ใจความสำคัญ
เราพบแบบจำลองการทำนายความเสี่ยงของมะเร็งเต้านม 4 แบบที่ได้รับการทดสอบมากพอที่จะนำมาประเมินในรายละเอียดได้ ได้แก่ แบบจำลอง Gail, Tyrer-Cuzick, BOADICEA และ BRCAPRO
แบบจำลอง BOADICEA เป็นหนึ่งในเครื่องมือที่มีความน่าเชื่อถือมากกว่าสำหรับการประเมินความเสี่ยงของมะเร็งเต้านมในอนาคตในสตรีที่มีประวัติครอบครัวเป็นโรคนี้ ซึ่งหมายความว่าแบบจำลองนี้อาจช่วยให้พวกเธอและแพทย์ตัดสินใจเกี่ยวกับการรักษาได้
จำเป็นต้องมีการวิจัยเพิ่มเติมเพื่อปรับปรุงความแม่นยำของแบบจำลองการทำนายที่มีอยู่ ในการแยกแยะความแตกต่างระหว่างสตรีที่มีประวัติครอบครัวเป็นมะเร็งเต้านมที่จะเกิดโรคและจะไม่เกิดโรคนี้
เหตุใดการสามารถทำนายความเสี่ยงของมะเร็งเต้านมในสตรีจึงเป็นประโยชน์
สตรีที่มีประวัติเป็นมะเร็งเต้านมในครอบครัวมีแนวโน้มสูงขึ้นที่ตนเองจะเป็นมะเร็งเต้านมในช่วงชีวิตของพวกเธอ ในคลินิก โอกาสที่สตรีจะเป็นมะเร็งเต้านมในช่วงเวลาที่กำหนดมักได้รับการประเมินโดยใช้เครื่องมือทางสถิติที่เรียกว่า แบบจำลองการทำนายความเสี่ยงของมะเร็งเต้านม
การสามารถประเมินความเสี่ยงในการเกิดมะเร็งเต้านมได้อย่างแม่นยำสำหรับสตรีที่มีประวัติครอบครัวเป็นมะเร็งเต้านม จะช่วยให้แพทย์และตัวสตรีเองตัดสินใจได้ว่าจะดูแลจัดการหรือลดความเสี่ยงของมะเร็งเต้านมของเธออย่างไร การดูแลจัดการอาจรวมถึง:
การตรวจทางรังสีวิทยาเป็นประจำด้วยการตรวจแมมโมแกรม หรือการตรวจด้วยคลื่นแม่เหล็กไฟฟ้า (MRI; การสแกนชนิดหนึ่งที่สร้างภาพที่มีรายละเอียดของเนื้อเยื่อเต้านม) เพื่อตรวจหามะเร็งเต้านมในระยะเริ่มต้น;
การรับประทานยาเพื่อลดความเสี่ยง หรือ
ในบางกรณี อาจเป็นการผ่าตัดเอาเต้านมทั้งสองข้างออกเพื่อป้องกันมะเร็งเต้านม
ในปัจจุบัน ยังไม่ชัดเจนว่าแบบจำลองการทำนายความเสี่ยงของมะเร็งเต้านมที่มีอยู่แบบใดได้ผลดีที่สุดในสตรีที่มีประวัติครอบครัวเป็นมะเร็งเต้านม
เราต้องการทราบอะไร
เราต้องการ:
ระบุแบบจำลองการทำนายความเสี่ยงของมะเร็งเต้านมที่ได้รับการพัฒนาหรือทดสอบ (หรือทั้งสองอย่าง) ในสตรีที่มีประวัติครอบครัวเป็นมะเร็งเต้านม และ
ประเมินว่าแบบจำลองเหล่านั้นสามารถทำนายความเสี่ยงในอนาคตของการเกิดมะเร็งเต้านมในสตรีกลุ่มนี้ได้แม่นยำเพียงใด
เราทำอะไรบ้าง
เราได้สืบค้นการศึกษาที่พัฒนาหรือทดสอบแบบจำลองเหล่านี้ เราได้พิจารณาว่าแบบจำลองเหล่านี้ทำนายความเสี่ยงของมะเร็งเต้านมได้แม่นยำเพียงใด โดยมุ่งเน้นไปที่:
จำนวนผู้ป่วยมะเร็งเต้านมที่ทำนายไว้มีความใกล้เคียงกับจำนวนที่เกิดขึ้นจริงหรือไม่ (การสอบเทียบ) และ
