បញ្ហា (The Problem)៖ ការស្រាវជ្រាវបែបត្រួតពិនិត្យជាប្រព័ន្ធ (Systematic Reviews) ត្រូវការភាពច្បាស់លាស់និងពេញលេញដើម្បីមានប្រយោជន៍ដល់អ្នកធ្វើគោលនយោបាយនិងអ្នកផ្តល់សេវាសុខភាព ប៉ុន្តែគុណភាពនៃការរាយការណ៍កន្លងមកនៅមានកម្រិត ហើយវិធីសាស្រ្តស្រាវជ្រាវបានវិវឌ្ឍទៅមុខដែលតម្រូវឱ្យមានការធ្វើបច្ចុប្បន្នភាពគោលការណ៍ណែនាំចាស់ (PRISMA 2009)។
វិធីសាស្ត្រ (The Methodology)៖ អ្នកនិពន្ធបានអភិវឌ្ឍគោលការណ៍ណែនាំនេះឡើងវិញតាមរយៈដំណើរការស្រាវជ្រាវយ៉ាងទូលំទូលាយ ដែលរួមបញ្ចូលការត្រួតពិនិត្យឯកសារដែលមានស្រាប់ និងការប្រមូលមតិយោបល់ពីអ្នកជំនាញ។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| PRISMA 2009 Statement សេចក្តីថ្លែងការណ៍ PRISMA ឆ្នាំ ២០០៩ (គោលការណ៍ចាស់) |
ជាស្តង់ដារដែលត្រូវបានប្រើប្រាស់យ៉ាងទូលំទូលាយអស់រយៈពេលជាងមួយទសវត្សរ៍ និងសាមញ្ញជាងសម្រាប់អ្នកចាប់ផ្តើមដំបូង។ | មិនឆ្លុះបញ្ចាំងពីបច្ចេកវិទ្យាថ្មីៗ (ដូចជាការប្រើប្រាស់ Automation) និងវិធីសាស្រ្តវាយតម្លៃហានិភ័យនៃភាពលំអៀងថ្មីៗ (Risk of Bias)។ | លែងត្រូវបានណែនាំឱ្យប្រើប្រាស់ទៀតហើយ ដោយសារត្រូវបានជំនួសដោយ PRISMA 2020។ |
| PRISMA 2020 Statement សេចក្តីថ្លែងការណ៍ PRISMA ឆ្នាំ ២០២០ (គោលការណ៍បច្ចុប្បន្ន) |
មានភាពលម្អិតជាងមុន គ្របដណ្តប់លើការវិវឌ្ឍនៃវិធីសាស្រ្តស្រាវជ្រាវ ការសំយោគទិន្នន័យដោយគ្មានស្ថិតិ និងការធានាតម្លាភាពល្អប្រសើរ។ | តម្រូវឱ្យអ្នកស្រាវជ្រាវរាយការណ៍ព័ត៌មានច្រើនជាងមុន (២៧ ចំណុចលម្អិត) ដែលអាចចំណាយពេលយូរជាងក្នុងការរៀបចំ។ | ជាស្តង់ដារអន្តរជាតិបច្ចុប្បន្នសម្រាប់ការរាយការណ៍ការត្រួតពិនិត្យជាប្រព័ន្ធ (Systematic Reviews)។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការអនុវត្តតាមគោលការណ៍នេះមិនតម្រូវឱ្យចំណាយថវិកាទេ ប៉ុន្តែទាមទារពេលវេលា និងជំនាញខ្ពស់ក្នុងការស្រាវជ្រាវ។
គោលការណ៍នេះត្រូវបានបង្កើតឡើងដោយក្រុមអ្នកជំនាញអន្តរជាតិ ប៉ុន្តែភាគច្រើនមកពីប្រទេសលោកខាងលិច។ សម្រាប់កម្ពុជា ការប្រើប្រាស់វាអាចមានការលំបាកដោយសារកង្វះធនធានក្នុងការចូលប្រើអត្ថបទពេញលេញ (Full-text articles) និងឧបសគ្គភាសា ប៉ុន្តែវាជាស្តង់ដារដែលមិនអាចខ្វះបានសម្រាប់ការបោះពុម្ពផ្សាយ។
គោលការណ៍ណែនាំនេះមានសារៈសំខាន់ខ្លាំងណាស់សម្រាប់អ្នកស្រាវជ្រាវ និងនិស្សិតកម្ពុជា ជាពិសេសក្នុងវិស័យសុខាភិបាល និងវិទ្យាសាស្ត្រសង្គម។
