五條自學路徑

Step-by-step 操作流程

1. 把任務改窄

   從「幫我寫論文」改成「請檢查這段 Introduction 是否缺少 knowledge gap」。

2. 要求表格輸出

   欄位包括問題、原因、建議、需要查證的地方。

3. 禁止新增事實

   明確要求 AI 不新增引用、數字或研究方法。

4. 人工採納決策

   把每項建議標記為採納、部分採納或不採納。

可直接複製的 Prompt

請根據以下研究任務，協助我判斷哪些部分適合 GPT、哪些部分只能由作者完成。請用表格輸出：任務、AI 可協助方式、風險等級、需要人工確認、禁止讓 AI 自行補的內容。
研究任務：［貼上］
研究設計：［貼上］
我目前已有資料：［貼上］

自我檢核

• 我能把 AI 任務分成低風險、中風險、高風險。
• 我沒有要求 GPT 產生未查證引用或數字。
• 我能說明最後稿件中每個 AI 建議是否被採納。
• 我知道作者責任不會因使用 AI 而減少。

Step-by-step 操作流程

1. 建立專案資料夾

   至少包含 01_question、02_search、03_evidence、04_manuscript、05_audit、06_submission。

2. 每一步保存輸出

   保存 AI 初稿、人工修正版與待查證事項。

3. 不要跳過 evidence table

   沒有證據表就直接寫 Introduction，容易形成文獻堆疊。

4. 投稿前做最終 audit

   檢查 abstract conclusion 是否比 Results 更強。

可直接複製的 Prompt

請根據以下研究想法，幫我建立 manuscript workflow。請用表格輸出：階段、我需要準備的資料、GPT 可協助任務、人工查證項目、完成物。
研究想法：［貼上］
可能資料來源：［貼上］
預計文章類型：original article / review article / letter / case report

自我檢核

• 我已有清楚研究問題，而不只是主題。
• 我已建立文獻搜尋與 evidence table 的位置。
• 我知道 Methods 完成前不應撰寫過強 Discussion。
• 我有保存 AI 初稿與人工修正版的習慣。

Step-by-step 操作流程

1. 辨識資料類型

   先判斷是否含個資、機密、未授權稿件或審稿內容。

2. 決定是否可輸入

   若不確定，預設不要輸入，改用去識別化模擬片段。

3. 保存 AI 使用紀錄

   記錄工具、日期、用途、輸入類型與人工修訂方式。

4. 投稿前查目標期刊規定

   AI disclosure 文字依最新 author instructions 調整。

可直接複製的 Prompt

請協助我整理 AI 使用揭露草案。請不要代替期刊規定，請輸出：使用工具、使用目的、未使用於哪些部分、作者人工確認方式、需要查目標期刊規定的項目。
實際使用情境：［貼上］
目標期刊：［貼上］

自我檢核

• 我能說明 AI 使用於哪些任務。
• 我沒有輸入病人個資、未授權稿件或審稿機密。
• 我保存 AI 使用紀錄與人工修訂版本。
• 我會在投稿前查閱目標期刊最新規範。

Step-by-step 操作流程

1. 寫一個臨床句子

   例如：肺部受累患者接受 Treatment A 或 B 時，長期預後是否不同？

2. 轉成 PICOT

   Population、Intervention/Exposure、Comparator、Outcome、Time。

3. 要求 GPT 反駁題目

   請它列出這題可能不值得做的理由。

4. 打分與篩選

   用 clinical importance、feasibility、comparability、novelty 各 1–5 分。

可直接複製的 Prompt

我有以下臨床觀察，請協助轉成 5 個 PICOT 研究問題。請同時列出：clinical importance、feasibility、comparator 合理性、主要偏誤、novelty check 需要搜尋的關鍵字。請不要只提供熱門題目。
臨床觀察：［貼上］
可用資料：［貼上］
研究限制：［貼上］

自我檢核

• 我能用一句話說明研究問題，而不是只說主題。
• 我已列出 population、exposure、comparator、outcome、time。
• 我已要求 AI 反駁這個題目是否不值得做。
• 我知道下一步需要用文獻搜尋確認 novelty。

Step-by-step 操作流程

1. 列出概念

   先列 disease、exposure、outcome 三個概念，不急著組搜尋式。

2. 產生同義詞表

   用 GPT 列出同義詞與 MeSH 候選，但逐項人工確認。

3. 組合 Boolean

   每個概念內用 OR，概念之間用 AND。

4. 測試與記錄

   在資料庫測結果數，保存 search log 與修正理由。

可直接複製的 Prompt

請幫我設計 PubMed 搜尋策略候選。請先列概念表，再列同義詞與 MeSH 候選，最後組成 2 個版本：高敏感度與高特異度。請標示每個詞是否需要人工確認。
研究問題：［貼上 PICOT］
研究類型：original article 背景 / narrative review / systematic review
限制：［語言、年限、族群，若有］

自我檢核

• 我有保存搜尋日期、資料庫、搜尋式與結果數。
• 我知道哪些詞是 GPT 建議但尚未確認。
• 我檢查過搜尋結果是否漏掉已知重要文獻。
• 我沒有只搜尋支持自己假設的文獻。