แบบจำลองสามารถแยกแยะระหว่างสตรีที่เป็นและไม่เป็นมะเร็งเต้านมได้หรือไม่ (การจำแนก)
เมื่อมีการศึกษาจำนวนมากพอที่ประเมินแบบจำลองเดียวกัน เราได้นำผลลัพธ์ของการศึกษาเหล่านั้นมารวมกันทางสถิติ
เราพบอะไร
เราระบุแบบจำลองที่ประเมินความเสี่ยงของมะเร็งเต้านมในอนาคตได้ 12 แบบ ซึ่งได้รับการทดสอบในการศึกษาที่สตรีทั้งหมดหรือส่วนใหญ่มีประวัติครอบครัวเป็นมะเร็งเต้านม แบบจำลองเหล่านี้ได้รับการทดสอบโดยใช้ข้อมูลตั้งแต่สตรีจำนวนน้อยที่สุด 134 คน ไปจนถึงมากที่สุด 130,058 คน สตรีส่วนใหญ่อาศัยอยู่ในทวีปอเมริกาเหนือ ยุโรป หรือออสเตรเลีย โดยมีจำนวนเล็กน้อยจากทวีปเอเชีย
การศึกษาเหล่านี้ได้รับทุนสนับสนุนจากรัฐบาล (25 การศึกษา), มหาวิทยาลัย (24 การศึกษา), องค์กรไม่แสวงหาผลกำไร (21 การศึกษา) และภาคอุตสาหกรรม (3 การศึกษา) มีจำนวน 6 การศึกษา ไม่ได้รายงานแหล่งทุนสนับสนุน และบางการศึกษาได้รับทุนสนับสนุนจากมากกว่า 1 แหล่ง
เราสามารถรวบรวมผลลัพธ์จากหลายการศึกษาเข้าด้วยกันได้สำหรับแบบจำลอง 4 แบบ ได้แก่ แบบจำลอง Gail, Tyrer-Cuzick, BOADICEA และ BRCAPRO
การสอบเทียบ (calibration): จำนวนผู้ป่วยมะเร็งเต้านมที่ทำนายไว้มีความใกล้เคียงกับจำนวนที่เกิดขึ้นจริงหรือไม่
แบบจำลอง Gail และ BOADICEA สามารถประเมินจำนวนสตรีในการศึกษาที่รวบรวมมาซึ่งจะเกิดมะเร็งเต้านมในช่วงเวลาที่กำหนดได้อย่างแม่นยำ:
สำหรับทุกๆ 100 รายของมะเร็งเต้านมที่แบบจำลอง Gail ทำนายว่าจะเกิดขึ้น มีการเกิดขึ้นจริงประมาณ 106 ราย;
สำหรับทุกๆ 100 รายของมะเร็งเต้านมที่แบบจำลอง BOADICEA ทำนายไว้ มีการเกิดขึ้นจริงประมาณ 98 ราย
แบบจำลอง Tyrer-Cuzick ประเมินว่าจะมีสตรีในการศึกษาเกิดมะเร็งเต้านมมากกว่าจำนวนที่เกิดขึ้นจริง สำหรับทุกๆ 100 รายของมะเร็งเต้านมที่แบบจำลองนี้ทำนายไว้ มีการเกิดขึ้นจริงเพียงประมาณ 86 รายเท่านั้น
แบบจำลอง BRCAPRO ประเมินว่าจะมีสตรีในการศึกษาเกิดมะเร็งเต้านมน้อยกว่าจำนวนที่เกิดขึ้นจริง สำหรับทุกๆ 100 รายของมะเร็งเต้านมที่แบบจำลองนี้ทำนายไว้ มีการเกิดขึ้นจริงประมาณ 144 ราย
การจำแนก (discrimination): แบบจำลองเหล่านี้สามารถแยกแยะระหว่างสตรีที่เป็นและไม่เป็นมะเร็งเต้านมได้ดีเพียงใด
แบบจำลองทั้ง 4 แบบมีความแม่นยำในระดับปานกลางในการแยกแยะระหว่างสตรีที่จะเป็นและจะไม่เป็นมะเร็งเต้านมในช่วงเวลาที่กำหนด แต่ไม่มีแบบจำลองใดที่ทำได้ดีมาก
แบบจำลอง Tyrer-Cuzick (version 8), BOADICEA และ BRCAPRO สามารถแยกแยะสตรีที่จะเป็นมะเร็งเต้านมออกจากสตรีที่จะไม่เป็นได้อย่างถูกต้องประมาณ 64 ถึง 65 ครั้งจาก 100 ครั้ง
