การวิจัยเชิงวิเคราะห์ : การศึกษาหาสาเหตุหรือปัจจัยเสี่ยงต่อการเกิดโรค
หลักการทั่วไป
โครงร่างการวิจัยในการหาสาเหตุของโรค
การศึกษาแบบ Case Control
การศึกษาแบบ Concurrent Cohort
แผนการศึกษาชนิดอื่น
อิทธิพลของการจับคู่ต่อการวิเคราะห์ข้อมูล
ข้อพิจารณาในการเลือกวิธีศึกษาเพื่อหาสาเหตุของโรค

1. หลักการทั่วไป

เท่าที่ผ่านมา ไม่ว่าจะเป็นการศึกษาธรรมชาติโรค การหาความชุก และอุบัติการณ์ของโรค การสืบหาโรคในชุมชนที่ดูเหมือนปกติ การวินิจฉัยโรค มักจะมีประชากร หรือกลุ่มตัวอย่างที่ศึกษาเพียงกลุ่มเดียว ซึ่งคือวิธีการของการวิจัยเชิงบรรยาย การวิจัยชนิดนี้ จึงเหมาะที่จะหาขนาดของปัญหา เพื่อนำมาวางแผนการให้บริการ เป็นก้าวแรกของการสร้างสมมุตฐานหาสาเหตุของโรค จะพบว่าประชากรบางกลุ่ม ในบางเวลา และบางสถานที่ มีอุบัติการขอโรคบางอย่างสูง เราก็สามารถเลือกประชากรกลุ่มที่มีอุบัติการสูง มาเปรียบเทียบกับกลุ่มทีมีอุบัติการต่ำ เพื่อใช้ศึกษาเหตุ หรือปัจจัยเสี่ยงของโรคตาม สมมุติต่ำ เพื่อให้ศึกษาสาเหตุ หรือปัจจัยเสี่ยงของโรคตามสมมุติฐานที่ตั้งขึ้น

ฉะนั้น จุดสำคัญในการค้นหาสาเหตุของโรค จะต้องมีประชากรมาเปรียบเทียบ คือการใช้ method of difference เข้ามาพิจารณา ตัวอย่างเช่น เราศึกษาอันตราการสูบบุหรี่ในประเทศ ที่มีอันตรายจากมะเร็งของปอดมาก เปรียบเทียบกับประเทศที่มีอันตรายตายจากมะเร็งปอดน้อย ถ้าพบอัตราการสูบบุหรี่น้อย ร่วมกับการที่มีอันตรายตายจากมะเร็งปอดน้อย ก็อาจจะสร้างสมมติฐานได้ว่า การสูบบุหรี่อาจเป็นสาเหตุของมะเร็งปอด

นอกจากการใช้กลุ่มเปรียบเทียบวิเคราะห์ตาม method of difference ถ้ามีความผันแปรตามกัน ระห่างสิ่งที่สงสัยว่าเป็นเหตุ และโรคที่ศึกษา ก็ยิ่งช่วยสนับสนุนเรื่องความสัมพันธ์กันมากขึ้น ความสัมพันธ์ที่ผันแปรตามกันระหว่างขนาดของปัจจัยเสี่ยง และอัตราเกิดโรคเรียกว่า concomitent variation เช่น หากประเทศที่มีธรรมเนียมนิยมการศูบบุหรี่มาแต่เด็ก มีอัตราการเป็นมะเร็งปอดที่ยิ่งมีมาก ยิ่งจะช่วยสนับสนุนว่าบุหรี่ อาจเป็นสาเหตุของมะเร็งปอดมากขึ้น

แม้จะมีกลุ่มเปรียบเทียบ หรือการแปรผันของอุบัติการของโรค ตามความรุนแรงของปัจจัยที่อาจจะเป็นเหตุอย่างชัดเจน ก็ไม่ได้หมายความว่า ปัจจัยที่สงสัยจะเป็นสาเหตุของโรคเลยทีเดียว ต้องมีการพิสูจน์โดยเปลี่ยนธรรมชาติ หรือโดยการทดลอง จึงจะสามารถยืนยันได้ชัดเจน แต่โดยทั่วไป การเปลี่ยนธรรมชาติเพื่อให้เกิดโรค มีปัญหาทางจริยธรรมและปัญหากฏหมาย เพราะผลเสียอาจจะเกิดกับผู้ถูกทดลอง คือ ทำให้ผู้ถูกทดลองเป็นโรค การศึกษาหาเหตุของโรค จึงต่างจากการศึกษาประสิทธิภาพของยารักษาโรค ในกรณีหลัง เราสามารถศึกษาโดยการทดลองได้ เพราะเรามักคาดได้ว่า ผลดีจะเกิดกับผู้ปวย โอกาสผิดจริยธรรมจึงมีได้น้อย

นอกจากจะติดปัญหาทางจริยธรรมแล้ว การศึกษาสาเหตุของโรค ยังมีปัญหาเรื่องการแปลผลวิจัยอยู่ไม่น้อย ทั้งนี้เพราะสาเหตุของโรค อาจมีหลายอย่างเสริมกัน เช่น ปัจจัยที่เป็นสาเหตุความต้านทานของร่างกาย สภาวะแวดล้อม สาเหตุของโรคยังประกอบด้วย สาเหตุจำเป็นที่ขาดไม่ได้ (necessary cause) สาเหตุเสริม (contributary cause) และสาเหตุที่กระตุ้นให้ผุ้ที่จะเป็นโรคอยู่แล้ว เกิดเป็นโรคขึ้น (precipitating cause) จึงกล่าวได้ว่า การศึกษาหาสาเหตุของปัญหาสุขภาพ เป็นสิ่งที่ยากทีเดียว และในบางโรค ปัญหาสุขภาพอาจจะไม่พบสาเหตุเลย

วิธีการอีกอย่างหนึ่ง ที่อาจใช้ศึกษาสาเหตุของโรค เรียกว่า method of residue หรือ method of exclusion ได้แก่ การตั้งสมมุติฐานปัจจัยที่น่าจะเป็นเหตุจำนวนหนึ่ง เช่น 5 อย่างแล้วพิสูจน์ว่า สาเหตุไม่น่าเกิดจากปัจจัยหนึ่ง ปัจจัยที่ 2 ปัจจัยที่ 3 และปัจจัยที่ 4 เพระฉะนั้นจึงสรุปว่า สาเหตุน่าจะเกิดจากปัจจัยที่ 5 การหาสาเหตุของโรคด้วยวิธีนี้ นับได้ว่าอ่อนที่สุด หากเป็นไปได้ไม่ควรจะใช้วิธีนี้

 

2. โครงร่างการวิจัยในการหาสาเหตุของโรค

ดังที่กล่าวมาแล้ว การวิจัยที่หาสาเหตุ มักต้องมีกลุ่มเปรียบเทียบ โครงสร้างการวิจัยเชิงวิเคราะห์ (analytical หรือ correlational studies) ทั้งหมด ย่อมนำมาใช้ศึกษาได้ และดังที่ได้กล่าวมาแล้ว โครงสร้างแต่ละอย่างมีข้อดี ข้อเสียงต่างกัน ซึ่งสรุปได้ดังนี้

2.1 Concurrent Cohort Study

มีการสังเกตุกลุ่มตัวอย่างสองกลุ่ม ไปพร้อม ๆ กัน กลุ่มหนึ่งดำเนินชีวิตโดยมีปัจจัยเสี่ยง อีกกลุ่มหนึ่งไม่มี การวิจัยอาจมีปัญหาทางจริยธรรม คล้ายคลึงกับการทดลอง โดยเฉพาะอย่างยิ่ง ถ้ามีวิะการโน้มน้าวให้ผู้ดำเนินชีวิตแบบมีปัจจัยเสียง เลิกการดำเนินชีวิตเช่นนั้นเสียได้ แต่ไม่ได้ทำ นอกจากนี้ หากผลการวิจัยได้ผลไม่ชัดเจน เนื่องจากปัญหาต่าง ๆ ดังกล่าวมาแล้ว อาจจะตีพิมพ์ผลงานวิจัยยาก ทำให้ไม่ใคร่มีผู้สนใจใช้วิะนี้ ศึกษาหาเหตุของโรค ทั้ง ๆ ที่เป็นโครงร่างการวิจัยที่มีข้อดีอยู่มาก ตัวอย่างงานวิจัยที่ใช้ Concurrent Cohort ศึกษาปัจจัยที่เสี่ยงต่อโรค ได้แก่การศึกษาว่าการมี Hepatitis B Surface antigen มีความสัมพันธ์กับการเกิดมะเร็งปอด มะเร็งตับชนิด hepatoma หรือไม่

2.2 Historical Cohort

เป็นการศึกษาตัวอย่างที่รวบรวมได้ จากบันทึกประวัติที่โรงงาน โรงเรียน กรมทหาร บริษัทประกัน และดูว่าผู้มี และไม่ปัจจัยเสี่ยงในอดีต มีอัตราการเกิดโรคในเวลาต่อมา แตกต่างกันอย่างไร การศึกษานี้ไม่ต้องติดตามกลุ่มตัวอย่างเป็นเวลานาน สิ้นค่าใช้จ่ายน้อย แต่จะทำได้เฉพาะปัจจัยเสี่ยง หรือโรคที่มีการบันทึกเท่านั้น ข้อมูลที่มีบันทึกไว้ อาจไม่ครบถ้วน และอาจมีการเปลี่ยนแปลงอัตราการได้รับปัจจัยเสี่ยง ของกลุ่มตัวอย่างเสมอ แต่มีงานวิจัยที่ศึกษาความสัมพันธ์ของปัจจัยเสี่ยง และโรคโดยใช้โครงร่างนี้ เช่น ความสัมพันธ์ระหว่าง asbestos และมะเร็งปอด เป็นต้น

2.3 Multiserial Cross-Sectional Study

คือ การสำรวจชุมชน เพื่อวัดทั้งปัจจัยเสี่ยง และโรคที่สนใจเป็น ระยะ ๆ โดยที่ลักษณะประชากรในชุมชนนั้น อาจเปลี่ยนแปลงอยู่เสมอ จึงต่างจากการศึกษาที่มีการติดตามคนกลุ่มหนึ่งเป็นเวลานาน (longitudinal cohort study) ข้อมูลจาก Multiserial crosssectional study จึงไม่เหมือน Longitudinal study เพราะปัญหาอคติที่เกิดจากความแตกต่างของประชากรที่เริ่มศึกษา (cohort) และสภาวะแวดล้อมที่เปลี่ยนแปลงไป (environmental change) ตัวอย่าง Multiserial cross -sectional study ได้แก่ Framingham study ที่ศึกษาปัจจัยเสี่ยงต่อ myocardial infarction และโรคเส้นเลือดในสมองตีบ แตก หรือตัน

