所有自變項之後」，這一個變項自己的效果。這句話是多元迴歸的全部價值所在，也是最常被寫錯的地方。R² 有個先天問題——變項放越多它一定不會降，所以要看調整後 R²，它會為多餘的變項扣分。整體模型看 F 檢定，個別變項看 t 檢定，兩者問的問題不同。類別變項要轉虛擬變項，而且一定要交代參考組是誰，不然讀者無法解讀方向。共線性用 VIF 看，自變項之間高度相關會讓係數不穩甚至變號。
分區塊投入變項看 R² 變化量；最佳方程式的選法；課程第 15 週
階層迴歸是研究者依理論決定投入順序：先放人口學變項當第一區塊，再放你真正關心的變項當第二區塊，看第二區塊帶來的 R² 變化量顯不顯著。這樣才能宣稱「在控制了年齡與性別之後，這個變項仍有額外解釋力」。它跟逐步迴歸的差別是根本性的——階層由研究者依理論決定，逐步由電腦依統計量決定，後者容易做出理論上說不通的模型，期刊審稿人多半不買單。判斷準則要分清楚：R² 看解釋量、調整後 R² 看有沒有為多餘變項付代價、F change 看每一區塊的增量、AIC 與 BIC 用在模型互相比較。
資料型態決定該用哪種圖；課程第 4 週（SPSS 製表與繪圖）
課程第 4 週整堂在講「算完之後怎麼呈現」——SPSS 怎麼製表、怎麼繪圖。這件事很容易被當成美工，其實它是統計判讀的一部分：選錯圖會把真正的訊息藏起來。心法只有一句，先問「我要讓人看出什麼關係」，再選圖，不是先挑一張好看的圖再把資料塞進去。比大小用長條，看一群數字的形狀用直方圖或盒鬚圖，看兩個連續變項的關係用散布圖，看隨時間變化用折線。前提檢查也靠圖：跑 t 檢定或 ANOVA 之前先畫 Q-Q 圖驗常態，這一步比事後補檢定有用。期末筆試考的是「看報表寫判讀」，圖表怎麼讀、怎麼選，就是同一種能力的兩面。完整對照見下方的圖表速查。
從樣本推論母群體的整套邏輯，把資料尺度、描述統計與假說檢定接起來。
這一集是把地基七塊串成一條線。核心是母群體與樣本的關係：我們永遠只摸得到樣本，卻想講母群體的事，中間靠的就是機率。資料尺度（名義、序位、等距、等比）決定了後面能用哪些統計方法，這是選檢定的第一個分岔點，也是站上檢定樹的第一個問題。描述統計負責把樣本講清楚，推論統計負責從樣本跨到母群體。把這一集聽完再往下走，00–22 每一集要解決的問題是什麼會清楚很多。
機率與非機率抽樣怎麼選，抽樣誤差從哪裡來。
抽樣決定了你的結果能推論到誰身上，也就是外在效度的天花板。機率抽樣（簡單隨機、系統、分層、叢集）每個人被抽中的機率已知，才能估計抽樣誤差；非機率抽樣（方便、立意、雪球、配額）做不到，但護理臨床研究因為現實限制大量使用方便取樣，所以限制那一段要老實寫。分層抽樣的重點是層內同質、層間異質，適合母群體有明顯次族群的時候；叢集抽樣抽的是單位不是個人，例如整個病房，分析時要留意資料不獨立。抽樣誤差是隨機的、可以估計，抽樣偏誤是系統性的、加大樣本救不回來。
事前用 α、檢定力與預期效果量算出要收幾個人。
四個量互相牽制：α、檢定力、效果量、樣本數，定了其中三個，第四個就決定了。研究計畫書要做的是事前估計——設定 α 為 .05、檢定力 .80，再從文獻或前驅研究抓一個預期效果量，反推需要幾個人。效果量從哪來是這一塊最務實的難題，抓太大會低估樣本數，收完發現不顯著也解釋不了。事後檢定力分析（收完才算）幾乎沒有意義，因為它跟 p 值是同一個資訊的兩種說法。實務工具是 G*Power，要記得不同檢定選不同的檢定家族。樣本數估計是 IRB 與口試委員一定會問的一題。
資料不符常態或樣本太小時的替代路線。
參數檢定要求資料符合特定分布（多半是常態），無母數不要求，改用等第或符號來做。對應關係要背熟：獨立 t 檢定對 Mann-Whitney U，成對 t 檢定對 Wilcoxon 符號等級，單因子 ANOVA 對 Kruskal-Wallis，重複測量對 Friedman。什麼時候換？樣本很小、明顯偏態、或依變項本身就是序位尺度（像李克特單題、疼痛分級）。代價是檢定力較低，資料真的常態時用無母數會比較不容易抓到差異。報告寫法也不一樣，中位數與四分位距取代平均數與標準差。
用一組變項預測結果，係數怎麼解讀、模型撐不撐得住。
這一集是整個系列的樞紐——邏輯斯迴歸、GLM、Poisson、多層次、GEE 全部是它的變形，量表驗證那一支的 SEM 也建立在同一套迴歸思維上。要帶走的是三件事：係數怎麼解讀（控制其他變項後的邊際效果）、模型解釋力怎麼看（R² 與調整後 R²）、前提假設怎麼檢查（殘差常態、變異數同質、獨立、線性、共線性）。這一集聽懂了，07 到 09 只是把依變項從連續換成二元、次數或其他分布；17、18 只是把「觀察值獨立」這個假設放寬。它值得多聽兩次。
量表穩不穩、量到的是不是你要的東西。
信度問穩不穩，效度問準不準——穩定卻量錯東西是完全可能的，這就是那張靶心圖要講的事。信度看內部一致性（Cronbach α）、再測信度、評分者間信度（Kappa 或 ICC）。效度分內容效度（專家評，算 CVI）、效標關聯效度（跟黃金標準比）、建構效度（靠因素分析驗證結構）。實務上的順序是先有內容效度再談其他，因為題目本身就選錯了，後面的統計再漂亮也沒用。α 值高不等於單一構念，只是題目彼此相關；要證明結構還是得走 EFA 與 CFA。這一集是 10–13 那一支的入口。
敏感度與特異度、切點怎麼定、AUC 怎麼讀。
這一支是你論文的主線工具。敏感度問「有病的人裡抓出幾個」，特異度問「沒病的人裡放過幾個」，兩者互相拉扯——切點放寬敏感度上升、特異度下降。ROC 曲線就是把所有可能切點的這組取捨畫成一條線，曲線下面積 AUC 是整體區辨能力，.5 等於瞎猜、.7 到.8 算可接受、.8 以上算好。切點怎麼選要看用途：篩檢工具優先保敏感度（寧可誤報也不要漏掉），確診工具優先保特異度。陽性與陰性預測值會隨盛行率變動，這一點在推論到不同場域時特別重要。報告要照 STARD 指引。
結果是有或沒有時用的迴歸，輸出是勝算比。
依變項是二元（有／沒有、成功／失敗）時用的迴歸。為什麼不能直接用線性迴歸？因為機率被限制在 0 到 1 之間，線性模型會預測出範圍外的值。解法是把機率做 logit 轉換，拉成負無限大到正無限大的尺度再建模。係數取指數就是勝算比 OR：大於 1 表示勝算變大，小於 1 變小，等於 1 沒關聯。連續變項的 OR 解讀成「每增加一單位」，類別變項是「相對於參考組」，所以參考組一定要交代。它不需要依變項常態、也不需要變異數同質，這是跟線性迴歸最大的假設差異。樣本量的經驗法則是每個自變項至少十個事件。最常見的錯是把 OR 當相對風險解讀。
把線性迴歸推廣到不是常態分布的結果變項。
GLM 是把線性迴歸、邏輯斯迴歸、Poisson 迴歸收在同一個框架底下的說法。它把模型拆成三個零件：隨機成分（依變項服從哪個分布）、系統成分（自變項的線性組合）、連結函數（把兩者接起來的橋）。依變項常態、連結函數用恆等式，就是普通線性迴歸；依變項二項、連結用 logit，就是邏輯斯迴歸；依變項 Poisson、連結用 log，就是次數模型。理解這個框架的好處是，你不用把每種迴歸當成獨立的東西背，而是看依變項的性質去選分布與連結。18 的 GEE 就是在這個框架上再處理資料不獨立的問題。
結果是次數時用的模型；過度離散就改負二項。
依變項是一段時間內發生幾次的計數資料——跌倒次數、再入院次數、感染件數——就走這條。Poisson 分布有個很強的假設：平均數等於變異數。真實的臨床資料常常不符合，變異數遠大於平均數，這叫過度離散 overdispersion，硬用 Poisson 會低估標準誤、把不顯著的東西做成顯著。這時候改用負二項迴歸，它多一個離散參數來吸收多出來的變異。如果零特別多（很多人一次都沒發生），還有零膨脹模型可以走。係數取指數解讀成發生率比 IRR。觀察時間長短不同的人要放 offset。
題目背後到底有幾個因素，先探索出來。
手上有一堆題目，但不知道背後有幾個構念，就用 EFA 把結構探出來。流程是：先檢查資料適不適合做（KMO 值與 Bartlett 球形檢定），再決定抽幾個因素（特徵值大於 1、陡坡圖、平行分析，其中平行分析最可靠），再做轉軸讓因素負荷量的樣態變清楚。轉軸分兩類，直交（varimax）假設因素之間不相關，斜交（promax）允許相關——心理與護理的構念多半彼此相關，斜交通常比較合理。判讀看因素負荷量，一般以 .40 或 .50 為門檻，同時在兩個因素上都高的題目叫交叉負荷，通常刪掉。EFA 是探索，不是驗證。
