tex on 林協霆醫師

audit-oe-skill：以平行 PubMed 驗證稽核 OpenEvidence MCP 引文準確性的 Skill

Mon, 20 Apr 2026 00:00:00 +0000

# Introduction（引言）

LLM 在醫學文獻問答上的最大風險是「幻覺引文」：表面上引用了某篇論文，實則該論文不存在，或標題作者與宣稱不符。即便 OpenEvidence 等工具已嘗試以檢索增強生成（RAG）緩解此一現象，仍可能在文獻邊緣案例中出現錯位。本 Skill 的設計目的，是建立一個獨立的稽核層，對 openevidence-mcp 的每筆引文進行平行 PubMed 驗證並產出結構化準確性分數，使使用者能在書寫前知曉引用品質。

# Methods（方法）

Skill 接收一組由 openevidence-mcp 回傳的引文列表，對每筆引文以平行方式呼叫 PubMed E-utilities，比對 PMID、標題、作者、期刊與年份。比對結果以多維度給分（標題相似度、作者一致性、期刊匹配度），最後彙整為單一準確性分數。實作以 TeX 為輔助記錄方法學細節，並以 Python 進行查詢與分析。

設計上強調「獨立驗證」：稽核管線完全與引文來源解耦，避免使用同一個 LLM 進行自我評分。此外，平行查詢顯著縮短整體稽核時間，使其能即時嵌入研究者的書寫流程而不致打斷思路。Skill 安裝方式為 npx skills add htlin222/audit-oe-skill。

# Results（結果）

稽核 Skill 能在數秒內為一份引文列表打出綜合準確性分數，並標出可疑或無法驗證的條目。對於使用 OpenEvidence 起草論文段落的研究者，這提供了「先稽核再採用」的安全網，顯著降低投稿後因錯誤引用而被審稿人質疑的風險。Skill 形式亦使其能與其他寫作 workflow 自然串接。

# Discussion（討論）

本專案實踐了「LLM 治理 LLM」的思維：當生成端越來越強，驗證端就必須以獨立工具承擔抑制偏誤的責任。限制方面，PubMed 並非所有醫學文獻的金本位，部分區域期刊可能不被收錄；準確性評分的權重需要持續校準。未來可加入 Crossref 與其他資料庫的多重比對、引入 LLM 進行語意相似度判讀，並擴展至非醫學領域的引文稽核。

# 連結

GitHub：htlin222/audit-oe-skill
主要語言：TeX
最後更新：2026-04-20

bestseller：A5 非小說書籍模板，整合 Quarto、Typst、APA CSL 與 CrossRef 驗證

Sun, 19 Apr 2026 00:00:00 +0000

# Introduction（引言）

學術書籍的自助出版近年因 Quarto 與 Typst 等開源工具而再度普及，但繁體中文排版仍面臨字型、版心、跨頁標題與引用驗證等多重挑戰。商業排版軟體門檻高，傳統 LaTeX 模板對非工程背景作者並不友善。本專案提供 A5 非小說書籍模板，整合現代學術寫作所需的引文管理（APA CSL）、引文核驗（CrossRef）與排版細節（交替頁碼、運行頁眉、Genryu Mincho 字型），讓作者得以專注於內容。

# Methods（方法）

模板以 Quarto 為作者層的撰稿介面，使用 Markdown 與 YAML metadata 寫作；底層渲染使用 Typst（取代 LaTeX）以獲得更現代的排版品質與更短的編譯時間。引文格式採用 APA 7th 的 CSL 樣式，並透過 CrossRef API 對每筆 DOI 進行驗證，避免幻覺引用。字型選用 Genryu Mincho（源流明朝體）以兼顧中日漢字呈現品質。

排版細節包含：交替頁碼以區分左右頁、運行頁眉顯示章名與書名、目錄與索引自動生成、以及完整的封面與版權頁範本。整體設計遵循「模板即規範」原則，作者只需替換內容即可獲得專業書籍輸出。

