เครื่องคิดเลขฟรีของ Editverse
เครื่องคำนวณตารางหลักฐาน GRADE
ดำเนินการตามกรอบ GRADE โดยใช้โดเมนการลดระดับ 5 ด้านและโดเมนการเพิ่มระดับ 2 ด้านสำหรับชุดหลักฐาน เพื่อให้ได้ระดับความแน่นอนที่โปร่งใสในระดับสูง/ปานกลาง/ต่ำ/ต่ำมาก — ด้วยแบบฟอร์มที่มีโครงสร้างซึ่งคุณสามารถปรับใช้กับการทบทวนอย่างเป็นระบบของคุณเองได้
ในคำง่ายๆ
GRADE ไม่ใช่สูตรคำนวณที่ให้ผลลัพธ์เป็นตัวเลขเพียงตัวเดียว แต่เป็นวิธีการที่เป็นระบบสำหรับทีมตรวจสอบในการให้เหตุผล ทั้งโดยการพูดออกมาดัง ๆ และเขียนลงบนกระดาษ เกี่ยวกับระดับความเชื่อมั่นที่ควรมีต่อหลักฐานที่อยู่เบื้องหลังผลลัพธ์เฉพาะอย่างใดอย่างหนึ่ง แทนที่จะประเมินด้วยสายตาแล้วบอกว่า “หลักฐานดูค่อนข้างดี” GRADE จะนำคุณผ่านรายการตรวจสอบเดียวกันทุกครั้ง ดังนั้นคนสองคนที่ประเมินหลักฐานเดียวกันจึงมีแนวโน้มที่จะได้คะแนนการประเมินที่เหมือนกัน
หลักฐานทุกชิ้นเริ่มต้นจากระดับพื้นฐานที่กำหนดโดยการออกแบบการศึกษา — การทดลองแบบสุ่มเริ่มต้นที่ระดับสูง การศึกษาเชิงสังเกตเริ่มต้นที่ระดับต่ำ — จากนั้นจะปรับระดับขึ้นหรือลงตามชุดของขอบเขตที่กำหนดไว้: ห้าเหตุผลที่อาจทำให้หลักฐานนั้นมีความน่าเชื่อถือน้อยลง (ความเสี่ยงของอคติ ความไม่สอดคล้องกัน ความไม่ตรงไปตรงมา ความไม่แม่นยำ อคติในการตีพิมพ์) และสองเหตุผลที่หลักฐานเชิงสังเกตโดยเฉพาะอาจมีความน่าเชื่อถือมากขึ้น (ผลกระทบขนาดใหญ่ ความสัมพันธ์ระหว่างปริมาณและผลตอบสนอง) หลังจากกระบวนการนั้นแล้ว ระดับความน่าเชื่อถือที่ได้ — สูง ปานกลาง ต่ำ หรือต่ำมาก — คือระดับความน่าเชื่อถือที่คุณจะรายงาน
เมื่อใดจึงควรใช้มัน
ใช้กรอบงาน GRADE ทุกครั้งที่คุณเขียนบทวิเคราะห์เชิงระบบ แนวทางปฏิบัติทางคลินิก หรือตารางสรุปผลการค้นพบ และต้องการวิธีการที่โปร่งใสและได้รับการยอมรับในระดับสากล เพื่อระบุระดับความมั่นใจของคุณในหลักฐานสำหรับผลลัพธ์เฉพาะเจาะจง — ไม่ใช่จากงานวิจัยเพียงชิ้นเดียว
GRADE ประเมินหลักฐานจากงานวิจัยหลายชิ้น ไม่ใช่จากชุดข้อมูลเดียว หากคุณต้องการหาปริมาณความขัดแย้งระหว่างงานวิจัยต่างๆ ก่อน ให้ทำการตรวจสอบความแตกต่าง (I² และ τ²) ด้วยเครื่องคำนวณความแตกต่างของข้อมูล ของเรา ผลลัพธ์ที่ได้จะถูกนำไปใช้ในส่วน "ความไม่สอดคล้องกัน" ด้านล่างโดยตรง และหากคุณกำลังทดสอบสมมติฐานด้วยชุดข้อมูลหลักของคุณเอง แทนที่จะประเมินหลักฐานที่ตีพิมพ์แล้วตัวเลือกการทดสอบ ของเรา จะช่วยชี้แนะคุณไปยังการทดสอบทางสถิติที่เหมาะสม
