Untitled Document
 
 
 
 
Untitled Document
Home
Current issue
Past issues
Topic collections
Search
e-journal Editor page

ความถูกต้องของการตรวจวินิจฉัยใหม่ เมื่อไม่มีวิธีวินิจฉัยมาตรฐาน

ยุพา ถาวรพิทักษ์ 1, อรุณ จิรวัฒน์กุล 2




  การวินิจฉัยว่าผู้ป่วยเป็นโรคใดโรคหนึ่งที่สงสัยนั้นแพทย์จะใช้วิธีตรวจวินิจฉัยมาตรฐาน (gold standard) มาวินิจฉัย กรณีบางโรคยังไม่มีวิธีการวินิจฉัยที่เป็นมาตรฐานหรือมีวิธีตรวจวินิจฉัยมาตรฐานแต่มีค่าใช้จ่ายสูง ประกอบกับมีศาสตร์ความรู้ใหม่เกิดขึ้นหรือต้องการนำไปใช้เสริมการทำงาน เช่น ในการตรวจคัดกรองโรค ดังนั้นจึงได้สร้างวิธีการตรวจวินิจฉัยใหม่ (new diagnostic test) ขึ้นมา ก่อนที่จะนำวิธีใหม่ไปใช้จะต้องตรวจคุณสมบัติของการวินิจฉัย โดยการนำผลการวินิจฉัยใหม่ไปเปรียบเทียบกับการเป็นโรคซึ่งจะทราบจากผลการตรวจวินิจฉัยมาตรฐาน แล้วดูว่าวิธีตรวจวินิจฉัยใหม่มีความถูกต้องมากเพียงใด ความถูกต้องมีสองประเภทคือ ความไวหรือความถูกต้องของผลบวก (sensitivity หรือ true positive) และความจำเพาะหรือความถูกต้องของผลลบ (specificity หรือ true negative)
     กรณีที่ไม่มีวิธีตรวจวินิจฉัยมาตรฐานทำให้ไม่ ทราบว่าคนไข้เป็นโรคหรือไม่ ดังนั้นจึงไม่สามารถหาความไวและความจำเพาะได้ โรคที่ไม่มีการวินิจฉัยมาตรฐานมักจะมีการตรวจวินิจฉัยหลายวิธี แต่ละวิธีให้ผลที่ สอดคล้องกันมากบ้างน้อยบ้างแตกต่างกันและจะไม่สามารถใช้วิธีใดวิธีหนึ่งเพียงวิธีเดียวระบุการเป็นโรคได้ บทความนี้จะกล่าวถึงการหาความไวและความจำเพาะเมื่อไม่มี วิธีวินิจฉัยมาตรฐาน 3 วิธี คือ วิธี discrepant resolution (DR) วิธี composite reference standard (CRS) และวิธี latent class analysis (LCA) สองวิธีแรกเป็นการใช้ผลการวินิจฉัยที่มีอยู่หลายวิธีมาช่วยในการระบุว่าคนไข้เป็นโรคหรือไม่ ส่วนวิธีสุดท้ายเป็นการอาศัยตัวแบบทางคณิตศาสตร์ และข้อมูลที่ได้จากการตรวจวินิจฉัยหลายวิธีมาประมาณค่าความไวและความจำเพาะ


