SCOFF – przesiewowy kwestionariusz zaburzeń odżywiania: jak policzyć wynik

Autor: Konrad Hryniewicz · Opublikowano: 1 listopada 2026

Czym jest SCOFF

SCOFF to pięciopytaniowy kwestionariusz przesiewowy w kierunku zaburzeń odżywiania. Opracowali go Morgan, Reid i Lacey (1999) jako proste i łatwe do zapamiętania narzędzie dla osób, które nie specjalizują się w leczeniu zaburzeń odżywiania. Wzorem był krótki kwestionariusz CAGE stosowany przy nadużywaniu alkoholu. Pytania powstały w grupach fokusowych z pacjentkami i specjalistami. Dotyczą kluczowych cech jadłowstrętu psychicznego i bulimii. Nazwa to akronim słów kluczowych pięciu pytań: Sick, Control, One stone, Fat, Food (Kutz i in., 2020).

Cel narzędzia jest wąski: SCOFF ma wzbudzić podejrzenie, że zaburzenie odżywiania może występować. Po wyniku dodatnim potrzebna jest rzetelna ocena kliniczna (Morgan i in., 1999). SCOFF pojawia się w pracach z dietetyki, psychologii, położnictwa, pielęgniarstwa i zdrowia publicznego, najczęściej w ankietach wśród studentów, uczniów albo kobiet w ciąży. Plan analiz w takich pracach opisują wpisy statystyka w pracy z dietetyki, statystyka w pracy z położnictwa i statystyka dla psychologa.

Ten wpis dotyczy liczenia i opisu wyniku w badaniu naukowym. Nie jest poradą kliniczną i nie zastępuje oceny specjalisty.

Budowa: pięć pytań tak/nie

Każde z pięciu pytań ma odpowiedź „tak” albo „nie”. Treści pytań nie przytaczamy. Opisujemy tylko ich tematy, za artykułem autorów:

Wszystkie pytania są sformułowane w tym samym kierunku: „tak” wskazuje cechę zaburzenia. Nie ma więc pozycji odwróconych. Brzmienie pytań weź z artykułu Morgana i in. (1999) albo z opublikowanej, zwalidowanej wersji językowej. Odpowiedzi tak/nie to skala dychotomiczna, co ma znaczenie przy liczeniu rzetelności.

Jak policzyć wynik SCOFF krok po kroku

Krok 1. Zakoduj odpowiedzi jako 1 i 0

Za każde „tak” przyznaj 1 punkt, za „nie” 0 (Morgan i in., 1999). Formularze online zapisują odpowiedzi często jako tekst albo 1 i 2. Przekoduj je przed liczeniem. Ogólne zasady przekodowania pokazuje poradnik jak policzyć wynik kwestionariusza.

Krok 2. Zsumuj punkty

Krok 3. Zastosuj próg przesiewu

Wynik 2 lub więcej to wynik dodatni przesiewu, który wskazuje prawdopodobny przypadek jadłowstrętu lub bulimii (Morgan i in., 1999). Wynik 0–1 to wynik ujemny. Ten punkt odcięcia pochodzi od autorów. Według przeglądu przygotowanego z ich udziałem próg można zmienić tylko wtedy, gdy podasz uzasadnienie kliniczne i dowody walidacji zmienionej wersji (Coop i in., 2024).

Krok 4. Braki odpowiedzi

Autorzy nie podają reguły dla braków. Przy progu 2 część braków nie zmienia jednak wyniku przesiewu. Proponujemy prostą regułę logiczną, ale to nasza decyzja, a nie zasada autorów:

• co najmniej dwa „tak” wśród udzielonych odpowiedzi – wynik dodatni, niezależnie od braków;
• suma „tak” i braków nie większa niż 1 – wynik ujemny, bo nawet „tak” w brakującym pytaniu nie dałoby progu;
• pozostałe przypadki – wynik nieokreślony, osoba bez wyniku.

Przy tej regule sumę 0–5 licz tylko u osób z kompletem odpowiedzi. Regułę opisz w pracy. Inne podejścia do braków omawia wpis braki danych w ankiecie.

