ใช้โปรแกรม R ช่วยคำนวณ Odds Ratio

มีหลายคนเมล์มาถามผมเกี่ยวกับการคำนวณ Odds Ratio ที่ได้จากการศึกษา วันนี้ผมขอแนะนำโปรแกรมทางสถิติตัวหนึ่งที่นักสถิติและนักระบาดวิทยาหลายคนชอบใช้ นั่นคือโปรแกรม R ครับ

หลายท่านคงเคยได้ยินโปรแกรม SPSS (ซึ่งย่อมาจาก Statistical Package for the Social Sciences) มาแล้ว แต่ท่านทราบหรือไม่ ว่าท่านอาจจะกำลังใช้โปรแกรมนี้อย่างผิดกฎหมายอยู่! นั่นเป็นสิ่งที่ไม่ดีเลยครับ เรามาใช้โปรแกรมอื่นทดแทนโปรแกรมที่ผิดลิขสิทธิ์กันดีกว่า

โปรแกรม R นี้พูดแล้วก็เปรียบเสมือนเครื่องคิดเลขหนึ่งอันครับ โปรแกรมนี้สร้างโดยนักสถิติชาวนิวซีแลนด์ชื่อ Ross Ihaka และ Robert Gentleman ทั้งสองท่านนี้เห็นว่าโปรแกรมสถิติที่เราๆ ท่านๆ ใช้กันอยู่นั้นส่วนใหญ่จะมีราคาแพงถึงแพงหูฉี่ ก็เลยลองเขียนโปรแกรมขึ้นมาใช้เองดู และยังเผยแพร่โค้ดโปรแกรมออกมาอีกด้วย

เนื่องจากเป็นโปรแกรมที่สามารถดาวน์โหลดมาใช้ได้ฟรี ก็อาจจะไม่มีการรับประกันใดๆ อย่างไรก็ตาม โปรแกรมนี้เป็นโปรแกรมที่ได้รับการยอมรับจากนักสถิติทั่วโลกเลยทีเดียวครับ (Paper หลายอันใช้โปรแกรมนี้ในการคำนวณ)

พูดมานานแล้ว มาโหลดไปใช้กันดีกว่า เข้าหน้านี้ (http://www.r-project.org/) แล้วเลือกทำตามขั้นตอนต่อไปนี้เลยครับ

1. เลือก Download ใต้หัวข้อ CRAN
2. เลือกสถานที่ที่ใกล้เราที่สุดเพื่อจะได้โหลดเร็วๆ (เมืองไทยก็มี) แต่แนะนำ Australia เพราะเมืองไทยมักไม่อัพเดต

3. เลือกวินโดวส์ ถ้าคุณใช้วินโดวส์
4. เลือก base
5. เลือกอันที่ลงท้ายด้วย .exe ครับ (มันจะเป็นชื่อเวอร์ชั่นอยู่เช่นขณะที่ผมเขียนอยู่นี่มัน 2.8.1)

6. ได้มาแล้ว ลงตามปกติเลยครับ

เมื่อเปิดโปรแกรมจะพบหน้าตาโปรแกรมดูโบราณๆ นิดนึง (เห็นโบราณแบบนี้แต่มันทรงพลังทีเดียวเลยล่ะ)

สามารถลองพิมพ์ลงไปได้เลยครับว่าอยากจะให้มันคำนวณอะไร แล้วก็กด Enter

ถ้าพิมพ์ผิดไม่ต้องกลัวมันไม่เจ๊งครับ มันก็แค่ขึ้น Error เท่านั้นแหละ แต่ถ้าพิมพ์ๆ ไปแล้วเป็นแบบนี้

> log(log(4)+sqrt(5)
+ |

นั่นเกิดจากว่าคุณใส่สูตรไม่จบ ส่วนมากเกิดลืมใส่วงเล็บ ก็แค่พิมพ์ ) เพิ่มไปแล้วกด Enter มันก็จะคำนวณให้ครับ

