การจัดการตัวแปรต่อเนื่องสำหรับการวิเคราะห์ข้อมูล ในการวิจัยทางการแพทย์และสาธารณสุข
คำสำคัญ:
การจัดการข้อมูล , ข้อมูลและตัวแปร , ตัวแปรเชิงกลุ่ม , ตัวแปรต่อเนื่องบทคัดย่อ
การจัดการตัวแปรต่อเนื่องก่อนนำเข้าในการวิเคราะห์ มีผลโดยตรงต่อข้อสรุปทางสถิติและผลลัพธ์การวิจัย ทั้งนี้การจัดกลุ่มตัวแปรต่อเนื่องที่ไม่เหมาะสม ทำให้สูญเสียความสามารถในการแปลความหมายของข้อมูลอย่างเป็นเหตุเป็นผล นอกจากนั้นยังทำให้เกิดความคลาดเคลื่อนในการประมาณค่าพารามิเตอร์ของตัวแบบสถิติ ส่งผลต่อประสิทธิภาพในการทำนายของตัวแบบลดลงและเพิ่มความคลาดเคลื่อนชนิดที่ 1 ดังนั้นถ้านักวิจัยไม่มีหลักฐานเชิงประจักษ์ที่เพียงพอในการจัดกลุ่มตัวแปรต่อเนื่อง ควรนำตัวแปรต่อเนื่องเข้าในการวิเคราะห์ หากนักวิจัยต้องการจัดกลุ่มตัวแปรต่อเนื่อง เพื่อพรรณนาลักษณะตัวแปรแยกตามกลุ่ม หรือทดสอบสมมติฐาน เพื่อนำผลการวิเคราะห์ทางสถิติไปประยุกต์ใช้ในการปฏิบัติงาน ควรวางแผนในขั้นตอนของการออกแบบระเบียบวิธีวิจัยในโครงร่างการวิจัย ด้วยการจัดกลุ่มตัวแปรตามเหตุผลทางทฤษฎีหรือทางคลินิก รวมทั้งพิจารณาถึงโอกาสเกิดอคติ และควรตีความผลการวิเคราะห์ทางสถิติอย่างระมัดระวัง บทความวิชาการนี้ นำเสนอกรณีตัวอย่างอิทธิพลของการจัดการตัวแปรต่อเนื่องต่อค่าสถิติและเนื้อหาของตัวแบบลอจีสติค ข้อดีและข้อเสียของการจัดการตัวแปรต่อเนื่องเป็นตัวแปรเชิงกลุ่มในการวิเคราะห์ข้อมูล รวมถึงบทสรุปและคำแนะนำ ซึ่งจะเป็นประโยชน์ต่อผู้วิจัยในการเลือกแนวทางที่เหมาะสมสำหรับจัดการตัวแปรต่อเนื่องสำหรับการวิเคราะห์ข้อมูล
เอกสารอ้างอิง
Agesti, A. (1996). An introduction to categorical data analysis. New York: John Wiley & Sons, Inc.
Altman, D. G. (1991). Categorising continuous variables. British journal of cancer, 64(5), 975. https://doi.org/10.1038/bjc.1991.441
Altman, D. G., Lausen, B., Sauerbrei, W., & Schumacher, M. (1994). Dangers of using "optimal" cutpoints in the evaluation of prognostic factors. Journal of the National Cancer Institute, 86(11), 829–835.
American Diabetes Association. (2019). 6 Glycemic targets: Standards of medical care in diabetes-2019. Diabetes care, 42(Suppl 1), S61–S70.
Bennette, C., & Vickers, A. (2012). Against quantiles: Categorization of continuous variables in epidemiologic research, and its discontents. BMC medical research methodology, 12, 21. https://doi.org/10.1186/1471-2288-12-21
Frøslie, K. F., Røislien, J., Laake, P., Henriksen, T., Qvigstad, E., & Veierød, M. B. (2010). Categorisation of continuous exposure variables revisited. A response to the hyperglycaemia and adverse pregnancy outcome (HAPO) Study. BMC Medical Research Methodology, 10(1), 103. doi:10.1186/1471-2288-10-103
Hosmer, D. W., & Lemeshow, S. (2000). Applied logistic regression. (2nd ed.). New York: John Wiley & Sons, Inc.,
Mazumdar, M., & Glassman, J. R. (2000). Categorizing a prognostic variable: Review of methods, code for easy implementation and applications to decision-making about cancer treatments. Statistics in medicine, 19(1), 113–132.
Naggara, O., Raymond, J., Guilbert, F., Roy, D., Weill, A., & Altman, D. G. (2011). Analysis by categorizing or dichotomizing continuous variables is inadvisable: An example from the natural history of unruptured aneurysms. AJNR. American journal of neuroradiology, 32(3), 437–440.
Qaseem, A., Wilt, T. J., Kansagara, D., Horwitch, C., Barry, M. J., Forciea, M. A. et al. (2018). Hemoglobin A1c targets for glycemic control with pharmacologic therapy for nonpregnant adults with type 2 diabetes mellitus: A guidance statement update from the American College of Physicians. Annals of internal medicine, 168(8), 569–576.
Royston, P., Altman, D. G., & Sauerbrei, W. (2006). Dichotomizing continuous predictors in multiple regression: A bad idea. Statistics in medicine, 25(1), 127–141.
Sauerbrei, W., & Royston, P. (2010). Continuous variables: To categorize or to model?. In C. Reading (Ed.), The 8th International Conference on Teaching Statistics- Data and Context in statistics education: Towards an evidence based society. Voorburg: International statistical Institute.
Schellingerhout, J. M., Heymans, M. W., de Vet, H. C., Koes, B. W., & Verhagen, A. P. (2009). Categorizing continuous variables resulted in different predictors in a prognostic model for nonspecific neck pain. Journal of clinical epidemiology, 62(8), 868–874.
Simsin, S. (2016). A report of the management of continuous independent variables in logistic regression analysis in medical and public health journals in Thailand. Thesis of Master of Public Health, Khon Kaen University, Khon Kaen. (in Thai)
Simsin, S., & Khiewyoo, J. (2017). A report of the management of continuous independent variables in logistic regression analysis in medical and public health journals in Thailand. Srinagarind Medical Journal, 32(1), 38-44. (in Thai)
Turner, E. L., Dobson, J. E., & Pocock, S. J. (2010). Categorisation of continuous risk factors in epidemiological publications: A survey of current practice. Epidemiol Perspect Innov, 7, 9. doi:10.1186/1742-5573-7-9
ดาวน์โหลด
เผยแพร่แล้ว
รูปแบบการอ้างอิง
ฉบับ
ประเภทบทความ
สัญญาอนุญาต
ลิขสิทธิ์ (c) 2022 วารสารสาธารณสุขศาสตร์ มหาวิทยาลัยนเรศวร
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความที่ได้รับการตีพิมพ์เป็นลิขสิทธิ์ของวารสารวิจัยสาธารณสุขและวิทยาศาสตร์สุขภาพ
ข้อความที่ปรากฏในบทความแต่ละเรื่องบทความในวารสารวิชาการและวิจัยเล่มนี้เป็นความคิดเห็นส่วนตัวของผู้เขียนแต่ละท่านไม่เกี่ยวข้องกับมหาวิทยาลัยนเรศวร และคณาจารย์ท่านอื่นๆในมหาวิทยาลัยฯ ความรับผิดชอบเกี่ยวกับบทความแต่ละเรื่องผู้เขียนจะรับผิดชอบของตนเองแต่ละท่าน