บทนำ
      การวินิจฉัยว่าผู้ป่วยเป็นโรคใดโรคหนึ่งที่สงสัยนั้นแพทย์จะใช้วิธีตรวจวินิจฉัยมาตรฐาน (gold standard) มาวินิจฉัย กรณีบางโรคยังไม่มีวิธีการวินิจฉัยที่เป็นมาตรฐานหรือมีวิธีตรวจวินิจฉัยมาตรฐานแต่มีค่าใช้จ่ายสูง ประกอบกับมีศาสตร์ความรู้ใหม่เกิดขึ้นหรือต้องการนำไปใช้เสริมการทำงาน เช่น ในการตรวจคัดกรองโรค ดังนั้นจึงได้สร้างวิธีการตรวจวินิจฉัยใหม่ (new diagnostic test) ขึ้นมา ก่อนที่จะนำวิธีใหม่ไปใช้จะต้องตรวจคุณสมบัติของการวินิจฉัย โดยการนำผลการวินิจฉัยใหม่ไปเปรียบเทียบกับการเป็นโรคซึ่งจะทราบจากผลการตรวจวินิจฉัยมาตรฐาน แล้วดูว่าวิธีตรวจวินิจฉัยใหม่มีความถูกต้องมากเพียงใด ความถูกต้องมีสองประเภทคือ ความไวหรือความถูกต้องของผลบวก (sensitivity หรือ true positive) และความจำเพาะหรือความถูกต้องของผลลบ (specificity หรือ true negative)
      กรณีที่ไม่มีวิธีตรวจวินิจฉัยมาตรฐานทำให้ไม่ ทราบว่าคนไข้เป็นโรคหรือไม่ ดังนั้นจึงไม่สามารถหาความไวและความจำเพาะได้ โรคที่ไม่มีการวินิจฉัยมาตรฐานมักจะมีการตรวจวินิจฉัยหลายวิธี แต่ละวิธีให้ผลที่ สอดคล้องกันมากบ้างน้อยบ้างแตกต่างกันและจะไม่สามารถใช้วิธีใดวิธีหนึ่งเพียงวิธีเดียวระบุการเป็นโรคได้ บทความนี้จะกล่าวถึงการหาความไวและความจำเพาะเมื่อไม่มี วิธีวินิจฉัยมาตรฐาน 3 วิธี คือ วิธี discrepant resolution (DR) วิธี composite reference standard (CRS) และวิธี latent class analysis (LCA) สองวิธีแรกเป็นการใช้ผลการวินิจฉัยที่มีอยู่หลายวิธีมาช่วยในการระบุว่าคนไข้เป็นโรคหรือไม่ ส่วนวิธีสุดท้ายเป็นการอาศัยตัวแบบทางคณิตศาสตร์ และข้อมูลที่ได้จากการตรวจวินิจฉัยหลายวิธีมาประมาณค่าความไวและความจำเพาะ

ความไว และความจำเพาะ: ความหมายและการคำนวณ
      ความไวและความจำเพาะเป็นค่าที่บอกความถูกต้องของวิธีตรวจวินิจฉัยใหม่ ผลการวินิจฉัยเป็นได้สองอย่างคือผลบวกหมายถึงเป็นโรค หรือ ผลลบหมายถึงไม่เป็นโรค ความไวคือความถูกต้องของผลบวก หมายความว่าผลการวินิจฉัยใหม่ ระบุว่าเป็นโรคโดยที่ คนไข้นั้นเป็นโรคจริง ส่วนความจำเพาะเป็นความถูกต้องของผลลบ หมายถึงผลการวินิจฉัยใหม่ ระบุว่าไม่เป็นโรคและความเป็นจริงคนไข้ไม่เป็นโรค โดยปกติ ค่าทั้งสองแสดงอยู่ ในรูปของร้อยละ เช่น ความไวร้อยละ 90 หมายความว่า ใน 100 คนที่เป็นโรค วิธีตรวจวินิจฉัยใหม่ให้ผลบวกคือวินิจฉัยได้ถูกต้อง 90 คน ความจำเพาะร้อยละ 80 หมายความว่าใน 100 คนที่ไม่เป็นโรควิธีตรวจวินิจฉัยใหม่วินิจฉัยได้ถูกต้อง 80 คน คนไข้ ทุกคนจะได้รับการตรวจวินิจฉัยทั้งสองวิธี เปรียบเทียบผลการวินิจฉัยใหม่ ว่าตรงกับวิธีวินิจฉัย มาตรฐานซึ่งเป็นวิธีที่ระบุว่าเป็นโรคหรือไม่ ตารางที่ 1 เป็นผลการตรวจวินิจฉัยวิธี ใหม่กับวิธีมาตรฐานของคนไข้จำนวน n คน n++ หมายถึง จำนวนคนไข้ที่มีผลบวกจากการตรวจวินิจฉัยใหม่และมีผลบวกจากการตรวจวินิจฉัยมาตรฐานซึ่งหมายถึงว่าเป็นโรค ส่วน n+- หมายถึง จำนวนคนไข้ที่มีผลบวกจากการตรวจวินิจฉัยใหม่และไม่เป็นโรค
 
