การวิเคราะห์การรอดชีพแบบปรับเปลี่ยนได้ — การออกแบบการทดลองแบบปรับเปลี่ยนได้สำหรับเวลาสู่เหตุการณ์
- ผู้เสนอ
- Bauer, Posch, and collaborators (adaptive design framework); Lachin & Foulkes (event-driven survival trial foundations)
- ปี
- 2000s (formalized ~2000–2006)
- ประเภท
- Adaptive statistical design for time-to-event outcomes
- กลุ่มวิธี
- Clinical / epidemiology
ข้อความนี้เป็นการแปลด้วยเครื่องและยังไม่ได้รับการตรวจทาน อ่านต้นฉบับภาษาอังกฤษ
ใช้ทำอะไร?
การวิเคราะห์การรอดชีพแบบปรับเปลี่ยนได้ (Adaptive survival analysis) เป็นการบูรณาการการออกแบบการทดลองทางคลินิกแบบปรับเปลี่ยนได้เข้ากับวิธีการทางสถิติสำหรับเวลาสู่เหตุการณ์ ซึ่งช่วยให้สามารถปรับเปลี่ยนขนาดตัวอย่าง เป้าหมายเหตุการณ์ หรืออัตราส่วนการจัดสรรที่กำหนดไว้ล่วงหน้าได้ในระยะกลาง โดยอาศัยข้อมูลการรอดชีพที่สะสมมา วิธีนี้ใช้กันอย่างแพร่หลายในการวิจัยโรคมะเร็ง โรคหัวใจและหลอดเลือด และโรคติดเชื้อ โดยที่จุดยุติปฐมภูมิเป็นผลลัพธ์ที่อิงตามอัตราส่วนภาวะเสี่ยง (hazard-based outcome) เช่น การรอดชีพที่ปราศจากความก้าวหน้าของโรค หรืออัตราการเสียชีวิตจากทุกสาเหตุ
แนวคิดเบื้องหลังวิธีการ
ลองจินตนาการถึงการทดลองรักษามะเร็งที่คุณวางแผนไว้เดิมว่าจะสังเกตการณ์การเสียชีวิต 300 รายก่อนที่จะทำการวิเคราะห์ขั้นสุดท้าย เมื่อถึงครึ่งทาง ข้อมูลที่สะสมบ่งชี้ว่าผู้ป่วยมีชีวิตรอดนานกว่าที่คาดไว้ ซึ่งหมายความว่าคุณจะต้องใช้เวลาติดตามผลนานกว่าที่วางแผนไว้มากเพื่อไปให้ถึง 300 เหตุการณ์ การวิเคราะห์การรอดชีพแบบปรับเปลี่ยนได้ช่วยให้คุณสามารถดูข้อมูลระหว่างกาลและเพิ่มเป้าหมายเหตุการณ์อย่างเป็นทางการ (หรือประเมินระยะเวลาติดตามผลใหม่) โดยไม่ทำให้อัตราความผิดพลาดประเภทที่ 1 (Type I error rate) เพิ่มขึ้น หลักการสำคัญคือคุณต้องกำหนดกฎการปรับเปลี่ยนล่วงหน้าก่อนที่จะเปิดเผยข้อมูล เพื่อให้กรอบการตัดสินใจโดยรวมยังคงถูกต้องตามหลักสถิติ แม้ว่าการออกแบบการทดลองจะมีการเปลี่ยนแปลงระหว่างดำเนินการก็ตาม
ประวัติศาสตร์
การวิเคราะห์การรอดชีพในฐานะสาขาวิชาที่เป็นทางการมีที่มาจาก Kaplan และ Meier (1958) และ Cox (1972) ระเบียบวิธีออกแบบแบบปรับเปลี่ยนได้สำหรับการทดลองทางคลินิกพัฒนาขึ้นในทศวรรษ 1990 จากผลงานของ Bauer และ Kohne (1994) ซึ่งได้นำเสนอการทดสอบแบบรวมสำหรับการออกแบบหลายขั้นตอน และได้รับการขยายไปสู่จุดยุติการรอดชีพที่ขับเคลื่อนด้วยเหตุการณ์โดย Bauer และ Posch (2004) และคนอื่นๆ แนวทางของ FDA ในปี 2019 เกี่ยวกับการออกแบบแบบปรับเปลี่ยนได้และแนวทาง ICH E20 (อยู่ระหว่างการพัฒนา) ได้กำหนดมาตรฐานการกำกับดูแลตั้งแต่นั้นมา การวิเคราะห์การรอดชีพแบบปรับเปลี่ยนได้เป็นมาตรฐานในการทดลองโรคมะเร็งที่สำคัญ และมีการนำมาใช้เพิ่มขึ้นในการวิจัยโรคหัวใจและหลอดเลือดและโรคติดเชื้อ
