Skip to content
กลับไปยังผลการค้นหา

การออกแบบการศึกษาแบบภาคตัดขวาง

ผู้เสนอ
Epidemiologists in the mid-20th century; formalized by Kelsey, Rothman, and others
ปี
1950s-1970s
ประเภท
Research Design
กลุ่มวิธี
observational design

ข้อความนี้เป็นการแปลด้วยเครื่องและยังไม่ได้รับการตรวจทาน อ่านต้นฉบับภาษาอังกฤษ

ขนาดตัวอักษร

ใช้ทำอะไร?

การศึกษาแบบภาคตัดขวาง (หรือการศึกษาความชุก) เป็นการวัดปัจจัยเสี่ยงและผลลัพธ์พร้อมกัน ณ จุดเวลาเดียว ทำให้ได้ภาพรวมของประชากร ณ ขณะนั้น ผู้ตอบแบบสอบถามจะถูกคัดเลือกและสำรวจ (หรือตรวจร่างกาย) ในโอกาสเดียวกัน เพื่อบันทึกความชุกของทั้งปัจจัยเสี่ยงและโรคในปัจจุบัน การศึกษาแบบภาคตัดขวางนั้นง่าย รวดเร็ว และมีค่าใช้จ่ายต่ำ จึงเป็นที่นิยมสำหรับการประเมินความต้องการ การเฝ้าระวัง และการสร้างสมมติฐาน แม้ว่าจะไม่สามารถสรุปความเป็นเหตุเป็นผลได้เนื่องจากขาดลำดับเวลา

แนวคิดเบื้องหลังวิธีการ

ลองนึกภาพการเดินเข้าไปในโรงงานแห่งหนึ่งในตอนเช้าและสำรวจคนงานทั้ง 500 คน: 'คุณมีอาการปวดหลังหรือไม่? คุณใช้เวลาวันละกี่ชั่วโมงในการยกของ?' คุณจะนับจำนวนคนงานที่มีอาการปวดหลังโดยรวม (ความชุก) จากนั้นเปรียบเทียบผู้ที่ทำงานยกของหนักกับผู้ที่ทำงานเบาๆ คุณพบว่า 30% ของคนงานยกของหนักมีอาการปวดหลัง เทียบกับ 10% ของคนงานที่ทำงานเบาๆ อัตราความชุก (Prevalence Ratio) คือ 3:1 แต่ประเด็นสำคัญคือ: คุณไม่ทราบว่าการยกของหนักเป็นสาเหตุของอาการปวดหลัง หรือคนงานที่มีอาการปวดหลังได้เปลี่ยนไปทำงานที่เบาลง คุณวัดปัจจัยเสี่ยงและผลลัพธ์ในเวลาเดียวกัน ดังนั้นลำดับเวลาจึงคลุมเครือ การศึกษาแบบภาคตัดขวางมีประโยชน์อย่างยิ่งสำหรับการประเมินอย่างรวดเร็วและการประมาณค่าความชุก แต่มีข้อจำกัดสำหรับการอนุมานเชิงสาเหตุ

ประวัติศาสตร์

การสำรวจแบบภาคตัดขวางมีรากฐานมาจากการเฝ้าระวังทางสาธารณสุขและการสำรวจสำมะโนประชากรในช่วงต้นศตวรรษที่ 20 ในระบาดวิทยาแผนปัจจุบัน การศึกษาเหล่านี้ได้รับการจัดรูปแบบอย่างเป็นทางการเป็นการศึกษาความชุกในช่วงกลางศตวรรษที่ 20 ตัวอย่างที่มีชื่อเสียง ได้แก่ การสำรวจสุขภาพและโภชนาการแห่งชาติ (National Health and Nutrition Examination Survey - NHANES เริ่มต้นทศวรรษ 1960 สหรัฐอเมริกา) ซึ่งทำการสำรวจภาคตัดขวางเกี่ยวกับสถานะสุขภาพ อาหาร และปัจจัยเสี่ยงของชาวอเมริกัน ปัจจุบันการออกแบบภาคตัดขวางเป็นมาตรฐานสำหรับการเฝ้าระวัง (เช่น ระบบเฝ้าระวังปัจจัยเสี่ยงด้านพฤติกรรมของ CDC - BRFSS) และสำหรับการติดตามสุขภาพระหว่างประเทศ (เช่น การสำรวจประชากรและสุขภาพ - DHS) การเพิ่มขึ้นของเวชระเบียนอิเล็กทรอนิกส์และข้อมูลการบริหารได้ทำให้สามารถทำการศึกษาภาคตัดขวางย้อนหลังขนาดใหญ่ได้

