I.
寫作通則
A.
段落
1.
段落之篇幅以6~8個句子或10行為標準。
2.
篇幅與重要性相關，較不重要的工具介紹盡量縮短撰寫篇幅，以避免失焦。
3.
段落結構應為top-down，主題句宜明確說明該段落欲陳述之內容。主題句介紹該段欲呈現之內容時，可運用策略選擇僅下列二種撰寫方式：(1) 主題句簡短提及該段欲說明的主角，於內文中開始說明，最後再總結該主角的特點。(2) 主題句精簡地總結該段欲呈現的內容，再於段落內文中補充說明。若是較新穎的評估工具或概念，建議採用第二種撰寫方式，使讀者可較快被吸引與瞭解。
4.
同一section中，分段方法宜一致。若分段之主角不一致易造成讀者混淆。例如：文章中以群集與變項將資料作分組，作者應選擇較重要之分組方式，統一以群集或變項分段。
5.
次標題或段落大綱應與內容呼應。
6.
各section之段或架構應一致或連貫。例如：研究目的有二：發展與驗證，則方法、結果與討論之架構皆須與研究目的連貫，分為發展與驗證二大段。
7.
次標題應與內文重點相符。
8. 若列點太多項，作者應結構化彙整或分類陳述。列點若超過5點，則讀者則不易理解或記住。
B.
詞句
1.
主詞盡量精簡，重要的主詞宜置於句首。
2.
為加強論述，可考慮運用以下三策略：(1) 段落編排：將最具特色的或最重要的賣點於主題句中即呈現。(2) 使用較強烈/肯定的語氣與字眼。(3) 正/反論述特定概念或工具之臨床與學術價值。
3.
文中專有名詞宜統一。例如：相關與差異雖為一體兩面，但作者應選定某一立場，並於全文中統一使用該詞彙或敘述。若專有名詞較長不易閱讀，可以縮寫取代或加註引號。
4.
介紹評估工具之使用情況或普遍性時，較少使用最高級。例如："the most
widely used"太過肯定，建議改為"one of the most
widely used"。
5.
多使用主動句，以避免被動句中主詞太長不易閱讀的問題。
6.
不同分類層級之詞彙宜作區隔，例如：motor recovery涵蓋UE、LE 與motor，而motor又包含UE與LE。建議直接寫combined UE+LE。
7.
不同概念宜將使用的詞彙與概念/定義區隔清楚，以避免混淆或使讀者誤認為相同的概念。
8.
科學論文寫作之原則為宜精簡、直接，讀者僅解讀字面涵義，不猜測作者字裡行間隱含的語意。
9.
句子盡量避免超過2行，若欲表達之詞彙較繁複，仍須想辦法斷句。
10.
主題句宜凸顯概念之重要性/評估工具之優點，然語氣之拿捏宜謹慎，勿說得太滿或太過保留。
11. 量表縮寫盡量依據原作者之寫法，但若有特殊考量，且量表之知名度不高，可修改縮寫。
II.
寫作細節
A.
標題
1.
研究之重點/賣點宜優先呈現。
2.
標題中，文章的賣點宜使用較精確，但較白話的詞彙說明。例如：驗證量表之單向度與轉換量尺為interval scale的研究，宜使用quantification取代validation。因validation為普通名詞，語意模糊，不易凸顯賣點；而若使用unidimensionality則又太過技術性，一般讀者不易理解。
3.
驗證評估工具，結果發現心理計量特性不佳而提供修改建議，若修改的幅度不大，即無法算是修改/發展新量表。此時標題仍著重於「驗證」。
B.
前言
1.
若在研究目的中提及統計分析方法，代表該分析方法為文章之重點，於前言中即需先介紹。
2.
前言中是否描述專有名詞之定義，端看讀者之背景。若讀者對於該專有名詞應不陌生，且定義內容可能會影響文章鋪陳或連貫，則可先不寫，若審查者認為需補充時再補上即可。
3.
評估工具介紹中，相似的特點應接續撰寫。若一評估具有太多優點，放在同一段落介紹雖可較連貫，但容易造成讀者的負擔，故建議仍須視篇幅長短強制分段。
4.
研究計畫之前言篇幅可達5~10頁（論文約1~2頁），且審查者多非領域完全相同的專家。故重要的概念、驗證方法、意義與價值完整宜於前言說明清楚、完整，以利審查者及早掌握研究主題之賣點。必要時可於研究計畫之前言附圖說明。
5.
前言重點舖陳宜依據目標期刊而訂。例如：若是基礎醫學期刊，則前言關於基礎醫學的腦神經傳導機制可較精簡，因讀者對於相關知識已有一定的瞭解；反之，若欲投稿於臨床醫學期刊，則須清楚說明腦神經傳導機制。
6.
前言對於過去研究之評論的鋪陳方式為：(1) 過去做過什麼研究、發現了什麼結果；(2) 但因某些缺陷使得結果仍不確定；(3)故我們需進一步驗證此結果是否成立。
7.
