Blog
993 posts on clinical medicine, epidemiology, research methodology, statistics and code — in English and Thai. Filter by category and language, or search.
Propensity Score vs Prognosis Summary Score: สองคะแนนที่หน้าตาคล้ายกัน แต่ตอบคนละคำถาม & How to Matching
ในงานวิจัยเชิงสังเกต (observational studies) เรามักพูดถึงคำว่า “matching” เหมือนเป็นแค่เทคนิคทางสถิติขั้นหนึ่ง แต่ความจริงแล้ว matching ไม่ได้เริ่มจาก algorithm ก่อน มันเริ่มจากคำถามที่ลึกกว่านั้น: เราต้องการทำให้คนสองกลุ่ม “เทียบกันได้” ในเรื่องอะไร? ถ้าคำถามของเราคือ“ใครมีโอกาสได้รับการรักษาใกล้เคียงกัน?”เครื่องมือที่มักใช้คือ Propensity Score (PS) แต่ถ้าคำถามของเราคือ“ถ้าคนนี้ปกติ ค่า outcome ควรได้เท่าไหร่?”หรือพูดให้ชัดขึ้นว่า“ถ้าคนนี้ไม่มีโรค เป็น control แต่ยังมีอายุ เพศ BSA HR...
Propensity Score vs Prognosis Summary Score: Two Similar-Looking Tools That Answer Different Questions
The Thai tailor-made Article is better Two Similar-Looking Tools That Answer Completely Different Questions In observational research, we often say we want to “make groups comparable.” But a deeper question comes first: Comparable in what sense? Are we trying to make two groups similar in terms of who would receive treatment? Or are we trying to make them similar in terms of what their outcome should look like at baseline? This distinction leads us to two powerful but fundamentally different...
Why power twomeans in Stata Does Not Always Need “Real Means”
Introduction A lot of people get stuck the first time they see this in Stata: power twomeans m1 m2, ... The syntax says means , so it feels natural to think m1 and m2 must always be the actual mean outcome in two groups . That is true in many ordinary superiority studies. But it is not the whole story. In practice, researchers sometimes enter values like 0 and 2 in a non-inferiority design and still get a valid sample size calculation. At first glance, that looks wrong. Why would “0” and “2”...
Decision Curve Analysis (DCA): From Prediction to Clinical Decisions
Decision Curve Analysis (DCA) is used to evaluate whether a prediction model is clinically useful. A model may have good discrimination and acceptable calibration, but that does not guarantee that it improves patient care. The key question DCA answers is: Does using this model lead to better treatment decisions than treating everyone or treating no one? This is why DCA is essential in clinical prediction research. Clinical usefulness must be evaluated in addition to statistical performance....
Decision Curve Analysis (DCA): จากการพยากรณ์สู่การตัดสินใจทางคลินิก
Decision Curve Analysis (DCA) เป็นวิธีที่ใช้ประเมินว่าแบบจำลองการพยากรณ์มี ประโยชน์ทางคลินิก จริงหรือไม่ แบบจำลองอาจมี discrimination ดีและ calibration พอใช้ได้ แต่สิ่งนั้นยังไม่เพียงพอที่จะยืนยันว่าแบบจำลองจะช่วยให้การดูแลผู้ป่วยดีขึ้น คำถามสำคัญที่ DCA ตอบคือ: ถ้าเราใช้แบบจำลองนี้ช่วยตัดสินใจ จะได้ผลดีกว่าการรักษาทุกคนหรือไม่รักษาใครเลยหรือไม่ ดังนั้น DCA จึงมีความสำคัญในงานวิจัย clinical prediction model เพราะการประเมินแบบจำลองต้องดูมากกว่าความแม่นยำทางสถิติ แต่ต้องดูด้วยว่าแบบจำลองนั้นช่...
ทำความเข้าใจ BRAVE: โครงสร้างหลักของการคำนวณขนาดตัวอย่าง
ในการวิจัยทางคลินิก คำถามที่พบบ่อยที่สุดข้อหนึ่งคือ ต้องใช้ผู้เข้าร่วมกี่คน คำตอบมักไม่ใช่ตัวเลขตายตัวเพียงค่าเดียว แต่เป็นผลจากการคำนวณที่ขึ้นกับ วัตถุประสงค์หลักของการวิจัย โดยเฉพาะในงานวิจัยเชิงเปรียบเทียบ กรอบแนวคิดสำคัญที่ใช้กำกับการคำนวณนี้สามารถสรุปได้ด้วยคำย่อว่า BRAVE BRAVE คืออะไร BRAVE แทนองค์ประกอบทางสถิติ 5 ประการที่ใช้ในการประมาณขนาดตัวอย่างสำหรับการศึกษาที่เปรียบเทียบระหว่างกลุ่มหรือทดสอบสมมติฐาน B — Beta / Power Beta คือความน่าจะเป็นของ ความผิดพลาดประเภทที่ 2 กล่าวคือ...
BRAVE: The Backbone of Sample Size Calculation
In clinical research, one of the most common questions is: How many participants do I need? The answer is rarely a fixed number. Instead, the study size must be determined according to the primary research objective . For comparative studies, the core statistical framework that guides this process can be summarized by the mnemonic BRAVE . What is BRAVE? BRAVE represents the five key statistical components used to estimate sample size for studies that compare groups or test hypotheses: B —...
หลักการคำนวณ N ขนาดตัวอย่างในการวิจัยทางคลินิก
บทนำ การกำหนดขนาดการศึกษา หรือขนาดตัวอย่าง เป็นองค์ประกอบสำคัญของการออกแบบงานวิจัยทางคลินิก เพราะช่วยให้การศึกษานั้นสามารถตอบคำถามวิจัยหลักได้อย่างมีความน่าเชื่อถือ มีความแม่นยำ และมีความเหมาะสมในเชิงจริยธรรม ในระบาดวิทยาคลินิกสมัยใหม่ การคำนวณขนาดตัวอย่างไม่ใช่เพียงการแทนค่าลงสูตรเชิงกล แต่เป็น การตัดสินใจที่ขึ้นกับวัตถุประสงค์ของการศึกษา และต้องสอดคล้องกับคำถามวิจัย ชนิดของผลลัพธ์ และกรอบการวิเคราะห์ ทำไมต้องคำนวณขนาดตัวอย่าง การคำนวณขนาดตัวอย่างมีบทบาทสำคัญหลายด้านในกระบวนการวิจัยทางคลินิ...
Principles of Study Size Calculation in Clinical Research
Introduction The determination of study size (sample size) is a cornerstone of clinical research design. It ensures that a study can answer its primary research question with sufficient precision, validity, and ethical justification. In modern clinical epidemiology, sample size is not a mechanical calculation but a design-dependent decision , tightly linked to the research objective, outcome structure, and analytical framework. Why Calculate Sample Size? Study size calculation serves multiple...