บทที่ 8 การวิจยัธรรมชาติของโรค

การคัดกรอง และการพยากรณโรค

8.1 บทนํา

8.2 การศึกษาธรรมชาติของโรค

8.3 การตรวจคัดกรอง

8.4 การพยากรณโรค

8.5 การอานบทความวิจัยในวารสารทาง

การแพทย อยางมีความรูเทาทัน

ประกอบเกียรติ หิรัญวิวฒันกุล

พิเชฐ สัมปทานุกุล 8.1 บทนํา คําวา โรค ใหคํานิยามยาก แตมักมีความเขาใจตรงกัน คือ เปน

สภาวะที่สุขภาพถูกคุกคาม และเปนผลใหการทําหนาที่ของสวนหนึ่งสวนใด

หรือหลายสวนในรางกายถดถอย หรือเสียหาย

โรค เปนกระบวนการที่คอยๆแสดงออกมากขึ้นเรื่อยๆ เมื่อเวลาผาน

ไป จนกระทั่งเกิดผลลัพธสุดทาย คือ หาย ทุพพลภาพ หรือ ตาย ในการวาง

แผนการรักษา แพทยจําเปนตองรูเวลาที่เหมาะสม ที่จะเขาแทรกแซง และ

ควรม่ันใจวาการเขาแทรกแซงหรือรักษาจะใหผลลัพธที่ดีกวาการปลอยให

เปนไปตามธรรมชาติของโรค

การวิจัยธรรมชาติของโรคประกอบดวย2 กรณี กรณีแรก เปน

การศึกษาธรรมชาติของโรคที่แทจริง คือการเฝาติดตาม ความเปลี่ยนแปลง

ตางๆ ที่เกิดขึ้นในสภาพธรรมชาติ โดยไมมีการแทรกแซง หรือการรักษาใดๆ

กรณีที่สอง เปนการศึกษาพยากรณการดําเนินโรค เมื่อมีการรักษา หรือใหส่ิง

แทรกแซง คือการศึกษาเพื่อสังเกตผลลัพธของการเปลี่ยนแปลงอันเปนผล

จากการรักษา

สําหรับรูปแบบการศึกษาธรรมชาติของโรคนั้น รูปแบบหลักคือ การ

วิจัยเชิงพรรณนา ที่ มีการเก็บขอมูลเปนระยะเวลานาน (descriptive

longitudinal design) ขณะที่การศึกษาการพยากรณโรคอาจใชรูปแบบการ

วิ จั ย เ ชิ ง วิ เ ค ร า ะห (analytic design) หรื อ รู ปแบบ เชิ ง ก า รทดลอง

(experimental design)

นอกจากนี้ การคัดกรองเพื่อคนหาผูที่ มีรอยโรคกอนมีอาการ

(screening research) และการคนหาดัชนีใชในการพยากรณผลลัพธของ

โรค (prognostic research) ถูกรวมอยูในการศึกษาธรรมชาติของโรคดวย

ซึ่งทั้งสองแบบใชรูปแบบการวิจัยเชิงพรรณนาเปนหลัก แตมักเปน การเก็บ

ขอมูลครั้งเดียว (descriptive cross-sectional design)

 

67

ธรรมชาติของโรค...คัดกรอง...พยากรณ

ในบทนี้ จะไดกลาวถึงการวิจัยที่ มุ งศึกษา

ธรรมชาติของโรค การวิจัยเรื่องการคัดกรอง และการ

พยากรณการดําเนินโรค ซึ่งทั้งสามเรื่อง มีขอควรพิจารณา

ในการทําวิจัยที่ สําคัญ คือ คุณสมบัติของประชากรที่

ชัดเจน การมีกลุมควบคุมหรือไมมีกลุมควบคุม การวัดที่

เกี่ยวของกับชวงเวลา (ระยะเวลาจากเริ่มเหตุการณของ

ปจจัยตนจนถึงการเกิดเหตุการณผลลัพธ) และวิธีการบอก

ผลลัพธ เชน ความชุก อุบัติการณ อัตราการเสียชีวิตจาก

โรค เปนตน

8.2 การศึกษาธรรมชาติของโรค (Natural

History Study) บทความที่ กล า วถึ ง ธ ร รมชาติ ขอ ง โ รค ได

ครอบคลุมมักเปน review article ซึ่งไดรวบรวมงานวิจัย

ตางๆ ที่มีผูศึกษาไวเปนสวนๆ นํามาเชื่อมใหเห็นลําดับ

เหตุการณตั้งแต ตนกําเนิด กอนมีอาการ มีอาการ การ

ดําเนินของโรคในรูปแบบตางๆ จนกระทั่งเกิดผลลัพธวา

หาย พิการ หรือ เสียชีวิตในที่สุด

ตัวอยางเชน review article เรื่อง Hepatitis

B virus infection : natural history and clinical

consequences ที่ลงตีพิมพใน N Engl J Med 2004(1)

ผูนิพนธไดอางถึงการคนพบโรคนี้ ตั้งแต ป ค.ศ. 1967 และ

มีผูวิจัยมากมายทําการศึกษาในแงมุมตางๆ จนสามารถ

เขาใจธรรมชาติของโรคนี้ไดถองแท จนในที่สุด เปนผลใหมี

การผลิตวัคซีน และมีการวิจัยถึงผลของการใชวัคซีนใน

เวลาตอมา

โดยทั่วไป นิพนธตนฉบับ ที่ศึกษาธรรมชาติของ

โรค เรื่องเดียว จะเปนการศึกษาในสวนใดสวนหนึ่งใน

ปรากฏการณทั้งหมดของโรคนั้น (ภาพที่ 8.1) ซึ่งนิยมแยก

เปนระยะของการดําเนินโรคตามธรรมชาติเปน 4 ระยะ

ผูวิจัยสามารถเลือกระยะใดมาทําการศึกษาวิจัยก็ได เชน

1. Biologic onset of disease (B) คือ จุดเริ่มตน

และกลไกที่ทําใหเกิดโรค เนื่องจากเปนระยะที่ยัง

ไมปรากฏอาการหรืออาการแสดงใดๆ และไมมี

การตรวจเพื่อการวินิจฉัยโรคได การคนควาวิจัย

ในระยะนี้ ได แก การวิ จั ย ระ ดับ เซลล และ

ชีวโมเลกุล ซึ่งมีประโยชนในการพัฒนา

ยา ตัวอยางเชน การพบยีน HER2/neu

amplification เกี่ยวของกับการเกิด มะเร็งเตานม

นําไปสูการสรางยาที่จําเพาะตอการรักษา HER2

ในเวลาตอมา

2. Pathologic evidence of disease (P) คือ ระยะ

ของโรคซึ่งทําใหเกิดการเปลี่ยนแปลงทางพยาธิ

วิทยาหรือระบบการทํางานของรางกาย โดยยัง

ไมมีอาการหรืออาการแสดงเดนชัด แตอาจตรวจ

พบไดจากการตรวจคัดกรอง (screening) ทําให

สามารถวินิจฉัยโรคในระยะเริ่มแรกได (early

diagnosis หรือ preclinical diagnosis)

ตัวอยางเชน การใชแมมโมแกรมในการตรวจคัด

กรองทําใหสามารถพบมะเร็งระยะกอนลุกลามที่

เปนรอยโรคคลําไมได กอนที่จะแสดงอาการของ

กอน

3. Symptoms & signs of disease (S) คือ ระยะ

ของโรคที่ผูปวยมีอาการและมาตรวจวินิจฉัย

ในทางคลินิก(usual diagnosis หรือ clinical

diagnosis) ซ่ึงตัวโรคไดมีการดําเนินมาชวงหนึ่ง

แลว เกิดการเปลี่ยนแปลงทางพยาธิวิทยาหรือ

ระบบการทํางานของรางกาย เปนผลใหมีการ

แสดงอาการโรคชัดเจน และถายังไมมีการรักษา

ตัวโรคจะดําเนินตอไป เกิดเปนภาวะที่รุนแรงขึ้น

และหรือ มีภาวะแทรกซอนของโรคเกิดขึ้ น

ตัวอยางเชน ผูปวยมาดวยคลํากอนได และไดรับ

การวินิจฉัยเปนมะเร็งเตานมจากการเจาะชิ้นเนื้อ

ถาไม มีการรักษา กอนมะเร็งจะโตใหญขึ้น

ลุกลามไปตอมน้ําเหลืองที่รักแร จนแพรกระจาย

ไปอวัยวะอื่น นอกจากนี้ อาจมีภาวะแทรกซอน

เชน แตกเปนแผลที่ผิวหนัง เปนผ่ืนแดงอักเสบ

จากการที่เซลลมะเร็งเขาไปอยูในทอน้ําเหลืองใต

ผิวหนัง เปนตน

4. Outcomes (O) หมายถึงผลสุดทายของการเปน

โรค ซึ่งมีทางออกไดสามทาง คือหาย (recovery)

ทุพพลภาพ (disability) หรือเสียชีวิต (death)

 

68

ธรรมชาติของโรค...คัดกรอง...พยากรณ

ตัวอยางเชน ผลสุดทายของผูปวยมะเร็งเตานม

หากไมรักษา จะเสียชีวิตดวยมะเร็งแพรกระจาย

เปนตน

ภาพที่ 8.1 ธรรมชาติของโรค (Natural history of diseases)

8.2.1 วัตถุประสงคของการวิจัย ดังไดกลาวไวขางตน การศึกษาธรรมชาติของโรค

มักเปนการวิจัยชวงใดชวงหนึ่งในปรากฏการณของโรค

ผูวิจัยจึงตองตั้ งวัตถุประสงคใหชัดเจน วาจะศึกษา

เหตุการณตอนไหน และจําเปนอยางไรที่ตองมีการศึกษา

ผูอานจะเขาใจบริบทตางๆ จากหัวเรื่องบทความตางๆ

ตอไปนี้

ก. Natural history of intraductal papillary

mucinous neoplasia:how much do we really know?(2)

ชื่อเรื่องแสดงใหเห็นนัยวา โรคนี้ยังขาดขอมูลธรรมชาติของ

โรคเปนอันมาก อาจตองการการนิยาม หรือการจําแนกที่

ชัดเจน เพื่อนําไปสูการติดตามการดําเนินโรคตอไปได

ข. Natural history of progression after PSA

elevation following radical prostatectomy(3) เปนการ

ตอบคําถามเมื่อมีการรักษาโดยผาตัดแลว ธรรมชาติของ

โรคยังมีการดําเนินตอไปอยางไร ผูปวยบางคนหาย ขณะที่

ผูปวยบางคนยังมีโรคตอไป ซึ่งมีสารจําเพาะในเลือดสูงขึ้น

ค. The natural history of silent gallstone(4)

