เครื่องคิดเลขฟรีของ Editverse
เครื่องคำนวณดัชนีความเปราะบาง (ความแข็งแกร่งของ RCT)
ทดสอบความแข็งแกร่งของผลการทดลองที่มีนัยสำคัญทางสถิติ (ดัชนีความเปราะบางจะนับจำนวนเหตุการณ์ผลลัพธ์ที่ต้องเปลี่ยนแปลงเพื่อให้สูญเสียนัยสำคัญ) ด้วยคำสั่ง R ที่อยู่เบื้องหลังผลลัพธ์นั้น คู่มือฉบับเต็มอยู่ด้านล่าง ตรวจสอบความถูกต้องแล้วกับ R เวอร์ชัน 4.3.3
ในคำง่ายๆ
ดัชนีความเปราะบางตั้งคำถามง่ายๆ เกี่ยวกับผลลัพธ์ของการทดลอง 2×2 ที่สำคัญว่า จะต้องมีผู้ป่วยในกลุ่มทดลองกลุ่มใดกลุ่มหนึ่งกี่คนที่ผลลัพธ์เปลี่ยนไป (จากไม่มีเหตุการณ์เกิดขึ้นเป็นมีเหตุการณ์เกิดขึ้น) เพื่อให้ค่า p-value เปลี่ยนจากต่ำกว่า 0.05 ไปเป็นเท่ากับหรือสูงกว่า 0.05? จำนวนน้อยหมายความว่าผลลัพธ์ขึ้นอยู่กับเหตุการณ์เพียงไม่กี่เหตุการณ์เท่านั้น
ดัชนีความเปราะบางที่ 1 หรือ 2 บ่งชี้ว่าผลลัพธ์นั้น แม้จะมีนัยสำคัญทางสถิติ แต่ก็อาจถูกพลิกกลับได้ง่ายด้วยผลลัพธ์ที่แตกต่างกันเพียงไม่กี่อย่าง โดยเฉพาะอย่างยิ่งหากมีผู้ป่วยที่ติดตามผลไม่ได้มากกว่าค่าดัชนีเอง ดัชนีที่สูงกว่าแสดงถึงข้อค้นพบที่แข็งแกร่งกว่า ดัชนีนี้ใช้เสริมค่า p-value ไม่ได้ใช้แทนที่ค่า p-value
ควรใช้ดัชนีความเปราะบางเมื่อใด
ใช้ดัชนีความเปราะบางเพื่อประเมินความแข็งแกร่งของผลลัพธ์แบบไบนารีที่มีนัยสำคัญในการทดลองแบบสุ่ม โดยเฉพาะอย่างยิ่งเมื่อขนาดตัวอย่างเล็ก จำนวนเหตุการณ์ต่ำ หรือค่า p อยู่ต่ำกว่า 0.05 เล็กน้อย มีรายงานว่ามีการใช้ดัชนีนี้มากขึ้นเรื่อยๆ ในการทบทวนอย่างเป็นระบบเพื่อบ่งชี้หลักฐานที่เปราะบาง
ตีความว่าเป็นเพียงข้อมูลประกอบ ไม่ใช่คำตัดสิน: ดัชนีต่ำไม่ได้ทำให้การทดลองนั้นไม่ถูกต้อง และตัวชี้วัดนี้มีข้อจำกัดที่ทราบกันดีอยู่แล้ว รวมถึงการที่การทดลองมักถูกออกแบบมาให้มีประสิทธิภาพทางสถิติมากกว่าที่จะ "แข็งแกร่ง" ตามตัวชี้วัดนี้ อ่านควบคู่ไปกับค่า p-valueขนาดผลกระทบ และช่วงความเชื่อมั่นไม่แน่ใจว่าจะนำเสนอความแข็งแกร่งอย่างไร? ตัวเลือกการทดสอบ ของเรา สามารถช่วยได้
อีเอ <- {อีเอ}; นา <- {นา}; อีซี <- {อีซี}; nc <- {nc} fp <- function(x1, x0) fisher.test(matrix(c(x1, na - x1, x0, nc - x0), 2, byrow = TRUE))$p.value p0 <- fp(ea, ec); x1 <- อีเอ; x0 <- อีซี; fi <- 0 if (p0 < 0.05) ในขณะที่ (fp(x1, x0) < 0.05) { if (ea <= ec) x1 <- x1 + 1 อื่น x0 <- x0 + 1; fi <- fi + 1 } c(fisher_p = p0, fragility_index = if (p0 < 0.05) fi else NA)คู่มือผู้ใช้
ควรใช้เมื่อใดประเมินความน่าเชื่อถือของผลลัพธ์จากการทดลองแบบสุ่มที่มีนัยสำคัญทางสถิติ
ข้อสมมติฐานผลลัพธ์แบบไบนารี 2×2 จากการทดลองแบบสุ่ม
ข้อผิดพลาดที่พบบ่อยดัชนีความเปราะบางต่ำไม่ได้หมายความว่าการทดลองนั้นเป็นโมฆะเสมอไป
ตัวอย่างการทำงาน
คลิกที่ " โหลดข้อมูลตัวอย่าง"ด้านบน จากนั้นคลิก "เรียกใช้การวิเคราะห์"เพื่อดูผลลัพธ์ที่สมบูรณ์พร้อมรูปภาพ สูตร และคำอธิบายสำหรับการทดสอบนี้
