Chance หรือ random error

   เหตุที่มี "ความบังเอิญ" ก็เพราะมีความแปรปรวน ในแต่ละคน หรือแม้กระทั่งในคนเดียวกันก็ตาม  หากทุกสิ่งมีความเที่ยงแท้แน่นอนเป็นสัจธรรม 100% เหมือนกับ "เกิดมาทุกคนต้องตาย" ก็คงไม่ต้องมีวิชาสถิติ
  การทดสอบทางเวชสถิติทั้งหลาย เป็นการตอบคำถามว่า "ผลที่พบนั้นเกิดโดยบังเอิญ-by chance หรือเป็นตัวแทนความจริง"
   สองสิ่งที่ถูกกระทบจากความบังเอิญคือ
   Accuracy  = ความแม่น ให้ผลตรงกับความเป็นจริง
   Precision  = ความเที่ยง ให้ผลเหมือนเดิมเมื่อทำซ้ำๆ
   สองแหล่งก่อเกิด Chance ให้กับผลวิจัย  ได้แก่การสุ่มตัวอย่าง และการวัด

1. Sampling error  ประเมินที่การแสดงวิธีการประเมินจำนวนกลุ่มตัวอย่าง ( sample size )ซึ่งผู้วิจัยอาจคำนวณไว้ก่อนการลงมือเก็บข้อมูล (priori) หรือหลังจากเก็บข้อมูลไปแล้ว (adhoc sample size calculation) 
 1.1 Accuracy ของ sampling ดูที่ 
       P value อาจคิดเสมือน 1-specificity (FP rate) ยิ่งตั้ง alpha  ( type I error = acceptable FP rate)  ไว้ต่ำ การศึกษานั้นยิ่งมี conservative สูง 
       ค่า beta  เปรียบได้เสมือน 1- sensitivity ( FN rate) ยิ่งตั้ง beta (type II error = acceptable FN rate) ไว้ต่ำ การศึกษานั้นยิ่งมี power ที่จะ detect difference มาก
 1.2 Precision ของ sampling (การทดลองซ้ำ)ดูที่ range ของ 95% Confident interval
  
2.Measurement error หากเป็นงานวิจัยที่ sample เดียวกันมีการ"วัดซ้ำ" อาจด้วยผู้วัด/เครื่องวัดเดียวกัน(Intraobserver variabation)  หรือ sample หนึ่งมีผู้วัด/เครื่องวัดต่างกัน (Interobserver variation) 

2.1 Accuracy  ของ measurement มีสองประเด็นคือ
    2.2.1 Calibration  "บอก" ได้ถูก (เมื่อเทียบกับ gold standard)             
    2.2.2 Discrimination "จำแนก"ได้ถูก (เมื่อเทียบกับ gold standard) ได้แก่พวก sensitivity, specificity ที่เราคุ้นเคย
- กรณีผลลัพท์เป็น dichotomous/nominal ประเมินจาก LR+, LR-
- กรณีผลลัพท์เป็น ordinal ประเมินจาก  ROC curve
- กรณีผลลัพท์เป็น continuous ประเมินจาก ROC curve 
   เราเรียก accuracy ของการวัดสิ่งที่เป็นนามธรรม อีกอย่างว่า Validity  เช่น "คุณภาพการดูแลโรคเรื้อรัง" ไม่มีเครื่องมือวัด gold standard ที่ชัดเจน จึงต้องอาศัยความเห็นผู้เชี่ยวชาญ การวิเคราะห์ทฤษฎีแทน

2.1 Precision  ของ measure (ซึ่งเรียกได้หลายอย่าง เช่น Reliability, Reproducibility, consistency)
- กรณีผลลัพท์เป็น dichotomous/nominal รายงานเป็นค่า kappa (ที่นี่คะ)
- กรณีผลลัพท์เป็น ordinal รายงานเป็น weighted kappa, conbarch's alpha
- กรณีผลลัพท์เป็น continuous  รายงานเป็น within-subject coefficient of variation, Intraclass correlation หรือ Bland-Altman plot  (รายละเอียดที่นี่คะ)

* Measurement error เฉพาะ accuracy แต่มี precision ดี ส่งผลให้เกิด systematic error - bias "non differential misclassification" ได้ 
  

------------------------------------------------------------------------------