驗證事先假設的因素結構撐不撐得住。
跟 EFA 相反：CFA 是你已經有理論或前人研究說「這份量表有三個構念、哪幾題屬於哪一個」，用資料去檢驗這個結構撐不撐得住。做法是把模型設定死，再看適配指標——卡方值（樣本大就容易顯著，不能單看）、CFI 與 TLI（大於 .90 可接受、.95 較佳）、RMSEA（小於 .08 可接受、.06 較佳）、SRMR（小於 .08）。指標不好可以參考修正指標調整模型，但每一次調整都要有理論說得通的理由，純為了衝指標而改是過度配適。跨族群要比較時還要做測量恆等性檢驗，否則分數不能直接比。
同時處理測量模型與變項間的結構關係。
SEM 把兩件事合在一起做：測量模型（觀察到的題目怎麼反映背後看不見的潛在變項，也就是 CFA 那一塊）與結構模型（潛在變項之間誰影響誰）。好處是它把測量誤差納入估計，所以路徑係數比用加總分數跑迴歸更接近真值；也能一次檢驗一整套理論假設，包含中介路徑。代價是樣本要大、模型要有理論根據，而且適配好不等於因果成立——SEM 檢驗的是「資料與你提的模型相容」，不是「你的模型是對的」，同一組資料常常有好幾個適配同樣好的模型。報告要附路徑圖與標準化係數。
中介問「透過什麼」，調節問「在誰身上比較強」。
兩個很容易混的問題。中介 mediation 問機制：X 是透過 M 影響 Y 的嗎？例如衛教透過提升自我效能來改善自我照顧行為。現在的作法是直接檢定間接效果的顯著性，用 Bootstrap 取信賴區間，區間不跨 0 就成立，早年的 Baron & Kenny 四步驟已經不是主流。調節 moderation 問條件：X 對 Y 的效果在誰身上比較強？做法是放交互作用項，跟多因子 ANOVA 的交互作用是同一件事，只是自變項可以是連續的。顯著後要畫簡單斜率圖，分層呈現。兩者也可以合併成調節式中介。
兩位評分者或兩次測量一致到什麼程度。
一致性不能只算「答案相同的比例」，因為就算兩個人亂猜也會有一部分碰巧一致。Kappa 的作用就是把碰巧一致的部分扣掉，只留下超出機遇的一致程度。用在類別資料，例如兩位護理師判斷傷口分期是否相同；有序類別可以用加權 Kappa，讓差一級跟差三級的懲罰不一樣。連續資料則用 ICC，它同時考慮相關與絕對一致，不同的模型設定（單向或雙向、一致性或絕對同意、單一或平均評分者）算出來的值不同，論文要交代用哪一種。判讀慣例是 .40 以下差、.40 到 .75 可接受、.75 以上好。你的研究要做雙人標註，這一塊會直接用到。
兩種測量方法能不能互換，看差值與一致性界限。
兩種測量方法能不能互相取代，不能用相關係數來回答——相關高只代表兩者一起上下，即使其中一台永遠多量 5 度，相關仍然接近 1。Bland-Altman 的作法是畫圖：橫軸放兩種方法的平均值，縱軸放兩者的差值，看差值散在哪裡。平均差值叫偏誤 bias，代表系統性的高估或低估；再畫出平均差值上下 1.96 個標準差的一致性界限，代表 95% 的差值會落在這個範圍。判斷的關鍵是臨床上能不能接受這個範圍，這是專業判斷不是統計判斷。也要看差值有沒有隨測量值大小而變化。
多切點、分層，以及參考標準不完美時怎麼辦。
06 講的是單一切點與單一 AUC，這一集處理現實裡更麻煩的狀況。多切點時怎麼選最佳切點，Youden 指數是常見作法，但它假設誤判兩種方向的代價一樣，臨床上通常不是。不同族群的表現要分層報告，因為 AUC 會隨盛行率與病情嚴重度變動。參考標準不完美是最頭痛的一題——當黃金標準本身就會錯，算出來的敏感度與特異度都是有偏的，處理方式包括潛在類別分析或設定複合參考標準。還有兩種比較：同一群人身上比兩個工具的 AUC 要用相關樣本的方法，不能當成獨立樣本。
同一群人測多次，資料不獨立就要用這個。
同一個人被量三次以上，這些數字彼此不獨立——同一個人的分數本來就比較像，直接用一般 ANOVA 會低估誤差。傳統作法是重複測量 ANOVA，但它有兩個現實上的痛點：球形假設常被違反（要看 Mauchly 檢定，違反就用 Greenhouse-Geisser 校正自由度），以及只要有一個時間點缺失，整個人就被剔除。混合效應模型是現在比較好的選擇：它把個體差異當成隨機效果處理，允許每個人有自己的起點甚至自己的斜率，而且能容忍不完整的資料與不等距的測量時間。縱貫性介入研究幾乎都往這裡走。
叢集或重複測量資料的族群平均效果。
跟 17 處理同一個問題——資料不獨立——但立場不同。混合模型估計的是「同一個人身上」的效果（受試者特定），GEE 估計的是「整個族群平均而言」的效果（族群平均）。要回答「這個介入對整體族群的平均效果是多少」，GEE 比較直接。它的做法是先指定一個工作相關結構（可交換、自迴歸、無結構），再用穩健標準誤修正——就算相關結構猜錯，係數估計仍然一致，這是它最好用的特性。依變項可以是連續、二元或次數，因為它建立在 GLM 的框架上。叢集抽樣（整個病房為單位）的資料也走這條。
統合分析把各研究的效果量合起來，固定與隨機效應差在哪。
統合分析把多篇研究的效果量合成一個總估計，權重通常照變異數倒數給——樣本大、精確度高的研究講話比較大聲。兩種模型的差別在對「真實效果」的假設：固定效應假設所有研究在估計同一個真值，差異純粹來自抽樣誤差；隨機效應假設各研究的真值本來就不同（因為族群、介入劑量、場域不一樣），要多估一個研究間變異。護理領域的研究異質性通常大，隨機效應是比較誠實的預設。隨機效應的信賴區間會比較寬，小型研究的權重相對變大。結果用森林圖呈現，這是你系統性回顧的主要產出。
各研究之間差多少，以及有沒有發表偏差。
合併之前要先問「這些研究能不能合」。異質性用 Q 檢定與 I² 看，I² 是總變異裡有多少比例來自研究之間的真實差異而非抽樣誤差，慣例上 25% 低、50% 中、75% 高。異質性高不是把研究丟掉的理由，而是提示你去找原因——用次群組分析或統合迴歸看是哪個特徵造成的。發表偏差用漏斗圖看：把效果量對精確度畫散布圖，沒有偏差時應該對稱成漏斗形，缺一角通常代表小型的陰性結果沒被發表。Egger 檢定量化不對稱，但研究數少於十篇時檢定力太低，判讀要保守。
遺漏值不是刪掉就好，插補要保留不確定性。
缺失值直接刪掉會有兩個代價：樣本變小、以及如果缺得不隨機，剩下的樣本就有偏。先分辨缺失機制：完全隨機缺失（MCAR）刪掉還算安全，隨機缺失（MAR）可以用其他變項預測補回來，非隨機缺失（MNAR）最麻煩，缺失本身跟結果有關。用單一數值（例如平均數）填補是壞作法，它假裝我們對填進去的值有十足把握，會讓標準誤被低估。多重插補的邏輯是產生多份完整資料集，每一份的填補值都帶著隨機變異，各自分析後再依規則合併，這樣不確定性才會被誠實地反映在信賴區間裡。
一次比很多次，型一錯誤會膨脹，要校正。
同一份資料上做越多次檢定，至少犯一次型一錯誤的機率就越高——做二十次，即使全部都是虛無為真，期望上也會有一次「顯著」。校正就是在控制這件事。Bonferroni 最保守，把 α 除以檢定次數，簡單但檢定力損失大，比較次數多的時候幾乎什麼都測不出來。Holm 是逐步版本，一樣控制族系錯誤率但比較有效率。FDR（Benjamini-Hochberg）換一個角度：不控制「有沒有犯錯」，而是控制「宣稱顯著的那些裡面有多少比例是誤報」，適合探索性分析與大量比較。要用哪一種，取決於誤報的代價有多高。
什麼時候用：你的現象還沒有合用的概念可以指稱，護理文獻幾乎是空白，但別的學科可能早就有話講。
怎麼走：把該主題現有文獻讀熟，確認真的沒有現成概念可用。 到別的領域找看事情的新角度。 挑一個能對應你現象的概念。 把它重新定義成護理情境裡說得通的樣子。
產出：一個借過來、重新定義過的新概念。
小心：不是換個名詞就算衍生。沒有重新定義，只是把別科的術語搬進護理。
什麼時候用：你知道兩個變項可能有關，但講不出關係的形狀；別的領域有現成的關係句可以借。
怎麼走：讀熟現有文獻，並評估現有的陳述夠不夠用。 到別的領域找新的關係說法。 挑選並改寫那個關係句。 把原本的概念換成你的護理概念。
產出：一句可以再往下檢驗的關係陳述。
