ตารางและรูปในบทความวิชาการ: Table 1 กราฟ และไฟล์ภาพ

ตารางและรูปในบทความวิชาการ ต้องให้ผู้อ่านเข้าใจได้โดยไม่ต้องกลับไปอ่านเนื้อหา แต่ละชิ้นสื่อข้อความเดียว มีหน่วยและคำย่ออธิบายครบ และส่งเป็นไฟล์ตามความละเอียดและขนาดที่วารสารกำหนด

ตารางและรูปในบทความวิชาการ: เลือกว่าอะไรควรเป็นตาราง อะไรควรเป็นรูป

กฎตัดสินใจที่ใช้ได้เร็ว: ถ้าผู้อ่านต้องการ “ตัวเลขที่แน่นอน” (ค่าเฉลี่ย, OR, 95% CI) ใช้ตาราง ถ้าผู้อ่านต้องการเห็น “รูปแบบ” (แนวโน้ม การกระจาย ความต่างระหว่างกลุ่ม) ใช้รูป และถ้าสรุปได้ในหนึ่งประโยค เช่น “ไม่มีความแตกต่างของอายุระหว่างกลุ่ม” ให้เขียนเป็นประโยคแทนการสร้างตารางหรือรูป แต่ละชิ้นควรตอบคำถามเดียว ถ้าต้องอธิบายสองประเด็นในรูปเดียว ให้แยกเป็นสองรูป

การจัดวางบทผลการวิจัยทั้งบท รวมถึงการเขียนบรรยายประกอบตาราง ดู บทที่ 4 ผลการวิเคราะห์ข้อมูล และ Results Section ภาษาอังกฤษ บทความนี้เน้นการออกแบบตัวตารางและรูปเอง

Table 1: ลักษณะพื้นฐานของกลุ่มตัวอย่าง ควรรายงานอะไร

Hayes-Larson และคณะ (2019) ทบทวนและสังเคราะห์แนวทางสำหรับ Table 1 ในงานระบาดวิทยาและงานวิจัยทางคลินิก โดยเสนอโครงสร้างพื้นฐาน และการปรับคอลัมน์ แถว และเซลล์ เพื่อให้ผู้อ่านประเมินความตรงภายในและภายนอกของการศึกษาได้ รวมถึงปัญหาที่พบบ่อย ได้แก่ ข้อมูลขาดหาย ตัวถ่วงน้ำหนัก ข้อมูลแบบกลุ่ม และปฏิสัมพันธ์ (ตามบทคัดย่อของบทความ เราอ่านเฉพาะบทคัดย่อ) ที่ต้องชั่งน้ำหนักคือความครบถ้วนกับความกระชับ ใช้เป็นกรอบคิดได้ ดังนี้

• แถวหัวตาราง: ระบุจำนวนผู้เข้าร่วมในแต่ละกลุ่ม (n) ในหัวคอลัมน์
• ตัวแปรต่อเนื่อง: รายงานค่าเฉลี่ยพร้อม SD หรือมัธยฐานพร้อมพิสัยระหว่างควอร์ไทล์ถ้าการกระจายเบ้ CONSORT 2010 E&E ระบุว่า SE และช่วงความเชื่อมั่นไม่เหมาะกับการบรรยายความแปรปรวน เพราะเป็นสถิติเชิงอนุมาน ไม่ใช่เชิงบรรยาย (Moher et al., 2010)
• ตัวแปรกลุ่ม: รายงานจำนวนและร้อยละของแต่ละระดับ
• ข้อมูลที่ขาด: ระบุจำนวนที่ขาดของตัวแปรสำคัญ เพราะเป็นประเด็นที่ Hayes-Larson และคณะยกขึ้นมาในกรอบของ Table 1
• หน่วยและทศนิยม: ใช้หน่วยและจำนวนทศนิยมคงที่ในตัวแปรเดียวกัน

