真實世界觀察資料
使用胃癌患者資料，從原始分組、傾向分數到存活結果，分層檢視可能的混雜與偏差。
949研究患者總數
41 4.32%符合連續使用超過 3 個月條件
579 61.01%觀察到的死亡事件
0.647整體 IPTW Cox HR
95% Bootstrap CI：0.378–0.923
95% Bootstrap CI：0.378–0.923
兩種加權方法交叉比較
逆機率加權與重疊加權瞄準不同的目標族群；以標準化平均差異檢查可測量基線特徵的平衡。
不同方法結果不完全一致
IPTW 與 OW 的信賴區間與統計判定不完全相同，結果須結合樣本數與研究設計審慎解讀。
2026 年 11 月補充資料：已新增新版 60 頁簡報的癌症期別／共病分析。不同統計版本分開呈現；數值僅作研究成果展示，不能視為藥物對胃癌具有確定療效。
01 / Motivation
老藥新用 × 癌症資料研究動機與背景
為何關注佩你安？
本研究以研究團隊所稱的「佩你安」作為藥物暴露。前期專題簡報將其記為 Cyproheptadine，因此研究動機聚焦於「老藥新用」：已在臨床使用的藥物，是否可能與其他疾病患者的預後存在關聯。
然而，先前有關藥理作用的研究線索，不代表已證實對胃癌具有治療效益。本站重點是說明真實世界病歷分析，而非推廣藥物。
正式對外發表前，應以藥品許可證與處方資料核對「佩你安」的完整學名、劑型及使用適應症。先前部分海報曾將其誤稱為 PPI（質子幫浦抑制劑）；本站不沿用此分類。
為何需要更嚴謹的分析？
胃癌患者的存活情形可能受到診斷年齡、癌症期別、原有共病以及治療歷程影響。即使長期用藥組呈現較高存活率，也可能與兩組原本的健康特徵不同有關。
觀察性資料不能像隨機分派試驗一樣直接排除混雜，因此本研究採用傾向分數加權控制已測量的基線共變項，再以不同統計方法檢查估計結果是否穩健。[1–3]
⚕
核心研究問題
「符合連續使用佩你安超過三個月條件」是否與胃癌患者整體存活呈現關聯？
02 / Objectives
研究目的與假設
目的一｜比較整體存活
比較長期使用組與未達長期使用條件者的整體存活（Overall Survival, OS），包含 Kaplan–Meier 估計與 Cox 比例風險模型。
目的二｜改善組別可比性
建立傾向分數（Propensity Score, PS）模型，透過穩定化逆機率加權（IPTW）和重疊加權（OW）控制可測量基線差異。
目的三｜檢驗結果穩健性
以性別分層、交互作用及癌症期別分析，探討研究結果在不同族群中的一致性。
研究假設：長期使用與較佳 OS 可能存在關聯；但任何 HR 小於 1 的結果，都必須結合信賴區間、交互作用、混雜控制與研究設計綜合判讀。
03 / Study Design
研究設計、資料來源與變項
研究設計
設計類型：回溯性世代研究（Retrospective Cohort Study）。
研究族群：共 949 位胃癌患者，長期使用組 41 位、對照組 908 位。
資料來源：團隊所述醫院去識別化病歷彙整資料。前期簡報記載嘉義基督教醫院與 IRB 編號 CYCH-IRB2026059；倫理審查及使用權限仍應以正式文件確認。
研究期間：期末正式版本尚待核對，不在本站自行認定。
分組與結局
暴露變項（exposure）長期使用 = 1；對照 = 0
長期使用定義連續用藥超過三個月
結局變項（event）死亡 = 1；設限 = 0
追蹤時間（time）診斷到死亡／追蹤終點
癌症期別（advanced）Stage I vs II–IV
「對照組」是未達連續使用超過三個月的條件者，不等於全部完全未使用。定義需與原始處方資料再核對。
分析欄位說明
| 變數 | 意義 | 分析用途 |
|---|---|---|
| age | 胃癌診斷年齡 | 基線共變項 |
| sex | 原始性別編碼 1／2 | 基線共變項與探索性分層 |
| advanced | 癌症 Stage II–IV = 1；Stage I = 0 | 基線共變項與期別分層 |
| dm_pre | 胃癌診斷前糖尿病 | 基線共病 |
| kidney_pre | 胃癌診斷前腎臟病 | 基線共病 |
| heart_pre | 胃癌診斷前心臟病 | 基線共病 |
| exposure / event / time | 長期用藥標記／死亡事件／追蹤時間 | 主要暴露及研究結局 |
資料治理提醒：本站只公開彙總分析與重新製作的圖表，不公開患者病歷碼、原始紀錄、完整處方明細或可識別資訊。
04 / Workflow
從資料匯入到研究結論：九步驟流程