小心：借來的關係在原領域成立，不代表換了變項還成立——那是待驗證的假設，不是結論。
什麼時候用：整個現象缺一套解釋架構，而別的學科有結構相似的理論可以類比。
怎麼走：熟悉該主題現有的理論發展到哪裡。 用類比找到可借的母理論。 把母理論的結構抽出來。 用護理的概念把結構重新填滿。
產出：一套結構借來、內容重寫的新理論。
小心：跟兩個近親分清楚：微調現有理論是 adaptation，把構念接到實徵指標是 substruction，都不是衍生。
什麼時候用：臨床上看得到、講得出來，但還沒有名字的現象。質性、量性、文獻三種取徑都可以走。
怎麼走：大量接觸該領域的資料，直到理論飽和。 邊看邊分類，初期刻意讓分類鬆一點。 找出反覆聚在一起的現象叢集。 為叢集命名並給出定義。
產出：一個從資料長出來、之前沒有的新概念。
小心：太早收斂到一個名字，後面的資料就只會被塞進既有格子。
什麼時候用：手上有觀察或資料，想把它變成一句可以推廣的關係。
怎麼走：從觀察走到推論——質性或量性方法都行。 把具體的推論一般化成比較抽象的陳述。 在兩個動作之間來回修，不必一次到位。
產出：一句有資料撐著的關係陳述。
小心：一般化跨太大步，陳述會抽象到無法檢驗。
什麼時候用：某個主題已經累積不少各自成立的關係，缺的是把它們組成一個整體。
怎麼走：指定焦點概念，或先框出幾個焦點概念組成的架構。 蒐集與焦點概念有關的關係陳述。 用圖把這些關係組織起來。 整理成一個有結構的理論。
產出：一張把既有發現接起來的理論架構圖。
小心：圖畫得出來不等於理論成立，每條線都要有來源。
什麼時候用：一個詞大家都在用但各說各話，或你要把它變成可以測量的東西。碩班作業最常做這一格。
怎麼走：選定概念。 決定分析的目的。 找出這個概念所有能找到的用法。 決定定義性屬性。 寫出模範案例。 寫出邊界、相關、相反、虛構、不合法案例。 找出前置因素與結果。 定出實徵指標。
產出：一個精準的定義、一組定義性屬性，以及可以拿去發展工具或題目的實徵指標。
小心：步驟是來回跑的不是直線。選概念要挑做得動的：太原始的只能靠舉例定義，太大傘的會包含好幾種意思。
什麼時候用：你要評一句別人寫的關係句站不站得住，或要把自己的假設先自我檢查一遍。
怎麼走：選定要分析的陳述。 把陳述簡化。 分類這個陳述。 檢查句中概念的定義與效度。 標出概念之間關係的類型、方向與對稱性。 檢驗邏輯。 判斷可否檢驗。
產出：一份說得出「這句話哪裡不穩」的評析。
小心：最後一步最常被跳過：講得再漂亮，不能檢驗就無法進入研究。
什麼時候用：選理論當研究架構之前，或課堂上要評一個理論的時候。
怎麼走：指出理論的來源。 檢視理論的意義。 分析邏輯適當性。 判斷有沒有用。 界定可推廣程度與簡約性。 判斷可否檢驗。
產出：一份可以拿來說明「為什麼選它當架構」的理由。
小心：別只讚美。分析要講得出它的邊界在哪、哪裡推不過去。
講的是護理的本質與價值，不直接給你變項，但決定你怎麼看病人。
護理的工作是把病人放進最好的環境，讓身體自己的痊癒力發揮。她用 surroundings 這個詞，指的是通風、保暖、光線、飲食、清潔與安靜六件事。談環境與感染控制時的源頭。
照護是護理的道德理想，不是附加的親切。透過十個 caritas 過程與病人建立超越表面的照護關係。關懷行為、靈性照護、護病關係的質性研究常引。
照護在醫院這種科層組織裡會被政治、經濟、法律與倫理拉扯，組織與照護互相形塑。適合談管理制度如何影響照護品質。
借 Dreyfus 技能習得模式，把護理能力分成新手、進階新手、勝任、精通、專家五階。專家靠的是累積的情境經驗，不是背規則。臨床能力進階與教育訓練的理論後盾。
護理奠基於對生命的照顧與鄰人之愛。人的依賴不是缺陷，而是人的處境本身，照護因此有倫理的重量。
caritas 是愛與慈悲的合一。受苦是照護的核心現象，護理要做的是減輕受苦，而不只是處理疾病。談尊嚴與受苦時很好用。
把人、環境、健康、護理四個核心概念組成一套完整世界觀，範圍大、可導出多個理論。
護理透過四個保存原則協助病人適應：能量、結構完整、個人完整、社會完整。重症與活動耐受相關的照護容易對得上。
人與環境是不可分割的能量場，持續互動、不可逆地朝更複雜的模式演變。抽象度極高，適合當哲學立場，不容易直接操作成變項。
由自我照顧、依賴性照顧、護理系統三個理論組成。核心判斷很簡單：當自我照顧能力小於需求，缺口出現，護理才介入。慢性病自我照顧與衛教成效研究的常客。
個人、人際、社會三個系統互相影響；護病透過溝通互相設定目標，達成才算有效。共同決策與目標設定型介入適用。
人是被彈性防線、正常防線、抵抗線層層包住的系統，壓力源穿透哪一層決定嚴重度。護理做的是初段、次段、三段預防。
人透過生理、自我概念、角色功能、相互依賴四個模式回應刺激，護理促進適應反應。慢性病調適與因應的研究很常掛這一套。
人是由多個次系統組成的行為系統，各有目標與平衡；失衡時護理介入以恢復平衡。行為改變類主題適用。
比概念模式窄一點，開始講得出具體命題，但仍涵蓋很廣的現象。
護理不是去解決一個有缺陷的人的問題，而是在照護的場合裡認出對方本來就是完整的人，並支持他繼續成為自己。
人在健康疾病、發展、情境、組織這四類轉變中最脆弱，護理協助他經歷健康的轉變。出院準備、角色轉換、疾病歷程的研究很好接。
用個人特質與經驗，加上行為特定的認知（知覺利益、知覺障礙、自我效能），預測健康促進行為。量表成熟、衛教介入研究引用率最高的一套。
照護必須貼合文化，透過保存、調適、重塑三種行動達成文化一致的照護。跨文化、新住民與原住民照護的基礎理論。
疾病不是健康的反面，而是整體模式的一部分；健康是意識不斷擴展的過程。
三個原則：意義、韻律、超越。護理是與人同在，陪他選擇自己的健康方向，不替他決定。抽象度高。
先進入病人的世界、用他的眼睛理解他（塑模），再據此設計介入（角色塑模）。無條件接納是整套的前提。
以 agency（行動能力）為核心的生命倫理。護病共同的目標，是把病人自主行動的能力還給他。
概念少、範圍窄、變項測得到，碩論最常掛在這一層。
成為母親是一個互動且發展的過程：依附、學會照顧任務、逐步認同母親這個角色。產後適應與親職研究適用。
當人無法判定疾病事件的意義、無法預測結果，就產生不確定感。它可能是威脅，也可能被重新框成機會。等待診斷、癌症治療期的研究非常常用。
面對重病、失落、老化這些脆弱處境時，人會把界限往內、往外、往時間延展，藉此找到意義。安寧與老年研究適用。
疾病是在一個人的生命傳記裡展開的；自我概念會隨著「還能不能完成原本該做的事」而改變。
失落造成的落差持續存在，哀傷症狀會週期性再現，而且可能一次比一次強。長期照顧者與失能家庭的研究很貼。
精神健康復元的重心在社區。人的一生是一片經驗之海，以他自己的故事為中心去協助復元。
舒適需求來自壓力情境，而且是原有支持系統無法滿足的那部分，分生理、心靈、社會文化、環境四個面向。好操作化，舒適介入研究常用。
以現象學與紮根理論建構，核心是失控感與產後情緒障礙的歷程。產後心理健康篩檢的理論依據。
照護有五個歷程：知曉、同在、為對方做、使能、維持信念。五個歷程都測得到，很容易轉成介入或量表。
五個結果指標：不痛、有舒適的經驗、有尊嚴被尊重、平靜、親近重要他人。安寧療護品質的評值架構。
同一把尺，量幾次都給差不多的數字。用 Cronbach's α、再測信度、評分者間信度來看。
這把尺量到的真的是你要的概念。用內容效度、建構效度、效標效度來看。
差在哪：量得穩不穩 vs 量到對不對
先有信度才談效度，但信度高不保證效度——每次都準準地量錯同一件事，也是很穩。
真正有病的人裡面，被你判為陽性的比例。TP／(TP+FN)。漏掉的代價高就先顧這個。
真正沒病的人裡面，被你判為陰性的比例。TN／(TN+FP)。誤警太多會被關掉的系統就顧這個。
差在哪：有病抓得到 vs 沒病排得掉
兩者互相拉扯：把閾值調鬆，敏感度上去、特異度下來。要先講清楚哪一種錯誤比較不能接受。
虛無假設其實為真，卻被你拒絕了。發生率就是 α，通常設 .05。白話：亂報有效。
虛無假設其實為假，卻沒被拒絕。機率是 β，1−β 就是檢定力。白話：明明有效卻說沒效。
差在哪：沒差說成有差 vs 有差沒看出來
樣本數太小最常見的下場是型二錯誤——不是「證明沒效」，是「沒有能力看出來」。