งาน RCT: ไม่ใส่ p-value เทียบกลุ่มใน Table 1

รายการที่ 15 ของ CONSORT 2010 กำหนดให้มีตารางลักษณะพื้นฐานทางประชากรและทางคลินิกของแต่ละกลุ่ม (Schulz et al., 2010) และคำอธิบายประกอบ (Moher et al., 2010) ระบุว่า การทดสอบนัยสำคัญของความต่างก่อนเริ่มการทดลองยังพบบ่อย ซึ่งรายงานในครึ่งหนึ่งของ RCT 50 เรื่องที่ตีพิมพ์ในวารสารทั่วไปชั้นนำปี 1997 แต่เหตุผลคือ ความแตกต่างใด ๆ ที่เกิดขึ้นเป็นผลของโอกาส จึงเป็นการทดสอบที่ “ไม่ผิดนัก แต่ไม่สมเหตุผล” (not necessarily wrong, just illogical) และ “superfluous and can mislead” ให้ประเมินจากความสำคัญเชิงพยากรณ์ของตัวแปรและขนาดของความไม่สมดุลที่เกิดขึ้นแทน ตัวอย่างต่อไปนี้ใช้ตัวเลขสมมติ

ตัวอย่างสมมติข้างต้นไม่มีคอลัมน์ p-value และรายงานค่าเฉลี่ยพร้อม SD ผู้อ่านดูได้ว่าความดันซิสโตลิกก่อนเริ่มต่างกัน 0.4 mmHg ซึ่งเล็กน้อยเมื่อเทียบกับ SD ราว 12 mmHg ถ้ามีตัวแปรที่พยากรณ์ผลลัพธ์ได้แรงและกลุ่มไม่สมดุล ให้อภิปรายและปรับในการวิเคราะห์ ไม่ใช่ตัดสินด้วย p ส่วนงาน observational ให้ใช้ตารางตามแนวทางที่เหมาะกับแบบการศึกษา ดู STROBE checklist และ เลือก reporting guideline

รูป: ข้อความเดียว แกนและหน่วยครบ คำอธิบายอ่านจบในตัวเอง

ลำดับตรวจรูปก่อนส่ง (เรียงตามลำดับที่ควรทำ)

1. เขียนข้อความหลักของรูปเป็นหนึ่งประโยค แล้วตั้งเป็นต้นร่างของ caption ถ้าเขียนไม่ได้ แสดงว่ารูปสื่อมากกว่าหนึ่งเรื่อง
2. เลือกชนิดกราฟให้ตรงกับชนิดข้อมูล: ข้อมูลต่อเนื่องจำนวนน้อยใช้จุดรายคน กล่องหรือฮิสโตแกรม ไม่ใช่แท่งพร้อม SE (ดูหัวข้อถัดไป)
3. แกนทุกแกนมีชื่อและหน่วย แกนแท่งเริ่มที่ศูนย์ ตัวอักษรบนรูปต้องอ่านได้ที่ขนาดพิมพ์จริง
4. Legend และคำย่อ: อธิบายสัญลักษณ์ ค่าที่แสดง (ค่าเฉลี่ย ± SD หรือมัธยฐาน IQR) และ n ใน caption Wiley ระบุให้ legend อธิบายคำย่อและสัญลักษณ์ในรูปทั้งหมด (Wiley)
5. Caption อ่านจบในตัวเอง: ผู้อ่านที่เห็นเฉพาะรูปกับ caption ควรรู้ว่าข้อมูลคืออะไร มาจากใคร จำนวนเท่าใด และใช้สถิติใด
6. อ้างถึงทุกรูปในเนื้อความและเรียงเลขตามลำดับที่ปรากฏ ตามรายการตรวจสอบของ Wiley และ Elsevier (Elsevier)

สูตร caption ที่ใช้ได้: “ภาพที่ N: [ข้อสรุปหรือเนื้อหา] (n = …; แสดง [ค่าเฉลี่ย ± SD / มัธยฐาน (IQR)]). [คำย่อ]. [ที่มาของข้อมูล]” ตัวอย่างอยู่ใต้ภาพที่ 1 ด้านล่าง ซึ่งระบุว่าเป็นข้อมูลสมมติ จำนวน และวิธีสร้างข้อมูล

