การควบคุมทางวิทยาศาสตร์คือองค์ประกอบของการทดลองหรือการสังเกตที่ออกแบบมาเพื่อลดอิทธิพลของตัวแปรอื่นนอกเหนือจากตัวแปรอิสระที่กำลังตรวจสอบ ซึ่งจะช่วยลดความเสี่ยงของการสับสน^{[ 1 ] [ 2 ]}

การใช้กลุ่มควบคุมช่วยเพิ่มความน่าเชื่อถือและความถูกต้องของผลลัพธ์โดยการจัดเตรียมค่าพื้นฐานสำหรับการเปรียบเทียบระหว่างการวัดเชิงทดลองและการวัดกลุ่มควบคุม ในการออกแบบหลายๆ แบบ กลุ่มควบคุมจะไม่ได้รับการรักษาเชิงทดลอง ทำให้ผู้วิจัยสามารถแยกผลกระทบของตัวแปรอิสระได้^{[ 3 ]}

การควบคุมทางวิทยาศาสตร์เป็นส่วนสำคัญของวิธีการทางวิทยาศาสตร์ โดยเฉพาะอย่างยิ่งในสาขา ต่างๆเช่นชีววิทยาเคมีการแพทย์และจิตวิทยาซึ่งระบบที่ซับซ้อนนั้นอยู่ภายใต้ตัวแปรที่โต้ตอบกันหลายตัว

การควบคุมช่วยขจัดคำอธิบายอื่น ๆ ของผลการทดลอง โดยเฉพาะอย่างยิ่งข้อผิดพลาดในการทดลองและอคติของผู้ทำการทดลอง การควบคุมหลายอย่างมีความเฉพาะเจาะจงกับประเภทของการทดลองที่กำลังดำเนินการ เช่น ตัวบ่งชี้โมเลกุลที่ใช้ใน การทดลอง SDS-PAGEและอาจมีจุดประสงค์เพียงเพื่อให้แน่ใจว่าอุปกรณ์ทำงานได้อย่างถูกต้อง การเลือกและการใช้การควบคุมที่เหมาะสมเพื่อให้แน่ใจว่าผลการทดลองนั้นถูกต้อง (ตัวอย่างเช่น การไม่มีตัวแปรแทรกซ้อน ) อาจเป็นเรื่องยากมาก การวัดค่าควบคุมอาจใช้เพื่อวัตถุประสงค์อื่น ๆ ด้วยเช่นกัน ตัวอย่างเช่น การวัดเสียงรบกวนพื้นหลังของไมโครโฟนในขณะที่ไม่มีสัญญาณ จะช่วยให้สามารถลบเสียงรบกวนออกจากค่าการวัดสัญญาณในภายหลัง ทำให้ได้สัญญาณที่ผ่านการประมวลผลที่มีคุณภาพสูงขึ้น

ตัวอย่างเช่น หากนักวิจัยให้สารให้ความหวานเทียม ทดลอง แก่หนู ทดลอง 60 ตัว และสังเกตว่าหนู 10 ตัวป่วยในภายหลัง สาเหตุที่แท้จริงอาจเป็นสารให้ความหวานนั้นเองหรืออาจเป็นอย่างอื่นที่ไม่เกี่ยวข้อง ตัวแปรอื่นๆ ที่อาจไม่ชัดเจนในทันที อาจรบกวนการออกแบบการทดลอง ตัวอย่างเช่น สารให้ความหวานเทียมอาจผสมกับสารเจือจาง และอาจเป็นสารเจือจางที่ทำให้เกิดผลกระทบ เพื่อควบคุมผลกระทบของสารเจือจาง จึงทำการทดสอบเดียวกันสองครั้ง ครั้งแรกโดยใช้สารให้ความหวานเทียมผสมกับสารเจือจาง และอีกครั้งทำในลักษณะเดียวกันแต่ใช้สารเจือจางเพียงอย่างเดียว ตอนนี้การทดลองถูกควบคุมโดยสารเจือจางแล้ว และผู้ทำการทดลองสามารถแยกแยะความแตกต่างระหว่างสารให้ความหวาน สารเจือจาง และกลุ่มที่ไม่ได้รับการรักษาได้ การควบคุมมักจำเป็นในกรณีที่ปัจจัยรบกวนไม่สามารถแยกออกจากวิธีการรักษาหลักได้ง่าย ตัวอย่างเช่น อาจจำเป็นต้องใช้รถแทรกเตอร์ในการกระจายปุ๋ยในกรณีที่ไม่มีวิธีอื่นที่ทำได้จริงในการกระจายปุ๋ย วิธีแก้ปัญหาที่ง่ายที่สุดคือการใช้รถแทรกเตอร์วิ่งผ่านแปลงโดยไม่โรยปุ๋ย ซึ่งจะช่วยควบคุมผลกระทบจากการสัญจรของรถแทรกเตอร์ได้