2.4 Cross-Sectional Study

คือ การสำรวจชุมชน หรือกลุ่มตัวอย่าง แล้วเก็บข้อมูลเกี่ยวกับปัจจัยเสี่ยงและโรค ไปพร้อม ๆ กัน เช่น สำรวจชุมชนเพื่อหาโรคปากแห่วง เพดาน-โหว่ และถามประวัติการใช้ยาของมารดาผู้ป่วย และมารดาของผู้ไม่ป่วย และวิเคราะห์ว่าการใช้ยาระวห่างตั้งครรภ์ สัมพันธ์กับการเกิดโรคปากแหว่งหรือไม่ การวิจัยนี้สิ้นเปลืองทรัพยากรน้อย และไม่มีปัญหาทางจริยธรรม แต่คนเป็นโรคที่สำรวจพบ มักเป็น prevalent cases คือ ผู้ป่วยทุกคนที่เป็นโรคในขณะสำรวจ ซึ่งอาจจะมีลักษณะต่างจาก incident cases คือ ผู้ป่วยทุกคนที่เป็นโรคในขณะสำรวน ซึ่งอาจจะมีลักษณะต่างจาก incident cases ซึ่งได้แก่ ผู้ป่วยใหม่ในช่วงเวลาที่ศึกษา Pevalent cases จึงเป็นส่วนที่เหลือจาก incident cases ที่เปลี่ยนตามเวลา คือมีการตาย หรือหายจากโรคแล้ว คนที่ตายหรือหายจากดรค อาจมีลักษณธไม่เหมือนกับผู้ที่ไม่ตาย และไม่หาย คือยังคงเป็นโรคอยู่ การมีหรือไม่มีปัจจัยเสี่ยง อาจเป็นไปตามกาลเวลาด้วย ทำให้ข้อมูลเกี่ยวกับโรค และปัจจัยเสี่ยงคลาดเคลื่อนไปได้

เป็นการศึกษาที่เริ่มจากผู้เป็นโรคที่สนใจ และเลือกกลุ่มควบคุมที่ไม่เป็นโรค แต่มีลักษณะสำคัญอื่นคล้ายกับผู้ป่วย มาเปรียบเทียบ วิธีการศึกษานี้ เหมาะสำหรับหาสาเหตุของโรคที่มีอุบัติการต่ำ ใช้จำนวนตัวอย่างน้อย ไม่ต้องติดตามตัวอย่างนาน สามารถวัดปัจจัยเสี่ยงหลายอย่างไม่พร้อม ๆ กันได้ ข้อเสียงอันสำคัญอยู่ที่การวัดปัจจัยเสี่ยง อาจได้ผลไม่แน่นอน เพราะเป็นการศึกษาย้อนหลัง นอกจากนี้ การวัดปัจจัยเสี่ยงและโรคนั้น กระทำที่จุดเดี่ยว ผู้ที่เสียชีวิตในชุมชนไม่ได้หาแพทย์ หรือผุ้ที่เป็นโรคในชุมชนแล้วหายเป็นปกติ ก็ไม่ได้อยู่ในกลุ่มผู้ป่วยที่นำมาศึกษา

อย่างไรก็ตาม การศึกษาแบบ Case control ยังถือเป็นโครงสร้างการวิจัยหลัก ที่ใช้หาสาเหตุหรือปัจจัยเสี่ยงต่อโรค เพราะเป็นวิธีศึกษาที่เป็นไปได้เพียงวิธีเดียว ตัวอย่างเช่น การใช้ Case control study ศึกษาความสัมพันธ์ระหว่างมะเร็งปอดตับ การสุบบุหรี่ หรืการพบว่า diethylstibestrol ที่ให้มารดาระหว่างตั้งครรภ์ ทำให้เกิดมะเร็งช่องคอลดในลูกสาวเมื่อมีอายุ 15-22 ปี เป็นตัน เนื่องจากวิธีนี้เป็นวิธีหลัก จึงต้องวางแผนให้ดี เพื่อป้องกันจุดอ่อนต่าง ๆ ให้เกิดน้อยที่สุด จึงเห็นสมควรเน้นถึงปัจจัยต่าง ๆ ซึ่งเสริมให้ศึกษาแบบ case control ได้ดี

 

3. การศึกษาแบบ Case Control

3.1 การเลือกผู้ป่วย (Case Selection)

ต้องมีเกณฑ์ที่แน่นนอนในการเลือกผู้ป่วยมาศึกษา ควรระบุทั้งชนิด และความรุนแรงของโรคที่น่าสนใจ การเลือกคนเป็นโรค ควรเจาะจงให้มาก เพราะเป้าหมายของการศึกษาอยู่ที่การหาความสัมพันธ์ระหว่างปัจจัยเสี่ยงและโรค ให้ใกล้ความจริง (validity) มิใช่ต้องการขยายความสู่ประชากรเป้าหมาย (generalizability) เป็นสำคัญ เช่น เลือกศึกษเฉพาะ lobular breast cancer ในหญิงก่อนหมดประจำเดือน แทนที่จะศึกษามะเร็งเต้านมทั้งหมดในสตรีทุกอายุ ทั้งนี้เพราะมะเร็งแต่ละชนิดอาจจะสัมพันธ์กับเหตุแต่ละอย่าง การเลือกผู้ป่วยที่กล่างเกินไป อาจทำให้หาความสัมพันธ์ที่จำเพาะไม่ได้ ในทำนองเดียวกัน ถ้าจะศึกษาปัจจัยเสี่ยงต่อความพิการแต่กำเนินด ถ้าเก็บข้อมูลทั้งโรคปากแหว่ง โรคหัวใจ โรคเท้าพิการ รวมไปก็จอาจจะหาความสัมพันธืที่จำเพราะไม่ได้ ต้องเลือกเฉพาะโรคใดโรคหนึ่งมาศึกษา

หากเป็นไปได้ ควรเลือกผู้ป่วยทั้งเก่าและใหม่ หรือ incident case โดยเฉพาะโรคที่สนใจมีโอกาสหายหรือตาย การเลือกผู้ป่วยทั้งเก่าและใหม่ (prevalent case) ปนกันไปอาจมีอคติจากกลุ่มที่หายหรือตาย ซึ่งอาจจะสะท้อนถึงความรุนแรงของโรค กล่าวคือ คนที่หาย อาจจะมีพยาธิภาพน้อย และคนที่ตาย เป็นกลุ่มที่เป็นมาก พวกที่ไม่ตายและไม่หายเป็นกลุ่มที่อาจมีปัจจัยเสี่ยงต่างไปจากพวกที่ตาย หรือหาย ทำให้ผลสรุปผิดไป สำหรับโรคที่ไม่มีโอกาสหาย และธรรมชาติของโรคไม่ยาวนัก ผู้ป่วยก็เสียงชีวิต อาจใช้ Prevalent case แทน incident case ได้ ในกรณีเช่นนี้ ควรรวมผู้ป่วยที่เสียชีวิตแล้ว เข้าในการศึกษาด้วย เพื่อให้มีจนำวนผู้ป่วยมาก และได้ภาพของลักษระโรคที่ชัดเจน

ในการเลือกผู้ป่วย ควรพิจารณาเฉพาะผู้ที่ยังไม่มีประวัติของโรคขณะที่ได้รับปัจัยเสี่ยง เช่น ถ้าอยากศึกษาว่า การใช้ยาบ้วนปากขจัดกลิ่นปาก ก่อนมีแผลเรื้องรังในปาก เพราะผู้ป่วยที่มีแผลเรื้อรังในปาก อาจจะเป็นมะเร็งอยู่แล้ว และเพราะเขาเป็นมะเร็งปาก ทำให้มีกลิ่นปาก จึงมาเลือกใช้ยาบ้วนปาก เช่นนี้ก็ทำให้เกิดอคติในการศึกษา อคติที่เกิดเนื่องจากเลือกผู้ป่วยที่มีโรคก่อนได้รับปัจจัยเสี่ยง เรียกว่า Protopathic Bias (Proto = ตอนเริ่มเป็น : pathic = มีพยาธิสภาพ)

ในทำนองเดียงกัน ผู้ป่วยบางคนอาจจะได้รับปัจจัยเสี่ยงภายหลังเกิดพยาธิสภาพ ฉะนั้นปัจจัยเสี่ยงนั้นไม่น่าทำให้เกิดโรค จึงควรออกจากการศึกษา ตัวอย่างเช่น จะศึกษาเด็กที่ความพิการแต่กำเนิด ว่าเกิดจากแม่กินสมุนไพรชนิดหนึ่งหรือไม่ เราได้ตรวจพบเด็กพิการแต่กำเนิด จากม่มีประวัติการรับประทานสมุนไพร แต่เริ่มรับประทานครั้งแรก หลังจากเด็กที่เป็นโรคคลอดมาแล้ว เช่น ยาสมุนไพรก็ไม่จะทำให้เด็กพิการ ไม่ควรจะนำเด็กนี้มาศึกษา

แหล่งข้อมูลเกี่ยวกับโรคที่สนใจ อาจได้มาจากโรงพยาบาล ในต่างประเทศอาจจะหาข้อมูลได้จาก มรณะบัตร บริษัทประกันชีวิต หรือบันทึกของแพทย์ผู้ให้การรักษา แต่ในประเทศไทย ข้อมูลเหล่านี้ยังไม่แม่นยำพอที่จะนำมาใช้ประโยชน์ได้

3.2 การเลือกกลุ่มเปรียบเทียบ (Control Selection)

แหล่งประชากรที่ใช้เลือกกลุ่มเปรียบเทียบ อาจได้มาจาก ประชาชนทั่วไป ผู้ป่วยโรคอื่น ที่มาขอการรับการรักษาในโรงพยาบาลเดียวกัน เพื่อนบ้านผู้ป่วย หรือญาติผู้ป่วย

ในการเลือกกลุ่มเปรียบเทียบ ผู้วิจัยตั้งสมมติฐานว่า กลุ่มเปรียบเทียบมีลักษณะของปัจจัยเสี่ยง ใกล้เคียงกับปัจจัยเสียงในประชากรทั่วไป สมมุติฐานนี้อาจไม่เป็นความจริง โดยเฉพาะเมื่อใช้กลุ่มเปรียบเทียบจากผู้ป่วยโรคอื่น ในโรงพยาบาลเดียวกัน ซึ่งจะได้ยกตัวอย่างต่อไป