作者對於先前研究評論必須是本研究可解決/提升的問題，不提與本研究無關之評論。
8.
量表已驗證過同時效度，為何須再驗證單向度之理由：同時效度僅檢驗概念間之關係，而未能驗證量表內題目是否為單向度（分數可加總）與題目之難易階層性（古典測驗理論不支持項目具難易階層性，因項目間相關會降低，信度亦隨之降低）。
9.
評論現有工具或過去文獻時，宜留意使用之詞彙與語氣。有幾分證據說幾分話，若過去證據僅包含概念上評論而未有實證數據，引用時使用的語氣則不宜太過強烈/絕對。
10.
初稿中，前言僅須將最重要的概念說明清楚，第二、三層的次要概念可先不說明，待審查者認為須補充時再做調整。
11.
可選擇以正面或反面闡述概念之重要性時，若正面敘述已清楚說明，則無需再以反面論述。
12.
研究核心議題之臨床意義可於前言或討論之段落論述，端看前言篇幅而定。
C.
方法
1.
若使用一般讀者較不熟悉或較不直覺的資料分析方法，作者須提出強烈的證據與理由說明原分析方式的不足，並提出新的分析方式之優勢以說服讀者接受較不熟悉的分析方法。例如：研究目的中提及"relationship"，但作者並未使用Pearson’s r而是使用cluster analysis，代表作者有很強的理由或研究假設認為線性相關不適用，則作者須於文中特別說明。
2.
介紹工具時，須明確說明其使用時機、對象與評估之內容。
3.
資料分析中應介紹計算式而非概念，亦無需特別說明使用此分析方法的理由。
4.
研究假說不一定要呈現，若須呈現可考慮置於研究目的或資料分析。
5.
資料分析的據判斷標準，宜使用過去式陳述，代表在本篇研究中作者使用的判斷標準，而非眾所承認的事實。
6.
數值判斷標準應以欲分析的主角為主詞，例如：r > 0.6代表收斂效度良好（而非代表相關高）。
7.
效度之r係數判斷標準：同時效度 > 收斂效度 > 預測效度。
8.
發展工具所依據的理論，可在方法中說明，若討論之篇幅太少，可考慮於討論中進一步探討。例如：發展C-DVT之方法中可補充過去研究對於sustained attention定義之時間範圍。
9.
臨床與研究對於評估工具心理計量特性之要求不盡相同，故使用之數據判斷標準亦不同，二者宜作區隔不應一併論述。
10.
公式是否以文字或數學式呈現之考量依據有三：(1)是否為讀者常見之公式、(2)篇幅長短、(3)概念之複雜度。若已呈現公式，則不須在於內文中以文字描述公式（數學式較文字容易閱讀），內文中可呈現公式之概念。
11.
反應性之分析標準：t-test或ANOVA是否顯著易受樣本數及樣本變異之影響。而effect size則排除樣本數的影響，數據較為客觀。故結果判斷應以effect size為主，p值為輔（仍須呈現以供讀者參考）。
12.
方法之程序部份，首重各步驟之目的與研究執行的流程是否完整說明。
13.
認知訪談為逐題詢問受試者對於施測目的、題目、選項、計分方式與工具使用所理解到的內容，而不僅是詢問受試者是否理解題目而已。認知訪談時，若受試者理解的內容與研究者之設計有出入，宜進一步詢問受試者修改建議並作修改。修改方式與部份（如：指導語、選項或計分方式）宜於方法中說明清楚，而修改前後之實際內容則於結果中呈現。
14.
前驅研究之原文為pilot testing。
15.
發展評估工具前，須有關於核心概念之明確定義或理論架構。並依此作為後續發展、修改與驗證量表之中心思想。
16.
重要的程序須交代清楚，架構以top-down之寫作方式較易理解。若程序包含多個步驟，宜先清楚說明有那些步驟，以及各步驟之目的為何，其後再依序說明詳細的作法。
17.
翻譯量表多有版權與文化調適的問題，自行發展量表則較少有上述問題。若是參考部份外文量表作為發展題目之基礎，文化調適應是在建構題目時即須完成的工作，而非發展完量表初稿後才進行的步驟。
18.
驗證量表項目是否符合單向度之流程：分析→檢驗各指標是否符合預設標準→刪除misfit的題目→再分析→修改直至結果符合標準。
19.
符合Rasch model之量表，於分數解釋上具有sample free之優勢。而此優勢成立之前提為：研究者收集之樣本具代表性，包括樣本數大，且能力分佈廣。
20.
Rasch model有二：rating scale model與partial credit model。前者適用於各題評分方式/量尺一致之量表，如：滿意度量表，各題評分量尺之級距相同，皆由很不滿意至很滿意。後者適用於各題評分方式/量尺不同之量表，如：PASS，雖各題量尺皆為0-3分，但各題評分依據不同，包括時間與依賴程度，故各題之分數級距並不同。
21.