การควบคุมประเภทที่ง่ายที่สุดคือการควบคุมเชิงลบและการควบคุมเชิงบวก และพบได้ในงานทดลองหลายประเภท^{[ 4 ]}การควบคุมทั้งสองนี้ เมื่อประสบความสำเร็จทั้งคู่ มักจะเพียงพอที่จะกำจัดตัวแปรแทรกซ้อนที่อาจเกิดขึ้นได้ส่วนใหญ่ ซึ่งหมายความว่าการทดลองจะให้ผลลัพธ์เชิงลบเมื่อคาดหวังผลลัพธ์เชิงลบ และให้ผลลัพธ์เชิงบวกเมื่อคาดหวังผลลัพธ์เชิงบวก การควบคุมอื่นๆ ได้แก่ การควบคุมยานพาหนะ การควบคุมหลอก และการควบคุมเปรียบเทียบ^{[ 4 ]}

ตัวแปรแทรกซ้อนเป็นประเด็นสำคัญในการศึกษาเชิงสังเกต เนื่องจากอาจนำไปสู่ข้อสรุปที่ลำเอียงหรือทำให้เข้าใจผิดเกี่ยวกับความสัมพันธ์ระหว่างตัวแปรต่างๆ ตัวแปรแทรกซ้อนคือตัวแปรภายนอกที่เกี่ยวข้องกับทั้งตัวแปรอิสระ (การรักษาหรือการสัมผัส) และตัวแปรตาม (ผลลัพธ์) ซึ่งอาจบิดเบือนความสัมพันธ์ที่แท้จริง หากไม่คำนึงถึงตัวแปรแทรกซ้อนอย่างเหมาะสม นักวิจัยอาจสรุปผิดพลาดว่าผลกระทบเกิดจากการสัมผัส ในขณะที่จริงๆ แล้วเกิดจากปัจจัยอื่น ซึ่งอาจส่งผลให้เกิดคำแนะนำเชิงนโยบายที่ไม่ถูกต้อง การแทรกแซงที่ไม่ได้ผล หรือความเข้าใจทางวิทยาศาสตร์ที่บกพร่อง ตัวอย่างเช่น ในการศึกษาที่ตรวจสอบความสัมพันธ์ระหว่างกิจกรรมทางกายและโรคหัวใจ การไม่ควบคุมอาหาร ซึ่งเป็นตัวแปรแทรกซ้อนที่อาจเกิดขึ้นได้ อาจนำไปสู่การประเมินผลที่แท้จริงของการออกกำลังกายที่สูงเกินไปหรือต่ำเกินไป^{[ 5 ]}

การทดสอบความเท็จเป็นเทคนิคการตรวจสอบความน่าเชื่อถือที่ใช้ในการศึกษาเชิงสังเกต เพื่อประเมินว่าความสัมพันธ์ที่สังเกตได้นั้นมีแนวโน้มที่จะเกิดจากตัวแปรแทรกซ้อนอคติหรือการกำหนดแบบจำลองที่ไม่ถูกต้อง มากกว่าที่จะเป็นผลจากสาเหตุที่แท้จริง การทดสอบเหล่านี้ช่วยตรวจสอบความถูกต้องของผลการวิจัยโดยการใช้แนวทางการวิเคราะห์แบบเดียวกันกับสถานการณ์ที่ไม่คาดว่าจะเกิดผลกระทบใดๆ หากยังคงพบความสัมพันธ์ในกรณีที่ไม่ควรมีความสัมพันธ์อยู่ ก็จะทำให้เกิดความกังวลว่าการวิเคราะห์หลักอาจได้รับผลกระทบจากตัวแปรแทรกซ้อนหรืออคติอื่นๆ