Step-by-step 操作流程

1. 先定義表格欄位

   根據文章類型決定欄位，而不是讓 AI 自行決定。

2. 一次處理一篇文獻

   避免多篇混在一起造成 attribution 錯誤。

3. 要求保留原文來源

   每個結果應標示來自 abstract、table、figure 或 discussion。

4. 人工核對關鍵數字

   effect estimate、sample size、time point 必須回原文確認。

可直接複製的 Prompt

請根據以下文獻內容建立 evidence table。請不要補不存在的資料；若原文未提供，請填「not reported」。欄位：Citation、Study design、Population、Exposure、Comparator、Outcome、Effect estimate、Key limitation、Claim this study can support、Needs verification。
文獻內容：［貼上摘要或可分享片段］

自我檢核

• 每篇文獻都有 study design、population、outcome 與 limitation。
• 重要 effect estimate 已回到原文確認。
• 我能說明每篇文獻能支持哪個 claim。
• 我沒有把作者結論直接當作自己的結論。

Step-by-step 操作流程

1. 抽出重要 claim

   從 Introduction 與 Discussion 開始，列出所有背景、比較、限制與臨床意義 claim。

2. 逐句對 citation

   不要一次檢查整段。

3. 標記支持程度

   把 fully supported 與 partially supported 分開。

4. 修正語氣或引用

   citation 不足時，不要硬撐；改句子或補文獻。

可直接複製的 Prompt

請針對以下段落建立 claim-to-citation audit table。請不要生成新 citation。請抽出每個重要 claim，標示目前 citation 是否足夠支持，並指出需要人工查證的地方。
欄位：Claim、Current citation、Support level、Potential mismatch、Suggested action、Needs human verification。
段落：［貼上］
目前 reference list 或 citation notes：［貼上］

自我檢核

• 每個重要 claim 都有對應 citation。
• 我知道 citation 是 full support 還是 partial support。
• 我已移除或降語氣處理不被支持的句子。
• 我沒有使用 GPT 生成但未查證的引用。

Step-by-step 操作流程

1. 寫下 review question

   先問這篇 review 要回答哪個問題，而非只列主題。

2. 選擇 review 類型

   根據問題、資源與方法要求選擇。

3. 定義 scope

   決定時間、族群、機制、臨床場景與排除範圍。

4. 說明方法透明度

   即使是 narrative review，也要說明選文原則。

可直接複製的 Prompt

我想寫一篇 review article。請根據以下主題，協助判斷適合 narrative、scoping、systematic 或 clinical review。請用表格輸出：可能題目、review 類型、適合理由、方法要求、風險、建議 scope。
主題：［貼上］
目標讀者：［臨床醫師 / 研究者 / 研究生］
可投入時間與資源：［貼上］

自我檢核

• 我能明確說出這篇 review 的類型。
• 標題與方法透明度符合 review 類型。
• Scope 不會大到無法完整討論。
• 我沒有把 narrative review 寫成假 systematic review。

Step-by-step 操作流程

1. 先寫一句 thesis

   例如：營養與 microbiome 對免疫調節的研究重要，但人體證據仍不一致。

2. 列出 6–8 個候選 section

   用 GPT 產生，但人工刪減。

3. 給每節 function statement

   每節一句話說明作用。

4. 檢查重複與斷裂

   合併功能重複的小節，補上轉折。

可直接複製的 Prompt

請為以下 review 主題產生 3 種 section map：臨床導向、機制導向、證據缺口導向。每個小節請附 function statement、應放證據類型、可能圖表。
Review question：［貼上］
目標讀者：［貼上］
限制：［篇幅、期刊類型］

自我檢核

• 每個小節都有明確功能。
• 章節順序能帶出 review question。
• 我知道哪些文獻不放入正文。
• 我能用一段話說明整篇 review 主線。

Step-by-step 操作流程

1. 先寫段落主旨

   一句話說明這段要完成什麼。

2. 選 2–4 個證據

   只放最能支持主旨的文獻。

3. 寫 interpretation

   明確說明這些證據共同支持什麼，以及不能支持什麼。

4. 檢查轉折

   確認下一段不是突然換題。

可直接複製的 Prompt

請檢查以下段落是否有清楚 topic sentence、evidence、interpretation、transition。請不要新增文獻或事實。請用表格列出每一句的功能、是否服務主旨、是否需要刪除或移動。
段落主旨：［貼上］
段落內容：［貼上］

自我檢核

• 每段只有一個主要任務。
• Topic sentence 能概括本段。
• 文獻不是按作者逐篇堆疊。
• 每段最後能自然連到下一段。

Step-by-step 操作流程

1. 先決定圖表任務

   比較、分類、機制、流程或摘要。

2. 列出欄位或節點

   每個欄位都要有用途。

3. 檢查證據支持

   箭頭與結論要能回到文獻。

4. 寫 legend

   說明圖表目的、符號與限制。

可直接複製的 Prompt

請根據以下 review section map，建議 2 張表格與 1 張 figure。請說明每個圖表的目的、欄位/節點、需要 citation 的地方、可能造成誤解的地方。
Section map：［貼上］
Evidence table 摘要：［貼上］
目標讀者：［貼上］

自我檢核

• 每張圖表有明確任務。
• 表格欄位不超過讀者能快速理解的範圍。
• 圖中的箭頭或流程有證據支持或標示為假說。
• Legend 能讓圖表獨立閱讀。

本章導讀：Introduction 的任務不是「介紹很多」

醫學論文的 Introduction 常被寫得太像疾病綜述：第一段講流行病學，第二段講治療，第三段講很多前人研究，最後才突然出現研究目的。這種寫法的問題不是資訊不足，而是讀者看不出為什麼「這篇研究」必須存在。Introduction 的真正任務，是用有限篇幅建立一條論證路徑：這個臨床問題重要、現有證據仍有缺口、因此本研究要回答一個具體問題。