การเลือกกลุ่มเปรียบเทียบจากประชากรทั่วไปเป็นสิ่งที่ดี แต่ทำยากกว่า สิ้นเปลืองทรัพยากรและเวลามากกว่า จะทำจริง ๆ ต้องมีรายชื่อของบ้าน และคนที่มีคุณสมบัติตามเกณฑ์อยู่แล้ว นอกจากนี้ แม้ว่าเราจะได้รายละเอียดดังกล่าวมา คนที่สุ่มมาได้ก็อาจไม่เต็มใจร่วมมือ ทำให้การเประเมินปัจจัยเสี่ยงคลาดเคลื่อนไป กล่าวคือ ผู้ให้ความร่วมมืออาจจะมีอุบัติการของปัจจัยเสี่ยงคลาดเคลื่อนไป กล่าวคือ ผู้ให้ความร่วมมืออาจจะมีอุบัติการของปัจจัยเสี่ยง ต่างไปจากผู้ที่ไม่ยอมให้ความร่วมมือเป็นได้

ในทางปฏิบัติ การใช้ random number เลือกตัวอย่างเบอร์โทรศัพท์มาแล้ว หมุนโทรศัพท์แล้ว หมุนโทรศัพท์เลือกกลุ่มควบคุมตามตัวเลขที่สุ่มมาได้ เป็นวิธีที่นิยมใช้กันในประเทศที่มีระบบโทรทัศน์ดี ประชาชนมีโทรศัพท์ครบเกือบทุกบ้าน การใช้วิธีนี้ในประเทศไทยยังไม่เหมาะสม เพราะผู้มีโทรศัพท์ยังมีจำนวนน้อย และมีคุณสมบัติและสถานภาพทางเศรษฐกิจและสังคม ต่างจากผู้ที่ไม่มีศัพท์

มีการใช้กลุ่มเปรียบเทียบจากผู้ป่วยโรคอื่น ในโรงพยาบาลเดียวกันมาก ปัจจัยที่ทำให้ผู้ป่วยเหล่านี้มาโรงพยาบาล ได้แก่ สภาพทางเศรษฐกิจ (ผู้เข้าโรงพยาบาลแห่งได้ ต้องมีฐานนะดีหรือมีคนรู้จัก) ถิ่นที่อยู่ ศาสนา เชื้อชาติ เป็น ต้น ลักษณะเหล่านี้ อาจจะคล้ายคลึงกับลักษณะของผุ้ป่วยที่เป็นโรคที่สนใจศึกษา เพราะเป็นผู้ป่วยในโรงพยาบาลเดียวกัน ทำให้ไม่พบปัจจัยเสี่ยงที่สนใจได้ เนื่องจากลักษณะทีเหมือนกัน อาจจะเป็นส่วนหนึ่งของปัจจัยเสี่ยงต่อโรค นอกจากนี้โรคหลายอย่างมีปัจจัยเสี่ยงร่วมกัน เช่น โรคมะเร็งปอด และโรค chronic obstructive pulmonary disease (COPD) มีเรื่องการสูบบุหรี่เป็นปัจจัยเสี่ยงร่วมกัน ฉะนั้น ถ้าเลือกกลุ่มเปรียบเทียบเป็น COPD เพื่อหาปัจจัยเสี่ยงของโรคมะเร็งปอด ก็จะไม่พบว่าการสูบบุหรี่เป็นปัจจัยเสี่ยงที่สำคัญของมะเร็งปอด การที่สูบบุหรี่เป็นปัจจัยเสี่ยงของโรคหลายโรค เรียกว่าบุหรี่ทำให้มี Co-morbidity bias ซึ่งมีความสำคัญมาก จนทำให้การวิจัยในระยะแรก ที่พยายามหาความสัมพันธ์ระหว่างการสูบบุหรี่ และมะเร็งปอด แต่ใช้ COPD เป็นกลุ่มเปรีบเทียบ ให้ผลที่คลาดเคลื่อนไป

ขอยกตัวอย่างเพื่อให้เห็นความสำคัญของ Co-morbidity bias ดังนี้ สมมุติว่าเราเลือกผู้ป่วย COPD 100 ราย ในการศึกษาสาเหตุของ มะเร็งปอด จากผู้ป่วย 100 ราย และพยายามค้นหาปัจจัยเสี่ยง เกี่ยวกับการสูบบุหรี่ ได้ผลดังนี้

ตารางที่ 11.1
  มะเร็งปอด COPD
สูบบุหรี่จัด ใช่ 45 a b 40
ไม่ใช่ 55 c d 60
รวม 100 100

เมื่อนำผลที่ได้มาหาอัตราเสี่ยงสัมพันธ์ประมาณ (odd ration) พบว่าได้เท่ากับ ad / bc หรือ (45 x 60) / (40 x 55) เท่ากับ 1.23 หมายความว่า คนสูบบุหรี่จัดเป็นมะเร็งปอดมากกว่าเป็น COPD 1.23 เท่า

แต่เมื่อศึกษาโดยเลือกกลุ่มเปรียบเทียบจากประชาชนทั่วไป 100 คน พบอัตราการสูบบุหรี่เพียง 5% สรุปผลดังตาราง 11.2

ตารางที่ 11.2
  มะเร็งปอด COPD
สูบบุหรี่จัด ใช่ 45 a b 5
ไม่ใช่ 55 c d 95
รวม 100 100

พบว่าในกรณีนี้ อัตราเสี่ยงสัมพัทธ์โดยประมาณ (odd ratio) เท่ากับ (45 x 95) / (5 x 55) เท่ากับ 15.55 หมายความว่า คนสูบบุหรี่จัดเป็นมะเร็งปอดมากกว่าคนทั่วไป 15.55 เท่า จึงเห็นได้ชัดว่า ปัจจัยเสี่ยงที่ทำให้เกิดโรคร่วม(co-morbidity) ทำให้เกิดอคติได้มาก

ข้อเสียของการใช้กลุ่มเปรียบเทียบในโรงพยาบาลอีกประการหนึ่ง คือการเกิด co-manifestation bias หมายความว่า ความจริงที่คิดว่า ปัจจัยเสี่ยงไม่ได้เป็นปัจจัยเสี่ยงจริง ๆ แต่ทำให้เกิดอาการคล้ายคลึงกับอาการของโรคที่สนใจ ผู้ป่วยจึงมาหาแพทย์ และทำให้ตรวจพบโรคได้ ยกตัวอย่างเช่น การให้ estrogen กับสตรีที่หมดประจำเดือนแล้ว ในความเป็นจริง estrogen ไม่ได้เป็นปัจจัยเสี่ยงต่อ Endometrial Cancer แต่ทำให้มี endomtrial hyperplasia และมีเลือดออกทางช่องคลอด อาการของ endometrial cancer ทำให้ผู้ป่วยมาหาแพทย์ บางคนที่เลือดออกใช้ estrogen แาจจะมี endometrial cancer ระยะแรก จึงยังไม่มีอาหาร (silent) การใช้ estrogen จึงทำให้ผุ้ป่วยเหล่านี้ถูกตรวจพบ endometrial cancer ได้เร็วและมากขึ้น ถ้าไม่ระวังให้ดี อาจจะคิดได้ว่า postmenopausal estrogen เป็นปัจจัยเสี่ยงต่อการเกิด endometrial cancer อคติที่เกิดเนื่องจากโรคที่สนใจ และปัจจัยเสี่ยงที่สงสัย ทำให้เกิดอาการคล้ายคลึงกันเช่นนี้ เรียกว่า comanifestation bias ซึ่งอาจพบได้ ถ้าเลือกกลุ่มเปรียบเทียบจากผู้ป่วยในโรงพยาบาล

กลุ่มเปรียบเทียบที่ได้จากโรงพยาบาล จึงมีลักษณะต่างจากประชากรทั่วไป ลักษณะที่ต่างร่วมมือดี พยายามตอบคำถามให้ข้อมูลครบ เพราะคิดว่าแพทย์ได้ข้อมูลไป คงจะมีประโยชน์ต่อการรักษาโรคของตน

การใช้ญาติหรือเพื่อนสนิทของผู้ป่วย เป็นกลุ่มเปรียบเทียบ ก็ทำได้ง่ายเช่นเดียวกัน แต่ข้อเสียที่สำคัญ ที่คนเหล่านี้อาจจะมีการใช้ชีวิตที่มีปัจจัยเสี่ยง ใกล้เคียงกับผู้ป่วยมาก ทำให้เกิดสภาวะที่เรียกว่า overmatching กล่าวคือ มีการเลือกกลุ่มเปรียบเทียบ ที่มีปัจจัยเสี่ยง ใกล้เคียงกับปัจจัยเสี่ยงต่อโรคของผู้ป่วย มากเกินไป

เนื่องจากที่มาของกลุ่มเปรียบเทียบจากแหล่งงานต่าง ๆ มีข้อดีและข้อเสียในตัวเอง จึงมีบ่อยครั้งที่นักวิจัยใช้กลุ่มเปรียบเทียบจากแหล่งต่าง ๆ มีข้อดีและเสียในตัวเอง จึงมีบ่อยครั้งที่นักวิจัยใช้กลุ่มเปรียบเทียบมากกว่าหนึ่งแหล่ง และเปรียบเทียบผลการวิเคราะห์ระหว่างกลุ่มนี้

โดยทั่วไปจำนวน control ควรมีมากกว่า case อย่างน้อย 4 เท่า การวิเคราะห์ทางสถิติ จึงจะมีความไวสูงในการหาปัจจัยเสี่ยง

3.3 การควบคุมอคติในการศึกษา Case-Control

3.3.1 การควบคุม Cofounders หรือ "ตัวกวน" อคติที่สำคัญในการศึกษาแบบ Case-Control คืออคติที่เกิดจาก cofounders ซึ่งได้แก่ ปัจจัยที่อยู่นอกคำถามการวิจัย แต่มีความสัมพันธ์กับปัจจัยเสี่ยง และโรคที่สนใจ เช่น อายุ ระดับการศึกษา และสถานภาพทางเศรษฐกิจและสังคม เป็น cofounders ได้บ่อย เพราะสิ่งเหล่านี้มีความสัมพันธ์กับโรค และปัจจัยเสี่ยงต่อโรค การคุม cofounders ทำได้ดังนี้

ก. Matching คือ การเลือกคนมาเป็นกลุ่มเปรียบเทียบอย่างพิถีพิถัน ให้มีลักษณะที่อาจจะเป็น cofounders คล้ายคลึงกับผู้ป่วย ด้วยโรคที่สนใจ แต่ละคน มากที่สุดเท่าที่จะทำได้ เช่น ถ้าเพศและอายุอาจจะเป็น confounded เมื่อได้ผู้ป่วยมะเร็งปอด เพศชาย อายุ 65 ปี มา ก็ต้องพยายามหาผู้ที่เป็นเพศชาย อายุ 65 ปี แต่ไม่ได้เป็นมะเร็งปอดเปรียบเทียบ ถ้าหาคนอายุ 65 ปีไม่ได้จริง ๆ อาจยอมที่นำคนอายุ 65+2 ปี มาเปรียบเทียบ

