การวิเคราะห์ความแปรปรวนร่วม (ANCOVA) : วิธีที่เหมาะสมสำหรับการวิเคราะห์ข้อมูลก่อน-หลังแบบวัดซ้ำสองกลุ่มภายใต้แบบแผนเชิงทดลองในงานวิจัยทางวิทยาศาสตร์สุขภาพ
Article Sidebar
Main Article Content
บทคัดย่อ
ในงานวิจัยทางวิทยาศาสตร์สุขภาพ การวัดผลสำหรับข้อมูลก่อน-หลังแบบวัดซ้ำสองกลุ่มแบบต่อเนื่อง พบได้ทั้งจากงานวิจัยเชิงทดลองแบบสุ่มและกึ่งทดลอง เพื่อประเมินผลกระทบจากสิ่งแทรกแซงที่นักวิจัยจัดกระทำขึ้นระหว่างกลุ่มทดลองและกลุ่มควบคุม โดยมีการวิเคราะห์ทางสถิติหลายวิธีที่ถูกนำมาใช้ แต่ที่ผ่านมา นักวิจัยส่วนใหญ่ยังสับสนและขาดข้อมูลสนับสนุนในการตัดสินใจที่เพียงพอ จึงทำให้มีการเลือกและนำมาใช้ผิดซึ่งส่งผลโดยตรงต่อความถูกต้องและความน่าเชื่อถือของผลลัพธ์ที่ได้ ดังนั้นในบทความนี้ จึงมีวัตถุประสงค์เพื่อสังเคราะห์วิธีการวิเคราะห์ข้อมูลก่อน-หลังแบบวัดซ้ำสองกลุ่ม 6 วิธี ได้แก่ (1) การวิเคราะห์ด้วยสถิติ t-test (2) การวิเคราะห์ความแปรปรวน (one-way ANOVA) ด้วยผลลัพธ์หลังการทดลองอย่างเดียว (3) one-way ANOVA ด้วยคะแนนที่เปลี่ยนไป (4) one-way ANOVA ด้วยร้อยละที่เปลี่ยนไป (5) การวิเคราะห์ความแปรปรวนแบบวัดซ้ำ และ (6) การวิเคราะห์ความแปรปรวนร่วม (ANCOVA) ผลการศึกษาพบว่า วิธี ANCOVA เป็นวิธีที่ง่ายและมีประสิทธิภาพมากกว่าวิธีการอื่น โดยเฉพาะเมื่อนำมาใช้กับงานวิจัยเชิงทดลองอย่างสุ่ม ขณะที่ในงานวิจัยกึ่งทดลอง ประเด็นการกระจายตัวทางประชากรแบบกลุ่ม หรือ ลำดับชั้น ควรถูกพิจารณาก่อนจัดสรรคนเข้ากลุ่ม อย่างไรก็ตามการนำเสนอผลการตรวจสอบข้อตกลงเบื้องต้น รวมถึงการรายงานผลการศึกษาให้สอดคล้องกับคำถามวิจัยอย่างครอบคลุม ยังมีความจำเป็น
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
เอกสารอ้างอิง
Zhang S, Paul J, Nantha-Aree M, Buckley N, Shahzad U, Cheng J, et al. Empirical comparison of four baseline covariate adjustment methods in analysis of continuous outcomes in randomized controlled trials. Clinical Epidemiology 2014; 6: 227-235.
Pocock SJ, Assmann SE, Enos LE, Kasten LE. Subgroup analysis, covariate adjustment and baseline comparisons in clinical trial reporting: current practice and problems. Stat Med 2002; 21(19): 2917-30.
Wan F. Statistical analysis of two arm randomized pre-post designs with one post-treatment measurement. BMC Medical Research Methodology 2021; 21(1): 150.
Clifton L, Clifton DA. The correlation between baseline score and post-intervention score, and its implications for statistical analysis. Trials 2019; 20(1): 43.
Brocklehurst P, Hoare Z. How to design a randomised controlled trial. British Dental Journal 2017; 222(9): 721-726.
Harris AD, McGregor JC, Perencevich EN, Furuno JP, Zhu J, Peterson DE, et al. The use and interpretation of quasi-experimental studies in medical informatics. Journal of the American Medical Informatics Association 2006; 13(1): 16-23.
Chidambaram AG, Josephson M. Clinical research study designs: The essentials. Pediatric Investigation 2019; 3(4): 245-252.
McLeod C, Norman R, Litton E, Saville BR, Webb S, Snelling TL. Choosing primary endpoints for clinical trials of health care interventions. Contemporary Clinical Trials Communications 2019; 16: 100486-100486.
Wei L, Zhang J. Analysis of Data with Imbalance in the Baseline Outcome Variable for Randomized Clinical Trials. Drug Information Journal / Drug Information Association 2001; 35(4): 1201-1214.
Breukelen V, Gerard JP. ANCOVA versus change from baseline: more power in randomized studies, more bias in nonrandomized studies [corrected]. J Clin Epidemiol 2006; 59(9): 920-5.
Bland JM, Altman DG. Best (but oft forgotten) practices: testing for treatment effects in randomized trials by separate analyses of changes from baseline in each group is a misleading approach. Am J Clin Nutr 2015; 102(5): 991-4.
Groenwold RHH, Goeman JJ, Cessie SL, Dekkers OM. Multiple testing: when is many too much? European Journal of Endocrinology 2021; 184(3): E11-E14.
Vickers AJ, Altman DG, Analysing controlled trials with baseline and follow up measurements. BMJ 2001; 323(7321): 1123.
Egbewale BE, Lewis M, Sim J. Bias, precision and statistical power of analysis of covariance in the analysis of randomized trials with baseline imbalance: a simulation study. BMC Medical Research Methodology 2014; 14(1): 49.
Dimitrov DM, Rumrill PD Jr. Pretest-posttest designs and measurement of change. Work 2003; 20(2): 159-65.
Jennings M, Cribbie R. Comparing Pre-Post Change Across Groups: Guidelines for Choosing between Difference Scores, ANCOVA, and Residual Change Scores. Journal of Data Science 2021; 14: 205-230.
Vickers AJ. The use of percentage change from baseline as an outcome in a controlled trial is statistically inefficient: a simulation study. BMC Med Res Methodol 2001; 1: 6.
Lee U, Garcia TP, Carroll RJ, Gilbreath KR, Wu G. Analysis of repeated measures data in nutrition research. Front Biosci (Landmark Ed) 2019; 24(8): 1377-1389.
Curran-Everett D, Williams CL. Explorations in statistics: the analysis of change. Advances in Physiology Education 2015; 39(2): 49-54.
Khammar A, Yarahmadi M, Madadizadeh F. What Is Analysis of Covariance (ANCOVA) and How to Correctly Report Its Results in Medical Research? Iranian Journal of Public Health 2020; 49(5): 1016-1017.
Breukelen V, Gerard JP. ANCOVA Versus CHANGE From Baseline in Nonrandomized Studies: The Difference. Multivariate Behavioral Research 2013; 48(6): 895-922.
Lord FM. A paradox in the interpretation of group comparisons. Psychol Bull 1967; 68(5): 304-5.