แบบจำลอง Gail มีประสิทธิภาพด้อยกว่าเล็กน้อย โดยสามารถแยกแยะสตรีที่จะเป็นมะเร็งเต้านมได้อย่างถูกต้อง 61 ครั้งจาก 100 ครั้ง
ข้อจำกัดของหลักฐานคืออะไร
เราประเมินคุณภาพของการศึกษาส่วนใหญ่ที่รวมอยู่ในการทบทวนวรรณกรรมของเราว่าอยู่ในระดับต่ำหรือไม่ชัดเจน ซึ่งหมายความว่าเราไม่สามารถเชื่อมั่นได้ว่าผลลัพธ์เหล่านี้มีความน่าเชื่อถือ ความเชื่อมั่นของเราลดลงจากหลายสาเหตุ ซึ่งรวมถึง:
ในบางการศึกษา มีสตรีที่เกิดมะเร็งเต้านมน้อยเกินไป ทำให้ตัดสินได้ยากขึ้นว่าแบบจำลองการทำนายมีความแม่นยำเพียงใด
ไม่ใช่ทุกการศึกษาที่จะรายงานข้อมูลประสิทธิภาพของแบบจำลองที่เราต้องการ
บางการศึกษามีข้อมูลสูญหาย หรือไม่ได้อธิบายว่าพวกเขาจัดการกับข้อมูลที่สูญหายอย่างไร
หลักฐานนี้เป็นปัจจุบันแค่ไหน
การทบทวนวรรณกรรมนี้รวบรวมการศึกษาที่ได้รับการตีพิมพ์จนถึงเดือนธันวาคม 2024
อ่านบทคัดย่อฉบับเต็ม
บทนำ
สตรีที่มีประวัติครอบครัวเป็นมะเร็งเต้านมมีความเสี่ยงสูงขึ้นที่จะเกิดโรคนี้ ในการปฏิบัติทางคลินิก ความน่าจะเป็นของการเกิดมะเร็งเต้านมในช่วงเวลาที่กำหนดมักได้รับการประเมินโดยใช้แบบจำลองการทำนายความเสี่ยงของมะเร็งเต้านม ในปัจจุบันยังไม่ชัดเจนว่าในบรรดาแบบจำลองที่มีอยู่ แบบจำลองใดมีประสิทธิภาพดีที่สุดในสตรีที่มีประวัติครอบครัวเป็นมะเร็งเต้านม
วัตถุประสงค์
เพื่อระบุ อธิบาย และประเมินแบบจำลองการทำนายความเสี่ยงของมะเร็งเต้านมที่ได้รับการพัฒนาหรือตรวจสอบความถูกต้องในสตรีที่มีประวัติครอบครัวเป็นมะเร็งเต้านม และเพื่อวิเคราะห์ meta-analyse ประสิทธิภาพของแบบจำลองเหล่านั้นในการทำนายการเกิดมะเร็งเต้านม
วิธีการสืบค้น
เราได้สืบค้นข้อมูลในฐานข้อมูล MEDLINE, Embase, Cumulative Index to Nursing and Allied Health Literature และ Institute of Scientific Information Web of Science จนถึงเดือนกุมภาพันธ์ 2022 พร้อมทั้งมีการสืบค้นข้อมูลเพิ่มเติมแบบเฉพาะเจาะจงใน MEDLINE จนถึงวันที่ 19 ธันวาคม 2024 เพื่อรวบรวมการศึกษาที่ตรวจสอบความถูกต้องเพิ่มเติมของแบบจำลองที่รวบรวมไว้ นอกจากนี้ เรายังได้คัดกรองรายการเอกสารอ้างอิงของการศึกษาที่รวบรวมไว้ด้วย
เกณฑ์การคัดเลือก
เราได้รวบรวมการศึกษาที่พัฒนาหรือตรวจสอบความถูกต้องของแบบจำลองการทำนายความเสี่ยงของมะเร็งเต้านมในสตรีที่มีประวัติครอบครัวเป็นมะเร็งเต้านม หากแบบจำลองดังกล่าวมีประวัติครอบครัวเป็นมะเร็งเต้านมเป็นหนึ่งในตัวแปรทำนาย
การรวบรวมและวิเคราะห์ข้อมูล