Interpretacja: wynik przesiewu, nie rozpoznanie

Wynik dodatni nie oznacza zaburzenia odżywiania. Oznacza tylko, że warto przeprowadzić dalszą ocenę. Coop i in. (2024) przejrzeli 180 artykułów, w których użyto SCOFF. Tylko 48 użyło go właściwie, a 117 niewłaściwie. Kryteria właściwego użycia, ustalone z autorami narzędzia, warto przenieść wprost do pracy dyplomowej:

• SCOFF to narzędzie przesiewowe, nie diagnostyczne;
• wynik opisujesz jako przesiew, np. „wynik dodatni w SCOFF”;
• o zaburzeniu piszesz ostrożnie, np. „możliwe zaburzenie odżywiania” albo „zwiększone ryzyko”;
• SCOFF traktujesz kategorialnie i jako całość, a nie jako ciągłą miarę nasilenia objawów ani zestaw osobnych pytań;
• SCOFF nie był walidowany jako miara „zaburzonego jedzenia” poniżej progu klinicznego.

Najczęstszy błąd to podawanie odsetka wyników dodatnich jako częstości zaburzeń odżywiania. Ten odsetek opisuje wyniki przesiewu, a nie częstość zaburzeń (Coop i in., 2024).

Jak dokładny jest SCOFF

W pierwszym badaniu uczestniczyło 116 pacjentek z jadłowstrętem lub bulimią i 96 osób z grupy kontrolnej. Wynik ≥ 2 wykrył wszystkie przypadki, czyli czułość wyniosła 100%. Swoistość wyniosła 87.5%, bo 12 z 96 osób kontrolnych miało wynik dodatni (Morgan i in., 1999). W podstawowej opiece zdrowotnej czułość wyniosła 84.6%, a swoistość 89.6%. Wersja pisemna i ustna dawały zgodne wyniki, kappa = .82 (Hill i in., 2010).

Metaanaliza 25 badań dała łączną czułość .86, 95% CI [.78, .91], i swoistość .83, 95% CI [.77, .88]. Najwyższą czułość miały badania kliniczno-kontrolne młodych kobiet z jadłowstrętem i bulimią. Niższą miały badania z większym udziałem mężczyzn, z osobami z zaburzeniem z napadami objadania się i badania na dużych próbach z populacji. Żadne badanie nie obejmowało wszystkich zaburzeń odżywiania według DSM-5 (Kutz i in., 2020). Czułość i swoistość zależą od tego, kogo badasz i jak często zaburzenie występuje w grupie (Leeflang i in., 2013).

Przykład: SCOFF u 420 osób studiujących

Dane są symulowane i możesz je pobrać jako plik CSV (kolumny id, plec oraz q1–q5 z kodami 1 = „tak”, 0 = „nie”). Komplet odpowiedzi ma 414 osób. Pięć osób pominęło jedno pytanie, a jedna dwa. Według reguły z kroku 4 trzy z tych osób miały wynik ujemny. Pozostałe trzy dostały wynik nieokreślony. Wynik przesiewu ma więc 417 osób.

Wynik dodatni miało 77 z 417 osób, czyli 18.5%, 95% CI [15.0, 22.5]. Przedział policzyliśmy metodą Wilsona, opisaną w haśle przedział ufności dla proporcji. Najczęściej odpowiadano „tak” na pytanie o przekonanie o nadwadze (24.3%) i o obawę przed utratą kontroli (19.5%). Najrzadziej na pytanie o wywoływanie wymiotów (5.0%). Te odsetki pokazujemy tylko w opisie próby. Wnioskować można z wyniku całego narzędzia, a nie z pojedynczych pytań.

Porównanie kobiet i mężczyzn

Wynik dodatni miało 20.3% kobiet, 95% CI [16.2, 25.2], i 13.7% mężczyzn, 95% CI [8.6, 21.1]. Różnica wyniosła 6.7 punktu procentowego, 95% CI [−1.8, 13.7]. Przedział różnicy policzyliśmy metodą Newcombe’a, która łączy przedziały Wilsona obu grup (Newcombe, 1998). Przedział obejmuje zero, więc dane nie pozwalają stwierdzić różnicy między płciami. Pamiętaj też, że badania z większym udziałem mężczyzn wykazywały niższą czułość SCOFF (Kutz i in., 2020). Podobny odsetek wyników dodatnich nie oznacza więc podobnej częstości zaburzeń. Test różnicy proporcji opisuje hasło test dla dwóch proporcji.

Ile wyników dodatnich to prawdopodobne przypadki?

