Error หรือความคลาดเคลื่อนในงานวิจัย

Error หรือความคลาดเคลื่อนในงานวิจัย พบได้บ่อย ๆ สาเหตุถ้าจะแบ่งเป็นกลุ่มใหญ่ มักจะนึกถึงได้เป็นสองกลุ่มคือ Random error(chance) และ Systematic error(Bias) ซึ่งการเกิดความ คลาดเคลื่อนโดย chance เป็นสิ่งที่ป้องกันได้ยาก แต่ก็สามารถทำให้ลดลงได้, ส่วนความคลาดเคลื่อนโดย Bias อาจสามารถป้องกันได้โดยการออกแบบงานวิจัย หรือ methodology ที่ดี สองข้อนี้ส่วนใหญ่เราจะนึกถึงก่อน แต่ในความเป็นจริงแล้วยังมีอีกสองปัจจัยที่สำคัญ ก็คือ ตัวกวน(Confounder) และ ปฏิสัมพันธ์ระหว่างตัวแปรที่นำมาศึกษา(Interaction)

ดังนั้นเมื่อเราเห็นผลงานวิจัยให้นึกถึง Key words "CBCI" นำมามองว่าผลลัพธ์จากงานวิจัยนั้นน่าเชื่อถือเพียงใด
ดังนั้นเราต้องมองปัจจัยสำคัญ 4 อย่าง ดังนี้ ว่างานวิจัยที่เรากำลังหยิบมาใช้นั้นมีผลจากสิ่งเหล่านี้หรือไม่ มากน้อยเพียงใด

C : Chance ?
B : Bias ?
C : Confounding ?
i : Interaction ?

mnemonics "CBCI" นี้ก็จะช่วยเราให้นึกถึงและพิจารณาว่างานวิจัยนั้น ๆ น่าเชื่อถือมากน้อยเพียงใด

1.Random Error(Chance):

มักเกิดจาก Small sample size, high variation in sample ที่เลือกมา,One time measurement (การวัดครั้งเดียว), การวัดที่เชื่อถือไม่ได้หรือไม่มี callibration ที่ดี(Unreliable measurement), มีหลายตัววัดที่ต้องเก็บพร้อม ๆ กัน หรือเก็บมากเกินความจำเป็น(too many measurements), รวมถึงการวัดที่ไม่มีมาตรฐาน(non standard measurement)

การป้องกัน:
1. กำหนดจำนวน Sample size ที่มีขนาดใหญ่พอ ที่จะให้ผลที่มีความสำคัญทางนัยสำคัญทางสถิติหรือทางคลินิก
2. การวัดควรให้ได้มาตรฐาน ถูกต้อง เที่ยงตรง
3. การมี standard protocol ในการวัดหากผู้ป่วยในงานวิจัยเป็นกลุ่มที่มี variation ค่อนข้างมาก
4. การเก็บข้อมูลควรให้สอดคล้องตรงกับ Prognostic factors ที่ต้องการเก็บ
5. ควรเลือกกลุ่มผู้ป่วยที่มีความเป็น Homogenous กัน มากกว่ามี variation มาก ๆ ในกลุ่มศึกษา
6. ควรเลือก วางแผน ขั้นตอน รวมถึงการออกแบบงานวิจัยที่ดี

2.Systematic Error(Bias) :

ว่าด้วย อคติ(bias) ในงานวิจัย เวลาเราตีความหรืออ่านบทความวิชาการ อย่างเป็นระบบแล้วถ้าให้ดี ก็ควรจะตั้งมั่นว่างานวิจัยนั้นมีโอกาสเป็นไปได้หรือไม่ ? ไว้ก่อน โดยคำนึงถึงข้อจำกัดหลาย ๆ ข้อในการดำเนินงานวิจัย และที่สำคัญ ก็คือ Bias นั้นเอง เพราะหากงานวิจัยนั้นรายงานผลออกมาโดยมีอคติ หรือ ความลำเอียง " bias " มากจนเรายอมรับไม่ได้นั้น นั่นถึงผลที่ตีความออกมาอาจไม่สามารถนำไปใช้ในผู้ป่วยจริง หรือ สถาณการณ์จริงได้เลย เพราะเราจะขาดความมั่นใจในการนำผลนั้นไปใช้



คำว่า Bias นั้นคำในภาษาอังกฤษนั้นอธิบายได้ดีว่า " Bias is a systemic tendency of any factors that associated with design, conduct, anaylysis and interpretation of the results of study to make the estimate of effect deviate from it trues value "

ตัวอย่างของ Bias ที่พบบ่อยได้แก่ :

1. Selection Bias
2.Berkson Bias( admission bias, hospital admission bias)
3.Ascertainment Bias
4.Health worker effect
5.Volunteer Bias
6.Non-Response Bias
7.Information Bias( eg. observer bias, Recall bias, reporting bias)
8.Ecological Bias
9.Confounding Bias
10.Spectrum Bias
11.Post Hoc Analysis Bias
12.Sub-Group Analysis Bias
13.Publication Bias

ซึ่งมีมากมาย ที่ยกมาเป็นเพียงตัวอย่างที่เราคำนึงถึงบ่อย ๆ คราวนี้หลายคนคงมองว่ามันเยอะขนาดนี้เราจะป้องกันไม่ให้มันเกิดขึ้นได้อย่างไร เพราะถ้าไม่สามารถตอบได้การดำเนินงานวิจัยนั้น ๆ คงไม่มีประโยชน์

3.Confounder :


4.Interaction :

.....(ยังมีต่อ)