Mixed methodology: A pragmatic approach to investigating complexity in radiography research.

針對 2013 至 2025 年三大放射線學期刊的文獻回顧顯示，在 26 篇混合方法研究中，僅有 14 篇在設計階段明確說明整合方式，明確提出後設推論的文章更僅有 3 篇。量化與質化數據若缺乏深度融合，將使高成本的混合設計失去發掘新洞見的價值。

釐清混合方法與多重方法的設計差異

在現代醫療政策與臨床評估中，決策者經常需要全面了解實務問題的廣度（量化）與深度（質化）。混合方法（Mixed methods）起源於 20 世紀末，並被視為繼質性與量化分析之後的新興途徑，在學術界最常以實用主義作為核心學理支撐。雖然投入此類研究需要涵蓋不同專業的龐大團隊與豐厚資金，但在探討複雜的醫療介入措施時仍具有不可替代的地位。

然而，學術界經常將混合方法與多重方法（Multimethod）混為一談。多重方法僅是運用一系列互補的資料收集方式來達成研究目標，但數據之間彼此獨立且未經交疊；混合設計的精髓則在於「整合（Integration）」，意即在單一研究過程中，刻意且系統性地交織量化與質化數據，藉此產生比單獨分析更具脈絡的理解。

現行常見的混合方法基礎框架包含三種：三角交叉設計（Convergent parallel）同時收集並比對兩類數據；解釋性序列（Explanatory sequential）先以量化尋找總體趨勢，再以質化訪談深入解釋成因；探索性序列（Exploratory sequential）則反之。面對高複雜度的實務場景時，這些基礎設計也會被嵌套入包含實驗與對照組的大型進階框架中運作。

2013至2025年26篇期刊文獻的整合現況

為了評估這類複雜設計在放射線學領域的應用，研究團隊系統性檢索了《Radiography》等三本國際期刊的出版物。最終篩選出的 26 篇混合方法文獻中，高達 16 篇（61%）聚焦於從業人員勞動力與醫療服務議題。在資料收集結構上，18 篇（69%）採用了標準的雙向數據收集，最常見的量化工具為問卷與臨床量表，質化途徑則高度依賴訪談與焦點團體。

儘管研究主題涵蓋廣泛，但多數文獻在實踐「數據整合」上的表現卻差強人意。數據顯示，僅有 14 篇（54%）在研究設計階段有明確提及數據整合邏輯；進階到具體方法層次的整合僅剩 8 篇（31%）；而在最終報告層次有具體展現雙向整合機制的文獻更是寥寥無幾，僅有 2 篇（8%）達標。

深入拆解這些文獻可發現，許多研究團隊雖然投入可觀資源，同步執行了量化普查與質化調查，但在結論段落卻僅將兩組數據的結果「並列呈現」。這種缺乏實質交集與互證的處理方式，不僅無法發揮混合設計真正的潛力，也暴露出當前學術界在處理跨領域數據融合時的技術瓶頸。

僅3篇文獻產出混合設計核心的後設推論

在混合方法研究中，能否成功將不同來源的數據交織成全新的洞見，完全取決於設計、方法與報告這三個層次的整合品質。根據學者 Fetters 提出的整合框架，方法層次的整合可以透過抽樣連結（Connecting）、以第一階段結果引導第二階段設計的建構（Building），或是將兩類數據導入共同矩陣的合併（Merging）來具體落實。

而在撰寫研究報告的階段，雖然多數研究習慣採用基礎的敘事型整合（如逐項主題陳述），但文獻建議的最佳實踐應包含資料轉換（Data transformation）。此外，研究者也可運用表格與圖形，同步將量化頻率與質化引言視覺化的聯合展示（Joint displays）技巧，這類設計都有助於催生出更具說服力的整合推論。

整合的終極目標是產出 Meta-inference（整合質化與量化得出的新洞見），這代表著從合併推論中得出、且單一方法絕對無法實現的獨特觀點。然而，在此次回顧的 26 篇文獻中，僅有 3 篇（12%）明確提出了後設推論。多數作者錯失了證實研究數據具備一致性，或探討數據分歧背後隱藏機制的機會，使得昂貴的研究徒留混合之名。

英國NHS I-SWAP專案的多階段混合實務

為展示嚴謹且具深度的整合過程，本文特別解析了由英國國家健康服務（NHS）推動的 I-SWAP（影像輔助人員部署研究）專案。該計畫針對長期的醫療影像人力短缺，採用了解釋性序列基礎，並將其嵌入多階段進階框架中。專案獲得的充裕資源，足以支撐研究團隊進行為期 27 個月的深度混合調查。

在方法層次的「建構」上，I-SWAP 團隊讓前期的文獻回顧與薪資普查（Payroll census）量化發現，直接塑造後續經理人訪談的提問大綱。在「抽樣連結」上，團隊利用薪資數據將各醫療機構的輔助人員部署程度進行排名，並以此作為抽樣框架，客觀篩選出 24 個站點進行實地訪談。這種奠基於量化數據的取樣策略，有效降低了單純依靠自願參與所帶來的選擇偏誤。

進入後期的分析階段時，I-SWAP 將人力編制規模等量化指標與質化訪談文本同步匯入分析矩陣，執行嚴密的框架分析（Framework analysis）。最終，團隊將多個工作流程的結果成功交疊，歸納出 15 項關鍵決定因素，並進一步建構出成熟度矩陣，成功將混合數據轉化為醫療主管可直接操作的勞動力部署評估工具。

建立混合設計研究評估與執行標準的下一步

文獻回顧的結果，如實反映出混合方法具備極高的進入門檻。執行這類大型研究需要擁有跨領域統計與質化分析能力的團隊協作，但在本次評估的 26 篇研究中，僅有 10 篇獲得外部資金挹注，且多屬經費有限的小型內部計畫。資源與系統性訓練的匱乏，直接限制了研究團隊深入執行精細數據整合的能力。

對於未來有意投入混合方法的學術團隊與政策研究者，強烈建議在啟動計畫之初即確立具體的哲學假設，並清晰論證為何該研究目標「必須」採用混合設計。研究計畫書內也必須明確標示出在數據收集、分析與報告等關鍵節點，將採用何種途徑讓兩種屬性的數據產生實質對話。

隨著學術界對推論嚴謹度的標準日益嚴格，審查委員與期刊編輯未來也將更看重混合設計的整合品質指標。研究團隊應主動採用如 O'Cathain 準則或開發中的 CORMIX（混合方法報告綜合檢查表）等專業審查工具，確保每一項產出的後設推論都能具備高度的透明度與可信度。

混合設計的核心在於深度整合異質數據，淬鍊出單一研究無法觸及的後設推論。