GPT 在 Introduction 中最有價值的角色，不是替你寫出漂亮開頭，而是幫你檢查每一段是否有清楚功能、每一句 claim 是否需要 citation、研究目的是否與 Methods 對齊。若你讓 GPT 從零生成 Introduction，它很容易寫出流暢但泛泛的背景，甚至加入你沒有查證過的文獻敘述。

本章用一個模擬研究主線示範：Treatment A 與 Treatment B 在慢性發炎性疾病合併肺部受累族群中的預後比較。這個案例是虛構的，但足以示範 Introduction 的寫作邏輯。

三段式 Introduction 架構

這個三段式不是唯一格式，但對多數 original article 很實用。重點不是每段固定幾句，而是每段必須完成一個論述功能。若第一段沒有收斂到研究主題，讀者會覺得背景冗長；若第二段沒有提出缺口，研究目的會顯得牽強；若第三段目的與 Methods 不一致，reviewer 會質疑研究問題是事後包裝。

Before / After：從空泛背景改成研究導向開頭

修正版沒有把所有背景都塞進來，而是快速把讀者帶到核心問題：肺部受累重要、兩種治療都會被使用、直接比較證據不足、本研究要比較 outcome。這樣的 Introduction 不一定華麗，但它服務 manuscript 的研究問題。

Claim-to-Citation：Introduction 每一句都要能回到來源

Introduction 最常見的 citation 錯誤，是用 review article 支撐很具體的事實，或用 editorial 支撐核心背景。Review 可以用來引導讀者理解領域，但關鍵 claim 仍應優先回到原始研究、系統性回顧或指南。

GPT 可以怎麼幫忙

1. 先要求段落功能檢查

   把 Introduction 草稿貼上，請 GPT 只判斷每段是否完成 clinical importance、evidence gap、study objective，不要改寫。

2. 再要求 claim table

   把每一句重要 claim 抽成表格，標示需要 citation 的程度。

3. 最後才要求改寫

   在你補完引用與缺口後，才請 GPT 改善 flow 與轉折語。

4. 改寫後逐句比對

   確認 GPT 沒有新增你未查證的事實，也沒有把 study objective 改得比 Methods 更大。

請檢查以下 Introduction 草稿。請不要替我新增文獻或事實，只做結構檢查。
請用表格輸出：段落、目前功能、是否完成該功能、缺漏、建議修改方向、需要 citation 的 claim。
研究設計：［貼上研究設計］
主要比較：［貼上 exposure/comparator］
主要 outcome：［貼上］
Introduction 草稿：［貼上］

本章自我檢核

• 第一段能在 3–5 句內說明臨床重要性。
• 第二段清楚指出現有證據不足，而不是只列文獻。
• 第三段 objective 與 Methods 的 population、exposure、comparator、outcome 一致。
• 每個重要 claim 都已放入 claim-to-citation audit。
• GPT 改寫沒有新增未查證事實。

本章導讀：Methods 不是語言問題，而是可信度問題

在醫學論文中，Methods 的價值不在於文字優美，而在於讓讀者能重建研究。讀者需要知道資料從哪裡來、誰被納入、誰被排除、暴露與對照如何定義、outcome 如何判定、follow-up 從哪裡開始與結束、哪些 covariates 被調整，以及統計方法如何對應研究問題。

GPT 對 Methods 的幫助有限但重要：它可以把雜亂的研究計畫整理成清楚段落、找出缺漏欄位、提醒 index date 或 follow-up 未定義、檢查統計方法描述是否與研究問題對齊。它不能替你決定 exclusion criteria，也不能自動補上你沒有做的 sensitivity analysis。

Methods Specification Table

在正式寫 Methods 前，先完成一張內部 specification table。這張表不是要原封不動放進稿件，而是讓作者團隊先確認研究定義。若這張表填不出來，表示研究方法尚未準備好，不應要求 GPT 直接生成 Methods。

Before / After：Methods 草稿修正

修正版仍是模板，但它呈現了 Methods 應具備的資訊位置。真正投稿時，方括號內容必須由研究者用實際研究設定填入，不能由 GPT 補。

Methods 寫作的偏誤檢查

GPT 的安全用法

你是醫學論文 Methods 審查助手。請只根據我提供的內容，不要自行補研究方法。
請用表格檢查以下項目是否清楚：study design、data source、population、exposure、comparator、index date、follow-up、outcome、covariates、statistical analysis、sensitivity analysis、ethics statement。
欄位：項目｜目前草稿是否有寫｜是否足夠可重現｜缺漏內容｜需要作者補充的資料｜不可由 AI 補寫的部分。
研究設定：［貼上］
Methods 草稿：［貼上］

這個 prompt 的重點是「不要自行補方法」。若 GPT 回答時新增你沒有提供的 exclusion criteria、statistical model 或 sensitivity analysis，請刪除並回到 specification table。

本章自我檢核

• 我已完成 Methods specification table。
• index date、exposure、outcome 與 follow-up 已明確定義。
• 所有 exclusion criteria 都有臨床或方法學理由。
• 統計方法與研究問題、資料型態、outcome 類型一致。
• GPT 沒有替我補上不存在的方法。

本章導讀：Results 的專業感來自克制

Results 是 manuscript 中最容易被作者「寫太滿」的章節。看到顯著差異時，很自然想立刻解釋原因或提出臨床意義；但這些屬於 Discussion。Results 應該忠實呈現資料：研究族群、baseline characteristics、primary outcome、secondary outcome、subgroup、sensitivity analysis。