Bez oceny klinicznej nie wiadomo, kto z osób z wynikiem dodatnim ma zaburzenie. Można jednak policzyć wartość predykcyjną dodatnią (PPV) z czułości, swoistości i częstości zaburzeń. Przyjęliśmy czułość .86 i swoistość .83 z metaanalizy. Przy częstości zaburzeń 5% wynik dodatni miałoby 20.5% osób, a PPV wyniosłaby tylko .210. Przy częstości 1% odsetek wyników dodatnich wyniósłby 17.7%, a PPV .049 (rysunek 2). NPV była wysoka we wszystkich scenariuszach, od .960 do .998.

Wniosek dla pracy: 18.5% wyników dodatnich w próbie studentów daje się pogodzić nawet z bardzo niską częstością zaburzeń. Przy częstości 1% fałszywie dodatnich wyników byłoby ok. 17% próby. Dlatego wynik przesiewu opisuj jako sygnał do dalszej oceny. Własne scenariusze policzysz w kalkulatorze testu diagnostycznego. Jeśli w Twoim badaniu część osób przeszła wywiad diagnostyczny, możesz policzyć czułość i swoistość we własnej próbie. Krzywą ROC dla pięciu możliwych progów opisuje wpis krzywa ROC i punkt odcięcia.

Rzetelność pięciu pytań

Dla pozycji 0/1 alfa Cronbacha jest równa współczynnikowi KR-20 (Kuder i Richardson, 1937). W 414 osobach z kompletem odpowiedzi KR-20 wyniósł .620. Wartość jest niska, ale przy pięciu pytaniach tak/nie, które dotyczą różnych objawów, to zrozumiałe. Alfa i KR-20 zakładają ponadto równe ładunki pozycji (McNeish, 2018). Omega policzona z korelacji tetrachorycznych w modelu jednoczynnikowym wyniosła .843. Ładunki wahały się od .60 do .89. Omega ta dotyczy jednak ciągłych zmiennych ukrytych za odpowiedziami tak/nie, a nie samej sumy punktów. Dla narzędzia przesiewowego ważniejsza od spójności wewnętrznej jest trafność względem rozpoznania. Dlatego w pracy podaj KR-20 krótko i nie usuwaj pytań, żeby go podnieść.

Jak opisać SCOFF w pracy

Wzór zawiera liczby z przykładu. W nawiasach kwadratowych uzupełnij dane wersji, której używasz.

Ogólny schemat opisu narzędzia znajdziesz w poradniku opis narzędzia badawczego – wzór.

Licencja, polska wersja i etyka

SCOFF nie ma oficjalnej strony autorów ani opublikowanych warunków licencji. Pytania ukazały się w artykule w BMJ, do którego prawa autorskie należą do wydawcy (Morgan i in., 1999). Nie znaleźliśmy wyraźnej zgody na swobodne użycie. W badaniu zacytuj artykuł z 1999 roku. Jeśli chcesz przedrukować pytania w aneksie pracy albo w publikacji, zapytaj o zgodę wydawcę lub autorów.

Nie zweryfikowaliśmy polskiej adaptacji SCOFF i nie podajemy dla niej żadnych właściwości. Według kryteriów autorów wersja tłumaczona wymaga tłumaczenia zwrotnego lub innej właściwej metody przekładu oraz dowodów walidacji (Coop i in., 2024). Jak przebiega taka procedura, opisuje wpis adaptacja kulturowa kwestionariusza.

Pytania o zachowania związane z jedzeniem dotyczą zdrowia, więc projekt zwykle wymaga opinii komisji bioetycznej. Zaplanuj z nią i z promotorem, jakie informacje o możliwościach uzyskania pomocy dostaną uczestnicy. Wyniku przesiewu nie przekazuj uczestnikowi jako diagnozy.