เราได้สร้างแบบฟอร์มดึงข้อมูลโดยอิงตามรายการตรวจสอบ CHARMS ผู้ประพันธ์ 2 คนได้คัดกรองเอกสารอ้างอิง ดึงข้อมูล และประเมินความเสี่ยงของการมีอคติอย่างอิสระต่อกันโดยใช้เครื่องมือ Prediction model Risk Of Bias ASsessment Tool (PROBAST) เราได้สรุปแบบจำลองการทำนายความเสี่ยงที่ได้รับการพัฒนาหรือตรวจสอบความถูกต้องในกลุ่มประชากรเป้าหมาย ในกรณีที่มีการรายงานสถิติประสิทธิภาพโดยการศึกษาอย่างน้อย 4 การศึกศึกษา เราได้รวบรวมตัวชี้วัดประสิทธิภาพของแบบจำลองเข้าด้วยกันโดยใช้การวิเคราะห์ random-effects meta-analyses เราประเมินประสิทธิภาพของแบบจำลองโดยใช้ความแม่นยำในการเทียบเคียงหรือการสอบเทียบ (calibration; ความสอดคล้องกันระหว่างความเสี่ยงที่ทำนายไว้กับการเกิดมะเร็งเต้านมที่สังเกตพบจริง) และความสามารถในการจำแนก (discrimination; ความสามารถในการแยกแยะระหว่างสตรีที่เป็นและไม่เป็นมะเร็งเต้านม) เราไม่ได้นำ GRADE มาใช้ เนื่องจากยังไม่มีแนวทางปฏิบัติสำหรับการทบทวนวรรณกรรมเกี่ยวกับแบบจำลองการพยากรณ์โรค
ผลการวิจัย
เราได้รวบรวม 45 การศึกษา และจัดให้ 17 การศึกษา อยู่ในกลุ่ม 'รอการจำแนกประเภท (awaiting classification)' เราระบุแบบจำลองที่ได้รับการตรวจสอบความถูกต้องจากภายนอก (externally validated models) จำนวน 12 แบบจำลองในกลุ่มประชากรเป้าหมาย เราได้วิเคราะห์ meta-analysis ของแบบจำลอง 4 แบบที่มีการศึกษาตรวจสอบความถูกต้องจากภายนอกอย่างน้อย 4 การศึกษา
การรายงานผลของการศึกษามีความผันแปร การศึกษาหลายรายการไม่ได้รายงานระยะเวลาการติดตามผลหรือการจัดการข้อมูลที่สูญหายอย่างเพียงพอ การศึกษาตรวจสอบความถูกต้องส่วนใหญ่รายงานตัวชี้วัดประสิทธิภาพอย่างน้อย 1 อย่าง (การสอบเทียบ [calibration] หรือการจำแนก [discrimination]) แม้ว่าบางการศึกษาจะไม่ได้รายงานทั้ง 2 อย่างควบคู่กันก็ตาม รายละเอียดพื้นฐาน เช่น รุ่น (version) ของแบบจำลองที่ได้รับการตรวจสอบความถูกต้อง มักจะขาดหายไป
การศึกษาส่วนใหญ่มีความเสี่ยงของการมีอคติในระดับสูงหรือไม่ชัดเจนโดยอิงตามการประเมินด้วย PROBAST แม้ว่าโดยทั่วไปแล้วข้อกังวลเกี่ยวกับความเหมาะสมในการนำไปประยุกต์ใช้จะอยู่ในระดับต่ำก็ตาม
เรารายงานผลลัพธ์สำหรับแบบจำลอง 4 แบบ ซึ่งมีข้อมูลจากการศึกษาตรวจสอบความถูกต้องจากภายนอกอย่างน้อย 4 การศึกษาในกลุ่มประชากรเป้าหมาย
Gail/Breast Cancer Risk Assessment Tool (BCRAT)
การสอบเทียบ (calibration): อัตราส่วนระหว่างค่าที่สังเกตพบจริง (O) ต่อค่าที่คาดการณ์ (E) แบบรวมของแบบจำลอง Gail (รวมทุก version) ในกลุ่มประชากรเป้าหมายคือ 1.06 (ช่วงความเชื่อมั่น 95% (CI) 0.91 ถึง 1.25) ซึ่งบ่งชี้ว่าแบบจำลองนี้มีการสอบเทียบที่ดีในประชากรกลุ่มนี้ ช่วงการทำนาย 95% (prediction interval; PI) อยู่ระหว่าง 0.65 ถึง 1.74