ควรใช้เมื่อใด

ใช้การศึกษาแบบภาคตัดขวางสำหรับ: (1) การประมาณค่าความชุกของโรคหรือภาวะในประชากร (การเฝ้าระวัง การติดตามสุขภาพสาธารณะ) (2) การประเมินความต้องการ: ผู้ป่วยกี่รายที่ต้องการบริการ? (3) การสร้างสมมติฐาน: ปัจจัยใดบ้างที่สัมพันธ์กับผลลัพธ์? (4) การประเมินอย่างรวดเร็ว: ใช้เวลาดำเนินการสั้น (สัปดาห์ถึงเดือน) (5) การศึกษาภาวะเรื้อรังที่การเกิดโรค (incidence) วัดได้ยาก แต่ความชุกคงที่ (6) การประเมินปัจจัยเสี่ยงและผลลัพธ์หลายอย่างจากการสำรวจครั้งเดียว (7) การศึกษาเบื้องต้นก่อนเริ่มการวิจัยแบบกลุ่มศึกษา (cohort) หรือแบบกรณี-ควบคุม (case-control) ที่มีค่าใช้จ่ายสูง

ข้อจำกัดและข้อควรพิจารณา

  • ไม่สามารถสรุปความเป็นเหตุเป็นผลได้: ขาดลำดับเวลา ข้อมูลภาคตัดขวางไม่สามารถพิสูจน์ได้ว่าปัจจัยเสี่ยงมาก่อนผลลัพธ์
  • กรณีที่มีความชุกเท่านั้น: บันทึกเฉพาะกรณีที่มีอยู่ ณ จุดเวลาเดียว พลาดกรณีที่เกิดขึ้นใหม่ และผู้ที่หายป่วยหรือเสียชีวิต ความสัมพันธ์อาจแตกต่างกันระหว่างกรณีที่มีความชุกและกรณีที่เกิดขึ้นใหม่
  • อคติจากการเลือกผู้รอดชีวิต: หากผลลัพธ์นั้นร้ายแรงถึงชีวิตหรือนำไปสู่การย้ายถิ่น/การเข้ารักษาในโรงพยาบาล ผู้ที่ได้รับผลกระทบอาจมีจำนวนน้อยเกินไปในกลุ่มตัวอย่างภาคตัดขวาง
  • ความคลุมเครือระหว่างปัจจัยเสี่ยงและผลลัพธ์: ปัจจัยเสี่ยงทำให้เกิดผลลัพธ์ หรือผลลัพธ์ทำให้การรายงานปัจจัยเสี่ยงเปลี่ยนไป? ไม่สามารถตัดความเป็นเหตุเป็นผลย้อนกลับได้
  • อคติจากการเรียกคืนความทรงจำ: หากปัจจัยเสี่ยงเป็นข้อมูลในอดีต (ถามถึงปัจจัยเสี่ยงในอดีต) ความถูกต้องของการเรียกคืนขึ้นอยู่กับความจำและแรงจูงใจ โดยเฉพาะในผู้ป่วย

เงื่อนไขจากแหล่งที่มาไม่สามารถใช้แทนการทบทวนทางวิทยาศาสตร์ที่เป็นอิสระหรือการตรวจสอบโดยเอนจินวิเคราะห์ได้

จุดแข็ง

  • ความรวดเร็วและประสิทธิภาพ: การรวบรวมข้อมูลเกิดขึ้นในช่วงเวลาสั้นๆ (สัปดาห์ถึงเดือน) ไม่ใช่การติดตามผลเป็นเวลาหลายปี
  • ต้นทุนต่ำ: ไม่ต้องมีการติดตามผลตามระยะเวลาหรือการติดต่อกลับ เพียงการสำรวจ/ตรวจร่างกายครั้งเดียวก็เพียงพอ
  • ความเรียบง่ายและการปฏิบัติได้จริง: ดำเนินการได้ง่ายในคลินิก โรงเรียน สถานที่ทำงาน หรือชุมชน
  • การประมาณค่าความชุก: ประมาณค่าความชุก (ภาระของโรค) ได้โดยตรง มีประโยชน์สำหรับการวางแผนสาธารณสุขและการเฝ้าระวัง
  • ปัจจัยเสี่ยงและผลลัพธ์หลายประการ: การสำรวจภาคตัดขวางครั้งเดียวสามารถวัดปัจจัยเสี่ยงและผลลัพธ์ได้หลายอย่างพร้อมกัน มีประสิทธิภาพสำหรับการสร้างสมมติฐาน