# B261 – SCOFF: wynik 0–5, wynik przesiewowy (≥ 2 odpowiedzi „tak”), braki, odsetki z 95% CI Wilsona,
# różnica kobiet i mężczyzn z CI Newcombe'a, KR-20 i omega oraz PPV/NPV przy różnej częstości zaburzeń
# (dane symulowane, set.seed(26125)). Pozycje q1–q5 zakodowano 1 = „tak”, 0 = „nie”. Treści pozycji nie podajemy.
# Zasada autorów (Morgan i in., 1999): 1 punkt za każdą odpowiedź „tak”; 2 punkty i więcej = wynik dodatni przesiewu.
suppressPackageStartupMessages(library(psych))
set.seed(26125)
n <- 420
plec <- sample(c("K", "M"), n, replace = TRUE, prob = c(.72, .28))
theta <- rnorm(n, ifelse(plec == "K", 0, -0.45))                 # skłonność do odpowiedzi „tak” (cecha latentna)
a <- c(1.6, 1.9, 1.3, 1.5, 2.0); b <- c(2.1, 1.0, 1.9, 0.9, 1.5)   # nachylenia i progi pięciu pozycji
odp <- sapply(1:5, function(j) rbinom(n, 1, plogis(a[j] * (theta - b[j]))))
colnames(odp) <- paste0("q", 1:5)
dane <- data.frame(id = 1:n, plec, odp)
dane$q3[c(12, 87, 230)] <- NA; dane$q1[c(54, 301)] <- NA; dane$q5[c(87, 199)] <- NA   # pojedyncze braki
write.csv(dane, "../scoff-dane-przyklad.csv", row.names = FALSE, na = "")           # plik do pobrania

# Krok 1. Kontrola kodowania (tylko 0, 1 albo brak) i odsetek odpowiedzi „tak” w pozycjach
q <- paste0("q", 1:5)
all(sapply(dane[, q], function(x) all(x %in% c(0, 1, NA))))
round(100 * colMeans(dane[, q], na.rm = TRUE), 1)

# Krok 2. Wynik i status przesiewu z regułą dla braków:
# dodatni, gdy znanych „tak” jest ≥ 2 (braki niczego nie zmienią); ujemny, gdy nawet przy „tak” we wszystkich
# brakach suma byłaby ≤ 1; w pozostałych przypadkach – nieokreślony (brak wyniku)
tak <- rowSums(dane[, q] == 1, na.rm = TRUE); braki <- rowSums(is.na(dane[, q]))
dane$SCOFF <- ifelse(braki == 0, tak, NA)
dane$przesiew <- ifelse(tak >= 2, "dodatni", ifelse(tak + braki <= 1, "ujemny", NA))
table(braki)
table(status = dane$przesiew, braki, useNA = "ifany")
table(wynik = dane$SCOFF, useNA = "ifany")

# Krok 3. Odsetek wyników dodatnich z 95% CI Wilsona (funkcja zdefiniowana lokalnie)
wilson <- function(x, n, z = qnorm(.975)) { p <- x / n; s <- z * sqrt(p * (1 - p) / n + z^2 / (4 * n^2))
  c(p = p, lo = (p + z^2 / (2 * n) - s) / (1 + z^2 / n), hi = (p + z^2 / (2 * n) + s) / (1 + z^2 / n)) }
ok <- !is.na(dane$przesiew)
x <- sum(dane$przesiew[ok] == "dodatni"); m <- sum(ok)
c(dodatnie = x, n = m); round(100 * wilson(x, m), 1)

# Krok 4. Kobiety a mężczyźni: odsetki z CI Wilsona i różnica z CI Newcombe'a (metoda 10)
tab <- table(plec = dane$plec[ok], dane$przesiew[ok]); tab
xk <- tab["K", "dodatni"]; nk <- sum(tab["K", ]); xm <- tab["M", "dodatni"]; nm <- sum(tab["M", ])
wk <- wilson(xk, nk); wm <- wilson(xm, nm); d <- wk[["p"]] - wm[["p"]]
newcombe <- c(roznica = d, lo = d - sqrt((wk[["p"]] - wk[["lo"]])^2 + (wm[["hi"]] - wm[["p"]])^2),
              hi = d + sqrt((wk[["hi"]] - wk[["p"]])^2 + (wm[["p"]] - wm[["lo"]])^2))
round(100 * rbind(K = wk, M = wm), 1); round(100 * newcombe, 1)

# Krok 5. Rzetelność pięciu pozycji 0/1 (osoby z kompletem odpowiedzi):
# KR-20 (dla pozycji 0/1 równe alfie Cronbacha) i omega z korelacji tetrachorycznych (jeden czynnik)
pel <- dane[braki == 0, q]; k <- ncol(pel); p <- colMeans(pel)
vt <- var(rowSums(pel)) * (nrow(pel) - 1) / nrow(pel)                    # wariancja sumy z mianownikiem n
kr20 <- k / (k - 1) * (1 - sum(p * (1 - p)) / vt)
nrow(pel)
round(c(KR20 = kr20, alfa_psych = alpha(pel, warnings = FALSE)$total$raw_alpha), 3)
tet <- tetrachoric(pel)$rho
l <- fa(tet, nfactors = 1, n.obs = nrow(pel), fm = "minres")$loadings[, 1]
round(l, 2); round(c(omega_tetrachoryczna = sum(l)^2 / (sum(l)^2 + sum(1 - l^2))), 3)