沿用研究團隊指定的先後順序，讓觀眾了解每項分析在整個研究設計中的角色。
01匯入原始資料
整合胃癌患者資料，確認研究樣本與欄位。
02資料清理與變項建立
整理用藥、存活時間、死亡事件與基線共病。
03描述統計與未加權分析
樣本表、Kaplan–Meier 曲線與初步 Cox。
04建立傾向分數模型
Logistic 回歸估計個體符合長期用藥的機率。
05IPTW／OW 權重計算
不同目標族群的加權策略及權重診斷。
06加權後平衡檢查
SMD、Love Plot、有效樣本數與權重分布。
07加權存活分析
Cox 風險比、95% CI、限制平均存活時間。
08性別分層與補充分析
性別交互作用與癌症期別、共病等探索性分層分析。
09整合結果與研究限制
綜合加權方法及各項分層分析的證據。
研究上學期：初步發現
先使用未加權 Kaplan–Meier、Log-rank 與 Cox 分析，初步發現長期使用組的存活曲線較高。但兩組在人數、期別與共病上的差異，可能影響這個關聯。
研究本學期：方法深化
建立 PS 模型、IPTW／OW 加權、平衡診斷與性別分層，並補充癌症期別及共病探索分析，重新檢視原本的推論。
05 / Cohort & Descriptive Statistics
949 位患者的樣本與基本統計
用藥分組
分組人數比例約 22.1:1；使用組相對少，推論精確度需審慎評估。
整體描述性統計
平均診斷年齡67.81 歲
診斷年齡中位數68.00 歲
平均觀察存活時間3.78 年
存活時間中位數1.95 年
此處「存活時間中位數」為資料欄位的描述性摘要，不等同 Kaplan–Meier 估計的中位整體存活期。
組別、事件及期別
| 組別 | 人數 | 死亡 | Stage I | Stage II–IV |
|---|---|---|---|---|
| 對照組 | 908 | 559 | 181 | 727 |
| 長期使用組 | 41 | 20 | 16 | 25 |
| 合計 | 949 | 579 | 197 | 752 |
死亡事件 61.01%Stage II–IV 79.24%
為何需要調整？
在未加權基線特徵表中，進展期與診斷前腎臟病的絕對標準化平均差異（|SMD|）較大，分別約 0.428 與 0.348，提示兩組在可測量特徵上不完全相似。
06 / Propensity Score
傾向分數：如何建立可比較的基線
Logistic 迴歸建立 PS
以是否符合長期用藥條件作為二元結果，使用 Logistic 迴歸（Logistic Regression）估計每位患者的傾向分數（Propensity Score, PS）。[2]
logit(PS) = β₀ + β₁·age + β₂·sex
+ β₃·advanced + β₄·dm_pre
+ β₅·kidney_pre + β₆·heart_pre
+ β₃·advanced + β₄·dm_pre
+ β₅·kidney_pre + β₆·heart_pre
PS 是在所選基線共變項條件下，模型估計符合長期用藥標記的機率。此模型不是直接預測胃癌死亡。
全部患者 PS 中位數0.03211
全部患者 PS 平均數0.04320
對照組平均 PS0.0422
長期使用組平均 PS0.0644
以上為先前提供的 PS 摘要，未由網站重新計算。原始密度圖與箱型圖未被虛構重繪。
模型中哪些因素與長期分組有關？
| 變項 | OR | 95% CI | p 值 |
|---|---|---|---|
| 診斷年齡 | 0.9921 | 0.9681–1.0168 | 0.5270 |
| 性別（編碼 2 vs 1） | 1.1045 | 0.5800–2.1033 | 0.7624 |
| Stage II–IV | 0.4063 | 0.2098–0.7870 | 0.0076 |
| 診斷前糖尿病 | 0.4679 | 0.0524–4.1790 | 0.4966 |
| 診斷前腎臟病 | 6.2358 | 1.6220–23.9747 | 0.0077 |
| 診斷前心臟病 | 1.5344 | 0.2671–8.8136 | 0.6312 |
OR 為勝算比（Odds Ratio）。表格用於描述形成長期用藥組的相關基線特徵，不能直接解讀為藥物對死亡的效應。
07 / Weighting
IPTW 與 OW：加權方法與有效樣本數
穩定化逆機率加權（IPTW）
Inverse Probability of Treatment Weighting，依患者在既有特徵下的暴露機率配置權重，通常瞄準整體研究族群的平均處置效應（Average Treatment Effect, ATE）。