ควรใช้เมื่อใด
ใช้การวิเคราะห์การรอดชีพแบบปรับเปลี่ยนได้เมื่อจุดยุติเวลาสู่เหตุการณ์เป็นจุดยุติปฐมภูมิ การเข้าถึงข้อมูลระหว่างกาลสามารถทำได้ในทางปฏิบัติ และมีความไม่แน่นอนอย่างแท้จริงเกี่ยวกับอัตราเหตุการณ์ ขนาดผลของอัตราส่วนภาวะเสี่ยง หรือการจัดสรรที่เหมาะสม วิธีนี้มีคุณค่าอย่างยิ่งในการทดลองโรคมะเร็ง เอชไอวี และโรคหัวใจและหลอดเลือด ซึ่งการหยุดการทดลองก่อนกำหนดเพื่อประสิทธิภาพหรือความไร้ประโยชน์สามารถช่วยผู้ป่วยจากการรักษาที่ไม่มีประสิทธิภาพและเร่งการตัดสินใจด้านกฎระเบียบ อย่าใช้เมื่อไม่สามารถกำหนดกฎการปรับเปลี่ยนล่วงหน้าก่อนการเปิดเผยข้อมูลระหว่างกาล (การปรับเปลี่ยนภายหลังทำให้การควบคุมอัตราความผิดพลาดประเภทที่ 1 ไม่ถูกต้อง) เมื่อการศึกษาเป็นการสังเกตการณ์โดยไม่มีแผนการวิเคราะห์เชิงรุก เมื่อขนาดตัวอย่างเล็กเกินไปจนการประมาณค่าระหว่างกาลไม่เสถียรเกินกว่าที่จะใช้ในการปรับเปลี่ยนที่เชื่อถือได้ หรือเมื่อแนวทางกำกับดูแลสำหรับข้อบ่งชี้ไม่สนับสนุนการเปลี่ยนแปลงการออกแบบระหว่างการทดลอง
ข้อจำกัดและข้อควรพิจารณา
- ต้องมีการวางแผนก่อนการทดลองอย่างละเอียด; กฎการปรับเปลี่ยนต้องถูกกำหนดไว้ล่วงหน้าอย่างสมบูรณ์ในระเบียบวิธีวิจัยและแผนการวิเคราะห์ทางสถิติก่อนที่จะเข้าถึงข้อมูลระหว่างกาลใดๆ
- ความซับซ้อนในการปฏิบัติงานสูง: นักสถิติที่ปกปิดข้อมูล กฎการปรับเปลี่ยนที่ปิดผนึก และคณะกรรมการตรวจสอบข้อมูลอิสระเป็นมาตรการป้องกันที่จำเป็น
- ค่า p-value จากการทดสอบแบบรวมและช่วงความเชื่อมั่นแบบปรับเปลี่ยนได้นั้นเข้าใจได้ยากสำหรับแพทย์และหน่วยงานกำกับดูแลมากกว่าผลลัพธ์ log-rank ทั่วไป
- การหยุดการทดลองก่อนกำหนดเพื่อประสิทธิภาพอาจทำให้การประมาณอัตราส่วนภาวะเสี่ยงไม่แม่นยำ; ช่วงความเชื่อมั่นสุดท้ายอาจกว้างแม้ว่าค่า p-value จะมีนัยสำคัญ
- การยอมรับของหน่วยงานกำกับดูแลแตกต่างกันไปตามหน่วยงานและข้อบ่งชี้; ต้องปรึกษาแนวทาง ICH E8(R1) และ FDA adaptive design ในระหว่างการพัฒนาระเบียบวิธีวิจัย
เงื่อนไขจากแหล่งที่มาไม่สามารถใช้แทนการทบทวนทางวิทยาศาสตร์ที่เป็นอิสระหรือการตรวจสอบโดยเอนจินวิเคราะห์ได้
จุดแข็ง