ในการทำ matching ต้องระวังว่าจะ match เฉพาะปัจจัยที่เป็น confounded สำคัญๆ เท่านั้น ถ้าพยายาม match ต่าง ๆ มากเกินไปก็จะหา control ได้ยาก และสิ้นค่าใช้จ่ายสูง ถ้า match ปัจจัยใด แล้วก็ไม่สามารถศึกษาว่า ปัจจัยนั้นเป็นสาเหตุของโรคหรือไม่ เช่น หากเราไม่ทราบว่า หญิงที่ไม่แต่งงานเป็นมะเร็งเต้านมมากกว่าหญิงแต่งงานแล้ว เป็นต้น การที่เรา match ปัจจัยต่าง ๆ มากเกินไป ทำให้เรามีโอกาสสรุปผิด เช่นนี้เรียกว่า overmatching

ข. Stratification คือ การนำปัจจัยที่เป็น cofounders มาแยกเป็นช่วง ๆ หรือ stratum เช่น ถ้าอายุเป็น confounder ก็อาจจะแบ่งอายุเป็นช่วง 10 ปี ใกล้เคียงกับสัดส่วนของผู้ป่วยในอายุช่วงเดียวกัน การทำ stratification จึงคล้ายการทำ matching แต่แทนที่จะต้อง match ทุกคนเราก็ match เป็นกลุ่มบุคคล เช่นนี้จะทำให้การเลือกกลุ่มเปรียบเทียบง่ายขึ้น ไม่สิ้นเปลืองเวลาและทรัพยากร แต่อาจจะเลือก control ไม่เหมือนกับผู้ป่วยเพียงพอ ทำให้โอกาสสรุปผลเกี่ยวกับปัจจัยเสี่ยงที่สงสัยคลาดเคลื่อนไป ทั้งนี้ขึ้นกับว่า confounder ที่สงสัย มีอิทธิพลต่อปัจจัยเสี่ยง และต่อโรคที่สงสัย มากน้อยเพียงใด

ค. การปรับทางสถิติระหว่างการวิเคราะห์ข้อมูล Statistical Adjustment เช่นการทำ registration analysis ซึ่งสามารถควบคุมตัวแปรที่เป็น cofounders หลายตัวพร้อม ๆ กัน การศึกษาวิธีนี้ สามารถวิเคราะห์ปัจจัยเสี่ยงหลาย ๆ ปัจจัยพร้อมกันไปได้ โดยไม่ต้องกังวลว่า กลุ่มเปรียบเทียบและกลุ่มผู้ป่วย คล้ายคลึงกันมากเกินไป

อย่างไรก็ตาม การปรับสถิติระหว่างวิเคราะห์ ต้องมีจำนวนตัวอย่างมากพอ วิธีการทางสถิติจึงจะมีความไวพอที่จะเชื่อถือได้ วิธีนี้ต้องการขนาดตัวอย่างมากกว่าวิธี matching

วิธีควบคุม Cofounders ที่กล่าวแล้วแต่ละวิธีมีข้อดีข้อเสียต่างกัน นอกจากนี้ มีวิธีวิเคราะห์ทางสถิติที่เหมาะสม วิเคราะห์ข้อมูลเกี่ยวกับปัจจัยเสี่ยง ขึ้นกับวิธีคุม cofounders ที่ใช้ ซึ่งจะได้กล่าวต่อไป

3.3.2 อคติจากการเลือกผู้ป่วยและกลุ่มเปรียบเทียบ หากเป็นไปได้ ตัวอย่างที่ศึกษาควรเป็นผู้ป่วยใหม่ทั้วหมด ที่มีในชุมชน แต่ในทางปฏิบัติ ไม่มีทางแน่ใจว่าผู้ป่วยทั้งหมด จะมาโรงพยาบาลหรือไม่ ตัวอย่างเช่น หากต้องการศึกษาปัจจัยเสี่ยงของความพิการมาแต่กำเนิด เราก็อยากได้ผู้ที่มีความพิการแต่กำเนิดที่เกิดใหม่ทั้งหมด แต่อาจไม่ได้เพราะ

ก. ระบบสืบหาผู้ป่วยอาจจะไม่ดีพอ (Inadequate Surveillance) เด็กที่คลอดแล้วมีความพิการและตายในชุมชนตอนคลอด หรือหลังคลอดไม่นาน อาจจไม่ได้รายงานมา ชาวบ้านไม่สนใจ ก็เอาเด็กไปฝังไว้ แล้วไม่แจ้งเกิดเสียด้วยซ้ำ เพราะถือว่ายังไม่เป็นคนจริง ๆ การเสียผู้ป่วยเหล่านี้ อาจจะทำให้ข้อมูลคลาดเคลื่อน

ข. อคติจากการวินิจฉัย (Diagnosis) ในชุมชน ผู้ป่วยไม่มีความพิการ หรืออาการทางร่างกายให้เห็นจริง ๆ ก็อาจจะวินิจฉัยไม่ได้ว่า ผู้ป่วยมีความพิการแต่กำเนิด เพราะขาดเครื่องมือ หรือบุคลากรที่มีความรู้ความชำนาญ

ดังที่กล่าวแล้ว ในการวินิจฉัย ควรพยายามว่า incident case มากกว่า prevalent case และต้องระวัง อย่าเลือกกลุ่มควบคุมที่อาจจะทำให้เกิด Co-morbidity bias นอกจากนี้ ยังต้องระวังโอกาสเกิด Co-manifestation bias และ Protopathic bias ในการเลือกผู้ป่วยศึกษาด้วย ดังที่ได้ยกตัวอย่างแล้ว

ค. อคติจากการส่งต่อผู้ป่วย (Referral Bias) เจ้าหน้าที่สาธารณสุขในชุมชน อาจพิจารณาเลือกส่งต่อเฉพาะผู้ป่วยที่มีความพิการมาก ทำให้เราได้ผู้ป่วยมาศึกษาไม่ครบ นอกจากนี้ในปัจจุบันยังไม่มีระบบส่งผู้ป่วยต่อที่ชัดเจน โอกาสที่จะประเมนิขนาดของอคติ ที่เกิดจากการส่งต่อผู้ป่วย จึงทำได้ยาก

3.3.3 อคติจาการประเมินปัจจัยเสี่ยง
ก. อคติที่เกิดจากการลืม (Recall Bias) ผู้ป่วยหรือกลุ่มเปรียบเทียบ อาจจะลืมปัจจัยเสี่ยงต่าง ๆ ที่ตนได้รับ สำหรับเรื่องความพิการแต่กำเนิด ผู้วิจัยอาจจะต้องหาวิธีช่วยความจำ โดยพยายามโยงเหตุการณ์กับประจำเดือน และอาการแพ้ท้อง การใช้ภาพถ่ายเม็ดยา หรือภาพสิ่งที่อาจเป็นปัจจัยเสี่ยง เป็นเครื่องช่วยความจำก็ให้เป็นประโยชน์ ควรพยายามถามปัจจัยเสี่ยงให้ครง และเวลาที่แน่นอนในการได้รับปัจจัยเสี่ยง ให้ได้ใกล้ความจริงที่สุด

ข. อคติที่เกิดจากผู้เก็บข้อมูล (Interviewer Bias) ผู้เก็บข้อมูลอาจจะทราบแล้วว่าใครเป็นโรค ใครเป็น control ทำให้ซักประวัติปัจจัยเสี่ยง ด้วยความระมัดระวังไม่เท่ากัน

ค. อคติที่เกิดจากประโยชน์ที่ผู้ป่วยได้รับ อคตินี้พบมากในผู้ป่วยคดีที่มีการฟ้องรัองกัน และผู้ป่วยอาจจะได้รับค่าทำขวัญ ถ้าพิสูจน์ได้ว่า สารเคมี หรือยาที่ตนได้รับ เป็นสาเหตุที่ทำให้เกิดโรค

3.4 ตัวอย่างการศึกษาชนิด Case-Control

ในการศึกษาโรคที่พบยาก และมีระยะทางระหว่างได้รับปัจจัยเสี่ยงจนเกิดโรค นานมากเป็นสิบปี การศึกษาแบบ case control อาจจะเป็นวิธีเดียวที่เป็นไปได้ นอกจากนี้ การศึกษา case control study ทำได้เร็ว ได้ผลมาใช้แก้ปัญหาได้ทันท่วงที และยังศึกษาปัจจัยเสี่ยง ได้มากกว่าหนึ่งอย่าง โดยใช้ข้อมูลเพียงชุดเดียว

ตัวอย่าง ระหว่างปี คศ. 1966 ถึง 1969 พบผู้หยิงสาวเป็นมะเร็งช่องคลอดที่โรงพยาบาลแห่งหนึ่งถึง 8 ราย ปกติโรคนี้พบได้ยากมาก ผู้ป่วยที่พบทั้งหมดนี้ อายุน้อยทั้งสิ้น คือ อายุระหว่าง 15-22 ปี ต่างจากอายุของผู้ป่วยโรคนี้โดยทั่วไป ซึ่งมักมีอายุสูงเกิน 50 ปีขึ้นไป

เมื่อเกิดปัญหาเช่นนี้ แพทย์ก็รีบหา หญิงสาว 4 คน เป็น control ของผู้ป่วยแต่ละคน รวมได้ control 32 ราย ปัจจัยที่ทำ matching เพราะคาดว่าอาจเป็น confounders ได้แก่ เพศ วันเดือนปีเกิด โรงพยาบาลที่เกิด ผลวิจัยพบว่า มารดาผู้ป่วยมะเร็งช่องคลอด 7 ใน 8 ราย มีประวัติรับประทานยา diethlstibestrol (DES) ระหว่างตั้งครรภ์ เนื่องจากเคยมีประวัติแท้งบ่อย ๆ แพทย์จึงให้ยานี้ ช่วยลดการบีบตัวของมดลูก โดยที่ไม่มีมารดาของกลุ่มควบคุม ได้รับยานี้เลย ผลการวิจัยนี้ จึงทำให้สงสัยว่ายา DES ที่ได้รับระหว่างตั้งครรภ์ อาจจะทำให้เกิดมะเร็งช่องคลอด ในลูกสาว 20 ปีต่อมา หรือที่เรียกว่า transplacental carcinogenesis

จะเห็นได้ว่า การศึกษาแบบ case control เป็นวิธีที่ให้คำตอบเร็ว และประหยัด จึงเหมาะสำหรับใช้ศึกษาโรคที่เกิดจากภาวะแทรกซ้อนของยา ที่พบยาก เพราะถ้าสงสัยว่ายาจะให้โทษ การศึกษาด้วย concurrent cohort ย่อมผิดจริยธรรม และผิดกฏหมาย และข้อมูลที่ได้มาจะไม่ทันใช้งาน

 

