透過即時通訊介面，取得研究方法、科學概念或 PubMed 等公開資料庫的一般資訊。
提示詞範例
在對話輸入框輸入提示詞，例如：
My objective is to understand [specific topic, e.g., the methodology behind
clinical trials for cancer research].
Please use all available external data sources, including [list of data
sources, e.g., PubMed, Google Scholar, National Library of Medicine], to
summarize the key statistical methods used to analyze data in each phase.
輸出範例
Gemini Enterprise 會根據這則提示，產生類似下列內容的輸出：
以下是肺癌治療臨床試驗所用統計方法的摘要，依階段細分。
第 I 期：安全性和劑量
第一期試驗的主要目標是判斷新療法的安全性，並找出最大耐受劑量 (MTD)。這是可給予的最高劑量，不會造成無法接受的副作用。這類試驗涉及一小群患者 (約 15 至 30 人)。
主要統計方法著重於劑量遞增設計：
- 3+3 設計：這是常見的規則式方法。三名病患接受一劑藥物。如果沒有人出現劑量限制毒性 (DLT)，下一組的三人就會接受較高劑量。如果發生 DLT，則會增加目前劑量的患者人數，以進一步評估其安全性。
- 持續重新評估法 (CRM)：一種以模型為基礎的設計，使用試驗中所有病患的資料，建立劑量與毒性關係的模型。這個做法可更有效率且精確地估算 MTD。
第 II 期：療效和副作用
第二期試驗的主要目標，是評估新藥是否具有足夠的生物活性或效果 (初步療效)，值得進一步測試。並持續監控較大病患群體 (通常少於 100 人) 的安全性。
主要統計方法通常涉及單臂研究：
- Simon 兩階段設計：這是一種高效率的設計，如果治療效果不佳，可以提早停止試驗。如果第一階段有足夠數量的病患反應良好，試驗就會進入第二階段，收集更多資料。
- 端點分析：主要端點通常是客觀反應率 (ORR)，用於衡量腫瘤縮小程度達到預定標準的病患比例。統計分析會判斷觀察到的 ORR 是否夠高，足以具備臨床意義。
第三階段：比較與確認
第三期試驗的主要目標是將新療法與現行標準療法進行比較，確認新療法的療效。這些是大型關鍵試驗，涉及數百或數千名患者，其結果用於支持監管批准。
主要統計方法最為嚴謹：
- 隨機對照試驗 (RCT)：將病患隨機分配到實驗群組 (新療法) 或控制組 (標準療法)。這種隨機化做法可盡量減少偏誤。這類試驗通常會採用「雙盲」設計，也就是病患和研究人員都不知道誰接受哪種治療。
- 存活分析：這在癌症研究中至關重要。
- Kaplan-Meier 曲線：用於預估及繪製存活率隨時間變化的圖表。
- 對數秩檢定用於統計比較實驗組之間的存活曲線。
- Cox 比例風險模型是一種迴歸模型，用於評估治療效果，同時調整年齡或疾病階段等其他變數。這項指標會計算風險比 (HR)，量化一組相較於另一組發生事件 (例如死亡或疾病進展) 的可能性。
第 IV 期：上市後監測
第 IV 期試驗的主要目標，是監控藥物獲准上市並供大眾使用後的長期安全性和有效性。這個階段可以偵測到罕見或長期的副作用，這些副作用在早期、規模較小的研究中可能不明顯。
主要統計方法包括：
- 觀察研究：研究人員分析實際環境中大量病患群體的資料，瞭解藥物在臨床試驗受控環境外的成效。
- 真實世界資料 (RWD) 分析：使用電子健康記錄、保險理賠和病患登記資料，監控安全信號並瞭解長期結果。這項程序通常是藥物安全監視 (藥物安全監控科學) 的一環。