การควบคุมเชิงลบเป็นประเภทหนึ่งของการทดสอบการพิสูจน์ความเท็จ ความจำเป็นในการใช้การควบคุมเชิงลบมักเกิดขึ้นในการศึกษาเชิงสังเกต เมื่อการออกแบบการศึกษาอาจถูกตั้งคำถามเนื่องจาก กลไก การรบกวนที่อาจเกิดขึ้น การทดสอบการควบคุมเชิงลบสามารถปฏิเสธการออกแบบการศึกษาได้ แต่ไม่สามารถยืนยันความถูกต้องได้ ไม่ว่าจะเป็นเพราะอาจมีกลไกการรบกวนอื่น หรือเนื่องจากพลังทางสถิติต่ำการควบคุมเชิงลบถูกนำมาใช้มากขึ้นในวรรณกรรมด้านระบาดวิทยา^{[ 6 ]}แต่ก็มีแนวโน้มที่ดีในสาขาวิทยาศาสตร์สังคม^{[ 7 ]}เช่น เศรษฐศาสตร์^{[ 8 ]}การควบคุมเชิงลบแบ่งออกเป็นสองประเภทหลัก ได้แก่ การสัมผัสการควบคุมเชิงลบ (NCEs) และผลลัพธ์การควบคุมเชิงลบ (NCOs)

Lousdal et al. ^{[ 9 ]}ตรวจสอบผลของการเข้าร่วมการตรวจคัดกรองต่อการเสียชีวิตจากมะเร็งเต้านม พวกเขาตั้งสมมติฐานว่าผู้เข้าร่วมการตรวจคัดกรองมีสุขภาพดีกว่าผู้ที่ไม่เข้าร่วม และด้วยเหตุนี้จึงมีความเสี่ยงต่อการเสียชีวิตจากมะเร็งเต้านมต่ำกว่าอยู่แล้ว ดังนั้นพวกเขาจึงใช้ตัวแทนของสุขภาพที่ดีขึ้นเป็นผลลัพธ์ควบคุมเชิงลบ (NCOs) และตัวแทนของพฤติกรรมสุขภาพที่ดีขึ้นเป็นการสัมผัสควบคุมเชิงลบ (NCEs) การเสียชีวิตจากสาเหตุอื่นที่ไม่ใช่มะเร็งเต้านมถือเป็น NCO เนื่องจากเป็นผลลัพธ์ของสุขภาพที่ดีขึ้น ซึ่งไม่ได้รับผลกระทบจากการตรวจคัดกรองมะเร็งเต้านม การเข้าร่วมการดูแลทันตกรรมถือเป็น NCE เนื่องจากถือว่าเป็นตัวแทนที่ดีของพฤติกรรมที่ใส่ใจสุขภาพ

การควบคุมเชิงลบคือตัวแปรที่ออกแบบมาเพื่อช่วยในกรณีที่สงสัยว่าการออกแบบการศึกษาไม่ถูกต้องเนื่องจากตัวแปรแทรกซ้อนที่ไม่ได้วัดซึ่งมีความสัมพันธ์กับทั้งการรักษาและผลลัพธ์^{[ 10 ]}ในกรณีที่มีผลลัพธ์ที่เป็นไปได้เพียงสองอย่าง เช่น บวกหรือลบ หากทั้งกลุ่มที่ได้รับการรักษาและกลุ่มควบคุมเชิงลบ (กลุ่มที่ไม่ได้รับการรักษา) ให้ผลลัพธ์เป็นลบ ก็สามารถอนุมานได้ว่าการรักษานั้นไม่มีผล หากทั้งกลุ่มที่ได้รับการรักษาและกลุ่มควบคุมเชิงลบให้ผลลัพธ์เป็นบวก ก็สามารถอนุมานได้ว่า มี ตัวแปรแทรกซ้อนเกี่ยวข้องกับปรากฏการณ์ที่กำลังศึกษา และผลลัพธ์ที่เป็นบวกนั้นไม่ได้เกิดจากการรักษาเพียงอย่างเดียว

