本书的主要组成部分为干预性研究和观察性研究。每部分包括4个大章节。干预性研究包括：①试验方法和设计；②纳入、治疗分配和伦理；③结局测量、分析和结果解读；④结果应用。观察性研究包括：①研究方法和设计；②评估风险因素和暴露；③结局测量、分析和结果解读；④结果应用。第3部分提供了对大型外科数据库研究结果的解读，以帮助临床医生更好地理解这些类型的研究。

爱德华·H.利文斯顿博士是JAMAevidence的特约编辑，JAMA的副主编，JAMA Network的临床评论和教育编辑。同时他也是加利福尼亚大学洛杉矶分校（UCLA）医学院的外科教授和美国西北大学的外科兼职教授。他还曾担任得克萨斯大学西南医学院胃肠和内分泌外科教授和主任，以及生物医学工程教授和主任。

1 非劣效性试验：新疗法是否和其他治疗方法一样有效？
2 剂量探索试验：优化药物研发过程中的二期数据
3 实效性试验：“真实世界”问题的实用性答案
4 整群随机试验：评估用于群组的治疗
5 阶梯楔形临床试验：滚动部署评估
6 假设检验的样本量计算
7 最小临床重要性差值：明确什么是真正对患者重要的
8 临床研究中的随机化：区组和分层
9 研究中的均势：在人类研究中整合伦理与科学
10 时间事件分析
11 复合结局测量的“效用”：测量对患者重要的因素
12 缺失数据：如何最好地解释未知
13 意向性治疗原则：如何评估选择一项医学治疗的真实效应
14 混合模型分析重复测量
15 logistic回归：将患者特征与结局关联
16 logistic回归诊断：理解模型对结局的预测效果
17 需治数：代表某种治疗效果的可能性
18 多重比较法
19 避免多重比较的临床研究出现假阳性结果的把关策略
20 多重插补：一种灵活处理缺失数据的方法
21 对早期终止的临床试验的解读
22 贝叶斯分析：利用先验信息解读临床试验的结果
23 决策曲线分析
24 卫生保健政策变化的评价方法——双重差分法
25 病例对照研究：使用“真实世界”证据评价关联
26 meta分析可以是可信和有用的：一个新标准
27 孟德尔随机化
28 使用E值评估观察性研究中未测量混杂的潜在影响
29 临床研究中的指示性混杂
30 中介分析
31 比值比（OR）——现行最佳实践和应用
32 边际效应——量化logistic回归模型中危险因素变化对结局的影响
33 协变量校正：已发表研究中假性发现的来源
34 多中心随机临床试验的治疗效果
35 倾向性评分
36 使用自由响应受试者工作特征曲线（FROC）评估机器诊断肿瘤的准确性
37 随机效应meta分析：谨慎地总结证据
38 层次贝叶斯模型
39 评估风险预测模型的区分度：C统计量
40 成本-效益分析概述
41 在成本和成本-效益分析中选择时间范围
42 医学图像分析的深度学习
43 提升外科数据库研究科学性的检查清单
44 JAMA Surgery统计编辑大数据库分析要诀
45 外科数据库实用指南：美国医疗保健花费和国家住院患者样本（NIS）利用项目
46 外科数据库实用指南：监测、流行病学和结局（SEER）数据库
47 外科数据库实用指南：医疗保险索赔数据
48 外科数据库实用指南：美国军队卫生系统Tricare Encounter数据
49 外科数据库实用指南：美国退伍军人事务部外科质量改进计划（VASQIP）
50 外科数据库实用指南：美国国家外科质量改进计划（NSQIP）和儿科NSQIP
51 外科数据库实用指南：代谢和减重手术认证和质量改进计划（MBSAQIP）
52 外科数据库实用指南：美国国家癌症数据库（NCDB）
53 外科数据库实用指南：美国国家创伤数据库（NTDB）
54 外科数据库实用指南：血管外科学会血管质量计划（SVS VQI）
55 外科数据库实用指南：美国胸外科医师协会（STS）国家数据库
术语表