每個研究人員應該了解的搜尋知識

What every Researcher should know about Searching – Clarified Concepts, Search Advice, and an Agenda to improve Finding in Academia

來源：https://onlinelibrary.wiley.com/doi/10.1002/jrsm.1457

由於全球COVID-19爆發，相關的科學研究也大量產生，大量的信息讓科學家難以處理，柳葉刀(Lancet)編輯評論這樣的狀況是信息病(infodemic)，並且可能是公共衛生的重大威脅。根據Semantic Scholar統計超過211000篇文章與COVID-19相關，並且79%的刊物是在5月到8月之間出版。該如何處理與理解這種超量的訊息是現今最大的挑戰之一。這樣的挑戰也造成研究人員使用搜尋系統上的困難，因此作者希望提供建議來改善我們在使用的搜尋系統。

作者首先提出造成研究搜尋能力低下的幾項原因

1. 作者使用不同術語來描述相同的事情
2. 許多數據庫可能只有標題與摘要或關鍵字，全文可能缺少相關的術語
3. 沒有一個數據庫對所有研究進行分類
4. 學術界的搜尋素養不佳
5. 付費制度(paywall)限制使用者搜尋

學術搜尋分成三種不同的類型

1. Lookup: 只須尋找少量符合標準的研究文章。搜尋目標對使用者來說很明確，並且使用者希望可以通過快速有針對性地搜索來補上信息空缺
2. Exploratory: 使用者希望通過搜索來了解研究的概念或研究主體，例如研究相關的特徵、術語、證據量。在一開始的搜尋通常是定義模糊，但是在碟代的搜尋後訊息會用來越明確。
3. Systematic: 使用者通過沒有偏誤、透明、可在線性的搜索來分辨特定主題的所有紀錄。在Exploratory階段之後，使用者對目標是明確的，並且可以使用複雜的搜索字串來搜尋相關資料。

搜尋三角(Search Triangle)

好的學術搜學來自於使用者深思熟慮的建立搜尋目標，什麼是我們想要知道/找到、何種搜尋形式是最適合的、如何能最佳化效率？因此本篇作者希望研究者可以參考他們所提出來的搜尋三角辦法

1. The users' goals: 需要完成什麼樣的搜尋任務
2. The appropriate heuristics: 如何執行搜尋最有效
3. The appropriate systems: 哪一種搜尋系統最符合需要的搜尋形式

figure from: https://onlinelibrary.wiley.com/doi/10.1002/jrsm.1457

改善學術搜尋

對於學術搜尋的複雜性要有更多警覺性

使用者要有搜尋素養，經常會有人在自己尚未了解研究的中心概念與術語時就進行systematic搜尋，這樣可能會造成搜尋效率低下與偏誤。再來是搜尋系統的演算法不透明，由於搜尋系統導入的個人化設定與AI幫助搜尋，這讓許多研究者並不知道他們過去的行為會影響現在的搜尋結果與結果排序。作者提出學術界必須意識到這些搜尋系統造成的偏誤可能會影響結果，必須了解避免在潛在偏誤的證據上下結論

更好的搜尋教育

提高如何有效地搜尋、評估與管理。除了教導上述的觀念以外，還必須倡導使用者能使用足夠的語言來描述學習來的觀念，能更全面的使用精確地搜索字串以及最合適的搜尋系統。

作者也說明圖書館的工作人員也許會是能幫忙教導這些重要觀念的人物，並且可以以搜尋素養作為獨立課程教導，但是這些教學相關資源應該作為開放的資源給予大眾學習，這樣開放與線上的資源可以產生最大的影響。

適合目標的搜尋系統

由於我們經常使用的搜尋系統，例如：Google Scholar、PubMed...等等，都有一些限制因素，因此作者在這邊提出希望可以改進的地方。

1. Greater transparency: 搜尋系統應該告訴使用者，該系統可以完成或是不能完成哪些工作，由於現今的搜尋系統有太個人化等等的設定。
2.  Toward fit‐for‐purpose—matching requirements with technical possibilities: 首先希望使用者與技術提供端可以相互溝通。再來是，不同資料庫之間是否可能橫跨，這樣可以結合不同資料庫的優勢。最後是橫跨系統之間的功能是否透明。因為只有透明的系統，大家才知道能從哪裡提出改善。
3. Organize change: 希望藉由不同意見的溝通可以提高搜尋系統的透明度，再來是付費訂閱系統會造成學術研究的高牆。