เปนการตอบคําถามความจําเปนที่จะตองรักษาโดยการ

ผาตัดสําหรับภาวะโรคที่ยังไมแสดงอาการหรือไม

8.2.2 ระเบียบวิธีการวิจัย การศึกษาธรรมชาติของโรค มีหลายลักษณะ แต

รูปแบบหลักคือการวิจัยเชิงพรรณนา ที่ติดตามไปขางหนา

จึงเปน prospective design

เนื่องจากธรรมชาติของโรคเปนเหมือนการดูหนัง

หรือละครยาวที่มีหลายตอน การศึกษาจึงตองชัดเจนวา

กําลังจะชมหนังหรือละครตอนไหน เริ่มจุดไหน ในการ

วางแผนกลุมประชากรตัวอยางที่จะเฝาติดตาม ตองเลือก

ประชากรตัวอยางที่อยูระยะเดียวกัน หรือสภาวะเริ่มตน

เดียวกัน การติดตามตองพยายามใหติดตามไดครบถวน

ทุกคน ระยะการติดตามแตละชวงตองมีความเหมาะสม

ไมหางเกินไป จนขาดรายละเอียดของเวลาที่เกิดผลลัพธ

และตองติดตามใหนานพอที่ผลลัพธจะเกิดขึ้นในประชากร

ตัวอยางทุกคนที่ศึกษา

กลุมประชากรที่มีลักษณะเริ่มที่เหมือนกัน มีคํา

เรียก ทางวิชาการวา cohort หลักเกณฑในการคัดเขาของ

ประชากรที่จะเปน cohort ควรนิยามใหชัดเจนมากที่สุด

และตรงกับคําถามวิจัย หากไดตัวอยางที่ไมเปนเอกภาพ

หรือไมตรงคําถามวิจัย ยอมทําใหการศึกษาผลลัพธที่ไดมี

การปนเปอนหรือไมตรงคําถาม

การวัด ใชวิธีการสังเกตเปนหลัก เนื่องจากไมมี

การใชกลุมควบคุมในการวิจัย ความถูกตองแมนยําของผล

จึงขึ้นอยูกับผูสังเกตคอนขางมาก ผูสังเกตจึงควรใชผูอื่นที่

ไมใชผูวิจัยหลักหรือผูที่วางแผนการวิจัย เพื่อขจัดอคติที่

อาจเกิดจากการคาดหวังได และอาจตองมีวิธีการปดบัง

(blind) ผูสังเกตเพื่อใหการวัดปราศจากอคติ ขณะเดียวกัน

ตองมีการทดสอบความตรงกันของการสังเกต กรณีที่มีผู

สังเกตมากกวาหนึ่งคน

 

69

ธรรมชาติของโรค...คัดกรอง...พยากรณ

การวิเคราะหผล ใชสถิติเชิงพรรณนาเปนหลัก มี

การคํานวณอัตราการเกิดผลลัพธซึ่งอาจเปนอุบัติการณ

(incidence) หรือความชุก (prevalence) และคํานวณ

ระยะเวลาเฉลี่ยถึงผลลัพธ (survival rate) นอกจากนี้ มักมี

การเปรียบเทียบอัตราการเกิดโรคหรือผลลัพธ ซึ่งการ

วิเคราะหจะคํานวณเปนแตมตอ (odds) การดูแตมตอยัง

บอกไดถึงขนาดของอัตราของการเกิดของปจจัยหนึ่งเมื่อ

เทียบกับอีกปจจัยหนึ่ง (strength of odds) สวนการหา

ปจจัยเสี่ยงในการทํานายการเกิดโรคหรือผลลัพธ ใชสถิติ

logistic regression

8.3 การตรวจคัดกรอง (Screening) การตรวจคัดกรองหมายถึง การนําวิธีการตรวจใช

ในหมูประชากรที่ยังไมไดมีอาการของโรคเพื่อคนหารอย

โรคที่ซอนเรนอยู (occult disease) หรือตรวจหาระยะตน

ตอ (precursor state) กอนเปนโรค โดยมีวัตถุประสงค

หลักคือ เพื่อลดอัตราการตายหรือความพิการที่จะเกิดขึ้น

ตามธรรมชาติของโรคนั้น หรือกลาวอีกนัยหนึ่ง การตรวจ

คัดกรอง เปนมาตรการที่ใชสําหรับการตรวจเพื่อคนหา

ผูปวยในกลุมประชากร ซึ่งมักจะยังไมมีอาการหรืออาการ

แสดงของโรค จุดมุงหมายของการตรวจคัดกรอง คือ การ

ตรวจวินิจฉัยในระยะเริ่มตน (early diagnosis) ทําให

สามารถใหการรักษาที่ไมชักชา (early treatment) เพื่อลด

อัตราตาย หรือทุพพลภาพ จากโรคนั้นๆ

แตการตรวจคัดกรองอาจไมมีประโยชน และกลับ

เปนผลเสียได ถาวิธีการที่ใช กอใหเกิดการวินิจฉัยโรคที่ไม

เหมาะสม เชน overdiagnosis หรือ misdiagnosis หรือ

ไมไดทําใหอัตราการรอดชีวิตเปลี่ยนแปลงไปในทางที่ดีขึ้น

โดยสรุปการตรวจคัดกรอง จะมีประโยชนสําหรับโรคที่มี

อุบัติการณต่ํา (low incidence) วิธีการตรวจที่มีความไวสูง

(good sensitivity) และมีความจําเพาะที่ยอมรับได

(acceptable specificity)) นอกจากนี้การตรวจคัดกรอง

ควรจะเปนวิธีที่งาย สะดวก และประหยัด เมื่อเทียบกับวิธี

มาตรฐาน (standard test)

การวิจัยการตรวจคัดกรองใชรูปแบบเดียวกันกับ

การวิจั ยคุณลักษณะของเครื่ องมือ มีการประเมิน

ประสิทธิภาพและวัดผลเปน ความไว ความจําเพาะ รอย

ละการเปนโรคเมื่อผลทดสอบเปนบวก เชนเดียวกัน แตมี

ความแตกตางกันตรงวัตถุประสงคและการพิจารณาการ

นําไปใช นอกจากนี้ ตองคํานึงถึงอคติ ที่จะเกิดขึ้นได ดังจะ

ไดกลาวตอไป 8.3.1 ขอดี ขอเสียและอคติที่พึงระวังในการ

ตรวจคัดกรอง ขอดี

การตรวจคัดกรอง สามารถตรวจหาโรคในระยะ

เริ่มตน กอนอาการหรืออาการแสดงจะปรากฏ ซึ่งทําให

สามารถใหการรักษาที่มีประสิทธิภาพดีกวาได

ขอเสีย

การตรวจคัดกรองอาจพบผลบวกเทียม (False

Positive) หรือผลลบเทียม (False Negative) ได ผลบวก

เทียม หมายถึง ผลการตรวจเปนบวก ทั้งๆ ที่ไมเปนโรค

ผลลบเทียม หมายถึง ผลการตรวจเปนลบ ทั้งๆ ที่เปนโรค

การตรวจคัดกรองบางอยางอาจทําใหเกิดอาการ

ขางเคียง เชน ได รับรังสีหรือได รับสารเคมีบางอยาง

ความเครียดหรือวิตกกังวลของผูรับการตรวจ โดยเฉพาะ

อยางยิ่งในผูปวยที่ผลการตรวจออกมาเปนผลบวกเทียม

และผูปวยกลุมนี้อาจได รับการตรวจวินิจฉัยอยางอื่น

รวมทั้งการรักษาที่ไมจําเปน หรือในผูปวยที่ผลการตรวจ

ออกมาเปนผลลบเทียม อาจเสียประโยชนจากการวินิจฉัย

ที่ลาชา นอกจากนี้ การตรวจคัดกรองยังตองมีคาใชจาย

ซึ่งครอบคลุมประชากรทั้งหมดทั้งที่เปนและไมเปนโรค

ดังนั้น กอนจะมีการนําการตรวจคัดกรองมาใชในทาง

ปฏิบัติอยางจริงจัง ควรมีการวิเคราะห ขอดีขอเสีย และ

ความคุมคาทางเศรษฐกิจของสั งคมนั้นๆ ดวย ใน

การศึกษาเพื่อใหไดมาซึ่งขอมูลดังกลาวนี้ อาจมีรูปแบบ

วิจัย เปนการศึกษาแบบ case-control หรือ cohort ซึ่ง

ผูวิจัยจะตองรูวามีปจจัยหลายอยางที่ทําใหผลอาจออกมา

ดีเกินจริงได จากอคติตางๆ เชน

8.3.2 อคติที่พึงระวัง

Lead time bias

Lead time หมายถึง ชวงระยะหางของเวลาที่พบ

โรคโดยการคัดกรองกับเวลาที่พบโรคโดยการตรวจเมื่อมี

 

70

ธรรมชาติของโรค...คัดกรอง...พยากรณ

อาการ กอนที่จะสรุปวา การคัดกรองทําใหชวงชีวิตยาวขึ้น

กวาไมไดตรวจคัดกรอง จะตองนํา Lead time มาคํานวณ

ดวย ไมเชนนั้น ถือวามีอคติเกิดขึ้น

สมมติผูปวย 2 คนเริ่มมีมะเร็งในรางกายพรอมกัน

คนแรก พบเปนโรคจากการตรวจคัดกรอง เมื่อป พ.ศ.

2504 และไดรับการรักษา ในที่สุดเสียชีวิตจากโรคนี้เมื่อป

พ.ศ. 2510 คนที่สอง มีอาการ จึงไปรับการวินิจฉัยโดยวิธี

มาตรฐาน เมื่อป พ.ศ. 2505 วาเปนโรค และไดรับการ

รักษา ในที่สุดเสียชีวิตจากโรคนี้เมื่อป พ.ศ. 2510 สรุปวา

ชวงเวลามีชีวิตหลังพบโรค (survival time) ของผูปวยคน

แรกคือ 6 ป และของผูปวยคนที่สองคือ 5 ป การที่คนแรกมี

ชีวิตหลังพบโรคยาวกวาคนที่สอง 1 ป เปนระยะเวลาของ

lead time (ภาพที่ 8.2) ถาผูวิจัยแปลผลวาการคัดกรองมี

ประโยชนเพราะทําใหผูปวยมีชวงชีวิตยาวกวา 1 ป ถือวา

เปนการสรุปผลที่มีอคติ (เพราะขอเท็จจริงผูปวยคนแรก

ไมไดประโยชนมากไปกวาผูปวยคนที่สอง ในทางตรงขาม

ผูปวยคนแรก อาจทุกขทรมานจากการที่ทราบวาเปน

มะเร็ง หรือจากการรักษา เชน ผาตัด ฉายรังสี เปน

ระยะเวลานานกวา ในที่สุดก็ตองเสียชีวิตเมื่ออายุเทากัน

กับผูปวยคนที่สอง)

ภาพที่ 8.2 แสดง Lead Time Bias ซึ่งเปนอคติที่เกิดจากการตรวจทั้งสองวิธีพบโรคที่ระยะเวลาตางกัน