การประยุกต์ใช้

  • ความชุกของโรคเรื้อรัง: การสำรวจระดับชาติประเมินความชุกของความดันโลหิตสูง เบาหวาน โรคอ้วนในประชากร ผลลัพธ์เหล่านี้ใช้เป็นแนวทางในการกำหนดนโยบายสาธารณสุขและการจัดสรรทรัพยากร
  • การเฝ้าระวังสุขภาพอาชีวอนามัย: โรงงานหรือสถานที่ทำงานสำรวจพนักงานเกี่ยวกับอาการ (ระบบทางเดินหายใจ ระบบกล้ามเนื้อและกระดูก) และปัจจัยเสี่ยง เพื่อประเมินความชุกของภาวะที่เกี่ยวข้องกับการทำงาน
  • สุขภาพและพฤติกรรมเสี่ยงของนักเรียน: โรงเรียนสำรวจนักเรียนเกี่ยวกับสุขภาพจิต การใช้สารเสพติด การออกกำลังกาย การกลั่นแกล้ง ผลลัพธ์เหล่านี้ใช้เป็นแนวทางสำหรับโปรแกรมสุขภาพของโรงเรียน
  • การสำรวจผู้ป่วยในโรงพยาบาล: ณ เวลาที่รับผู้ป่วยหรือจำหน่าย ผู้ป่วยจะถูกสำรวจเกี่ยวกับอาการ ความพิการ ความพึงพอใจ ช่วยในการประเมินผลลัพธ์ที่เน้นผู้ป่วยเป็นศูนย์กลางและช่องว่างของบริการ
  • การวิจัยแบบมีส่วนร่วมในชุมชน: การสำรวจภาคตัดขวางในชุมชนประเมินความเหลื่อมล้ำทางสุขภาพ ความรู้ด้านสุขภาพ และปัจจัยทางสังคม ผลลัพธ์ระบุเป้าหมายของการแทรกแซง

วิธีการทำงาน

วิธีการทำงาน

1

กำหนดประชากรเป้าหมาย (เช่น ผู้ใหญ่ อายุ 18–65 ปี ในเขตเทศบาล พนักงานของบริษัท ผู้ป่วยในโรงพยาบาล) เลือกกลุ่มตัวอย่างที่เป็นตัวแทนโดยใช้วิธีการสุ่มตัวอย่างแบบง่าย การสุ่มตัวอย่างแบบแบ่งชั้น (สุ่มแยกตามอายุ เพศ ภูมิภาค เพื่อให้เกิดความสมดุล) หรือการสุ่มตัวอย่างแบบกลุ่ม (สุ่มกลุ่ม เช่น โรงเรียนหรือละแวกบ้าน จากนั้นสุ่มบุคคลภายในกลุ่ม) คัดเลือกผู้เข้าร่วมและดำเนินการสำรวจ (แบบสอบถาม การสัมภาษณ์) หรือการตรวจร่างกาย เพื่อวัดทั้งปัจจัยเสี่ยงและผลลัพธ์ ณ จุดเวลาเดียว ทำให้ข้อมูลมีความเป็นมาตรฐาน: การฝึกอบรมผู้สัมภาษณ์เหมือนกัน เครื่องมือเหมือนกัน ระเบียบวิธีที่สอดคล้องกัน บันทึกลักษณะทางประชากรและปัจจัยกวนที่อาจเกิดขึ้น (อายุ เพศ การศึกษา โรคร่วม ฯลฯ) รวบรวมข้อมูลให้เสร็จสิ้นภายในกรอบเวลาที่แคบ เพื่อรักษาลักษณะ 'ภาพรวม' ของข้อมูล

สูตร
Define target population; select representative sample via random, stratified, or cluster sampling; enroll participants and administer survey or examination.
2