好的 Results 不是把表格中所有數字重複一次，而是用文字引導讀者看見主要發現，同時保留不確定性。對 time-to-event analysis，通常需要呈現事件比例、effect estimate、confidence interval 與時間點；對 subgroup analysis，需要避免把探索性訊號寫成確定結論。

Results 的敘述順序

Before / After：把推論拿出 Results

修正版使用 associated with，呈現時間點、事件比例、effect estimate 與 confidence interval，並避免提出臨床建議。

Subgroup 與 sensitivity analysis 的語氣

GPT 的安全用法

請根據我提供的結果表，協助撰寫 Results 文字。請遵守：
1. 只描述結果，不解釋機轉或臨床意義。
2. 不使用 prove、causal、superior、should be used 等語氣。
3. 每個主要結果需包含時間點、event rate、effect estimate 與 95% CI。
4. subgroup 與 sensitivity analysis 請使用保守語氣。
5. 若表格資訊不足，請列出需要我補充的欄位，不要自行補數字。
結果表：［貼上］
研究設計：［貼上］

本章自我檢核

• Results 章節順序與 outcome hierarchy 一致。
• 主要結果有 event rate、effect estimate、95% CI 與時間點。
• 文字與表格數字一致。
• Results 中沒有機轉解釋或臨床建議。
• Subgroup 與 sensitivity analysis 使用保守語氣。

本章導讀：Discussion 的核心是「有邊界的解釋」

Discussion 需要在兩種錯誤之間取得平衡：一種是只重複 Results，沒有解釋研究意義；另一種是把 observational findings 寫成 causal conclusion，超出研究設計能支持的範圍。好的 Discussion 會先清楚重述主要發現，再與既有文獻比較，提出可能解釋，說明臨床或研究意義，最後主動處理限制。

GPT 很適合協助檢查 Discussion 的段落功能與 overclaiming。例如它可以標出 prove、therefore、should change practice 等高風險語句，也可以把 limitations 整理成類型。但 GPT 不能替你判斷一個結果是否足以改變臨床實務，也不能自行補充你沒有查證的機轉文獻。

六段式 Discussion 架構

因果語氣警戒表

Before / After：把 Discussion 從過度宣稱改成保守解釋

修正版仍然保留主要發現，但加入研究設計限制與 alternative explanations。這種寫法不會削弱研究價值；相反，它讓 reviewer 感覺作者知道資料能說什麼、不能說什麼。

Limitations 不應只寫形式句

GPT 的安全用法

請檢查以下 Discussion 草稿是否有過度推論。請以表格列出：原句、問題類型（因果推論/臨床建議/機轉過度/忽略限制/引用不足）、為什麼有風險、較保守改寫、需要人工查證的文獻或資料。
研究設計：［貼上］
主要結果：［貼上］
Discussion 草稿：［貼上］
請不要新增我未提供的文獻。

本章自我檢核

• Discussion 第一段只重述最重要發現，不塞入所有結果。
• 與既有文獻比較時已說明相同與不同之處。
• 可能解釋使用 hypothesis 語氣，而非確定機轉。
• 臨床意義未超出研究設計。
• Limitations 具體說明偏誤來源，而非形式句。

本章導讀：摘要不是縮小版全文，而是精準版全文

許多讀者只看 title、abstract 與 key messages，因此這三個部分對 manuscript 的影響很大。它們必須準確反映研究設計、族群、比較、主要結果與限制。最常見問題是 conclusion 過強，或在 abstract 裡把探索性 subgroup 包裝成主要發現。

GPT 很適合協助你壓縮字數、整理 structured abstract、檢查 key messages 是否與 Results 一致。但它也很容易把結論寫得更吸引人，導致語氣超出證據。摘要不是宣傳文案；它是對研究的高密度、可查證陳述。

Title 的三種常用策略

對真實世界資料或 observational study，我通常建議先用 descriptive 或 association title。若使用 outcome title，應避免 causal verbs，例如 reduce、prevent、improve，除非研究設計能支持。

Abstract consistency audit

Before / After：Abstract conclusion

較好的版本保留研究發現，但清楚標示 observational cohort 與 residual confounding。這不是保守到沒有意義，而是讓結論與研究設計一致。

Key Messages 三句法

GPT 的安全用法

請檢查以下 title、abstract 與 key messages 是否與 manuscript 內容一致。
請用表格輸出：區塊、原文、對應正文來源、可能過度宣稱、缺少的數字或限制、建議改寫。
請特別檢查 conclusion 是否比 Results 更強。
研究設計：［貼上］
主要結果：［貼上］
Title / Abstract / Key messages：［貼上］

本章自我檢核

• Title 沒有暗示研究設計無法支持的因果效果。
• Abstract objective 與 Methods 一致。
• Results 有 effect estimate 與 uncertainty。
• Conclusion 沒有超出 Results。
• Key messages 沒有把 exploratory finding 包裝成主要結論。

本章導讀：把自己當成 reviewer

Manuscript quality check 應該在投稿前獨立進行一次，而不是邊寫邊想。很多稿件被退，不是因為題目完全沒有價值，而是因為 abstract 與 Results 不一致、Methods 缺少關鍵定義、Discussion 過度宣稱、引用不支持 claim、表格與文字數字不同。這些問題都可以在投稿前被發現。

GPT 可以協助建立檢查清單與標記疑似問題，但不能替你確認文獻真的支持 claim，也不能替你檢查原始數據。最好的做法是把 manuscript audit 分成多輪，每一輪只檢查一種問題。

