GRADE建議通過檢查95%可信區間（CI）為決定不精確性的最佳方法。在指南實際運用中，如果CI的上、下限值代表了真實效應，而臨床實際情況與之不符時，必須降低證據質量級別（即對效應估計值的把握度）。除外當效應值很大且可信區間提示效應穩健，而總樣本量不大且事件數很少的情況，其他應考慮因不精確性而降低證據質量級別。作此決定時，可計算有足夠檢驗效能的單個試驗所需的病例數（定義為“最優信息樣本量”，即optimal information size，OIS）。對連續型變量，我們建議用類似方法，首先考慮可信區間上、下限值，再計算OIS。系統評價（SR）所需方法略有不同。如果95%CI不包括相對危險度（RR）為1，且總事件發生數或病例數超過OIS標準，則精確性良好。如果95%CI包括了明顯獲益或危害（我們建議以RR值lt;0.75或gt;1.25作粗標準），即使達到OIS要求，因不精確性而降低證據質量級別較恰當。
試驗序貫分析（trial sequential analysis，TSA）可發現看似具有明確結果的 Meta 分析的不確定性，主要是通過提供期望信息量及 TSA 界值來進行判斷。TSA 中信息量的計算方法有多種，本文簡要介紹 TSA 中 4 種信息量的計算方法，以期為讀者在制作 Meta 分析時能更好地運用 TSA 提供參考。
本文的目標是處理并分析使用深度電極在難治性癲癇患者癲癇發作期間其大腦皮層中記錄到的癲癇腦電信號間的大腦效應連通性。維納-格蘭杰因果索引算法是一種眾所周知的檢測腦電信號間大腦效應連通性的有效方法。它是一種基于線性自回歸模型的方法，而模型參數估計問題在其用于腦電因果效應連通性研究中的計算準確性與魯棒性方面起著至關重要的作用。本文針對這一問題，使用了我們提出的改進的赤池信息量準則來估計算法中自回歸模型的模型階數，以提高維納-格蘭杰因果索引算法檢測大腦效應連通性的性能。實驗仿真結果表明：不管是在線性隨機系統中還是在能生成模擬癲癇信號的生理模型中，該改進的維納-格蘭杰因果索引算法在檢測腦效應連通性上都表現出良好的魯棒性。
目的 評價阿姆斯特丹術前焦慮與信息量表（Amsterdam Preoperative Anxiety and Information Scale，APAIS）中文版在局部麻醉患者術前焦慮中的信效度。方法 2020 年 5 月－12 月，采用方便抽樣的方法對四川大學華西醫院腎臟內科擬行經皮腎穿刺活檢術的患者進行 APAIS 問卷調查，并對量表進行信效度分析。結果 共發放調查問卷 460 份，回收有效問卷 444 份，有效應答率為 96.5%。APAIS 的克朗巴哈系數為 0.896，Guttman 折半信度系數為 0.811，內容效度指數為 0.891。模型擬合情況：卡方擬合指數/自由度為 12.122，擬合優度指數為 0.916，增值擬合指數為 0.902，近似誤差均方根為 0.079，比較擬合指數為 0.946。APAIS 焦慮分量表得分與廣泛性焦慮自評量表得分呈正相關（r=0.518，P<0.001）。結論 APAIS 用于評價局部麻醉患者術前焦慮程度具有良好的信度和效度，但該量表在其他病種中的應用仍需進一步檢驗。