護理研究期末考前重點複習

判斷研究設計的第一刀

• 沒有介入或操弄：非實驗性研究。
• 有介入措施：實驗性或類實驗性研究。
• 有操縱、控制、隨機三者皆有：真實驗性研究。
• 有介入但缺隨機或控制較弱：類實驗性研究。

時間面向關鍵字

• 同一時間點：橫斷性。
• 從現在往未來追蹤：前瞻性。
• 從已發生結果回頭找原因：回溯性。
• 多時間點重複收案：縱貫性。

1. 研究設計判斷題

• 先看有沒有介入/操弄：沒有介入就是非實驗；有介入才往實驗或類實驗判斷。
• 真實驗三條件：操縱、控制、隨機。三個都有才是真實驗性研究。
• 類實驗關鍵：有介入，但缺隨機分派、控制較弱，或沒有完整對照組。
• 相關研究不能說因果：只能說有關、相關、預測，不能說 A 導致 B。

2. 非實驗性研究必背

• 適用情境：研究目的偏描述/相關/比較，變項不能操弄，文獻支持不足，或有倫理限制。
• 研究層次：描述性是第一層次；相關性/比較性是第二層次，常作為後續實驗研究基礎。
• 描述性研究：描述現象、發生率、盛行率、特定變項或型態改變。
• 比較性研究：比較自然存在的兩組或多組，不是研究者隨機分派。

4. 效度題快速判斷

• 內在效度：研究結果是不是真的反映現象或介入效果。
• 外在效度：研究結果能不能推論到其他人、其他場域或母群體。
• 內在效度威脅：歷史、成熟、選擇、測試、工具、個案流失。
• 外在效度威脅：樣本代表性、研究場所/情境、觀察或資料來源。

5. OR 與個案對照

• 個案對照設計：有病與無病兩組，回頭比較是否暴露於危險因子。
• 勝算比 OR：常用於回溯性/個案對照研究。
• 公式：OR = (A × D) / (B × C)。
• 解釋：OR 大於 1 表示暴露組罹病勝算較高，但仍要注意不能直接當成因果證明。

資料收集方法

• 自我陳述、他人陳述、訪談、觀察法、查閱現成紀錄、測量、量表法。
• 量表是測量特定心理/行為/抽象概念的一組題目；問卷是整份資料收集工具。
• 好的資料收集方法要配合研究目的、環境、條件與研究對象特質。

資料處理技巧

• 問卷設計時就要考慮後續統計分析。
• 選項要歸類、排序、預先編碼；遺漏值要先規劃。
• 變項命名要簡短規則，複選題常拆成多個 0/1 變項。
• 資料歸檔、輸入、檢查與備份都會影響資料品質。

四個名詞必分清楚

• 母群體 Population：研究者真正想了解的全部對象。
• 目標母群 Target population：研究結果希望推論到的族群。
• 可近母群 Accessible population：研究者實際能接觸、收案的族群。
• 樣本 Sample：最後真正進入研究、被測量的人。

考試最愛問

• 代表性 Representativeness：樣本能不能代表母群體。
• 取樣誤差 Sampling error：樣本與母群體之間的差異；越大代表越不可信。
• 抽錯人，研究不準：研究結論不能走出醫院或研究場域時，常是取樣問題。

先驗資料

• 抽樣是否適當：樣本代表誰？能不能推論？
• 遺漏值 Missing data：缺太多會影響分析結果。
• 極端值 Outlier：可能是真實特殊個案，也可能是輸入錯誤。
• 資料清理：先確認再分析，不是拿到 Excel 就直接跑統計。

信度與效度

• 信度 Reliability：穩定、一致；同樣條件下測量結果相近。
• 效度 Validity：準確；工具真的測到想測的概念。
• 考試句：工具可以很穩定但不準確，也就是「有信度不一定有效度」。

集中趨勢

• Mean 平均值：適合近似常態的連續資料，容易受極端值影響。
• Median 中位數：適合偏態資料或有極端值時。
• Mode 眾數：最常出現的類別或數值。

離散程度

• SD 標準差：看資料分散程度；SD 越大代表資料越分散。
• IQR 四分位距：常搭配中位數描述偏態資料。
• 百分比：常用於類別資料。

p-value 的意思

p-value 是「如果虛無假設為真，觀察到目前或更極端結果的機率」。常用 alpha = 0.05 作為判斷標準。

• p < 0.05：拒絕虛無假設，表示有統計顯著差異。
• p ≥ 0.05：未達顯著，不等於完全沒有差異，只是證據不足。

雙尾與單尾

• 雙尾檢定：只問是否有差異，不限定方向，較常見。
• 單尾檢定：事先明確假設方向，例如 A 一定比 B 好。

研究目的

目的在描述現象、探索特質、比較群體差異或了解變項關係，而不是驗證介入效果。

研究變項

變項無法操縱或不適合操縱，例如人格特質、疾病史、工作疲勞、抽菸暴露等。

文獻支持度

對主題了解有限時，先用描述性或相關性研究建立基礎知識，再發展後續實驗研究。

倫理考量

若介入會傷害受試者或違反倫理，只能觀察自然暴露與自然結果，例如抽菸與肺癌風險。

外在效度

研究結果能否推論到相似樣本或母群體。

• 研究參與者：樣本是否具代表性，抽樣方式會影響推論。
• 研究場所或情境：不同場域可能使行為或反應不同。
• 觀察與資料來源：回憶資料可能受記憶偏差影響。

內在效度

研究結果是否真實反映現象，而不是被其他因素扭曲。

• 歷史因素：研究期間發生外在事件影響結果。
• 成熟效應：受試者隨時間、年齡或自然復原而改變。
• 選擇效應：樣本不均或非隨機造成組間差異。
• 測試效應：重複測量使受試者熟悉題目。
• 工具效應：測量工具信效度不足或測量條件改變。
• 個案流失：退出者與留下者特質不同，造成偏差。

