การทดลองแบบสุ่มและมีกลุ่มควบคุมแบบครอสโอเวอร์ (Crossover Randomized Controlled Trial)
- ผู้เสนอ
- Early formalized by statisticians including Bradford Hill and colleagues in clinical trials; theoretical framework developed by Grizzle (1965) and later Senn (2002)
- ปี
- 1960s (Grizzle 1965 for statistical foundations); widely used in clinical research since the 1970s
- ประเภท
- Experimental within-subject design
- กลุ่มวิธี
- Experimental design
ข้อความนี้เป็นการแปลด้วยเครื่องและยังไม่ได้รับการตรวจทาน อ่านต้นฉบับภาษาอังกฤษ
ใช้ทำอะไร?
การทดลองแบบสุ่มและมีกลุ่มควบคุมแบบครอสโอเวอร์ (crossover RCT) เป็นการออกแบบการทดลองที่ผู้เข้าร่วมแต่ละคนได้รับยาหรือการรักษาทุกชนิดในการศึกษาตามลำดับที่สุ่มกำหนด โดยมีช่วงพักการรักษา (washout period) คั่นกลาง เนื่องจากผู้เข้าร่วมแต่ละคนทำหน้าที่เป็นกลุ่มควบคุมของตนเอง ความแปรปรวนภายในบุคคลจึงถูกกำจัดออกจากการเปรียบเทียบการรักษา ทำให้มีอำนาจทางสถิติ (statistical power) สูงกว่าต่อผู้เข้าร่วม เมื่อเทียบกับการทดลองแบบ RCT แบบกลุ่มขนาน (parallel-group RCT) ที่มีขนาดเท่ากัน
แนวคิดเบื้องหลังวิธีการ
ในการทดลองแบบ RCT แบบมาตรฐาน ผู้เข้าร่วมที่แตกต่างกันจะได้รับการรักษาที่แตกต่างกัน ดังนั้นความแปรปรวนระหว่างบุคคลจึงบดบังการเปรียบเทียบ การทดลองแบบ crossover RCT หลีกเลี่ยงปัญหานี้โดยให้ผู้เข้าร่วมทุกคนได้รับการรักษาแต่ละชนิดตามลำดับ โดยเริ่มจากการรักษาหนึ่ง แล้ว (หลังจากช่วงพักการรักษาเพื่อกำจัดผลตกค้าง) จึงเป็นการรักษาอีกชนิดหนึ่ง เนื่องจากคุณกำลังเปรียบเทียบบุคคลคนเดียวกันภายใต้เงื่อนไขทั้งสอง เสียงรบกวนจากความแตกต่างระหว่างบุคคลจึงถูกหักล้างไปเป็นส่วนใหญ่ ข้อสมมติฐานที่สำคัญคือช่วงพักการรักษา (washout period) นั้นยาวนานเพียงพอที่การรักษา A จะไม่ทิ้งร่องรอยใดๆ เมื่อการรักษา B เริ่มต้นขึ้น
ประวัติศาสตร์
การออกแบบครอสโอเวอร์ปรากฏในการทดลองทางการเกษตรในช่วงต้นศตวรรษที่ยี่สิบ การนำไปใช้ในการทดลองทางคลินิกอย่างเป็นทางการได้รับการส่งเสริมโดย Bradford Hill และคณะในทศวรรษที่ 1950 ปัญหาทางสถิติที่สำคัญของผลตกค้างได้รับการอธิบายอย่างเข้มงวดโดย Grizzle (1965) ซึ่งแบบจำลองสองช่วงเวลา สองการรักษาของเขายังคงเป็นจุดอ้างอิง หนังสือของ Stephen Senn เรื่อง Cross-over Trials in Clinical Research (1993, ฉบับพิมพ์ครั้งที่ 2 ปี 2002) ได้สังเคราะห์องค์ความรู้ในสาขานี้และเป็นเอกสารอ้างอิงมาตรฐานสำหรับระเบียบวิธีทดลองแบบครอสโอเวอร์สมัยใหม่
ควรใช้เมื่อใด