# Krok 6. Ilu dodatnich wyników to prawdopodobne przypadki? PPV i NPV z czułości i swoistości
# z metaanalizy Kutz i in. (2020): czułość .86, swoistość .83, przy różnej częstości zaburzeń
se <- .86; sp <- .83; czest <- c(.01, .02, .05, .10, .20)
round(data.frame(czestosc = czest, odsetek_dodatnich = se * czest + (1 - sp) * (1 - czest),
                 PPV = se * czest / (se * czest + (1 - sp) * (1 - czest)),
                 NPV = sp * (1 - czest) / (sp * (1 - czest) + (1 - se) * czest)), 3)

[1] TRUE
  q1   q2   q3   q4   q5 
 5.0 19.5 11.0 24.3 10.5 
braki
  0   1   2 
414   5   1 
         braki
status      0   1   2
  dodatni  77   0   0
  ujemny  337   3   0
  <NA>      0   2   1
wynik
   0    1    2    3    4    5 <NA> 
 248   89   46   16   12    3    6 
dodatnie        n 
      77      417 
   p   lo   hi 
18.5 15.0 22.5 
    
plec dodatni ujemny
   K      61    239
   M      16    101
     p   lo   hi
K 20.3 16.2 25.2
M 13.7  8.6 21.1
roznica      lo      hi 
    6.7    -1.8    13.7 
[1] 414
      KR20 alfa_psych 
      0.62       0.62 

  q1   q2   q3   q4   q5 
0.79 0.68 0.60 0.62 0.89 
omega_tetrachoryczna 
               0.843 
  czestosc odsetek_dodatnich   PPV   NPV
1     0.01             0.177 0.049 0.998
2     0.02             0.184 0.094 0.997
3     0.05             0.205 0.210 0.991
4     0.10             0.239 0.360 0.982
5     0.20             0.308 0.558 0.960

Najczęstsze błędy przy SCOFF

• „Odsetek studentów z zaburzeniami odżywiania”. Odsetek wyników dodatnich to nie częstość zaburzeń. Przy niskiej częstości większość wyników dodatnich to fałszywe alarmy.
• Suma 0–5 jako miara nasilenia. Autorzy traktują SCOFF kategorialnie. Korelacje sumy z innymi zmiennymi albo średnie sumy w grupach wykraczają poza walidację narzędzia.
• Analiza pojedynczych pytań. Pojedyncze pytanie nie jest wskaźnikiem objawu. Odsetki odpowiedzi możesz podać tylko w opisie próby.
• Własny próg bez walidacji. Zmiana progu wymaga uzasadnienia klinicznego i dowodów walidacji.
• Własne tłumaczenie bez opisu. Przekład bez tłumaczenia zwrotnego i bez walidacji nie spełnia kryteriów autorów.
• Usuwanie pytań dla wyższego KR-20. SCOFF to całość. Usunięcie pytania zmienia narzędzie i jego dokładność.

Podobne zasady dotyczą innych krótkich przesiewów, np. PHQ-2 i GAD-2 oraz EPDS w badaniach okołoporodowych. Jeśli chcesz, żeby ktoś sprawdził kodowanie SCOFF i opis wyników przesiewu w Twojej pracy, możesz skorzystać z konsultacji w ramach oferty analizy statystyczne dla studentów. Wyniki musisz jednak rozumieć i umieć obronić samodzielnie.

Najczęstsze pytania

Od ilu punktów wynik SCOFF jest dodatni?

Od 2 odpowiedzi „tak” na 5 pytań. Taki próg ustalili Morgan, Reid i Lacey (1999). Wynik 0 lub 1 jest ujemny. Próg można zmienić tylko z uzasadnieniem klinicznym i po walidacji zmienionej wersji, czego zwykle nie da się zrobić w pracy dyplomowej.

Czy wynik dodatni w SCOFF oznacza zaburzenie odżywiania?