# GRADE คือการตัดสินอย่างเป็นระบบ ไม่ใช่การคำนวณ # เริ่มต้น: RCT = สูง (4), การศึกษาเชิงสังเกต = ต่ำ (2) # ลดระดับ (-1/-2) สำหรับความเสี่ยงของอคติ ความไม่สอดคล้องกัน ความไม่ตรงไปตรงมา ความไม่แม่นยำ อคติในการตีพิมพ์ # เพิ่มระดับ (+1/+2) สำหรับผลกระทบขนาดใหญ่ การตอบสนองต่อขนาดยา
คู่มือผู้ใช้
ควรใช้เมื่อใด:ประเมินระดับความแน่นอนของชุดหลักฐาน (สูง / ปานกลาง / ต่ำ / ต่ำมาก) โดยใช้กรอบ GRADE
ข้อสมมติฐานคุณได้ประเมินแต่ละด้านของ GRADE เพื่อหาผลลัพธ์ที่ต้องการแล้ว
ข้อผิดพลาดที่พบบ่อยความน่าเชื่อถือของเกรดขึ้นอยู่กับผลลัพธ์ ไม่ใช่ขึ้นอยู่กับงานวิจัย การปรับเพิ่มเกรดมักใช้ได้เฉพาะกับหลักฐานเชิงสังเกตเท่านั้น
ตัวอย่างการทำงาน
คลิกที่ " โหลดข้อมูลตัวอย่าง"ด้านบน จากนั้นคลิก "เรียกใช้การวิเคราะห์"เพื่อดูผลลัพธ์ที่สมบูรณ์พร้อมรูปภาพ สูตร และคำอธิบายสำหรับการทดสอบนี้
อ้างอิง
- Guyatt GH และคณะ GRADE: ข้อตกลงที่กำลังเกิดขึ้นเกี่ยวกับการประเมินคุณภาพของหลักฐาน BMJ. 2008;336:924-926
ตัวอย่างผลงาน
ตัวอย่างที่ 1 — การทดลองแบบสุ่มที่มีข้อกังวลสำคัญสองประการ
หลักฐานจากการทดลองแบบสุ่มเริ่มต้นที่ ระดับความแน่นอน สูงทีมผู้ทบทวนประเมินความเสี่ยงของอคติว่า “ร้ายแรง” (−1) เนื่องจากมีการปกปิดข้อมูลไม่สมบูรณ์ในการทดลองที่รวมอยู่ และประเมินความไม่แม่นยำว่า “ร้ายแรง” (−1) เนื่องจากช่วงความเชื่อมั่นสำหรับผลรวมข้ามเกณฑ์ที่อาจเปลี่ยนแปลงการตัดสินใจทางคลินิก ความไม่สอดคล้องกัน ความไม่ตรงไปตรงมา และอคติในการตีพิมพ์ ล้วนได้รับการจัดอันดับว่า “ไม่ร้ายแรง” ไม่มีเกณฑ์การปรับเพิ่มระดับ เนื่องจากโดยปกติแล้วการปรับเพิ่มระดับสำหรับผลกระทบขนาดใหญ่และการตอบสนองต่อขนาดยาจะสงวนไว้สำหรับหลักฐานจากการสังเกต การลดระดับลงหนึ่งระดับสองครั้งจะทำให้การจัดอันดับลดลงสองระดับเต็ม: สูง → ปานกลาง→ ต่ำ
ตัวอย่างที่ 2 — หลักฐานจากการสังเกตการณ์ (ปรับปรุงแล้ว)
หลักฐานเชิงสังเกตเริ่มต้นด้วย ระดับความแน่นอน ต่ำความเสี่ยงของอคติ ความไม่สอดคล้องกัน ความไม่ตรงไปตรงมา ความไม่แม่นยำ และอคติในการตีพิมพ์ ล้วนถูกตัดสินว่า “ไม่ร้ายแรง” — แต่ผลที่สังเกตได้จากงานวิจัยต่างๆ นั้นมีขนาดใหญ่และสอดคล้องกันอย่างผิดปกติ ซึ่งมีคุณสมบัติเหมาะสมสำหรับการปรับเพิ่มระดับความแน่นอน (+1) การปรับเพิ่มระดับหนึ่งครั้งจะเพิ่มระดับการจัดอันดับขึ้นหนึ่งระดับ: ต่ำ → ปานกลางนี่คือกรณีคลาสสิกที่ GRADE ออกแบบมาเพื่อ — หลักฐานเชิงสังเกตที่แม้จะเริ่มต้นด้วยระดับต่ำ แต่ก็ได้รับความแน่นอนกลับคืนมาเนื่องจากผลมีขนาดใหญ่เกินกว่าจะอธิบายได้ด้วยปัจจัยรบกวนที่สมเหตุสมผลเพียงอย่างเดียว
