三、Methods（Item no. 4-9）
第二個部分是方法，多達 9 項（4-12），是 TRIPOD 最主要的內容，所以筆者分成兩篇撰述，以下分別解釋。
「4a」描述資料來源，例如是單一機構收案的世代、登錄資料或是其他資料來源。這邊值得注意的是，如果有用外部驗證（External validation），那麼用於外部驗證的資料來源也要交代，通常會是另外一家醫院或是其他國家的資料做為外部驗證使用。「4b」則是關於研究收案的起迄時間，倘若是追蹤型研究（結果變項是預後），那麼也要交代追蹤的截止日期。
「5a」提供研究收案的主要情境，例如是在醫院收案的話，必須交代是住院收案或是門診收案。另外，也要提供收案機構的數量以及所在位置。「5b」是關於收案對象的收案與排除條件必須詳細說明，建議可以用流程圖作為說明。「5c」提供主要的治療/介入，對於診斷型結果變項（橫斷面）一般比較不適用，對於預後型結果變項（帶有追蹤時間）通常也只有辦法提供收案當時的用藥與治療情形。
「6a」必須清楚地定義結果變項，包含評估的方式以及時間點。在診斷型結果變項來說，必須確認預測變項與結果變項評估的時間點是在同時間點，或是預測變項的評估時間點早於結果變項，否則可能會有因果錯置的偏差。「6b」則是關於結果變項評估的盲性，這邊指的是要確保結果變項的評估不會受到預測變項的影響，尤其是具有主觀性的結果變項，例如特定的死亡原因。理想化的情況是，在研究中結果變項的評估必須獨立施測，例如由兩名以上的評估者或是有一個評估委員會，但根據筆者的經驗，很少研究可以作到這一點。
「7a」仔細描述預測變項的評估方式與時間點。「7b」則是關於用於多變項預測模式的預測變項與其他共變項（Covariates）之間是否具有盲性，尤其是當預測變項是具有主觀性的評估性質時，例如影像、心電圖與病理報告檔，不過根據筆者經驗，也是很少研究可以作到這一點。相較之下，客觀的預測變項就不會受到這一點的限制，例如年齡、性別與量化的抽血/尿液檢驗結果。
第 8 點是關於樣本數的估算。這邊要分成幾個情況來提，如果是回溯型的資料類型，例如像是已經完成的臨床試驗或是例行性蒐集的資料（Routinely collected data，例如登錄研究或是健保資料庫），在該研究尚未開始之前，資料就已經蒐集完畢，這種情況就應該直接用所有資料去分析。只有在計畫型的前瞻性預測研究（亦即該研究的收案，一開始就是為了作預測模型），才需要用正式的統計公式作樣本數計算。
第 9 點是關於遺漏值的處理。遺漏值大概有幾種主要處理方式，第一種是使用完整資料（complete-case analysis），或又稱為「listwise deletion」，只保留全部預測變項都是有效數值的筆數，這種作法雖然簡單，當被刪除筆數到一定比例時，留下來的樣本可能不足以代表所有樣本，也可能會得到具有偏差的模型結果。TRIPOD 鼓勵研究人員使用多重插補（Multiple imputation）後的完整資料來分析。關於遺漏值的處理，可以參考筆者與同事撰寫的幾篇文章（https://reurl.cc/AKzKWe、https://reurl.cc/NpEpmp、https://reurl.cc/QjOjk5以及https://reurl.cc/qO3Ojp）。
留言列表
{{ article.title }}