ตารางที่ 1. ผลการวินิจฉัยการเป็นโรคด้วยวิธีตรวจวินิจฉัยใหม่และวิธีวินิจฉัยมาตรฐาน 
 

คำนวณค่าได้ดังนี้ ความไว = n++ / (n++ + n-+) 
                   ความจำเพาะ = n-- / (n-- + n+-)
 
Discrepant resolution (DR)
     DR มีแนวคิดดังนี้ ใช้การตรวจวินิจฉัยเดิมที่มีใช้อยู่สองวิธีเป็นฐาน เรียกวิธีเดิมว่าเป็นวิธีวินิจฉัยอ้างอิง (reference test) ผลจากการตรวจวินิจฉัยวิธีใหม่จะถูกเปรียบเทียบ กับวิธีวินิจฉัยอ้างอิงทั้งสองโดยจะทำ การตรวจวินิจฉัยสองขั้น ขั้นแรกคนไข้ ทุกคนจะได้ รับการตรวจด้วยวิธีตรวจวินิจฉัยใหม่ และวิธีการตรวจวินิจฉัยอ้างอิงที่ 1 ในขั้นที่สองจะทำการตรวจวินิจฉัยด้วยวิธีการตรวจวินิจฉัยอ้างอิงที่ 2 (reference test 2 หรือ resolver) เฉพาะคนไข้ที่มีผลการวินิจฉัยแตกต่างกันในขั้นแรก รวมการวินิจฉัยทั้งสองขั้นเป็นข้อสรุปการเป็นโรค นำข้อสรุปที่ได้ไปคำนวณหาความไวและความจำเพาะของวิธีการวินิจฉัยใหม่ ตารางที่ 2 เป็นการวินิจฉัยขั้นแรก คนไข้ที่มีผลแตกต่างกันในขั้นแรก คือ n+- และ n+- จะถูกตรวจด้วย วิธี การตรวจวินิจฉัยอ้างอิง 2 ได้ผลตามตารางที่ 3 เมื่อรวมผลการทดสอบทั้งสองขั้นจะได้ผลตามตารางที่ 4

ตารางที่ 2. การวินิจฉัยวิธี DR ขั้นที่ 1

 

ตารางที่ 3. การวินิจฉัยวิธี DR ขั้นที่ 2
 

ตารางที่ 4. การวินิจฉัยวิธี DR ทั้งสองขั้น

 

ความไว = ( n++ + nn+- +) / (n++ + n+- + + n-++)
ความจำเพาะ = ( n-- + n -+-) / (n-- + n-+- + n+--)

ตัวอย่างการหาความไวและความจำเพาะของวิธี EIA (enzyme immunoassay) เพื่อตรวจหาเชื้อ Chlamydia trachomitris วิธีตรวจวินิจฉัยอ้างอิง 1 คือการเพาะเชื้อ (cell culture) วิธีตรวจวินิจฉัยอ้างอิง 2 คือ PCR (polymerase chain reaction) ผลการทดสอบตามตารางที่ 5

ตารางที่ 5. การวินิจฉัยวิธี DR เพื่อตรวจหาเชื้อ Chla¬my¬dia trachomitris


ความไว = ( 20 + 4) / (20 + 4 + 2 ) = 0.923
ความจำเพาะ = (294 +1 ) / (3+294+1) = 0.990

     จะเห็นได้ว่าวิธีนี้ วิธีตรวจวินิจฉัยใหม่มีส่วนในการตัดสินการเป็นโรคด้วย คือ ถ้าการวินิจฉัยให้ผลบวกสองในสามวิธีจะถูกจัดให้อยู่ในสดมภ์แรกของตารางที่ 4 ซึ่งจะถือว่าเป็นโรค ทั้งที่ความเป็นจริงคนไข้อาจไม่เป็นโรค เพียงแต่มีผลการทดสอบพ้องกัน (agreement) เท่านั้น ดังนั้นความไวและความจำเพาะโดยวิธีนี้จะมีค่าสูงกว่าความเป็นจริง ความไวจะมีค่าสูงมากขึ้นเมื่อความชุกมีค่าต่ำกว่าร้อยละ 10 ค่าความจำเพาะมีค่าสูงมากเมื่อความชุกมีค่าสูงกว่าร้อยละ 90 (Miller, 1998) และจะมีค่าสูงกว่าความเป็นจริงมากยิ่งขึ้นถ้าวิธีตรวจวินิจฉัยใหม่ให้ผลการวินิจฉัยที่ไม่เป็นอิสระกับวิธีการวินิจฉัยอ้างอิง 2 (McAdam,2000)