暴露組 = P(A=1) / PS
對照組 = P(A=0) / (1−PS)
對照組 = P(A=0) / (1−PS)
整體平均權重0.9993
權重最小／最大0.1438 / 1.7223
對照組 ESS906.32 / 908
長期使用組 ESS33.74 / 41
ESS（Effective Sample Size，有效樣本數）反映加權後的資訊量，非實際刪除患者。
重疊加權（OW）
Overlap Weighting著重兩組患者在被分配到任一組時皆有合理可能性的「重疊族群」，目標為平均重疊效應（Average Treatment Effect in the Overlap Population, ATO）。[3]
暴露組 = 1 − PS
對照組 = PS
對照組 = PS
整體平均 OW 權重0.08084
OW 最小／最大0.01186 / 0.97341
對照組平均權重0.0422
長期使用組平均權重0.936
兩組 OW 權重數值大小不同是加權定義的結果，不能直接用權重大小判斷平衡是否達成。
IPTW 分組權重與 ESS 比較
| 組別 | 平均 | 中位數 | 範圍 |
|---|---|---|---|
| 對照組 908 人 | 1.000 | 0.988 | 0.968–1.722 |
| 長期使用組 41 人 | 0.975 | 1.110 | 0.144–1.625 |
當權重集中於少數樣本時，ESS 可能下降；因此須與 SMD 同時判斷。
08 / Covariate Balance
加權前後共變項平衡：SMD 與 Love Plot
標準化平均差異（Standardized Mean Difference, SMD）量化兩組基線差異；通常以 |SMD|＜0.10 作為平衡診斷參考門檻，不代表混雜已完全消除。
未加權IPTW 後OW 後虛線：0.10 參考門檻
| 基線變項 | 未加權 |SMD| | IPTW |SMD| | OW |SMD| |
|---|
在研究者提供的這組分析摘要中，六項基線變項於 IPTW 與 OW 加權後皆達 |SMD|＜0.10。這是已測量共變項的平衡診斷結果，仍需考量未測量混雜與權重估計穩定性。
09 / Overall Survival
整體存活結果：5 年 OS 與 Cox HR
三種方法的 5 年整體存活率
對照組長期使用組
這裡依提供的 5 年存活率摘要值繪圖，沒有以缺乏的個體事件時間虛構 Kaplan–Meier 曲線。因各方法的加權目標不同，百分比不能視為同一比較族群。
Cox 比例風險模型結果
HR（Hazard Ratio，風險比）小於 1 代表較低的瞬時死亡風險率估計，但不是「減少同百分比的死亡機率」。信賴區間涵蓋 1 時，結果未達名目統計顯著。
整體分析結果對照
| 分析方法 | HR（95% CI） | 對照組 5 年 OS | 長期使用組 5 年 OS | 解讀 |
|---|---|---|---|---|
| 未加權 | 0.581（0.393–0.886） | 40.91% | 65.46% | Log-rank p = 0.0157 |
| IPTW | 0.647（0.378–0.923） | 41.40% | 64.63% | 95% CI 未跨 1 |
| OW | 0.751（0.481–1.079） | 51.59% | 65.91% | 95% CI 跨越 1 |
這組數值採研究者先前確認之中文論文整體估計；其他 PPT 曾使用不同的 robust SE 分析（例如 IPTW HR 0.6484、OW HR 0.7553），不同版本不可混算或當成相同估計。
10 / Sex-Stratified Analysis
性別分層 IPTW／OW 與交互作用檢定
正式資料字典尚未確認性別編碼 1、2 分別對應男性或女性。因此本頁僅使用「性別編碼 1」與「性別編碼 2」，不擅自轉換。
| 性別 | 方法 | HR（95% Bootstrap CI） | p 值 |
|---|---|---|---|
| 編碼 1（n=529，長期 21） | IPTW | 0.622（0.342–0.991） | 0.0480 |
| 編碼 1 | OW | 0.687（0.363–1.019） | 0.0690 |
| 編碼 2（n=420，長期 20） | IPTW | 0.700（0.265–1.387） | 0.3078 |
| 編碼 2 | OW | 0.775（0.338–1.382） | 0.3958 |
