ระบาดวิทยาทางนิติเวช

ส่วนหนึ่งของซีรีส์เรื่อง
นิติวิทยาศาสตร์
สรีรวิทยา มานุษยวิทยา ชีววิทยา การวิเคราะห์รูปแบบคราบเลือด ทันตกรรม การสร้างแบบจำลองทางดีเอ็นเอ โปรไฟล์ดีเอ็นเอ ลำดับวงศ์ตระกูลนิติเวช กีฏวิทยา ระบาดวิทยา ธรณีวิทยา ยา พาลิโนโลยี พยาธิวิทยา การรักษาโรคเท้า พิษวิทยา
ทางสังคม จิตเวชศาสตร์ จิตวิทยา จิตบำบัด งานสังคมสงเคราะห์
วิชาอาชญาวิทยา การบัญชี การระบุตัวตนของร่างกาย เคมี การวัดสี การตรวจสอบหลักฐานการเลือกตั้ง การฟื้นฟูใบหน้า การวิเคราะห์ลายนิ้วมือ การตรวจสอบอาวุธปืน หลักฐานรองเท้า ศิลปนิติเวชศาสตร์ การสร้างโปรไฟล์ การวิเคราะห์รอยถุงมือ การวิเคราะห์ลายมือ สอบเอกสารสอบถาม การจับคู่เส้นเลือด ธรณีฟิสิกส์นิติเวช ธรณีวิทยานิติเวช การวิเคราะห์เครือข่ายสังคม
Digital forensics Computer exams Data analysis Database study Malware analysis Mobile devices Network analysis Photography Video analysis Audio analysis
Related disciplines Electrical engineering Engineering Fire investigation Fire accelerant detection Fractography Linguistics Materials engineering Polymer engineering Statistics Traffic collision reconstruction
Related articles Crime scene CSI effect Perry Mason syndrome Pollen calendar Skid mark Trace evidence Use of DNA in forensic entomology
Outline Category
v t e

สาขาวิชาระบาดวิทยาทางนิติเวช ( FE ) เป็นการผสมผสานระหว่างหลักการและแนวปฏิบัติที่ใช้กันทั่วไปในทั้งการแพทย์นิติเวชและระบาดวิทยา FE มุ่งเน้นที่การเติมเต็มช่องว่างระหว่างการตัดสินทางคลินิกและข้อมูลระบาดวิทยาเพื่อการพิจารณาสาเหตุในคดีแพ่งและการดำเนินคดีอาญาและการป้องกัน^{[1] [2] [3] [4]}

นักระบาดวิทยาทางนิติเวชกำหนด ข้อสรุปเชิงความน่าจะ เป็นโดยอิงตามหลักฐานเกี่ยวกับประเภทและปริมาณของความสัมพันธ์เชิงสาเหตุระหว่างการได้รับอันตรายที่เกิดขึ้นก่อนหน้าและผลลัพธ์ของการบาดเจ็บหรือโรคในทั้งประชากรและบุคคล ข้อสรุปที่ได้จากการวิเคราะห์เชิงสาเหตุสามารถสนับสนุนการตัดสินใจทางกฎหมายเกี่ยวกับความผิดหรือความบริสุทธิ์ในคดีอาญา และให้การสนับสนุนทางหลักฐานสำหรับการค้นพบความสัมพันธ์เชิงสาเหตุในคดีแพ่ง

การประยุกต์ใช้หลักระบาดวิทยาทางนิติเวชพบได้ในคดีแพ่งประเภทต่างๆ มากมาย เช่น กรณีประมาททางการแพทย์ คดีพิษหรือคดีหมู่ เหตุการณ์ไม่พึงประสงค์จากยา ความล้มเหลวของอุปกรณ์การแพทย์และผลิตภัณฑ์สำหรับผู้บริโภค การบาดเจ็บและการเสียชีวิตที่เกี่ยวข้องกับอุบัติเหตุทางถนน การระบุตัวบุคคลและอายุขัย

คำว่า "ระบาดวิทยาทางนิติเวช" ถูกนำมาใช้ครั้งแรกในการสืบสวนการก่อการร้ายทางชีวภาพในปี 1999 และได้รับการคิดขึ้นโดย ดร. เคน อาลีเบก อดีตรองหัวหน้าโครงการอาวุธชีวภาพของสหภาพโซเวียต ขอบเขตของ FE ในเวลานั้นจำกัดอยู่เพียงการสืบสวนการระบาดที่อาจเกิดจากฝีมือมนุษย์ หลังจากเหตุการณ์แอนแทรกซ์ในสหรัฐฯ ในปี 2001 ศูนย์ควบคุมและป้องกันโรคได้กำหนดให้ระบาดวิทยาทางนิติเวชเป็นวิธีการสืบสวนการก่อการร้ายทางชีวภาพที่อาจเกิดขึ้น