อ้างอิง
- Walsh M และคณะ ความสำคัญทางสถิติของผลการทดลองแบบสุ่มที่มีการควบคุมมักเปราะบาง J Clin Epidemiol. 2014;67:622-628
ตัวอย่างผลงาน
ตัวอย่างที่ 1: ผลลัพธ์ที่เปราะบาง
ผลการทดลองรายงานว่ามีเหตุการณ์เกิดขึ้น 8/50 ครั้งในกลุ่มทดลอง เทียบกับ 21/50 ครั้งในกลุ่มควบคุม (การทดสอบ Fisher's exact แบบสองด้าน ค่า p = .008) เมื่อแปลงเหตุการณ์ที่ไม่เกิดขึ้นให้เป็นเหตุการณ์ที่เกิดขึ้นในกลุ่มทดลอง ค่า p ยังคงต่ำกว่า 0.05 ที่ 9/50 (p = .016) และ 10/50 (p = .030) และสูงกว่า 0.05 ที่ 11/50 (p = .053): ดัชนีความเปราะบางเท่ากับ 3 ซึ่งบ่งชี้ว่าผลลัพธ์ขึ้นอยู่กับเหตุการณ์เพียงไม่กี่เหตุการณ์ ตัวอย่างที่โหลดไว้ล่วงหน้า (8/50 เทียบกับ 15/50) ไม่มีความสำคัญทางสถิติ (p = .153) ดังนั้นเครื่องคำนวณจึงรายงานว่าดัชนีนี้ใช้ไม่ได้
ตัวอย่างที่ 2: ดัชนีเทียบกับการติดตามผลไม่ครบถ้วน
หากดัชนีความเปราะบางอยู่ที่ 3 แต่การทดลองมีผู้เข้าร่วมติดตามผลหายไป 10 คน ผลลัพธ์ก็จะยิ่งเปราะบางเป็นพิเศษ กล่าวคือ มีผู้ป่วยที่ติดตามผลไม่ได้มากกว่าจำนวนที่จำเป็นต่อการลบล้างข้อค้นพบ ซึ่งควรลดทอนความเชื่อมั่นในข้อสรุปลง
ข้อสมมติฐานที่ต้องตรวจสอบ
ผลลัพธ์แบบไบนารี 2×2 จากการทดลองแบบสุ่มควบคุม (RCT)ดัชนีความเปราะบางถูกกำหนดขึ้นสำหรับการทดลองแบบสองกลุ่มที่มีผลลัพธ์แบบทวิภาคซึ่งวิเคราะห์โดยการทดสอบ 2×2 ไม่ใช่สำหรับจุดสิ้นสุดแบบต่อเนื่องหรือแบบเวลาถึงเหตุการณ์
ผลลัพธ์ที่มีนัยสำคัญทางสถิติดัชนีมาตรฐานใช้กับผลลัพธ์ที่มีนัยสำคัญ ในขณะที่ดัชนีความเปราะบางแบบย้อนกลับจะพิจารณาผลลัพธ์ที่ไม่มีนัยสำคัญแยกต่างหาก
การใช้กลุ่มทดลองที่มีขนาดเท่ากันช่วยให้การตีความง่ายขึ้นดัชนีนี้มีความไวต่อขนาดของกลุ่มตัวอย่างและอัตราการเกิดเหตุการณ์ ดังนั้นจึงเปรียบเทียบได้ดีที่สุดระหว่างการทดลองที่มีขนาดและความสมดุลที่คล้ายคลึงกัน
ข้อผิดพลาดทั่วไป
ถือว่าดัชนีต่ำเป็นค่าที่ไม่ถูกต้อง
ดัชนีความเปราะบางที่ต่ำบ่งชี้ถึงความอ่อนไหว ไม่ใช่ข้อผิดพลาด การทดลองที่ออกแบบมาอย่างดีก็ยังสามารถมีดัชนีความเปราะบางที่ไม่สูงมากนักได้ เพราะตัวชี้วัดนั้นขึ้นอยู่กับบริบท ไม่ใช่คำตัดสิน
ไม่สนใจการติดตามผลที่ไม่ครบถ้วน
ดัชนีความเปราะบางที่ต่ำกว่าจำนวนผู้ที่ติดตามผลไม่ได้ถือเป็นสัญญาณเตือนที่สำคัญ ควรเปรียบเทียบทั้งสองค่าเสมอ
การนำไปใช้ภายนอกการทดลองแบบสุ่ม 2x2
ดัชนีนี้ถูกกำหนดขึ้นสำหรับผลลัพธ์แบบไบนารีในการทดลองแบบสองกลุ่ม การนำไปใช้กับผลลัพธ์แบบต่อเนื่องหรือผลลัพธ์ด้านการอยู่รอดถือเป็นการประยุกต์ใช้วิธีการที่ไม่ถูกต้อง
การลืมเรื่องนี้เกี่ยวข้องกับค่า p-value
เนื่องจากดัชนีนี้สร้างขึ้นโดยใช้เกณฑ์ 0.05 จึงมีข้อจำกัดของการทดสอบนัยสำคัญแบบสองทาง และควรพิจารณาข้อจำกัดนี้เมื่ออ่านดัชนี
คำถามที่พบบ่อย (FAQs)
ดัชนีความเปราะบางวัดอะไร?