ฟังก์ชันที่ใช้นั้นก็มีหลากหลาย ตั้งแต่ธรรมดาๆ เชน log, sqrt (ย่อมาจาก square root), sin, cos, tan,… จนไปถึงฟังก์ชันทางสถิติเช่นพวกหา p-value จากค่า Chi-square เลยทีเดียวครับ (จนตอนนี้ผมใช้แทนเครื่องคิดเลขไปแล้วแหละ)

หมายเหตุนิดนึงว่าฟังก์ชัน log นั้นเป็นฐาน e นะครับ ถ้าต้องการฐานสิบ ก็พิมพ์ ,10 ในวงเล็บแบบนี้

> log(1,10)
[1] 0

สำหรับเลข [1] นั้นไม่ต้องสนใจครับ เขาใช้เวลามันมีผลลัพธ์เยอะๆ ขึ้นบรรทัดใหม่มันจะบอกว่าเป็นผลลัพธ์อันที่เท่าไหร่

ข้อดีของโปรแกรม R นี้นอกจากจะฟรีแล้วยังสามารถใส่ความสามารถอื่นๆ เข้าไปได้ ในวันนี้ที่ผมจะเอามาใช้คำนวณ Odds Ratio นั่นคือโปรแกรมเสริม EpiCalc โดยอาจารย์วีระศักดิ์จากมอ. เขียนไว้สำหรับทำงานด้านระบาด โดยเฉพาะเลยครับ

วิธีลงโปรแกรม Epicalc เพิ่มให้เราเลือกจากเมนูดังนี้

1. เลือก Packages –> Install Package(s)…
2. เลือกประเทศไหนก็ได้เหมือนเดิม (แนะนำ Australia เหมือนเดิมครับ)
3. จะเจอโปรแกรมเสริม (เรียกว่า package) มากมายก่ายกอง ให้เลือก epicalc ที่เราต้องการ

4. มันจะดาวน์โหลดมาให้เอง รอนิดนึงครับ

5. ดาวน์โหลดเสร็จแล้วยังใช้ไม่ได้ ต้องเลือก Load package… เพื่อเอามาใช้ก่อน
6. แล้วเลือก epicalc เหมือนเดิม

สำหรับขั้นที่ 5-6 นั้นต้องทำทุกครั้งหลังเปิดโปรแกรมใหม่นะครับ เอาละครับ ทีนี้มาลองใส่ข้อมูลกันเลยนะครับ

สมมติว่าผมทำการศึกษาคนไข้กลุ่มหนึ่ง โดยแบ่งคนไข้หูอักเสบเป็นสองกลุ่ม กลุ่มนึงให้หยอดยา อีกกลุ่มหยอดน้ำธรรมดา แล้วลองดูซิว่าทั้งสองกลุ่มหายหรือไม่หาย

ในที่นี้ exposure คือการหยอดยา (exposure +) หรือไม่หยอดยา (exposure –) และ outcome ที่ผมสนใจคือหูยังเป็นโรคอยู่ (outcome +) หรือหูไม่เป็นโรคแล้ว (outcome –) ถ้าเขียนตารางก็ได้ดังนี้ครับ

แต่แทนที่เราจะมานั่งคำนวณเอง เราก็สามารถใช้โปรแกรม R+Epicalc นี้คำนวณได้ โดยใส่ฟังก์ชันดังนี้

> csi(3,29,18,13)

          Exposure
Outcome    Non-exposed Exposed Total
  Negative 13          29      42  
  Positive 18          3       21
  Total    31          32      63

           Rne         Re      Rt  
  Risk     0.58        0.09    0.33 
                       Estimate Lower95ci Upper95ci
Risk difference (Re - Rne) -0.49    -0.72     -0.25   
Risk ratio                0.16     0.06      0.41    
Protective efficacy =(Rne-Re)/Rne*100  
                           83.9     59.14     93.73   
   or percent of risk reduced
Number needed to treat (NNT)2.05   1.39      3.97    
   or -1/(risk difference)                                          

เราก็จะได้มาหมดเลย อย่างในที่นี้ที่จะรายงานก็คือ Relative Risk (Risk Ratio) = 0.16 โดยมี 95%CI = 0.06-0.41 ครับ