Length time bias

Length time bias คือ การบิดเบือนจากเหตุที่

ธรรมชาติของโรคมีชวงเวลาที่จะตรวจพบไดจากการคัด

กรองสั้นยาวตางกัน ตัวอยางที่เห็นไดชัดคือ การตรวจคัด

กรองสําหรับมะเร็ง โดยธรรมชาติ มะเร็งของอวัยวะตางๆ

มักมีหลายประเภทซึ่งความรุนแรงอาจไมเทากัน สมมติวา

ผูวิจัยศึกษาผลของการคัดกรองมะเร็งของอวัยวะหนึ่งซึ่งมี

ชนิดที่โตเร็วและชนิดที่โตชา มะเร็งชนิดที่โตเร็วมีชวงเวลา

ที่ไมมีอาการส้ัน เสียชีวิตเร็ว โอกาสที่จะตรวจคัดกรองพบ

เปนไปไดนอยกวามะเร็งชนิดที่โตชาซึ่งมีชวงเวลาที่ไมมี

 

71

ธรรมชาติของโรค...คัดกรอง...พยากรณ

อาการนาน และการพยากรณโรคดี ผูปวยไมคอยเสียชีวิต

หากผูวิจัยไมไดแยกศึกษาแตละประเภท การสรุปผลวา

การตรวจคัดกรอง มีประสิทธิภาพในการชวยใหผูปวยมี

ชีวิตยืนยาวขึ้น อาจมีอคติจาก length time bias

Selection bias

Selection bias หมายถึง การลําเอียงที่เกิดจาก

การเลือกกลุมประชากรที่ทําการศึกษาแบบไมเหมาะสม

หรือจําเพาะบางกลุม แตสรุปเปนของทั้งกลุม เชน ในการ

ประเมินการใช แมมโมแกรมในการคัดกรอง ถาผูวิจัยเลือก

กลุมประชากรที่มีประวัติการเปนมะเร็งเตานมในครอบครัว

มาทําการศึกษา และสรุปผลวาการตรวจนี้ไดประโยชน

มากสําหรับประชากรทั่วไป ถือวามีอคติ หรือถาทําวิจัยใน

กลุมสตรีที่อายุไมมากและมีสุขภาพทั่วไปแข็งแรงดี และ

สรุปผลวิจัยวา การตรวจคัดกรองมีประสิทธิภาพต่ํา ก็เปน

อคติจากการเลือกประชากรศึกษา

Overdiagnosis bias

Overdiagnosis bias หมายถึง อคติที่เกิดจากการ

สรุปวาการคัดกรองมีประโยชนในการพบโรคไดเร็วขึ้น

โดยขอเท็จจริงคือผลลัพธของโรคไมรุนแรง เชน การตรวจ

ศพในกลุมผูชายสูงอายุ พบมะเร็งตอมลูกหมากเปน

สัดสวนที่สูงมาก ทําใหมีการจัดตั้งโครงการตรวจคัดกรอง

มะเร็งตอมลูกหมาก เพื่อการวินิจฉัยและรักษาโรคในระยะ

เริ่มแรก ผลคือทําใหผูปวยชายสูงอายุจํานวนมาก ไดรับ

การผาตัดรักษาที่ไมจําเปน (เพราะผูชายสูงอายุที่เปน

มะเร็งจากการตรวจศพไมไดเสียชีวิตจากมะเร็ง แตเปน

การเสียชีวิตจากสาเหตุอื่น) 8.3.3 การตรวจคัดกรองที่ไดประโยชน การตรวจคัดกรองทุกประเภทมีความมุ งหวัง

เดียวกัน คือ คนพบโรคไดเร็ว เพื่อผลลัพธที่ดีขึ้น ดังนั้น

การศึกษาวาการคัดกรองประเภทใดมีประโยชนหรือไม

ผูวิจัยจําเปนตองมีความรูเรื่องธรรมชาติของโรคนั้นๆ เปน

อ ย า ง ดี เ พื่ อ ล ด อ ค ติ ต า ง ๆ ที่ ไ ด ก ล า ว ไ ว ข า ง ต น

นอกเหนือจาก การมีความรูเรื่องเครื่องมือที่ใช ผลการวัด

ประสิทธิภาพของการคัดกรอง และการเขาถึงบริการของ

กลุมประชากรเปาหมายรวมถึงงบประมาณที่คุมคา

World Health Organization Guidelines (1968)

แนะนําวาการตรวจคัดกรอง ที่ควรนํามาใชในทางปฏิบัติ

ควรจะมีลักษณะดังตอไปนี้

• โรคนั้นเปนปญหาสุขภาพที่มีความสําคัญ

• โรคนั้นมีอุบัติการณอยางตอเนื่อง ไมใชเกิด

เพียงครั้งนั้นครั้งเดียว

• โรคนั้นมีวธิีการรักษาที่ไดผลดี • ผู ป ว ย ส ว นม า ก ส าม า ร ถ เ ข า ถึ ง ร ะ บบ

สาธารณสุข เพื่อการวินิจฉัยและรักษาได

• โรคนั้นมีระยะเวลากอนมีอาการหรือ อาการ

แสดง (latent stage) นานพอ

• การตรวจคัดกรองสําหรับโรคนั้น สะดวก ทํา

งาย และไดรับการยอมรับจากผูปวย

• มีความรูความเขาใจอยางเพียงพอ เกี่ยวกับ

การดําเนินโรคตามธรรมชาติของโรคนั้น

• มีนโยบายชัดเจนวา การตรวจคัดกรองจะใชใน

กลุมประชากรใด

• คาใชจายในโครงการตรวจคัดกรอง จะมีความคุมคาในทางเศรษฐกิจ

ตัวอย างการตรวจคัดกรองที่ มี การใชอยู ใน

การแพทยและสาธารณสุข

• การตรวจทางผิวหนังที่เรียกวา PPD test

สําหรับการวินิจฉัยวัณโรค

• การใชแบบสอบถาม Beck Depression

Inventory สําหรับผูปวยโรคซึมเศรา

• ก า ร ต ร ว จห า Alpha-fetoprotein ใ นหญิ ง

ตั้งครรภ เพื่อวินิจฉัยความผิดปกติของทารกใน

ครรภ

• การตรวจสุขภาพฟน สายตา การไดยิน ในกลุม

นักเรียนประถมตน

 

72

ธรรมชาติของโรค...คัดกรอง...พยากรณ

• การตรวจหามะเร็งในระยะเริ่มแรก ซึ่งสามารถ

รักษาใหหายขาดได หรือรักษาไดงายขึ้น อาทิ

เชน

o Pap smear เพื่อตรวจหามะเร็งปากมดลูก

o Mammography เพื่อตรวจหามะเร็งเตานม

o Colonoscopy เพื่อตรวจหามะเร็งลําไส

ใหญและทวารหนัก

8.4 การพยากรณโรค (Prognosis) การวิจัยที่ศึกษาการพยากรณโรค (prognostic

research) มีจุดมุงหมายเพื่อบอกแนวโนมของการเกิด

เหตุการณตางๆ กรณีของการศึกษาธรรมชาติของโรค

เ หตุ ก า รณ มั กหมายถึ ง ผล ลัพธ ข อ ง โ ร ค (disease

outcomes) เชน การศึกษาพบวาผูปวย septic shock มี

โอกาสเสียชีวิต รอยละ 45 กรณีของการพยากรณผลของ

การรักษา เหตุการณจะหมายถึงโอกาสการรอดชีวิต

(survival time) เชน การศึกษาพบวา ผูปวยมะเร็งหลัง

โพรงจมูก มีโอกาสรอดชีวิตภายหลังการรักษาโดยเคมี

บําบัดรวมกับฉายรังสี เกินกวา 5 ป มีรอยละ 80

รูปแบบของการวิจัยนี้ เปนเชิงพรรณนา มีการ

กําหนดตัวแปรอิสระ ที่มีแนวโนมจะใชเปนดัชนีพยากรณ

หรือ ปจจัยที่ใชในการพยากรณ ตามคําภาษาอังกฤษ คือ

prognostic factor ซึ่งอาจมี หนึ่งตัว หรือ หลายตัว ก็ได

การดําเนินวิจัย ทําไดโดยรูปแบบตัดขวางซึ่งเก็บขอมูลครั้ง

เดียว หรือ รูปแบบระยะยาวซึ่งเก็บขอมูลตัวอยางหลาย

คร้ัง ก็ได การวิเคราะหผล ทําไดสองกรณี ไดแก การ

คํานวณเปนแตมตอ (odds) และการบอกเปนสัมประสิทธิ์

ในสมการถดถอย (regression model) ที่สรางขึ้น เมื่อ

คํานวณคาแตมตอ หรือ ไดสมการถดถอยแลว ก็จะสรุปวา

ตัวแปรที่ตองการศึกษามีคุณสมบัติที่จะใชในการพยากรณ

ผลลัพธที่สนใจไดหรือไมและขนาดเปนเทาไร 8.4.1 ปจจัยเส่ียงและดัชนีพยากรณ คําวา ปจจัยเสี่ยง (risk factor) หมายถึง ปจจัย

ซึ่งทํานายแนวโนมของการเกิดโรค การศึกษาปจจัยเสี่ยง

เปนการวิจัยเพื่อศึกษาสาเหตุ ไมใชการพยากรณการ

ดําเนินโรค กลาวอีกนัยหนึ่ง ปจจัยเสี่ยง เปนการศึกษาผูที่

ยังไมแสดงอาการของโรค ขณะที่ ดัชนีพยากรณจะใชกรณี

ที่ผูปวยเปนโรคแลว เชน บุหรี่เปนปจจัยเสี่ยงของการเกิด

มะเร็งปอด คนที่สูบบุหรี่มีปจจัยเสี่ยงในการเกิดมะเร็งปอด

มากกวาคนที่ไมสูบ

ปจจัยเสี่ยงมีความสําคัญมากในการสืบคนทาง

ระบาดวิทยา ตัวอยาง เชน

ในงานเลี้ยงงานหนึ่ง มีคนกินไกยาง 74คน ใน

จํานวนนี้มี 22 คนเกิดอาการทองเสีย และมีคนกินปลานึ่ง

35 คน ในจํานวนนี้มี 2 คนเกิดอาการทองเสีย ถามวาไก

ยางทําใหทองเสียหรือไม

Risk = Number of persons experiencing

event / Persons exposed to risk factor

ในตัวอยางนี้

อัตราเสี่ยงของคนกินไกยาง = จํานวนคนที่

ทองเสียที่กินไกยาง / จํานวนคนที่กินไกยาง = 22/74 =

0.297

อัตราเสี่ยงของคนกินปลานึ่ง = จํานวนคนที่

ทองเสียที่กินปลานึ่ง / จํานวนคนที่กินปลานึ่ง = 2/35 =

0.057

Relative risk ของคนกินไกยาง เมื่อเปรียบเทียบ

กับ ปลานึ่ง = 0.297 / 0.057 = 5.203 หรือประมาณ 5

เทา อาจจะมีขอแนะนําวา การกินไกยางนาจะมีสวน

เกี่ยวของกับโรคทองเสีย แตจะยังสรุปวาไกยางเปนสาเหตุ

ไมได

ปจจัยเสี่ยง มักบอกไดเพียงวาปจจัยนั้นๆ มี

ความสัมพันธกับการเกิดโรค แตไมไดมีน้ําหนักมากเพียง

พอที่จะบอกวาเปนสาเหตุของโรค เชน วัยเด็ก มีโอกาส

เส่ียงเปนโรคหัดมากกวา วัยผูใหญ ไมไดหมายความวา วัย

เด็ก เปนสาเหตุของโรคหัด แตวัยเด็กเปนปจจัยเสี่ยงของ

การเปนโรคหัด เพราะผูใหญมักมีภูมิตานทานแลว การ

บอกสาเหตุ ตองมีปจจัยประกอบหลายอยาง

ในป ค.ศ. 1965 Sir Austin Bradford Hill ได

กําหนดแนวทางในการตัดสินวาความสัมพันธระหวาง

ปจจัย เปนสาเหตุและผลหรือไม หรือ Bradford-Hill

criteria(5) ประกอบดวยเงื่อนไข 9 ประการดังตอไปนี้

Prognostic Factors: ใชในคนที่เปนโรค 

Risk Factors: ใชในคนที่ยังมีสุขภาพปกติดี 

 