主要顯示你後續提供的 2,000 次分層 Bootstrap 版本；其他版本之 CI 和 p 值不同，已在下方標記。
性別交互作用：檢查的是「組間差異」
IPTW HR 比值（95% CI）1.126（0.370–2.790）
IPTW 交互作用 p 值0.8036
OW HR 比值（95% CI）1.129（0.457–2.821）
OW 交互作用 p 值0.7456
兩種方法均未顯示統計顯著的性別間差異。不能因為「編碼 1 的 p 值小於 0.05、編碼 2 不顯著」，就宣稱藥物對編碼 1 有特定效益。
不同 Bootstrap 版本之差異
早期提供的 250 次分層 Bootstrap 結果，編碼 1 IPTW 的 95% CI 為 0.327–0.960、p = 0.0478；而最新提供的 2,000 次分析得到 0.342–0.991、p = 0.0480。
本網站主表採用2,000 次版本；早期版本只用來說明敏感性與統計估計波動，不能任意合併兩個版本。
需核對 Bootstrap 重抽樣設計11 / RMST & Stage
限制平均存活時間與癌症期別
5 年限制平均存活時間（RMST）
限制平均存活時間（Restricted Mean Survival Time, RMST）是在預先指定的追蹤時間範圍內，存活曲線下面積所對應的平均存活時間。
| 方法 | 對照組 | 長期使用組 | 差異（年，95% CI） |
|---|---|---|---|
| 未加權 | 2.829 | 3.661 | +0.832（0.247–1.346） |
| IPTW | 2.851 | 3.652 | +0.801（0.142–1.386） |
| OW | 3.276 | 3.688 | +0.411（−0.148–0.985） |
IPTW RMST 的 +0.801 年約為 9.6 個月，但這是觀察性、事後分組下的關聯差，不能說「佩你安使患者多活 9.6 個月」。
癌症期別的探索性結果
| 期別 | 對照 5 年 OS | 長期 5 年 OS | 未加權 HR（95% CI） |
|---|---|---|---|
| Stage I | 81.82% | 80.36% | 1.002（0.358–2.807） |
| Stage II–IV | 31.23% | 56.00% | 0.629（0.382–1.035） |
期別交互作用 p 值0.4038
Stage I 組未呈現較佳存活關聯；Stage II–IV 的 5 年存活率雖有描述性差異，但其 HR 信賴區間跨越 1，交互作用亦不顯著。
這些屬探索性次群組分析，不能直接據此推論某一期別已獲證實有藥物效益。
11A / Updated stage analyses · 專題最新簡報第 41–45 頁
來源：新版 60 頁簡報新版期別分層：Cox 模型與加權存活曲線
這是不同分析版本的補充呈現。 下方的癌症期別 Cox 值依據最新上傳《完整版 真的(2)》第 41 頁；曲線檢定數字依第 42–45 頁。新簡報與先前研究摘要的部分結果不同，尚未重新跑模型確認，不應直接混用。
Stage I 與 Stage II–IV Cox 模型比較
HR 是 Hazard Ratio（風險比），CI 是 Confidence Interval（信賴區間）。以下模型 HR 針對各期別比較長期使用與對照患者的死亡風險率，非兩個期別的直接比較。
| 癌症期別 | 模型 | HR（95% CI） | p 值 |
|---|---|---|---|
| Stage I | 未加權 Cox | 1.002（0.358–2.807） | 0.996 |
| Stage I | IPTW Cox | 0.863（0.290–2.571） | 0.792 |
| Stage I | OW Cox | 1.121（0.407–3.084） | 0.825 |
| Stage II–IV | 未加權 Cox | 0.629（0.382–1.035） | 0.068 |
| Stage II–IV | IPTW Cox | 0.607（0.378–0.977） | 0.040 |
| Stage II–IV | OW Cox | 0.635（0.392–1.028） | 0.064 |
IPTW = Inverse Probability of Treatment Weighting（逆機率加權）；OW = Overlap Weighting（重疊加權）。
加權 Kaplan–Meier 曲線的組間檢定