一段時間內新發生的病例數，分母是原本沒病的人。看的是風險。
某個時間點上所有現存病例的比例，新舊都算。看的是負擔。
差在哪：新個案 vs 現有個案
病程長的慢性病盛行率會很高，但發生率可能不高。
嚴格控制的研究情境裡有沒有用，像 RCT 裡的結果。
放到日常臨床、病人沒那麼配合的環境裡還有沒有用。
差在哪：理想條件下 vs 真實世界
效度的內外之爭在這裡具體化：控制越嚴，efficacy 越乾淨，effectiveness 越說不準。
兩個變項一起變動。相關性研究能講到這裡為止。
一個變項的改變造成另一個改變。要有操控、時序、排除干擾才敢講。
差在哪：跨過這條線就是推論跳躍
寫作時的檢查點：沒有操控自變項，就不要出現「造成」「導致」「使得」。
p < .05，表示這個差異不太可能只是抽樣誤差。樣本夠大時，微小差異也會顯著。
這個差異大到值得改變臨床作法。要看效果量與 95% CI 的範圍。
差在哪：p 值小 ≠ 臨床上有意義
報告請三個一起給：p 值、效果量、信賴區間。只給 p 值會被追問。
A 自變項自己的效果，把 B 平均掉之後看。二因子設計有兩個主效果。
A 的效果隨 B 的層級改變。畫圖時兩條線不平行，就是交互作用的長相。
差在哪：各自的效果 vs 效果會不會互相改變
交互作用顯著時，主效果的解讀要讓位——先做單純主效果分析，逐層拆開看。
資料收上來就對不回是誰，研究者自己也查不出。
研究者知道是誰，但承諾不揭露，並以編碼、加密、權限控管保護。
差在哪：連研究者都不知道 vs 知道但不外洩
IRB 送件時這兩個詞不能混用，寫錯會被退件要求澄清。
換一批新資料、重跑一次研究流程，看結論還在不在。
拿原本那批資料、照原本的分析再算一次，數字要對得起來。
差在哪：新資料重跑 vs 舊資料重算
可重製是最低門檻，連原資料都算不出同樣結果就不用談複製了。論文的「未來研究建議」如果只寫「建議擴大樣本數」，等於什麼都沒建議。
把最好的研究證據、自己的臨床經驗、病人的意願三者合起來做照護決定。三隻腳缺一不可：只看文獻叫套公式，只憑經驗叫憑感覺。它跟研究的分工是——研究「產生」知識，實證實務「使用」知識。
研究問題是臨床上卡住的那件事——想探討、想解決的現象，要講得出背景與重要性；研究目的則是你打算怎麼回答它的宣言。評讀文章時第一件事就是找這兩句在哪裡、寫得清不清楚。
把研究目的拆成幾條可以測量、可以逐一驗收的小句子，通常條列式，指明特定變項。目的講大方向，目標講「做完哪幾件事就算達成」。
研究假設是你依文獻與經驗對結果的預測（有差、有關）；虛無假設 H₀ 則預設「沒有差異、沒有關聯」。統計檢定的邏輯是反證：先假設 H₀ 為真，看資料有沒有極端到讓你推翻它。p 值講的永遠是 H₀ 底下的機率，不是你的假設對的機率。
自變項是你動的——原因、介入、預測因子，實驗裡由研究者給；依變項是你看的——結果、反應，研究真正想改變的東西。寫研究問題時如果指不出這兩個，題目還沒收斂完。
跟自變項與依變項都有關的第三者，不處理就會把功勞或黑鍋錯記。例如比較兩種衛教成效時，兩組的教育程度不同——看到的差異可能來自教育程度而不是衛教。對付它的王牌是隨機分派，退而求其次是配對、分層或統計校正。
★ 概念型定義用文字講這個概念是什麼（引理論或文獻）；操作型定義講實際上怎麼測——用哪份量表、誰來評、切點在哪。驗收標準：把操作型定義交給另一個人，他能照著測出同一個東西。口委最愛從「你的 X 怎麼測」切入。
研究裡會變動、能取不同數值的特質。依角色分成自變項（因）、依變項（果）、干擾（攪局的）、中介（傳遞效果的）、調節（改變效果強度的）。同一個變項在不同研究裡可以換角色——這次的依變項可以是下次的自變項。
A 透過它影響 B——它是 A 的果、又是 B 的因，回答「效果怎麼發生的」。例如衛教（A）先提升自我效能（中介），自我效能再改善自我照顧（B）。檢驗用 Bootstrap 看間接效果的信賴區間，不是看兩條路徑各自顯不顯著。
它決定 A 對 B 的效果有多強或往哪個方向，回答「在誰身上比較明顯」。例如衛教效果在低健康識能的病人身上特別大——識能就是調節。統計上就是交互作用項，顯著後要分層畫圖呈現。
★ 把臨床問題拆成四塊：對象（P）、介入（I）、比較（C）、結果（O）。好處是一次到位——問題定了、檢索關鍵字有了、變項也指出來了。觀察型研究可換成 PECO（E 是曝露）。
從專家意見（最低）一路到系統性回顧與統合分析（最高）的金字塔。用來快速判斷一篇文章的份量，但等級高不代表適用你的病人——一篇做在健壯成人的 RCT，對虛弱老人未必比一篇貼近族群的世代研究有用。
把研究問題依性質轉成可探討的句子，列出變項與被測群體，好接資料收集與統計。位置在鏈上：主題→問題→目的→提案→假設。每個提案至少要有一個研究變項；實驗性研究常直接以研究假設代替提案。
單純性：一個自變項對一個依變項。複雜性：兩個以上的自變項或依變項。判斷方法就是數變項。
有方向：能從理論或文獻預測誰高誰低（寫得出「較多、較少」），可用單尾檢定，統計上較敏感。無方向：只知道有關或有差，不知道方向，用雙尾檢定。沒有充分依據不能為了省樣本數硬用單尾。
研究目的的敘述要涵蓋：研究設計、研究變項、母群體、研究場所。少一個，讀者就不知道你要在誰身上、用什麼方法、看什麼東西。
把某主題的既有研究整理成一張「目前已知的地圖」，然後指出地圖上還空著的那一塊。收斂的終點是一句話：前人做到哪裡、還缺什麼、所以我要補哪一塊——寫成流水帳（A 做過…B 做過…）就是失敗的回顧。
★ 依事先寫死的檢索策略與納入排除條件，把符合的研究全部找出來、逐篇評讀、綜整結論。關鍵在「可複製」——別人照你的方法應該找到同一批文獻。跟敘事型回顧的差別就在這個嚴謹度。
統合分析把多篇研究的效果量用統計方法合併成一個總估計，是系統性回顧的量化延伸；範疇回顧只盤點某領域有哪些研究、用了哪些方法，不合併數據也不評品質，適合題目還很新的時候。
★ 文獻回顧的終點：已知與未知的交界。缺口可以是族群沒做過、場域沒做過、方法有限制、結果互相矛盾。你的研究問題應該正好塞進這個缺口——這就是「研究的必要性」的來源。
決定哪些文獻或個案算數的規則，開始前就要寫死，不能邊看邊決定——事後調整條件就是在挑對自己有利的資料。寫的時候要具體到可判定：「近五年、成人、有對照組」比「品質好的研究」可執行。
檢索策略是你在資料庫下的完整查詢式，要記錄到別人能重跑。主題詞（如 MeSH）是資料庫給每篇文章貼的標準標籤，用它檢索比自由字詞完整——同義詞、縮寫、拼法差異都被歸到同一個標籤下。實務上兩者並用：主題詞求全，自由詞補新文獻。
AND 交集縮小範圍、OR 聯集放大範圍、NOT 排除——組合關鍵字的基本語法。灰色文獻指未經正式出版的研究：碩博士論文、研討會摘要、技術報告；系統性回顧要不要納入它，關係到發表偏差的處理。
★ 逐篇評估納入研究「結果被系統性扭曲的可能」。工具依研究類型選：RCT 用 RoB 2、觀察型用 ROBINS-I、診斷準確性用 QUADAS-2。評讀時不是給總分，是逐面向判高、中、低風險。
稿件由同領域學者匿名審查後才決定刊登，是期刊品質的基本門檻。引用時優先選同儕審查期刊；未經審查的來源（維基、部落格、新聞）不能當正式學術引用。
引別人的話要對得回原文——頁碼、脈絡都要對。讀 A 文章時看到它引了 B，想用 B 的觀點就去找 B 的原文；直接轉引而不查證，等於把別人的轉述當事實，也是評讀時會被抓的點。
質性研究決定樣本數的方式：訪談收到不再出現新的概念或主題就停。所以質性研究不事先算樣本數，而是報告「第幾位之後達到飽和」。量性研究的樣本數邏輯（檢定力分析）跟它完全是兩套。
一手：作者就是研究執行者，原創型研究。二手：把別人的結果整理轉述。查證以一手優先——批判指引直接問「引證的文獻都是一手資料？」，二手用多了會被扣。
理論性：支持主題與目的的學術文獻，如理論、模式、概念分析。實證性：經觀察或實驗獲得的知識，即原創研究。文獻回顧兩種都要有：理論撐架構，實證撐假設。
把研究變項之間的關係畫成一張圖或寫成一段話，是整個研究的骨架。理論架構有現成理論撐腰（例如用自我效能理論導出假設）；概念架構是自己綜整文獻搭的。評讀時看：架構裡的每條線，研究問題與假設裡有沒有對應？