# Results（結果）

模板可被研究者、醫師或專業作者直接使用，作為自助出版繁體中文非小說書籍的起點。其輸出品質可達商業出版水準，且具備版本控制、可被同儕審閱、可全自動編譯等優勢。對於希望將個人筆記、講義或專欄結集成書的作者而言，本專案大幅降低出版門檻。

# Discussion（討論）

本專案展現了「學術書寫工具鏈現代化」的方向：以 Quarto + Typst + CSL + CrossRef 取代傳統 LaTeX + BibTeX 的工作流，兼顧速度、品質與引文可信度。限制方面，Typst 生態仍在快速演化，部分高度客製需求可能尚無解；CrossRef 並非所有引用源皆有資料。未來可整合 PubMed 補充驗證，並提供互動式封面設計工具。

# 連結

GitHub：htlin222/bestseller
主要語言：TeX
最後更新：2026-04-19

sepsis-dynamic-treatment-tt-emulation：早期敗血性休克液體與升壓策略之跨資料庫貝氏層級目標試驗模擬

Sat, 18 Apr 2026 00:00:00 +0000

# Introduction（引言）

早期敗血性休克的最佳治療策略是長年爭議：液體應給多少、升壓藥何時開始？多項隨機對照試驗（如 SEP-1 系列、CLOVERS）對此議題僅提供片段答案，且因納入族群與時序定義不同而難以一致解讀。目標試驗模擬（target trial emulation）作為近年因果推論的主流框架，可在觀察性資料上以隨機試驗的設計原則進行分析，特別適合處理動態治療策略。本專案以此方法整合多個重症資料庫，企圖提供更具一般化能力的回答。

# Methods（方法）

研究方法以 LaTeX 撰寫詳盡計畫書與統計分析計畫（SAP）：定義早期敗血性休克的時間零點、納入排除標準、處理規則（依血壓與乳酸動態調整液體與升壓量），並指定主要與次要結果。分析採用貝氏層級模型，將不同資料庫視為不同層級，使估計兼具個別資料庫資訊與跨資料庫資訊借力。處理動態治療策略所需的時間變動干擾控制，以反向機率加權與 g-formula 等方法處理。

整體計畫遵循 EQUATOR Network 對研究計畫的透明化要求，並預先註冊以避免事後分析造成的偏誤。所有程式碼計畫公開，以利他人重現與審查。

# Results（結果）

預期結果為對「液體優先 vs 升壓優先」、「保守 vs 積極液體量」等動態策略給出可信賴的因果估計，並以後驗分布呈現估計不確定性。即使最終效應差距小，研究過程亦可作為跨資料庫目標試驗模擬的方法學示範。

# Discussion（討論）

本專案展現了現代因果推論在重症醫學的應用：以系統方法處理觀察性資料的偏誤，並透過貝氏框架進行多源資料的合理整合。限制方面，目標試驗模擬高度依賴正確的時間零點與處理定義；觀察性資料中的測量誤差仍可能造成殘餘偏誤。未來可結合機械式模型（mechanistic model）與機器學習，進行更貼近真實臨床決策的模擬。

# 連結

GitHub：htlin222/sepsis-dynamic-treatment-tt-emulation
主要語言：TeX
最後更新：2026-04-18

to-comfort-always：臨床溝通中的「框架選擇問題」與其 schema 規範

Wed, 15 Apr 2026 00:00:00 +0000

# Introduction（引言）

醫師面對重大壞消息或末期照護決策時，必須在多種溝通框架之間做選擇：是先給予事實、再陪伴情緒？還是先處理情緒、再進入資訊交換？傳統溝通指引多以條列指令形式給出建議，卻未認真處理「為何此情境應採此框架」的決策邏輯。本手稿命名取自 19 世紀醫師格言「To cure sometimes, to relieve often, to comfort always」，主張臨床溝通的核心是「框架選擇問題」。

# Methods（方法）

論文以 LaTeX 撰寫並嚴格遵循 American Psychologist 投稿格式。理論建構部分從決策科學引入「框架（frame）」概念，將溝通行為視為在多框架空間中根據臨床情境選擇最適框架的過程。為了讓論述能落地於實務與系統，作者進一步提出對話 schema：以結構化欄位（情境、患者偏好、可選框架、選擇理由、回饋訊號）刻畫一次溝通選擇，使其可被 AI 系統理解並支援。