ถ้าจำไม่ได้ว่าในวงเล็บอันไหนเป็นอันไหน ก็ลองพิมพ์ดู แล้วดูว่าตารางนั้นออกมาตรงหรือเปล่าก็ได้ครับ แต่ถ้าอยากรู้คำสั่งให้มากขึ้น ให้พิมพ์

> help(csi)

จะขึ้นข้อความช่วยเหลือให้ครับ

ลองใช้กันดูนะครับ ผมหวังว่าจะมีประโยชน์ ถ้าว่างวันหลังจะมาเขียนเพิ่ม

วิธีการค้นหาขั้นพื้นฐานด้วย PubMed - MeSH

ใครอยู่ในแวดวงสาธารณสุขแล้วไม่รู้จัก PubMed ผมคิดว่าค่อนข้างล้าหลังเลยทีเดียว นักศึกษาแพทย์สมัยใหม่ตอนนี้ได้รับการฝึกให้รู้จักการใช้ฐานข้อมูลออนไลน์ตัวนี้มาตั้งแต่ปีสามปีสี่ แต่จะมีสักกี่คนกันที่เอาไปใช้ในชีวิตจริง วันนี้ผมจะลองนำเสนอการค้นหาข้อมูลจากชีวิตจริงโดยประยุกต์ใช้ PubMed มาให้ดูนะครับ

สมมุติว่าผมมีคนไข้ผู้หญิงอายุประมาณ 40 ปีมาปรึกษาด้วยอาการใบหน้าข้างซ้ายชาและปากเบี้ยว ตรวจร่างกายทางระบบประสาทอื่นๆ ปกติ ตรวจใบหน้าเข้ากันได้กับภาวะที่เรียกว่า Bell’s palsy ปัญหาของผมที่อยากรู้คือว่าการรักษาที่เคยเห็นเขาใช้ๆ กันคือให้ Steroid และ Antiviral แต่ผมอยากรู้ว่ามันได้ผลหรือเปล่า เพราะเคยเห็นพี่บางคนให้แต่ก็ไม่เห็นมันจะหายเบี้ยวเลย ทำยังไงดี

จากสถานการณ์นี้เราลองมาสรุปดูเป็นคำถามทางคลินิก โดยใช้หลักของ PICO (แยกคำถามเป็น Patient, Intervention, Comparison, Outcome) เพื่อหางานวิจัยที่เขามีคำถาม PICO คล้ายของเรามากที่สุดดูนะครับ (ลองคิดเองก่อนดูของผมก็ดีนะครับ)

ส่วนของผมลองตั้งได้คือ

P: ผู้หญิง, 40 ปี, วินิจฉัย Bell’s Palsy, ตรวจร่างกายมีชาและปากเบี้ยวดังกล่าว
I: Steroid และ/หรือ Antiviral
C: ไม่ให้อะไรเลย
O: หายปากเบี้ยว

ปัญหาคือเราจะเอา PICO นี้ไปหาใน PubMed ได้อย่างไร? หลายๆ คนคงคิดว่าไม่ยาก ก็ใส่มันลงไปหมดเลยซิ

เป็นไงครับ ผลที่ได้ ดูเหมือนจะได้ผลดีเหมือนกันนะครับ แต่ทำไมมันออกมาน้อยจัง นี่ยังดี บางคนหาจหาไม่ได้เลยก็เป็นไปได้นะครับ นั่นเป็นเพราะว่า PubMed มันเป็นฐานข้อมูลที่ยังไม่ค่อยฉลาดเสียเท่าไหร่ มันอาจตีความคำค้นหาของเราผิดก็ได้

วิธีของผมคือ ลองจัดลำดับความสำคัญ (Prioritize) ว่าคำค้นหาคำไหนมันสำคัญกว่ากัน

Bell’s Palsy: สำคัญแน่ๆ ไม่งั้นไม่เกี่ยวข้องเลย ผมให้ความสำคัญ 100%
Steroid, Antiviral: สำคัญเหมือนกัน แต่เลือกเอาระหว่างตัวมันกับ Antiviral
Female: ผมว่าไม่น่าจะสำคัญซะเท่าไหร่ ผู้ชายก็น่าจะเหมือนกันมั้ง ให้ความสำคัญประมาณ 20%