Composit reference standard (CRS)
     CRS มีหลักการ คือจะใช้ วิธีตรวจวินิจฉัยที่มีอยู่ หลายวิธีเข้าด้วยกันเพื่อทำให้มีความน่าเชื่อถือมากขึ้น โดยใช้การตรวจวินิจฉัยเดิมเป็นฐานและมีการตรวจสองขั้นเหมือนกับวิธี DR แต่ต่างกันที่วิธีนี้ การตรวจวินิจฉัยวิธี ใหม่ไม่มีส่วนในการตัดสินการเป็นโรค คนไข้ที่ถูกตัดสินว่าเป็นโรคคือคนไข้ที่มีผลบวกจากวิธีการวินิจฉัยอ้างอิงวิธีใดวิธีหนึ่ง ดังนั้น คนไข้ที่จะตรวจในขั้นที่สอง คือคนไข้ที่มีผลลบจากวิธีการตรวจวินิจฉัยอ้างอิงที่ 1 ซึ่งก็คือ n+- และ n-- ในตารางที่ 6 ผลการตรวจขั้นที่ 2 ได้ตามตารางที่ 7 รวมผลการทดสอบทั้งสองขั้นได้ตารางที่ 8

ตารางที่ 6.  การวินิจฉัยวิธี CRS ขั้นที่ 1

 

ตารางที่ 7. การวินิจฉัยวิธี CRS ขั้นที่ 2

ตารางที่ 8. การวินิจฉัยวิธี CRS ทั้งสองขั้น


 ความไว = ( n++ + n+- +) / (n++ + n+- + + n-+ + n--+)
 ความจำเพาะ = ( n--- ) / (n--- + n+-- )

ตัวอย่าง ตัวอย่างการหาความไวและความจำเพาะของวิธี EIA (enzyme immunoassay) เพื่อตรวจหาเชื้อ Chlamydia trachomitris วิธีวินิจฉัย 1 คือการเพาะเชื้อ (cell culture) วิธีวินิจฉัย 2 คือ PCR (polymerase chain reaction) ผลการทดสอบตามตารางที่ 9

ตารางที่ 9. การวินิจฉัยวิธี CRS เพื่อตรวจหาเชื้อ Chla¬mydia trachomitris

ความไว = ( 20 + 4) / (20 + 4 + 3+ 2 ) = 0.828
ความจำเพาะ = (292 ) / (3+292) = 0.990

      คนไข้ที่จะทดสอบในขั้นที่สองของวิธี CRS คือคนไข้ที่ ได้ผลลบจากวิธีการวินิจฉัย 1 ในขั้นที่หนึ่ง ซึ่งจะมี จำนวนมากกว่าคนไข้ในการทดสอบขั้นที่สองโดยวิธี DR ทำให้สิ้นเปลืองค่าจ่าย วิธีที่จะช่วยลดค่าใช้จ่ายคือสุ่มบางส่วนมาทดสอบและประมาณค่าจำนวนคนไข้ในขั้นที่สองที่มีผลบวกหรือผลลบ แล้วคำนวณหาค่าความไวและความจำเพาะในทำนองเดียวกันกับไม่ได้ สุ่มตัวอย่าง