ปัจจุบัน FE เป็นที่รู้จักกันอย่างแพร่หลายและได้รับการอธิบายว่าเป็นการประยุกต์ใช้ระบาดวิทยาอย่างเป็นระบบในประเด็นโต้แย้งเกี่ยวกับสาเหตุซึ่งตัดสินในศาลแพ่ง (เป็นหลัก) รวมถึงศาลอาญาด้วย การใช้ข้อมูลระบาดวิทยาและการวิเคราะห์เป็นพื้นฐานในการประเมินสาเหตุทั่วไปในศาลของสหรัฐฯ โดยเฉพาะในคดีละเมิดจากสารพิษ ได้รับการอธิบายมานานกว่า 30 ปีแล้ว โดยเริ่มจากการสืบสวนความสัมพันธ์ที่ถูกกล่าวหาว่าระหว่างการได้รับวัคซีนป้องกันไข้หวัดใหญ่สายพันธุ์ใหม่ในปี 1976 และกรณีของโรค Guillain–Barré ที่ตามมา^[5]

เมื่อไม่นานมานี้ FE ยังได้รับการอธิบายว่าเป็นวิธีการที่ใช้หลักฐานในการวัดความน่าจะเป็นของสาเหตุที่เฉพาะเจาะจงในแต่ละบุคคล แนวทางนี้มีประโยชน์อย่างยิ่งเมื่อแนวทางการวินิจฉัยแยกโรคทางคลินิกต่อสาเหตุถูกโต้แย้ง ตัวอย่างที่ครอบคลุมการประยุกต์ใช้ FE ที่หลากหลายแสดงไว้ด้านล่างภายใต้ตัวอย่างคำถามการสืบสวนที่นักระบาดวิทยาทางนิติเวชตอบ

ตัวชี้วัดของการวิเคราะห์ FE เฉพาะกรณีของสาเหตุคืออัตราส่วนความเสี่ยงเชิงเปรียบเทียบ (CRR) CRR เป็นตัวชี้วัดเฉพาะสำหรับ FE ช่วยให้สามารถเปรียบเทียบความน่าจะเป็นที่ใช้ได้กับสถานการณ์ที่ตรวจสอบของการบาดเจ็บหรือโรคของบุคคล เนื่องจาก CRR ขึ้นอยู่กับสถานการณ์เฉพาะที่เกี่ยวข้องกับการบาดเจ็บหรือโรคของบุคคล จึงอาจได้มาจากความเสี่ยงสัมพันธ์ (RR) หรืออัตราส่วนความน่าจะเป็น (OR) ตามประชากรหรือไม่ก็ได้ ตัวอย่างของการวิเคราะห์ RR ที่อาจใช้เป็น CRR ได้มีดังนี้: สำหรับผู้ขับขี่ที่ไม่ได้คาดเข็มขัดนิรภัยซึ่งได้รับบาดเจ็บสาหัสจากอุบัติเหตุทางถนน คำถามเชิงสาเหตุที่สำคัญอาจเป็นว่าการไม่คาดเข็มขัดนิรภัยมีบทบาทอย่างไรในการทำให้เขาได้รับบาดเจ็บ การวิเคราะห์ RR ที่เกี่ยวข้องจะประกอบด้วยการตรวจสอบความถี่ของการบาดเจ็บสาหัสในผู้ขับขี่ที่ไม่ได้คาดเข็มขัดนิรภัย 1,000 รายที่สุ่มเลือกซึ่งเผชิญกับการชนด้านหน้าด้วยความเร็ว 20 ไมล์ต่อชั่วโมง เทียบกับความถี่ของการบาดเจ็บสาหัสในผู้ขับขี่ที่คาดเข็มขัดนิรภัย 1,000 รายที่สุ่มเลือกซึ่งเผชิญกับความรุนแรงและประเภทการชนเดียวกัน หากความถี่ของการบาดเจ็บสาหัสในกลุ่มที่สัมผัสกับอันตรายที่สันนิษฐาน (ไม่ใช้เข็มขัดนิรภัย) อยู่ที่ 0.15 และความถี่ในกลุ่มที่ไม่ได้รับอันตราย (ใช้เข็มขัดนิรภัย) อยู่ที่ 0.05 ดังนั้น CRR จะเท่ากับ RR ที่ 0.15/0.05 การออกแบบ RR ของการวิเคราะห์กำหนดว่าประชากรที่เป็นตัวเศษและตัวส่วนของ CRR นั้นมีความคล้ายคลึงกันอย่างมีนัยสำคัญในทุกประการ ยกเว้นการสัมผัสกับอันตรายที่ตรวจสอบ ซึ่งก็คือการไม่ใช้เข็มขัดนิรภัยในตัวอย่าง^{[ จำเป็นต้องอ้างอิง ]}