73

ธรรมชาติของโรค...คัดกรอง...พยากรณ

1. Strength of the Association: การมี

ความสัมพันธระหวางปจจัย ไมไดแสดงวาปจจัยดังกลาว

เปนสาเหตุและผลแตระดับความสัมพันธยิ่งมีคาสูงความ

นาจะเปนที่อาจเปนสาเหตุและผลยิ่งมีมากขึ้นดวย

2. Consistency หรือ Consistency with Other

Knowledge: ผลการศึกษาที่เหมือนหรือสอดคลองกันจาก

หลายๆ คน หรือ หลายๆ แหง หรือจากหลายๆ กลุม

ตัวอยาง ยิ่งเพิ่มความนาจะเปนที่อาจเปนสาเหตุและผล

ใหมากขึ้นดวย

3. Specificity หรือ Specificity of the

Association: การพบความสัมพันธระหวางปจจัยที่นาจะ

เปนเหตุและผลตอกัน โดยมีความเฉพาะเจาะจงมาก และ

ไมสามารถอธิบายไดดวยเหตุอื่นใด ยิ่งเพิ่มความนาจะเปน

ที่อาจเปนสาเหตุและผล ใหมากขึ้น

4. Temporality หรือ Temporal Relationship:

ลําดับเวลาเปนส่ิงสําคัญที่ปจจัยอันเปนเหตุ ตองเกิดขึ้น

กอนปจจัยที่เปนผลเสมอ จะสลับกันไมได

5. Biological Gradient หรือ Dose-response

Relationship: การไดรับปจจัยเสี่ยงมากขึ้นแลวทําใหมี

ผลลัพธมากขึ้นตามไปดวย ในสัดสวนที่สอดคลองกัน ยิ่ง

เพิ่มความนาจะเปนที่อาจเปนสาเหตุและผล ใหมากขึ้น

6. Plausibility หรือ Biologic Plausibility: การ

มีคําอธิบายหรือสมมติฐานที่สมเหตุสมผลสําหรับใช

อธิบายกลไกการเกิดผลจากปจจัยที่เปนสาเหตุ ชวยเพิ่ม

ความนาจะเปนที่อาจเปนสาเหตุและผล ใหมากขึ้น

7. Coherence: การเขากันไดระหวาง การศึกษา

ทางระบาดวิทยา กับการศึกษาในหองปฏิบัติการ ชวยเพิ่ม

ความนาจะเปนที่อาจเปนสาเหตุและผล ใหมากขึ้น

8. Experiment หรือ Replication of the

Findings: การสามารถทําซ้ําๆ ใหเกิดผลดังกลาวจาก

ปจจัยที่นาจะเปนสาเหตุ ชวยเพิ่มความนาจะเปนที่อาจ

เปนสาเหตุและผล ใหมากขึ้น

9. Analogy หรือ Consideration of Alternate

Explanations: การไมสามารถหาคําอธิบายถึง

ความสัมพันธของปจจัย โดยวิธีอื่นๆ ได ชวยเพิ่มความ

นาจะเปนที่อาจเปนสาเหตุและผล ใหมากขึ้น

8.4.2 การคํานวณแตมตอ การพยากรณหรือทํานายผลลัพธ อาจสับสนกับ

การเปรียบเทียบผลการรักษาที่เปน clinical trial design

(ดูรายละเอียดบทที่ 11) การพยากรณไมไดใชรูปแบบการ

ทดลองที่ควบคุมอยางดี มีความมุงหมายที่จะศึกษาระดับ

ของผลแตกตางมากกวาจะบอกวาผลนั้นเกิดจากเหตุหรือ

ส่ิงแทรกแซงที่ให ตัวอยางเชน ผูวิจัยตองการทราบขนาด

ของความแตกตางของการใหและไมใหสเตียรอยดในการ

รักษาโรคประสาทหูดับ (sudden sensorineural hearing

loss) การศึกษาพบวากลุมที่ไดรับยาสเตียรอยดมีโอกาส

หายไดมากกวากลุมที่ไมไดรับยาสเตียรอยด ประมาณ 3

เทา (adjusted odds ratio = 3) การศึกษานี้ ออกแบบโดย

ทําการศึกษา สองกลุมเปนอิสระจากกัน สมมติวากลุมที่ใช

ยาสเตียรอยดพบการหาย 30% กลุมไมใชยาสเตียรอยด

พบการหาย 10% ดังนั้น การใชจึงมีแตมตอกวาการไมใช

ในการหายของโรคอยู 3 : 1 แตยังจะไมสรุปไดวา สเตีย

รอยดทําใหโรคหาย

แตมตอ (odds ratio, OR) จึงเปนหนวยที่นิยมใช

ในการเปรียบเทียบในการศึกษาการพยากรณการดําเนิน

โรค ประกอบดวย crude odds ratio และ adjusted odds

ratio(6)

Crude odds ratio คือ คาแตมตอ ของโอกาสหรือ

ความนาจะเปนที่จะเกิดของการเกิดผลลัพธ ระหวางคนที่

มีปจจัย (exposed) กับคนที่ไมมีปจจัย (non-exposed)

กลาวอีกนัยหนึ่งคือ คนที่มีปจจัย มีความเสี่ยงที่จะเกิด

เหตุการณเปนกี่เทาของคนที่ไมมีปจจัย โดยไมคํานึงถึง

confounding effect และ interaction effect

กรณีที่คา OR มากกวา 1 หมายถึงปจจัยดังกลาว

เปนปจจัยเสี่ยง (risk factor) กรณี OR นอยกวา 1

หมายถึงปจจัยดังกลาวเปนปจจัยปองกัน (protective

factor)

ในการสื่อวาตัวแปรเปน protective factor ผูวิจัย

อาจแสดงคา OR ตามที่ได (คือคาที่นอยกวา 1) แตมักส่ือ

ความหมายไดยาก เพราะเมื่อแปลความหมายวา "มีความ

เส่ียงเปนกี่เทา" แตความจริงคือไมไดมีความเสี่ยง หรือ

แมแตกลาววา "ปองกันเปนกี่เทา" ก็ไมส่ือความหมาย

นอกจากนี้ คนสวนมากเขาใจวาชวงระหวาง 0 ถึง 1

 

74

ธรรมชาติของโรค...คัดกรอง...พยากรณ

เทากันกับชวงระหวาง 1 ถึง 2 ซึ่งคา OR ไมเปนจริง

ตามนั้น ตัวอยางเชนคา OR 1.05 กับ 1.5 แตกตางกันนอย

มาก (ความเสี่ยงประมาณเทาๆกัน) แตถา 0.05 กับ 0.5 ดู

เหมือนแตกตางไมมาก แตความจริงเมื่อกลับกลุมอางอิง

แลวคา OR เทากับ 1/0.05 = 20 และ 1/0.5 = 2

ตามลําดับ (ความเสี่ยงประมาณ 20 เทาเทียบกับ 2 เทา)

ดังนั้น ในการรายงาน ผูวิจัยจึงมักใหกลุมอางอิงเปนกลุมที่

มีความเสี่ยงต่ํา เพื่อใหไดคา OR มากกวา 1 การเปลี่ยน

กลุมอางอิงก็คือการผกผันคา OR ซึ่งเทากับหนึ่งหารดวย

คา OR นั่นเอง

การศึกษาโรคหัวใจขาดเลือด ในกลุมผูปวยที่มา

รักษาที่โรงพยาบาลแหงหนึ่ง ผลการศึกษาพบวาการเกิด

โรคหัวใจขาดเลือด แยกเปนกลุมผูปวยยอย ๆ ตามตัวแปร

ตาง ๆ ดวย ทําใหเห็นวามีความแตกตางของเปอรเซ็นต

การมีปจจัย ในกลุมที่มีและไมมีโรคหัวใจขาดเลือด จนเกิด

ความสงสัยวาจะมีความสัมพันธระหวางตัวแปรเหลานั้น

กับการเกิดโรคหัวใจขาดเลือด จึงไดนําสถิติเชิงวิเคราะห

มาชวยวิเคราะหหาความสัมพันธ โดยใช OR มาชวยบอก

ระดับความสัมพันธ แตเนื่องจากเคยรับทราบมาวาการเกิด

โรคหัวใจขาดเลือด นั้นไมไดเกิดจากปจจัยใดปจจัยหนึ่งแต

เพียงอยางเดียว แตนาจะมีสาเหตุการเกิดแบบ multi-

factorial และ OR ที่ไดจากการวิเคราะหแบบ single

factor กับ single outcome นั้น จะเปน crude odds ratio

ซึ่งไมใชของจริง แตจะมีอิทธิพลของปจจัยอื่น ๆ แอบแฝง

อยู (interaction effect) การใชคา crude odds ratio นั้น

จีงไมนาจะเหมาะสม

Adjusted odds ratio คือ คาแตมตอ ของโอกาส

หรือความนาจะเปนที่จะเกิดของการเกิดผลลัพธ ระหวาง

คนที่มีปจจัย (exposed) กับคนที่ไมมีปจจัย (non-

exposed) กลาวอีกนัยหนึ่งคือ คนที่มีปจจัย มีความเสี่ยงที่

จะเกิดเหตุการณเปนกี่เทาของคนที่ไมมีปจจัย โดยคํานึงถึง

confounding effect และ interaction effect กลาวคือ

ปญหาที่มีหลายสาเหตุ (multi-factorial outcome)