MID原應包括進步與退步的最小可偵測變化值，且二者之分數不太可能一致，故須分別估計。然接受復健之中風個案退步機率低，可能造成計算平均數有困難，可選擇不估計退步的MID值。
22. 方法中收案的機構應匿名，例如：a local general hospital。
23. Delphi method之資料分析主要為彙整專家意見，然而語句應寫為主動句，例如：We compiled…，而非…were compiled。被動句較容易誤解為程序應出現的內容。
24. 發展工具必須驗證其心理計量特性，然而發展與驗證為兩個不同的程序，不應混為一談。應先發展完成最終版本工具後，再進一步驗證。
D.
結果
1.
不同組別或變項，相似的分析結果，數據呈現方式盡量一致。例如：以百分比或樣本數呈現。
2.
結果數據呈現至小數點後一位即可，否則意義有限且妨礙閱讀。考量呈現小數位數之依據有二：(1) 測量之精準度：若工具僅能測得分數至整數位之精確值，則保留一位小數估計值即可。(2) 實質意義：若小數點後多位具實質意義則保留（例如p < 0.001），但若無實質意義則保留至小數點後一位即可。
3.
若參數為估計值，則須同時呈現95%信賴區間。
4.
建構效度之分析結果須說明量表中有多少題目符合建構，例如：EFA發現OTES 16題之因素結構為單一因素。
5.
ANCOVA之表格中，宜同時附上控制confounding
variables前後之p值，以凸顯控制之意義與價值。二者各有其意義：未控制confounding
variables之結果為臨床上可看到的raw data。但理論上不同特質的個案，復健成效應不同，故研究上需控制confounding
variables。
6.
表格中欲比較的變項/內容應置於「欄」。
7.
IRT驗證結果發現量表中部份量尺使用率低而造成disordering現象時，合併量尺之依據有三：(1) 量表中每一題合併的量尺須一致；(2) 若disordering的量尺部只一個，則視概念相近的合併；(3) 合併量尺後須再以IRT驗證檢視結果，修改直至fit為止。
8. “Trend”即代表不顯著，故不需特別畫蛇添足地強調not significant trend。
9. 表格中顯著性之標示：以“*”註解顯著或寫出p值二擇一呈現即可。
10. 圖片中不同的組別，盡量以符號而非顏色作區隔，以利讀者無論使用黑白或彩印皆能一目瞭然兩組之差異。
E.
討論
1.
無論研究結果好 (positive)或壞 (negative)，研究者只要能把理由與價值說明清楚，文章仍有機會發表。
2.
討論第一段之架構：(1)簡述研究目的、(2)主要發現與 (3)本研究之獨特性或貢獻。此處研究目的可換句話說，但所使用之詞彙須與前言中一致。主要研究發現部分，僅呈現結果不作解釋，後面段落再依序說明。研究之獨特性係指研究設計、研究目的或研究結果之獨特性，並非指欲驗證的工具有多特別。若討論篇幅已夠多，則此段可省略。
3.
作者對於結果之解釋皆僅為可能的原因，須先完整且明確地說明理由，再考慮其合理性或可被接受性。至於讀者能否接受則見仁見智。
F.
審查意見回覆
1.
回覆架構：(1)主題句須清楚告知要回覆哪個問題、(2)明確地回覆是否接受審稿者意見、(3)若接受審稿者之建議，明確地說明接受審查者之意見，作者如何修改內容，並附上所修改之稿件內容；若不接受審查者之建議，應具體提出不接受之理由，並附上多個參考文獻以加強說服力。
2.
一段落僅回答一問題或重點，以利審查者掌握重點。
3.
回覆無篇幅限制，首重結構清楚。必要時可加上次標題，以凸顯要回覆之主題。
III.
其它
A.
報告者
1.
演講時若投影片或儀器設備出現非預期之狀況時，講者仍須保持鎮定。
2.
資料分析中較複雜的算式，可先列出較白話的詞彙練習解釋概念，或可在投影片中附上圖片輔助說明。
B.
投影片
1.
投影片內容盡量精簡，以phrase呈現。若太多文字將使得聽眾須花許多心力在閱讀而減少與講者互動的機會。
2.
較複雜或動態的概念，投影片宜加上動畫以利聽眾瞭解。較複雜的圖，亦須於投影片加註簡短的文字或呈線輔助線輔助說明。
3.
統計結果近可能以圖表呈現，例如：相關可呈現散佈圖 (scatter plot)、差異可呈現兩組（以上）的直方圖與95%信賴區間。
4.
結論宜明確體歸納研究方法所作的步驟或所得的結果與臨床應用。
C.
聽眾
1.
不要害怕提問，提問是種訓練。提問越明確，講者才能針對問題作明確的回答，提問者也才更能掌握自己不懂的部分。