ข้อผิดพลาดที่พบบ่อย: กราฟแท่งพร้อม SE และแกนที่ถูกตัด

Weissgerber และคณะ (2015) ทบทวนอย่างเป็นระบบบทความ 703 เรื่องในวารสารสรีรวิทยาชั้นนำ พบว่าบทความส่วนใหญ่แสดงข้อมูลต่อเนื่องด้วยกราฟแท่งหรือกราฟเส้น และแทบไม่มี scatterplot, box plot หรือ histogram ที่ให้ผู้อ่านตรวจข้อมูลดิบได้ ปัญหาคือ ข้อมูลที่กระจายต่างกันมากให้กราฟแท่งหรือเส้นเดียวกันได้ ข้อสรุปจากข้อมูลทั้งหมดอาจต่างจากสถิติสรุป ผู้เขียนเสนอให้แสดงข้อมูลรายคนในงานที่มีตัวอย่างน้อย ภาพที่ 1 ด้านล่างเป็นตัวอย่างสมมติ: ข้อมูลชุดเดียวกัน แต่แผงซ้ายซ่อนความจริงว่ากลุ่มทดลองแยกเป็นสองกลุ่มย่อย (7 คนต่ำ 5 คนสูง)

ในตัวอย่างนี้ Welch t-test ให้ t = −1.32, df = 13.2, p = 0.21 (คำนวณจากข้อมูลสมมติเดียวกัน) แต่ตัวเลขนี้ไม่ได้บอกว่าทำไมความแปรปรวนต่างกัน (SD 4.7 เทียบกับ 14.7) ซึ่งเป็นสิ่งที่ผู้อ่านเห็นได้ทันทีเมื่อมีจุดรายคน ถ้าตัวอย่างต่อกลุ่มน้อย ให้แสดงทุกจุด

• แกนถูกตัดในกราฟแท่ง: ความสูงของแท่งสื่อขนาดของค่า จึงควรเริ่มแกนที่ศูนย์ งานของ Yang และคณะ (2021) ใช้ชื่อบทความว่า “Truncating bar graphs persistently misleads viewers” (เราอ่านเฉพาะชื่อและข้อมูลบรรณานุกรม) ถ้าช่วงที่สนใจแคบจริง ให้ใช้กราฟจุดหรือเส้นแทนแท่ง และบอกช่วงของแกนใน caption
• SE แทน SD เพื่อให้แถบดูสั้นลง: SE เป็นสถิติเชิงอนุมาน ไม่ใช่การบรรยายการกระจาย (Moher et al., 2010) ระบุให้ชัดเสมอว่าแถบคือ SD, SE หรือ 95% CI
• ไม่บอก n: ใส่ n ต่อกลุ่มใน caption หรือใต้แกน
• ใช้สีอย่างเดียวแยกกลุ่ม: ดูหัวข้อถัดไป

สีที่ผู้มีภาวะตาบอดสีอ่านได้

Wong (2011) ใน Nature Methods เขียนว่าผู้ชายเชื้อสายยุโรปเหนือมากถึง 8% และผู้หญิง 0.5% มีภาวะตาบอดสีแดง–เขียวชนิดที่พบบ่อย และมีโอกาส 22% ที่ผู้ประเมินสามคนที่เป็นชายเชื้อสายยุโรปเหนือจะมีอย่างน้อยหนึ่งคนที่ตาบอดสี (ตัวเลขนี้เป็นของประชากรกลุ่มนั้น ไม่ใช่ประชากรไทย และเราอ่านได้เฉพาะส่วนต้นของบทความที่เปิดให้อ่านฟรี) Elsevier ระบุว่าภาวะนี้พบ 5–10% ของประชากร ส่วนใหญ่เป็นเพศชาย และแนะนำห้าข้อ ได้แก่ ใช้จานสีที่ปลอดภัยกับตาบอดสี ใช้ความคมชัดสูง เปลี่ยนสีแดงเป็นแมเจนตาในภาพเรืองแสงแดง–เขียว จำลองการมองของผู้ตาบอดสี และพิจารณาว่าต้องใช้สีหรือไม่ โดยอาจใช้รูปร่าง ตำแหน่ง หรือชนิดเส้นแทน (Elsevier artwork)