จําเปนตองใช Model ทางคณิตศาสตรในการวิเคราะห

ขอมูลแบบ logistic regression

สมการ simple linear regression คือ สมการ

เสนตรง y = a + bx โดย a เปนคาของ y เมื่อ x เปน 0

หรือจุดที่เสนตรงตัดแกน y ที่เรียกวา intercept คาความ

ลาดเอียงหรือ slope เทากับ b ใชแสดงความสัมพันธ

ระหวางตัวแปรตาม y กับตัวแปรตน x โดยที่ y เปนตัวแปร

ตอเนื่อง มีคาไดทุกคา ตั้งแต - จนถึง + แตถาตัวแปร

ตามเปนตัวแปร dichotomous จะใชวิธีการวิเคราะหโดย

ใชสมการ simple linear regression ไมได ดังนั้นจึงตอง

มองหา model ทางคณิตศาสตรที่เหมาะสม ซึ่งก็คือ

logistic regression model

ใน logistic regression model คาความนาจะเปน

หรือโอกาสที่จะปวยหรือตาย ซึ่งเปนความนาจะเปน ที่มีคา

อยูระหวาง 0 ถึง 1 เทานั้น ปญหานี้ แกไดโดยอาศัย

คุณสมบัติของฟงกชั่นทางคณิตศาสตรที่เรียกวา logistic

function เขียนแทนดวย f(z) = 1/(1+e-z) ถาหาก plot

กราฟคาของฟงกชั่นนี้ เมื่อแทนคา Z ดวยทุก ๆ คาที่เปนไป

ได จะไดกราฟ เปนรูปตัว S มีคาอยูระหวาง 0 กับ 1 คา

OR ที่ไดจาก logistic regression เปนคา OR ที่ควบคุม

ผลจากทุกตัวแปรที่ปรากฏใน model จึงเรียกวาเปน

adjusted OR กลาวอีกอยางหนึ่งคือ adjusted OR คือ คา

OR ที่ควบคุมผลกระทบจากตัวแปรอื่น ๆ

8.4.3 ชนิดตัวแปรที่ใชในการพยากรณ ตัวแปรที่ ใชในการศึกษาธรรมชาติและการ

พยากรณโรค เชนเดียวกับการศึกษาวิจัยประเภทอื่น ที่มีทั้ง

ชนิดจํานวนและชนิดคุณลักษณะ อยางไรก็ตาม ส่ิงที่เปน

ชนิดจําเพาะที่จะพูดถึงในการวิจัยธรรมชาติและการ

พยากรณโรค คือ ตัวแปรที่เกี่ยวของกับชวงเวลาของการ

เกิดผลลัพธ ซึ่งจะกลาวถึงในหัวขอตอไป

ตัวอยางของตัวแปรที่มักจะไดพบเห็นในการวิจัย

พยากรณโรค มีดังนี้

ก. Continuous variables

ตัวอยาง: ขนาดของเนื้องอก

ดัชนีที่เหมาะสมในการประมาณคาตัวแปร: Mean, Median

ข. Binary variables

ตัวอยาง: Response, Progression, > 50% Reduction

in Tumor Size

ดัชนีที่เหมาะสมในการประมาณคาตัวแปร: Proportion,

Relative Risk, Odds Ratio

 

75

ธรรมชาติของโรค...คัดกรอง...พยากรณ

ค. Nominal and Ordinal variables

ตัวอยาง: Tumor stage, Nuclear grade

ดัชนีที่เหมาะสมในการประมาณคาตัวแปร: Proportion

ง. Time-to-event (Survival) variables

ตัวอยาง: Time to Progression, Time to Death, Time to

Relapse

ดัชนีที่เหมาะสมในการประมาณคาตัวแปร: Median

Survival, K-Year Survival, Hazard Ratio 8.4.4 Survival variables

ในการพยากรณโรคผลลัพธที่สนใจ (endpoint)

มักไดแก การเสียชีวิต การเปนโรคซ้ํา และการหาย การ

วิเคราะหระยะเวลาตั้งแตจุดเริ่มตนการศึกษาจนถึงจุดที่

เกิดผลลัพธ มีความสําคัญในการใชเปรียบเทียบและการ

พิจารณาแนวทางการดูแลในทางคลินิก

ตัวชี้วัดที่เกี่ยวของกับชวงเวลามีหลายตัวชี้วัด

ไดแก

ก. Case-fatality Rate

ข. Person-Years

ค. Five-year Survival Rate

ง. Life Tables

จ. Kaplan-Meier Survival

Case-fatality Rate Case-fatality Rate คือ ความนาจะเปนหรือ

โอกาสของผูปวยซึ่งเปนโรคนั้นๆ จะเสียชีวิต

Case-fatality Rate เปนวิธีหนึ่งในการบอกการ

พยากรณโรคที่เหมาะสําหรับใชบรรยายโรคที่มี onset เร็ว

และมีการดําเนินของโรคเร็ว คือผูปวยจะหาย หรือเสียชีวิต

ในเวลาไมนานภายหลังการวินิจฉัยโรค แตกรณีของโรค

เรื้อรัง ซึ่งอาจทําใหผูปวยเสียชีวิตในระยะเวลานาน เปน

เดือนหรือเปนปภายหลังการวินิจฉัยโรค หรือมีโอกาส

เสียชีวิตจากสาเหตุอื่นๆ ไมเหมาะที่จะใช Case-fatality

Rate ในการบอกการพยากรณโรค

Case-fatality Rate = จํานวนประชากรที่

เสียชีวิตจากโรค / จํานวนประชากรที่เปนโรคนั้น

ตัวอยางที่ 8.1 ในป พ.ศ. 2552 Case-fatality

Rate ของโรคพิษสุนัขบาในกรุงเทพฯ = จํานวนประชากรที่

เสียชีวิตจากโรคพิษสุนัขบาในกรุงเทพฯ (5 คน) / จํานวน

ประชากรที่เปนโรคพิษสุนัขบาในกรุงเทพฯ (5 คน) ซึ่ง

เทากับ 1 หรือ 100%

ตัวอยางที่ 8.2 ในป พ.ศ. 2552 Case-fatality

Rate ของโรคไขหวัดใหญ 2009 ในประเทศไทย = จํานวน

ประชากรที่เสียชีวิตจากโรคไขหวัดใหญ 2009 ในประเทศ

ไทย (20 คน) / จํานวนประชากรที่เปนโรคไขหวัดใหญ

2009 ในประเทศไทย (/20,000 คน) ซึ่งเทากับ 0.001หรือ

0.1% Person-Years

Person-Years คือ ผลคูณของจํานวนผูปวยกับ

ระยะเวลาที่ศึกษา (เปนป)

Person-Years เปนวิธีหนึ่ ง ในการวัดผลเพื่ อ

คํานวณคาของการพยากรณโรค เนื่องจากการเก็บขอมูลที่

เกี่ยวของกับเวลา มักไมไดตรงกันในแตละกลุม ผลการวัด

นี้จะใชจํานวนผูปวยและเวลาเฉลี่ยของกลุมมาคิดคํานวณ

โดย มีเงื่อนไขวา จํานวนคน กับระยะเวลามีอิทธิพลตอ

ผลลัพธเทากัน นั่นคือ ผูปวย 5 คน ติดตามไดเวลาเฉลี่ย

ของการมีชีวิต 2 ป มีผลลัพธเดียวกันกับ ผูปวย 2 คน

ติดตามไดเวลาเฉลี่ยของการมีชีวิต 5 ป

Person-Years = จํานวนประชากร x ระยะเวลา (ป)

ตัวอยางที่ 8.3(7) ป ค.ศ. 1981 Miller และคณะ

ไดรายงาน การใชระดับคะแนนการเขากันไดของเนื้อเยื่อ

ในการพยากรณอัตราการเสียชีวิตของผูปวยที่รับการผาตัด

เปล่ียนหัวใจ โดยกลุมที่มีระดับคะแนนสูง มีอัตราเสี่ยงที่จะ

เสียชีวิตเปน 2.21 เทา ของกลุมที่มีระดับคะแนนต่ํา

ขอสรุปนี้ไดมาจาก การติดตามการมีชีวิตของผูปวยที่ไดรับ

การผาตัดเปลี่ยนหัวใจ จํานวน 65 คน ซึ่งพบวา มีผูปวยที่

มีระดับคะแนนสูง มีจํานวน 32 คน มีการติดตามเฉลี่ยของ

กลุมคือ 286 วัน เสียชีวิต 23 คน ดังนั้น person-years =

23 x (286/365) = 23.05 คน-ป เปรียบเทียบกับกลุม

ผูปวยที่มีระดับคะแนนต่ํา มีจํานวน 33 คน เวลาการ

ติดตามเฉลี่ยของกลุมคือ 477 วัน เสียชีวิต 18 คน ดังนั้น

person-years = 18 x (477/365) = 43.38 คน-ป

 

76

ธรรมชาติของโรค...คัดกรอง...พยากรณ

Five-year Survival Rate Five-year Survival Rate เปนวิธีที่ใชบอยในทาง

คลินิกในการบอกการพยากรณ โรค โดยเฉพาะกับ

โรคมะเร็ง

Five-year Survival Rate = จํานวนเปอรเซ็นตที่

ประชากรยังรอดชีวิตจากโรคภายหลังไดรับการรักษา ใน

ระยะเวลา นับจากวันที่ไดรับการวินิจฉัยโรคหรือหลังไดรับ

การรักษา เชน ผลการรักษามะเร็งเตานม โดยวิธีผาตัด

รวมกับฮอรโมน ทําใหผูปวยมีอัตรารอดชีวิตอยูเกิน 5 ป

ภายหลังไดรับการวินิจฉัยและรักษา ประมาณ 80% หรือ

ในการศึกษาอันหนึ่งพบวา การตรวจคัดกรอง (Screening

Test) มะเร็งเตานมโดย Mammography ทําใหสามารถ

วินิจฉัยโรคในระยะเริ่มแรก และทําใหผูปวยมีอัตรารอด

ชีวิตอยู เกิน 5 ปภายหลังได รับการวินิจฉัยและรักษา

เพิ่มขึ้นเปนประมาณ 90%

ปญหาอยางหนึ่งที่อาจพบได ในการใช Five-

year Survival Rate ในการบอกการพยากรณโรคสําหรับ

การคัดกรอง คือ Lead time bias ที่ไดกลาวไวกอนหนานี้

(ดูหัวขอ 8.3.2)