ข้อสมมติฐานที่ต้องตรวจสอบ
คุณได้ประเมินแต่ละด้านแยกกันสำหรับผลลัพธ์ที่เฉพาะเจาะจงนี้ได้แก่ ความเสี่ยงของอคติ ความไม่สอดคล้องกัน ความไม่ตรงไปตรงมา ความไม่แม่นยำ และอคติในการตีพิมพ์ ไม่ใช่เพียงแค่สร้างความประทับใจโดยรวมเกี่ยวกับงานวิจัยเท่านั้น
หากการศึกษาใดเป็นการศึกษาเชิงสังเกตคุณต้องตรวจสอบผลกระทบขนาดใหญ่หรือความสัมพันธ์ระหว่างปริมาณยาและการตอบสนองก่อนที่จะพิจารณาการอัปเกรดด้วย
การให้คะแนนจะถูกกำหนดตามผลลัพธ์ที่เกิดขึ้นหลักฐานชุดเดียวกันอาจมีคะแนนความน่าเชื่อถือที่แตกต่างกันสำหรับผลลัพธ์ที่แตกต่างกัน และมักจะเป็นเช่นนั้น
คุณมีข้อมูลเกี่ยวกับงานวิจัยที่รวมอยู่มากพอแล้วไม่ใช่แค่บทคัดย่อ เพื่อที่จะสามารถประเมินแต่ละด้านได้อย่างมีความรับผิดชอบ
ข้อผิดพลาดทั่วไป
ประเมินผลการศึกษาแทนที่จะประเมินผลลัพธ์
ประเมินความน่าเชื่อถือของผลลัพธ์แต่ละอย่าง ไม่ใช่ประเมินจากงานวิจัยแต่ละชิ้น การทดลองเพียงครั้งเดียวอาจให้หลักฐานที่มีความน่าเชื่อถือสูงสำหรับผลลัพธ์หนึ่ง และหลักฐานที่มีความน่าเชื่อถือต่ำสำหรับอีกผลลัพธ์หนึ่ง ขึ้นอยู่กับวิธีการวัดและรายงานผลลัพธ์แต่ละรายการ
การยกระดับหลักฐานจากการทดลองแบบสุ่ม
โดยปกติแล้ว การปรับปรุงค่าความน่าเชื่อถือสำหรับผลกระทบขนาดใหญ่และการตอบสนองต่อปริมาณยา จะสงวนไว้สำหรับหลักฐานเชิงสังเกตที่เริ่มต้นจากระดับต่ำ การนำไปใช้กับหลักฐานที่เริ่มต้นจากระดับสูงอยู่แล้ว จะนับความแข็งแกร่งของหลักฐานซ้ำซ้อน
การนับซ้ำข้อกังวลเดียวกันในหลายโดเมน
ข้อบกพร่องด้านการออกแบบเพียงจุดเดียวควรนับเพียงครั้งเดียว การลดระดับความน่าเชื่อถือสำหรับปัญหาพื้นฐานเดียวกันภายใต้ป้ายกำกับโดเมนที่แตกต่างกันสองป้าย เช่น ความเสี่ยงต่ออคติและความไม่แม่นยำนั้น เป็นการกล่าวเกินจริงถึงความไม่แน่นอนของหลักฐานที่เกิดขึ้นจริง
ถือว่า “ไม่มีการลดระดับ” เป็น “ไม่ได้รับการประเมิน”
การคงคะแนน "สูง" ไว้เช่นเดิม ควรแสดงให้เห็นว่าทุกด้านได้รับการตรวจสอบอย่างละเอียดและไม่พบปัญหาที่ร้ายแรง ไม่ใช่ว่าการประเมินถูกข้ามไป
คำถามที่พบบ่อย (FAQs)
ระดับความแน่นอนของ GRADE ทั้งสี่ระดับมีอะไรบ้าง?