การค้นหาก็เหมือนกันครับ เราจะต้องทำการค้นหาเอาเฉพาะผลที่มีโรค Bell’s Palsy นี่ให้ได้ แต่บางที คนเขียนงานวิจัยเค้าอาจจะใช้ Idiopathic Facial Palsy ก็ได้ ใครจะรู้ บางคนอาจจะใช้แค่ Facial Palsy เฉยๆ หรือบางคนใช้ Bell Palsy ที่ไม่มี ‘s ทีนี้จะทำไงดี

ทางแก้ของเราคือใช้ฐานข้อมูลคำของ PubMed ครับ นั่นคือสิ่งที่เขาเรียกว่า “Medical Subject Heading” (MeSH) ซึ่งภายใน PubMed เอง เมื่อมีงานวิจัยเข้ามาในฐานข้อมูล จะให้บรรณารักษ์เป็นผู้กำหนดว่า งานวิจัยไหน เข้าหมวดหมู่กับคำในฐานข้อมูล MeSH อันใด เราสามารถค้นหาได้โดยเลือกฐานข้อมูลเป็น MeSH แล้วค้นครับ

ตามรูปเลยครับ เปลี่ยนในช่องด้านบนซ้ายให้เป็น MeSH แล้วพิมพ์หา Bell’s Palsy แล้วกด Go จะปรากฎผลลัพธ์ด้านล่าง ให้ติ๊กถูกหน้าคำที่เราสนใจ (บางทีจะขึ้นมาหลายคำ เราก็ลองอ่านดูว่ามันเป็นความหมายที่เราสนใจหรือเปล่า อย่างของผม “A syndrome characterized by the acute-onset of unilateral FACIAL PARALYSIS…” ก็น่าจะใช่นะ แล้วคลิ๊กที่ Send to เพื่อเลือก Search Box with And

จริงๆ จะเป็น AND/OR/NOT ก็ได้ครับ ไม่ค่อยสำคัญเท่าไหร่ เพราะเดี๋ยวเราก็จะต้องมาพิจารณาก่อนที่จะหาต่ออีกทีหนึ่งว่ามันเข้าใจเราถูกบ้างหรือเปล่า หลังจากเลือกแล้วมันก็จะมีช่องว่างๆ ขึ้นมาดังนี้เลยครับ

นี่ละครับ แสดงว่าคำที่บรรณารักษ์เขาใช้มันคือ “Bell Palsy” ไม่ใช่ “Bell’s Palsy” อย่างที่ผมเข้าใจซักหน่อย (ไม่มี ‘s จริงๆ ด้วย) หลังจากนั้น เราสามารถหาคำอื่นๆ ในฐานข้อมูล MeSH แล้วค่อยๆ Send to Search Box with AND ลงไปได้เรื่อยๆ ด้วยวิธีการเดียวกัน ผมจะลองใส่ Antiviral, Steroid ลงไปด้วยวิธีการหาจาก MeSH นะครับ:

จะสังเกตได้ว่า คำค้นหาคือ “Bell Palsy”[Mesh], “Steroids”[Mesh], “Antiviral Agents”[Mesh] ทีนี้ อย่างที่ผมบอกไปว่าผมอยากได้ทั้ง Steroid เดี่ยวๆ กับ Antiviral เดี่ยวๆ ด้วย ผมก็คงต้องเปลี่ยนเป็นว่า ผมต้องการบทความที่มีคำว่า Bell และ (Steroid หรือ Antiviral) ดังนั้นก็คงจะต้องเปลี่ยนในช่องเล็กน้อย

ครับ ทีนี้เราก็พร้อมจะค้นแล้ว ให้กดที่ “Search PubMed” ได้เลยครับ

เห็นไหมครับ ว่าตอนนี้เราได้ผลลัพธ์เยอะกว่าเดิม ลองใช้วิธีนี้ดูนะครับ!