Latent class analysis (LCA)
      LCA เป็นวิธีการทางสถิติที่จำแนกสิ่งของหรือคนออกเป็นกลุ่ม (class) ซึ่งจะมีสองกลุ่มหรือมากกว่าสองกลุ่มก็ได้ มีหลักการคือสร้างตัวแบบพาราเมตริก (parametric model) ของความน่าจะเป็นของตัวแปรเชิงพหุอื่นๆ (mani¬fest variable) ซึ่งไม่ใช่ตัวแปรจำแนกกลุ่ม (latent variables) และใช้ข้อมูลตัวแปรเชิงพหุที่สังเกตได้จากตัวอย่าง มาประมาณค่าพารามิ¬เตอร์ของตัวแบบและใช้ในการพิจารณาจัดคนหรือสิ่งของเข้ากลุ่ม
      การนำ LCA มาใช้เพื่อประมาณค่าความไวและความจำเพาะของการตรวจวินิจฉัยใหม่ มีหลักการดังนี้ จำแนกคนไข้เป็นสองกลุ่มคือเป็นหรือไม่เป็นโรค คนไข้จะได้รับการตรวจวินิจฉัยทุกวิธี (ต้องมีไม่น้อยกว่า 3 วิธี) สร้างตัวแบบของความน่าจะเป็นของการผลการวินิจฉัยทุกวิธีโดยมีข้อตกลงเบื้องต้นของความเป็น
อิสระแบบมี เงื่อนไข (conditional หรือ locally independence) ซึ่งหมายความว่าคนไข้ที่อยู่ในกลุ่มเดียวกัน (เช่น เป็นโรค) จะมีผลการวินิจฉัยแต่ละวิธีเป็นอิสระต่อกัน จากตัวแบบจะประมาณค่าความชุก ความจำเพาะและความไวของการวินิจฉัยแต่ละวิธีได้ด้วยการประมาณค่าแบบภาวะน่าจะเป็นสูงสุด (maximum likeli¬hood estimation)

 ตัวแบบและวิธีการประมาณค่ามีรายละเอียดดังนี้
1. สร้างตัวแบบความน่าจะเป็นของผลการวินิจฉัยทุกวิธี
 X เป็นตัวแปรจำแนกกลุ่ม ค่า 1 หมายถึง เป็นโรคและค่า 2 หมายถึงไม่เป็นโรค
 Y เป็นตัวแปรเชิงพหุแสดงผลการตรวจของวิธีการตรวจวินิจฉัย k วิธี โดยที่ k มีค่าไม่น้อยกว่า 3

  Y = (Y1, Y2 , … , Yk)
  Yi เป็นผลการตรวจวินิจฉัยวิธี i

   โดยค่า 1 หมายถึงให้ผลการวินิจฉัยเป็นบวกและค่า 2 หมายถึงให้ผลการวินิจฉัยเป็นลบ
P(Y=y) คือความน่าจะเป็นของผลการวินิจฉัย

   เขียนเป็นตัวแบบได้ดังนี้
P(Y=y) = P(X=1) P(Y=y | X=1) + P(X=2)
P(Y=y | X=2) ……………( สมการ 1)

2. เขียนตัวแบบภายใต้ข้อตกลงเบื้องต้นของความเป็นอิสระแบบมีเงื่อนไข
 ความเป็นอิสระแบบมีเงื่อนไขหมายความว่า ถ้าคนไข้เป็นโรค คือ X=1 ผลการวินิจฉัยแต่ละวิธีเป็นอิสระต่อกัน ซึ่งจะได้ว่า

P(Y=y | X=1) = P(Y1 = y1 | X = 1) . P (Y2 = y2 | X = 1) … P(Yk = yk | X = 1)
หรือ =   P(Yi = yi | X = 1) 

ในทางกลับกันในกลุ่มที่ไม่เป็นโรคจะได้ว่า
P(Y=y | X=2) =   P(Yi = yi | X = 2) 
เขียนสมการที่ 1 ใหม่ได้ดังนี้

P(Y=y) = P(X=1)  P(Yi = yi | X=1) + P(X=2)  P(Yi = yi | X=2) ………..(สมการ 2)

     โดยที่ P(X=1) คือความน่าจะเป็นของการเป็นโรค ซึ่งก็คือความชุก (prevalence)
 P(X=2) คือความน่าจะเป็นของการไม่เป็นโรค = 1 – P(X = 1)
 P(Yi = 1 | X=1) คือความน่าจะเป็นที่การวินิจฉัยที่ i จะให้ผลบวกเมื่อคนไข้เป็นโรค
 ซึ่งคือความไวของวิธีตรวจวินิจฉัยที่ i
 P(Yi = 2 | X=1) = 1 - P(Yi = 1 | X=1) = 1 - ความไวของวิธีตรวจวินิจฉัยที่ i
 P(Yi = 2 | X=2) คือความน่าจะเป็นที่การวินิจฉัยที่ i จะให้ผลลบเมื่อคนไข้ไม่เป็นโรค
 ซึ่งคือความจำเพาะของวิธีตรวจวินิจฉัยที่ i
 P(Yi = 1 | X=2) = 1 - P(Yi = 2 | X=2) = 1 - ความจำเพาะของวิธีตรวจวินิจฉัยที่ i
     จะเห็นได้ว่าสมการที่ 2 เป็นตัวแบบของความน่าจะเป็นของผลการวินิจฉัย ที่เขียนอยู่ในรูปของความชุก ความไวและความจำเพาะของวิธีตรวจวินิจฉัยทุกวิธี ซึ่งเป็นค่าที่ไม่ทราบและจะทำการประมาณค่า