- รักษาการควบคุมอัตราความผิดพลาดประเภทที่ 1 โดยรวม ในขณะที่อนุญาตให้มีการปรับเปลี่ยนระหว่างการทดลองได้ โดยมีเงื่อนไขว่ากฎเกณฑ์ต้องถูกกำหนดไว้ล่วงหน้า
- ปรับปรุงประสิทธิภาพ: การทดลองสามารถหยุดได้ก่อนกำหนดสำหรับประสิทธิภาพที่สูงมากหรือความไร้ประโยชน์ หลีกเลี่ยงการเปิดเผยผู้ป่วยโดยไม่จำเป็น
- การประเมินขนาดตัวอย่างใหม่ช่วยแก้ไขข้อสมมติฐานเริ่มต้นที่ไม่ถูกต้องเกี่ยวกับอัตราเหตุการณ์หรือขนาดผล รักษาอำนาจทางสถิติ
- การสุ่มตัวอย่างแบบปรับเปลี่ยนตามการตอบสนองสามารถเปลี่ยนผู้ป่วยจำนวนมากขึ้นไปยังกลุ่มการรักษาที่มีประสิทธิภาพดีกว่าเมื่อมีหลักฐานสะสมมากขึ้น
- มีคุณค่าอย่างยิ่งในการวิจัยโรคหายากหรือสาขาการรักษาที่พัฒนาอย่างรวดเร็ว ซึ่งการออกแบบแบบคงที่ไม่มีความยืดหยุ่นในการปฏิบัติงาน
การประยุกต์ใช้
- การทดลองโรคมะเร็งที่ใช้การรอดชีพที่ปราศจากความก้าวหน้าของโรคหรือการรอดชีพโดยรวมเป็นจุดยุติปฐมภูมิ โดยมีการประเมินจำนวนเหตุการณ์ที่ต้องการใหม่ระหว่างกาล
- การทดลองผลลัพธ์โรคหัวใจและหลอดเลือดที่อัตราเหตุการณ์ในกลุ่มควบคุมไม่แน่นอน และจำเป็นต้องมีการประเมินขนาดตัวอย่างใหม่ระหว่างกาล
- การทดลองเอชไอวีและโรคติดเชื้อที่มีการสุ่มตัวอย่างแบบปรับเปลี่ยนตามการตอบสนอง โดยเปลี่ยนการจัดสรรไปยังสูตรการรักษาที่มีประสิทธิภาพมากกว่า
- การทดลองแบบแพลตฟอร์มที่ประเมินกลุ่มการทดลองหลายกลุ่มเทียบกับกลุ่มควบคุมร่วมกัน โดยใช้ข้อมูลการรอดชีพระหว่างกาลเพื่อยกเลิกกลุ่มที่ไม่มีประสิทธิภาพ
- การทดลองโรคหายากที่ขนาดตัวอย่างเริ่มต้นมีขนาดเล็ก ซึ่งต้องการเพิ่มประสิทธิภาพผ่านขอบเขตการหยุดแบบปรับเปลี่ยนได้
- การยื่นขออนุมัติจากหน่วยงานกำกับดูแลสำหรับเส้นทางการอนุมัติแบบเร่งรัด โดยที่ข้อมูลการรอดชีพระหว่างกาลแจ้งการตัดสินใจยื่นเอกสารได้เร็วขึ้น
วิธีการทำงาน
วิธีการทำงาน
การทดลองถูกวางแผนโดยมีการตรวจสอบระหว่างกาลที่กำหนดไว้ล่วงหน้าหนึ่งครั้งหรือมากกว่านั้น ซึ่งระบุไว้ในระเบียบวิธีวิจัย พารามิเตอร์สำคัญได้แก่ จำนวนเหตุการณ์เริ่มต้นหรือสัดส่วนข้อมูล ขอบเขตความมีนัยสำคัญ (มักได้มาจากฟังก์ชันการใช้จ่ายแบบกลุ่มตามลำดับ เช่น O'Brien-Fleming หรือ Lan-DeMets) และกฎการปรับเปลี่ยนที่ชัดเจน เช่น การประเมินจำนวนเหตุการณ์ที่ต้องการใหม่จากอัตราเหตุการณ์รวมแบบปกปิด หรือการเปลี่ยนอัตราส่วนการสุ่มตัวอย่างตามกำลังตามเงื่อนไขที่สังเกตได้