Life Tables Life Tables เปนวิธีในการบอกการพยากรณโรค

อยางหนึ่ง Life Tables ใชเมื่อตองการศึกษา การกระจาย

ของเวลาที่เกิดผลลัพธ (Outcome) จากเหตุการณ เชน

การศึกษาระยะเวลาที่เกิดมะเร็งปอด ในคนที่สูบและไมสูบ

บุหรี่ แตอยางไรก็ตาม การศึกษาในลักษณะนี้ มักพบ

ปญหาเรื่อง มีคนจํานวนหนึ่งไมสามารถมาติดตามจนถึง

ส้ินสุดการศึกษา (Censored Cases) ทําใหไมสามารถ

วิเคราะหดวยวิธีทางสถิติแบบพื้นฐาน เชน T Tests หรือ

Linear Regression ได วิธีทางสถิติที่เหมาะสมกวา

สําหรับการศึกษาแบบนี้ คือ Life Tables ซึ่งมีหลักการโดย

แบงระยะเวลาที่สังเกตหรือวัดผลลัพธ เปนชวงเวลาสั้นๆ

ในแตละชวงเวลานั้น ทุกคนจะไดรับการสังเกตหรือวัดเพื่อ

ประเมินความนาจะเปนของการเกิดผลลัพธ เชน การตรวจ

เพื่อหามะเร็งปอดในกลุมคนที่สูบและไมสูบบุหรี่ แลวสถิติ

จะคํานวณหาความนาจะเปนที่จะเกิดผลลัพธในชวงเวลา

ตางๆ

Life Tables คือ การแสดงคาสัมประสิทธิ์เปน

ขั้นๆ ของปจจัยเวลาและจํานวนผูปวยในแตละขั้นที่ไม

เทากัน Life Tables เปนวิธีที่ละเอียดกวา Person-years

ในการวัดผลเพื่อคํานวณคาของการพยากรณโรค ที่การ

เก็บขอมูลเกี่ยวของกับเวลา ในแตละกลุมไมตรงกัน และ

ผลของเวลาและจํานวนผูปวยตอผลลัพธในชวงตางๆ อาจ

ไมเทากัน

Life Table of person in an interval = จํานวน

ประชากรมีชีวิต ณ จุดเริ่มของชวงเวลา – ½ จํานวน

ประชากรที่เสียชีวิตหรือขาดการติดตาม

จากตัวอยางที่ 8.3(7) การใชตัวชี้วัดโดย Life

Tables เทียบกับ Person-Years ใหผลที่แตกตางกัน ดัง

ตารางที่ 8.2 (Life Table) และตารางที่ 8.1 (Person-

Years)

ขอตกลงเบื้องตน (Assumption) ของการใชสถิติ

แบบนี้คือ

1. ไมมีการเปลี่ยนแปลงของวิธีการสังเกตหรือวัด

วิธีการรักษา หรืออัตราการรอด เมื่อเวลาผาน

ไป (No temporal change in the

effectiveness of diagnosis or treatment or

survivorship over calendar time)

2. เมื่อมีคนจํานวนหนึ่งไมสามารถมาติดตาม

จนถึงส้ินสุดการศึกษา (Censored Cases)

ตองยอมรับวา กลุมที่ไมสามารถมาติดตาม มี

ลั กษณะ เหมื อ นกั น กั บ ก ลุ มที่ ยั ง อ ยู ใ น

การศึกษา

ตาราง 8.1 Person-Years Analysis of Stanford University Heart Transplant Study

Tissue Mismatch Deaths Person-Years Death Rate per Person-Year

Relative Risk

High 23 23.05 0.92 2.21 Low 18 43.38 0.41

 

77

ธรรมชาติของโรค...คัดกรอง...พยากรณ

ตาราง 8.2 Life Table Analysis of Heart Transplant Survival

Start of Interval (Months)

Alive at Start of Interval

Changed Status during Interval

Adjusted Number at Risk

Estimated Probability of Death in Interval

Estimated Probability of Surviving to Interval

Dead Censored

Cohort 1-Low Tissue Mismatch Score (T5 < 1.1) 0 33 5 3 31.5 0.159 1.000 2 25 4 0 25.0 0.160 0.841 3 21 2 1 20.5 0.098 0.707 7 18 3 3 16.5 0.182 0.638 13 12 2 1 11.5 0.174 0.522 25 9 1 2 8.0 0.125 0.431 37 6 1 5 3.5 0.286 0.377 49 0 0.269

Cohort 2-High Tissue Mismatch Score (T5 > 1.1) 0 32 4 0 32.0 0.125 1.000 2 28 6 0 28.0 0.214 0.875 3 22 7 1 21.5 0.328 0.688 7 14 2 0 14.0 0.143 0.464 13 12 1 6 9.0 0.111 0.397 25 5 2 1 4.5 0.444 0.353 37 2 0 1 1.5 0.000 0.196 49 1 0.196

Kaplan-Meier Survival Analysis(8,9)

ภาพที่ 8.3 กราฟแสดง Kaplan-Meier Survival

Kaplan-Meier Survival เปนวิธีในการบอกการพยากรณโรคอยางหนึ่ง ที่มีพื้นฐานจาก Life Tables หลักการของ Model Kaplan-Meier คือการประมาณคา

ความเปนไปได ของการเกิดผลลัพธ ในแตละชวงเวลา เปนคา Survival Rate เชน การศึกษาวายาใหมสําหรับการรักษา AIDS ทําใหผูปวยมีอายุยืนยาวขึ้นหรือไม โดยการเปรียบเทียบอาสาสมัคร 2 กลุม กลุมแรกไดรับการรักษาแบบเดิม สวนอีกกลุมได รับยาใหม การวิเคราะหเพื่อประมาณอัตราการรอดชีวิตของทั้งสองกลุม โดยใช Model Kaplan-Meier วาเปนอยางไร มีความแตกตางกันหรือไม

ปญห า ใ น ก า ร บ อ ก ก า ร พ ย า ก รณ โ ร ค อั นเนื่องมาจากการเปลี่ยนแปลงในคุณภาพของการวินิจฉัยและการรักษาที่ทันสมัยขึ้น (Effect of improvement in diagnosis and treatment on prognosis)

ดังที่ไดกลาวไวแลววา Assumption อยางหนึ่งของการใชสถิติแบบนี้คือ ไมมีการเปลี่ยนแปลงของวิธีการสังเกตหรือวัด วิธีการรักษา หรืออัตราการรอด เมื่อเวลาผ า น ไป แต ใ นค ว าม เป น จ ริ ง วิ วัฒนากา รที่ เ ป นความกาวหนาทางเทคโนโยยี ทําใหเกิดวิธีการวินิจฉัยและการรักษาที่ทันสมัยและดีกวาในอดีต

 

78

ธรรมชาติของโรค...คัดกรอง...พยากรณ

ตัวอยางที่นาสนใจอันหนึ่งคือ การศึกษาแบบ Cohort เปรียบเทียบอัตราการมีชีวิตรอดของผูปวยมะเร็งปอด ระหวางกลุมที่ ได รับการรักษาที่ได รับการรักษาระหวาง ป ค.ศ. 1953 ถึง ป ค.ศ. 1964 กับกลุมผูปวยมะเร็งปอด ตั้งแตป ค.ศ. 1977 เปนตนไป พบวา ผูปวยมะเร็งปอดที่ไดรับการรักษาในทั้งสองกลุมมีความแตกตางกันมาก โดยพบวากลุมหลังมีอัตราการมีชีวิตรอดมากกวาดังนั้นจึงเกิดปรากฏการณซึ่งพบวา การพยากรณโรคมีการเปล่ียนแปลงไปตามเวลา เนื่องจากมีการพัฒนาทางดานเทคโนโลยีในดานการวินิจฉัยและรักษาพยาบาลที่ดีขึ้น บางครั้ งอาจเรียกปรากฏการณในลักษณะนี้วา Will Rogers Phenomenon(10)

8.4.5 Survival function S(t) = Probability to survive longer than t

(เมื่อ t คือเวลา ณ จุดใดจุดหนึ่ง มีคา ≥ 0) Survival function เปนสมการมูลฐานในการ

พัฒนาดัชนีพยากรณตางๆ ซึ่งนอกจาก Kaplan-Meier Survival ที่ไดกลาวมาขางตน ยังมี Median Survival Time, Hazard Function และ Cox Proportional Hazards Model และ Hazard Ratio ที่จะไดอธิบายโดยสังเขปตอไป Median Survival Time

หมายถึง ระยะเวลาซึ่งครึ่งหนึ่ง (50%) ของประชากรที่เปนโรค แสดงผลลัพธ (outcomes) เชน เสียชีวิต เปนวิธีหนึ่งในการบอกการพยากรณโรค ทําไมจึงใช Median survival time แทนที่จะใช Mean survival time ซึ่งเปนคาเฉลี่ยของระยะเวลารอดชีวิตของประชากรทั้ งหมด คําตอบคือ เนื่ องจากลักษณะขอ มูลที่ เปนระยะเวลารอดชีวิต (survival time) มีการกระจายตัวที่ไมเปนปกติ อาจมีการเบไปดานใดดานหนึ่ง และอาจมีบางคนมีลักษณะเปน outlier คือมีคาระยะเวลารอดชีวิตแบบสุดโตงได อีกประการหนึ่งการศึกษามักไมสามารถไดขอมูลระยะเวลารอดชีวิตของประชากรทั้งหมด เนื่องจากมีขอจํากัดเรื่องเวลา ดังนั้นถาไดขอมูลวาครึ่งหนึ่งของประชากรเสียชีวิตเมื่อไร ก็สามารถบอก median survival time ไดแลว ไมตองรอจนคนสุดทายเสียชีวิต

Hazard Function

N(t) = Number at risk at the beginning of an interval

Hazard Rate หมายถึง ความนาจะเปนหรืออัตราในการเกิดผลลัพธหรือเหตุการณที่สนใจ (observed events) ในชวงเวลาถัดไปจากจุดนั้น ถา ณ.เวลาจุดนั้นผลลัพธหรือเหตุการณนั้นยังไมเกิดขึ้น โดยถือวาชวงเวลาแตละชวงสั้นมาก จนทําให Hazard Rate เปนเสมือนอัตราในการเกิดผลลัพธ ณ. เวลาจุดนั้น

Hazard Ratio คือสัดสวนระหวาง Hazard Rate ของกลุมหนึ่งเทียบกับอีกกลุมหนึ่ง เชน กลุมรักษาเทียบกับกลุมควบคุม หรือ ชายตอหญิง โดยคํานวณจาก Hazards Regression Model ที่ใชสมการดังตอไปนี้

Hazard Ratio (HR) เปนชนิดหนึ่งของ Odds

Ratio (OR) หรือ Relative Risk (RR) โดยเปรียบเทียบ อัตราความเสี่ยง (Risk) ในการเกิดผลลัพธที่สนใจ ของกลุมหนึ่งเทียบกับอีกกลุมหนึ่ง เนื่องจาก อัตราความเสี่ยง (Risk) ดังกลาวไมคงที่เมื่อเวลาตางๆ กัน หนวยของการวัดจึงตองเปนอัตราของการเกิดผลลัพธตอเวลา (Survival Rate)