八層投稿前檢查

Audit 不應一次做完

1. 第一輪：邏輯檢查

   只看研究問題、Methods、Results、Discussion 是否對齊，不修英文。

2. 第二輪：數字檢查

   逐一比對 abstract、text、tables、figures、supplement 的數字。

3. 第三輪：citation audit

   把重要 claim 放進表格，回到來源確認。

4. 第四輪：語氣檢查

   檢查 causal language、clinical recommendation、overstated novelty。

5. 第五輪：格式與投稿文件

   最後才處理字數、格式、cover letter、AI disclosure。

常見投稿前錯誤

GPT 的安全用法

請把自己當成投稿前內部審查者，檢查以下 manuscript 草稿。
請不要重寫全文。請用表格列出問題：章節、原句或位置、問題類型、嚴重程度、為什麼是問題、建議修正、需要作者人工確認的資料。
優先檢查：Methods 缺漏、Results 與表格不一致、Discussion overclaiming、citation mismatch、abstract conclusion 過強。
Manuscript 草稿：［貼上不含機密資料的片段］

本章自我檢核

• 我已分輪檢查，而不是一次要求 GPT 做所有事情。
• 主要數字已與表格和 supplement 比對。
• 重要 claim 已完成 citation audit。
• Discussion 與 abstract 沒有超出研究設計。
• AI disclosure、COI、funding、ethics statement 已依期刊要求確認。

本章導讀：Cover letter 是 editorial triage 文件

Cover letter 不需要長，也不應該像廣告。Editor 想知道的是：這篇稿件回答什麼問題、為什麼適合本期刊讀者、主要發現是什麼、是否符合倫理與投稿要求。若 cover letter 過度宣稱，反而會讓 editor 對 manuscript 的語氣產生警覺。

GPT 可以幫你把 cover letter 寫得更簡潔、更有禮貌，也可以協助對齊 journal scope。但 journal fit 與 novelty 不能完全交給 GPT，因為你需要真正讀過期刊近期文章、article types 與 instructions for authors。

Cover letter 標準結構

Before / After：Novelty 不等於誇張

較好的版本仍然說明研究價值，但避免 groundbreaking、proves、best、change practice 等不必要高風險詞。

Journal fit 應具體，而非泛稱

GPT 的安全用法

請根據以下資訊撰寫一封簡潔、保守、專業的 cover letter 草稿。
要求：不使用 groundbreaking、prove、best、definitive、change practice 等誇大語氣；主要結果用 association 語氣；加入 journal fit；保留 AI disclosure/COI/ethics 需作者確認的位置。
Journal：［貼上］
Article type：［貼上］
Study question：［貼上］
Main findings：［貼上］
Why this journal：［貼上你人工確認過的理由］
Declarations：［貼上］

本章自我檢核

• Cover letter 不超過必要長度。
• 研究價值說明具體但不誇大。
• Journal fit 來自我對期刊 scope 的人工確認。
• Declarations 與投稿系統一致。
• AI disclosure 依期刊要求處理。

本章導讀：回覆 reviewer 不是辯論輸贏

收到 reviewer comments 後，很多作者會先感到挫折或防衛。好的 response letter 不是情緒反應，而是一份結構化文件：逐點理解 reviewer 的 concern，說明你做了什麼修改，指出 manuscript 哪裡改了；若不能修改，也要用資料、方法學或篇幅限制說明理由。

GPT 很適合協助分類 reviewer comments、調整語氣、建立 response tracker。它不適合替你承諾未做的分析，也不應產生「我們已修改」但實際 manuscript 沒改的回覆。每一句 response 都應對應 manuscript 的實際變動。

Reviewer comment 分類

Response 的四元素

1. 承認問題

   先讓 reviewer 知道你理解其 concern。

2. 說明處理

   清楚寫出你做了哪些修改、分析或補充。

3. 指出位置

   標示 revised manuscript 的 page、line、section 或 table。

4. 保留禮貌

   即使不同意，也避免 defensive language。

Before / After：不要只說 thank you

這種回覆太空泛。Reviewer 不知道你改了什麼，也不知道 concern 是否真正被處理。

較好的回覆具體指出 reviewer concern、修改內容與位置，也主動連到 limitation。

禮貌不同意的寫法

Response Tracker

GPT 的安全用法

請幫我整理 reviewer comments，但不要替我承諾未完成的修改。
請用表格輸出：comment number、comment summary、comment type、required action、who should verify、possible response strategy、manuscript section likely affected。
Reviewer comments：［貼上］
目前已完成的修改：［貼上，若尚未修改請寫尚未修改］
研究設計限制：［貼上］

本章自我檢核

• 每一則 reviewer comment 都有逐點回覆。
• 每一句「we have revised」都能對應 manuscript 實際修改位置。
• 不同意 reviewer 時有清楚理由與禮貌語氣。
• 額外分析與限制說明已由合適共同作者確認。
• response letter 與 revised manuscript 內容一致。

Step-by-step 操作流程

1. 選一個任務

   根據你目前最需要的 manuscript 階段選。

2. 使用模擬材料

   若沒有可分享稿件，用本書模擬案例練習。

3. 保存三個版本

   原始草稿、AI 輸出、作者修正版。

4. 完成自我評分

   用 checklist 判斷是否能進入下一階段。

可直接複製的 Prompt

請根據我目前的寫作階段，幫我設計一個 60–90 分鐘可完成的自學任務。請輸出：任務目標、需要輸入、操作步驟、完成物、人工檢查表、常見錯誤。
目前階段：［題目 / 文獻 / Introduction / Methods / Results / Discussion / 投稿前］
我已有材料：［貼上］