ในตัวอย่างอื่นๆ ผลลัพธ์อาจวัดได้เป็นความยาว เวลา เปอร์เซ็นต์ และอื่นๆ ในตัวอย่างการทดสอบยา เราอาจวัดเปอร์เซ็นต์ของผู้ป่วยที่หายดี ในกรณีนี้ การรักษาจะถือว่าไม่มีผลเมื่อกลุ่มที่ได้รับการรักษาและกลุ่มควบคุมให้ผลลัพธ์เหมือนกัน การปรับปรุงบางอย่างคาดว่าจะเกิดขึ้นในกลุ่มยาหลอกเนื่องจากผลของยาหลอกและผลลัพธ์นี้จะกำหนดเกณฑ์พื้นฐานที่การรักษาจะต้องปรับปรุงให้ดีขึ้น แม้ว่ากลุ่มที่ได้รับการรักษาจะแสดงการปรับปรุง ก็ยังต้องเปรียบเทียบกับกลุ่มยาหลอก หากทั้งสองกลุ่มแสดงผลเหมือนกัน แสดงว่าการรักษาไม่ได้เป็นสาเหตุของการปรับปรุง (เพราะจำนวนผู้ป่วยที่หายดีเท่ากันแม้ไม่มีการรักษา) การรักษาจะมีประสิทธิภาพก็ต่อเมื่อกลุ่มที่ได้รับการรักษาแสดงการปรับปรุงมากกว่ากลุ่มยาหลอก

NCE เป็นตัวแปรที่ไม่ควรส่งผลกระทบโดยตรงต่อผลลัพธ์ แต่ก็อาจได้รับผลกระทบจากตัวแปรแทรกซ้อนเช่นเดียวกับความสัมพันธ์ระหว่างการได้รับยาและผลลัพธ์ที่กำลังพิจารณาอยู่ โดยหลักการแล้ว ไม่ควรมีความสัมพันธ์ทางสถิติระหว่าง NCE กับผลลัพธ์ หากพบความสัมพันธ์ แสดงว่าความสัมพันธ์นั้นเกิดจากตัวแปรแทรกซ้อนที่ไม่ได้วัด และเนื่องจาก NCE และการรักษาใช้กลไกการแทรกซ้อนเดียวกัน จึงมีเส้นทางอื่นนอกเหนือจากเส้นทางโดยตรงจากการรักษาไปสู่ผลลัพธ์ ในกรณีเช่นนั้น การออกแบบการศึกษาจึงไม่ถูกต้อง

ตัวอย่างเช่น Yerushalmy ^{[ 11 ]}ใช้การสูบบุหรี่ของสามีเป็น NCE การสัมผัสคือการสูบบุหรี่ของมารดา ผลลัพธ์คือปัจจัยการเกิดต่างๆ เช่น อุบัติการณ์ของทารกน้ำหนักแรกเกิดต่ำ ระยะเวลาการตั้งครรภ์ และอัตราการเสียชีวิตของทารกแรกเกิด สันนิษฐานว่าการสูบบุหรี่ของสามีมีปัจจัยรบกวนร่วมกัน เช่น วิถีชีวิตด้านสุขภาพในครัวเรือนกับการสูบบุหรี่ของหญิงตั้งครรภ์ แต่ไม่ได้ส่งผลกระทบโดยตรงต่อพัฒนาการของทารกในครรภ์ อย่างไรก็ตาม Yerushalmy พบความสัมพันธ์ทางสถิติ และเป็นผลให้เกิดข้อสงสัยเกี่ยวกับข้อเสนอที่ว่าการสูบบุหรี่ส่งผลกระทบโดยตรงต่อพัฒนาการของทารกในครรภ์

คำว่า "กลุ่มควบคุมเชิงลบ " ใช้เมื่อการศึกษาอิงจากการสังเกต ในขณะที่ " ยาหลอก"ควรใช้เป็นกลุ่มที่ไม่ได้รับการรักษาในการทดลองแบบสุ่มที่มีกลุ่มควบคุม