จานสีที่ใช้บ่อยคือชุดของ Okabe และ Ito ซึ่งหน้าของผู้เสนอระบุว่าเลือกให้แยกได้ทั้งผู้ตาบอดสีและไม่ตาบอดสี เช่น ใช้ vermilion แทนแดง และ bluish green แทนเขียว (Okabe & Ito) และคำแก้ไขของบทความ Wong ระบุว่าจานสีในบทความนั้นอ้างอิงงานของ Ito และ Okabe (2002) ใน R 4.x เรียกใช้ได้ด้วยคำสั่งเดียว

palette.colors(8, "Okabe-Ito")   # ชุดสีที่มากับ R 4.x (R 4.3.3)
#  black "#000000"  orange "#E69F00"  skyblue "#56B4E9"  bluishgreen "#009E73"
#  yellow "#F0E442" blue "#0072B2"  vermillion "#D55E00" reddishpurple "#CC79A7"
# รูปที่ 1 ใช้ blue (#0072B2) และ vermillion (#D55E00)

กฎปฏิบัติ: ใช้ไม่เกินสี่ถึงห้าสีในรูปเดียว แยกกลุ่มด้วยรูปร่างจุดหรือชนิดเส้นควบคู่กับสี และตรวจรูปในโหมดขาวดำก่อนส่ง

ความละเอียดและชนิดไฟล์ตามข้อกำหนดของวารสาร

ตัวเลขด้านล่างเป็นข้อกำหนดของ Elsevier และ Wiley ตามที่เขียนไว้ในหน้าทางการ (ตรวจเมื่อ 11 ตุลาคม 2569) ไม่ใช่ข้อกำหนดของทุกวารสาร Elsevier ย้ำว่าบางวารสารมีคำแนะนำเฉพาะเพิ่มเติม ให้ตรวจ guide for authors ของวารสารที่ส่งก่อนเสมอ

ตัวอย่างคำนวณ: จำนวนพิกเซล = DPI × ความกว้างเป็นนิ้ว (Elsevier) รูปกว้าง 90 mm (3.543 นิ้ว) ที่ 300 DPI ต้องมีอย่างน้อยประมาณ 1,063 พิกเซล ซึ่งตรงกับตารางของ Elsevier ส่วนภาพกว้าง 1,600 พิกเซลสำหรับเว็บ (เช่น ภาพที่ 1 ในหน้านี้) ถ้าขยายเต็มคอลัมน์คู่กว้าง 190 mm (7.48 นิ้ว) จะเหลือเพียง 1600 / 7.48 ≈ 214 DPI ต่ำกว่า 300 DPI จึงควรส่งออกใหม่จากโค้ดที่ขนาดและความละเอียดเป้าหมาย ไม่ใช่ขยายภาพเดิม ตัวอย่างใน R:

library(ggplot2)
# ส่งออก TIFF กว้าง 90 mm (single column) ที่ 300 dpi ด้วย ragg
ggsave("Figure_1.tiff", plot = p, width = 90, height = 70, units = "mm",
       dpi = 300, device = ragg::agg_tiff, compression = "lzw")
# ผลที่ได้จากการทดสอบ: ไฟล์กว้าง 1,062 พิกเซล (90 mm = 3.543 นิ้ว; 3.543 x 300 = 1,063)

# กราฟเวกเตอร์ (line art) ใช้ PDF แทน เพื่อไม่ต้องกังวลเรื่อง dpi
ggsave("Figure_2.pdf", plot = p, width = 90, height = 70, units = "mm")

ขนาดไฟล์ภาพถ่ายและภาพสำหรับ graphical abstract มีข้อกำหนดแยกต่างหาก ดู graphical abstract คือ? ขนาดไฟล์และนโยบายของ Elsevier สำหรับวิทยานิพนธ์ภาษาไทย รูปแบบตาราง รูป และเลขกำกับตามคู่มือบัณฑิตวิทยาลัยของแต่ละมหาวิทยาลัย เราไม่ได้ตรวจคู่มือของสถาบันใด ให้ตรวจฉบับของสถาบันตนเองก่อนจัดรูปเล่ม