ในการวิเคราะห์ระหว่างกาลแต่ละครั้ง คณะกรรมการตรวจสอบข้อมูลอิสระจะทบทวนข้อมูลการรอดชีพที่สะสมอยู่ เส้นโค้งการรอดชีพจะถูกประมาณโดยใช้วิธี Kaplan-Meier และสถิติ log-rank (หรือรูปแบบถ่วงน้ำหนัก) จะถูกคำนวณ กำลังตามเงื่อนไข (Conditional power) — ความน่าจะเป็นที่จะปฏิเสธสมมติฐานว่างในการวิเคราะห์ขั้นสุดท้ายเมื่อพิจารณาจากแนวโน้มปัจจุบัน — จะถูกคำนวณเพื่อแจ้งว่าควรมีการปรับเปลี่ยนหรือไม่
จากผลลัพธ์ระหว่างกาลและกฎการปรับเปลี่ยนที่กำหนดไว้ล่วงหน้า การปรับเปลี่ยนที่อนุญาตจะถูกนำมาใช้ การปรับเปลี่ยนที่พบบ่อยได้แก่ การประเมินขนาดตัวอย่างใหม่เพื่อฟื้นฟูกำลังตามเงื่อนไข การปรับเป้าหมายเหตุการณ์เมื่ออัตราเหตุการณ์ที่สังเกตได้เบี่ยงเบนไปจากสมมติฐาน และการปรับเปลี่ยนการสุ่มตัวอย่างแบบปรับเปลี่ยนตามการตอบสนองที่สนับสนุนกลุ่มการรักษาที่มีประสิทธิภาพมากกว่า การปรับเปลี่ยนทั้งหมดต้องรักษาอัตราความผิดพลาดประเภทที่ 1 โดยรวมของครอบครัว (familywise Type I error rate) โดยทั่วไปจะทำผ่านการทดสอบแบบรวม (combination tests) หรือการปรับค่า alpha-spending
หลังจากการปรับเปลี่ยนทั้งหมดและเมื่อถึงจำนวนเหตุการณ์สุดท้าย ฟังก์ชันการรอดชีพจะถูกประมาณสำหรับแต่ละกลุ่ม (เส้นโค้ง Kaplan-Meier) และการเปรียบเทียบการรักษาหลักจะดำเนินการโดยใช้การทดสอบ log-rank หรือแบบจำลอง Cox proportional hazards ที่ปรับสำหรับตัวแปรการแบ่งชั้น เมื่อใช้การทดสอบแบบรวมในแต่ละขั้นตอน ค่า p-value จะถูกคำนวณจากการรวมถ่วงน้ำหนักของสถิติแต่ละขั้นตอน แทนที่จะมาจากการวิเคราะห์รวมเพียงครั้งเดียว
การอนุมานขั้นสุดท้ายจะรายงานอัตราส่วนภาวะเสี่ยงพร้อมช่วงความเชื่อมั่น ค่า p-value โดยรวมจากกระบวนการรวมแบบปรับเปลี่ยนได้ และ — หากค่ามัธยฐานหรือเวลาการรอดชีพเฉลี่ยแบบจำกัดมีความสำคัญทางคลินิก — ค่าประมาณเหล่านั้นพร้อมความไม่แน่นอนของมัน ความน่าจะเป็นของการปฏิเสธตามเงื่อนไขหรือช่วงความเชื่อมั่นแบบปรับเปลี่ยนได้จะถูกรายงานควบคู่ไปกับผลลัพธ์มาตรฐานเพื่อรักษาความสามารถในการตีความ รายงานการวิเคราะห์จะบันทึกกฎการปรับเปลี่ยนที่กำหนดไว้ล่วงหน้าทั้งหมดและการเบี่ยงเบนใดๆ และความสมบูรณ์ของการทดลองจะถูกตรวจสอบเทียบกับแผนการวิเคราะห์ทางสถิติฉบับเดิม
ข้อผิดพลาดที่พบบ่อย
- การปรับเปลี่ยนที่ไม่ได้วางแผนไว้: การปรับเปลี่ยนการออกแบบหลังจากเข้าถึงข้อมูลผลลัพธ์ที่ไม่ได้ปกปิดโดยไม่มีการกำหนดล่วงหน้าจะทำให้การควบคุมอัตราความผิดพลาดประเภทที่ 1 ไม่ถูกต้องและทำให้ผลลัพธ์ไม่น่าเชื่อถือ
- การละเลยลักษณะที่ขับเคลื่อนด้วยเหตุการณ์ของการทดลองการรอดชีพ: การปรับขนาดตัวอย่างตามจำนวนบุคคลแทนที่จะเป็นจำนวนเหตุการณ์อาจทำให้การทดลองมีอำนาจทางสถิติต่ำเกินไปหากอัตราเหตุการณ์ต่ำกว่าที่คาดไว้