ควรใช้ crossover RCT เมื่อสภาวะที่กำลังรักษาเสถียรและเรื้อรัง (เช่น ความดันโลหิตสูง อาการปวดเรื้อรัง โรคหอบหืด) เมื่อสามารถกำหนดและบังคับใช้ช่วงพักการรักษาที่เพียงพอได้ และเมื่อขนาดกลุ่มตัวอย่างมีจำกัด — การออกแบบภายในบุคคลอาจต้องการผู้เข้าร่วมจำนวนน้อยกว่าอย่างมากเพื่อให้ได้อำนาจทางสถิติเท่ากับการทดลองแบบ RCT แบบกลุ่มขนาน การออกแบบนี้เหมาะสมอย่างยิ่งกับการศึกษาเภสัชจลนศาสตร์ (pharmacokinetic studies) การทดลองหาขนาดยาที่เหมาะสม (dose-finding trials) และการประเมินเทคโนโลยีสุขภาพ (health technology assessments) ที่เปรียบเทียบการรักษาตามอาการ ห้ามใช้การออกแบบครอสโอเวอร์เมื่อ: (1) การรักษาคาดว่าจะก่อให้เกิดการเปลี่ยนแปลงถาวรหรือยาวนาน (เช่น การผ่าตัด การฉีดวัคซีน โปรแกรมปรับเปลี่ยนพฤติกรรมที่คงอยู่); (2) วิถีของโรคมีการลุกลามอย่างรวดเร็วหรือมีความแปรปรวนสูงระหว่างช่วงเวลา; (3) คาดว่าอัตราการถอนตัวจะสูง เนื่องจากข้อมูลครอสโอเวอร์ที่ไม่สมบูรณ์นั้นวิเคราะห์ได้ยากกว่าข้อมูลการถอนตัวจากการทดลองแบบกลุ่มขนาน; หรือ (4) สภาวะนั้นเป็นแบบเฉียบพลันและเป็นครั้งคราว ทำให้ช่วงเวลาที่สองไม่สามารถเปรียบเทียบกับช่วงเวลาแรกได้
ข้อจำกัดและข้อควรพิจารณา
- สมมติฐานว่าไม่มีผลตกค้าง (no carryover): ความถูกต้องของการออกแบบทั้งหมดขึ้นอยู่กับช่วงพักการรักษาที่ยาวนานเพียงพอที่จะกำจัดผลตกค้างจากการรักษา — สมมติฐานนี้อาจตรวจสอบหรือรับประกันได้ยาก
- ผลของช่วงเวลา (period effects) (แนวโน้มตามกาลเวลา ผลจากการเรียนรู้ การดำเนินของโรค) อาจทำให้การเปรียบเทียบภายในบุคคลเกิดความสับสนได้หากเงื่อนไขเปลี่ยนแปลงไปตามช่วงเวลาอย่างเป็นระบบ
- ไม่เหมาะสมสำหรับสภาวะที่เป็นเฉียบพลัน เป็นครั้งคราว หรือมีแนวโน้มที่จะหายขาดหรือเปลี่ยนแปลงอย่างมากจากการรักษาครั้งแรก
- ระยะเวลาการทดลองที่ยาวนานขึ้นเนื่องจากมีหลายช่วงการรักษาและช่วงพักการรักษา เพิ่มความเสี่ยงต่อการถอนตัวและภาระของผู้เข้าร่วม
- การวิเคราะห์ทางสถิติมีความซับซ้อนกว่าการทดลองแบบ RCT แบบกลุ่มขนาน การทดสอบผลตกค้างมีอำนาจทางสถิติต่ำ และการทดสอบที่ไม่ผ่านไม่ได้พิสูจน์ว่าไม่มีผลตกค้าง
เงื่อนไขจากแหล่งที่มาไม่สามารถใช้แทนการทบทวนทางวิทยาศาสตร์ที่เป็นอิสระหรือการตรวจสอบโดยเอนจินวิเคราะห์ได้
จุดแข็ง
- ผู้เข้าร่วมแต่ละคนทำหน้าที่เป็นกลุ่มควบคุมของตนเอง กำจัดความแปรปรวนระหว่างบุคคล (between-subject variability) ออกจากการเปรียบเทียบการรักษา และเพิ่มอำนาจทางสถิติอย่างมาก
- ต้องการผู้เข้าร่วมจำนวนน้อยกว่าการทดลองแบบ RCT แบบกลุ่มขนานเพื่อให้ได้อำนาจทางสถิติเท่ากัน — ซึ่งเป็นข้อได้เปรียบที่สำคัญเมื่อผู้เข้าร่วมมีจำนวนจำกัดหรือการสรรหาผู้เข้าร่วมมีค่าใช้จ่ายสูง
- ผู้เข้าร่วมและแพทย์มักพบว่าน่าสนใจเนื่องจากผู้เข้าร่วมที่ลงทะเบียนทุกคนมีโอกาสได้รับการรักษาที่ออกฤทธิ์