描述性只回答「現在長什麼樣」——現況、頻率、分布，不碰變項間的關係；相關性往前一步問「兩件事有沒有一起動」，但仍然不給介入、不談因果。兩者都是非實驗性設計，常常是新題目的第一步。
★ 橫斷式在一個時間點收所有資料，快而便宜，但分不出先後因果；縱貫式追蹤同一群人一段時間（慣例上六個月以上），看得到變化軌跡，代價是花時間、燒錢、樣本會流失。
兩種觀察型設計，方向相反。世代研究從「曝露」出發往前追：抽菸者與不抽菸者各追十年，看誰得病；病例對照從「結果」出發往回查：找已得病與沒得病的人，回頭比誰曾經曝露。世代能算發生率，病例對照適合罕見疾病但怕回憶偏差。
回溯性是事情已經發生，翻病歷或請個案回想——快，但資料是別人當初記的，品質不受你控制；前瞻性是先定好要收什麼再往後追——資料品質好，但要等。同一個世代研究可以是回溯的（用舊病歷建世代）也可以是前瞻的。
隨機分派＋對照組＋操控介入，三個要素齊備，是驗證因果的最強設計。隨機化把已知與未知的干擾一次抹平，所以它的證據等級排在單一研究的最頂端。代價是貴、慢、情境人工化，而且很多臨床問題根本不能隨機（不能叫人抽菸）。
隨機、操控、控制三要素缺一或缺二的實驗設計，最常見的是「不隨機的雙組前後測」。臨床現場常常沒辦法隨機（整個病房一起衛教），所以類實驗反而是護理介入研究的主力；代價是內在效度低一截，因果推論要更保守。
隨機分派決定誰進實驗組誰進對照組，讓兩組起跑點相同；分派隱藏是不讓收案的人「事先知道」下一位會分到哪組——知道了就可能挑病人。兩件事常被混談：隨機做得再好，沒有隱藏照樣會偏。
讓受試者（單盲）、加上照顧者與評估者（雙盲）不知道分組。防的是期待心理污染結果：受試者知道自己吃安慰劑就沒信心，評估者知道分組就往預期方向判。護理介入常常盲不了受試者（衛教藏不住），至少要讓「結果評估者」盲。
由研究者主動給予自變項——決定誰拿到處置、給多少、什麼時候給，而不是等它自然發生。這是實驗性設計跟觀察型研究的分水嶺：觀察型只能看，實驗型可以動手。
把自變項以外會影響結果的因素壓住：隨機分派、納排條件、固定流程、統計校正都是手段。護理研究多在自然情境，做不到實驗室那種絕對控制，只能相對控制——所以設計時要講清楚控制了什麼、放掉了什麼。
量性把現象化成數字，求測量與推論——問「多少、有沒有差、有沒有關」；質性收文字與經驗，求脈絡與意義——問「這對當事人是什麼感受、怎麼發生的」。兩者不是對立而是分工，混合方法研究就是兩邊一起用。
★ 照最初分派的組別分析，不管中途有沒有照做、有沒有換組，結果較保守。這樣才保住隨機化帶來的可比性，也是處理病患流失偏差的標準作法。
只分析「完全照流程走完」的受試者，中途退出、沒吃完藥的都剔除。聽起來乾淨，實際上會高估效果——因為留下來的往往是耐受性好、反應好的人。跟 ITT 是一對：ITT 保守、依計畫書樂觀，嚴謹的試驗兩個都報。
兩組在不同時段輪流接受不同處置，每個人都當過自己的對照，個體差異被完全抵消，樣本數可以省一半。限制是只適合「效果會消退」的處置——開過刀的不能還原；兩段之間要留沖洗期。
交叉設計兩段處置之間的空白期，等前一段的殘留效果完全消退再開始下一段。沒有沖洗期或太短，第二段測到的就是兩種處置的混合效果——這叫殘留效應，是交叉設計最常被審的點。
介入前後各測很多次（不是各一次），把趨勢畫出來，看轉折是不是剛好發生在介入點。多次前測讓成熟、季節這些趨勢現形，所以它是「沒有對照組時最強的類實驗」。品管的 run chart 就是同一個邏輯。
連對照組都沒有（單組後測、單組前後測），或有對照但完全沒隨機。只能描述「有變化」，不能主張變化是介入造成的——成熟、歷史事件、迴歸平均都解釋得通。適合當先導研究，不適合當主研究設計。
兩組在進入研究時就已經不同，後面測到的差異分不清是處置造成的還是本來就有的。控制方法是隨機分派。注意跟抽樣那一組的「選樣偏差」不是同一件事：那個講的是樣本跟母群體不一樣（影響外在效度），這個講的是兩組彼此不一樣（影響內在效度）。
受試者或照顧者知道自己在哪一組，行為就跟著改變。控制方法是雙盲。
中途退出的人往往不是隨機退出的，可能正是效果不好或副作用大的那群；只分析留下來的會高估效果。控制方法是治療意向分析。
評估結果的人知道分組，判讀就容易偏向預期方向，主觀性越高的指標影響越大。控制方法是讓臨床結果評估者盲。
每若干人為一個區段，在區段內做分派，確保任何時間點兩組人數都接近。
先依重要特質（例如疾病嚴重度）分層，再在各層內隨機，避免該特質集中在同一組。
依已入組者的特質動態調整下一位的分派機率，讓兩組基準線盡量平衡。
對照組不是不給處置，是排在等候名單上晚一點拿到。倫理上比純空白對照好（沒有人被剝奪有效介入），又保留了比較期。代價是等候期間對照組可能自尋其他資源，且延後測量會混入時間效應。
一個結果往往由多個原因共同造成——心臟病同時來自抽菸年數、高脂飲食、缺乏運動。所以單一自變項顯著不代表它是唯一原因，設計與解釋都要為其他原因留位子。
★ 信度問穩不穩：重複測會不會得到一樣的結果；效度問準不準：測到的是不是你要測的東西。穩定但量錯東西完全可能——磅秤每次都顯示同一個錯的數字。信度是效度的必要條件，不是充分條件。
同一份量表的題目是不是在測同一件事，用 Cronbach α 表示，.70 以上可接受、.80 以上良好。注意它屬於信度不是效度——α 高只代表題目彼此相關，不代表量表測對了東西；這是最常見的失分點。
同一群人隔一段時間（常見 2–4 週）再測一次，兩次分數的相關夠高（r ≥ .70）就算穩。前提是測的特質理論上要穩定——人格可以再測，當下的疼痛或情緒不行，間隔太短還會有記憶效應。
★ 兩位以上評分者對同一份資料的判定一致程度：類別判定用 Cohen κ，連續分數用 ICC。任何需要人為判讀的測量（傷口分期、行為觀察、影像判讀）都要報這個，做法是雙人獨立評、再算一致性。
★ 量表的題目有沒有涵蓋要測的概念的全部面向，由專家逐題評分算出 CVI；慣例 CVI ≥ .80 可接受、≥ .90 佳。它是效度檢驗的第一關——題目本身就選錯了，後面統計再漂亮也救不回來。
建構效度問量表是否真的測到抽象概念本身，靠因素分析、收斂與區辨來驗；效標效度問它跟公認標準（效標）對不對得起來，分同時與預測兩種。兩者加上內容效度，就是效度的三大支柱。
★ 內在效度問「結果可不可信」——差異真的是介入造成的嗎；外在效度問「推不推得出去」——換一群人、換個場域還成立嗎。兩者天生互相拉扯：控制越緊內在越高、情境越人工外在越低。設計就是在這兩端找位置。
量表「看起來」像不像在測那件事，問受試者或同僚的直觀印象。它是最弱的效度，不能單獨當效度證據；但有實務價值——看起來合理的量表，受試者比較願意好好填。
折半：把量表題目分成兩半（常用奇偶題）互比，相關高表示內部一致；複本：準備兩份等值的量表 A 版 B 版，兩次施測用不同版，避開記憶效應。兩者都在檢驗「工具自己跟自己一不一致」。
分數擠在量表的頂端（天花板）或底端（地板），大家都差不多，量表就分不出個體差異，也測不到變化——已經滿分的人再進步也看不見。選量表時要確認它的難度範圍跟你的族群對得上。
個案真的變好（或變壞）時，量表分數跟不跟得上。信效度都好的量表仍可能對「改變」遲鈍——題目測的是穩定特質而不是狀態。介入研究選結果指標時，反應性跟信效度一樣重要。
★ 分數至少要差多少，病人才「感覺得出來」有差。統計顯著不等於臨床有意義——樣本大時 1 分的差也能 p < .05，但病人毫無感覺。報告介入效果時，拿差異對照 MCID 才知道值不值得做。
觀察值＝真實得分＋測量誤差。誤差越小，觀察值越接近真實。整個信效度檢驗做的事，就是把 E 弄小、並且知道它有多大。
隨機誤差：因機率產生、忽高忽低（受測焦慮、白袍高血壓），對應的是信度問題。系統性誤差：固定往同一方向偏（工具量錯東西、社會期待作答），對應的是效度問題。這組對應關係是講義的核心考點。
內在一致性係數的一種，專用於二元作答（是／否、對／錯）的量表；Likert 型連續計分用 Cronbach α。大於 .80 良好、.70–.80 尚可。
內容效度的量化作法：請專家對每一題用四點量表評關聯性（1 沒有關聯～4 非常有關聯），算出得 3 或 4 分的題數比例，即 CVI。CVI>.80 高標準、>.90 最高標準。