自我檢核

• 我選擇的任務夠小，可以在一次自學中完成。
• 我留下原稿、AI 輸出與人工修正版。
• 完成物能交給共同作者討論。
• 我沒有把練習結果當成最終投稿內容。

Step-by-step 操作流程

1. 把人工流程寫成規格

   先用自然語言列 input、output、rules。

2. 準備最小測試資料

   用模擬 CSV 或假 manuscript 段落。

3. 請 Codex 產生初版

   限制只處理指定資料夾。

4. 執行與修正

   用測試資料確認輸出是否合理。

可直接複製的 Prompt

請協助我把以下研究整理流程轉成 coding task specification。請輸出：目標、輸入檔案、輸出檔案、處理規則、錯誤處理、測試案例、不可自動判斷的項目。
流程：［貼上人工流程］
預計檔案格式：CSV / Markdown / JSON
風險限制：不可產生未查證 citation，不可判斷臨床結論。

自我檢核

• 我已先寫清楚人工流程。
• 工具輸出有人工確認欄位。
• 我有模擬測試資料。
• 我知道工具不能取代文獻查證或臨床判斷。

Step-by-step 操作流程

1. 固定欄位

   先決定 CSV columns。

2. 寫測試資料

   準備 3 列模擬文獻，故意留空欄位。

3. 用 Codex 寫 parser

   要求輸出 missing fields report。

4. 人工檢查輸出

   確認工具沒有自行補資料。

可直接複製的 Prompt

請在這個資料夾建立一個 Python 小工具，用於整理 literature.csv。需求：
1. 讀取 columns: citation, design, population, exposure, comparator, outcome, effect_estimate, limitation, needs_verification。
2. 若必填欄位空白，輸出 missing_fields.csv。
3. 產生 evidence_table.md。
4. 不要自行補任何文獻資訊。
5. 建立 sample_literature.csv 作為測試資料。
6. 在 README 說明使用方式與限制。

自我檢核

• 工具只處理格式與欄位，不判斷研究結論。
• 測試資料為模擬資料。
• 輸出有 needs_verification 欄位。
• README 清楚說明限制。

Step-by-step 操作流程

1. 初始化 repository

   建立 README 與 .gitignore。

2. 建立第一個 commit

   保存乾淨專案骨架。

3. 每次修改後 commit

   commit message 需具體。

4. 敏感資料排除

   用 .gitignore 排除 key、raw data、未授權文件。

可直接複製的 Prompt

請根據以下研究小工具，幫我草擬 README。請包含：工具目的、輸入、輸出、使用方式、限制、不可輸入資料、版本紀錄、人工確認責任。
工具名稱：［貼上］
功能：［貼上］
輸入/輸出：［貼上］

自我檢核

• 我已建立 .gitignore 排除敏感資料。
• 每個工具都有 README。
• commit message 能說明變更原因。
• 我不把 API key 或真實病人資料放進 repository。

Step-by-step 操作流程

1. 先用手動 prompt 穩定流程

   手動流程不穩定時不要 API 化。

2. 定義 JSON schema

   決定 issue、severity、suggested_action 等欄位。

3. 建立測試輸入

   使用模擬段落。

4. 保存輸出與版本

   記錄模型、日期、prompt 版本。

可直接複製的 Prompt

請幫我把以下手動 prompt 轉成 API task specification。請輸出：instructions、input fields、output JSON schema、test cases、error handling、human review steps、data safety notes。
手動 prompt：［貼上］
預期用途：［貼上］

自我檢核

• 我先用手動流程測試過任務。
• 輸入不含病人資料或機密稿件。
• 輸出格式固定且可人工檢查。
• API key 不會放在前端。

Step-by-step 操作流程

1. 先定義查詢問題

   例如：目標期刊是否要求 AI disclosure。

2. 要求來源表格

   source、date、relevance、needs follow-up。

3. 打開來源確認

   不要只看模型摘要。

4. 保存查證紀錄

   把查詢日期與網址或 DOI 記錄在 audit log。

可直接複製的 Prompt

請協助我查詢以下公開資訊。請只列出候選來源，不要替我下最終結論。請用表格輸出：source title、organization、date/version、relevance、what I must verify manually、link placeholder。
查詢問題：［貼上，例如 journal AI disclosure policy］
用途：［投稿前查證 / guideline 更新 / safety communication］

自我檢核

• 我優先使用官方或原始來源。
• 我保存查詢日期與來源版本。
• 我沒有把模型摘要直接當作引用。
• 我確認來源適用於我的研究與目標期刊。

Step-by-step 操作流程

1. 確認文件可用

   先確認授權、機密與個資狀態。

2. 建立檔案清單

   記錄文件名稱、版本、日期。

3. 提出具體問題

   避免問「幫我總結所有內容」。

4. 核對來源段落

   答案必須回文件確認。

可直接複製的 Prompt

請根據我提供的文件知識庫回答問題。請只根據文件內容回答；若文件沒有提到，請說「文件中未找到」。請列出支持答案的來源段落與仍需人工確認的地方。
問題：［貼上］
文件類型：guideline / SOP / course notes
回答格式：答案摘要｜來源段落｜限制｜人工確認

