近年、根拠に基づく医療 (Evidence Based Medicine:EBM) の重要性がさかんに謳われ、既存の文献データをいかに有効活用するかが大きな問題となっております。そのためには、文献を検索して入手し読む能力が必要とされていますが、この面における教育は未だ不十分です。
　一方で、日頃の診療業務に追われるあまり、データばかりが蓄積するが、どのようにデータをまとめ、どのように論文投稿するか、についての問い合わせも数多く受けています。ビッグデータの時代には、データをまとめ論文を書き投稿する能力も求められますが、この面における教育も未だ不十分です。
　本セミナーでは、これらの要求を満足する医学論文の読み方・書き方について、ステップを追って学習します。
　演者は、自身でもこれまで40報以上の数多くの論文を公表してきており、その半数以上は筆頭著者です。また、多くの医療従事者の論文投稿のサポートをこれまで20回以上行ってきたが、論文作成で躓きやすいポイントなどをよく熟知しているため、短期間のうちに論文投稿へ結びつけることができました。今回のように講義として他人にノウハウを説明するのは今回が初めてです。もちろん隠したところで何のメリットもないですし、むしろ広めた方が、医療への貢献につながるのではないかとさえ思います。
　皆さんの貴重な手持ちのデータが論文化した瞬間というのは誠に嬉しい限りです。特にこれから沢山論文を書きたいという野心のある若手研究者には、ぜひ、ご参加いただきたいと思います。

1. はじめに
2. なぜ、いま医学英語論文か
   1. 海外医学論文の位置づけ
      1. 文献検察データベースの発達
      2. 海外論文と国内論文の違い
      3. エビデンスの質
      4. 公表バイアス
      5. 普通の論文とシステマティックレビューの違い
   2. ずばりこれという論文を入手する方法
      1. そもそも読む価値のある論文か
      2. 検索キーワードはとても重要
      3. グーグルは立派な文献データベース・その威力はすごい
      4. PubMed NCBIの活用方法
      5. コクランライブラリーの活用
3. 医学英語論文の読み方
   1. 最初にどこを読むか
      1. 調査の目的を明確にする
      2. 結論を先ずは読む
      3. 鍵となる図を発見する方法
      4. 試験方法・解析方法の確認は重要
   2. 論文の管理方法
      1. PDFでの管理が基本。紙媒体では管理しない。
      2. PDFファイルのファイル名のつけ方はとても重要
      3. 画面左下の「プログラムとファイルの検索」を活用しよう
      4. PDFファイルの格納フォルダはたくさん作らないほうが良い
   3. 医学論文データの読み方各論
      1. ランダム化比較試験 (RCT) の読み方
      2. フォレストプロットの読み方
      3. 生存時間分析 (カプランマイヤープロット) の読み方
      4. 一般化線形モデルの枠組み
4. 医学論文の書き方
   1. 書く上での心構え
      1. とにかく雑でもよいから書くことが大切
      2. スキマ時間に情報収集し、家では書く作業に専念する
      3. 書く順番などない。書きやすいところから書き始める
      4. ワードのテンプレートを入手する
      5. データは必ずエクセルでまとめ。ワードやパワーポイントでまとめない。
   2. 書く上で役に立つ英語のフレーズ
      1. NEJMやThe Lancetの関連論文を読み、表現の参考にしよう
      2. 英辞郎 (http://www.alc.co.jp) はすぐれもの
      3. よく使う英語のフレーズ
      4. 定型タイトルの次のサブタイトルはよく考える
      5. 論文独特の二重否定に慣れよう (unless otherwise stated など)
   3. 投稿に際して
      1. インパクトファクターの高い論文は査読も厳しく掲載が大変
      2. その分野で良く読まれていて、インパクトファクターがそれほど高くないジャーナルが狙い目
      3. 投稿規程をよく読む
      4. サンプル論文を必ず入手する
   4. その他必要な情報
      1. 臨床試験の場合は事前登録番号
      2. 臨床研究の場合倫理審査委員会の承認
      3. 著作権
      4. 利益相反
5. 将来展望
   1. 臨床研究のガイドライン
   2. 介入研究と観察研究の違い
   3. ビッグデータの活用
   4. 今後のEBM (Evidence Based Medicine:根拠に基づく医療)