4. การศึกษาแบบ Concurrent Cohort

Cohort คือ กลุ่มบุคคลที่มีลักษณะคล้ายคลึงกัน ที่ช่วงเวลาใดเวลาหนึ่ง เช่น เกิดเวลาใกล้เคียงกัน (birth cohort) แต่งงานใกล้เคียงกัน (marriage cohort) มีอาชีพเหมือนกันในปี 1985 (occupational cohort) หรือ ได้รับสารกัมมันตภาพรังสี จากระเบิดปรมาณู ในประเทศญี่ปุ่นเหมือนกัน เป็นต้น

ในการศึกษาปัจจัยเสี่ยงต่อโรค กลุ่ม Cohort คือกลุ่มบุคคลที่ได้รับ (exposed) หรือไม่ได้รับ (non-exposed) ปัจจัยเสี่ยงเหมือน ๆ กัน และมีการติดตามกลุ่มทั้งสองไปพร้อม ๆ กัน (concurrent) แล้ววัดดูว่าอัตราการเกิดโรคใน exposed Cohort เป็นกี่เท่าของ non-exposed cohort ในตอนเริ่มศึกษาคนเหล่านี้ต้องไม่มีโรค

4.1 การเลือกกลุ่มการศึกษา

เช่นเดียวกับการศึกษาแบบ case control จะต้องมีเกณฑ์ชัดเจนในการเลือกกลุ่มตัวอย่างมาศึกษา คือระบุลักษณะของตัวอย่างในเรื่อง ปัจจัยเสี่ยงต่อโรค (risk) เช่น อายุ การศึกษา การดำรงชีวิตของตัวอย่าง นอกจากนี้ถ้ามีโรคประจำตัวในขณะนั้น co-mobidity ก็จะต้องบันทึกไว้ด้วย เช่น โรคเบาหวานซึ่งอาจจะมีผลต่อโรคที่เราต้องการศึกษา เช่น ผลต่อ stroke หรือ myocardial infarction ถ้าตัวอย่างได้รับยาหรือการรักษาประจำ (concomitent treatment ก็ต้องมีข้อมูลพื้นฐานนี้ไว้ชัดเจน

การหากลุ่มตัวอย่างใน cohort study ต่างจาก case control เพราะเป้าหมายของการศึกษามิได้อยู่ที่ การหาความสัมพันธ์ระหว่างปัจจัยเสี่ยง และโรคที่สนใจอย่างเดียว แต่ต้องขยายความสัมพันธ์นั้นสู่ประชากรเป้าหมาย (generalizability)ด้วย

สมมุติฐานสำคัญสำหรับ cohort study คือ ผู้ที่มีปัจจัยเสี่ยง เป็นตัวแทนที่ดีของผู้ที่มีปัจจัยเสี่ยงทั้งหมดในแง่คามเสี่ยงต่อการเป็นโรค และผู้ที่ไม่มีปัจจัยเสี่ยงต่อโรค ก็เป็นตัวแทนที่ดีของประชากรทั่วไป ในเรื่องโอกาสต่อการเกิดโรคที่สนใจ การเลือกกลุ่มศึกษา ให้ตรงตามสมมุติฐานเหล่านี้ ไม่ง่ายทีเดียว

เช่น ถ้าต้องการศึกษาว่า บุหรี่เป็นสาเหตุของ COPD หรือไม่ ต้องไม่มีผู้ป่วย COPD ใน Cohort เลย กลุ่มศึกษาที่เราตั้งใจเลือกมา ต้องเป็นคนแข็งแรงทั้งหมด (intended group) การสุ่มคนแข็งแรงในชุมชนมาศึกษาอาจทำได้ยาก จึงเลือกศึกษาคนแข็งแรงจากกลุ่มแพทย์ที่ขึ้นทะเบียน กับแพทยสภาพให้เป็นตัวแทนของคนที่ยังไม่เป็น COPD (available group) จากนั้นเราก็ส่งจดหมายไปถามแพทย์ที่แข็งแรงว่า ยินดีให้ความร่วมมือทำวิจัยหรือไม่ ก็จะได้คนที่ยินดีตอบมาจำนวนหนึ่ง (Candidate group) เรานำ candidate group มาดูว่า ใครบ้างที่เข้าเกณฑ์ที่กำหนดขึ้น เพื่อเลือกตัวอย่าง (eligibility criteria) คนที่เข้าเกณฑ์เรียกว่า eligible group ซึ่งเป็นเพียงส่วนหนึ่งของ candidate group แล้วจึงนำ eligible group มาแยกตามเกณฑ์ที่วางไว้ ออกเป็นผู้สูบและไม่สูบบุหรี่อีกทีหนึ่ง จะเห็นว่า กลุ่มที่ได้มาศึกษาจริง ๆ อาจต่างไปจากประชากรที่สนใจนำผลไปใช้มาก เพราะกลุ่มตัวอย่าง ต้องผ่านขั้นตอนการคัดเลือกหลายขั้นตอน และแต่ละขั้นตอน อาจมีปัญหาการได้ตัวอย่างมา

ตัวอย่างที่เลือกมาศึกษา อาจจะเป็นกลุ่มเดียว คือยังไม่มีใครในกลุ่มได้รับปัจจัยเสี่ยง หรือ exposure เลย ผู้วิจัยเฝ้าติดตามกลุ่มนี้ต่อไป ปล่อยให้คนในกลุ่มพิจารณาเองว่า จะดำเนินชีวิตโดยมีปัจจัยเสี่ยงหรือไม่ เช่น ต้องศึกษาความสัมพันธ์ระหว่างการออกกำลังกาย และการเกิด myocardial infarction ในคนสูงอายุ เราก็อาจจะเลือกกลุ่มคนที่มีอายุเกิน 60 ปีมาเหมือนกันหมดในชุมชนหนึ่ง และสร้างสถานที่ออกกำลังกายในชุมชนนั้น และปล่อยให้คนในตัวอย่าง เลือกตัดสินเองว่าจะออกกำลังหรือไม่ และตามวัดดูอัตราการเกิดโรคหัวใจภายหลัง กลุ่มตัวอย่างเช่นนี้ ถือเป็น homegeneneous cohort

บางครั้ง ในกลุ่มตัวอย่างที่เลือกมา บางคนอาจจะมีปัจจัยอยู่แล้ว แต่บางคนยังไม่มี เช่น คิดตามคนที่สูบ และไม่สูบบุหรี่ในขณะนี้ไปข้างหน้า เพื่อศึกษาว่า อัตราการเกิด COPD จะต่างกันอย่างไร ในกรณีเช่นนี้ ต้องมีเกณฑ์ที่ชัดเจนว่า อะไรคือปัจจัยเสี่ยง เช่น การออกกำลังกายคืออะไร การสูบบุหรี่คืออะไร เป็นต้น กลุ่มตัวอย่างที่มีทั้งผู้ได้รับ และไม่ได้รับปัจจัยเสี่ยงแต่แรก เรียกว่า heterogenous cohort การเปรียบเทียบผลการเกิดโรค ระหว่างกลุ่มต่าง ๆ ภายใน heterogenous cohort เรียกว่าทำ internal comparison

4.2 การเลือกกลุ่มเปรียบเทียบ

4.2.1 Control in Heterogeneous Cohort ในกรณีที่ cohort ที่ได้มาศึกษา มีทั้งผู้มี และไม่มีปัจจัยเสี่ยง เราก็สามารถเปรียบเทียบระหว่างกลุ่มได้เลย โดยถือว่ากลุ่มไม่มีปัจจัยเสี่ยงเป็นกลุ่มควบคุม เช่นนี้เรียกว่า internal comparison

4.2.2 Control in Homogeneous Cohort

ก. Population Control ได้แก่ การใช้อัตราการเกิดโรคในประชากรทั่วไป มาเปรียบเทียบกับอัตราการเกิดโรคในกลุ่มตัวอย่างที่ศึกษา ซึ่งเป็นกลุ่มที่มีปัจจัยเสี่ยงอยู่ เช่นเปรียบเทียบอัตราการเกิด COPD ในคนสูบบุหรี่ กับอัตราการเกิด COPD ในประชากรทั่วไป

วิธีการเลือกกลุ่มเปรียบเทียบนี้ มีสมมุติฐานที่สำคัญ คืออัตราการเกิด COPD ในประชากรทั่วไปที่ได้ข้อมูลมานั้นถูกต้อง หมายความว่า การเก็บข้อมูลเกี่ยวกับโรคนี้ไม่บกพร่องจนเกินไปนัก ในประเทศไทย สำหรับโรคส่วนใหญ่ยังทำเช่นนี้ไม่ได้ และเป็นที่สงสัยว่า ข้อมูลที่ได้จากการเปรียบเทียบวิธีนี้ เชื่อถือได้มากน้อยเพียงใด เพราะอัตราการเกิดโรคในประชากรทั่วไป มีโอกาสผิดพลาดได้หลายขั้นตอน และมักจะไม่สามารถควบคุมขั้นตอนต่าง ๆ เหล่านั้น

ข. Special Group Control ในบางกรณี อาจเลือกกลุ่มตัวอย่างจำเพาะ มาใช้เป็นกลุ่มควบคุม เช่น ต้องการศึกษาว่า ยาสลบที่ใช้ในห้องผ่าตัด ทำให้เกิด megaloblastic haematopoiesis หรือไม่ ก็อาจเปรียบเทียบอัตราการเกิด megaloblastic haematopoiesis ในกลุ่มวิสัญญีแพทย์ กับกลุ่มแพทย์ที่ทำงานนอกห้องผ่าตัด เช่น อายุรแพทย์ เป็นต้น

การเลือกกลุ่มเปรียบเทียบวิธีนี้ ตั้งอยู่บนสมมุติฐานที่ว่า สิ่งเดียวที่วิสัญญีแพทย์ต่างจากอายุรแพทย์ คือ การได้รับยาสลบเข้าร่างกายเป็นประจำ สมมุติฐานนี้อาจไม่เป็นความจริง กล่าวคือ อาจจะมีปัจจัยอื่นที่แตกต่างกัน ระหว่างการดำเนินชีวิตของวิสัญญีแพทย์และอายุรแพทย์ ซึ่งมีผลต่อ megaloblastic haematopoiesis ก็ได้

จะเห็นได้ว่าข้อแตกต่างที่สำคัญระหว่าง cohort study และ randomized control trial คือใน cohort study ตัวอย่างที่ศึกษา เป็นผู้ตัดสินเลือกเองว่า จะดำรงชีวิตโดยมีปัจจัยเสี่ยงหรือไม่ โอกาสจะใช้ชีวิตอย่างไร ขึ้นกับลักษณะประจำตัวของแต่ละคน โอกาสนี้จะไม่เท่ากันในแต่ละคน ในการศึกษาแบบ randomized control trial ผู้ป่วยจะถูกเลือกให้ได้รับการรักษาด้วยยา ก. และ ยา ข. ด้วยโอกาสที่เท่ากัน ความแตกต่างที่สำคัญนี้ ทำให้ confounders หรือตัวกวน มีบทบาททำให้เกิดอคติใน cohort study