2015美國大學飛盤運動的流行病學研究

2015美國大學飛盤運動的流行病學研究

Incidence and Descriptive Epidemiology of Injuries to College Ultimate Players

介紹

Ultimate Frisbee運動最早是從1960年代的哥倫比亞、紐澤西開始。根據至2011年美國統計至少有150萬的兒童與成人參與飛盤運動至少13次。但是這項運動的受傷率從未被報導過，並且只有少數有限的文章進行疾病負擔的研究。在一篇小的回顧性調查(retrospective survey)中發現90%參與極限飛盤運動至少受過一次傷並讓他們錯過至少一次比賽或練習。

2007年的Ultimate Players Association College National Championships，男性的受傷率高於女性受傷率，飛撲(laying out)、與其他選手碰撞是造成大多數受傷的原因。

在本篇研究使用大學層級的選手，共取樣73間大學、53隊男性代表隊與53對女性代表隊，並希望建立大學層級選手的受傷率、描述受傷位置與了解受傷機制。受於資料限制，本篇研究並沒有討論該傷是否為舊傷導致，再來是受於限制，本篇研究並沒有精確的醫學診斷 (diagnosis)，只有傷害判定 (determination)。

結果

結果表明男性與女性的受傷比例並無顯著的差別 (P=0.5)，在比賽中受傷的機會高於練習受傷機會的43%。最常受傷的方式是肌肉/肌腱的拉傷 (IR = 3.06 per 1000 AEs)，最常受傷的位置是腳踝 (IR = 2.54 per 1000 AEs)。相較於女性，男性選手在飛撲 (layout) (IRR = 1.69)或是飛撲碰撞 (layout collision) (IRR = 1.86)的受傷率高於女性。

男性選手在比賽中碰撞受傷的機率會變高。女性選手在比賽中則是因為跳躍、碰撞、採在不均勻的表面會提升受傷的機率。

第一張圖是男生的受傷機制，第二張是女生的受傷機制。

Injury incidence rates (IRs) for mechanisms of injury for practices (black bars) versus games (gray bars) for men. aSignificant difference for IRs between games and practices.

Injury incidence rates (IRs) for mechanisms of injury for practices (black bars) versus games (gray bars) for women. aSignificant difference for IRs between games and practices.

男性比女性更容易遭受肩膀、手腕、軀幹、臀部/盆骨的傷害，女性則是臉部、膝或是多重部位 或全身(multiple locations or systemic injuries)的受傷率比男性來得高。

最常見的受傷是腳踝扭傷、大腿的肌肉/肌腱拉傷。男性比女性更容易遭受肩膀脫臼 (separation/dislocation/subluxation)，而女性更容易遭受膝蓋的韌帶撕裂

討論

在臀/盆骨、大腿、膝蓋、腳踝、腳掌與腳趾的受傷站67%。與其他研究相比較，也間接證實了高中與大學選手一半以上的受傷是與下半身有關。再來是極限飛盤的飛撲動作，毫無疑問地增加了上半身與軀幹受傷的風險。

再來是極限飛盤不是正式的校際間運動，他們有的資源也相對稀少，多數的隊伍沒有完整的醫療、護理與物理治療訓練，有也大多數是自願性質，並且大多數選手是依靠本身的醫療保險或是學校的尖康照務系統來治療他們的運動傷害。

另一個會增加受傷風險的問題是，由於飛盤運動專項的訓練相對稀少，並且許多練習方法也只是口耳相傳，讓飛盤比較沒有制度化的訓練。再來是40%的受傷是與跑步或過度使用相關，未來最好改善的地方是針對跑步的形式，更好的訓練或比賽的回復方法、更合適的暖身流程。

過度使用的因素大多是因為密集的賽程，大多數隊伍會在兩天的賽事進行6-9場比賽，每場比賽1-2小時。這種壓縮性的賽程與多數的NCAA比賽相反，雖然這也不是極限飛盤獨有的賽程，但是相對拉寬賽期對選手回復也是好事。

備註

Athlete-exposure (AE). One AE is equal to 1 player participating in 1 practice or 1 game

Injury incidence rates (IRs) were calculated as injuries per athlete-exposure 

文獻來源

Swedler, D. I., Nuwer, J. M., Nazarov, A., Huo, S. C., & Malevanchik, L. (2015). Incidence and descriptive epidemiology of injuries to college ultimate players. Journal of athletic training, 50(4), 419-425.

