SEM: 臨床評估分數的呈現

最近5年，約寫了20篇論文有關 SEM/MDC。
主因是臨床/研究評估與資料解釋的要求，越來越科學/精準了。

SEM/MDC應用的層面包含: 1. 個別評估所得之資料解釋 (評估誤差)，2. 個別個案 二次評估所得之資料(變化/進步或退步)解釋 (評估誤差與統計顯著)，3. SEM% or MDC% 之應用 [比較評估誤差大小], 4. heteroscedasticity 驗證與MDC應用之調整，5. 研究數據之解釋 [MDC group; MDC proportion] (translation)

有這麼多應用層面，當然價值斐然!!

研究一般呈現 mean/median (SD) 代表全體數值及變異

臨床個案評估所得分數應提供 評估分數 (SEM) 以呈現分數（隨機誤差）可能分佈之範圍。
SEM: standard error of measurement

就認知測驗而言，可能很複雜，因為學習效應的影響，造成 SEM 不易估計。

目前我們收集數種認知測驗 5 次再測數值，除了可以估計學習效應，也可計算SEM/SRD之變化，也就是就同一個案而言，測量越多次 SEM/SRD 應該越低。

SRD: smallest real difference 亦稱為 minimal detectable change (MDC), 還有許多 terms 代表同樣意義。

Note: 臨床個案評估所得分數應提供 評估分數 (SEM) 或 評估分數 (SEM, MDC) 以同時提供前後測之變化有無超過測量誤差。  只是可能有點多餘，因為 MDC 可由 SEM * 1.96 * sqrt(2) [也就是2.77] 取得。