論證以多個臨床案例說明框架選擇的差異化結果，並引用近年安寧緩和、腫瘤學溝通研究的實證資料佐證。schema 規範以可被機器讀取的格式提供，便於後續開發溝通決策輔助工具。

# Results（結果）

論文提出「框架選擇問題」作為臨床溝通研究的新典範，並透過 schema 將其與 AI／HCI 領域接軌。其貢獻在於把「軟性技巧」轉換為可被研究與工程的對象，使臨床溝通教學能突破經驗主義。schema 亦為日後 LLM 在臨床溝通輔助上的標準化打下基礎。

# Discussion（討論）

本研究展示了將心理學理論與臨床實務銜接的方法學嘗試。其價值在於為「為什麼這樣說」提供分析框架，而非僅是「應該這樣說」的規則。限制方面，框架選擇的決定往往受文化與制度影響，schema 仍需在不同醫療體系驗證；高度結構化的描述可能犧牲溝通的有機特質。未來可發展為基於 schema 的對話輔助訓練模擬器。

# 連結

GitHub：htlin222/to-comfort-always
主要語言：TeX
最後更新：2026-04-15

HOASH-2026-Asia：ASH 2026 Asia-Pacific 重點摘要的口袋指南

Sat, 11 Apr 2026 00:00:00 +0000

# Introduction（引言）

美國血液學會（ASH）年會與其區域分會（Highlights of ASH, HOASH）為血液內科臨床與研究最重要的訊息流之一。然而會議內容繁多，醫師回到臨床現場後常難以系統地消化。亞太地區的 HOASH 議程更聚焦於本區域臨床特性，更值得長期追蹤。本專案以「會後口袋指南」為定位，將 ASH 2026 Asia-Pacific 之關鍵研究、指引變動與實務啟示濃縮為簡明手冊。

# Methods（方法）

指南以 LaTeX 排版以求印刷品質與專業外觀。內容組織依血液惡性腫瘤分類：白血病（AML、ALL、CML）、淋巴瘤（DLBCL、FL、MCL）、骨髓瘤、骨髓化生不良症（MDS／MPN）等子類別，每類別精選最具實務影響力的研究並列點呈現。每筆條目皆附原始發表者、會議場次與重要試驗縮寫，便於讀者深入查閱原始資料。

整體寫作避免長段落敘述：以「結論先行 + 證據簡述 + 臨床啟示」三段結構，符合醫師於臨床空檔閱讀的習慣。LaTeX 模板支援便利的版本疊代，使後續年份的指南能以最少修改完成更新。

# Results（結果）

口袋指南可作為亞太地區血液科醫師於會議結束後快速吸收精華的工具，亦可作為團隊內部教育素材。LaTeX 輸出之 PDF 便於列印為實體小冊，與作者其他「pocket」系列（如 pocket-hematology）形成完整的口袋學習資源組合。

# Discussion（討論）

本專案展現了「會議重點即媒體」的觀念：研究者除了提供原創研究，亦能透過策展（curation）為社群帶來價值。限制方面，會議重點選擇仍依賴作者主觀判斷，需多方互補；指南的時效性短，需要每年重做。未來可加入線上版本以提供更新追蹤，並結合 AI 推薦提供個人化重點。

# 連結

GitHub：htlin222/HOASH-2026-Asia
主要語言：TeX
最後更新：2026-04-11

meta-pipe-manuscript：meta-pipe 管線方法論的學術手稿

Mon, 06 Apr 2026 00:00:00 +0000

# Introduction（引言）

當研究者開發新的研究方法工具時，將其轉化為同儕審查文獻是讓社群採用與監督的重要環節。本倉庫即為 meta-pipe（AI 輔助 Meta 分析管線）方法論手稿之 LaTeX 撰寫倉庫，目的不只是描述工具能做什麼，更是揭露其設計決策、驗證範式與限制條件。研究界對於 AI 輔助工具的接受度，仰賴透明的方法學書寫。