3. ประมาณค่าความชุก ความไวและความจำเพาะด้วยวิธีภาวะความน่าจะเป็นสูงสุด สมการ 2 เรียกว่าเป็น Likelihood Function ค่าประมาณของความชุก ความไวและความจำเพาะตามวิธี ภาวะความน่าจะเป็นสูงสุดเป็นค่าประมาณที่ทำให้ ฟังก์ชั่นภาวะความน่าจะเป็นมีค่าสูงสุด ซึ่งจะได้จากการหาอนุ พันธุ์ของสมการ 2 เทียบกับความชุก ความไว และความจำเพาะ และกำหนดให้เท่ากับศูนย์ แล้วแก้สมการหาตัวประมาณค่า (estimator) ของความชุก ความไว และความจำเพาะ ตัวประมาณค่านี้จะอยู่ในรูปของฟังก์ชั่นของค่าสังเกตที่ได้จากตัวอย่าง เมื่อแทนค่าที่ทราบลงไปในสมการจะทำให้ได้ค่าประมาณ แต่เนื่องจากความซับซ้อนของตัวแบบ ทำให้ไม่สามารถหารูปแบบฟังก์ชั่นซึ่งเป็นสูตรที่ใช้ในการประมาณค่าที่ต้องการได้ ดังนั้นจึงต้องหาค่าประมาณโดยใช้คอมพิวเตอร์ ด้วยโปรแกรมสำเร็จ เช่น LEM, MLLSA, Latent GOLD, Mplus ลักษณะข้อมูลที่จะนำเข้าเพื่อใช้ในการวิเคราะห์ด้วยโปรแกรมสำเร็จอาจจะเป็นสักษณะข้อมูลของคนไข้แต่ละคนหรือเป็นตารางความถี่ของแต่ละ combi¬na¬tion ของผลการวินิจฉัย ตารางที่ 10 แสดงข้อมูลการวินิจฉัย 3 วิธี แบบข้อมูลของแต่ละบุคคล(ก) หรือแบบตารางความถี่ (ข) โปรแกรมจะประมวลผลและแสดงค่าประมาณเช่น ตารางที่ 11 แสดงผลจากโปรแกรม Mplus

ตารางที่ 10. ลักษณะข้อมูลจากการวินิจฉัยการ 3 วิธี


     จากตาราง อ่านผลได้ดังนี้ ความชุกร้อยละ 62 วิธีตรวจวินิจฉัย 1 มีความไวร้อยละ 96 และความจำเพาะร้อยละ77 วิธีตรวจวินิจฉัย 2 มีความไวร้อยละ74 และความจำเพาะร้อยละ 96 วิธีตรวจวินิจฉัย 3 มีความไวร้อยละ 92 และความจำเพาะร้อยละ 76  

ตารางที่ 11. ผลจากโปรแกรมสำเร็จ Mplus ของข้อมูล



    
     วิธี LCA จะมีความแตกต่างจากวีธี DR และ CRS คือก่อนที่จะทำการวิเคราะห์ ไม่จำเป็นจะต้องทราบว่าคนไข้นั้นเป็นโรคหรือไม่ แต่จะนำผลการวินิจฉัยวิธีต่างๆ มาวิเคราะห์ หาความน่าจะเป็นแบบมีเงื่อนไขของการเป็นโรคและการไม่เป็นโรค แล้วนำมาเปรียบเทียบกัน หากความน่าจะเป็นแบบมีเงื่อนไขของการเป็นโรคมากกว่า จะถือว่าคนไข้เป็นโรค นอกจากนั้นวิธี LCA ยังมีข้อตกลงเบื้องต้นว่าคนไข้ที่เป็นโรคจะมีผลการทดสอบแต่ละวิธีเป็นอิสระต่อกัน ซึ่งในความเป็นจริงการทดสอบแต่ละวิธีอาจมีความสัมพันธ์กันได้ Alonzo และ Pepe(1999) ได้แสดงให้เห็นว่าถ้าไม่เป็นไปตามข้อตกลงเบื้องต้นค่าประมาณที่ได้จะมีค่ามากขึ้น