การจำแนก (discrimination): ค่าประมาณการรวมสำหรับค่าสถิติ C (C statistic) ของแบบจำลอง Gail (รวมทุก version) ในกลุ่มประชากรเป้าหมายคือ 0.61 (95% CI 0.57 ถึง 0.66) ช่วงการทำนาย 95% (95% PI) อยู่ระหว่าง 0.47 ถึง 0.74
Tyrer-Cuzick/International Breast Cancer Intervention Study (IBIS)
การสอบเทียบ (calibration): ค่าประมาณการรวมสำหรับอัตราส่วน O/E ของแบบจำลอง Tyrer-Cuzick ในกลุ่มประชากรเป้าหมายคือ 0.86 (95% CI 0.74 ถึง 0.98) (รวมทุก version) และ 0.90 (95% CI 0.76 ถึง 1.06) (version 8) ซึ่งบ่งชี้ว่าแบบจำลองนี้ทำนายความเสี่ยงของมะเร็งเต้านมสูงเกินจริงในประชากรกลุ่มนี้ ช่วงการทำนาย 95% (95% PI) อยู่ระหว่าง 0.56 ถึง 1.33 (รวมทุก version) และ 0.55 ถึง 1.47 (รุ่นที่ 8)
การจำแนก (discrimination): ค่าประมาณการรวมสำหรับค่าสถิติ C ของแบบจำลอง Tyrer-Cuzick (รวมทุก version) ในกลุ่มประชากรเป้าหมายคือ 0.62 (95% CI 0.58 ถึง 0.66) ช่วงการทำนาย 95% (95% PI) อยู่ระหว่าง 0.49 ถึง 0.74 ค่าสถิติ C แบบรวมสำหรับแบบจำลอง Tyrer-Cuzick สำหรับ version 8 คือ 0.64 (95% CI 0.58 ถึง 0.71) ช่วงการทำนาย 95% (95% PI) อยู่ระหว่าง 0.46 ถึง 0.79
Breast and Ovarian Analysis of Disease Incidence and Carrier Estimation Algorithm (BOADICEA)
การสอบเทียบ (calibration): ค่าประมาณการรวมสำหรับอัตราส่วน O/E ของ BOADICEA (รวมทุก version) ในกลุ่มประชากรเป้าหมายคือ 0.98 (95% CI 0.90 ถึง 1.17) ซึ่งบ่งชี้ว่าแบบจำลองนี้มีการสอบเทียบที่ดีในประชากรกลุ่มนี้ ช่วงการทำนาย 95% (95% PI) อยู่ระหว่าง 0.89 ถึง 1.09
การจำแนก (discrimination): ค่าประมาณการรวมสำหรับค่าสถิติ C ของ BOADICEA (รวมทุก version) ในกลุ่มประชากรเป้าหมายคือ 0.65 (95% CI 0.58 ถึง 0.71) ช่วงการทำนาย 95% (95% PI) อยู่ระหว่าง 0.44 ถึง 0.81
BRCAPRO
การสอบเทียบ (calibration): ค่าประมาณการรวมสำหรับอัตราส่วน O/E ของแบบจำลอง BRCAPRO (รวมทุก version) ในกลุ่มประชากรเป้าหมายคือ 1.44 (95% CI 1.25 ถึง 1.62) ซึ่งบ่งชี้ว่าแบบจำลองนี้ทำนายความเสี่ยงของมะเร็งเต้านมต่ำเกินจริงในประชากรกลุ่มนี้ ช่วงการทำนาย 95% (95% PI) อยู่ระหว่าง 1.02 ถึง 2.04
การจำแนก (discrimination): ค่าประมาณการรวมสำหรับค่าสถิติ C ของ BRCAPRO (รวมทุก version) ในกลุ่มประชากรเป้าหมายคือ 0.64 (95% CI 0.54 ถึง 0.73) ช่วงการทำนาย 95% (95% PI) อยู่ระหว่าง 0.37 ถึง 0.84