อย่างไรก็ตาม ในบางกรณีที่พบในบริบททางกฎหมาย ความเสี่ยงของตัวเศษและตัวส่วนจะต้องมาจากประชากรที่ไม่เหมือนกันเพื่อให้เหมาะสมกับสถานการณ์ของการบาดเจ็บหรือโรคที่ตรวจสอบ ในกรณีดังกล่าว CRR ไม่สามารถมาจาก RR หรือ OR ได้ ตัวอย่างของสถานการณ์ดังกล่าวเกิดขึ้นเมื่อตัวเศษเป็นความเสี่ยงต่อเหตุการณ์ และตัวส่วนเป็นความเสี่ยงต่อเวลา (เรียกอีกอย่างว่าความเสี่ยงสะสม) ตัวอย่างของการวิเคราะห์ประเภทนี้ ได้แก่ การตรวจสอบภาวะเส้นเลือดอุดตันในปอด (PE) ที่เกิดขึ้นหนึ่งสัปดาห์หลังจากผู้ป่วยได้รับกระดูกหักที่ขาส่วนล่างจากอุบัติเหตุทางถนน ภาวะแทรกซ้อนดังกล่าวมักเกิดจากลิ่มเลือดที่ก่อตัวในขาแล้วไหลไปที่ปอด หากผู้ป่วยมีประวัติภาวะหลอดเลือดดำอุดตัน (DVT) ที่บริเวณแขนขาส่วนล่างก่อนเกิดอุบัติเหตุ CRR อาจประกอบด้วยการเปรียบเทียบระหว่างความเสี่ยงของ PE ภายหลังกระดูกขาส่วนล่างหัก (อัตราต่อเหตุการณ์) และความเสี่ยง PE 1 สัปดาห์ในผู้ป่วยที่มี DVT (ความน่าจะเป็นที่ขึ้นอยู่กับเวลา) ^{[ จำเป็นต้องอ้างอิง ]}

ตัวอย่างอื่นของ CRR ที่อิงจากประชากรที่ไม่เหมือนกันคือ เมื่อมีสาเหตุที่มีศักยภาพจำนวนจำกัดที่สามารถนำมาเปรียบเทียบได้ ตัวอย่างเช่น การตรวจสอบสาเหตุของปฏิกิริยาไม่พึงประสงค์ในบุคคลที่ใช้ยาสองชนิดที่แตกต่างกันในเวลาเดียวกัน ซึ่งทั้งสองชนิดอาจทำให้เกิดปฏิกิริยาได้ (และตัวอย่างเช่น ไม่โต้ตอบกัน) ในสถานการณ์ดังกล่าว CRR ที่ใช้ได้กับสถานการณ์เฉพาะที่บุคคลนั้นประสบสามารถประมาณได้โดยการเปรียบเทียบอัตราปฏิกิริยาไม่พึงประสงค์ของยาสองชนิด

สัดส่วนที่เกิดจากการสัมผัส (AP _e ) เป็นการบ่งชี้สัดส่วนของผู้ป่วยที่สัมผัสกับสาเหตุที่อาจเป็นไปได้และล้มป่วยเพราะการสัมผัสนี้ สามารถใช้ได้เฉพาะเมื่อ RR >1 และสามารถคำนวณได้โดย [(RR-1)/RR X 100%] เมื่อ CRR ขึ้นอยู่กับ RR สูตรเหล่านี้ใช้กับ CRR ได้เช่นกัน ผลลัพธ์ของการวิเคราะห์ที่กำหนดเป็น RR, CRR หรือ AP _eตรงตามมาตรฐานทางกฎหมายของสิ่งที่ " น่าจะจริงมากกว่าไม่จริง " เมื่อ RR หรือ CRR อยู่ที่ >2.0 (โดยมีขอบเขตล่างของช่วงความเชื่อมั่น 95% อยู่ที่ >1.0) หรือ AP _eอยู่ที่ >50% AP _eยังเป็นที่รู้จักในชื่อ " ความน่าจะเป็นของการก่อเหตุ ( Probability of Causation : PC)" ซึ่งเป็นคำที่มีคำจำกัดความอยู่ในประมวลกฎหมายแห่งรัฐบาลกลางของสหรัฐอเมริกา (Federal Register / Vol. 67, No. 85 / Thursday, May 2, 2002 / Rules and Regulations p. 22297) และที่อื่นๆ

การวิเคราะห์สาเหตุ โดยเฉพาะอย่างยิ่งสำหรับการบาดเจ็บหรือภาวะอื่นที่มีระยะเวลาแฝงสั้นระหว่างการได้รับสารและผลลัพธ์ จะทำโดยใช้แนวทาง 3 ขั้นตอน ดังต่อไปนี้: ^[6]