ผลลัพธ์ควบคุมเชิงลบ (Negative Control Outcomes หรือ NCO) เป็นประเภทของการควบคุมเชิงลบที่นิยมใช้กันมากกว่า NCO คือตัวแปรที่ไม่ได้รับผลกระทบโดยตรงจากการรักษา แต่คาดว่าจะมีกลไกการรบกวนที่คล้ายคลึงกับความสัมพันธ์ระหว่างการรักษาและผลลัพธ์ หากการออกแบบการศึกษาถูกต้อง จะต้องไม่มีความสัมพันธ์ทางสถิติระหว่าง NCO กับการรักษา ดังนั้น ความสัมพันธ์ระหว่างทั้งสองจึงบ่งชี้ว่าการออกแบบไม่ถูกต้อง

ตัวอย่างเช่น Jackson et al. ^{[ 12 ]}ใช้การเสียชีวิตจากทุกสาเหตุนอกฤดูไข้หวัดใหญ่เป็น NCO ในการศึกษาที่ตรวจสอบผลของวัคซีนไข้หวัดใหญ่ต่อการเสียชีวิตที่เกี่ยวข้องกับไข้หวัดใหญ่ กลไกการรบกวนที่เป็นไปได้คือสถานะสุขภาพและวิถีชีวิต เช่น คนที่มีสุขภาพดีโดยทั่วไปมักจะรับวัคซีนไข้หวัดใหญ่ Jackson et al. พบว่าการได้รับวัคซีนอย่างเป็นพิเศษโดยผู้สูงอายุที่มีสุขภาพค่อนข้างดี และความแตกต่างในสถานะสุขภาพระหว่างกลุ่มที่ได้รับวัคซีนและกลุ่มที่ไม่ได้รับวัคซีนนำไปสู่ความลำเอียงในการประมาณประสิทธิภาพของวัคซีนไข้หวัดใหญ่ ในตัวอย่างที่คล้ายกัน เมื่อกล่าวถึงผลกระทบของมลพิษทางอากาศต่อการเข้ารักษาตัวในโรงพยาบาลเนื่องจากโรคหอบหืด Sheppard et al. ^{[ 13 ]}ใช้การเข้ารักษาตัวในโรงพยาบาลเนื่องจากไส้ติ่งอักเสบในกลุ่มที่ไม่ใช่ผู้สูงอายุเป็น NCO

เมื่อพิจารณาการรักษาและผลลัพธ์โดยมีชุดตัวแปรควบคุมและตัวแปรแทรกซ้อนที่ไม่ได้วัดสำหรับความสัมพันธ์ Shi et al. ^{[ 6 ]}ได้นำเสนอเงื่อนไขอย่างเป็นทางการสำหรับผลลัพธ์การควบคุมเชิงลบ ${\displaystyle A}$${\displaystyle Y}$${\displaystyle X}$${\displaystyle U}$${\displaystyle AY}$${\displaystyle {\tilde {Y}}}$

1. สมมติฐานค่าการบำบัดต่อหน่วยที่เสถียร (SUTVA): สำหรับทั้งสองกรณีและในส่วนที่เกี่ยวกับ.${\displaystyle {Y}}$${\displaystyle {\tilde {Y}}}$${\displaystyle A=a}$
2. ความสามารถในการแลกเปลี่ยนแฝง: เมื่อกำหนดค่าและแล้วผลลัพธ์ที่เป็นไปได้จะไม่ขึ้นอยู่กับการรักษา${\displaystyle Y^{A=a}\perp A|\;X,U}$${\displaystyle X}$${\displaystyle U}$${\displaystyle Y^{A=a}}$
3. ความไม่เกี่ยวข้อง: รับประกันว่าการรักษาจะไม่มีผลกระทบต่อเจ้าหน้าที่ระดับล่าง (NCO)
   1. ${\displaystyle {\tilde {Y}}^{A=a}={\tilde {Y}}^{A=a'}={\tilde {Y}}|\;U,X}$: ไม่มีผลกระทบเชิงสาเหตุใดๆต่อสิ่งที่กำหนดให้และ${\displaystyle A}$${\displaystyle {\tilde {Y}}}$${\displaystyle X}$${\displaystyle U}$
   2. ${\displaystyle {\tilde {Y}}\perp A|\;U,X}$: ไม่มีผลกระทบเชิงสาเหตุระหว่างกับและNCO เป็นอิสระจากการรักษาที่ได้รับและ${\displaystyle A}$${\displaystyle {\tilde {Y}}}$${\displaystyle X}$${\displaystyle U}$${\displaystyle X}$${\displaystyle U}$
4. ความสามารถในการเปรียบเทียบแบบ U: ตัวแปรแทรกซ้อนที่ไม่ได้วัดค่าของความสัมพันธ์ระหว่างและจะเหมือนกันสำหรับความสัมพันธ์ระหว่างและ${\displaystyle {\tilde {Y}}\not {\perp }U|\;X}$${\displaystyle U}$${\displaystyle A}$${\displaystyle Y}$${\displaystyle A}$${\displaystyle {\tilde {Y}}}$