效標關聯效度的兩種。同時：與另一個測同一概念的工具同時施測，看相關。預測：現在的分數能不能預測未來的表現（例如入學考預測臨床能力）。差別只在效標發生的時間點。
建構效度的一對。收斂：跟測相同概念的工具相關要高。區辨：跟測無關概念的工具相關要低。兩個方向都對，建構效度才站得住。
母群體是你想下結論的全部對象，樣本是實際收到的那一群。整個推論統計就是在做一件事：用樣本的數字去估母群體的真相。樣本能不能代表母群體，決定了結論能講多大聲。
★ 都是非機率取樣。方便取樣：收手邊拿得到的人，最省力、代表性最弱；立意取樣：依你的判準刻意挑「最能回答研究問題的人」，質性研究的主流。單一院所收案的量性研究多半是方便取樣——限制要老實寫。
隨機取樣讓母群體裡每個人被抽中的機率相同且已知，是能估計抽樣誤差的前提；分層先按重要特徵（性別、病房別）分組再各自抽，保證小族群不會被抽漏。分層的原則：層內同質、層間異質。
★ 收案前用 α（.05）、檢定力（.80）、預期效果量三個參數反推要收幾個人，工具用 G*Power，並要外加預期流失率。計畫書必寫，口委必問；收完才補算的「事後檢定力」沒有意義。
檢定力是「效果真的存在時，你抓得到的機率」，慣例設 .80；效果量是「差異實際有多大」，跟樣本數無關。兩者跟 α、樣本數四個互相牽制——知道三個就能算第四個，這就是樣本數估算的原理。
選樣偏差：收進來的人跟母群體系統性不一樣（願意參加研究的人本來就比較健康）；失訪：中途退出讓剩下的樣本再偏一次（退出的often是效果差的）。兩個都不是加大樣本能救的——偏差是方向問題，不是數量問題。
用來抽樣的那份母群體名單。名單本身不完整，抽得再隨機也是偏的——用市話簿抽樣就漏掉只有手機的年輕人。報告抽樣方法時要交代名單從哪來、涵蓋了誰。
以群體為單位抽（抽病房、抽學校），而不是抽個人。母群體太大、名單拿不到時的務實選擇；代價是同叢集的人彼此相似（同病房的病人像），資料不獨立，分析時要用叢集校正或多層次模型，樣本數也要多估。
滾雪球：由受試者介紹下一位，適合藏在人群裡的特殊族群（藥癮者、罕病家屬），代價是樣本彼此相識、同質性高；配額：先設定各層要收幾人再收滿為止，像分層取樣但層內不隨機。都是非機率取樣。
發出去的問卷實際收回的比例。低回應率的問題不是數量而是偏差——願意回的人跟不回的人可能系統性不同（滿意的人比較願意填滿意度問卷）。郵寄問卷慣例要報回應率並討論未回應者。
目標母群體：你想推論的全部對象（台灣所有乳房切除婦女）。可及母群體：其中你摸得到的部分（某院某期間的住院個案）。樣本從可及母群體抽，但推論宣稱只能寫到樣本能代表的範圍。
比例：各層抽的人數照母群體的比例（男女 2:1 就抽 2:1）。非比例：某層人太少、照比例會沒代表性時，刻意多抽那一層。用了非比例，分析時要記得加權或分層報告。
把母群體排好，算間隔數（母群體數÷樣本數），隨機選第一個，之後每隔一個間隔取一人。陷阱：名單若有週期性（例如每 10 床一個重症床）且週期跟間隔重合，就會系統性偏差。
受試者在「聽懂」研究內容後自願參加。三個要件：資訊（風險、利益、程序都講了）、理解（用對方聽得懂的話講）、自願（沒有壓力、不影響就醫權益、隨時可退出）。簽了名不等於知情——念過同意書不代表聽懂。
研究開始前審查倫理與風險的委員會，由醫療、法律與社會公正人士組成。沒過審不能收案，改流程要送修正案，出意外要通報。計畫書、同意書、問卷都是送審文件。
★ 風險程度決定審查層級：用既有的去識別化資料可申請免審；低風險（問卷、訪談）走簡易審查，快很多；有侵入性或弱勢族群就是一般審查。送件前先查該機構的分類標準，選錯層級會被退件重排隊。
匿名是「連研究者都不知道這份資料是誰的」（無記名問卷）；保密是「研究者知道但承諾不外洩」（訪談一定做不到匿名，只能保密）。兩者在同意書上是不同承諾，寫錯會被退件——訪談研究寫「匿名」就是寫錯。
把姓名、病歷號、生日等可辨識資訊移除或換成編碼，讓資料對不回個人。對照表（編碼↔身分）要另存、上鎖、限定專人保管。是回溯性病歷研究申請免審或簡審的關鍵前提。
自主（尊重個人決定，知情同意的根據）、不傷害（風險最小化）、行善（利益要大於風險）、正義（受試機會與負擔公平分配，不專挑弱勢收案）。倫理審查的每一項要求都能回溯到這四條。
兒童、孕婦、受刑人、認知功能障礙者、經濟或教育弱勢——自主決定能力受限、或處在權力不對等關係裡的人。收這些族群審查更嚴：要說明為什麼非他們不可、加什麼保護措施、誰代理同意。
可能影響研究判斷的個人利益：經費來源、廠商關係、專利持有，都要主動揭露。特別的一種是「研究者同時是開發者」——評自己做的工具，設計上要用盲評、第三方收案來隔離。揭露不是有罪，隱瞞才是。
受試者隨時可以退出、不需理由、不影響任何醫療權益，同意書必須白紙黑字寫明。已收的資料要不要跟著撤銷，也要事先講清楚。臨床對象特別容易「不好意思退出」，收案時要主動說明。
國際上通用的三大類：捏造（無中生有）、竄改（修改真實資料）、抄襲（挪用他人成果不註明）。認定上不是灰色地帶——動機再良善、只改一點點，都算。
造假（捏造不存在的資料）、變造（修改刪增真實資料）、抄襲（未註明引用他人成果）、自我抄襲（重複使用自己已發表的內容不註明）、重複發表、由他人代寫。國科會與教育部的處置從書面告誡到終身停權、追回經費。
台灣的人體研究法源。醫療法 78 條：非教學醫院原則上不得施行人體試驗。79 條：試驗前須書面同意，並告知目的方法、風險副作用、預期效果、替代方式、隨時撤回權、損害補償、資料保密、檢體保存再利用八項。人體研究法把審查依風險分一般程序與簡易程序。
★ 從招募、取得同意、分組、給介入到收資料的一步步標準流程，寫到別人能照著執行。它是介入忠誠度的根據，也是 IRB 審查的核心文件——流程寫得越死，執行時越不會走樣。
受試者一次要填的總題數。幾份量表各自合理，加起來超過四十題就開始掉資料——後面的題目亂填、留白、拒填。設計時把所有工具攤開來數總題數，necessary 的才留。
題目文字的難度。量表是給誰填的就要用誰的語言——對象讀不動，收到的就是猜的答案。對策：改口頭施測、換淺白版工具，或先導研究時實際請對象讀讀看。
★ 每個變項的說明書：名稱、標籤、資料來源、測量尺度、有效範圍、遺漏值代碼。收案前建好，資料輸入與清理都照它走。沒有譯碼簿的資料檔，三個月後連自己都看不懂。
★ 正式收案前先收 3–5 位試跑全流程：測填答時間、抓題意混淆、修表單動線。發現問題的成本在這裡最低——正式收案後才發現量表有問題，前面收的都白收。
給每位受試者一個跟身分無關的編號，資料檔裡只出現編號。編號與身分的對照表分開存放、上鎖。這是去識別化的實作，也是資料外洩時的最後防線。
誰收案、在哪裡收、用什麼表單、按什麼順序——寫到別人能照做的程度。多位收案者時要先訓練、統一指導語，不然收案者本身就成了干擾變項。
空掉的資料格。處理方式（刪個案、刪變項、插補）要在分析前寫死，不能看結果不好再回頭改——那是在挑資料。同時要報告缺了多少、缺的人跟沒缺的人像不像。
量性論文的標準骨架：前言（為什麼做）、方法（怎麼做）、結果（看到什麼）、討論（代表什麼）。每一節有明確分工——結果只陳述數字不解釋，解釋放討論；方法要寫到可複製。
投稿與報告的引用格式標準，管的是文內引用、參考文獻、表格圖片的寫法。細節多、易扣分：作者縮寫、斜體、DOI 都有規定。與其背，不如用書目管理軟體（EndNote、Zotero）自動產生再人工核對。
用一致的架構逐項檢視一篇研究的每個環節——問題、設計、抽樣、工具、分析、結論，指出優點與缺失。重點是「憑判準」不是「憑印象」：每一句批評都要對應一條方法學理由。
誠實寫出這個研究的推論邊界：樣本代表性、設計先天限制、測量工具的弱點。限制要自己先講，不要等口委幫你講。最後兩段——未來研究建議與複製可能性——要跟前面的限制一一對得上：你講了什麼限制，就建議下一個人怎麼補；並且把方法寫到別人照著能重跑一次。
分析前把資料過一遍：超出有效範圍的值、前後矛盾的答案、重複輸入的個案。每一筆修改都要留紀錄（原值、改成什麼、理由）——清理過程本身要經得起審查。
離群體很遠的極端值。第一步永遠是查原始資料：是輸入錯誤就改正，是真實現象就不能直接刪——刪掉不喜歡的資料點是在造假邊緣。要嘛保留並用穩健方法，要嘛敏感度分析報告刪與不刪兩種結果。
