問：老師，上次提到 data-driven writing 很不好，但實務上我們當然都是從自己做很久的手術或治療出發。該怎麼做才能用同樣的資料處理成 hypothesis-driven 呢？

答：（蔡依橙）好奇心！

假設你做一個手術十年，也真的做得不錯，患者的 outcome 很棒，甚至國際學會也邀請你演講或示範。這樣的資料非常寶貴，只是你要多一點好奇心。

這十年來，你一定有些想法。某些患者一看就覺得預後會很好，某些患者一看就覺得可能術後會感染；某一群術後不幸過世的患者，其實你在跟家屬解釋之前就已經知道有風險。

那就把這些觀察量化，以這些問題去想一些假設，然後收集相關資訊。

臨床上的直覺，就是研究問題的起點。

例如，你感覺年紀輕、瘦的患者、女性、經濟狀況比較好的患者，似乎預後特別好。那麼你在回顧十年的患者資料時，就記得收集這些欄位，然後去分組做統計比較。

胖瘦可以用 BMI 當作指標，經濟狀況勉強可以用住院時是否加錢升等病房，或其他與手術預後無關的自費品項作為指標。

如果你覺得術後感染可能跟手術時間、出血量、助手是誰、後續換藥照護者有關，那就收集這些欄位。助手與換藥照護者可以分類為 PGY、本科住院醫師、專科護理師、護理師，並計算他們的臨床工作資歷，以年作為單位，就能變成連續變項。

同樣的，那些不幸過世的患者，你在術前觀察到什麼，也可以收集。例如發病一開始症狀的嚴重程度、疾病診斷時的分級，或某個功能性指標等等。

當然，以上這些想法，最好是目前文獻中還沒被提出，或者即使有被提過，探討的深度或個案數都沒有你多。

這樣就能從 data-driven 變成 hypothesis-driven，說出一個令人覺得有意思的研究與論述！

近期課程