- การรวมค่า p-value แบบง่าย: การใช้ค่า p-value log-rank มาตรฐานในขั้นตอนการปรับเปลี่ยนโดยไม่มีการทดสอบแบบรวมที่เหมาะสม (เช่น inverse-normal หรือ Fisher combination) จะทำให้การทดสอบโดยรวมมีค่าสูงเกินไปหรือไม่ถูกต้อง
- การละเลยความไม่เสถียรของกำลังตามเงื่อนไข: การประมาณกำลังตามเงื่อนไขในการตรวจสอบระหว่างกาลในระยะแรกๆ (น้อยกว่า 25% ของข้อมูล) มีความผันผวนสูงและไม่น่าเชื่อถือที่จะใช้เป็นพื้นฐานเดียวในการตัดสินใจปรับเปลี่ยน
- การสับสนระหว่างการประเมินใหม่แบบปกปิดและไม่ปกปิด: การประเมินขนาดตัวอย่างใหม่แบบปกปิดโดยอิงตามอัตราเหตุการณ์โดยรวมจะรักษาการปกปิดการจัดสรรและเป็นที่ถกเถียงน้อยกว่าการประเมินใหม่แบบไม่ปกปิด ซึ่งต้องมีมาตรการป้องกันที่เข้มงวดกว่า
คำถามที่พบบ่อย
การวิเคราะห์การรอดชีพแบบปรับเปลี่ยนได้แตกต่างจากการออกแบบแบบกลุ่มตามลำดับมาตรฐานอย่างไร?
การออกแบบแบบกลุ่มตามลำดับ (Group-sequential designs) อนุญาตให้หยุดการทดลองก่อนกำหนดเพื่อประสิทธิภาพหรือความไร้ประโยชน์ที่กำหนดไว้ล่วงหน้าเท่านั้น ในขณะที่พารามิเตอร์การออกแบบอื่นๆ ทั้งหมดจะถูกคงที่ การวิเคราะห์การรอดชีพแบบปรับเปลี่ยนได้นั้นกว้างกว่า: นอกจากนี้ยังอนุญาตให้มีการปรับเปลี่ยนเป้าหมายเหตุการณ์ ขนาดตัวอย่าง อัตราส่วนการสุ่มตัวอย่าง หรือแม้แต่คำจำกัดความของจุดยุติปฐมภูมิระหว่างการทดลองได้ โดยมีเงื่อนไขว่ากฎการปรับเปลี่ยนได้ถูกกำหนดไว้ล่วงหน้าและใช้การทดสอบแบบรวมที่ถูกต้องเพื่อรักษาการควบคุมอัตราความผิดพลาดประเภทที่ 1 การออกแบบแบบกลุ่มตามลำดับเป็นกรณีพิเศษที่ง่ายกว่าภายในกรอบการทำงานแบบปรับเปลี่ยนได้
การวิเคราะห์การรอดชีพแบบปรับเปลี่ยนได้จำเป็นต้องมีการทดลองแบบสุ่มหรือไม่?
กลไกการออกแบบแบบปรับเปลี่ยนได้ — การทดสอบแบบรวม การประเมินขนาดตัวอย่างใหม่ การสุ่มตัวอย่างแบบปรับเปลี่ยนตามการตอบสนอง — ได้รับการพัฒนาขึ้นสำหรับการทดลองแบบสุ่มที่มีกลุ่มควบคุม การใช้กฎการปรับเปลี่ยนที่เป็นทางการกับข้อมูลการรอดชีพจากการสังเกตการณ์นั้นไม่เป็นมาตรฐานและโดยทั่วไปไม่เหมาะสม เนื่องจากอคติในการเลือกและการรบกวนบ่อนทำลายกรอบการอนุมาน สำหรับการศึกษาการรอดชีพจากการสังเกตการณ์ วิธีการเชิงสาเหตุแบบตามลำดับหรือการออกแบบกลุ่มประชากรเชิงรุกพร้อมแผนการวิเคราะห์ที่ลงทะเบียนไว้ล่วงหน้าจะเหมาะสมกว่า
หน่วยงานกำกับดูแลจะยอมรับการทดลองการรอดชีพที่ออกแบบแบบปรับเปลี่ยนได้หรือไม่?