ตัวอย่างเช่น ในการศึกษาความสัมพันธ์ระหว่างการออกกำลังกาย และ myocardial infarction ในผู้สูงอายุ พบว่าผู้ที่ออกกำลังกาย มีอัตราการเกิด myocardial infarction น้อยกว่าผู้ไม่ออกกำลังกาย ทำให้ดูเหมือนว่า การออกกำลังเป็นสิ่งที่ดี แต่ถ้าพิจารณาดูให้ถ่องแท้ จะพบว่า กลุ่มตัวอย่างที่เลือกออกกำลังกาย เป็นกลุ่มที่มีร่างกายแข็งแรง พวกที่เลือกไม่ออกกำลังกาย เป็นพวกที่เจ็บหน้าอกบ่อย คือมี anginal pain จากตัวอย่างนี้เห็นว่า anginal pain เป็น confounder เพราะปัจจัยที่อยู่นอกคำถามการวิจัย มีผลต่อโรค คือมักมีโอกาสเกิด myccardial infarction ได้มาก และมีการกระจายไม่เท่ากันทั้งสองกลุ่ม ใน cohort study โอกาสเกิด confounder ในกลุ่มศึกษามีมาก

4.3 ความหมายของปัจจัยเสี่ยง (Exposure หรือ Risk factors)

ในการแบ่งกลุ่มผู้ป่วยเมื่อทดลองรักษา เปรียบเทียบยา A และยา B เราต้องการควบคุมเวลาให้ยา ขนาดยาที่ให้ และระวังมิให้ผู้ป่วยได้รับยาของอีกกลุ่มหนึ่ง กล่าวคือผู้ป่วยที่ได้รับยา A ก็ไม่ควรได้รับยา B และผู้ป่วยได้ยา B ก็ไม่ควรได้ยา A

ในการหาปัจจัยเสี่ยงต่อโรคที่เช่นเดียวกัน ต้องมีคำจำกัดความของปัจจัยเสี่ยงที่ชัดเจน และสอดคล้องกับหลักการทางวิทยาศาสตร์ กล่าวคือ ในคำจำกัดความที่ใช้ ปัจจัยเสี่ยงต้องรุนแรงพอจะทำให้เกิดโรคได้ คล้ายคลึงกับเรื่องการให้ยา ซึ่งต้องมีขนาดเพียงพอจะได้ผลในการรักษา ในการศึกษาโรค COPD จากบุหรี่ หรือ Endometrial Carcinoma จากยาคุมกำเนิด ต้องมีคำจำกัดความชัดเจนว่า การสูบบุหรี่คืออะไร ต้องเริ่มสูบเมื่อไร สูบวันละกี่มวน สูบนานเท่าไร จึงจะเรียกว่าเป็นการสูบบุหรี่ ในทำนองเดียวกัน การใช้ยาคุมกำเนิด ต้องมีคำจำกัดความที่ชัดเจน เช่น ขนาด ชนิด และระยะเวลาที่รับประทานยา เป็นต้น

ระหว่างการศึกษา อาจพบว่า ผู้มีปัจจัยเสี่ยง อาจจะเปลี่ยนวิถีชีวิต คือ คนเคยสูบบุหรี่ อาจจะเลิกสูบ คนเคยใช้ยาคุมกำเนิด อาจจะเปลี่ยนวิธีคุมกำเนิดเป็นอย่างอื่น เหล่านี้ทำให้การประเมินโรคจากปัจจัยเสี่ยงมีอคติ ในการศึกษาเรื่องฤทธิ์ยาในการรักษาโรค เราสามารถหาวิธีการควบคุม มิให้มีการเปลี่ยนยาที่ศึกษาได้ แต่สำหรับการศึกษาปัจจัยเสี่ยงของโรค เราต้องปล่อยตามธรรมชาติ และความสมัครใจของกลุ่มตัวอย่าง เพื่อหลีกเลี่ยงปัญหาจริยธรรม โดยเฉพาะถ้ามีหลักฐานว่า วิถีชีวิตบางอย่าง เช่น การสูบบุหรี่ หรือการใช้ยาคุมกำเนิดประจำ อาจจะทำให้เกิดโทษ

4.4 ความหมายของการวัด (Outcome definition)

จะต้องมีคำจำกัดความชัดเจนว่า โรคหรือโทษของปัจจัยเสี่ยงคืออะไร และโรคหรือโทษที่สนใจ จะต้องยังไม่พบในขณะที่เราเริ่มนำกลุ่มตัวอย่างมาศึกษา

ในบางครั้ง อาจจะพบโทษ หรือโรคที่ไม่เคยคิดมาก่อนว่าจะเกิดขี้น เช่น ในการติดตามภาวะแทรกซ้อนของยา ผู้วิจัยอาจจะพยายามวัดอัตราการฆ่าตัวตาย เพราะคิดว่ายาทำให้เกิดการเปลี่ยนสภาพจิตใจ แต่พบติดตามกลุ่มตัวอย่าง ไปได้พบโรคตับอักเสบหลายราย เมื่อเป็นเช่นนี้ ต้องบันทึกข้อมูลไว้ แต่การวิเคราะห์เพื่อตอบคำถาม ยังคงเป็นไปตามวัตถุประสงค์ที่วางไว้แต่แรก

การวัด ต้องตั้งอยู่บนรากฐานของความถูกต้อง เชื่อถือได้ และปราศจากอคติ ดังที่กล่าวมาแล้ว ในเรื่องการวิจัยเชิงบรรยาย ปัญหาสำคัญเกี่ยวกับเรื่องของการวัด ในการเปรียบเทียบระหว่างกลุ่มก็คือ ผู้วิจัยอาจจะให้ความสนใจในการสืบค้นหาโรคไม่เท่ากัน ในกลุ่มที่มี และไม่มีปัจจัยเสี่ยง (Surveillance bias) ให้การวินิจฉัยโดยการตรวจพิเศษไม่เท่ากัน (diagnosis bias) หรือแปลผลการตรวจพิเศษแตกต่างกัน (interpretation bias) ขึ้นกับอคติที่อยู่ในใจผู้วิจัย เช่น ผู้วิจัยเชื่อว่ายา ก. น่าจะทำให้เกิดโรคโลหิตจาง ก็จะพยายามตรวจกลุ่มตัวอย่างที่ได้ยา ก. บ่อยๆ และไม่ใคร่สนใจกลุ่มที่ได้รับยา ข. ในการแปลผลการตรวจ ก็มักแปลผลในลักษณะที่พบโรคโลหิตจางในกลุ่มที่ได้รับยา ก. อคตินี้สามารถป้องกันได้้ หากผู้วัดไม่ทราบว่ากลุ่มตัวอย่างใด ได้รับยา ก. หรือยา ข. (blinding) แต่ในการวิจัยแบบ cohort study เรามักไม่สามารถ "blind" ผู้วัดได้ ไม่เหมือนการศึกษาแบบ randomized control trial

ปัญหาอีกอย่างหนึ่งของการวัด คือ จำนวนกลุ่มตัวอย่างที่เหลืออยู่ในแต่ละช่วงเวลาที่ผ่านไป จะลดลงไปเรื่อย ๆ โดยเฉพาะอย่างยิ่ง ในเมื่อการศึกษาแบบ cohort ต้องใช้เวลาติดตามกลุ่มตัวอย่างนาน กลุ่มตัวอย่างที่ขาดหายไป อาจไม่เหมือนกับกลุ่มที่เหลืออยู่ ทำให้ต้องระวังในการแปลผล วิธีการทางสถิติส่วนมากที่ใช้วิเคราะห์ มักจะถือว่ากลุ่มที่ขาดหายไป ไม่ต่างจากกลุ่มที่เหลืออยู่ให้ศึกษา ในกรณีเช่นนี้ ผลสรุปทางสถิติอาจไม่ตรงกับความเป็นจริง

4.5 การควบคุมอคติใน cohort Study

อคติจาก cohort study มีได้ 4 แหล่ง ตามขั้นตอนต่าง ๆ ของการวิจัย คือ อคติในระยะรวบรวมกลุ่มตัวอย่าง (Admission) อคติในการจำแนกกลุ่มตัวอย่างออกเป็นผู้มีและไม่มีปัจจัยเสี่ยง (Allocation) อคติจากการเปลี่ยนวิถีชีวิตของกลุ่มตัวอย่างซึ่งเคยมี เป็นไม่มีปัจจัยเสี่ยงต่อโรค รวมทั้งการเปลี่ยนวิถีชีวิตจากไม่มี เป็นมีปัจจัยเสี่ยงด้วย (Transfer of migration bias) และท้ายที่สุด ได้แก่ อคติที่เกิดในขั้นตอนทางการวัดโรค หรือโทษที่เกิดจากปัจจัยเสี่ยงนั้น (Detection bias)

Transfer หรือ migration bias เป็นสิ่งที่ควบคุมยาก เพราะการศึกษาแบบ cohort มักกินเวลานาน และการพยายามเปลี่ยนวิถีชีวิตของผู้ป่วย เกี่ยวกับการได้รับปัจจัยเสี่ยงนั้น มีปัญหาทางจริยธรรม

สำหรับอคติที่เกิดจากการวัด ต้องควบคุมโดยตั้งคำจำกัดความของตัววัดให้ชัดเจน (clear operational definition) ทั้งนี้เพราะแพทย์ หรือกลุ่มตัวอย่าง มักทราบว่าใครมีปัจจัยเสี่ยงบ้าง ทำให้การ blinding ทำได้ยาก ในการศึกษาแบบ cohort

ในเรื่องการตั้งเกณฑ์เพื่อเลือกกลุ่มตัวอย่างเข้ามาศึกษา (eligibility criteria) ก็คล้ายคลึงกับเรื่องของการวัด เราสามารถตั้งเกณฑ์การเลือกให้แคบ หรือกว้างได้ ถ้าตั้งแคบมาก ก็จะตอบคำถามจำเพาะ และอาจสามารถจำกัดตัวอย่างเฉพาะผู้ที่ให้ความร่วมมือในขั้นตอนอื่น ๆ เป็นอย่างดี แต่ผลวิจัยก็จะขยายความออกไปกว้างขวางไม่ได้

สำหรับการลด confounder ในขั้นตอนการจำแนกกลุ่มตัวอย่างออกเป็นผู้มี หรือไม่มีปัจจัยเสี่ยง ทำได้หลายวิธี หลักการใหญ่ คล้ายการควบคุมอคติในการศึกษาแบบ case control คือการจับคู่ matching ตามลักษณะของปัจจัยที่อาจเป็น confounder หรือ การวิเคราะห์ปรับอัตราเสี่ยง ตามวิธีการทางสถิติ (statisical adjustment หรือ stan-dardization) รายละเอียดด่าง ๆ ได้ กบ่าวไว้แลวในเรื่อง case control