Hazard Ratio ยังมีประโยชนมากโดยเฉพาะอยางยิ่งในกรณีที่มีขอจํากัดเรื่องเวลาที่ใชในการวิจัย ซึ่งทําใหผูปวยบางคนยังไมดําเนินไปจนสิ้นสุด เชน ถาสนใจระยะเวลาที่มีชีวิตรอด ของผูปวยโรคอยางหนึ่งภายหลังการรักษาแบบใหมเทียบกับการรักษาแบบเดิม การจะรอจนผูปวยคนสุดทายของการวิจัยเสียชีวิตอาจจะเสียเวลามากเกินไป ในกรณีเชนนี้การใช time-based parameters จาก time-to-event curve เชน ratio ของ median times

ของกลุมที่รักษาแบบใหมเทียบกับแบบเดิม ซึ่งกรณีดังกลาวนี้ไมสามารถหาคา mean times ไดเพราะยังไมไดคาเวลาที่มีชีวิตรอดของผูปวยที่ยังมีชีวิตอยู

นอกจากนี้ Hazard Ratio ยังอาจใชเพื่อเปรียบเทียบ hazard-based parameters ของทั้งสองกลุมได เชน ถาสนใจอัตราการรอดชีวิตหลัง 5 ป (Five-year survival rate) ของผูปวยโรคอยางหนึ่งภายหลังการรักษาแบบใหมเทียบกับการรักษาแบบเดิม

 

79

ธรรมชาติของโรค...คัดกรอง...พยากรณ

Cox Proportional Hazards Model และ Hazard Ratio Cox Proportional Hazards Model เปนวิธีการ

วิเคราะห time-to-event curves ที่ไดรับความนิยมมาก

ที่สุด Cox Proportional Hazards Model ใชวิธีการของ

regression สําหรับขอมูล survival data เพื่อประมาณคา

Hazard Ratio โดยมี assumption วา Hazard Ratio มีคา

เทาเดิม ที่เวลาตางๆ

ภาพที่ 8.4 Kaplan-Meier Curve แสดงแกนนอนเปนระยะเวลาที่หาย (Time to Symptom Resolution) และแกนตั้งคือสัดสวนของจํานวนผูปวย (Proportion of Cases) เปรียบเทียบระหวางกลุม Treatment และกลุม Placebo โดย Hazard Rate Ratio หรือ Hazard Ratio (HR) = Treatment Hazard Rate/Placebo Hazard Rate และ Median Ratio(MR) = Placebo Median Time / Treatment Median Time(11)

ภาพที่ 8.5 ตัวอยางแสดงความสัมพันธระหวาง Hazard

Ratio และ Median Ratio ในการศึกษาการใชยาตานไวรัส

โดยมีหลายขนาดยา (drug dosages) (A) ผลของยา

Valaciclovir ในกา ร รั กษา เพื่ อ วั ด ร ะยะ เ วลาที่ เ กิ ด

Recurrent Herpes Genitalis Episodes; Hazard Ratio

= 1.9 และ Median Ratio = 1.5(11)

จากตัวอยางผูปวย recurrent Herpes genitalis

ใน ภาพที่ 8.5 การวิเคราะหเพื่อศึกษา healing time

พบวา กลุมที่ใชยา Valaciclovir มีคา Hazard Ratio

เทากับ 1.9 (95% confidence Interval, 1.6 to 2.3) ใน

กลุมที่ไดรับยาทั้งสองขนาด เมื่อเทียบกับกลุมควบคุม และ

คา median healing time ลดลงประมาณ 2 วัน

ถาถามวา ยา Valaciclovir มีประสิทธิผลหรือไม?

คําตอบคือ ใช ยาใหมชวยใหหายเร็วขึ้น ถา

พบวา Hazard Ratio >1 และคาต่ําสุดของ 95%

Confidence Interval ของ Hazard Ratio ตอง >1

ถาถามวาโอกาสที่ผูปวยจะดีขึ้นจากการรักษาดวยยา

Valaciclovir มากนอยแคไหน เมื่อเทียบกับการไมรักษา

คําตอบคือ odds ratio ประมาณ 2:1

(probability = 66%) ที่อาสมัครในกลุมที่ไดรับยา

Valaciclovir จะมีระยะเวลาในการหายสั้นกวาพวกที่ไมได

รับยา

ถาถามวาแพทยจะบอกไดหรือไมวา เมื่อไรผูปวยจะหาย

ถาไดลองใชยาใหม

คําตอบคือ การศึกษานี้แสดงวาครึ่งหนึ่งของ

ผูปวยซึ่งใชยาใหมหายภายใน 4 วันและ 95% จะหาย

ภายใน 8 วัน โดยดูจาก Kaplan-Meier curve (ภาพที่

8.4) ระยะเวลาที่หายจากโรคไมสามารถบอกไดจากคา

Hazard Ratio ถาลักษณะการกระจายตัวของขอมูลไม

เปนไปตาม parametric survival distribution

ถาถามวาแพทยจะบอกไดหรือไมวา ยานี้จะทําใหผูปวยดี

ขึ้นมากแคไหน

คําตอบคือ ยานี้ชวยทําใหระยะเวลาในการหาย

ลดลงเมื่อเทียบกับการไมใชยา โดยผูปวยที่ใชยามีคา

median healing time เทากับ 4 วันเมื่อเทียบกับกลุม

ควบคุมประมาณ 5.9 วัน แตอยางไรก็ตาม มักตองระบุ

เสมอวา ผลการรักษาอาจเปลี่ยนแปลงไปในแตละผูปวยได

 

80

ธรรมชาติของโรค...คัดกรอง...พยากรณ

ภาพที่ 8.6 กราฟแสดงวา Hazard Ratio อาจจะทําใหเกิด

ความเขาใจผิดพลาดเมื่อนําไปใชอธิบาย เพราะความ

นาจะเปนในการเกิดผลลัพธหรือความเสี่ยงขึ้นกับ Hazard

Ratio และลักษณะของ Probability Distribution ดัง

ตัวอยาง

ในรูปบน เมื่อใหการรักษาทําใหมีคา Hazard

Ratio มากกวาการไมรักษาคอนขางมาก (เทากับ 3) แต

กลับมี treatment effects คอนขางนอย (Median และ

Mean Survival Times ลดลงเพียง 10% จากการรักษา

เมื่อเทียบกับการไมรักษา) ซึ่งตรงกันขามกับในรูปลาง เมื่อ

ใหการรักษาทําใหมีคา Hazard Ratio มากกวาการไม

รักษาคอนขางนอย (เทากับ 1.5) แตกลับมี treatment

effects คอนขางมาก (Median และ Mean Survival

Times ลดลง 50% จากการรักษาเมื่อเทียบกับการไม

รักษา)

8.5 การอานบทความวิจัยในวารสารทางการแพทย อยางมีความรูเทาทัน (Critical Appraisal)

หลักการอานวารสารทางการแพทยอยางมี

วิจารณญาณไดมีกลาวไวในบทที่ 4 ในที่นี้ จะกลาวถึงส่ิงที่

ควรตองรูเทาทันในการอานวารสารที่มีเนื้อหาเกี่ยวของกับ

การศึกษาธรรมชาติของโรคในทางคลินิก ซึ่งประกอบดวย

การตรวจคัดกรอง และ การพยากรณโรค 8.5.1 การประเมิน คําถาม รูปแบบ และอคติ

ของการศึกษา (Research Question) ผูอานควรอานและคิดตามใหเขาใจคําถามของ

การวิจัยเปนลําดับแรก ผูวิจัยมีวัตถุประสงคจะศึกษาอะไร

ในประชากรกลุมไหน เปนงานวิจัยที่จะพยากรณโรคเมื่อ

เปนโรคแลว หรือจะศึกษาปจจัยเสี่ยงของการเกิดโรคใน

กลุมประชากรที่ ไม เปนโรค สําหรับกรณีหลัง จะเปน

การศึกษาที่จะดูสาเหตุและปจจัยเสี่ยงการเกิดโรค ควร

ตองแยกจากกัน (ดูบทที่ 10) สวนของการวินิจฉัยโรคนั้น

ผูอานจําเปนตองแยกใหไดวา ผูวิจัยมีความตองการจะใช

สําหรับคัดกรองหรือสําหรับชวยในการวินิจฉัยโรคในผูที่มี

อาการ (ดบูทที่ 9)

รูปแบบการวิจัย สําหรับ การศึกษาธรรมชาติของ

โรคในทางคลินิก เปนแบบพรรณนา คือไมมีกลุมควบคุม

แตมีตัววัดผลความถูกตองที่จะใชคือ การวินิจฉัยสุดทาย

และ ผลลัพธสําคัญที่ใชในการพยากรณโรค

การตรวจคัดกรอง จะมีดัชนีบงชี้ที่ สําคัญ คือ

ความไว ผลบวกลวง และผลลบลวง

การพยากรณโรค จะมีดัชนีบงชี้ เปนแตมตอ

สําหรับการพยากรณผลลัพธของโรค

การอธิบายรายละเอียดอยางชัดแจงวาประชากร

ที่ศึกษาเปนส่ิงที่มีความจําเปน โดยเฉพาะอยางยิ่งในเรื่อง

ที่ เกี่ยวของกับ อคติในการไดอาสาสมัครมาเปนกลุม

ตัวอยาง (referral bias) และความเหมาะสมในการ

กําหนดเวลาเริ่มตนศึกษา (Inception cohort)

Inception cohort หมายถึง กลุมของอาสาสมัครในงานวิจัยที่

นําเขามาในการศึกษา ณ.เวลาที่ใกลเคียงกับ จุดเริ่มตน

ของโรคหรือความผิดปกติที่สนใจ ดังนั้นถาการศึกษา

ธรรมชาติของโรค (natural history study) และการ

พยากรณโรค (prognosis) จึงอาจเกิดอคติไดอยางมาก

ถาเปนการศึกษาแบบยอนหลัง (retrospective study)

 

81

ธรรมชาติของโรค...คัดกรอง...พยากรณ

ตั ว อ ย า ง เ ช น ก า ร ศึ ก ษ า ผู ป ว ย ที่ เ ป น โ ร ค ห รื อ มี

ภาวะแทรกซอนของโรค แลวไปหาขอมูลยอนหลังวาผูปวย

นั้นๆ มีปจจัยเสี่ยงที่สนใจหรือไม มักจะไดผลเกินจริง

(overestimation) และผูปวยที่ มีโรครุนแรงหรือ

ภาวะแทรกซอนมากหรือบอยครั้ง มักจะมีโอกาสถูก

คัดเลือกเขามาในการศึกษาวิจัยมากกวาผูปวยที่เปนไม

รุนแรงหรือมีภาวะแทรกซอนนอยหรือไมบอย

Volunteer or Referral bias เ ป น อคติ ที่ เ กิ ด จ าก ก ลุ มตั ว อย า งที่ เ ป น

อาสาสมัครในการศึกษามีลักษณะแตกตางจากประชากร

เปาหมายที่สนใจ เชน การศึกษาวิจัยจากกลุมตัวอยางใน

ชุมชน ยอมแตกตางจากในโรงพยาบาล เพราะอาสาสมัคร

ในกลุมที่มาโรงพยาบาลอาจจะเปนคนที่มีความสนใจใน

สุขภาพตัวเอง มากกวาในกลุมที่เปนคนสวนใหญในชุมชน

ซึ่งเปนประชากรเปาหมาย หรือเพราะสถานที่ทําการศึกษา

วิจัยมีสถานภาพตางกัน เชน การศึกษาในโรงพยาบาล

ทั่วไปยอมแตกตางจากในโรงเรียนแพทย หรือการศึกษาใน

คลินิกเฉพาะโรคยอมแตกตางจากคลินิกทั่วไป เปนตน

หรือกลาวอีกอยางหนึ่งคือ ผูปวยที่มาพบแพทย การวิจัย

ที่มาจากโรงพยาบาลใหญๆ หรือโรงเรียนแพทยมักจะเปน

ผูปวยหนักหรือมีการพยากรณโรคที่แยกวา

Generalization of study(12)