自我檢核

• 我確認文件可上傳與使用。
• 答案可回到來源段落。
• 我知道檢索可能漏掉內容。
• 我沒有上傳個資、未授權稿件或審稿資料。

Step-by-step 操作流程

1. 先設計人工表格

   把你想看到的欄位寫出來。

2. 轉成 JSON schema

   定義欄位、型別與必填。

3. 用模擬輸入測試

   確認輸出格式穩定。

4. 接入工具或表格

   把 JSON 轉成網頁表格或 CSV。

可直接複製的 Prompt

請幫我為以下醫學寫作任務設計 JSON schema。請包含欄位名稱、資料型態、是否必填、允許值、醫學寫作用途，以及哪些欄位必須人工確認。
任務：［例如 manuscript audit / literature extraction / reviewer comment classification］
輸入資料：［貼上類型］
輸出用途：［表格 / CSV / dashboard］

自我檢核

• 我先設計人工表格，再設計 schema。
• 所有高風險欄位都有 needs_human_verification。
• 我用模擬資料測試格式穩定性。
• Function calling 不會處理未授權資料。

Step-by-step：最小文獻 API 工作流

1. 先寫 query

   從 PubMed query 開始，不要先問 GPT「找文獻」。

2. 用 PubMed 找 PMID

   保存 query、日期與 retmax。

3. 用 DOI 補 metadata

   以 Crossref 補 publisher、journal、reference count。

4. 輸出 literature table

   包含 source_api 與 needs_manual_check 欄位。

5. 再讓 GPT 協助整理

   GPT 只能整理已有欄位，不得自行生成新引用。

可直接複製的 Prompt

請幫我把以下文獻整理需求轉成 API pipeline 規格。請輸出：資料來源、endpoint、輸入欄位、輸出欄位、需要 cache 的地方、人工確認欄位、不可由 AI 自行判斷的事項。
研究主題：［貼上］
文獻類型：［review / cohort / RCT / TTE 等］
預計輸出：［evidence table / citation audit / bibliography］

參考來源

• NCBI E-utilities documentation
• Crossref REST API documentation
• Europe PMC RESTful Web Service

Python 範例：ESearch + ESummary

import requests, time, pandas as pd
BASE = "https://eutils.ncbi.nlm.nih.gov/entrez/eutils"
query = '("rheumatoid arthritis"[Title/Abstract]) AND ("interstitial lung disease"[Title/Abstract]) AND review[Publication Type] AND 2019:2026[pdat]'
params = {"db":"pubmed", "term":query, "retmode":"json", "retmax":20,
          "tool":"tmbdrs_ebook_demo", "email":"your_email@example.com"}
r = requests.get(f"{BASE}/esearch.fcgi", params=params); r.raise_for_status()
pmids = r.json()["esearchresult"]["idlist"]
time.sleep(0.34)  # 約每秒不超過 3 requests
s = requests.get(f"{BASE}/esummary.fcgi", params={"db":"pubmed", "id":",".join(pmids), "retmode":"json", "tool":"tmbdrs_ebook_demo", "email":"your_email@example.com"})
s.raise_for_status()
data = s.json()["result"]
rows = []
for pmid in pmids:
    item = data[pmid]
    rows.append({"pmid": pmid, "title": item.get("title"), "journal": item.get("fulljournalname"),
                 "pubdate": item.get("pubdate"), "doi": next((a["value"] for a in item.get("articleids", []) if a.get("idtype") == "doi"), None)})
df = pd.DataFrame(rows)
print(df)

自我檢核

• 我保存了 PubMed query、日期、retmax 與 endpoint。
• 我沒有把 abstract 當成全文證據。
• 我使用 sleep 或 cache 避免過量請求。
• 我在 literature table 中保留 needs_full_text_review 欄位。

參考來源

• NCBI E-utilities documentation

Python 範例：用 DOI 查 Crossref

import requests

doi = "10.1136/bmj-2024-081123"  # 範例 DOI，請替換成自己的 DOI
url = f"https://api.crossref.org/works/{doi}"
headers = {"User-Agent": "TMBDRS-Ebook-Demo/1.0 (mailto:your_email@example.com)"}
r = requests.get(url, headers=headers); r.raise_for_status()
item = r.json()["message"]
record = {
    "doi": item.get("DOI"),
    "title": item.get("title", [None])[0],
    "journal": item.get("container-title", [None])[0],
    "publisher": item.get("publisher"),
    "type": item.get("type"),
    "reference_count": item.get("reference-count")
}
print(record)

參考來源

• Crossref REST API documentation

Europe PMC 範例

import requests, pandas as pd
url = "https://www.ebi.ac.uk/europepmc/webservices/rest/search"
params = {"query":"rheumatoid arthritis interstitial lung disease", "format":"json", "pageSize":10}
r = requests.get(url, params=params); r.raise_for_status()
rows = []
for item in r.json()["resultList"]["result"]:
    rows.append({"pmid": item.get("pmid"), "pmcid": item.get("pmcid"), "doi": item.get("doi"),
                 "title": item.get("title"), "journal": item.get("journalTitle"), "year": item.get("pubYear"),
                 "is_open_access": item.get("isOpenAccess")})
print(pd.DataFrame(rows))

參考來源

• Europe PMC RESTful Web Service
• OpenAlex documentation
• Semantic Scholar API
• ORCID Public API
• DataCite API