ภายใต้สมมติฐานข้อ 1-4 ความสัมพันธ์ที่ไม่เป็นศูนย์ระหว่างและสามารถอธิบายได้ด้วยและไม่ใช่ด้วยกลไกอื่น การละเมิดสมมติฐานการแลกเปลี่ยนแฝง (Latent Exchangeability) อาจเกิดขึ้นได้เมื่อมีเพียงผู้ที่ได้รับผลกระทบจากยาเท่านั้นที่จะรับประทานยา แม้ว่าทั้งและจะเหมือนกันก็ตาม ตัวอย่างเช่น เราคาดหวังว่าเมื่อพิจารณาจากอายุและประวัติทางการแพทย์ ( ) และความตระหนักด้านสุขภาพทั่วไป ( ) การรับประทานวัคซีนไข้หวัดใหญ่จะไม่ขึ้นอยู่กับการเสียชีวิตที่อาจเกี่ยวข้องกับไข้หวัดใหญ่มิฉะนั้น สมมติฐานการแลกเปลี่ยนแฝงจะถูกละเมิด และไม่สามารถระบุตัวตนได้ ${\displaystyle A}$${\displaystyle {\tilde {Y}}}$${\displaystyle U}$${\displaystyle X}$${\displaystyle U}$${\displaystyle X}$${\displaystyle U}$${\displaystyle A}$${\displaystyle {\tilde {Y}}^{A=a}}$

การละเมิดหลักการความไม่เกี่ยวข้องเกิดขึ้นเมื่อมีผลกระทบเชิงสาเหตุของตัวแปรหนึ่งต่ออีกตัวแปรหนึ่งตัวอย่างเช่น เราคาดว่าเมื่อกำหนดให้ตัวแปรหนึ่งมีค่าเท่ากับ 1 และอีกตัวแปรหนึ่ง วัคซีนไข้หวัดใหญ่จะไม่มีผลต่ออัตราการเสียชีวิตจากทุกสาเหตุ อย่างไรก็ตาม หากในระหว่างการตรวจร่างกายเพื่อรับวัคซีนไข้หวัดใหญ่ แพทย์ได้ทำการตรวจร่างกายทั่วไป แนะนำพฤติกรรมสุขภาพที่ดี และสั่งจ่ายวิตามินและยาที่จำเป็น ในกรณีนี้ มีความเป็นไปได้ว่าจะมีผลกระทบเชิงสาเหตุของตัวแปรหนึ่งต่อ อีกตัวแปรหนึ่ง (โดยมีเงื่อนไขว่า ตัวแปรหนึ่งมีค่าเท่ากับ 1 และอีกตัวแปรหนึ่ง) ดังนั้น จึงไม่สามารถใช้เป็น NCO ได้ เนื่องจากแบบทดสอบอาจล้มเหลวแม้ว่าการออกแบบเชิงสาเหตุจะถูกต้องก็ตาม ${\displaystyle A}$${\displaystyle {\tilde {Y}}}$${\displaystyle X}$${\displaystyle U}$${\displaystyle A}$${\displaystyle {\tilde {Y}}}$${\displaystyle X}$${\displaystyle U}$${\displaystyle {\tilde {Y}}}$

