เหมือนที่มีหลายวิธีในการคำนวณนัยสำคัญทางสถิติและนัยสำคัญทางการปฏิบัติ ก็มีหลายวิธีในการคำนวณนัยสำคัญทางคลินิกด้วยมี 5 วิธีที่ใช้โดยสามัญคือ Jacobson-Truax method, Gulliksen-Lord-Novick method, Edwards-Nunnally method, Hageman-Arrindell method, และ hierarchical linear modeling[5]

Jacobson-Truax

Jacobson-Truax เป็นวิธีสามัญที่ใช้คำนวณนัยสำคัญทางคลินิกซึ่งต้องคำนวณค่า Reliability Change Index (RCI)[10]ซึ่งเท่ากับความต่างระหว่างคะแนนก่อนทราบผลการทดสอบ (pre-test) และหลังทราบผลการทดสอบ (post-test) หารโดยความเคลื่อนคลาดมาตรฐาน (standard error) ของความต่างมีการตั้งช่วงคะแนนเพื่อจัดผู้ร่วมการทดลองออกเป็น 4 หมวด คือ ฟื้นสภาพ (recovered) ดีขึ้น (improved) ไม่เปลี่ยน (unchanged) หรือแย่ลง (deteriorated) ขึ้นอยู่กับทิศทางของ RCI และคะแนนที่ถึงช่วงหรือไม่

Gulliksen-Lord-Novick

วิธี Gulliksen-Lord[13]คล้ายกับวิธี Jacobson-Truax ยกเว้นว่าใช้แนวคิดการถดถอยไปที่ค่าเฉลี่ย (regression to the mean) ด้วยซึ่งทำโดยลบค่าเฉลี่ยประชากร (population mean) ด้วยคะแนนก่อนทราบผลการทดสอบ (pre-test) และคะแนนหลังทราบผลการทดสอบ (post-test) แล้วจึงหารด้วยค่าเบี่ยงเบนมาตรฐานของกลุ่มประชากร[5]

Edwards-Nunnally

วิธี Edwards-Nunnally[14]เป็นทางเลือกที่เข้มกว่าวิธี Jacobson-Truax ในการคำนวณนัยสำคัญทางคลินิก[15]จะใช้คะแนนความน่าเชื่อถือ (Reliability score) เพื่อลดคะแนนก่อนทราบผลการทดสอบให้ใกล้ค่าเฉลี่ยเพิ่มขึ้น และจะหาช่วงความเชื่อมั่น (confidence interval) สำหรับคะแนนที่ปรับแล้วนี้ช่วงความเชื่อมั่นจะใช้เมื่อคำนวณความเปลี่ยนแปลงของคะแนนที่ได้ระหว่างก่อนทราบผลการทดสอบและหลังทราบผลการทดสอบแล้ว และดังนั้น จะต้องมีความเปลี่ยนแปลงที่มากกว่าเพื่อแสดงนัยสำคัญทางคลินิก เทียบกับวิธี Jacobson-Truax

Hageman-Arrindell

วิธี Hageman-Arrindell[16]เป็นการคำนวณนัยสำคัญทางคลินิกที่ใช้ดัชนีความเปลี่ยนแปลงของกลุ่มและดัชนีความเปลี่ยนแปลงของบุคคลส่วนค่าความน่าเชื่อถือของความเปลี่ยนแปลงจะเป็นตัวบ่งว่า คนไข้ได้ดีขึ้น เท่าเดิม หรือว่าแย่ลงส่วนดัชนีที่สอง คือ นัยสำคัญทางคลินิกของความเปลี่ยนแปลง จะเป็นตัวกำหนดหมวด 4 หมวดคล้ายกับที่ใช้ในวิธี Jacobson-Truax คือ แย่ลง (deteriorated) เปลี่ยนแปลงอย่างไม่น่าเชื่อถือ (not reliably changed) ดีขึ้นแต่ไม่ฟื้นสภาพ (improved but not recovered) และฟื้นสภาพ (recovered)

Hierarchical Linear Modeling (HLM)

วิธี HLM เป็นการวิเคราะห์เส้นโค้งการเติบโต (growth curve) แทนที่การเปรียบเทียบคะแนนก่อนทราบและหลังทราบผลสอบ ดังนั้นจึงต้องเก็บข้อมูล 3 ชุดจากคนไข้แต่ละคน แทนที่ 2 ชุด (ก่อนและหลังทราบผลสอบ)[15]สามารถใช้โปแกรมคอมพิวเตอร์ เช่น Hierarchical Linear and Nonlinear Modeling[17]เพื่อคำนวณค่าประเมินความเปลี่ยนแปลงของผู้ร่วมการทดลองแต่ละคนHLM ยังสามารถช่วยวิเคราะห์แบบจำลองเส้นโค้งการเติบโตแบบเป็นคู่ (dyads) หรือเป็นกลุ่ม (groups)