0.784Stage I · IPTW 曲線檢定 p 值
0.832Stage I · OW 曲線檢定 p 值
0.0495Stage II–IV · IPTW 曲線檢定 p 值
Stage II–IV：OW 曲線檢定 p = 0.0364
不同加權方法下的加權曲線比較，在新版簡報顯示較晚期分組有名目顯著差異；但同一子群的 OW Cox 模型 p = 0.064，沒有達 0.05 門檻。兩者是不同檢定，不應視為相互矛盾或擇一報告。
第 42–45 頁曲線來自原研究簡報。本站不從摘要數值虛構個體層級存活曲線，也不公開含患者識別資料的原始截圖。
期別分層只是探索性比較；各子群的長期使用者人數有限。某個子群 p＜0.05 不等於期別間具有顯著差異，效果修飾必須另做交互作用檢定。
11B / Comorbidity · 專題最新簡報第 47–52 頁
共病數量、腎臟病與長期用藥分組
以下探討的是「哪些患者較可能被歸入長期使用組」，以及部分共病分層的存活關聯，兩種研究問題必須分開解讀。
共病數量與長期使用比例
共病數量由糖尿病、心臟病與腎臟病三項加總而成（0–3 項）。圖中分母為各共病數量群組的患者總數，分子為符合長期使用條件的人數。
最右兩組樣本非常少，尤其 3 項共病只有 2 人。比例波動很大，不能直接推論一般胃癌患者的用藥模式。
共病數量 Logistic 迴歸
此模型的結果變數是長期用藥分組，並不是死亡。OR 指 Odds Ratio（勝算比）。
2.0218未調整 OR · p = 0.0290
2.0622調整後 OR · p = 0.0321
1.0653–3.9972調整後 95% CI
模型顯示每增加一項共病，患者被歸入長期用藥組的勝算估計較高。但這是用藥分組關聯，不能推論佩你安使共病增加，也不能推論藥物降低癌症死亡風險。
是否主要受到腎臟病影響？
| 分析指標 | OR（95% CI） | p 值 |
|---|---|---|
| 腎臟病（有 vs 無） | 6.3982（1.6781–24.3958） | 0.0066 |
| 其餘共病每增加 1 項 | 0.8801（0.2378–3.2577） | 0.8483 |
新版敏感度分析將腎臟病獨立處理後，其他兩項共病的總數不再呈現顯著關聯，提示原先共病數量與長期使用的關係可能主要受到腎臟病影響。
腎臟病分層存活分析（探索性）
| 族群 | 模型 | HR／p 值 |
|---|---|---|
| 無腎臟病 | IPTW Cox | HR 0.637（0.408–0.995），p = 0.047 |
| 有腎臟病 | IPTW Cox | HR 5.735，p = 0.023 |
| 有腎臟病 | OW Cox | p = 0.466（未顯著） |
依最新簡報第 52 頁文字；該頁沒有提供所有模型的完整 95% CI、有效樣本數、事件數與權重診斷，所以沒有補寫未提供的數字。
不能說「佩你安使腎臟病患者死亡風險上升」：子群可能極小、估計不穩定，且 OW 與 IPTW 結果不一致。此結果只能列為需要後續核對的探索性訊號。
共病分析的正確分層：共病數量的 Logistic 模型探討是否容易成為長期使用者；腎臟病分層 Cox 探討各分層中的存活關聯。兩者的結果變數及估計目標不同，不能把 OR 當成 HR。
13 / Interpretation
主要發現、研究限制與下一步
初步分析呈現存活關聯
整體未加權與 IPTW 分析，長期使用組的 HR 估計均小於 1；IPTW 的 95% CI 未包含 1。
方法之間的結果不完全一致
OW 整體分析與多項分層估計的信賴區間包含 1；性別交互作用沒有達顯著。
期別與共病分析需審慎判讀
期別及共病分層估計會受到模型設定與樣本數影響，不能把探索性顯著結果直接視為確定的藥物效益。
研究限制
- 屬回溯性觀察研究，不能排除未測量混雜。
- 符合長期使用條件者僅 41 人，分層後約 20 人。
- 長期用藥組是依照事後確認的用藥條件分類，研究解釋需留意分組定義的限制。
- 用藥及共病資料的原始定義仍需核對。
- 仍須核對性別編碼、研究期間、IRB 文件與藥品正式名稱。
- 比例風險假設、多重比較、分層權重平衡與 Bootstrap 穩定性仍需完整檢查。
未來研究方向
- 整理更完整的處方與共病資料，確認研究變數定義。
- 增加患者特徵與治療資訊，評估殘餘混雜。
- 評估其他基線混雜控制方法，並檢查模型穩健性。
- 增加樣本量，並事先指定性別與期別效果修飾檢定。
- 透明揭露權重模型、比例風險假設與分析程式版本。