ข้อสรุปของผู้วิจัย
การวิเคราะห์ meta-analyses ของเราแสดงให้เห็นว่า แบบจำลอง Gail (BCRAT) และ BOADICEA มีการสอบเทียบที่ดีในสตรีที่มีประวัติครอบครัวเป็นมะเร็งเต้านม แบบจำลอง Tyrer-Cuzick (IBIS) ทำนายความเสี่ยงสูงเกินจริง ในขณะที่ BRCAPRO ทำนายความเสี่ยงต่ำเกินจริงในประชากรกลุ่มนี้
ในแง่ของความแม่นยำในการจำแนกในกลุ่มประชากรเป้าหมาย ไม่มีแบบจำลองใดที่เหนือกว่าอย่างชัดเจน Tyrer-Cuzick version 8, BOADICEA และ BRCAPRO แสดงให้เห็นถึงความสามารถในการจำแนกในระดับปานกลางที่ใกล้เคียงกันในการวิเคราะห์ meta-analyses ของเรา ซึ่งดีกว่าแบบจำลอง Gail เล็กน้อย
เมื่อพิจารณาทั้งการสอบเทียบและการจำแนกร่วมกัน ข้อค้นพบของเราชี้ให้เห็นว่าแบบจำลอง BOADICEA มีการสอบเทียบที่ดีในประชากรกลุ่มนี้ และแสดงความแม่นยำในการจำแนกที่คล้ายคลึงกัน (ในระดับปานกลาง) กับ Tyrer-Cuzick (version 8) และ BRCAPRO ซึ่งบ่งชี้ว่าแบบจำลองนี้อาจมีประโยชน์สำหรับการดูแลจัดการผู้ป่วยในบริบทของความเสี่ยงมะเร็งเต้านมในครอบครัว อย่างไรก็ตาม สิ่งนี้ยังไม่สามารถตีความได้ว่าเป็นข้อสรุปที่แน่ชัด เนื่องจากเราประเมินว่าการศึกษาส่วนใหญ่ที่รวบรวมมามีความเสี่ยงของการมีอคติในระดับสูงหรือไม่ชัดเจน; จำนวนการศึกษาตรวจสอบความถูกต้องที่รวมอยู่ในการวิเคราะห์ meta-analyses มีน้อย (≤ 10 การศึกษาสำหรับแต่ละแบบจำลอง); และการศึกษาที่นำมาวิเคราะห์มีความแตกต่างกัน (heterogeneous) ในแง่ของกรอบเวลาการทำนายและลักษณะความหลากหลายของกลุ่มผู้ป่วย (case-mix)
ยังคงมีช่องว่างในการพัฒนาปรับปรุงในแง่ของความสามารถในการจำแนกของแบบจำลองการทำนายความเสี่ยงของมะเร็งเต้านมที่มีอยู่ในปัจจุบัน ในกลุ่มสตรีที่มีประวัติครอบครัวเป็นมะเร็งเต้านม การรายงานผลของการศึกษาเกี่ยวกับแบบจำลองการพยากรณ์โรคในปัจจุบันยังไม่ดีเท่าที่ควร
แหล่งทุน
ได้รับทุนสนับสนุนบางส่วนจาก Health Research Board Cochrane Training Fellowship
การลงทะเบียน
Protocol (2018) DOI: 10.1002/14651858.CD013185
แปลโดย ศ.นพ.ภิเศก ลุมพิกานนท์ สาขาวิชาสูติศาสตร์และนรีเวชวิทยา คณะแพทยศาสตร์ มหาวิทยาลัยขอนแก่น 29 มิถุนายน 2026 Edit โดย ศ.พ.ญ. ผกากรอง ลุมพิกานนท์ 15 สิงหาคม 2026
Cochrane review ฉบับนี้มีต้นฉบับที่จัดทำขึ้นเป็นภาษาอังกฤษ ทีมผู้แปลเป็นผู้รับผิดชอบต่อความถูกต้องและแม่นยำของเนื้อหาในฉบับแปล การแปลนี้ดำเนินการอย่างรอบคอบตามมาตรฐานการควบคุมคุณภาพ ทั้งนี้ ในกรณีที่เกิดความคลาดเคลื่อนหรือไม่สอดคล้องกัน ให้ยึดถือต้นฉบับภาษาอังกฤษเป็นหลัก