- สามารถประมาณการตอบสนองต่อการรักษาของแต่ละบุคคลได้ ทำให้สามารถสำรวจปฏิสัมพันธ์ระหว่างการรักษาและผู้เข้าร่วมได้
- ได้รับการยอมรับจากหน่วยงานกำกับดูแลอย่างดีในการทดลองยาและอุปกรณ์ โดยมีแนวทางจาก ICH E9 และ EMA
การประยุกต์ใช้
- การศึกษาเปรียบเทียบเภสัชจลนศาสตร์และความเท่าเทียมทางชีวภาพ (comparative pharmacokinetic and bioequivalence studies) เพื่อประเมินยาสามัญเทียบกับยาต้นแบบในอาสาสมัครสุขภาพดี
- การทดลองจัดการโรคเรื้อรังที่เปรียบเทียบการรักษาตามอาการสำหรับสภาวะต่างๆ เช่น ความดันโลหิตสูง โรคหอบหืด หรืออาการปวดเรื้อรัง
- การศึกษาการแทรกแซงทางโภชนาการเพื่อประเมินผลกระทบทางเมแทบอลิซึมเฉียบพลันของอาหารหรือผลิตภัณฑ์เสริมอาหารที่แตกต่างกัน
- การประเมินเทคโนโลยีสุขภาพที่เปรียบเทียบอุปกรณ์ทางการแพทย์หรือหัตถการวินิจฉัยที่ต้องการความแม่นยำในระดับบุคคล
- การศึกษาหาขนาดยา (dose-finding) และการพิสูจน์แนวคิด (proof-of-concept) ที่ให้ความสำคัญกับการเพิ่มข้อมูลสูงสุดต่อผู้เข้าร่วม
- การทดลองทางสรีรวิทยาและวิทยาศาสตร์การกีฬาที่เปรียบเทียบระเบียบวิธีการออกกำลังกายหรือสารเสริมสมรรถภาพ (ergogenic aids) ในประชากรที่ฝึกฝนอย่างสม่ำเสมอ
วิธีการทำงาน
วิธีการทำงาน
ผู้เข้าร่วมที่มีคุณสมบัติตรงตามเกณฑ์จะถูกคัดเลือกและสุ่มแบ่งออกเป็นกลุ่มลำดับ (sequence group) สองกลุ่ม (หรือมากกว่า) เช่น กลุ่มที่ 1 ได้รับการรักษา A แล้วตามด้วย B (ลำดับ AB) และกลุ่มที่ 2 ได้รับการรักษา B แล้วตามด้วย A (ลำดับ BA) การสุ่มลำดับจะช่วยปรับสมดุลของผลกระทบจากลำดับการรักษา (sequence-order effects) ทั่วทั้งกลุ่มตัวอย่าง
ผู้เข้าร่วมแต่ละคนจะได้รับการรักษาแรกตามลำดับที่สุ่มกำหนดมา มีการเก็บข้อมูลผลลัพธ์เมื่อสิ้นสุดช่วงเวลานี้ตามตารางเวลาที่กำหนดไว้ล่วงหน้า การปกปิดข้อมูล (blinding) ของผู้เข้าร่วมและผู้ประเมินจะถูกนำมาใช้เท่าที่สามารถทำได้
ช่วงพักการรักษา (washout period) จะตามหลังช่วงการรักษาแต่ละครั้ง ความยาวของช่วงพักต้องมากกว่าครึ่งชีวิตทางชีวภาพหรือทางเภสัชวิทยาของการรักษา เพื่อให้ผลตกค้าง (carryover effect) ใดๆ หายไปก่อนที่จะเริ่มการรักษาครั้งต่อไป การพักการรักษาที่ไม่เพียงพอเป็นภัยคุกคามที่พบบ่อยที่สุดต่อความถูกต้องของการออกแบบครอสโอเวอร์
ผู้เข้าร่วมจะเปลี่ยนไปรับการรักษาที่สองตามที่ได้รับมอบหมาย และมีการเก็บข้อมูลผลลัพธ์อีกครั้งภายใต้ระเบียบวิธีเดียวกันกับช่วงเวลาที่ 1 การศึกษาที่มีการรักษามากกว่าสองชนิดจะมีการเพิ่มช่วงเวลาเพิ่มเติมพร้อมกับช่วงพักการรักษาคั่นระหว่างแต่ละครั้ง