1. ความน่าจะเป็น: ขั้นตอนแรกนี้จะกล่าวถึงความเป็นไปได้ ทางชีววิทยา ที่เหตุการณ์การบาดเจ็บจะก่อให้เกิดภาวะดังกล่าว (หรือที่เรียกว่า สาเหตุโดยทั่วไป) และปฏิบัติตามการใช้มุมมองพิเศษที่ฮิลล์กำหนดไว้ (ดูด้านล่าง) การค้นพบความน่าจะเป็นนั้นไม่เกี่ยวข้องกับความถี่ของการบาดเจ็บ เนื่องจากแม้ว่าการบาดเจ็บจะเกิดขึ้นเพียง 1 ใน 100 กรณีหรือน้อยกว่าของการสัมผัสกับเหตุการณ์นั้น แต่ก็ยังมีความน่าจะเป็นที่เกิดจากเหตุการณ์นั้น ความน่าจะเป็นเป็นอุปสรรคที่ค่อนข้างต่ำที่ต้องผ่านในการวิเคราะห์เชิงสาเหตุ และส่วนใหญ่ก็ได้รับการตอบสนองจากการขาดหลักฐานของความไม่น่าเชื่อถือของความสัมพันธ์ ความน่าจะเป็นมักจะได้รับการพิสูจน์ด้วยข้อมูลหรือข้อมูลทางระบาดวิทยา แต่ไม่จำเป็น
2. ระยะเวลา: ขั้นตอนที่สองนี้จะตรวจสอบหลักฐานทางคลินิกและหลักฐานอื่น ๆ ของระยะเวลาตั้งแต่การเริ่มมีอาการบาดเจ็บจนถึงเหตุการณ์บาดเจ็บ และต้องประเมินสาเหตุที่เฉพาะเจาะจงได้ ขั้นแรก จะต้องกำหนดลำดับของการบาดเจ็บและเหตุการณ์ให้เหมาะสม อาการไม่สามารถเกิดขึ้นพร้อมกันก่อนเกิดเหตุการณ์ได้ นอกจากนี้ การเริ่มต้นของอาการบาดเจ็บจะต้องไม่แฝงมากเกินไปหรือแฝงไม่เพียงพอ ขึ้นอยู่กับลักษณะของการสัมผัสและผลลัพธ์
3. ขาดคำอธิบายทางเลือกที่น่าจะเป็นไปได้มากกว่านี้: ขั้นตอนสุดท้ายนี้ตรวจสอบความน่าจะเป็นของอาการบาดเจ็บที่จะเกิดขึ้นในเวลาเดียวกันในแต่ละบุคคล โดยพิจารณาจากข้อมูลที่เราทราบเกี่ยวกับบุคคลนั้นจากการตรวจสอบบันทึกทางการแพทย์และหลักฐานอื่นๆ แต่ไม่มีเหตุการณ์บาดเจ็บ (หรือที่เรียกว่าการวินิจฉัยแยกโรค) ขั้นแรก จะต้องประเมินหลักฐานของเหตุการณ์บาดเจ็บที่เกิดขึ้นพร้อมกัน และเปรียบเทียบความเสี่ยง (โดยมักจะใช้การวิเคราะห์ข้อมูลทางระบาดวิทยา) จากนั้น จะต้องประเมินความน่าจะเป็นของอาการที่จะเกิดขึ้นเองโดยพิจารณาจากประวัติที่ทราบของบุคคลนั้น

วิธีการ 3 ขั้นตอนถูกท้าทายในศาลแขวงสหรัฐสำหรับเขตโคโลราโดในคดีEtherton v Auto-Owners Insurance Company [1] จำเลยท้าทายในหลายๆ เรื่อง รวมถึงความน่าเชื่อถือและความเหมาะสมของวิธีการที่ผู้เชี่ยวชาญอธิบาย หลังจากการตรวจสอบและอภิปรายอย่างละเอียดเกี่ยวกับกระบวนการ 3 ขั้นตอนที่ผู้เชี่ยวชาญใช้ ศาลพบว่าวิธีการนี้เหมาะสมกับข้อเท็จจริงเฉพาะของคดี และแนวทางตามประชากร (ระบาดวิทยา) เป็นส่วนที่เหมาะสมของวิธีการเชิงสาเหตุ ศาลปฏิเสธคำร้องของจำเลยที่ขอให้เพิกถอนคำให้การของผู้เชี่ยวชาญในคำสั่ง ซึ่งได้ลงวันที่ 31/3/2014

จำเลยได้อุทธรณ์คำตัดสินของศาลแขวง และในเดือนกรกฎาคม 2559 ศาลอุทธรณ์สหรัฐฯ รอบที่ 10 ได้ยืนยันวิธีการพิจารณาแบบ 3 ขั้นตอน ซึ่งเป็นที่ยอมรับโดยทั่วไปและเป็นที่ยอมรับอย่างดีในการประเมินสาเหตุของการบาดเจ็บ ตามมาตรฐาน DaubertดูEtherton v. Auto-Owners Insurance Company , No. 14-1164 (10th Cir, 7/19/16)[2]

ความน่าจะเป็นของความสัมพันธ์ที่ถูกสอบสวนสามารถประเมินได้ในการสอบสวน FE โดยส่วนหนึ่งผ่านการใช้เกณฑ์ฮิลล์ซึ่งตั้งชื่อตามสิ่งพิมพ์ปี 1965 ของเซอร์ออสติน แบรดฟอร์ด-ฮิลล์ ซึ่งเขาได้บรรยาย "มุมมอง" เก้าประการที่ใช้ประเมินความสัมพันธ์ที่อธิบายไว้ในการศึกษาทางระบาดวิทยาเพื่อหาความสัมพันธ์เชิงสาเหตุ^[7]ฮิลล์ปฏิเสธที่จะเรียกมุมมองของเขาว่า "เกณฑ์" เพราะเกรงว่ามุมมองเหล่านั้นจะถือเป็นรายการตรวจสอบสำหรับการประเมินความสัมพันธ์เชิงสาเหตุ อย่างไรก็ตาม คำว่า "เกณฑ์ฮิลล์" ถูกใช้กันอย่างแพร่หลายในเอกสารทางวิชาการ และเพื่อความสะดวกจึงใช้ในการอภิปรายครั้งนี้ ในเกณฑ์เก้าประการ มีเจ็ดประการที่มีประโยชน์ในการประเมินความน่าจะเป็นของความสัมพันธ์เชิงสาเหตุเฉพาะที่ถูกสอบสวน ดังนี้:

• ความสอดคล้อง: ข้อสรุปเชิงเหตุผลไม่ควรขัดแย้งกับความรู้เชิงเนื้อหาในปัจจุบัน ควร "สมเหตุสมผล" เมื่อพิจารณาจากความรู้ในปัจจุบัน
• การเปรียบเทียบ: ผลลัพธ์ของความสัมพันธ์เชิงสาเหตุที่อธิบายไว้ก่อนหน้านี้อาจสามารถแปลเป็นสถานการณ์ของการสอบสวนปัจจุบันได้
• ความสอดคล้อง: การสังเกตซ้ำๆ ของความสัมพันธ์ที่ตรวจสอบในสถานการณ์ที่แตกต่างกันหรือในหลายการศึกษาช่วยเพิ่มความแข็งแกร่งให้กับการอนุมานเชิงสาเหตุ
• ความจำเพาะ: ระดับที่การเปิดรับแสงมีความเกี่ยวข้องกับผลลัพธ์เฉพาะอย่างหนึ่ง
• ความน่าเชื่อถือทางชีววิทยา: ขอบเขตที่ความสัมพันธ์ที่สังเกตได้สามารถอธิบายได้ด้วยหลักการทางวิทยาศาสตร์ที่ทราบ
• การทดลอง: ในบางกรณีอาจมีหลักฐานจากการทดลองแบบสุ่ม ( เช่นการทดลองยา)
• การตอบสนองของปริมาณ: ความน่าจะเป็น ความถี่ หรือความรุนแรงของผลลัพธ์จะเพิ่มขึ้นตามปริมาณการสัมผัสที่เพิ่มขึ้น

ผู้เขียนในเวลาต่อมาได้เพิ่มคุณลักษณะของการท้าทาย/การท้าทายซ้ำ/การท้าทายซ้ำสำหรับสถานการณ์ที่การเปิดรับข้อมูลซ้ำๆ เป็นเวลานานและสามารถสังเกตการตอบสนองผลลัพธ์ที่เกี่ยวข้องได้ เช่น อาจเกิดขึ้นกับปฏิกิริยาที่ไม่พึงประสงค์จากยา ข้อควรพิจารณาเพิ่มเติมเมื่อประเมินความสัมพันธ์ ได้แก่ ผลกระทบที่อาจเกิดขึ้นจากความสับสนและอคติในข้อมูล ซึ่งอาจบดบังความสัมพันธ์ที่แท้จริง ความสับสนหมายถึงสถานการณ์ที่ความสัมพันธ์ระหว่างการเปิดรับข้อมูลและผลลัพธ์เป็นผลทั้งหมดหรือบางส่วนจากปัจจัยที่ส่งผลต่อผลลัพธ์ แต่ไม่ได้รับผลกระทบจากการเปิดรับข้อมูล อคติหมายถึงรูปแบบของข้อผิดพลาดที่อาจคุกคามความถูกต้องของการศึกษาโดยให้ผลลัพธ์ที่แตกต่างอย่างเป็นระบบจากผลลัพธ์ที่แท้จริง อคติสองประเภทหลักในการศึกษาทางระบาดวิทยาคืออคติในการเลือกซึ่งเกิดขึ้นเมื่อผู้เข้าร่วมการศึกษาได้รับการคัดเลือกเป็นผลจากตัวแปรที่ไม่ได้วัดอื่นที่เกี่ยวข้องกับทั้งการเปิดรับข้อมูลและผลลัพธ์ที่สนใจ และอคติในข้อมูลซึ่งเป็นข้อผิดพลาดอย่างเป็นระบบในการประเมินตัวแปร แม้ว่าจะมีประโยชน์ในการประเมินความสัมพันธ์ที่ยังไม่ได้สำรวจมาก่อน แต่ไม่มีการรวมกันหรือจำนวนขั้นต่ำของเกณฑ์เหล่านี้ที่ต้องมีเพื่อสรุปว่ามีความสัมพันธ์ที่สมเหตุสมผลระหว่างการเปิดรับที่ทราบและผลลัพธ์ที่สังเกตได้