完整 pipeline

1. PubMed ESearch

   輸入 query，輸出 PMID list。

2. PubMed ESummary / EFetch

   補 title、journal、year、DOI、abstract。

3. Crossref DOI audit

   補 publisher、reference_count、license link。

4. Europe PMC

   補 PMCID 與 open access status。

5. OpenAlex / Semantic Scholar

   補 citation graph 與 topic metadata。

6. Human evidence coding

   人工補 study design、population、outcome、effect estimate、limitations。

7. GPT formatting

   只整理已有欄位，不生成未查證引用。

GPT 應放在 pipeline 最後

可直接複製的 Prompt

以下是由 PubMed/Crossref/Europe PMC 產生的 literature table。請只根據表格中已有欄位，協助我標記：可能研究設計、需要全文確認的原因、metadata conflict、可能對應的 reporting guideline。請不要新增文獻、不要生成 citation、不要判斷臨床結論。
Literature table：［貼上 CSV 或 Markdown 表格］

參考來源

• NCBI E-utilities
• Crossref REST API
• Europe PMC REST API

Step-by-step 操作流程

1. 辨識資料類型

   先判斷 public / internal / confidential / personal data。

2. 決定可否輸入

   不確定時預設不輸入。

3. 替換成模擬資料

   使用 synthetic 或簡化片段練習。

4. 保存決策紀錄

   記錄為何可使用、如何去識別化、誰核可。

可直接複製的 Prompt

請根據以下計畫，幫我建立資料使用風險檢查表。請不要要求我貼上任何實際病人資料。請輸出：資料類型、風險等級、是否可輸入 AI、需要去識別化項目、是否需 IRB/資安/共同作者授權、替代模擬資料方案。
計畫用途：［貼上］
資料類型描述：［不要貼原始資料，只描述類型］

自我檢核

• 我已分類資料風險。
• 我沒有把病人個資、審稿資料或未授權稿件輸入外部工具。
• API key 沒有放在前端或 Git。
• 我能用模擬資料替代真實資料完成練習。

Step-by-step 操作流程

1. 先選任務

   不要一個 prompt 做所有事。

2. 填入最小必要背景

   避免輸入機密資料。

3. 指定輸出表格

   讓結果可檢查。

4. 保存好用版本

   把 prompt 與完成物一起保存。

核心 Prompt 模板

請根據以下臨床觀察建立 PICOT 表格，並評分 clinical importance、feasibility、comparability、novelty。請列出這個題目不值得做的可能理由。
臨床觀察：［貼上］
資料限制：［貼上］

請把以下文獻內容整理成 evidence table。若資訊未提供，請填 not reported，不要自行補。欄位：citation, design, population, exposure, comparator, outcome, effect estimate, limitation, claim supported, needs verification。
文獻內容：［貼上］

請根據以下結果表撰寫 Results 文字。只描述結果，不解釋機轉或臨床意義。每個主要 outcome 包含 event rate、effect estimate、95% CI 與時間點。若資訊不足，請列出缺漏。
結果表：［貼上］

請把以下 reviewer comments 整理成 response tracker。欄位：comment, category, required action, manuscript section to revise, proposed response, needs coauthor input。請不要假裝已完成未做的修改。
Comments：［貼上］

自我檢核

• 我在使用 prompt 前已定義任務。
• Prompt 有限制 AI 不新增未查證內容。
• 輸出格式可供人工審核。
• 我保存 prompt 版本與使用結果。

Step-by-step 操作流程

1. 選擇對應 checklist

   不要用一張總表檢查所有內容。

2. 填寫 evidence

   每個打勾最好附上頁碼、段落或表格。

3. 分級問題

   critical 先修，minor 最後修。

4. 重新跑一輪

   大修後 checklist 要重跑。

投稿前 Critical Checklist

可直接複製的 Prompt

請把以下 checklist 轉成 manuscript audit table。欄位：item, section, evidence/location, status, severity, required action, owner, due date。請不要替我判斷內容正確，只建立可追蹤表格。
Checklist：［貼上］
Manuscript stage：［貼上］

自我檢核

• 每個 checklist item 都能導向具體修改。
• Critical items 未通過時不投稿。
• 我保存 checklist 完成日期與負責人。
• 大修後我會重新跑 checklist。

Step-by-step 操作流程

1. 選 cookbook 範例

   從最小工具開始。

2. 準備模擬輸入

   不要使用真實敏感資料。

3. 執行或手動模擬

   先確認輸出是否符合預期。

4. 加上 README 與限制

   讓使用者知道工具不能做什麼。

最小 Python 範例：檢查 Evidence Table 缺漏

import csv
from pathlib import Path

required = ["citation", "design", "population", "outcome", "limitation", "needs_verification"]
input_file = Path("sample_literature.csv")
output_file = Path("missing_fields.csv")

with input_file.open(newline="", encoding="utf-8") as f:
    rows = list(csv.DictReader(f))

missing = []
for i, row in enumerate(rows, start=1):
    for col in required:
        if not (row.get(col) or "").strip():
            missing.append({"row": i, "citation": row.get("citation", ""), "missing_field": col})

with output_file.open("w", newline="", encoding="utf-8") as f:
    writer = csv.DictWriter(f, fieldnames=["row", "citation", "missing_field"])
    writer.writeheader()
    writer.writerows(missing)

print(f"Missing fields: {len(missing)}")

這個範例只檢查欄位是否缺漏，不會讀原文、不會判斷 citation 是否支持 claim，也不會產生結論。

可直接複製的 Prompt

請幫我為以下研究小工具撰寫 README。請包含目的、輸入、輸出、安裝/執行方式、測試資料、限制、不可輸入資料、人工確認責任。
工具：［貼上］
輸入/輸出：［貼上］
限制：［貼上］

自我檢核

• 我從最小工具開始，而不是大平台。
• 所有範例使用模擬資料。
• 工具輸出有人工確認步驟。
• README 清楚說明不能用工具取代作者判斷。