คำนวณความชุก: ความชุก = (จำนวนผู้มีผลลัพธ์) / (ขนาดกลุ่มตัวอย่างทั้งหมด) แสดงเป็นสัดส่วนหรือร้อยละ สำหรับการวิเคราะห์ที่แบ่งตามปัจจัยเสี่ยง ให้คำนวณความชุกในกลุ่มที่ได้รับปัจจัยเสี่ยง = (ผู้มีผลลัพธ์ในกลุ่มที่ได้รับปัจจัยเสี่ยง) / (จำนวนผู้ได้รับปัจจัยเสี่ยงทั้งหมด) เช่นเดียวกันสำหรับกลุ่มที่ไม่ได้รับปัจจัยเสี่ยง คำนวณอัตราความชุก (Prevalence Ratio - PR): PR = ความชุก_กลุ่มที่ได้รับปัจจัยเสี่ยง / ความชุก_กลุ่มที่ไม่ได้รับปัจจัยเสี่ยง PR > 1 บ่งชี้ว่าปัจจัยเสี่ยงสัมพันธ์กับความชุกที่สูงขึ้น (อาจบ่งชี้ว่าเป็นปัจจัยเสี่ยง แต่ลำดับเวลายังไม่ชัดเจน) PR < 1 บ่งชี้ความชุกที่ต่ำลงในกลุ่มที่ได้รับปัจจัยเสี่ยง (ความสัมพันธ์เชิงป้องกัน แต่ก็ยังมีความคลุมเครือของเวลา) คำนวณช่วงความเชื่อมั่น 95% สำหรับความชุกและ PR โดยใช้วิธีทวินาม (binomial) หรือปัวซง (Poisson) ปรับแก้สำหรับปัจจัยกวน: ใช้การถดถอยโลจิสติก (logistic regression) เพื่อประมาณค่า PR ที่ปรับแก้แล้ว (หรือใช้การถดถอยโลจิสติกแบบทวินาม ซึ่งสร้างแบบจำลอง PR โดยตรง) รายงาน PR ที่ปรับแก้แล้วพร้อมช่วงความเชื่อมั่น

สูตร
Calculate prevalence (proportion with outcome); compute Prevalence Ratio (PR) = Prevalence_{\text{exposed}} / Prevalence_{\text{unexposed}}; adjust for confounders using logistic regression.
3

PR ที่เท่ากับ 2 หมายความว่ากลุ่มที่ได้รับปัจจัยเสี่ยงมีความชุกของผลลัพธ์เป็นสองเท่าเมื่อเทียบกับกลุ่มที่ไม่ได้รับปัจจัยเสี่ยง อย่างไรก็ตาม ควรตีความด้วยความระมัดระวัง: ปัจจัยเสี่ยงอาจเป็นสาเหตุของผลลัพธ์ ผลลัพธ์อาจส่งผลต่อการรับรู้ปัจจัยเสี่ยง หรือทั้งสองอย่างอาจเกิดจากตัวแปรที่สาม ความคลุมเครือของลำดับเวลาจำกัดการอนุมานเชิงสาเหตุ ข้อมูลภาคตัดขวางไม่สามารถพิสูจน์ความเป็นเหตุเป็นผลได้ ความชุกมีประโยชน์ในการอธิบายภาระของโรคในประชากร (การเฝ้าระวัง การประเมินความต้องการ การวางแผนทรัพยากร) แต่ไม่เหมาะสำหรับการวัดความเสี่ยงหรือการระบุสาเหตุ หากผลลัพธ์นั้นหายากในประชากรและการสุ่มตัวอย่างเป็นแบบภาคตัดขวาง ความสัมพันธ์ที่สังเกตได้อาจสะท้อนถึงกรณีที่มีความชุก (ผู้รอดชีวิต) ซึ่งแตกต่างจากกรณีที่เกิดขึ้นใหม่ในแง่ของปัจจัยเสี่ยง สามารถสรุปผลไปยังประชากรเป้าหมายที่กลุ่มตัวอย่างถูกดึงออกมาได้

สูตร
Interpret PR; note temporal ambiguity (cannot establish exposure preceded outcome); generalize to target population; discuss confounding and selection bias.