วิธีการหนึ่ง ที่ใช้ตรวจว่ามี confounder ระหว่างผู้มี และไม่มีปัจจัยในกลุ่มตัวออย่างที่ศึกษาหรือไม่ ทำได้โดย แบ่งผู้มี และไมีปัจจัยเสี่ง ตามลักษณะของสิ่งเป็น confouner วิธีการนี้เรียกว่า stratification ตัวอย่างเช่น ถ้าโรคร่วม (comorbidity) มีความสำคัยต่อผลวิจัย เราก็อาจจะแยกผู้มี และไม่มีปัจจัยเสี่ยง ตามความรุนแรงโรคร่วม สมมุติว่าเราศึกษาผู้สูบ และไม่สูบบุหรี่ ที่มีอายุเกิน 60 ปี อย่างละ 1000 คน เป็นเวลา 1 ปี พบอุบัติการของ myocardial infarction กลุ่มละ 60 คน ข้อมูลนี้บ่งว่า การสูบบุหรี่ไม่น่าเป็นสาเหตุของ myocardial infarction (MI) แต่ถ้าแบ่งกลุ่มผู้สูบ และไม่สูบบุหรี่ ตามลักษณะขอโรคร่วม คือ เบาหวานที่มีเส้นเลือดเสีย (vascular complication) จะพบตามตาราง

ตาราง 11.3

เบาหวาน สูบบุหรี่ ไม่สูบบุหรี่
N MI Rate N MI Rate
เป็น
ไม่เป็น
200
800
20
40
10
5
1000
0
60
0
0
0
รวม 1000 60 6 1000 60 6

จากตาราง กลุ่มสูบบุหรี่มีเบาหวาน 50% กลุ่มไม่สูบบุหรี่ 100% อัตราการเกิด MI ในกลุ่มสูบบุหรี่และเป็นเบาหวานมี 10% เทียบกับ อัตราการเกิด MI เพียง 6% ในกลุ่มที่ไม่สูบบุหรี่และเป็นเบาหวาน แสดงว่าบุหรี่น่าจะเป็นปัจจัยที่เสริมให้เกิด MI เผอิญในกลุ่มที่ไม่สูบบุหรี่มี confounder คือ เบาหวานในกลุ่มเกือบทั้งหมด ทำให้ผลของบุหรี่ต่อการเกิด MI ถูกปิดบังในการพิจารณาผลรวม แต่ถ้าแยกกลุ่มผู้ป่วยตามลักษณะของ confounder ดังตัวอย่างนี้ ก็พอจะเห็นว่า บุหรี่น่าจะเป็นปัจจัยที่ทำให้อัตราการเกิด mycardial infarction มีสูงขึ้น การทำ stratification จึงเป็นวิธีสำคัญ ในการตรวจหา confounder ใน cohort study

 

5. แผนการศึกษาชนิดอื่น

5.1 Cross-Sectional Study

ใน cohort study มีการติดตามกลุ่มตัวอย่างที่มี และไม่มีปัจจัยเสี่ยงไปข้างหน้า แล้วเปรียบเทียบอัตราการเกิดโรคในกลุ่มตัวอย่างทั้งสอง ใน case-control study ผู้วิจัยเลือกกลุ่มตัวอย่างจากผู้ป่วยที่เป็นโรค และหากลุ่มเปรียบเทียบ แล้วถามประวัติในอดีต เพื่อสืบหาปัจจัยเสี่ยงที่น่าสนใจ สำหรับ cross-sectional study ผู้วิจัยเลือกกลุ่มตัวอย่างเป็นชุมชนทั้งหมด ซึ่งประกอบด้วย ผู้มีปัจจัยเสี่ยง ไม่มีปัจจัยเสี่ยง หรือมีโรค และไม่มีโรค โดยศึกษาชุมชน ณ เวลาใดเวลาหนึ่งเท่านั้น มักไม่มีการติดตามชุมชนไปข้างหน้า เมื่อได้ข้อมูลมาจึงเปรียบเทียบอัตราการเกิดโรค ระหว่างผู้มี และไม่มีปัจจัยเสี่ยงอีกทีหนึ่ง

ข้อเสียอันสำคัญของการศึกษาแบบนี้ก็คือ โรคที่พบมักจะเป็น prevalent case ไม่ใช้ incedent case ฉะนั้นการหาสาเหตุของโรคใช้ prevalent case ทำให้เกิดอคติตามที่ได้กล่าวมาแล้ว นอกจากนี้ ปัจจัยเสี่ยงบางอย่างใช้เวลานานจะเกิดโรค วิธีการศึกษาแบบ cross-sectional ไม่สามารถใช้ข้อมูลเกี่ยวกับเวลา (temporal sequence) ได้ดี การที่พบปัจจัยเสี่ยง แต่ไม่พบโรค ก็มิได้หมายความ ผู้มีปัจจัยเสี่ยงจะไม่มีโอกาสเป็นโรคในอนาคต ในทำนองเดียวกัน ผู้ที่เคยมีปัจจัยเสี่ยง แล้วในอดีต ในปัจจุบันอาจจะไม่มีปัจจัยเสี่ยงให้เห็น แต่เนื่องมาจากปัจจัยเสี่ยงในอดีต เป็นผลให้กลุ่มตัวอย่างของเรามีโรคในปัจจุบัน โดยที่ไม่มีปัจจัยเสี่ยงให้เห็นขณะนั้นก็ได้ ข้อเสียงอื่น ๆ ได้ระบุแล้วไว้ในเรื่องแบบแผนของการวิจัย

เนื่องจาก cross-sectional study มีปัญหาดังกล่าวแล้ว การศึกษาแบบนี้ ถือเป็นโครงร่งการวิจัยที่อ่อน เมื่อเปรียบเทียบกับ Cohort design, Cross-sectional study ก็มักไม่ถูกนำมาศึกษาสาเหตุของปัญหาสุขภาพที่พบยาก (อัตราการเกิดน้อยกว่า 0.1%) ซึ่งต้องใช้การศึกษาแบบ Case-control อย่างไรก็ตาม การวิจัยนี้ทำกันบ่อยมาก เพราะทำง่าย ไม่ผิดต่อจริยธรรม และให้คำตอบเรื่องสภาพปัญหาได้รวดเร็ว สำหรับสร้างสมมุติฐานเพื่อวางแผนการวิจัยที่เข้มข้นกว่าต่อไป

ถ้าข้อมูลเกี่ยวกับปัจัยเสี่ยง สามารถเก็บย้อนหลังได้ จากการซักถามการดำรงชีวิตในอดีต หรือจากบันทึกประวัติของการตรวจร่างกาย ประโยชน์ของ cross-sectional study ก็มีมากขึ้น

5.2 Multi-Serial Cross-Sectional Study

เราอาจจะทำ Cross-sectional study หลายครั้ง ที่เรียกว่า Multiserial cross-sectional study เพื่อขจัดอคติบางอย่างของ cross-sectional study เช่น อคติจากการใช้ prevalent cases แทน incident cases หรือข้อมูลเกี่ยวกับเวลาบางส่วน แต่ก็ยังไม่สามารถทดแทน cohort study ได้เสมอไป

5.3 Historical Cohort

การศึกษาแบบ Historical Cohort ซึ่งใช้ในการวิจัยหาสาเหตุของโรคอยู่บ้าง ทำได้ในขอบเขตจำกัด ที่มีการขึ้นทะเบียนกลุ่มตัวอย่างในอดีตไว้ดี มีการบันทึกปัจจัยเสี่ยง และโรค หรือโทษที่สนใจครบ สถานการณ์เช่นนี้ พบไม่บ่อยในประเทศที่กำลังพัฒนา

 

6. อิทธิพลของการจับคู่ต่อการวิเคราะห์ข้อมูล

รายละเอียดเกี่ยวกับการวิเคราะห์ข้อมูลทั้งหมด สามารถศึกษาได้จากหนังสือสถิติทั่วไป หรือศึกษาโดยย่อได้ ในเรื่องสิติกับการวิจัย ซึ่งจะได้กล่าวต่อไป ในที่นี้ต้องการเน้นเพียงว่า การเลือกวิธีวิเคราะห์ข้อมูล ในการหาสาเหตุของโรค ขึ้นอยู่กับว่ามี Matching ในขั้นตอนของการเลือกกลุ่มเปรียบเทียบหรือไม่

6.1 กรณีที่ไม่มี Matching

กรณีที่ไม่ได้ใช้ Matching กลุ่มศึกษาหรือกลุ่มเปรียบเทียบ ถือเป็นกลุ่มที่แยกกันโดยเด็ดขาด (independent group) เราสามารถหา อัตราเสี่ยงสัมพัทธ์จริง (relative risk) ในกรณีที่เราทราบอัตราการเกิดโรค ในกลุ่มประชากกรที่มี และไม่มีปัจจัยเสี่ยง

เช่น ในการศึกษาเพื่อหาว่าการมี Hepatitis B surface antigen ในเลือด ทำให้เป็นมะเร็งตับหรือไม่ จำเป็นต้องรู้อัตราการเกิดมะเร็งตับ ในตัวอย่างที่มี และไม่มี hepatitis B surface antigen ในเลือด ดังนี้

ตารางที่ 11.4

  การเป็นมะเร็งตับ
เป็น ไม่เป็น รวม
Surface
Antigen
Positive
40 a
b 3414
3454
Negative
1 c
d 19252
19253
  รวม
41  
  22666
22707

ที่มา : Lancet 129 - 1132, 1981

  อัตราการเกิดมะเร็งตับในกลุ่มที่มีปัจจัยเสี่ยง = a / (a + b)
  อัตราการเกิดมะเร็งตับในกลุ่มไม่มีปัจจัยเสี่ยง = c / (c + d)
  อัตราเสี่ยงสัมพันธ์จริง = (a / (a + b) / (c + d) )

การหาอัตราเสี่ยงสัมพันธ์จริง (relative risk) ทำเมื่อแบบแผนการศึกษาเป็น cohort study ในกรณีที่อุบัติการของโรคน้อยกว่า 0.1% ไม่สามารถศึกษาแบบ cohort study ได้ ต้องใช้ case control design โดยเริ่มจากผู้ที่โรค แล้วถามไปหาปัจจัยเสี่ยง ข้อมูล case control จึงไม่สามารถนำไปหาอุบัติการที่แท้จริงของโรค ทั้งในกรณีที่มีปัจจัยเสี่ยง เมื่อหาอุบัติการ หรืออัตราเสี่ยงที่แท้จริงไม่ได้ ก็จะหาอัตราเสี่ยงสัมพันธ์จริง (relative risk) ไม่ได้ ต้องอาศัยวิธีประมาณดังนี้