ก่อนที่จะรวมข้อมูลข้ามช่วงเวลา นักวิเคราะห์จะทดสอบผลตกค้าง (carryover effect) — ปฏิสัมพันธ์ระหว่างช่วงเวลาและการรักษาที่มีนัยสำคัญทางสถิติบ่งชี้ว่าผลตกค้างจากการรักษาแรกปนเปื้อนช่วงเวลาที่สอง หากมีผลตกค้าง ข้อมูลจากช่วงเวลาแรกเท่านั้นที่อาจนำมาใช้ได้ ซึ่งจะทำให้การวิเคราะห์กลับไปเป็นการเปรียบเทียบแบบกลุ่มขนาน
เมื่อไม่พบผลตกค้าง แบบจำลองเชิงเส้นแบบผสม (linear mixed model) (หรือการวิเคราะห์ความแปรปรวนแบบวัดซ้ำ - repeated-measures ANOVA) จะแบ่งความแปรปรวนออกเป็นผลของการรักษา ช่วงเวลา ลำดับ และผู้เข้าร่วม การประมาณค่าการรักษาจะใช้ประโยชน์จากการเปรียบเทียบภายในบุคคล (within-subject comparisons) ทำให้ได้ค่าประมาณที่แม่นยำกว่าการวิเคราะห์ระหว่างบุคคล (between-subject analysis) ที่มีขนาดกลุ่มตัวอย่างเท่ากัน
ข้อผิดพลาดที่พบบ่อย
- ช่วงพักการรักษาไม่เพียงพอ: บางครั้งผู้วิจัยเลือกความยาวของช่วงพักตามความสะดวกในการบริหารจัดการมากกว่าหลักฐานทางเภสัชวิทยา ทำให้ผลตกค้างปนเปื้อนช่วงเวลาที่สองและทำให้ค่าประมาณการรักษาเกิดความเอนเอียง
- การละเลยผลของช่วงเวลา: การไม่รวมช่วงเวลาเป็นตัวแปรร่วม (covariate) ในแบบจำลองอาจเพิ่มอัตราความผิดพลาดประเภทที่ 1 (type I error rate) เมื่อมีแนวโน้มที่เป็นระบบตามช่วงเวลา
- การใช้การออกแบบครอสโอเวอร์กับการรักษาที่มีผลถาวร: การใช้การออกแบบนี้กับการรักษา เช่น การผ่าตัด โปรแกรมการศึกษา หรือการบำบัดพฤติกรรมที่คงทน เป็นการละเมิดสมมติฐานการแลกเปลี่ยนกันได้ (exchangeability assumption) ที่เป็นพื้นฐาน
- การวิเคราะห์เฉพาะผู้ที่เข้าร่วมจนจบ (completers only): การยกเว้นผู้เข้าร่วมที่ถอนตัวหลังช่วงเวลาที่ 1 ทำให้เกิดความเอนเอียงในการเลือก (selection bias); ควรมีการกำหนดแผนการวิเคราะห์ตามเจตนาในการรักษา (intention-to-treat analysis) พร้อมการแทนที่ข้อมูลที่เหมาะสมไว้ล่วงหน้า
- การคำนวณขนาดกลุ่มตัวอย่างที่ต่ำเกินไปโดยละเลยสหสัมพันธ์ภายในกลุ่ม (intra-class correlation): การคำนวณขนาดกลุ่มตัวอย่างต้องคำนึงถึงสหสัมพันธ์ภายในบุคคลระหว่างช่วงเวลา การไม่ทำเช่นนั้นอาจนำไปสู่การศึกษาที่มีอำนาจมากเกินไปหรือน้อยเกินไป
คำถามที่พบบ่อย
ฉันจะกำหนดความยาวของช่วงพักการรักษา (washout period) ที่เหมาะสมได้อย่างไร?
ช่วงพักการรักษาควรมีอย่างน้อยห้าเท่าของครึ่งชีวิตทางชีวภาพของการรักษา — สำหรับสารเภสัชภัณฑ์ โดยทั่วไปสามารถคำนวณได้ง่าย สำหรับการรักษาที่ไม่ใช่ยา (เช่น การปรับเปลี่ยนอาหาร กายภาพบำบัด) ความยาวที่เหมาะสมต้องได้รับการพิสูจน์โดยข้อมูลนำร่อง (pilot data) หรือเหตุผลทางสรีรวิทยา หากไม่แน่ใจ ให้เลือกช่วงพักที่ยาวกว่าเสมอ การออกแบบที่มีช่วงพักที่เพียงพออย่างชัดเจนจะน่าเชื่อถือมากกว่าการออกแบบที่เพียงหวังว่าจะไม่มีผลตกค้าง
จะเกิดอะไรขึ้นหากตรวจพบผลตกค้าง (carryover)?