ការអនុវត្ត PRISMA 2020 នឹងជួយលើកកម្ពស់កិត្យានុភាពនៃការស្រាវជ្រាវរបស់កម្ពុជានៅលើឆាកអន្តរជាតិ និងធានាថាការសម្រេចចិត្តនានាត្រូវបានធ្វើឡើងផ្អែកលើភស្តុតាងរឹងមាំ។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Systematic review | ដំណើរការស្រាវជ្រាវដែលប្រើប្រាស់វិធីសាស្ត្រច្បាស់លាស់និងមានរបៀបរៀបរយជាមុន ដើម្បីប្រមូល វាយតម្លៃ និងវិភាគរាល់ការសិក្សាដែលមានស្រាប់ទាំងអស់ដែលពាក់ព័ន្ធនឹងសំណួរស្រាវជ្រាវជាក់លាក់ណាមួយ ដើម្បីកាត់បន្ថយភាពលំអៀង។ | ដូចជាចៅក្រមដែលប្រមូលភស្តុតាងទាំងអស់ពីគ្រប់ប្រភពដែលមាន មិនមែនស្តាប់តែសាក្សីម្នាក់ ដើម្បីធ្វើការវិនិច្ឆ័យក្តីឱ្យបានត្រឹមត្រូវបំផុត។ |
| Meta-analysis | បច្ចេកទេសស្ថិតិដែលយកទិន្នន័យបរិមាណ (Quantitative data) ពីការសិក្សាស្រាវជ្រាវឯករាជ្យជាច្រើនមកបញ្ចូលគ្នា ដើម្បីគណនា និងទទួលបានលទ្ធផលរួមមួយដែលមានភាពជាក់លាក់និងគួរឱ្យទុកចិត្តជាងលទ្ធផលនៃការសិក្សាតែមួយ។ | ដូចជាការយកពិន្ទុប្រឡងរបស់សិស្សទាំងអស់ក្នុងសាលាមកគណនារកមធ្យមភាគរួម ដើម្បីដឹងពីកម្រិតសមត្ថភាពពិតប្រាកដរបស់សាលាទាំងមូល។ |
| Risk of bias | ការវាយតម្លៃទៅលើកំហុសជាប្រព័ន្ធនៅក្នុងការសិក្សាមួយ ដែលអាចនាំឱ្យលទ្ធផលនៃការសិក្សានោះឃ្លាតឆ្ងាយពីការពិត ឬធ្វើឱ្យយើងយល់ខុសលើប្រសិទ្ធភាពនៃការព្យាបាល។ | ដូចជាការត្រួតពិនិត្យមើលថាតើអាជ្ញាកណ្តាលក្នុងការប្រកួតបាល់ទាត់ មានចិត្តលំអៀងទៅកាន់ក្រុមណាមួយឬអត់ ដែលអាចធ្វើឱ្យលទ្ធផលនៃការប្រកួតមិនយុត្តិធម៌។ |
| Heterogeneity | ភាពខុសប្លែកគ្នានៃលទ្ធផលរវាងការសិក្សានីមួយៗដែលបានយកមកវិភាគ។ ក្នុងស្ថិតិ វាបង្ហាញថាការសិក្សាទាំងនោះមានលទ្ធផលមិនស្របគ្នា (ខ្លះថាថ្នាំពូកែ ខ្លះថាអត់) ដែលតម្រូវឱ្យមានការស៊ើបអង្កេតបន្ថែម។ | ដូចជាការយកផ្លែឈើចម្រុះមុខ (ប៉ោម ក្រូច ល្ហុង) មកដាក់ក្នុងកន្ត្រកតែមួយ ទោះវាជាផ្លែឈើដូចគ្នា ប៉ុន្តែវាមានលក្ខណៈខុសគ្នាដែលមិនអាចចាត់ទុកជាធ្លុងមួយបានទាំងស្រុង។ |
| Sensitivity analysis | ការសាកល្បងវិភាគទិន្នន័យម្តងទៀតដោយផ្លាស់ប្តូរលក្ខខណ្ឌ ឬវិធីសាស្ត្រមួយចំនួនតូច ដើម្បីមើលថាតើលទ្ធផលចុងក្រោយនៅតែដដែល ឬប្រែប្រួលខ្លាំង។ វាប្រើសម្រាប់វាស់វែងភាពរឹងមាំនៃលទ្ធផល។ | ដូចជាការសាកល្បងបើកបររថយន្តក្នុងស្ថានភាពផ្លូវផ្សេងៗគ្នា (ផ្លូវស្ងួត ផ្លូវសើម ផ្លូវរអិល) ដើម្បីមើលថាតើរថយន្តនោះនៅតែដំណើរការល្អដែរឬទេ។ |
| Synthesis without meta-analysis (SWiM) | ការសរុបលទ្ធផលស្រាវជ្រាវដោយប្រើការពិពណ៌នាជាអក្សរ តារាង ឬរូបភាព ជំនួសឱ្យការប្រើរូបមន្តស្ថិតិ នៅពេលដែលទិន្នន័យមានភាពខុសគ្នាខ្លាំងពេក រហូតមិនអាចធ្វើ Meta-analysis បាន។ | ដូចជាការសរសេររៀបរាប់អំពីរសជាតិនៃម្ហូបផ្សេងៗគ្នា ព្រោះអ្នកមិនអាចយកម្ហូបទាំងអស់នោះមកកិនបញ្ចូលគ្នាដើម្បីរក "រសជាតិមធ្យម" បានទេ។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