研究結論：目前資料顯示「符合長期使用佩你安條件」可能與胃癌患者整體存活呈現探索性關聯，但不同加權方法及分層分析未形成一致支持。現階段無法確認佩你安具有因果性的存活效益，亦無法確認其對某一性別或期別有確定療效。
Version Control / 資料版本核對
不同報告版本的分析設定與呈現範圍
最新上傳簡報
本次更新以《完整版 真的(2).pdf》共 60 頁作為新版內容來源，採用第 41–52 頁的胃癌期別與共病補充分析，以及第 57–58 頁的參考文獻清單。
第 1 頁標題寫「肝癌或胃癌」，但第 3 頁研究目的及樣本研究均為胃癌。因此成果展網站與海報一致使用「透過大數據分析佩你安對胃癌的影響」，不能擅自推廣至肝癌患者。
為何保留不同數據版本的註記？
新版第 38–39 頁的固定暴露 Cox 結果和先前研究摘要的 HR、95% CI、p 值並非完全一致，可能是模型、標準誤、Bootstrap 或統計設定不同所致，不能當作相同估計合併。
網站的整體與性別分層主要展示先前團隊提供的確認版彙總結果；新版期別／共病數值分章呈現，並註明來源頁碼。網站本身沒有重新計算統計模型。
正式展示前請核對：研究主題究竟是否只含胃癌、長期使用者最終人數、性別編碼 1／2 的對應、完整研究期間與 IRB 文件；另外新版簡報內部分組模型 p 值和先前版本不同，需要回到 R 程式與原始資料確認。
14 / Terminology
研究專有名詞與縮寫全名
網站第一次出現的重要術語均附上全名，以下另提供完整對照表，方便非統計背景的觀眾閱讀。
沒有找到符合的專有名詞。
15 / References & Source Attribution
Vancouver 統一格式參考文獻與研究依據
以下文獻採作者、題名、期刊名、年份、卷（期）、頁碼／文章編號及 DOI 或 PMCID 的一致格式。本組最新 60 頁簡報第 57–58 頁列出主要藥物背景文獻，並補上觀察性研究方法參考。藥物相關文獻包含細胞研究、血液癌症、膀胱癌及肝細胞癌；不能直接視為佩你安能改善胃癌患者存活的臨床證據。
- Abedini F, Amjadi P, Ahangari G. Repositioning serotonergic antagonists as therapeutic agents in gastric cancer: induction of apoptosis, inhibition of cell migration, and cell cycle arrest in AGS cells. Cytotechnology. 2026;78(1):22. doi: 10.1007/s10616-025-00890-9.
- Mao X, Liang S-B, Hurren R, et al. Cyproheptadine displays preclinical activity in myeloma and leukemia. Blood. 2008;112(3):760–769. doi: 10.1182/blood-2008-02-142687.
- Paoluzzi L, Scotto L, Marchi E, Seshan VE, O'Connor OA. The anti-histaminic cyproheptadine synergizes the antineoplastic activity of bortezomib in mantle cell lymphoma through its effects as a histone deacetylase inhibitor. Br J Haematol. 2009;146(6):656–659. doi: 10.1111/j.1365-2141.2009.07797.x.
- Li J, Cao B, Zhou S, et al. Cyproheptadine-induced myeloma cell apoptosis is associated with inhibition of the PI3K/AKT signaling. Eur J Haematol. 2013;91(6):514–521. doi: 10.1111/ejh.12193.
- Chang H-C, Lin C-T, Lin W-Y, Yu P-T. Analysis of the effects of cyproheptadine on bladder cancer through big data. Am J Cancer Res. 2020;10(7):2114–2119. PMCID: PMC7407345.