證據等級由高到低

1. Meta-analysis / 系統性文獻回顧
2. 隨機對照試驗 RCT
3. 世代研究 Cohort study
4. 個案對照研究 Case-control study
5. 個案系列或個案報告
6. 專家意見或社論

評讀工具要依研究設計選

• Oxford CEBM：實證等級與評讀架構。
• JBI、CASP：常見臨床研究與質性研究評讀工具。
• Cochrane RoB：常用於 RCT 偏差風險評估。
• AMSTAR：常用於系統性文獻回顧品質評估。
• Ottawa Hospital / NOS：常用於觀察性研究評估。

干擾因素看這幾類

• 歷史效應：外在事件影響結果。
• 成熟效應：研究對象自然成長、恢復或變化。
• 選擇偏差：樣本不均或不具代表性。
• 樣本流失：每組流失人數或特質不同。
• 測量效應：因測量本身、重複測量或工具不同而偏差。
• 霍桑效應：知道被研究而改變行為。
• 安慰劑效應：因相信介入有效而產生改善。

控制效度方法一句話

• 對照組：找比較對象。
• 隨機分組：公平分組。
• 盲化設計：不要知道太多。
• 同質化：先挑差不多的人。
• 測量工具：工具要穩、要準。
• 統計控制：把差異先調整。

非實驗性研究補充

• 描述性研究設計：重點在描述現象、發生率、盛行率或型態改變，不能解釋因果。
• 相關性研究設計：看變項間是否有關係，可做預測，但不能推論因果。
• 比較性研究設計：比較自然存在的兩組或多組差異，不是研究者隨機分派。
• 反覆橫斷性研究 / 趨勢研究：不同時間點重複做橫斷調查，用來看族群趨勢。
• Panel study 小樣本連續研究：追蹤同一組代表性群體一段時間，常見問題是樣本損耗。
• 序列研究：結合橫斷與縱貫的優點，追蹤不同年齡或不同世代族群的變化。

效度與干擾因素補充

• 歷史性因素 / 歷史效應：研究期間發生外在事件，影響研究結果。
• 工具性因素 / Instrumentation：測量工具、測量者或測量條件改變，使結果偏差。
• 新奇效應：受試者因研究場所、情境或新鮮感而改變反應，會影響外在效度。
• 樣本因素：包含成熟效應、選擇偏差、樣本流失，都是實驗研究常見干擾來源。

EBP 補充

• Archie Cochrane：強調醫療資源需要充分實證支持，與實證健康照護發展有關。
• Gordon Guyatt：McMaster University 推動 Evidence-based medicine 概念的重要人物。
• 布林邏輯 Boolean logic：OR 連接同義字，AND 連接不同概念，NOT 排除不需要的概念。
• EndNote：書目管理工具，可管理引用、整理文獻、協助去除重複文獻。

統計與資料處理補充

• Factorial Design 多因子設計：同時檢驗兩個以上因素或介入組合對結果的影響。
• 查閱現成記錄 / Review Records：使用病歷、死亡檔、政府資料等既有資料，常用於次級資料分析。
• 大數據 / Big data：網路與資訊系統產生大量結構化或非結構化資料，需注意代表性與資料品質。
• ASCII 輸出：資料輸入軟體若能輸出純文字格式，較方便匯入統計軟體。
• 中文資料：文字不適合直接當資料值，容易輸入錯誤，通常建議先編碼。
• 資料備份：至少保留兩份，避免人為疏失、病毒、斷電或電腦故障造成資料遺失。

看到這些字要想到

• 研究期間發生疫情、政策改變、重大事件：歷史效應。
• 傷口自然癒合、能力隨年齡或時間變好：成熟效應。
• 兩組一開始就不同、不是隨機分派：選擇偏差。
• 做過前測後比較熟悉題目：測試效應。
• 換量表、換測量者、儀器校正不同：工具效應。
• 重症病人退出、留下來多為輕症：個案流失。
• 知道自己被研究所以表現改變：霍桑效應。
• 相信自己有接受治療所以改善：安慰劑效應。

控制方法怎麼配

• 怕兩組不公平：隨機分派、同質化、統計控制。
• 怕不知道介入是否有效：設對照組。
• 怕受試者或評估者主觀影響：盲化設計。
• 怕工具不準：使用具信效度工具，維持測量條件一致。
• 怕前測影響後測：可考慮後測設計或所羅門四組設計。
• 怕外推不出去：改善抽樣代表性、清楚描述研究場域與樣本特徵。

先判斷資料型態

• 類別資料：性別、組別、有無疾病，常用人數和百分比。
• 序位資料：疼痛等級、滿意度等級，有順序但間距不一定相等。
• 連續資料：年齡、血壓、量表總分，常用平均值和標準差。
• 偏態資料：常用中位數和四分位距，比平均值更穩。

再選檢定

• 兩組平均數：t-test；同一組前後是 paired t-test。
• 三組以上平均數：ANOVA。
• 兩個連續變項關係：Pearson correlation；非常態或序位可用 Spearman。
• 類別 vs 類別：Chi-square；期望次數太小用 Fisher exact。
• 不常態或序位：Mann-Whitney U、Wilcoxon、Kruskal-Wallis。
• 預測結果：線性迴歸、複迴歸、邏輯斯迴歸；R² 看解釋變異比例。