logo821.gif (10572 bytes) 首頁          新增資料與公告

最新消息:

使用設施與溫室的真正意義

 

 

生醫研究之統計方法

首頁
上一層
BSE LAB 介紹
授課資料
人文關懷
無官御史台
智能生物產業
蘭花產業
蘭界感言篇
活動公告區
Orchids Cultivation

 

 

科學研究的系統化誤差

 

中興大學 生物系統工程研究室 陳加忠

 

 

Title Systematization of Errors in a Scientific Study

Author: LEONID MARGINE , TUDOR GREJDEAN, DORIN SPÎNU , ANA DIACONU ACTA MEDICA TRANSILVANICA June 2017;22(2):9-11

在科學研究時,每一階段都有不同的錯誤風險。因此研究得到錯誤的結果與結論,因而導致不必要的能源、時間、健康、財務等浪費。研究階段中可能出現錯誤包括:

1.      動機與實驗設計。

2.      數據收集與統計觀察。

3.      數據處理與分析。

4.      解釋與呈現結果。

研究的每一階段有其特殊的工作。這些工作意願如果沒有實施至最後,此研究則產生錯誤。

一、在研究設計階段之評估錯誤

        一個完整的研究計畫,基於其研究品質,在規劃設計階段的錯誤將嚴重影響後續之試驗研究。

在研究階段常有的錯誤包括:

1.      研究目的與主要的量測作業並未要求定義,因此不清楚研究目的。

2.      研究所描述的虛無假設(null hypothesis)並未清楚執行。

3.      研究目標,統計完整性的評估並未實施。

4.      樣本的選擇標準與均勻化要求並未清楚定義。

5.      最初同等性的參考特性(equivalence for reference characteristics)與研究族群之比較性,並未報導。

6.      參考特性的同等性並未適當測試。

7.      參與實驗之人數或觀察之樣本數目並未報導

8.      研究之接受(inclusion)或揚棄標準(exclusion)並未預定。

9.      樣本數目之初步估計與樣本數目計算方式並未進行。

10.  任意取樣技術並不適當。

        藉由以下步驟,研究人員可減少在試驗設計中所犯之錯誤:

1.      設定並且達成預先明顯的統計假設。

2.      研究的最初試驗設計書(protocol),對於目標、目的,主要量測結果有精密與一致之結果。

3.      決定目標族群,樣本將由其選出。

4.      基於研究型式,以適當方法計算所需要的標本數目

5.      根據多方向的試驗設計(主要之變數,設計影響因子,非反應性等)調整樣本數目。

6.      使用相對標準,對於對照組與控制組以確定其均勻性及可比較性。

7.      在定義統計假設、目標、目的研究設計型式等發展數據收集工具(如問卷調查),以排除選擇誤差之影響。

8.      研究方法必須合乎目的。

二、在數據收集階段常有的錯誤

        經常出現的錯誤包括:

1.      Memory systematic error.

2.      數據收集錯誤。

3.      數據的品質問題。

4.      不真實或回答錯誤。

5.      進行研究者未經訓練。

6.      研究觀察未加良好定義。

三、解釋與表現結果之錯誤

               主要原因:

1.      變數量測之單位(數字、座標、其他等)

2.      是否為常態分佈。

3.      對照組群之均勻性程度。

4.      對照組群之數目。

5.      對照組群之類型。

(一). 不正確的統計技術

1.      scale不同,無法進行比較。

2.      以非成對檢定進行成對樣本。

3.      以參數檢定應用於非參數數值。

(二). 第一型錯誤

1.      多重比較未加以校正調整(correction)

2.      不正確的進行post-host analysis.

(三). t檢定之典型錯誤

1.      t檢定進行類別變數分析。

2.      未進行常態分配檢定。

3.      進行3組以上之成對比較。

4.      以未成對t檢定,以檢定成對數據。

(四). 卡方分配錯誤

1.      對參數檢定,未判別是否適用卡方檢定。

2.      對小數目樣本,未使用Yates continuity correlation.

3.      Cell < 5,仍使用卡方檢定。

(五). 對混淆 (confounding) 因子,未使用多變方變數

(六). 結果之解釋不當

1.      不顯著,被解釋成無影響,無差別。

2.      調整數據無法支持結論。

(七).解釋能力不足

1.      在得到非顯著結果時,未考慮Ⅱ型錯誤影響的結果。

2.      已進行多重檢定,未討論問題。

3.      可能的錯誤原因,未加以討論。