ข้อผิดพลาดที่พบบ่อย

  • ความสับสนระหว่างความชุกและอุบัติการณ์: ความชุก = กรณีที่มีอยู่ ณ เวลาหนึ่ง; อุบัติการณ์ = กรณีใหม่ในช่วงเวลาหนึ่ง การศึกษาแบบภาคตัดขวางวัดความชุก ไม่ใช่อุบัติการณ์
  • การเลือกกลุ่มตัวอย่างที่ไม่เป็นตัวแทน: การเลือกตัวอย่างตามความสะดวก (เช่น สำรวจเฉพาะผู้ที่มาคลินิกหรืออาสาสมัคร) ทำให้เกิดอคติจากการเลือก ควรใช้วิธีการสุ่มตัวอย่างแบบง่ายหรือแบบแบ่งชั้นจากประชากรที่กำหนด
  • การตีความ PR เป็นอัตราความเสี่ยง (Risk Ratio): ในการศึกษาแบบกลุ่มศึกษา RR = อุบัติการณ์ในกลุ่มที่ได้รับปัจจัยเสี่ยง / อุบัติการณ์ในกลุ่มที่ไม่ได้รับปัจจัยเสี่ยง ในการศึกษาแบบภาคตัดขวาง PR = ความชุกในกลุ่มที่ได้รับปัจจัยเสี่ยง / ความชุกในกลุ่มที่ไม่ได้รับปัจจัยเสี่ยง สิ่งเหล่านี้ไม่เท่ากัน อย่าสับสน
  • การละเลยข้อมูลที่ขาดหายไป: หากผู้เข้าร่วมจำนวนมากไม่ตอบคำถามเกี่ยวกับปัจจัยเสี่ยง หรือมีข้อมูลผลลัพธ์ไม่สมบูรณ์ การประมาณค่าจะเอนเอียง ควรรายงานข้อมูลที่ขาดหายไปและทำการวิเคราะห์ความไว (sensitivity analyses)
  • การตีความความสัมพันธ์ที่อ่อนแอเกินไป: PR ภาคตัดขวางอาจมีค่าน้อยและไม่แม่นยำ ความสัมพันธ์ที่อ่อนแออาจเกิดจากปัจจัยกวน ควรกำหนดสมมติฐานที่กำหนดไว้ล่วงหน้าและปรับแก้สำหรับปัจจัยกวนที่ทราบ

คำถามที่พบบ่อย

ความแตกต่างระหว่างความชุก (Prevalence) และอุบัติการณ์ (Incidence) คืออะไร?

ความชุกคือสัดส่วนของประชากรที่มีโรค (หรือภาวะ) ณ เวลาที่กำหนด: ความชุก = (กรณีที่มีอยู่) / (ประชากรทั้งหมด) อุบัติการณ์คืออัตราการเกิดกรณีใหม่ในช่วงระยะเวลาหนึ่ง: อุบัติการณ์ = (กรณีใหม่) / (เวลาที่บุคคลมีความเสี่ยง) การศึกษาแบบภาคตัดขวางวัดความชุก การศึกษาแบบกลุ่มศึกษา (cohort) วัดอุบัติการณ์ ความชุกขึ้นอยู่กับทั้งอุบัติการณ์และระยะเวลาของโรค: หากการรักษาช่วยยืดอายุขัย ความชุกจะเพิ่มขึ้นโดยที่อุบัติการณ์ไม่เปลี่ยนแปลง ความชุกมีประโยชน์ในการประเมินภาระของโรคและความต้องการ อุบัติการณ์ใช้วัดความเสี่ยงในการเกิดโรค

เหตุใดจึงไม่สามารถสรุปความเป็นเหตุเป็นผลจากการศึกษาแบบภาคตัดขวางได้?

ความเป็นเหตุเป็นผลต้องการลำดับเวลา: สาเหตุต้องมาก่อนผลลัพธ์ การศึกษาแบบภาคตัดขวางวัดปัจจัยเสี่ยงและผลลัพธ์ในเวลาเดียวกัน ดังนั้นจึงไม่สามารถระบุได้ว่าสิ่งใดเกิดขึ้นก่อน ตัวอย่างเช่น ในการสำรวจคนงาน การพบว่าผู้ที่รายงานอาการปวดหลังก็รายงานการยกของหนักด้วย ไม่ได้บอกว่าการยกของหนักทำให้เกิดอาการปวดหลัง หรือคนงานที่มีอาการปวดหลังได้เปลี่ยนไปทำงานที่เบาลง นี่คือความเป็นเหตุเป็นผลย้อนกลับ (reverse causality) หรือความสัมพันธ์แบบสองทิศทาง การศึกษาแบบกลุ่มศึกษา (cohort studies) สร้างลำดับเวลาโดยการวัดปัจจัยเสี่ยงก่อน จากนั้นติดตามเพื่อวัดผลลัพธ์ จึงมีความแข็งแกร่งกว่ามากสำหรับการอนุมานเชิงสาเหตุเมื่อเทียบกับการศึกษาแบบภาคตัดขวาง

จะคำนวณขนาดกลุ่มตัวอย่างสำหรับการศึกษาความชุกแบบภาคตัดขวางได้อย่างไร?