หลักการเปรียบเทียบแบบ U จะถูกละเมิดเมื่อและดังนั้น การขาดความสัมพันธ์ระหว่างและจึงไม่ได้ให้หลักฐานใดๆ แก่เราว่าสมมติฐานดังกล่าวไม่ถูกต้องการละเมิดนี้จะเกิดขึ้นเมื่อเราเลือก NCO ที่ไม่ดี ซึ่งไม่มีความสัมพันธ์หรือมีความสัมพันธ์น้อยมากกับตัวแปรแทรกซ้อนที่ไม่ได้วัด ${\displaystyle {\tilde {Y}}{\perp }U}$${\displaystyle A}$${\displaystyle {\tilde {Y}}}$${\displaystyle A}$

การควบคุมเชิงบวกมักใช้ในการประเมินความถูกต้องของการทดสอบตัวอย่างเช่น เพื่อประเมินความสามารถของการทดสอบใหม่ในการตรวจจับโรค ( ความไว ) เราสามารถเปรียบเทียบกับการทดสอบอื่นที่ทราบกันดีอยู่แล้วว่าได้ผล การทดสอบที่ได้รับการยอมรับอย่างดีนั้นถือเป็นการควบคุมเชิงบวก เนื่องจากเรารู้แล้วว่าคำตอบของคำถาม (ว่าการทดสอบได้ผลหรือไม่) คือใช่

ในทำนองเดียวกัน ในการทดสอบเอนไซม์เพื่อวัดปริมาณเอนไซม์ในสารสกัดชุดหนึ่ง ตัวควบคุมเชิงบวกจะเป็นการทดสอบที่มีเอนไซม์บริสุทธิ์ในปริมาณที่ทราบ (ในขณะที่ตัวควบคุมเชิงลบจะไม่มีเอนไซม์) ตัวควบคุมเชิงบวกควรแสดงกิจกรรมของเอนไซม์ในปริมาณมาก ในขณะที่ตัวควบคุมเชิงลบควรแสดงกิจกรรมในปริมาณน้อยมากหรือไม่มีเลย

หากตัวควบคุมเชิงบวกไม่ให้ผลลัพธ์ที่คาดหวัง อาจมีบางอย่างผิดพลาดในขั้นตอนการทดลอง และต้องทำการทดลองซ้ำ สำหรับการทดลองที่ยากหรือซับซ้อน ผลลัพธ์จากตัวควบคุมเชิงบวกยังสามารถช่วยเปรียบเทียบกับผลการทดลองก่อนหน้านี้ได้ ตัวอย่างเช่น หากการทดสอบโรคที่ได้รับการยอมรับอย่างดีแล้วพบว่ามีผลเช่นเดียวกับที่ผู้ทำการทดลองก่อนหน้านี้พบ แสดงว่าการทดลองนั้นดำเนินการในลักษณะเดียวกับที่ผู้ทำการทดลองก่อนหน้านี้ทำ

หากเป็นไปได้ ควรใช้ตัวควบคุมเชิงบวกหลายตัว—หากมีการทดสอบโรคมากกว่าหนึ่งชนิดที่ทราบว่ามีประสิทธิภาพ อาจทำการทดสอบมากกว่าหนึ่งชนิด การใช้ตัวควบคุมเชิงบวกหลายตัวยังช่วยให้สามารถเปรียบเทียบผลลัพธ์ได้อย่างละเอียดมากขึ้น (การสอบเทียบ หรือการกำหนดมาตรฐาน) หากผลลัพธ์ที่คาดหวังจากตัวควบคุมเชิงบวกมีขนาดแตกต่างกัน ตัวอย่างเช่น ในการทดสอบเอนไซม์ที่กล่าวถึงข้างต้น สามารถสร้าง กราฟมาตรฐานได้โดยการทำตัวอย่างหลายๆ ตัวอย่างที่มีปริมาณเอนไซม์แตกต่างกัน