หากการทดสอบปฏิสัมพันธ์ระหว่างช่วงเวลาและการรักษา (period-by-treatment interaction) มีนัยสำคัญ (บ่งชี้ถึงผลตกค้าง) ข้อมูลจากช่วงเวลาที่สองจะไม่น่าเชื่อถือสำหรับการเปรียบเทียบการรักษา ทางออกปกติคือจำกัดการวิเคราะห์เฉพาะข้อมูลจากช่วงเวลาแรกเท่านั้น ซึ่งจะเปลี่ยนการทดลองแบบครอสโอเวอร์ให้เป็นการเปรียบเทียบแบบกลุ่มขนานโดยใช้ขนาดกลุ่มตัวอย่างประมาณครึ่งหนึ่งตามที่ตั้งใจไว้ — ทำให้สูญเสียอำนาจทางสถิติไปอย่างมาก ผลลัพธ์นี้เน้นย้ำถึงความสำคัญของช่วงพักการรักษาที่เพียงพอ แทนที่จะพึ่งพาการทดสอบทางสถิติเพื่อแก้ไขการออกแบบที่บกพร่อง
การทดลองแบบ RCT แบบครอสโอเวอร์มีประสิทธิภาพมากกว่าการทดลองแบบ RCT แบบกลุ่มขนานเสมอไปหรือไม่?
ไม่เสมอไป ข้อได้เปรียบด้านประสิทธิภาพขึ้นอยู่กับสหสัมพันธ์ภายในบุคคล (intra-subject correlation): ยิ่งสหสัมพันธ์ของผลลัพธ์ภายในบุคคลข้ามช่วงเวลาสูงเท่าใด (กล่าวคือ สภาวะมีความเสถียรมากขึ้น) กำไรด้านอำนาจทางสถิติก็จะยิ่งมากขึ้นเท่านั้น หากผลลัพธ์มีความสัมพันธ์กันน้อยภายในบุคคลเมื่อเวลาผ่านไป ข้อได้เปรียบด้านขนาดกลุ่มตัวอย่างจะลดลง นอกจากนี้ยังต้องพิจารณาความซับซ้อนที่เพิ่มขึ้นและความเสี่ยงต่อการถอนตัวของหลายช่วงเวลาในการคำนวณประสิทธิภาพ
การทดลอง RCT แบบครอสโอเวอร์สามารถมีมากกว่าสองช่วงเวลาได้หรือไม่?
ได้ การออกแบบครอสโอเวอร์แบบหลายช่วงเวลา (เช่น การรักษา 3 หรือ 4 ชนิดในรูปแบบ Latin square หรือ Williams square) ถูกนำมาใช้เมื่อต้องเปรียบเทียบการรักษาหลายชนิดภายในผู้เข้าร่วมแต่ละคน การออกแบบเหล่านี้ให้ผลกำไรด้านประสิทธิภาพเพิ่มเติม แต่เพิ่มภาระของผู้เข้าร่วม ความเสี่ยงต่อการถอนตัว และความซับซ้อนของการสร้างแบบจำลองผลตกค้าง การออกแบบเหล่านี้พบได้บ่อยที่สุดในการวิจัยเภสัชจลนศาสตร์และความเท่าเทียมทางชีวภาพ
ฉันควรจัดการกับข้อมูลที่ขาดหายไปอย่างไรเมื่อผู้เข้าร่วมถอนตัวหลังช่วงเวลาที่ 1?
ผู้เข้าร่วมที่ทำเพียงช่วงเวลาที่ 1 เสร็จสมบูรณ์ ให้ข้อมูลที่ใช้ได้สำหรับช่วงเวลานั้น และไม่ควรถอนออกจากการวิเคราะห์ แผนการวิเคราะห์ที่กำหนดไว้ล่วงหน้าโดยใช้แบบจำลองเชิงเส้นแบบผสม (linear mixed models) สามารถรวมข้อมูลที่สังเกตได้ทั้งหมดภายใต้สมมติฐานว่าข้อมูลหายไปแบบสุ่ม (missing-at-random) ควรพิจารณาการแทนที่ข้อมูลหลายครั้ง (multiple imputation) หรือการวิเคราะห์ความไว (sensitivity analyses) ภายใต้สมมติฐานที่น่าจะเป็นไปได้ว่าข้อมูลหายไปแบบไม่สุ่ม (missing-not-at-random) เมื่อมีการถอนตัวจำนวนมาก
วิธีการที่เกี่ยวข้อง
แหล่งอ้างอิง
Senn, S. (2002). Cross-over Trials in Clinical Research (2nd ed.). Wiley.
ISBN: 978-0471496533คัดลอกแล้วJones, B., & Kenward, M. G. (2003). Design and Analysis of Cross-Over Trials (2nd ed.). Chapman and Hall/CRC.
ISBN: 978-1584883429คัดลอกแล้ว