สรุป

• ตัวเลขแน่นอนใช้ตาราง รูปแบบและการกระจายใช้รูป และเขียนข้อความหลักของแต่ละชิ้นเป็นหนึ่งประโยค
• Table 1: ใส่ n ต่อกลุ่ม ค่าเฉลี่ยพร้อม SD (หรือมัธยฐานพร้อม IQR) จำนวนและร้อยละของตัวแปรกลุ่ม และจำนวนข้อมูลขาด งาน RCT ไม่ใส่ p-value เทียบกลุ่ม
• แสดงข้อมูลรายคนเมื่อตัวอย่างน้อย อย่าใช้แท่งพร้อม SE กับข้อมูลต่อเนื่องจำนวนน้อย และเริ่มแกนแท่งที่ศูนย์
• แกนมีชื่อและหน่วย ระบุว่าแถบคือ SD, SE หรือ CI และมี n ใน caption
• ใช้จานสีที่ตาบอดสีอ่านได้ เช่น Okabe-Ito และแยกกลุ่มด้วยรูปร่างหรือชนิดเส้นด้วย
• ส่งออกไฟล์ตามขนาดและ DPI ที่วารสารระบุ (ตัวอย่างของ Elsevier และ Wiley ในตาราง) และเทียบกับ guide for authors

ถ้าต้องการให้ผู้เชี่ยวชาญตรวจตารางและรูปก่อนส่งต้นฉบับ ดูบริการ วิเคราะห์สถิติ และสอบถามส่วนลดสำหรับนักศึกษาหรือนักวิจัยที่ไม่มีทุน หรือขอคำชี้แจงเพิ่มเติมผ่านแบบฟอร์มที่ ติดต่อเรา หรืออีเมล [email protected] บริการของเราดำเนินการตามแนวทาง ICMJE, COPE และ GPP3

เอกสารอ้างอิง

1. Elsevier. (n.d.). Artwork and media instructions; Artwork sizing; Artwork formats checklist. https://www.elsevier.com/about/policies-and-standards/author/artwork-and-media-instructions
2. Hayes-Larson, E., Kezios, K. L., Mooney, S. J., & Lovasi, G. (2019). Who is in this study, anyway? Guidelines for a useful Table 1. Journal of Clinical Epidemiology, 114, 125–132. doi:10.1016/j.jclinepi.2019.06.011 PMID: 31229583
3. Moher, D., Hopewell, S., Schulz, K. F., Montori, V., Gøtzsche, P. C., Devereaux, P. J., Elbourne, D., Egger, M., & Altman, D. G. (2010). CONSORT 2010 explanation and elaboration: updated guidelines for reporting parallel group randomised trials. BMJ, 340, c869. doi:10.1136/bmj.c869 PMID: 20332511
4. Okabe, M., & Ito, K. (2002; modified 2008). Color Universal Design (CUD): How to make figures and presentations that are friendly to colorblind people. https://jfly.uni-koeln.de/color/
5. Schulz, K. F., Altman, D. G., Moher, D., & CONSORT Group. (2010). CONSORT 2010 statement: updated guidelines for reporting parallel group randomised trials. BMJ, 340, c332. doi:10.1136/bmj.c332 PMID: 20332509
6. Weissgerber, T. L., Milic, N. M., Winham, S. J., & Garovic, V. D. (2015). Beyond bar and line graphs: time for a new data presentation paradigm. PLoS Biology, 13(4), e1002128. doi:10.1371/journal.pbio.1002128 PMID: 25901488
7. Wiley Author Services. (n.d.). Guidelines for the preparation of figures. https://authorservices.wiley.com/author-resources/Journal-Authors/Prepare/manuscript-preparation-guidelines.html/figure-preparation.html
8. Wong, B. (2011). Points of view: Color blindness. Nature Methods, 8(6), 441. doi:10.1038/nmeth.1618 PMID: 21774112; Author Correction (2023), Nature Methods, 20(8), 1266. doi:10.1038/s41592-023-01974-0
9. Yang, B. W., Vargas Restrepo, C., Stanley, M. L., & Marsh, E. J. (2021). Truncating bar graphs persistently misleads viewers. Journal of Applied Research in Memory and Cognition, 10(2), 298–311. doi:10.1016/j.jarmac.2020.10.002