ขอคิดจากการทบทวนวรรณกรรม เกี่ยวกับการ

ศึกษาวิจัยในเรื่อง ภาวะการชักจากไข (febrile seizures)

ในทารกวามีผลทําใหเกิด โรคชักที่ไมไดเกิดจากไข หรือโรค

ลมชัก เมื่อโตขึ้นหรือไม เพื่อเปนขอมูลสําหรับประกอบการ

พิจารณาใหการรักษาโดยยากันชักเปนระยะยาว โดย

สามารถแบงลักษณะของการศึกษาออกเปน 2 กลุมใหญ

คือ กลุมแรกเปน การศึกษาที่ใชกลุมตัวอยางในชุมชน

(population based studies) และกลุมที่สองเปน

การศึกษาในกลุมตัวอยางที่โรงพยาบาล (clinic based

studies) อันไดแก คลินิกโรคลมชัก (Epilepsy Clinic) หรือ

คลินิกเด็ก (Pediatric Clinic) ผลการศึกษาในกลุมแรก

พบวามีโอกาสคอนขางนอย ที่จะเกิดปญหาลมชักเมื่อโต

ขึ้น และผลดังกลาวมีความสอดคลองกัน โดยมีความ

แตกตางของผลลัพธ (variation) เพียงเล็กนอย สวนใน

กลุมที่สอง ผลมีความแตกตางกันอยางมาก กลาวคือ บาง

การศึกษาพบอัตราการเกิดปญหาลมชักเมื่อโตขึ้นเล็กนอย

บางอันพบวามีปญหามาก ดังแสดงในภาพประกอบ

เหตุผลที่เปนเชนนี้ อาจอธิบายไดวา ในการศึกษาที่ทําใน

ชุมชน จะมีโอกาสเกิดอคติไดนอย เมื่อเทียบกับการศึกษา

ที่ทําในผูปวยที่โรงพยาบาล อันเนื่องจาก อคติดานตางๆ

เชน Selection bias และ Referral bias แตกระนั้นก็ตาม

มิไดหมายความวา การศึกษาวิจัยที่ทําในโรงพยาบาลแหง

หนึ่งจะไมมีคุณคาอันใด แตการนําผลการศึกษาไปใช

ผูอานงานวิจัยนั้นๆ จําเปนตองใชดุลยพินิจใตรตรอง

(critical appraisal) และนําไปใชประยุกตเพื่อประโยขน

ในทางคลินิกตอไป

ภาพที่ 8.7 แสดงวา Population Based Study มีความ

แปรปรวนของขอมูลนอย เนื่องจากมีโอกาสเกิดอคติได

นอย เมื่อเทียบกับ Clinic Based Study 8.5.2 การประเมินความนาเ ช่ือถือของ

การศึกษานั้น (Validity) ปจจัยที่ตองคํานึ งถึ งในการประเมินความนาเชื่อถือของการศึกษา ไดแก การกําหนดเปาหมายการศึกษาวิจัยใหชัดเจน การคัดเลอืกกลุมตัวอยาง การกําหนดผลลัพธที่สนใจ รวมทั้งเวลาที่ตองใชในการศึกษา การติดตามและเฝาสังเกตผล รวมทั้งวิธีการในการวัดผล และวิเคราะหขอมูล ในเรื่องประชากรและกลุมตัวอยาง

• กลุมตัวอยางเปนตัวแทนประชากรหรือไม

 

82

ธรรมชาติของโรค...คัดกรอง...พยากรณ

• ก ลุ ม ตั ว อ ย า ง มี ลั ก ษ ณ ะ ที่ เ ห มื อ น กั น (Homogenous) เพียงพอสําหรับการประเมินปจจัยในการพยากรณโรคหรือไม

• การคั ด เลื อกกลุ มตั วอย า งมี ลั กษณะของ Inception Cohort หรือไม

ในเรื่องการติดตามอาสาสมัคร

• มีการติดตามอาสาสมัครนานเพียงพอและสมบูรณเพียงใด มีกฏงายๆ วา ถาไมมาติดตามการศึกษา > 10% ผูอานพึงใชความระมัดระวัง ในการเชื่อและนําผลการศึกษาไปใช แตถาไมมาติดตามการศึกษา > 20% การศึกษานั้นไมนาเชื่อถือ

ในเรื่องผลลัพธ

• ผลลัพธเปนชนิดที่วัดและจับตองได (Objective) และมีวิธีในการวัดผลที่นาเชื่อถือหรือไม

• การวัดผลลัพธใชวิธี “Blinding” หรือไม อยางไร

• ถามีการวัดปจจัยเสี่ยงในการพยากรณโรค (prognostic factors) มีวิธีการวิเคราะหแบบ

ปรับโดยพิจารณาปจจัยอื่นดวย (adjusted) หรือไม 8.5 .3 การประเมินในเรื่องผลที่ ไดจาก

การศึกษานั้น (Result) • ผลการศึกษามีความแมนยําเพียงใด (Precision)

มีความแตกตางอยางมีนัยสําคัญทางสถิติหรือไม (Statistically Significant Difference)โดยดูจากคา p-value และ 95% Confidence Interval

• ผลการศึกษามีความแตกตางอยางมีนัยสําคัญทางคลินิกหรือไม(Clinically Significant Difference)

8.5.4 การประเมินในเรื่องการนําผลการ

ศึกษานั้นไปใชประโยชนในทางคลินิก (Applicability) • กลุมตัวอยางในการศึกษามีลักษณะคลายคลึง

กับผูปวยที่พบในคลินิกหรือไม

• ผลการศึกษามีผลตอการเปลี่ยนแปลงในเวชปฏิบัติหรือไม เชน ใชหรือไมใชการรักษาอยางใดอยางหนึ่ง

• ผลการศึกษามีประโยชนในการใหคําปรึกษาผูปวยในคลินิกหรือไม

PROGNOSIS WORKSHEET: by Sackett(13) (1996) Citation: ………………………………………………………………………………………………… Are the results of this prognosis study valid?

1. Was a defined, representative sample of patients assembled at a

common (usually early) point in the course of their disease?

2. Was patient follow-up sufficiently long and complete?

3. Were objective outcome criteria applied in a “blind” fashion?

4. If subgroups with different prognoses are identified, was there

adjustment for important prognostic factors?

5. Was there validation in an independent group (“test-set”) of patients?

Are the valid results of this prognosis study important?

1. How likely are the outcomes over time?

2. How precise are the prognostic estimates?

Can you apply this valid, important evidence about prognosis in caring for your patient?

1. Were the study patients similar to your own?

2. Will this evidence make a clinically important impact on your

conclusions about what to offer or tell your patient?

 

83

ธรรมชาติของโรค...คัดกรอง...พยากรณ

If you want to calculate a Confidence Interval around the measure of Prognosis: Clinical Measure Standard Error (SE) Typical calculation of CI

Proportion (as in the rate of some prognostic event, etc) where: the number of patients = n the proportion of these patients who experience the event = p

√ {p x (1-p) / n} where p is proportion and n is number of patients

If p = 24/60 = 0.4 (or 40%) & n=60

SE=√{0.4 x (1-0.4) / 60} = 0.063 (or 6.3%) 95% CI is 40% +/- 1.96 x 6.3% or 27.6% to 52.4%

n from your evidence:_______ p from your evidence: ______

√ {p x (1-p) / n}; (p=proportion, n=number of patients

Your calculation: SE: ______95% CI: _______

เอกสารอางอิง 1. Ganem D, Prince AM. Hepatitis B Virus infection-natural history and clinical consequences. N Engl J Med

2004;350:1118-29. 2. Ball CH, Howard TJ. Natural history of intraductal papillary mucinous neoplasia: How much do we really

know?. World J Gastrointest Surg 2010;2:368-72. 3. Pound CR, Partin AW, Eisenberger MA, Chan DW, Pearson JD, Walsh PC. Natural History of Progression

After PSA Elevation Following Radical Prostatectomy. JAMA 1999;281:1591-7. 4. Gracie WA, Ransohoff DF. The natural history of silent gallstones-the innocent gallstone is not a myth. N

Engl J Med 1982;307:798-800. 5. Hill AB. The Environment and disease: association or causation? Proc R Soc Med. 1965 May;58:295-300. 6. บัณฑิต ถิ่นคํารพ. การวิเคราะหขอมูลการวิจัยทางวิทยาศาสตรสุขภาพโดยใชการถดถอยลอจีสติก (Analysis of

data in health science research using logistic regression). เอกสารตําราประกอบการเรียนวิชาสถิติ คณะสาธารณสุขศาสตร มหาวิทยาลัยขอนแกน; 2543.

7. Morton RF, Hebal JR, McCarter RJ. Survival analysis. In: Morton RF, Hebal JR, McCarter RJ, eds. A study guide to epidemiology and biostatistics 5th ed. Sudbury MA: Jones and Bartlett;2005:129-36.

8. Jager KJ, van Dijk PC, Zoccali C, Dekker FW. The analysis of survival data: the Kaplan-Meier method. Kidney Int. 2008 Sep;74(5):560-5.

9. Bland JM, Altman DG. Survival probabilities (the Kaplan-Meier method). Bmj. 1998 Dec 5;317(7172):1572. 10. Feinstein AR, Sosin DM, Wells CK. The Will Rogers phenomenon. Stage migration and new diagnostic

techniques as a source of misleading statistics for survival in cancer. N Engl J Med. 1985 Jun 20;312(25):1604-8.

11. Spruance SL, Reid JE, Grace M, Samore M. Hazard ratio in clinical trials. Antimicrob Agents Chemother. 2004 Aug;48(8):2787-92.

12. Ellenberg JH, Nelson KB. Sample selection and the natural history of disease. Studies of febrile seizures. JAMA. 1980 Apr 4;243(13):1337-40.

13. Sackett DL, Rosenberg WM, Gray JA, Haynes RB, Richardson WS. Evidence based medicine: what it is and what it isn't. 1996. Clin Orthop Relat Res. 2007 Feb;455:3-5.

14. Gordis L. Epidemiology. 3rd ed. WA 105 G661e : Elsevier; 2004.