สำหรับการประมาณค่าความชุกเพียงค่าเดียว ใช้สูตร: n = (Z²/2 × p × (1 − p)) / d² โดยที่ p คือความชุกที่คาดการณ์ไว้ d คือขอบเขตข้อผิดพลาดที่ยอมรับได้ (เช่น ±0.05) และ Z คือค่าวิกฤต (1.96 สำหรับช่วงความเชื่อมั่น 95%) ตัวอย่างเช่น หากความชุกที่ประมาณไว้คือ 20% และขอบเขตข้อผิดพลาดที่ยอมรับได้คือ ±5% ดังนั้น n ≈ (1.96² × 0.20 × 0.80) / 0.05² ≈ 246 สำหรับการเปรียบเทียบสองกลุ่มที่ได้รับปัจจัยเสี่ยง ให้ใช้สูตรสำหรับการเปรียบเทียบความชุกสองกลุ่ม (คล้ายกับการทดสอบสัดส่วนสองกลุ่ม) พิจารณาการสุ่มตัวอย่างแบบกลุ่ม (หากสุ่มกลุ่ม เช่น โรงเรียน) โดยใช้ผลกระทบจากการออกแบบ (design effect) พิจารณาการไม่ตอบสนองหรือการถอนตัวที่คาดการณ์ไว้ (เพิ่ม n ตามสัดส่วนการตอบสนอง)

อคติจากการเลือกผู้รอดชีวิต (survivor bias) คืออะไร และส่งผลต่อการศึกษาแบบภาคตัดขวางอย่างไร?

อคติจากการเลือกผู้รอดชีวิตเกิดขึ้นเมื่อกลุ่มตัวอย่างภาคตัดขวางรวมเฉพาะผู้ที่ยังมีชีวิตอยู่และอยู่ในประชากร ณ เวลาที่ทำการสำรวจ โดยไม่รวมผู้ที่เสียชีวิตหรือย้ายถิ่นเนื่องจากผลลัพธ์ ตัวอย่างเช่น การสำรวจภาคตัดขวางของผู้อยู่อาศัยที่มีภาวะหลอดเลือดสมองอาจพลาดผู้ที่เสียชีวิตจากโรคหลอดเลือดสมองก่อนวันสำรวจ หรือผู้ที่ย้ายออกไปเนื่องจากความพิการ ผู้รอดชีวิตที่เหลืออยู่อาจแตกต่างจากผู้ป่วยทั้งหมดในแง่ของปัจจัยเสี่ยงหรือความรุนแรง สิ่งนี้ทำให้อคติเกิดความสัมพันธ์ระหว่างปัจจัยเสี่ยงและผลลัพธ์ เพื่อลดผลกระทบ การศึกษาแบบภาคตัดขวางควรมุ่งเน้นวัดผลลัพธ์ในช่วงต้น (กรณีที่เกิดขึ้นใหม่) แทนที่จะเป็นช่วงปลาย (ผู้รอดชีวิตที่มีความชุก) หรือใช้กรณีที่อิงตามโรงพยาบาลหรือทะเบียน เพื่อให้ครอบคลุมประชากรผู้ป่วยในวงกว้างขึ้น

วิธีการที่เกี่ยวข้อง

แหล่งอ้างอิง

  1. Kelsey, J. L., Whittemore, A. S., Evans, A. S., & Thompson, W. D. (1996). Methods in Observational Epidemiology (2nd ed.). Oxford University Press.

    ISBN: 978-0195083299
    คัดลอกแล้ว
  2. Rothman, K. J., Lash, T. L., & Greenland, S. (2008). Modern Epidemiology (3rd ed.). Lippincott Williams & Wilkins.

    ISBN: 978-0781755657
    คัดลอกแล้ว
  3. Lynn, P. (2009). Methodology of longitudinal surveys. Wiley Interdisciplinary Reviews: Computational Statistics, 1(3), 369–379.

    เปิดเอกสารอ้างอิงสิ่งพิมพ์
    คัดลอกแล้ว