Selected Publication

I have published over 50 SCI papers, and I have selected the following papers for reference:

Selected Publication (*Corresponding author)

Hui-Wen Lin* and Yi-Hau Chen* (2014, Aug) Adjustment for missing confounders in studies based on observational databases: Two-stage calibration combining propensity scores from primary and validation data. American Journal of Epidemiology. 2014;180(3):308–317 (5y IF 6.067)
Shih-Wei Huang, Chin-Wen Wu, Li-Fong Lin, Tsan-Hon Liou, Hui-Wen Lin* (2017, Aug). Gout Can Increase the Risk of Receiving Rotator Cuff Tear Repair Surgery. AMERICAN JOURNAL OF SPORTS MEDICINE, 45(10):2355-2363. (SCI,rank 1/77,IF 6)
Hui-Wen Lin, Ying-Yueh Tu, Shiyng Yu Lin, Wei-Ju Su, Wei Li Lin, Wei Zer Lin, Shen-Chi Wu, Yuen-Liang La*i (2011, Oct). Risk of ovarian cancer in women with pelvic inflammatory disease: a population-based study. Lancet oncology, 12(9):900-904(SCI,rank 3/197,IF 25.117).
Hui-Wen Lin, Li-Fong Lin, Hung-Chou Chen, Tsan-Hon Liou, Shih-Wei Huang* (2018, Sep). Chronic obstructive pulmonary disease with short-acting inhaled pharmacotherapy increases the risk of prostate cancer: A two-stage database approach. PLoS ONE, 13(9):e0203377.
Hui-Wen Lin and Yi-Hau Chen* (2010, Oct). Association Analysis under Population Stratification: A Two-Stage Procedure Utilizing Population- and Family-Based Analyses.. Human Heredity, 69:160-170.

研究想法與研究方向:

過去幾年，我的研究一直致力於將數學統計方法從單純的理論框架中解放出來，實際應用到臨床與實務研究中，從而真正展現統計學的價值。在面對醫學研究常見的資料挑戰，例如干擾因子缺失、變項不完整與偏差，我們提出並推廣了「兩階段結合」（Two-Stage Combination, TSC）方法（Lin & Chen, AJE 2014），透過不依賴特定測量誤差模型，能在真實世界的複雜資料中有效校正偏差。這套方法後來也延伸至更複雜的分析架構，如廣義可加模型，進一步提高對非線性與高維資料的適用性，使研究推論更為穩健。除了解決統計推論的理論難題，我也十分重視與臨床醫師、公共衛生專家及其他領域學者的合作。過去數年，我主持和參與了一系列的研究計畫，包括利用嚴謹的研究設計（如 cohort、 case-cohort、nested case-control 研究）與修正後的統計模型（例如針對群組變異所修正的 Cox 模型與 bootstrap 檢驗方法），深入探討疾病危險因子與臨床治療成效。這些研究已在國際知名期刊上發表，多次聚焦於 COPD 用藥與中風、髖部骨折以及痛風與肩袖修復手術風險的關聯性分析。我們也更進一步探討 COPD 吸入藥物與前列腺癌的風險關係、軸突性脊柱關節炎患者的黏附性囊膜炎發生率，以及 RCTR 手術風險等議題。在這些研究中，嚴謹的統計方法與設計使結果更具公信力，不但能為醫師提供臨床決策的參考，更能協助公共衛生人員擬定合宜的預防策略。同時，我也開始將統計思維與新興技術結合，應用於預防醫學與精準醫療。透過學校計畫，我們開發了可協助一般民眾預測五十肩風險的 Line 機器人，以及透過深度學習的 UNET 模型對醫學影像進行精準辨識，進而提升早期發現與介入的機會。這些嘗試，有助於讓統計不只侷限於研究室內，更能融入日常醫療情境，服務大眾健康。面對資料愈趨複雜、多元，以及同時存在多個共變量缺失來源的情況，我計畫在未來發展更完善的新統計方法，以結合多個不同來源、不同型態的共變量缺失資訊。透過這個新的研究計畫，我將嘗試整合 TSC 思維與參數估計技巧，期望能在高維且缺失嚴重的資料環境下，依然提供穩健而高效率的推論。這不僅對醫學研究有實際助益，也將對公共衛生決策、預防醫學策略訂定，甚至其他非醫學領域的分析，都帶來更強大的助益。最後，我的研究也延伸到其他領域的合作，例如與語言學家共同研究語言學習者在聲調表達與理解上的差異。我們採用 mixture random effect 模型並結合音波視覺化技術（2024, Applied Sciences），精準量化不同母語背景下的語音特徵，為語言教學與習得研究提供更科學的依據。這些跨領域的合作讓我再次體會到，數學統計方法若能真正進入實務場域，將能激發更多創新與價值。總而言之，我的目標是讓數學統計不再只是一門理論學科，而是能直接介入實務、推動醫學進步、強化預防醫學、甚至影響其他學科發展的重要力量。