ในการตรวจสอบ FE หลายๆ ครั้ง ไม่จำเป็นต้องมีการวิเคราะห์ความน่าจะเป็นเชิงสาเหตุ หากมีการสร้างความสัมพันธ์เชิงสาเหตุโดยทั่วไปไว้อย่างดี ในส่วนใหญ่ ความน่าจะเป็นของความสัมพันธ์จะได้รับการพิจารณาเมื่อปฏิเสธความไม่น่าเชื่อถือไปแล้ว เกณฑ์ฮิลล์ที่เหลืออีกสองเกณฑ์คือ เวลาและความแข็งแกร่งของความสัมพันธ์ แม้ว่าเกณฑ์ทั้งสองเกณฑ์จะมีประโยชน์ในการประเมินสาเหตุเฉพาะ แต่เวลาเป็นลักษณะของความสัมพันธ์ที่ต้องมีอย่างน้อยก็ในแง่ของลำดับ ( กล่าวคือการเปิดรับต้องมาก่อนผลลัพธ์) เพื่อพิจารณาว่าความสัมพันธ์นั้นเป็นสาเหตุ ความใกล้ชิดของเวลาอาจมีประโยชน์ในการประเมินสาเหตุเฉพาะบางอย่าง เนื่องจากยิ่งการเปิดรับและผลลัพธ์ที่ตรวจสอบใกล้กันมากเท่าไร โอกาสที่สาเหตุแทรกแซงจะมีผลก็ยิ่งน้อยลงเท่านั้น คุณสมบัติอีกอย่างหนึ่งของเวลาที่อาจมีบทบาทในการประเมินสาเหตุเฉพาะคือระยะเวลาแฝง ผลลัพธ์อาจเกิดขึ้นเร็วเกินไปหรือนานเกินไปหลังจากการเปิดรับจนถือว่าเกี่ยวข้องกันเชิงสาเหตุ ตัวอย่างเช่น โรคที่เกิดจากอาหารบางชนิดต้องฟักตัวเป็นเวลาหลายชั่วโมงหรือหลายวันหลังจากรับประทานเข้าไป ดังนั้น โรคที่เริ่มขึ้นทันทีหลังรับประทานอาหาร และภายหลังพบว่าเกิดจากจุลินทรีย์ที่เกิดจากอาหารซึ่งต้องฟักตัวนานกว่า 12 ชั่วโมง จึงไม่ได้เกิดจากอาหารที่ตรวจสอบ แม้ว่าการตรวจสอบจะพบจุลินทรีย์ในอาหารที่รับประทานเข้าไปก็ตาม ความแข็งแกร่งของความสัมพันธ์เป็นเกณฑ์ที่ใช้ในการหาสาเหตุโดยทั่วไปเพื่อประเมินผลกระทบของการสัมผัสต่อประชากร และมักจะวัดเป็นปริมาณในแง่ของ RR ในการประเมินสาเหตุเฉพาะ ความแข็งแกร่งของความสัมพันธ์ระหว่างการสัมผัสและผลลัพธ์จะถูกวัดเป็นปริมาณโดย CRR ดังที่อธิบายไว้ข้างต้น

การตรวจสอบความถูกต้องของการทดสอบถือเป็นแนวทางปฏิบัติมาตรฐานในระบาดวิทยาทางคลินิก ในสถานการณ์นี้ การทดสอบการวินิจฉัยจะถูกตรวจสอบอย่างละเอียดถี่ถ้วนเพื่อกำหนดด้วยมาตรการต่างๆ ว่าผลการทดสอบนั้นถูกต้องบ่อยเพียงใด ใน FE หลักการเดียวกันนี้จะถูกใช้เพื่อประเมินความถูกต้องของการทดสอบที่เสนอ ซึ่งนำไปสู่ข้อสรุปที่สำคัญต่อการพิจารณาข้อเท็จจริงของผู้ค้นหาความผิดหรือความบริสุทธิ์ในการสืบสวนคดีอาญา และความสัมพันธ์เชิงเหตุผลในคดีแพ่ง ประโยชน์ของการทดสอบนั้นขึ้นอยู่กับความถูกต้องเป็นอย่างยิ่ง ซึ่งกำหนดโดยการวัดว่าผลการทดสอบเชิงบวกหรือเชิงลบนั้นแสดงถึงสถานะจริงที่กำลังถูกทดสอบได้จริงเพียงใด สำหรับการทดสอบหรือเกณฑ์ใดๆ โดยทั่วไปแล้วจะมีผลลัพธ์ที่เป็นไปได้สี่ประการ ได้แก่ (1) ผลบวกจริง (TP) ซึ่งการทดสอบระบุผู้เข้ารับการทดสอบที่มีภาวะที่น่าสนใจได้อย่างถูกต้อง (2) ผลลบจริง (TN) ซึ่งการทดสอบระบุผู้เข้ารับการทดสอบที่ไม่มีภาวะที่น่าสนใจได้อย่างถูกต้อง (3) ผลบวกปลอม (FP) ซึ่งการทดสอบเป็นบวกแม้ว่าจะไม่มีภาวะที่น่าสนใจก็ตาม และ (4) ผลลบเท็จ (FN) ซึ่งผลการทดสอบเป็นลบแม้ว่าจะมีเงื่อนไขอยู่ก็ตาม รูปที่ 3.19 เป็นตารางสถานการณ์ฉุกเฉินที่แสดงความสัมพันธ์ระหว่างผลการทดสอบและการมีอยู่ของเงื่อนไข รวมถึงพารามิเตอร์ความแม่นยำของการทดสอบต่อไปนี้:

• ความไว (อัตราที่การทดสอบเป็นบวกเมื่อมีเงื่อนไข) TP/(TP + FN)
• ความจำเพาะ (อัตราที่ผลการทดสอบเป็นลบเมื่อไม่มีเงื่อนไข) TN/(TN + FP)
• ค่าการทำนายผลบวก (อัตราที่สภาวะเกิดขึ้นเมื่อการทดสอบเป็นบวก) TP/(TP + FP)
• ค่าพยากรณ์เชิงลบ (อัตราที่เงื่อนไขหายไปเมื่อการทดสอบเป็นลบ) TN/(TN + FN)

ความน่าจะเป็นใช้เพื่อระบุระดับความเชื่อในความจริงของข้อกล่าวอ้าง พื้นฐานของความเชื่อดังกล่าวอาจเป็นระบบทางกายภาพที่ให้ผลลัพธ์ในอัตราที่สม่ำเสมอตลอดเวลา เช่น อุปกรณ์การเล่นเกม เช่น วงล้อรูเล็ตหรือลูกเต๋า ด้วยระบบดังกล่าว ผู้สังเกตจะไม่มีอิทธิพลต่อผลลัพธ์ ลูกเต๋าหกด้านที่กลิ้งได้พอประมาณจะกลิ้งลงบนด้านใดด้านหนึ่งเพียง 1 ใน 6 ของเวลาทั้งหมด ข้อกล่าวอ้างเกี่ยวกับความน่าจะเป็นตามระบบทางกายภาพสามารถทดสอบได้ง่ายด้วยการทดลองแบบสุ่มที่เพียงพอ ในทางกลับกัน พื้นฐานของความเชื่อในข้อกล่าวอ้างที่ยืนยันในระดับสูงอาจเป็นมุมมองส่วนบุคคลที่ไม่สามารถทดสอบได้ ซึ่งไม่ได้หมายความว่าข้อกล่าวอ้างนั้นเป็นจริงน้อยกว่าข้อกล่าวอ้างที่สามารถทดสอบได้ ตัวอย่างเช่น เราอาจยืนยันอย่างตรงไปตรงมาว่า "ถ้าฉันกินกล้วย มีโอกาสสูงที่มันจะทำให้ฉันคลื่นไส้" โดยอ้างอิงจากประสบการณ์ที่ไม่มีใครรู้ยกเว้นตัวเราเอง การทดสอบข้อกล่าวอ้างดังกล่าวนั้นทำได้ยาก โดยการประเมินข้อกล่าวอ้างดังกล่าวนั้นต้องอาศัยหลักฐานประกอบที่แสดงถึงความน่าจะเป็นและการเปรียบเทียบ โดยมักจะพิจารณาจากประสบการณ์ส่วนตัวที่คล้ายคลึงกัน ในสถานการณ์ทางนิติเวช ข้อกล่าวอ้างเกี่ยวกับความเชื่อมักมีลักษณะเป็นความน่าจะเป็น นั่นคือสิ่งที่น่าจะเป็นไปได้มากที่สุดสำหรับชุดข้อเท็จจริงชุดหนึ่ง สำหรับสถานการณ์ที่มีเงื่อนไขต่างๆ มากมายที่อาจเปลี่ยนแปลงหรือ "กำหนด" ความน่าจะเป็นของผลลัพธ์หรือสถานการณ์เฉพาะ วิธีการวัดปริมาณความสัมพันธ์ระหว่างเงื่อนไขที่เปลี่ยนแปลงและความน่าจะเป็นของผลลัพธ์จะใช้การให้เหตุผลแบบเบย์เซียนซึ่งตั้งชื่อตามทฤษฎีบทหรือกฎของเบย์ซึ่งเป็นพื้นฐานของแนวทางดังกล่าว กล่าวอย่างง่ายที่สุด กฎของเบย์เซียนช่วยให้วัดปริมาณความไม่แน่นอนในความน่าจะเป็นที่กำหนดได้แม่นยำยิ่งขึ้น เมื่อนำไปใช้ในสถานการณ์ทางนิติเวช กฎของเบย์เซียนจะบอกเราว่าเราต้องการทราบอะไรจากสิ่งที่เราทราบ แม้ว่ากฎของเบย์สจะเป็นที่รู้จักในศาสตร์นิติเวชศาสตร์เป็นหลักสำหรับการนำไปใช้กับหลักฐานดีเอ็นเอ แต่ผู้เขียนจำนวนหนึ่งได้บรรยายการใช้เหตุผลแบบเบย์เซียนสำหรับการประยุกต์ใช้อื่นๆ ในนิติเวชศาสตร์ รวมทั้งการระบุตัวตนและการประมาณอายุ

ความน่าจะเป็นหลังการทดสอบ เป็น สมการเบย์เซียนที่มีประโยชน์อย่างยิ่ง ซึ่งช่วยให้คำนวณความน่าจะเป็นที่เงื่อนไขจะเกิดขึ้นเมื่อการทดสอบเป็นบวก โดยมีเงื่อนไขตามความชุกของเงื่อนไขที่สนใจก่อนการทดสอบ สมการนี้แสดงอยู่ในกล่องทางด้านขวา:

สมการนี้ให้ผลลัพธ์เป็นค่าการทำนายเชิงบวกสำหรับความชุกก่อนเหตุการณ์หรือก่อนการทดสอบที่กำหนดไว้ ในกรณีที่ความชุกก่อนการทดสอบถือว่า "ไม่แยแส" ค่าความชุกและ (ความชุก 1) จะหักล้างกัน และการคำนวณจะถูกทำให้ง่ายขึ้นเป็นค่าการทำนายเชิงบวก

• มีความเป็นไปได้มากน้อยเพียงใดที่การสัมผัสกับแร่ใยหินที่นาย X ประสบระหว่างทำงานที่บริษัท Z จะทำให้เขาเป็นโรคมะเร็งปอด?
• มีโอกาสแค่ไหนที่ DNA ที่พบในสถานที่ชันสูตรศพจะเป็นของนาย X โอกาสที่คุณจะผิดมีเท่าไร คุณสามารถนำหลักฐานอื่น ๆ ที่ชี้ว่าสามารถระบุตัวนาย X ได้หรือไม่ในการคำนวณความน่าจะเป็น
• คุณสามารถประเมินความน่าจะเป็นที่การตัดขาของนาง Y จะสามารถป้องกันได้หรือไม่ หากการวินิจฉัยไม่ล่าช้า?
• เป็นไปได้มากเพียงใดที่ภาวะหัวใจล้มเหลวของนาง Y จะเกิดจากผลข้างเคียงของยาตัวนี้?
• โอกาสที่การเสียชีวิตที่เกิดขึ้นภายหลังการใช้ยาฝิ่นภายใน 20 นาที จะเกิดจากยาหรือไม่ ไม่ใช่จากปัจจัยอื่นๆ (ที่ไม่ทราบแน่ชัด) คือเท่าไร
• โอกาสที่คุณ X จะต้องผ่าตัดคอหากเขาไม่ได้ประสบอุบัติเหตุทางถนนเล็กน้อยเมื่อเดือนก่อนนั้นมีเท่าไร?
• มีแนวโน้มมากเพียงใดที่มะเร็งกระเพาะปัสสาวะของนาง Y จะเกิดจากการสูบบุหรี่มือสองขณะที่เธอถูกคุมขัง โดยที่ตัวเธอเองก็เคยเป็นนักสูบบุหรี่มาก่อน?
• เปอร์เซ็นต์ความรับผิดใดจึงจะสมเหตุสมผลในสถานการณ์ที่กำหนด?
• หากไม่มีการเสียชีวิตโดยผิดกฎหมายเกิดขึ้น อายุขัยของนาย X ในเวลาที่เขาเสียชีวิตจะเป็นเท่าไร?
• คาดว่านาย X จะมีชีวิตได้นานเพียงใด เมื่อพิจารณาจากอาการบาดเจ็บที่สมอง/ไขสันหลังของเขา โดยมีเหตุผลที่เป็นไปได้มากกว่าเหตุผลที่เป็นไปได้?
• เมื่อพิจารณาจากหลักฐานทางการแพทย์และไม่ใช่ทางการแพทย์ที่มีอยู่เกี่ยวกับสถานการณ์ของอุบัติเหตุทางถนนครั้งนี้ โอกาสที่คุณนาย Y จะเป็นผู้ขับขี่คือเท่าใด?
• เมื่อพิจารณาจากหลักฐานทางการแพทย์และไม่ใช่ทางการแพทย์ที่มีอยู่เกี่ยวกับสถานการณ์ของอุบัติเหตุรถยนต์ครั้งนี้ โอกาสที่คุณ X จะคาดเข็มขัดนิรภัยคือเท่าใด?
• ความน่าจะเป็นที่นาง Y จำเป็นต้องได้รับการผ่าตัดอันเป็นผลจากอุบัติเหตุนั้น คือเท่าใด เมื่อเทียบกับความน่าจะเป็นที่มันจะเกิดขึ้นในเวลาเดียวกันหากอุบัติเหตุนั้นไม่เกิดขึ้น?

• Meilia; Dianita Ika, Putri; Freeman, Michael D.; Zeegers, Maurice P. (2018). "การทบทวนความหลากหลายในอนุกรมวิธาน คำจำกัดความ ขอบเขต และบทบาทในเวชศาสตร์นิติเวช: นัยสำหรับการปฏิบัติตามหลักฐาน" วิทยาศาสตร์นิติเวช การแพทย์ และพยาธิวิทยา . 14 (4): 460–68. doi : 10.1007/s12024-018-0031-6 . PMC  6267374 . PMID  30276619

• สมาคมระบาดวิทยาระหว่างประเทศ
• ทีมนิติเวชวิทยา มหาวิทยาลัยมาสทริชต์, Michael Freeman และ Maurice Zeegers
• วารสารนิติเวชศาสตร์และกฎหมาย