Head injuries in professional male football (soccer) over 13 years: 29% lower incidence rates after a rule change

Head injuries in professional male football (soccer) over 13 years: 29% lower incidence rates after a rule change (red card)

介紹

由於足球是少數可以合法使用頭槌擊球的運動，這也讓足球選手頭部受傷或腦震盪的風險居高不下。在2006年FIFA為了減少選手的頭部傷害，增加規定去禁止比賽中球員的手肘故意接觸其他球員的頭部，並讓裁判給予紅牌。

本篇研究使用德國的足球雜誌的數據來探討，在規定實施後，球員頭部受傷的風險是否有降低，並去探討球員頭部受傷的模式。

結果發現2000-2005年的頭部受傷比例是每1000小時的比賽會發生2.63次，在2007-2012年頭部受傷比例是每1000小時的比賽會發生1.87次。再來是頭部受傷的機制以頭部對頭部最多 (34%)，接著就是手肘對頭部 (17%)

結論

本篇研究最有趣的地方是他們使用影片幫助他們判斷80%球員受傷的機制，並且可以追朔十幾年前的資料。

雖然作者的結論是該規定的確有讓選手頭部受傷的機會減低，但並無法完整解釋資料的資訊。足球選手的頭部受傷風險從2003年後就有在下降，並且無法看出該規定在2006年之後選手頭部受傷風險的影響，也無法解釋2008年後頭部受傷風險增高的原因，但整體來說頭部受傷的總數有下降。

參考文獻：

Beaudouin F, et al. Br J Sports Med 2017;0:1–6. doi:10.1136/bjsports-2016-097217

飛盤運動常見的運動傷害2020

Descriptive Epidemiology of Injuries in Professional Ultimate Frisbee Athletes

雖然極限飛盤是一項被禁止或是有限身體接觸的運動，並且任何與比賽無關的身體接觸皆會被認定為"犯規"。但是由於比賽中選手飛撲或是起跳爭盤等等動作，讓這項運動還是有不少的受傷風險。

Akinbola et al (2015) 進行美國大學俱樂部從2000~2012年共32個各項運動或表演活動的俱樂部進行傷病統計，發現極限飛盤運動的受傷比例佔整體受傷比例的1/3。

再來是過去的飛盤相關研究都是以大學運動員為研究對象，本篇是第一篇描述統計職業飛盤運動員傷病的報告。

Context: 職業飛盤聯盟的受傷發生率從未被描述過

Objective: 使用第一個職業聯盟的受傷監測系統來了解受傷率與受傷關聯的因素

Setting: American Ultimate Disc League的2017賽季

Patients: 六十個男性運動員

主要蒐集六項數據

(1) whether an injury occurred during a competition or practice, (2) the mechanism of injury, (3) the anatomic location of the injury, (4) the injury determination, (5) the injury type, and (6) other associated factors

其中數據也會加註運動員所在位置與受傷型態

結果

受傷比例

總共有299次受傷在8963 AEs並且受傷率是33.36 per 1000 AEs

半數的受傷會讓選手錯過一次或更多的練習或是比賽 (n=144; 48.2%)。大多數的受傷是選手第一次在那個位置受傷 (n=205;68.6%)，選手相同部位再次受傷或是惡化*的比例是13.4% (n=40)與17.1% (n=51)。再來是選手受傷後是否接受後續治療的結果是否定佔多數 (78.6%; n=235)

受傷機制

跑步是最為常見的造成受傷機制 (32%; n=97)。飛撲相關的受傷則是佔約20%，並且比賽中飛撲的受傷比例是練習的四倍

受傷部位

受傷部位以下半身在最多數 (72%)，另位有趣的是上半身受傷以右半邊居多。

Injury Determinations

多數的傷病判斷為肌肉/肌腱拉傷 (29%; n=86)與韌帶受傷 (19%; n=58)。特別是多數的受傷為大腿拉傷 (12.7%; 38)與腳踝韌帶扭傷 (11.4%; n=34)

