ความลำเอียงในการวิจัยทางการพยาบาลเชิงปริมาณ: การระบุและการลดข้อผิิดพลาดที่่พบบ่อย
Article Sidebar
Main Article Content
บทคัดย่อ
บทคัดย่อ: ความลำเอียงในการวิจัยเป็นปัญหาที่พบได้บ่อยและอาจลดความถูกต้องและความน่าเชื่อถืือของผลการวิิจััยในงานวิจัยทางการพยาบาลเชิงปริมาณ ความลำเอียงสามารถเกิดขึ้นได้ในหลายขั้นตอนของกระบวนการวิจัยตั้งแต่การกำหนดปัญหาจนถึงการรายงานผลการศึึกษาบทความนี้มีวัตถุประสงค์เพื่อระบุความลำเอียงที่พบบ่อยในงานวิจัยทางการพยาบาลเชิงปริมาณและนำเสนอแนวทางการลดความลำเอียงเพื่อยกระดับคุณภาพงานวิจัย ได้แก่ ความลำเอียงในการกำหนดปัญหาการวิจัย ความลำเอียงทางกรอบทฤษฎี/แนวคิดไม่ถูกต้อง การจำแนกประเภทของแบบการวิจัยไม่ถูกต้อง/ไม่เหมาะสม ความลำเอียงจากการคัดเลือกกลุ่มตัวอย่าง ความลำเอียงจากการจัดกลุ่มตัวอย่างเข้ากลุ่ม การขาดการควบคุม/ขจัดปัจจัยกวน แผนการทดลองไม่ถูกต้อง/ไม่ชัดเจน ความลำเอียงจากการวัดตัวแปร อำนาจการทดสอบต่ำและความลำเอียงในการวิเคราะห์ข้อมูล และความลำเอียงในการแปลผลการรายงานผล และการเสนอแนะผลการศึกษาไม่เหมาะสม โดยมีการอธิบายและยกตัวอย่างที่พบบ่อย พร้อมกับเสนอแนวทางการลดความลำเอียงเหล่านี้ ซึ่งหากนักวิจัยมีการดำเนินการวิจัยที่ถูกต้องในทุก ๆ ขั้้นตอนของการวิจัย จะช่วยยกระดับคุณภาพงานวิจัยทางการพยาบาล ทำให้ผลการวิจัยมีความน่าเชื่่อถือ และสามารถนำไปใช้ในทางปฏิบัติได้ ตลอดจนมีแนวทางการศึกษาวิจัยในอนาคตได้เหมาะสมยิ่งขึ้น
Downloads
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
เอกสารอ้างอิง
Wannasuntad S, Petpichetchian W, Vachprasit R, et al. A scoping review of Thai nursing research over the past 3 years. JTNMC. 2022; 37(2): 143-66. Thai.
Polit DF, Beck CT. Nursing research: Generating and assessing evidence for nursing practice 11th ed. Philadelphia, PA: Wolters Kluwer; 2021.
Petpichetchian W, Hanucharuenkul S, Turale S. Optimizing quality nursing research: A call for action. PRIJNR. 2022; 26(4): 549-54. Thai.
Hines S, Ramsbotham J, Coyer F. Registered nurses’ experiences of reading and using research for work and education: a qualitative research study. BMC Nursing. 2022; 21(1): 114. doi: 10.1186/s12912-022-00877-3.
Chen Q, Sun M, Tang S, et al. Research capacity in nursing: a concept analysis based on a scoping review. BMJ Open. 2019; 9(11): e032356. doi: 10.1136/bmjopen-2019-032356.
Schulz KF, Altman DG, Moher D, et al. CONSORT 2010 statement: Updated guidelines for reporting parallel group randomized trials. Ann Intern Med. 2010; 152(11): 726-32. doi: 10.1186/1741-7015-8-18.
Von Elm E, Altman DG, Egger M, et al. The Strengthening and Reporting of Observational Studies in Epidemiology (STROBE)Statement: Guidelines for reporting observational studies. Ann Intern Med. 2007; 147(8): 573-7. doi: 10.7326/0003-4819-147-8-200710160-00010.
Shadish WR, Cook TD, Campbell DT. Experimental and quasi-experimental designs for generalized causal inference. NY: Houghton Mifflin; 2002.
Ellenberg JH. Selection bias in observational and experimental studies. Stat Med. 1994; 13(557-67): 557-67.
D’Onofrio BM, Sjölander A, Lahey BB, et al. Accounting for confounding in observational studies. Annu Rev Clin Psychol. 2020; 16(1): 25-48. doi: 10.1146/annurev-clinpsy-032816045030.
Proctor EK, Powell BJ, McMillen JC. Implementation strategies: Recommendations for specifying and reporting. Implement Sci. 2013; 8: 1-11. doi: 10.1186/1748-5908-8-139.
Nunnally JC, Bernstein I. Psychometric theory. 3rd ed ed. NY: McGraw-Hill; 1994.
Koo TK, Li MY. A guideline of selecting and reporting intraclass correlation coefficients for reliability research. J Chiropr Med. 2016;15(2): 155-63. doi: 10.1016/j.jcm.2016.02.012.
Cohen J. Statistical power analysis for the behavioral science 2nd ed. Hillsdale, NJ: Lawrence Erlbaum Associates; 1988.
Faul F, Erdfelder E, Buchner A, et al. Statistical power analyses using G* Power 3.1: Tests for correlation and regression analyses. Behav Res Methods. 2009; 41(4): 1149-60. doi:10.3758/BRM.41.4.1149.
Kang H. Sample size determination and power analysis using the G* Power software. JEEHP. 2021; 18. doi: https://doi.org/10.3352/jeehp.2021.18.17.
van der Steen J, ter Riet G, van den Bogert C, et al. Causes of reporting bias: A theoretical framework. F1000Res. 2019; 8: 280. doi: 10.12688/f1000research.18310.2.
Polit DF. Clinical significance in nursing research: a discussion and descriptive analysis. Int J Nurs Stud. 2017; 73(2017): 17-23. doi: 10.1016/j.ijnurstu.2017.05.002.
Hemming K, Javid I, Taljaard M. A review of highimpact journals found that misinterpretation of non-statistically significant results from randomized trials was common. J Clin Epidemio. 2022; 145:112-20. doi: 10.1016/j.jclinepi.2022.01.014.