ในการสุ่มตัวอย่าง กลุ่มที่ได้รับการรักษาแบบทดลองที่แตกต่างกันจะถูกกำหนดแบบสุ่ม แม้ว่าวิธีนี้จะไม่รับประกันว่าไม่มีความแตกต่างระหว่างกลุ่ม แต่ก็รับประกันได้ว่าความแตกต่างจะกระจายอย่างเท่าเทียมกัน ซึ่งเป็นการแก้ไข ข้อผิดพลาด ที่ เป็นระบบ

ตัวอย่างเช่น ในการทดลองที่ผลผลิตพืชได้รับผลกระทบ (เช่นความอุดมสมบูรณ์ของดิน ) สามารถควบคุมการทดลองได้โดยการกำหนดวิธีการทดลองให้กับแปลงที่เลือกแบบสุ่ม ซึ่งจะช่วยลดผลกระทบของการเปลี่ยนแปลงองค์ประกอบของดินต่อผลผลิตได้

การปกปิดข้อมูล (Blinding) คือการปกปิดข้อมูลที่อาจทำให้เกิดอคติในการทดลอง ตัวอย่างเช่น ผู้เข้าร่วมการทดลองอาจไม่ทราบว่าใครได้รับการรักษาจริงและใครได้รับยาหลอกหากข้อมูลนี้เปิดเผยต่อผู้เข้าร่วมการทดลอง ผู้ป่วยอาจได้รับผลของยาหลอก มากขึ้น นักวิจัยอาจมีอิทธิพลต่อการทดลองเพื่อให้เป็นไปตามความคาดหวังของตน ( ผลกระทบจากผู้สังเกตการณ์ ) และผู้ประเมินอาจตกอยู่ภายใต้ความลำเอียงในการยืนยัน การปกปิดข้อมูลสามารถใช้กับผู้เข้าร่วมการทดลองทุกคนได้ รวมถึงผู้ถูกทดลอง นักวิจัย ช่างเทคนิค นักวิเคราะห์ข้อมูล และผู้ประเมิน ในบางกรณีอาจจำเป็นต้อง ทำการผ่าตัดหลอก เพื่อให้เกิดการปกปิดข้อมูลอย่างสมบูรณ์

ในระหว่างการทดลอง ผู้เข้าร่วมจะเปิดเผยตัวตนหากพวกเขาอนุมานหรือได้รับข้อมูลที่ถูกปกปิดไว้ การเปิดเผยตัวตนที่เกิดขึ้นก่อนสิ้นสุดการศึกษาถือเป็นแหล่งที่มาของข้อผิดพลาดในการทดลอง เนื่องจากอคติที่ถูกกำจัดออกไปโดยการปกปิดตัวตนได้ถูกนำกลับเข้ามาใหม่ การเปิดเผยตัวตนเป็นเรื่องปกติในการทดลองแบบปกปิดตัวตน และต้องมีการวัดและรายงานการวิจัยเชิงอภิมานได้เปิดเผยระดับการเปิดเผยตัวตนที่สูงในการทดลองทางเภสัชวิทยา โดยเฉพาะอย่างยิ่ง การทดลอง ยาต้านอาการซึมเศร้ามีการปกปิดตัวตนที่ไม่ดีแนวทางการรายงานแนะนำให้การศึกษาทั้งหมดประเมินและรายงานการเปิดเผยตัวตน ในทางปฏิบัติ มีการศึกษาเพียงไม่กี่ชิ้นที่ประเมินการเปิดเผยตัวตน^{[ 14 ]}

การปกปิดข้อมูลเป็นเครื่องมือสำคัญของวิธีการทางวิทยาศาสตร์และใช้ในการวิจัยหลายสาขา ในบางสาขา เช่นการแพทย์ถือว่าเป็นสิ่งจำเป็น^{[ 15 ]}ในการวิจัยทางคลินิก การทดลองที่ไม่ได้ปกปิดข้อมูลเรียกว่าการทดลองแบบเปิด

• ผลบวกเท็จและผลลบเท็จ
• การทดลองที่ออกแบบไว้
• การควบคุมตัวแปร
• เจมส์ ลินด์
• การทดลองแบบสุ่มที่มีการควบคุม
• กลุ่มควบคุมรายชื่อรอ

• "การควบคุม" สารานุกรมบริแทนนิกาเล่ม 7 (ฉบับที่ 11) 1911