เป็นจำนวนขั้นต่ำของเหตุการณ์ผลลัพธ์ที่ต้องเปลี่ยนแปลงในกลุ่มทดลองกลุ่มใดกลุ่มหนึ่ง เพื่อให้ผลลัพธ์ที่มีนัยสำคัญเปลี่ยนเป็นผลลัพธ์ที่ไม่มีนัยสำคัญ
ดัชนีความเปราะบางต่ำเป็นเรื่องไม่ดีหรือไม่?
นั่นแสดงให้เห็นว่าผลลัพธ์มีความอ่อนไหวต่อเหตุการณ์บางอย่าง ซึ่งต้องใช้ความระมัดระวัง แต่ไม่ได้หมายความว่าการทดลองนั้นผิดพลาดโดยตัวมันเอง
ดัชนีความเปราะบางแบบผกผันคืออะไร?
นี่คือการนับแบบเทียบเคียงสำหรับผลลัพธ์ที่ไม่สำคัญ: ต้องมีเหตุการณ์เปลี่ยนแปลงกี่ครั้งจึงจะทำให้ผลลัพธ์นั้นมีความสำคัญ
ผลลัพธ์ตรงกับค่า R หรือไม่?
ใช่แล้ว เครื่องคำนวณนี้ใช้การทดสอบ Fisher exact test แบบสองด้าน และแปลงเหตุการณ์ที่ไม่เกิดขึ้นให้เป็นเหตุการณ์ที่เกิดขึ้นทีละเหตุการณ์ ในกลุ่มที่มีเหตุการณ์เกิดขึ้นน้อยกว่า จนกว่าค่า p จะถึง 0.05 วิธีการ R ที่แสดงไว้จะสร้างจำนวนนับขึ้นมาใหม่
เครื่องคำนวณที่เกี่ยวข้อง
อ้างอิง
- Walsh M, Srinathan SK, McAuley DF, Mrkobrada M, Levine O และคณะ ความสำคัญทางสถิติของผลลัพธ์จากการทดลองแบบสุ่มที่มีกลุ่มควบคุมมักเปราะบาง: นี่คือเหตุผลที่ควรมีดัชนีความเปราะบาง J Clin Epidemiol. 2014;67(6):622–628. PMID 24508144
- Cote MP, Lubowitz JH, Rossi MJ, Matzkin E. ดัชนีความเปราะบางมักถูกตีความผิดและมีค่าต่ำ: การทดลองทางคลินิกถูกออกแบบมาให้มีความเปราะบางอยู่แล้ว Arthroscopy. 2024;40(12):2738–2741. PMID 39151709
- Feinstein AR. ดัชนีความเปราะบางของหน่วย: การประเมินเพิ่มเติมของ “นัยสำคัญทางสถิติ” สำหรับความแตกต่างของสัดส่วนสองแบบ J Clin Epidemiol. 1990;43(2):201–209.
ต้องการให้วิเคราะห์ข้อมูลนี้สำหรับต้นฉบับของคุณหรือไม่?
นักสถิติชีวภาพระดับปริญญาเอกของเราประเมินความน่าเชื่อถือของผลการทดลอง — ดัชนีความเปราะบาง การวิเคราะห์ความไว และขนาดผลกระทบพร้อมช่วงความเชื่อมั่น — ด้วยผลลัพธ์ R ที่สามารถทำซ้ำได้