ว่าด้วย Study Design

มีหลายคนมีข้อสงสัยเกี่ยวกับเรื่อง Study Design จากวันก่อนที่ผมเกริ่นไว้คร่าวๆ นะครับ วันนี้จะลองมาขยายความอีกเล็กน้อย

ก่อนอื่นต้องอธิบายสองคำนี้นิดนึงนะครับ

• Exposure หมายถึงภาวะที่เราสนใจว่ามันจะทำให้เกิดผลอะไรบางอย่าง เช่น การกินยา การสูบบุหรี่
• Outcome คือผลที่เกิดขึ้นที่เราสนใจ เช่น การเกิดมะเร็งปอด การเกิดหัวใจวาย เป็นต้น

การศึกษาทางระบาดวิทยานั้นโดยหลักๆ แล้วจะแบ่งออกเป็นสองประเภทใหญ่ๆ คือ

1. Experimental Design คือผู้วิจัยนั้นเป็นผู้กำหนดเองว่า Subject ในงานวิจัยนั้นจะได้รับ Exposure เอง เช่น กำหนดว่าจะให้กินยา, กำหนดว่าจะได้รับการผ่าตัด, กำหนดว่าจะได้รับการอบรมจิตวิทยา เป็นต้น

ข้อดีของ Experimental Design นี้มีหลายประการครับเช่น

• สามารถควบคุมปัจจัยต่างๆ ได้เต็มที่ (ภาษาระบาดเรียกว่าคุม Confounding Factors)
• เนื่องจากเราเป็นคนให้ exposure ก่อนวัด outcome เสมอ (บางคนเรียกการวัด exposure ก่อน outcome นี้ว่า prospective หรือไปข้างหน้า) เราก็จะบอกได้ชัดเจนขึ้นว่า Exposure นั้นเป็นสาเหตุของ outcome แน่ๆ เรื่องเป็นเหตุเป็นผลกันนี้เขามีหลักการชัดเจน คือเรื่อง Causation ซึ่งไว้คราวหลังผมจะเขียนถึงอีก
• สามารถดู incidence ที่เกิดขึ้นได้ (ซึ่งเป็นผลพลอยได้จากการที่เป็น prospective นั่นเอง)

ข้อเสียก็เยอะเหมือนกันครับ เช่น

• แพง
• ทำยาก (จะไปหาใครมายอมเข้าการศึกษา, การศึกษาต้องผ่านการพิจารณาด้านจริยธรรมค่อนข้างมาก)
• ตัวแทนที่เข้าร่วมการศึกษา นั้นอาจไม่ใช่กลุ่มเดียวกับประชากรที่เราสนใจ เช่น ตัวแทนเป็นคนที่สนใจในสุขภาพตัวเองอยู่แล้ว จึงมาเข้างานวิจัย อาจไม่เหมือนกันกับประชากรจริงๆ ที่ไม่ได้สนใจสุขภาพเท่าไหร่ ก็ได้ครับ

โดย Experimental Design นั้นจะแบ่งได้หลายแบบ เช่นแบ่งว่าเป็น randomized/non-randomized design เป็นต้น

2. Observational Design คือผู้วิจัยไม่ได้เป็นผู้กำหนดเองครับ (exposure นั้นเกิดขึ้นเองโดยธรรมชาติของผู้ถูกศึกษา) ซึ่งโดยมากจะแบ่งออกเป็น

2.1 Descriptive Study เป็นการศึกษาที่ไม่ได้สนใจการเปรียบเทียบอะไรกันเลย กล่าวคือ ศึกษาคนกลุ่มเดียว โรคเดียว งานวิจัยพวกนี้เช่น

• Case study หรือ case report แค่รายงานผลการรักษาของคนไข้ไม่กี่ราย
• Case series อาจจะหลายรายขึ้นมาหน่อย เช่น 200-300 ราย
• Cross-sectional คือการไปเจาะดูในช่วงเวลาเวลาหนึ่ง เช่น ศึกษาดูอัตราการเกิดโรคหัวใจในประชาชนที่อาศัยในกรุงเทพฯ ช่วงปี 2551, ศึกษาดูอัตราการตายของเด็กแรกเกิดในโรงพยาบาลชุมชนในระยะเวลาหนึ่งๆ
• Longitudinal study อาจมีการตามคนไข้ไปชั่วระยะเวลาหนึ่ง
• Ecological study เป็นการศึกษาที่หน่วยย่อยไม่ใช่รายคน เช่น การศึกษาเทียบ GDP ของประเทศในกลุ่มอาเซียนกับอัตราตายของโรคหัวใจ (ซึ่งจะเห็นว่าหน่วยย่อยในที่นี้เป็น “ประเทศ” ไม่ใช่คน) เป็นต้น จริงๆ บางคนก็จะจัด Ecological study นี้เข้าไปใน Analytical Study ได้เหมือนกันนะครับ