จากระดับความมั่นใจสูงสุดไปต่ำสุด: สูง ปานกลาง ต่ำ และต่ำมาก แต่ละระดับอธิบายถึงระดับความมั่นใจของคุณว่าผลลัพธ์ที่แท้จริงสำหรับผลลัพธ์เฉพาะนั้นใกล้เคียงกับสิ่งที่หลักฐานชี้ให้เห็นมากน้อยเพียงใด
เหตุใดการศึกษาแบบ RCT จึงเริ่มต้นที่ระดับสูง ในขณะที่การศึกษาเชิงสังเกตเริ่มต้นที่ระดับต่ำ?
การสุ่มตัวอย่างช่วยควบคุมปัจจัยรบกวนที่ทราบและไม่ทราบในระยะเริ่มต้น ซึ่งเป็นเหตุผลว่าทำไมการทดลองแบบสุ่มจึงเริ่มต้นที่ระดับความแน่นอนสูงสุด การศึกษาเชิงสังเกตการณ์ขาดการป้องกันดังกล่าว ดังนั้น GRADE จึงเริ่มต้นที่ระดับต่ำกว่า — ที่ระดับต่ำ — ก่อนที่จะมีการปรับค่าในแต่ละด้าน
โดเมนเดียวสามารถลดระดับความแน่นอนลงได้มากกว่าหนึ่งระดับหรือไม่?
ใช่แล้ว GRADE อนุญาตให้ลดระดับลงหนึ่งระดับสำหรับข้อกังวลที่ "ร้ายแรง" ในแต่ละด้าน หรือลดระดับลงสองระดับสำหรับข้อกังวลที่ "ร้ายแรงมาก" โดยจะนำไปใช้แยกกันในห้าด้านที่ลดระดับลง ได้แก่ ความเสี่ยงจากอคติ ความไม่สอดคล้องกัน ความไม่ตรงไปตรงมา ความไม่แม่นยำ และอคติในการตีพิมพ์
เครื่องคิดเลขนี้ทำการคำนวณทางสถิติหรือไม่?
ไม่ใช่ — GRADE คือกรอบการตัดสินที่มีโครงสร้าง ไม่ใช่สูตรที่ให้ผลลัพธ์เป็นตัวเลขเพียงอย่างเดียว แบบฟอร์มนี้จะจัดระเบียบการประเมินของคุณทีละด้าน และรวมคะแนนที่เพิ่มขึ้นและลดลง เพื่อให้ทีมของคุณนำกรอบการทำงานไปใช้อย่างสม่ำเสมอ ส่วนระดับความมั่นใจนั้นยังคงขึ้นอยู่กับการประเมินหลักฐานอย่างมีเหตุผลของคุณ
เครื่องคำนวณที่เกี่ยวข้อง
อ้างอิง
- Guyatt GH และคณะ GRADE: ข้อตกลงที่กำลังเกิดขึ้นเกี่ยวกับการประเมินคุณภาพของหลักฐาน BMJ. 2008;336:924-926
- Balshem H, Helfand M, Schünemann HJ และคณะ แนวทาง GRADE: 3. การประเมินคุณภาพของหลักฐาน J Clin Epidemiol. 2011;64(4):401-406
ต้องการให้วิเคราะห์ข้อมูลนี้สำหรับต้นฉบับของคุณหรือไม่?
นักสถิติชีวภาพระดับปริญญาเอกของเราจะให้คำแนะนำแก่ทีมงานทบทวนอย่างเป็นระบบของคุณเกี่ยวกับระดับความแน่นอนของ GRADE ในแต่ละด้าน และการเขียนบทสรุปผลการค้นพบที่น่าเชื่อถือ ซึ่งเป็นตารางที่พร้อมสำหรับการตีพิมพ์พร้อมเอาต์พุต R ที่ทำซ้ำได้