# Methods（方法）

手稿以 LaTeX 撰寫並透過 Git 進行版本控制，便於與共同作者協作與審稿迭代。內容組織遵循標準研究方法論論文結構：背景、現有工具不足、meta-pipe 設計、驗證實驗（與姊妹專案 meta-pipe-validation 配對）、限制討論與未來方向。所有圖表皆從原始碼自動生成，避免投稿過程中圖表與內文不同步的問題。

撰寫策略採「結構化敘事」：每個章節先以一句結論起頭，再展開支撐證據。引用管理透過 BibTeX 並輔以引文驗證，確保所有引文真實存在且符合語境。

# Results（結果）

手稿構成 meta-pipe 工具家族的學術門面，使後續使用者能引用一份規範化文獻，而非僅是 README。對作者個人而言，撰寫過程亦為自我審視管線設計的過程：很多隱含假設在被迫寫成段落後才浮現。

# Discussion（討論）

本專案展示了「工程作品需要以論文形式被討論」的學術慣性：開源專案若缺乏方法論層次的書寫，難以被嚴肅評價。限制方面，方法論論文在實作演進時可能與最新版本脫鉤，需在發表後維持版本對照表；審稿過程亦可能耗時數月。未來可探索將工具版本與論文版本以 DOI 雙向對應，形成可被引用的實作─文本配對。

# 連結

GitHub：htlin222/meta-pipe-manuscript
主要語言：TeX
最後更新：2026-04-06

early-immuno-timing：早期可切除非小細胞肺癌之免疫治療時機 Meta 分析

Fri, 20 Feb 2026 00:00:00 +0000

# Introduction（引言）

可切除早期非小細胞肺癌（NSCLC）的免疫治療策略近年快速演進，新輔助（neoadjuvant）、圍術期（perioperative）與輔助（adjuvant）三種時機的試驗結果先後問世（CheckMate 816、AEGEAN、KEYNOTE-671、IMpower010 等），對臨床決策造成多重挑戰。本專案系統整合此三類試驗結果，目的在於回答：「在不能直接比較的情況下，哪一個時機對病人帶來最大的綜合效益？」

# Methods（方法）

文獻搜尋遵循 PRISMA 流程，納入評估免疫檢查點抑制劑於早期可切除 NSCLC 之 RCT，並依處理時機分為新輔助、圍術期與輔助三組。研究以 LaTeX 撰寫，主要終點為 EFS／DFS，次要終點為 OS、pCR（限新輔助／圍術期）、手術切除率與重大不良事件。

統計上採對照組為標準治療之 Meta 分析；對於跨時機的間接比較則於姊妹專案 early-immuno-timing-nma 進行網絡 Meta 分析。本專案聚焦於各時機內的結果整合與風險／效益剖析。

# Results（結果）

各時機皆顯示免疫治療相較於標準治療提升 EFS／DFS，但效應大小與毒性負擔存在差異。新輔助與圍術期相較於輔助有較高 pCR 訊號，可作為早期療效指標；輔助則有相對單純的毒性管理。整合結果為臨床選擇提供量化依據，但不取代針對個別病人之多學科決策。

# Discussion（討論）

本研究展現了在試驗結果迅速累積的情境下，及時整合的重要性。限制方面，不同時機之試驗納入族群略異（淋巴結受侵程度、分期定義），可能造成殘餘異質性；長期 OS 仍需更多追蹤。未來可結合 IPD-NMA、生物標記分群與 RWE 真實世界資料，提供更個人化的時機選擇建議。

# 連結

GitHub：htlin222/early-immuno-timing
主要語言：TeX
最後更新：2026-02-20

hrd-parp-inhibitors：BRCA 突變乳癌中 PARP 抑制劑的網絡 Meta 分析

Fri, 20 Feb 2026 00:00:00 +0000

# Introduction（引言）

PARP 抑制劑已成為 BRCA1／BRCA2 突變乳癌的重要治療選擇，但臨床上有多種藥物（olaparib、talazoparib、niraparib）皆獲核准，其療效與毒性差異缺乏直接頭對頭比較。網絡 Meta 分析（network meta-analysis, NMA）能在共同對照組存在的前提下，將不同 RCT 連接為網絡並進行間接比較。本專案以 NMA 方法整合相關試驗，量化各藥物之相對效益與毒性。

