精確、美觀、深度理解，是這次得獎作品的共同特色。一起看看李子豪醫師與許立生醫師的作品！
李子豪醫師
成功畫出 Kaplan-Meier 的同學很多，成功算出 92.1% 的朋友也不少，但能把圖表美化，寫上正確的標題與座標軸，然後又把 figure legend 寫好的，就只有李子豪醫師。
健保資料庫的研究正是這樣，在撰寫程式、撈取資料、統計分析的過程中，除了研究創意、科學精確之外，後續所有面向的優化也非常重要。如果搶快但不正確，有創意但卻不完整，都是非常可惜的。李子豪醫師用完成度甚高的作品，清楚表達其治學的嚴謹態度！
唯一要建議的，就是座標軸的 tick mark，朝內的話，在零點處會形成奇怪的方形，這在 MedCalc 很容易修改，雙擊圖片空白處，勾選 outside tick marks 功能即可。
附帶一題，這個功能，是新思惟之友們，彙整經驗，一起反映給 MedCalc 作者 Frank Schoonjans 後，Frank 從善如流，在 2014 年 5 月的更新，所加上去的！
Frank 給新思惟之友們的 MedCalc 專屬優惠，請參考這邊。
恭喜李子豪醫師！
許立生醫師
這次有多位同學挑戰 figure 1a 之後的主題，所以選擇上也花了一些時間，最後，我們是根據正確性、理解深度、企圖心的順序來評分，選出了資料完全正確，且成功挑戰 figure 2a 的許立生醫師！
許醫師的作品，進一步的將 figure 1a 資料區分為男性與女性，觀察其接受 second operation 的趨勢。Kaplan-Meier 曲線正確，數字也正確。
還能改進的部分有二：
一是許醫師上傳時，不小心把 KM curve 寫成 ROC curve 了，可能上傳時頗為緊張，小小筆誤，問題不大。
二是生存曲線過粗，這可能是因為許醫師勾選了 mark censored data in graph 所致。
一般小型的臨床研究，可以考慮勾選，讓更多的資訊在圖表上呈現，但健保資料庫的研究，因為 sample size 真的過於巨大，如果 mark censored data，會導致密密麻麻的 mark 使得折線變得有點怪異，在差異不大的狀況下，甚至導致嚴重的重疊。比較可惜。
解決的方法如下圖，在產生 Kaplan-Meier 分析前，螢光筆處不要勾選即可！
再次恭喜許立生醫師，挑戰 figure 2a 成功！
最新活動