訪談收資料時，訪員對題目或答案的詮釋、甚至穿著語氣，都可能把答案帶偏。對策：訪員訓練（熟悉問卷、互相模擬）、標準化指導語、持續追蹤訪問過程，必要時盲化訪員。
自己陳述：資料由個案本人提供，最直接，但敏感議題或個案無法表達時失效。他人陳述：由熟識者代答（失語症個案由主要照顧者），是替代方案，但心理感受類的資料不一定反映事實。兩者都可再分自填或訪談。
先辨認研究的每個元素（問題、設計、抽樣、工具、分析），再逐項判定優缺點，最後評估整體可信度與臨床意義。順序不能反過來——沒把元素找齊就下總評，就是憑印象。
★ 質性研究的品質總指標，相當於量性的信效度，由四個成分合成：可信度（真不真）、可靠性（過程穩不穩）、確認性（是資料說話還是研究者說話）、轉移性（能不能用到別處）。評質性文章就照這四項逐一看。
質性版的「內在效度」：發現的主題是不是真的來自參與者的經驗。提升手段：待得夠久（延長接觸）、三角驗證（多來源、多方法互相對）、成員檢核（把整理的主題拿回去問參與者「是這個意思嗎」）。
可靠性問過程穩不穩：換個人照同樣步驟分析，會不會得到類似主題；確認性問結論是從資料長出來的、還是研究者自己的意見。兩者都靠審計跟蹤與反身性來支撐——過程留痕、立場交代。
質性版的「外在效度」：這些發現能不能用到別的情境。質性不談統計推論，靠的是厚描述——把參與者與場域寫得夠仔細，讓讀者自己判斷「跟我的病人像不像」。
★ 從原始逐字稿、編碼、備忘錄到主題形成的完整紀錄鏈，讓別人能追蹤「這個結論是怎麼一步步長出來的」。是可靠性與確認性的物證。
研究者交代自己的位置：我是誰、我跟參與者的關係、我的預設立場可能怎麼影響訪談與詮釋。質性研究者本人就是研究工具，所以工具的「校正紀錄」就是反身性聲明。
★ 介入有沒有從頭到尾照計畫書執行——每一位、每一次、每個劑量都一樣。評介入研究必問：沒有忠誠度資料，陰性結果分不清是「介入無效」還是「根本沒好好給」。監測手段：檢核表、錄影抽查、訓練認證。
紮根理論的停止收案準則：新的訪談不再產生新概念、新類別，理論的每個面向都有資料支撐。跟資料飽和意思相近，但更強調「理論建構完整」而不只是「沒新東西」。
用同樣或近似的方法把別人的研究再做一次，看結論站不站得住。科學的自我修正機制就靠這個——一篇研究只是一個證據點，複製成功才開始算數。
盡量照原研究的方法、工具、族群重跑一次，檢驗「原本那個結果是不是真的」。差異越小，檢驗力越純——如果連精確複製都重現不了，原結論就危險了。
刻意換族群、換場域再做一次，檢驗「推不推得出去」。在台灣重做美國的研究就是近似複製——結果一致代表跨文化穩健，不一致則指出邊界條件，兩種都有價值。
只保留研究問題，方法、設計、測量全部重來，看同一個結論在完全不同的路徑下撐不撐得住。撐得住的結論才叫穩固——它不依賴任何特定方法的巧合。
★ 跟複製不同：不重收資料，而是拿「同一批資料、同一套分析」看別人跑不跑得出同樣的數字。做到的前提是資料檔、程式碼、分析步驟都留檔可交——這也是現在期刊越來越要求的。
大量已發表研究被重做時重現不了原結果的現象。根源：只有顯著才好發表（發表偏差）、彈性分析挑好看的報（p-hacking）、樣本太小效果量虛胖。因應之道就是事前登錄與公開資料。
收案前把假設、樣本數、分析計畫登記在公開平台（如 ClinicalTrials.gov、OSF）。之後改了什麼大家都看得見——防的是「看完結果再決定假設」。臨床試驗不登錄，很多期刊直接拒收。
★ 要從自己的限制長出來，不是客套句。公式：我的限制是 X → 所以下一個研究應該用 Y 補上。「建議擴大樣本數」這種罐頭句等於沒寫——要指名道姓地對應自己承認過的弱點。
描述統計把手上的資料講清楚：平均、分布、百分比，只談樣本自己；推論統計從樣本往母群體跳：檢定、信賴區間、迴歸。論文的表一是描述統計，表二以後才進推論。
平均值是資料的重心；標準差是資料平均離重心多遠——同樣平均 70 分，SD 5 是大家都差不多，SD 20 是高低懸殊。兩者成對出現，而且都只適合對稱分布的資料。
中位數是排序後正中間那個值，四分位距是中間 50% 資料的範圍。兩者都不受極端值拉扯，所以偏態資料（住院天數、醫療費用）要報這一組，不是平均±標準差。
★ p 值的正確定義：假設虛無為真，看到這種或更極端結果的機率。它不是「虛無為真的機率」、更不是「效果大小」——樣本夠大，微小差異也能 p<.001。α 是事前訂的判準（.05），p<α 才說顯著。
★ 用樣本估母群體時給的範圍：95% CI 的意思是「重複抽樣一百次，約九十五次的區間會蓋住真值」。它比 p 值多給了資訊——區間寬窄告訴你估得多精準，區間位置告訴你效果多大。差異的 CI 跨過 0、比值的 CI 跨過 1，就是不顯著。
第一型：沒效說有效（誤報），機率是 α；第二型：有效沒看出來（漏報），機率是 β。兩者蹺蹺板——α 壓越低，β 越高；唯一能同時壓低兩者的方法是加大樣本。
三個最常用的檢定，按資料型態分工：卡方比類別變項的比例（清腸合格率兩組差不差）、t 檢定比兩組的平均（焦慮分數）、ANOVA 比三組以上的平均。選錯檢定是評讀時最容易抓到的錯。
用一個或多個變項預測結果的統計模型。依變項是連續數值用線性迴歸，是有／無二元用邏輯斯迴歸。它比相關多做一步：控制其他變項後看每個因素的獨立貢獻。
計算統計量時「可以自由變動的資訊個數」，通常跟樣本數與參數個數有關。報告 t、F、χ² 時都要附上（如 t(58)=2.31）——沒有自由度，讀者無法查表核對。
檢查資料是否近似常態分布，用 Shapiro-Wilk 檢定或 Q-Q 圖。它決定走參數（t、ANOVA）還是無母數（Mann-Whitney、Kruskal-Wallis）那條線。樣本大時檢定容易過度敏感，配合圖判斷比只看 p 值可靠。
各組資料的分散程度要差不多，是 t 檢定與 ANOVA 的前提，用 Levene 檢定查。不成立時不必硬掰：t 檢定改用 Welch 校正（R 的預設就是它），ANOVA 用 Welch ANOVA。
ANOVA 只說「至少有兩組不一樣」，沒說是哪兩組——事後比較就是在控制型一錯誤膨脹的前提下把兩兩比完。常用 Tukey（各組人數相近）、Scheffé（保守）、Bonferroni（最嚴）。顯著才做，不顯著就停。
★ 差異實際有多大，跟樣本數無關。Cohen’s d 的慣例：0.2 小、0.5 中、0.8 大。p 值只說「不太可能是巧合」，效果量才說「差多少」——兩個都要報，只報 p 值的文章評讀時直接扣。
★ 都是比較兩組風險的指標：RR 是發生率直接相除，好懂；OR 是勝算相除，邏輯斯迴歸的輸出。結果不罕見時 OR 會比 RR 誇大，不能直接當 RR 解讀。兩者都必附 95% CI，區間跨過 1 就是不顯著。
迴歸模型解釋了依變項多少比例的變異，0 到 1。R²=.30 表示模型講掉三成的變異、七成還是不知道。它只講解釋力，不講模型對不對——加變項它永遠只升不降，所以多元迴歸要看調整後 R²。
把自變項個數納入懲罰後的解釋力；多元迴歸要報這個而不是 R²
★ 依理論順序分區塊投入自變項，看每一區塊帶來的 R² 變化量
★ 階層迴歸的關鍵輸出：新加的那一組變項多解釋了多少
讓軟體依統計準則自動增刪變項；容易過度配適，理論驅動時優先用階層
未標準化 B 是原始單位的效果；標準化 β 可跨變項比較相對重要性
自變項彼此太相關，係數會不穩；看 VIF
多因子設計裡，一個自變項「自己」的效果——把另一個自變項的各層平均掉之後看。交互作用顯著時主效果是被平均掉的假象，不能直接解讀，要先拆單純主效果。
★ 一個自變項的效果隨另一個自變項的層級而改變——衛教效果在男性大、女性小，就是衛教×性別有交互作用。判讀順序是死的：先看交互作用，顯著就拆單純主效果，不顯著才各自解讀主效果。
交互作用顯著後的拆解動作：固定一個自變項的層級（只看女性），再檢驗另一個自變項的效果（三種衛教差不差）。逐層拆開，才知道交互作用長什麼樣。
同一批資料檢定做越多次，至少一次誤報的機率越滾越大——做 20 次檢定，全是虛無也期望出現一次「顯著」。校正方法：Bonferroni 把 α 除以次數（保守）、FDR 控制誤報比例（探索性分析適用）。
迴歸線在 X 為零時的預測值。很多情境下 X 根本不可能是零（例如年齡、體重），這個數字就沒有實質意義，不要硬解讀。