2.2 Analytical Study เป็นการศึกษาที่มี “การเปรียบเทียบ” ของกลุ่มคนตั้งแต่สองกลุ่มขึ้นไป สังเกตว่าจริงๆ แล้วงานวิจัยส่วนใหญ่จะพยายามทำการเปรียบเทียบตรงนี้ขึ้นมาด้วย วิธีสังเกตง่ายๆ ก็คือมักจะมีการใช้วิธีทางสถิติเข้ามาจับ แล้วก็จะได้ค่า p-Value มาด้วย (ถ้าเป็นแค่ Descriptive จะออกมาแค่ %, incidence, prevalence อย่างเดียว ไม่มี p-Value)

Analytical Observational Study นั้นส่วนใหญ่ที่เจอบ่อยมีสามอย่างครับ คือ

• Cross sectional จะเห็นว่าซ้ำกับตรง descriptive เพราะว่า cross-sectional เป็นการบ่งว่าตัดส่วนหนึ่งของเวลามาทำการศึกษา แต่ทีนี้แทนที่จะศึกษาดูแค่ % ในคนทั้งหมด ก็แบ่งคนทั้งหมดเป็นสองกลุ่มแทน แล้วค่อยวิเคราะห์ “เปรียบเทียบ” ระหว่างสองกลุ่มในแง่ต่างๆ แทน
  
   
  
• Case control เป็นการศึกษาที่ outcome มันเกิดขึ้นมาแล้วเราถอยกลับไปดูว่าคนที่มี outcome กับคนที่ไม่มี outcome นั้นมันแตกต่างกันหรือไม่ครับ ยกตัวอย่างเช่น การศึกษาเพื่อดูความเกี่ยวข้องโรคมะเร็งของเส้นประสาทหูชั้นในกับการใช้มือถือ โรคมะเร็งประสาทหูชั้นในนี้ปีนึงจะมีคนเกิดโรคนี้ซัก 3-4 คน การที่เราจะติดตามประชากรทั้งเมืองที่ใช้และไม่ใช้มือถือ (exposure) เพื่อรอให้โรค (outcome) นี้เกิดนั้นก็คงจะทำลำบาก ก็เลยใช้วิธีเอาคนที่เกิดโรคแล้ว (มี outcome แล้ว - หรือเป็น case) เทียบกับกลุ่มที่ไม่มีโรค (ไม่มี outcome - หรือเรียกว่า control) กลับมาย้อนซักประวัติว่า แต่ก่อนเคยใช้มือถือหรือเปล่า (exposure) ครับ จะเห็นได้ว่า เราย้อนจากผล (outcome) มาหาเหตุ (exposure) แทน
  
   
  
  หรือจะพูดอีกอย่างว่าเราแบ่งกลุ่มคนตาม outcome ก่อน แล้วค่อยแยกดูอัตราของการ exposed เทียบกัน ก็ได้
  
  ปัญหาของเจ้า case control นั้นอยู่ที่การเลือก control ครับ ซึ่งจะส่งผลไปตอนที่เราสรุปการศึกษา ยกตัวอย่างเช่นจากการศึกษามะเร็งที่ผ่านมา สมมุติว่าถ้าเราเลือก control เป็นคนที่นอนอยู่ที่รพ.ในเวลาเดียวกัน ถ้าผลออกมาพบว่าคนที่เป็นมะเร็งใช้มือถือมากกว่าจริงๆ เราก็จะสรุปได้แค่ว่า “สำหรับคนที่นอนรพ. แล้ว” พบว่าคนที่เป็นมะเร็งใช้มือถือมากกว่า -- หมายความว่าเราไม่สามารถจะเอาไปแสดงถึง “คนที่ไม่ได้นอน รพ.” ได้ครับ บางการศึกษาเลยเลือก case จากหลายแห่ง เช่นนอกจากจะในรพ. ยังเลือกตามชุมชน เป็นต้นครับ
  