# Methods（方法）

文獻搜尋採系統化策略，納入比較 PARP 抑制劑或安慰劑／化療的隨機對照試驗。研究以 LaTeX 撰寫完整方法學細節，並依 PRISMA-NMA 報告規範產出。NMA 採貝氏框架，使用 R 套件如 gemtc 或 multinma 進行估計。主要終點為無進展存活（PFS），次要終點為 OS、ORR 與重大不良事件。

模型診斷包含異質性、不一致性檢驗與藥物排序機率。透過 SUCRA 等指標排序療效與毒性，提供臨床決策的綜合視圖。所有分析腳本與資料萃取表皆納入版本控制，確保可重現。

# Results（結果）

初步分析顯示三種 PARP 抑制劑於 BRCA 突變乳癌之 PFS 改善皆顯著優於對照，但各藥之間存在排序差異；毒性面則呈現不同特徵（如貧血、血小板下降的相對頻率不同）。SUCRA 顯示在不同終點上各藥之優勢有所差異，提示臨床決策需依個別病人耐受性權衡。

# Discussion（討論）

本研究為 BRCA 突變乳癌之 PARP 抑制劑選擇提供量化參考，特別是在缺乏直接比較試驗的現況下。限制方面，NMA 對「跨試驗一致性」的假設需謹慎驗證，異質性與不一致性可能影響結論；不同地區藥物可及性差異使臨床轉譯受限。未來可結合個別病人資料 NMA 與動態治療策略模擬，提供更貼近臨床的建議。

# 連結

GitHub：htlin222/hrd-parp-inhibitors
主要語言：TeX
最後更新：2026-02-20

ici-breast-cancer：免疫檢查點抑制劑於三陰性乳癌新輔助治療之 Meta 分析

Fri, 20 Feb 2026 00:00:00 +0000

# Introduction（引言）

免疫檢查點抑制劑（ICI）於三陰性乳癌（TNBC）的新輔助治療上展現出 pCR（病理完全反應）改善與後續存活訊號，但跨試驗結果（KEYNOTE-522、IMpassion031、NeoTRIP 等）並未完全一致。臨床醫師對於「是否每位 TNBC 病人皆應接受 ICI 加化療」仍存爭議。本專案以 Meta 分析整合 5 項 RCT、共 2402 例病人，量化 ICI 加化療相較於單獨化療的療效與安全性差異。

# Methods（方法）

研究方法以 LaTeX 撰寫詳盡計畫書與分析報告。文獻搜尋遵循 PRISMA 流程，在 PubMed、Embase、Cochrane Library 與重要會議摘要進行系統搜尋；納入標準為符合條件的 RCT、研究對象為早期 TNBC、處理組為 ICI 加化療、對照組為相同化療基礎。主要終點為 pCR；次要終點包含無事件存活（EFS）、整體存活（OS）與重大免疫相關不良事件。

統計上採固定／隨機效應模型，並以 I² 量化異質性、以 funnel plot 與 Egger 檢定評估出版偏誤。子群分析依 PD-L1 表達與淋巴結狀態分層。

# Results（結果）

整合分析顯示 ICI 加化療相較於單獨化療顯著提高 pCR 率，且在 EFS 上呈現有利訊號。子群分析提示 PD-L1 高表達族群獲益更明顯，但低表達族群亦有部分獲益訊號。免疫相關不良事件的整體比率上升但多為可管理。

# Discussion（討論）

本研究為 TNBC 新輔助 ICI 治療提供量化整合證據，協助臨床決策時權衡療效與毒性。限制方面，納入研究於化療基礎組成略有差異，可能造成殘餘異質性；長期 OS 結果仍待更多追蹤。未來可結合個別病人資料（IPD）Meta 分析以細化生物標記亞型分析，並結合 RWE 補充。

# 連結

GitHub：htlin222/ici-breast-cancer
主要語言：TeX
最後更新：2026-02-20