สรุป
     การหาความไวและความจำเพาะของการทดสอบเพื่อวินิจฉัยโรควิธีใหม่ในกรณีที่ไม่มีวิธีวินิจฉัยที่เป็นมาตรฐาน 3 วิธี วิธี DR เป็นวิธีที่ไม่เหมาะสมเนื่องจากวิธีการทดสอบใหม่ที่กำลังจะหาสมรรถนะนั้นมีส่วนในการตัดสินการเป็นโรค สำหรับวิธี LCA ไม่ค่อยนิยมใช้เนื่องจาก สถานการณ์จริงส่วนใหญ่ไม่เป็นตามข้อตกลงเบื้องต้น รวมทั้งมีวิธี การวิเคราะห์ที่ซับซ้อนเข้าใจยาก โปรแกรมการวิเคราะห์อยู่ในวงจำกัดไม่แพร่หลาย วิธี CRS น่าจะเป็นวิธีที่นิยมมากกว่าเนื่องจากมีความสะดวกและเป็นการรวมวิธีตรวจวินิจฉัยที่มีอยู่หลายวิธีเพื่อทำให้มี ความน่าเชื่อถือมากขึ้น

เอกสารอ้างอิง
 1. Alonzo TA, Pepe MS. Using a combination of reference tests to assess the accuracy of new diagnostics test. Stat Med 1999:18;2987-3003.
 2. McAdam AJ. Discrepant analysis:how can we test a test?  J Clin Microbiol 2000;38:2027-9.
 3. Miller, WC. Bias in discrepant analysis :when two wrongs don’t make a right. J Clin Epidemol 1998;51:219-31.
 4. LCA Frequency Asked Questions(FAQ). 2004, ค้นข้อมูลวันที่ 13 กันยายน 2547.
http://ourworld.compuserve.com/homepages/jsuebersax/faq.html
 5. LCA Software.2001, ค้นข้อมูลวันที่ 24 ธันวาคม 2547. http://ourworld.compuserve.com/jsuebersax/ oft.html
 6. Latent Class Analysis. 2004, ค้นข้อมูลวันที่ 13 กันยายน 2547.
http://www2.chass.ncsu.edu/ arson/pa765/latclass.html
5. Mplus demo version 3.11, ค้นข้อมูลวันที่ 27 มกราคม 2548.
http://www.statmodel.com/ mplus/demo.html
 

 

 

Untitled Document
Article Location
Volume 1 Number 1

Untitled Document
Article Option
       Abstract
       Fulltext
       PDF File
Untitled Document
 
ทำหน้าที่ ดึง Collection ที่เกี่ยวข้อง แสดง บทความ ตามที่ีมีใน collection ที่มีใน list Untitled Document
Another articles
in this topic collection

Writing discussion in research report (การเขียนอภิปรายผลในรายงานวิจัย)
 
LOT QUALITY ASSURANCE SAMPLING FOR QUALITY CONTROL IN HOSPITAL (การสุ่มตัวอยางเพื่อการยอมรับเพื่อการควบคุมคุณภาพงานในโรงพยาบาล)
 
RevMan โปรแกรมช่วยงานทบทวนวรรณกรรมอย่างเป็นระบบ
 
การวิเคราะห์โดยใช้หลักการ Principle of intention-to-treat analysis (ITT) ในการทดลองทางคลินิก
 
<More>
Untitled Document
 
This article is under
this collection.

Research methodology
 
 
 
 
Copyright © 2006. Data Management & Biostatistics Journal.. All Rights Reserved
 
 
 
 

 


Warning: Unknown: Your script possibly relies on a session side-effect which existed until PHP 4.2.3. Please be advised that the session extension does not consider global variables as a source of data, unless register_globals is enabled. You can disable this functionality and this warning by setting session.bug_compat_42 or session.bug_compat_warn to off, respectively in Unknown on line 0