  อัตราเสี่ยงสัมพันธ์ (จริง) = (a / (a + b) x (c / (c+d) )
    = (a / (c+d) /c (a+b)
  อัตราเสี่ยงสัมพันธ์ (ประมาณ) = ad / bc

ทั้งนี้เพราะ อุบัติเหตุการของโรคมีน้อย c + d จึงมีค่าใกล้เคียงกับ d และ a + b จะมีค่าใกล้เคียงกับ b อัตราเสี่ยงสัมพันธ์โดยประมาณนี้ เรียกว่า odd ratio

6.2 กรณีที่มี Matching

ในกรณีนี้ กลุ่มเปรียบเทียบแต่ละคน ถูกจับคู่เลือกให้คล้ายคลึงกับกลุ่มตัวอย่างแต่ละคน ในปัจจัยที่อาจจะเป็น confounder ทำให้กลุ่มตัวอย่าง และกลุ่มเปรียบเทียบ คล้ายคลึงกันมาก (paired situation) มิใช่เป็นกลุ่มที่แยกกันโดยเด็ดขาด (independent group) สิ่งสำคัญในการวิเคราะห์ข้อมูลที่เป็น paired situation คือ การสรุปข้อมูล ต้องพิจารณาเป็นคู่ ๆ และนำมาเขียนตาราง 2 x 2 ดังตัวอย่าง

ตาราง 11.5

  ปัจจัยเสี่ยงในกลุ่มเปรียบเทียบ
มี ไม่มี
ปัจจัยเสี่ยง
ในกลุ่มผู้ป่วย
มี a b
ไม่มี c d
N

ดังตัวอย่างเช่น ในการศึกษาปัจจัยเสี่ยงของผู้ป่วยมะเร็งมดลูก 8 ราย (cases) ที่ได้จับกลุ่มเปรียบเทียบ (Matched control) ในเรื่องอายุ และสถานภาพสมรส เพื่อหาว่ายาคุมกำเนิดเป็นปัจจัยเสี่ยงต่อการเกิดมะเร็งมดลูกหรือไม่ ได้ผลดังนี้

คู่ที่ การใช้ยาในกลุ่มมะเร็ง การใช้กลุ่มยาเปรียบเทียบ
1 ใช้ ไม่ใช่
2 ไม่ใช้ ใช้
3 ใช้ ไม่ใช้
4 ใช้ ใช้
5 ใช้ ไม่ใช้
6 ใช้ ไม่ใช้
7 ใช้ ไม่ใช้
8 ใช้ ไม่ใช้

จากข้อมูลดังกล่าวมาสรุปเป็นตาราง 2 x 2 โดยพิจารณาข้อมูลเป็นคู่ ๆ ได้ดังนี้

ตาราง 11.6

  การใช้ยาในกลุ่มเปรียบเทียบ
ใช้ ไม่ใช้
การใช้ยา
ในกลุ่มมะเร็ง
ใช้
1 a
b 6
ไม่ใช้
1 c
d 0

ค่าตัวเลขที่อยู่ในเซลล์ a และ d หมายถึง จำนวนคู่เปรียบเทียบ ที่ใช้ และไม่ได้ใช้ยาคุมกำเนิดเหมือนกัน ถือเป็น concordant pair ตัวเลขในเซลล์ a และ d ไม่นำมาใช้ในการหา odd ration เลย

ค่าตัวเลขที่อยู่ในเซลล์ b และ c หมายถึง จำนวนคู่เปรียบเทียบที่ใช้ และไม่ใช้ ยาคุมกำเนิดต่างกัน ถือเป็น discordant pair เป็นตัวเลขี่นำมาหาอัตราเสี่ยงสัมพัทธ์ประมาณ (odd ratio) ดังนี้

Odd ratio = b / c

สำหรับการหา standard error และช่วงความเชื่อมั่น 95% ของ ralative risk และ odd ratio มีความจำเป็นต้องนำมาพิจารณาในการแปล relative risk และ odd ratio รายละเอียดวิธีคำนวณและการแปลผล สามารถศึกษาได้จากหนังสือสถิติชีวภาพทั่วไป

 

7. ข้อพิจารณาในการเลือกวิธีศึกษาเพื่อหาสาเหตุของโรค

ดังที่กล่าวมาแล้ว ในการวิจัยหาเหตุของปัญหาสุขภาพ มีโครงร่างการศึกษาแตกต่างกัน การเลือกวิธีการศึกษาขึ้นกับ ความรู้ปัจจุบันที่เรามีอยู่ เกี่ยวกับสาเหตุ อุบัติการของโรค หรือปัญหาสุขภาพ ระยะเวลาระหว่างที่ได้รับปัจจัยเสี่ยง จนเกิดโรค ลักษณะและความครบถ้วน ของข้อมูลที่ต้องการ ดังรายละเอียดต่อไปนี้

7.1 ความรู้ปัจจุบันเกี่ยวกับสาเหตุ

โดยทั่วไป ถ้าไม่มีข้อมูลเกี่ยวกับ ความสัมพันธ์ระหว่างปัจจัยเสี่ยงและโรคเลย จะต้องเริ่มทำ cross sectional study (ถ้าอุบัติการของโรคมีมากพอ) หรือ case control study (ถ้าโรคพบได้ยาก) ถ้ามีข้อมูลจาก cross-sectional หรือ case control sutdy แล้ว ก็ให้พิจารณาว่าจะศึกษาต่อด้วย cohort study ได้หรือไม่ โดยส่วนรวมถือได้ว่า cohort study ช่วยยืนยันความสัมพันธ์ซึ่ง cross sectional หรือ case control study ได้ให้หลักฐานขั้นต้นไว้ว่า อาจมีความสัมพันธ์ระหว่างปัจจัยเสี่ยงและโรคจริง

7.2 อุบัติการของโรค

เป็นข้อพิจารณาที่สำคัญที่สุดอันหนึ่ง ในการตัดสินเลือกวิธีการศึกษา ถ้าโรคมีอุบัติการน้อย พบได้ยากมาก จะต้องใช้ตัวอย่างมาก จึงจะศึกษาความสัมพันธ์โดยใช้ cohort study ในบางกรณี อาจไม่มีทางใช้ cohort study เลย ในกรณีเช่นนี้ ต้องใช้ case control เป็นวิจัยหลัก จึงต้องรู้วิธีทำ case -control ให้ดี เป็นที่น่ายินดีว่า ในโรคที่มีอุบัติการน้อยกว่า 0.1% ค่า odd ratio สามารถใช้ประมาณอัตราเสี่ยงสัมพันธ์ (relative risk) ได้แม่นยำ ในทางกลับกัน สำหรับโรคที่พบได้ยากการทำ prospective cohort study ก็เป็นที่นิยมกัน

7.3 ระยะเวลาระหว่างที่ได้รับปัจจัยเสี่ยงและการเกิดโรค

ถ้าระยะเวลาระหว่างได้รับปัจจัยเสี่ยงและเป็นโรคยิ่งสั้นเท่าใด การศึกษาแบบ prospective cohort study ก็น่าจะเป็นไปได้มากขึ้นเท่านั้น เช่น ถ้าจะศึกษาฤทธิ์ยาที่แม่ได้รับระหว่างการตั้งครรภ์ ต่อโรคที่เกิดขึ้นในลูก ถ้าโรคนั้นเกิดตอนคลอด ก็สามารถใช้ prospective cohort study ศึกษาได้ไม่ยากนัก แต่ถ้าโรคที่สนใจเกิดขึ้นในลูก เมื่ออายุ 20 ปี การศึกษา cohot study อาจเป็นไปไม่ได้ ต้องใช้ case control design แทน

7.4 ลักษณะและความครบถ้วนของข้อมูลที่ต้องใช้

ถ้าข้อมูลที่ต้องการนั้น สามารถค้นหาได้ไม่ยาก และปราศจากอคติเท่าเทียบกัน ทั้งในกลุมตัวอย่างและกลุ่มเปรียบเทียบ ก็สามาถใช้ case control, historical cohort หรือ cross-sectional study ในการศึกษาได้ เช่น ถ้าต้องการทราบความสัมพันธ์ระหว่าง การคลอดก่อนกำหนด และปัญหาในการศึกษาเล่าเรียน ก็อาจจะหาน้ำหนักเด็กจากโรงพยาบาลบางแห่งได้ไม่ยากนัก

อย่างไรก็ตาม ถ้าข้อมูลที่มีอยู่อาจไม่ครบถ้วน หรือไม่มีทางทดสอบว่าความถูกต้องของข้อมูลเท่าเทียมกัน ระหว่ากลุ่มต่าง ๆ หรือไม่ ก็จำเป็นต้องใช้ศึกษาแบบ cohort study ในการตอบคำถามวิจัย

แม้ว่าจะเลือกใช้แบบแผนการวิจัย และพบความสัมพันธ์ระหว่าง ปัจจัยเสี่ยงและโรคที่สนใจแล้ว มิได้หมายความว่า ปัจจัยเสี่ยงจะเป็นสาเหตุของโรคแท้จริง ความสัมพันธ์อาจจะเป็นของปลอม สัมพันธ์โดยทางตรงหรือทางอ้อม ได้กล่าวไว้แล้วในเรื่อง การอ่านวารสารเกี่ยวกับสาเหตุของโรค โดยทั่วไป ต้องพิจารณาข้อมูลเกี่ยวกับขนาดของความสัมพันธ์ (strength of association) มีการแปรผันร่วมกันหรือไม่ (concomitent variation) ทำการศึกษาซ้ำแล้ว ได้ผลใกล้เคียงกันหรือไม่ (consistncy) ปัจจัยเสี่ยงมาก่อนโรคหรือไม่ (temporal sequence) อธิบายด้วยความรู้สึกทางชีววิทยาหรือไม่ (biological plausibility) และความสัมพันธ์มีความจำเพาะเพียงไร (specificity) หมายความว่า ถ้าขาดปัจจัยเสี่ยงแล้ว ยังเป็นโรคได้อีกหรือไม่ เป็นต้น แม้เกณฑ์ที่ใช้จะบ่งชี้ว่า ปัจจัยเสี่ยงน่าจะทำให้เกิดโรคได้ ยังมีปัญหาในการสรุปอีกได้ ทั้งนี้เพราะ การศึกษาเกี่ยวกับสาเหตุ เป็นเรื่องยาก เทคโนโลยีปัจจุบัน อาจจะไม่พอที่จะค้นหาเหตุของโรคบางชนิด โดยเฉพาะโรคที่มีสาเหตุหลายอย่างรวมกัน เช่น เชื้อโรครุนแรง ร่างกายอ่อนแอ และระยะเวลาตั้งแต่ได้รับปัจจัยเสี่ยงจนเกิดโรคยาวนานมาก เป็นต้น

Back to Main Menu HOME Next Lesson