- Hsieh M-C, Lee W-H, Wu ATH, et al. Cyproheptadine use in hepatocellular carcinoma. Am J Cancer Res. 2017;7(3):584–602. PMCID: PMC5385646.
- von Elm E, Altman DG, Egger M, et al. The Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) statement: guidelines for reporting observational studies. J Clin Epidemiol. 2008;61(4):344–349. doi: 10.1016/j.jclinepi.2007.11.008.
- Austin PC. An introduction to propensity score methods for reducing the effects of confounding in observational studies. Multivariate Behav Res. 2011;46(3):399–424. doi: 10.1080/00273171.2011.568786.
- Li F, Morgan KL, Zaslavsky AM. Balancing covariates via propensity score weighting. J Am Stat Assoc. 2018;113(521):390–400. doi: 10.1080/01621459.2016.1260466.
- Hernán MA, Sauer BC, Hernández-Díaz S, Platt R, Shrier I. Specifying a target trial prevents immortal time bias and other self-inflicted injuries in observational analyses. J Clin Epidemiol. 2016;79:70–75. doi: 10.1016/j.jclinepi.2016.04.014.
格式備註：目前使用醫學領域常見的 Vancouver 文獻格式。你提到需「參閱附件」，但本次上傳的是 60 頁研究簡報，未見獨立的學校文獻格式範本；正式繳交前仍須和余瑞琳老師或指導教授指定格式比對。
16 / Research Transparency
資料版本、圖像授權與網站聲明
研究數值的來源
本站數值由研究團隊先前提供的中文期刊論文修訂初稿、新版 60 頁《完整版 真的(2)》專題簡報、R 分析摘要、IPTW／OW 權重頁面、2,000 次 Bootstrap 性別分層截圖以及其他專題簡報彙整。本站沒有重新執行個體層級統計模型。
整體 Cox 採研究者確認的 HR 數值；性別分層採後續 2,000 次 Bootstrap 表格為主，舊版結果另行標記。
新版簡報提供期別、共病與腎臟病分層等補充結果，已與先前版本分開標示。資料有不同版本時，須以正式最終分析程式、統計設定及資料字典逐項核對，才能作為投稿用數值。
圖文及著作權說明
網站頁面樣式、插圖及 SVG 圖表為本次專題展示重新製作；圖表數值基於研究團隊提供的彙總統計資料，不直接複製第三方期刊圖表、論文頁面或網路照片。
頁面上的醫療胃部插圖為製作專題時生成之圖像，不代表任何真實患者。著作權及使用條件以實際生成服務條款、團隊資料使用授權為準。
不包含原始病歷表格或可識別個人資訊；公開發布前仍應由研究團隊核對 IRB／資料提供單位的公開揭露範圍。
成果展公開前檢查清單
- 核對研究期間、資料截止日期及 IRB 文件。
- 核對佩你安正式藥品名稱與性別代碼。
- 確認 41 位長期使用者的最終納入標準，並核對新版期別與共病模型。
- 核對整體 HR、性別 Bootstrap 與原始程式。
- 確認網站與研究數據符合病歷資料使用授權。
- 將網站部署於由學生／系所持續管理的帳號。
- 在不同螢幕及手機上測試導覽、按鈕與排版。
- 點擊 DOI 文獻連結並確認外部頁面可連線。
永久保存說明：此網站為可離線開啟的靜態網站，沒有付費外掛或外部程式依賴。但公開網址的長期存續仍取決於部署帳號、平台政策及網域續用；無法保證任何第三方平台永遠不下架。建議以系所／學校管理的正式網址發布，並保留網站 ZIP、備份及版本控制。
17 / A1 Poster Exhibition
雙張 A1 研究成果海報
依成果展規格設計為 A1 直式（594 × 841 mm），兩張互相銜接。第一張包含正式稱呼「指導教授」「專題成員」，第二張集中展示結果，完整版研究解釋以本站為準。
海報 1｜研究動機、方法與數據來源
主題、指導教授、專題成員、研究方法和 949 人樣本概況。
下載第一張 PDF海報 2｜統計結果、探索性分析與限制
整體 HR、五年 OS、性別／期別與共病補充、RMST 及結論。
下載第二張 PDF網站與海報均為研究展示用途；PDF 使用向量文字及重繪圖表，印刷時請指定 A1 直式與 100% 原尺寸。尚未有公開網址，因此不製作可能失效的 QR Code。正式部署後可加入校方核准的連結。