ใช่ โดยมีเงื่อนไขว่ากฎการปรับเปลี่ยนได้ถูกกำหนดไว้ล่วงหน้าอย่างสมบูรณ์ในระเบียบวิธีวิจัย แผนการวิเคราะห์ทางสถิติได้รับการสรุปก่อนการวิเคราะห์ระหว่างกาลที่ไม่ได้ปกปิดใดๆ และการยื่นเอกสารรวมถึงแผนเดิมพร้อมเอกสารประกอบการปรับเปลี่ยนทั้งหมด FDA ได้ออกแนวทางเกี่ยวกับการออกแบบแบบปรับเปลี่ยนได้ในปี 2019 และสนับสนุนการมีปฏิสัมพันธ์กับหน่วยงานตั้งแต่เนิ่นๆ สำหรับการทดลองแบบปรับเปลี่ยนได้ที่สำคัญ EMA มีความคาดหวังที่คล้ายกันภายใต้เอกสารสะท้อนความคิดเกี่ยวกับการออกแบบแบบปรับเปลี่ยนได้
ซอฟต์แวร์ใดบ้างที่รองรับการวิเคราะห์การรอดชีพแบบปรับเปลี่ยนได้?
แพ็คเกจเชิงพาณิชย์ เช่น East (Cytel), ADDPLAN และ nQuery รองรับการออกแบบการทดลองการรอดชีพแบบปรับเปลี่ยนได้พร้อมตัวเลือกแบบกลุ่มตามลำดับและการทดสอบแบบรวม แพ็คเกจ R รวมถึง gsDesign, rpact และ adaptTest ให้การใช้งานแบบโอเพนซอร์ส SAS PROC SEQDESIGN จัดการการทดลองการรอดชีพแบบกลุ่มตามลำดับ ขอแนะนำอย่างยิ่งให้ทำการจำลองในขั้นตอนการออกแบบเพื่อตรวจสอบลักษณะการทำงานในสถานการณ์ที่เป็นไปได้ต่างๆ
ฉันสามารถใช้ค่า p-value log-rank มาตรฐานหลังจากการปรับเปลี่ยนแบบปรับเปลี่ยนได้หรือไม่?
ไม่ได้ เมื่อมีการใช้การวิเคราะห์ระหว่างกาลที่ไม่ได้ปกปิดเพื่อปรับเปลี่ยนการออกแบบ สถิติ log-rank แบบดั้งเดิมที่รวมผู้ป่วยทั้งหมดจะไม่ถูกต้องอีกต่อไป เนื่องจากข้อมูลขั้นตอนที่ 1 และขั้นตอนที่ 2 ไม่ได้มีการแจกแจงเหมือนกันภายใต้สมมติฐานว่าง ต้องใช้การทดสอบแบบรวม — เช่น วิธี inverse-normal หรือ Fisher combination — เพื่อรักษาระดับอัตราความผิดพลาดประเภทที่ 1 ที่ระบุ การรายงานค่า p-value log-rank แบบรวมอย่างง่ายในสถานการณ์นี้เป็นข้อผิดพลาดทางระเบียบวิธีวิจัย
วิธีการที่เกี่ยวข้อง
แหล่งอ้างอิง
Bauer, P., & Posch, M. (2004). Modification of the sample size and the schedule of interim analyses in survival trials based on data inspections. Statistics in Medicine, 23(8), 1333–1353.
เปิดเอกสารอ้างอิงสิ่งพิมพ์คัดลอกแล้วMehta, C., Bhatt, M., & Bhattacharya, R. (2009). Adaptive randomization for survival endpoints in oncology trials. Journal of Clinical Oncology, 27(15_suppl), e20750.
เปิดเอกสารอ้างอิงสิ่งพิมพ์คัดลอกแล้ว