• สุดท้ายคือการศึกษาแบบ Cohort นั่นคือเราจะดู exposure ก่อนว่าคนนั้นๆ มี exposure หรือไม่แล้วค่อยตามดูว่าเกิด outcome หรือเปล่า เช่น การศึกษาเรื่องสูบบุหรี่ กับการเกิดมะเร็งปอด ก็จะตามดูคนที่สูด กับคนที่ไม่สูบ ว่าอัตราการเกิดมะเร็งปอดในสองกลุ่มนี้เท่ากันหรือไม่ (สังเกตว่าเราแบ่งกลุ่มคนจาก exposure ก่อน แล้วค่อยแยกดูอัตราของ outcome) เป็นต้น
  
   
  
  สังเกตว่ามันก็ไม่ต่างอะไรกับการทำ Experimental เพียงแต่อันนี้เราไม่สามารถไปกำหนด Exposure เองได้เพราะมันจะดูผิดจริยธรรมเกินไป (คือ เราไม่สามารถบอกให้คนทีอ่ยู่ในกลุ่มแรกไปสูบบุหรี่ซะ คนกลุ่มที่สองไม่ต้องสูบ นั่นเอง)
  
  สำหรับข้อดีของการศึกษาแบบนี้ก็คล้ายกับ experiment บางส่วนคือเราจะรู้ว่ามันเป็นเหตุเป็นผลกันแน่ๆ แต่ปัญหาคือมันก็เสียเวลาในการรอให้ outcome เกิดเหมือนกัน นอกจากนี้แล้วถ้า outcome มันไม่ค่อยเกิด (เช่นมะเร็งในหูชั้นใน) ก็คงจะต้องรอไปเรื่อยๆ จนกว่านักวิจัยแก่ก่อนแน่เลย

มึนกันหรือยังครับ ผมขอพูดคำที่สับสนกันเป็นประจำดีกว่า นั่นคือ คำว่า “Prospective” กับ “Retrospective” อันนี้เป็นที่สงสัยกันมาก แล้วก็สับสนกันมากๆ เลยครับ

คำว่า Prospective หมายถึง การมองไปข้างหน้า ส่วน Retrospective นั้นหมายถึงการมองย้อนหลัง มีผู้ใช้คำคู่นี้สองความหมาย ด้วยกัน

ความหมายที่หนึ่งที่มักใช้บ่อย คือการมองไปข้างหน้าเมื่อเทียบกับเวลา ณ การเริ่มศึกษาของผู้วิจัย เช่น ผมเริ่มศึกษาในปีนี้ (2009) การศึกษาใดๆ ไม่ว่าจะเป็น case control, cohort ที่นั่งรอเก็บข้อมูลตั้งแต่ปีนี้ (2009) ไปถึงปีในอนาคต (2010 2011…) นั้นผมก็อาจจะเรียกว่าเป็น prospective ได้

ในขณะเดียวกัน การศึกษาที่ไปย้อนดูบันทึกต่างๆ เวชระเบียน ที่เขียนขึ้นมาเมื่อปีที่ผ่านๆ มา (2008 2007 …) ก็จะเรียกว่าเป็น retrospective

แต่มีอีกหลายคนใช้ความหมายที่สองคือ prospective ในแง่ว่าเป็นการดู exposure ก่อน outcome (นั่นก็คือเป็นเป็น cohort นั่นเอง) และ retrospective ในแง่ว่าการดู outcome ก่อน exposure (ซึ่งก็คือ case-control) อย่างไรก็ตามคนที่ใช้ความหมายที่สองนี้มีอยู่น้อยนิดครับ คิดว่าส่วนใหญ่จะหมายถึงความหมายที่หนึ่งซะมากกว่า

มาสรุปทบทวนกันดีไหมครับ ว่าเรารู้ study design แบบไหนกันบ้างแล้วครับ ลองดูเลยครับ

เป็นไงครับ เข้าใจเพิ่มขึ้นบ้างหรือเปล่า ยังไงก็ลองสอบถามกันได้นะครับถ้างง