Other Factors Associated with Injuries

通常offense-cutter的位置是最容易受傷，defense-handler則是最少受傷的位置，並且前者的受傷機率近乎是後者的三倍。人工草皮的受傷率比一般草地多34%，再來是場地濕滑的也會造成受傷率更高。

結論

飛盤是一項非接觸性的運動，但是運動員之間的碰撞仍是造成受傷的主因，本文也希望將來的研究能類似蒐集更詳細的數據去降低受傷的潛在風險。相似的例子在大學足球也常見，球員之間在比賽中的接觸是造成受傷的主因，但是在2006年引進禁止選手蓄意使用手肘接觸頭部後，頭部的受傷下降29%。

附註

Injury incidence rates (IRs) were calculated as injuries per 1000 athlete-exposures.

One athlete-exposure (AE) was defined as 1 athlete participating in 1 competition (played at least 1 point) or 1 practice, regardless of the time associated with participation

再次受傷：該部位受傷已經超過六週，或是可以證明該部位的傷已經完全康復

惡化的意思是相同部位曾經在六周內以相同的機制受傷，或是有證據證明該選手之前的傷尚未完全康復

參考文獻：

Hess, M. C., Swedler, D. I., Collins, C. S., Ponce, B. A., & Brabston, E. W. (2020). Descriptive Epidemiology of Injuries in Professional Ultimate Frisbee Athletes. Journal of athletic training, 55(2), 195-204.

PartitionFinder2 同時運行在Python2與python3的環境的問題

PartitionFinder2使用說明

http://www.robertlanfear.com/partitionfinder/tutorial/

若環境是python3，該如何更改設定
https://groups.google.com/forum/#!searchin/partitionfinder/anaconda%7Csort:date/partitionfinder/zQDYzrFf0Bw/nRdvlfmDAQAJ

語法設定問題
https://blog.csdn.net/qq_33363973/article/details/77862007

CUDA學習資源

 最近剛好在整理CUDA的線上學習資源，有用python跟C來寫的，之後再來整理學習筆記。

A. python寫CUDA：

a. 

1. https://kknews.cc/zh-tw/other/nlex3q2.html

2. https://kknews.cc/zh-tw/code/y3m66on.html

3. https://kknews.cc/zh-tw/code/vlkyn8l.html

4. https://kknews.cc/zh-tw/code/oeap24p.html

b. CUDA C Programming Guide 

1. https://www.itdaan.com/tw/d1be601263a7eca894149c277346a020

B. 單篇，有C也有Python：

1. http://www.feiguyunai.com/index.php/2019/04/30/python-ml-25-pytorch-gpu/

2. https://codertw.com/%E7%A8%8B%E5%BC%8F%E8%AA%9E%E8%A8%80/571361/

3. CUDA C編程指南GitHub: https://github.com/HolyChen/cuda-tutorial

C. 書籍：

1. CUDA C編程指南: https://www.books.com.tw/products/CN11443434

2. NVIDIA CUDA 编程指南: https://www.nvidia.cn/docs/IO/51635/NVIDIA_CUDA_Programming_Guide_1.1_chs.pdf

Mrbayes open mpi 環境設置

參考：

http://blog.sciencenet.cn/blog-3382681-1143015.html

http://hpcc.qdio.ac.cn/?q=node/149

mpich
https://blog.csdn.net/qq_39709535/article/details/82858793?depth_1-utm_source=distribute.pc_relevant.none-task&utm_source=distribute.pc_relevant.none-task

Beagle
https://github.com/beagle-dev/beagle-lib/wiki/LinuxInstallInstructions

ls不能用
https://blog.csdn.net/supermenxxx/article/details/50853778

configure error: no fortran 77 compiler
https://blog.csdn.net/ibless/article/details/80383760

Ubuntu 16.04 install MrBayes
https://www.devmanuals.net/install/ubuntu/ubuntu-16-04-LTS-Xenial-Xerus/how-to-install-mrbayes-mpi.html

https://launchpad.net/ubuntu/xenial/+package/mrbayes-mpi

3.2.5之後的版本使用autoconf會有問題