迴歸係數 b：X 每增加一單位，Y 平均變動多少。迴歸真正在看的就是它。
實際觀察值減去模型預測值。迴歸的前提假設——線性、常態、變異數同質——全都是靠殘差圖檢查，不是靠感覺。
決定迴歸線畫在哪裡的方法：讓所有殘差的平方和最小。
多元迴歸裡每個自變項的係數，意思是「控制住其他所有自變項之後」，這一個變項自己的效果。這句話是多元迴歸的全部價值所在。
把類別自變項轉成 0 與 1 才能放進迴歸。k 個類別要用 k−1 個虛擬變項，沒被編碼的那一類就是參考組。
類別變項在迴歸裡被當成比較基準的那一組。所有係數都是「相對於它」而言，所以報告一定要交代參考組是誰，否則讀者無法解讀方向。
共線性指標，等於 1 減去該自變項被其他自變項解釋掉的比例；VIF 是它的倒數。容忍度太低就代表共線性太嚴重。
模型比較用的指標，同時衡量適配度與模型複雜度，數字越小越好。只能拿來比較同一批資料的不同模型，不能跨資料比。
拿迴歸式去預測資料範圍以外的 X 值。那一段線長什麼樣子沒有人驗證過，預測不可信。
多因子 ANOVA 用來看交互作用的圖：各細格平均連成線，線大致平行表示沒有交互作用，不平行甚至交叉就是有。
把資料的分位數對上常態分布的分位數畫成圖。點大致落在對角線上就接近常態，明顯彎曲就不是。跑 t 檢定或 ANOVA 前用它驗前提。
長條由高到低排列再配上累積百分比線，用來找出「少數幾項就佔掉大半」的關鍵項目。品管分析常用。
用顏色深淺呈現二維表格的數值高低，適合兩個維度交叉時一眼看出熱區。
呈現「事件發生前還有多少比例沒發生」隨時間下降的階梯圖，用於追蹤資料；兩組比較用 log-rank 檢定。
點估計：用單一數值（樣本平均）估母群體參數，著眼 p 值。區間估計：給一個範圍（95% 信賴區間），著眼區間有沒有跨過無效值。期刊越來越要求兩個都報。
常態分布下，平均數 ±1 個標準差涵蓋 68% 的資料、±2 個涵蓋 95%、±3 個涵蓋 99.7%。z 檢定、信賴區間、離群值判斷都建立在這條上。
護理學科最上層的四個核心概念：人、環境、健康、護理。每一個護理理論都是在回答「這四者是什麼、彼此什麼關係」——評讀理論時第一步就是找它對四大典範的立場。
把四大典範組成一套完整世界觀的架構，範圍比理論大、抽象度更高——Orem 的自我照顧、Roy 的適應模式都是。模式提供看護理的「眼鏡」，理論才提供可檢驗的命題。
大理論涵蓋整個護理現象，抽象到幾乎無法直接檢驗；中範圍理論只處理一段特定現象（不確定感、舒適、母親角色），概念少、可測量、可以直接拿來設計研究——碩士論文掛理論幾乎都掛中範圍。
最貼床邊的一層：針對特定情境、特定族群的處方型理論，直接告訴你「這種情況該做什麼」。從大理論、中範圍到實務理論，是抽象度一路下降、可操作性一路上升的階梯。
從心理學、社會學等其他學科借來用於護理的理論——自我效能、計畫行為理論都是。借用不是問題，不交代「為什麼適合護理情境」才是問題；用之前要說明它在護理脈絡下站不站得住。
★ 概念分析的核心產出：這個概念「一再出現、少了就不是它」的特徵清單。判斷方法：拿掉這個屬性，案例還算不算這個概念？算，就不是定義性屬性。量表的構面就從這裡長出來。
把所有定義性屬性都具備的典型例子，通常是一段具體的臨床敘事。功能是「示範這個概念長什麼樣」——讀者看完案例就能認出這個概念。可以是真實案例也可以是建構的。
明顯「不是」這個概念的例子，用來反襯邊界——把疲憊的相反案例寫成精力充沛的人，讀者就知道疲憊不包含什麼。跟模範案例一正一反，把概念的輪廓夾出來。
前置因素是概念發生「之前」必須存在的條件，結果是概念發生「之後」帶來的改變。注意前置因素不能跟定義性屬性重複——先有的條件不算概念本身的特徵。這兩塊在概念分析報告裡都要有文獻支持。
★ 可以實際觀察或測量到定義性屬性的具體東西——屬性是「主觀疲憊感」，實徵指標就是疲憊量表的分數。它是概念分析的終點、工具發展的起點：量表題目從這裡長出來。
理論內部推理的品質：概念定義前後一致嗎、命題之間有沒有矛盾、結論跟得上前提嗎。評理論的方法是把命題排出來逐條對——邏輯有洞的理論，實證做得再多也補不了。
用越少的概念與命題講清楚越多現象，理論越好。兩個解釋力相同的理論，選簡單的那個。評讀時的問法：這個理論有沒有哪個概念拿掉也不影響解釋力？有，就不夠簡約。
★ 理論能不能轉成「可以被資料推翻」的假設。不可檢驗的理論再漂亮也只是哲學——你要能從它導出「如果理論對，資料應該長這樣」的預測。中範圍理論比大理論吃香，就是因為檢驗得動。
理論裡描述概念之間關係的陳述句——「自我效能越高，自我照顧行為越多」就是一條命題。理論的骨架就是一組命題；研究假設就是把命題翻譯成可測量的版本。
概念是對現象的心智描述，可以較具體（疼痛）；構念是為了理論目的特別建構的高階抽象（自我效能、生活品質），一定要透過多個指標間接測。分辨的意義在測量：越抽象的構念，測量的層次要求越多。
★ 把抽象概念一路變成測得到的東西：構念→概念→指標→變項。「焦慮」操作化成「STAI 量表分數」就是一次完整的操作化。理論與研究的接點就在這裡——操作化做壞了，測到的就不是理論講的那個東西。
待驗證的工具（指標試驗）跟公認的真相（參考標準）比對，看判得多準——輸出就是敏感度、特異度那一套。它是工具驗證研究的核心典範，報告要照 STARD 指引。
★ 研究裡「待驗證」的那個工具——新的判讀系統、新量表、新檢驗。整個診斷準確性研究的問題就是：指標試驗的判定，跟參考標準的判定有多一致。
★ 拿來當「真相」的判定方法，通常是該領域公認最準的作法（病理切片、專家共識判讀）。金標準怎麼操作化是口委必問——用會出錯的標準當真相，算出來的準確度全是有偏的。
★ 敏感度：真的有病的人裡，工具抓出幾成（漏掉的是偽陰性）；特異度：真的沒病的人裡，工具排除幾成（誤抓的是偽陽性）。切點一動兩者就互相消長：篩檢要敏感度優先，確診要特異度優先。
換一個方向問：工具說有病的人裡，幾成真的有病（PPV）；說沒病的裡，幾成真的沒病（NPV）。跟敏感度特異度不同，這兩個會隨盛行率變動——同一個工具在盛行率低的族群 PPV 會掉很低，推論到不同場域時要特別小心。
2×2 表的四格之二：真陽性是有病也判有病（抓對），假陽性是沒病卻判有病（誤報）。另外兩格是真陰性（排對）與假陰性（漏掉）。所有準確性指標都是這四格的組合。
把真陽性、假陽性、真陰性、假陰性排成的 2×2 表，是診斷準確性分析的原始帳本——敏感度、特異度、預測值全部從這四格算出來。報告時附上它，讀者才能自己驗算。
把所有可能切點的「敏感度 vs 偽陽性率」畫成一條曲線，AUC 是曲線下面積：0.5 等於瞎猜、0.7–0.8 可接受、0.8 以上好。前提是工具要輸出連續分數——只出「是／否」的工具畫不了 ROC。
兩個判定者（或工具與標準）給出相同判定的程度：類別判定用 kappa（扣掉碰巧一致的部分），連續數值用 ICC。kappa 的慣例：.40 以下差、.40–.75 可接受、.75 以上好。
工具「判得出來」的比例——有些案例它會說「無法判定」。涵蓋率跟準確度會互相拉扯：只挑有把握的判，準確度好看但涵蓋率低。報告兩個都要給，只報準確度會膨脹工具的實用性。
★ STARD 是診斷準確性研究的報告清單：收案流程圖、指標試驗與參考標準的操作定義、盲不盲、不確定結果怎麼算，逐項都要交代。寫計畫書時就照清單逐條檢查，投稿與口試都會被對著查。
把連續分數切成陽性／陰性的那條線。切點一動，敏感度與特異度就反向消長——選切點是取捨不是計算：Youden 指數給「數學最佳」，但臨床要考慮兩種誤判的代價不相等。
★ 檢驗結果把罹病機率往上或往下推多少倍：LR+ 越大陽性結果越有力（>10 算強），LR− 越小陰性結果越能排除（<0.1 算強）。優點是不受盛行率影響，可跨場域比較工具。
預測機率跟實際發生率對不對得起來——模型說這群人有七成風險，實際是不是真的七成發生。跟區辨力（AUC）是兩回事：排序排得對不代表機率報得準。預測模型兩者都要驗。
★ 內部驗證用同一批資料驗（交叉驗證、bootstrap），外部驗證換一批人、換個場域驗。只做內部驗證一定高估表現——模型記住了自己資料的巧合。工具要能上臨床，外部驗證是必經之路。
文字內容全部公開；手寫講義是個人筆記，輸入一次解鎖碼後這台裝置就記住了。