Nie. SCOFF to narzędzie przesiewowe, które ma wzbudzić podejrzenie i skierować do dalszej oceny klinicznej. W pracy pisz o „wyniku dodatnim przesiewu” albo „możliwym zaburzeniu odżywiania”, a nie o osobach z rozpoznaniem.

Czy sumę SCOFF 0–5 można korelować z innymi zmiennymi?

Autorzy narzędzia zalecają traktować SCOFF kategorialnie i jako całość, bo walidowano go jako przesiew z progiem 2. Sumy nie używaj jako miary nasilenia objawów. Jeśli potrzebujesz miary ciągłej, wybierz kwestionariusz do tego przeznaczony.

Jak policzyć SCOFF, gdy brakuje odpowiedzi na jedno pytanie?

Autorzy nie podają reguły. Logicznie: dwa „tak” wśród odpowiedzi dają wynik dodatni niezależnie od braku, a sytuacja, w której nawet „tak” w brakującym pytaniu nie dałoby 2 punktów, oznacza wynik ujemny. W pozostałych przypadkach pozostaw wynik pusty i opisz regułę w pracy.

Czy KR-20 równy .62 dyskwalifikuje SCOFF?

Nie. Pięć pytań tak/nie o różnych objawach zwykle daje niską spójność wewnętrzną. Dla narzędzia przesiewowego ważniejsza jest czułość i swoistość względem rozpoznania. Podaj KR-20 i nie usuwaj pytań, bo zmieniłbyś(-łabyś) zwalidowane narzędzie.

Powiązane hasła

Przeczytaj też

@article{coop2024use, author={Coop, Amy and Clark, Amelia and Morgan, John and Reid, Fiona and Lacey, J. Hubert}, title={{The use and misuse of the SCOFF screening measure over two decades: A systematic literature review}}, journal={Eating and Weight Disorders – Studies on Anorexia, Bulimia and Obesity}, year={2024}, volume={29}, number={1}, eid={29}, doi={10.1007/s40519-024-01656-6}}

@article{hill2010scoff, author={Hill, Laura S. and Reid, Fiona and Morgan, John F. and Lacey, J. Hubert}, title={{SCOFF, the development of an eating disorder screening questionnaire}}, journal={International Journal of Eating Disorders}, year={2010}, volume={43}, number={4}, pages={344--351}, doi={10.1002/eat.20679}}

@article{kuder1937theory, author={Kuder, G. F. and Richardson, M. W.}, title={{The theory of the estimation of test reliability}}, journal={Psychometrika}, year={1937}, volume={2}, number={3}, pages={151--160}, doi={10.1007/bf02288391}}

@article{kutz2020eating, author={Kutz, Amanda M. and Marsh, Alison G. and Gunderson, Craig G. and Maguen, Shira and Masheb, Robin M.}, title={{Eating disorder screening: A systematic review and meta-analysis of diagnostic test characteristics of the SCOFF}}, journal={Journal of General Internal Medicine}, year={2020}, volume={35}, number={3}, pages={885--893}, doi={10.1007/s11606-019-05478-6}}

@article{leeflang2013variation, author={Leeflang, Mariska M. G. and Rutjes, Anne W. S. and Reitsma, Johannes B. and Hooft, Lotty and Bossuyt, Patrick M. M.}, title={{Variation of a test’s sensitivity and specificity with disease prevalence}}, journal={Canadian Medical Association Journal}, year={2013}, volume={185}, number={11}, pages={E537--E544}, doi={10.1503/cmaj.121286}}

@article{mcneish2018thanks, author={McNeish, Daniel}, title={{Thanks coefficient alpha, we’ll take it from here}}, journal={Psychological Methods}, year={2018}, volume={23}, number={3}, pages={412--433}, doi={10.1037/met0000144}}

@article{morgan1999scoff, author={Morgan, John F. and Reid, Fiona and Lacey, J. Hubert}, title={{The SCOFF questionnaire: Assessment of a new screening tool for eating disorders}}, journal={BMJ}, year={1999}, volume={319}, number={7223}, pages={1467--1468}, doi={10.1136/bmj.319.7223.1467}}

@article{newcombe1998interval, author={Newcombe, Robert G.}, title={{Interval estimation for the difference between independent proportions: Comparison of eleven methods}}, journal={Statistics in Medicine}, year={1998}, volume={17}, number={8}, pages={873--890}, doi={10.1002/(sici)1097-0258(19980430)17:8<873::aid-sim779>3.0.co;2-i}}