Link tải luận văn miễn phí cho ae Ket-noi
Bài 8: Các loại sai số trong nghiên cứu dịch tễ học.
Mục tiêu học tập
Sau khi học xong bài này, sinh viên có khả năng:
1. Trình bày đợc định nghĩa, phân loại và cách khống chế sai số ngẫu nhiên.
2. Trình bày đợc định nghĩa, phân loại và cách khống chế sai số hệ thống
3. Trình bày đợc định nghĩa và cách khống chế yếu tố nhiễu
1. Sai số ngẫu nhiên và vai trò của các yếu tố may rủi
1.1. Định nghĩa
Trong nghiên cứu, xác định tính giá trị của kết qủa nghiên cứu là một công việc
rất quan trọng. Đó là việc cân nhắc xem kết qủa có phải là do ảnh hởng của yếu tố
may rủi, sai số hệ thống hay nhiễu hay không. Sai số ngẫu nhiên là do các yếu tố
may rủi gây nên. Nội dung của việc đánh giá vai trò của may rủi là:
Kiểm định giả thuyết, tức là tiến hành một trẵc nghiện thống kê để xác định
liệu biến nghiên cứu của mẫu có thể đợc coi là một giải thích phù hợp của kết
quả quan sát .
Ước lợng một khoảng tin cậy, tức là xác định một khoảng dao động nào đó, mà
trong đó ớc lợng thật của kết quả sẽ rơi vào khoảng đó với một độ tin cậy nhất
định .
1.2. Khái niệm suy luận
Để hiểu đợc tại sao phải đánh giá vai trò của may rủi, trớc hết chúng ta phải tìm
hiểu khái niệm suy luận kết qủa. Đó là việc khái quát hóa kết qủa nghiên cứu từ
một mẫu nhỏ cho một quần thể lớn hơn Khi đó, luôn có một khả năng là sự suy
luận đó là không chính xác, là do may rủi hay do biến thiên mẫu. Khả năng sai số
này sẽ giảm đi khi cỡ mẫu nghiên cứu tăng lên. Ví dụ, giả sử chúng ta có một cái
túi có 100 hòn đá cẩm thạch, một nửa đỏ và một nửa xanh, chúng ta muốn suy luận
tỷ lệ của các lọai đá màu bằng cách nghiên cứu một mẫu nhỏ. Nếu chúng ta lấy ra
2 viên, sẽ có khả năng là một phần t (1/2)
2
là cả hai viên đá là màu xanh. Điều đó
có nghĩa là 25% chúng ta sẽ kết luận sai răng tất cả các viên đá có màu xanh dụa
trên kết qủa cỡ mẫu nghiên cứu là 2, trong khi đó trên thực tế, một nửa số đá là
màu xanh. Nếu chúng ta rút ra 5 viên đá, khả năng cả 5 viên đá đều là màu xanh
là 3 phần 100 (1/2)
5
. Do đô khi cỡ mẫu tăng lên, khả năng suy luận sai từ kết qủa
mẫu nghiên cứu sẽ giảm đi.
Tơng tự nh vậy trong dịch tễ học, các nhà nghiên cứu ít khi nghiên cứu tất cả các
cá thể của một quần thể mà thờng nghiên cứu một mẫu, đo lờng sự kết hợp giữa
một phơi nhiễm và bệnh và từ đó suy luận cho quần thể. Ví dụ, trong một nghiên
cứu bệnh chứng về mức độ kết hợp giữa bệnh béo phì và nhồi máu cơ tim, ngời ta
không thể đo chiều cao và cân nặng của tất cả mọi ngời trong cộng đồng, kể cả có
hay không có nhồi máu cơ tim. Thông thờng, ngời ta chọn một mẫu những ngời bị
bệnh và không bị bệnh nhồi máu cơ tim, rồi đo chiều cao và cân nặng của họ, sau
đó so sánh 2 nhóm ngời đó. Giống nh ví dụ về các viên đá nêu ở trên, luôn có một
khả năng rằng kết qủa ớc lợng sẽ khác với mức độ kết hợp thật giữa béo phì và
nhồi máu cơ tim do may rủi hay do biến thiên mãu. Cỡ mẫu càng nhỏ thì độ biến
thiên của ớc lợng càng lớn và càng ít có khả năng rằng két qủa sẽ phản ánh đúng
tình trạng của tòan bộ quần thể. Ngợc lại, cỡ mẫu nghiên cứu càng lớn, độ biến
thiên càng nhỏ và suy luận càng đáng tin cậy. Trong mọi trờng hợp, vai trò của
may rủi phải đơc đề cập đến khi đánh giá tính giá trị của các kết qủa nghiên cứu.
1.3. Kiểm định giả thuyết
Kiểm định giả thuyết là tiến hành một trắc nghiệm thống kê và xác định mức độ
biến thiên mẫu ảnh hởng đến kết qủa nghiên cứu.
Sau khi đã tính đợc các giá trị của các trắc nhiệm thống kê , chúng ta sẽ dựa vào
các bảng tính sẵn các giá trị của từng trắc nghiệm (thí dụ bảng
2
, bảng t) để tra
tìm ý nghĩa xác suất (giá trị P) tơng ứng của các giá trị đó ở các bậc tự do khác
nhau.Giá trị P sẽ chỉ ra xác suất trị số quan sát đợc xảy ra là do các yếu tố may rủi,
có nghĩa là không có sự kết hợp thạt sự giữa phơi nhiễm và bệnh, có ngĩa là H
0
đúng. Giá trị của ý nghĩa thống kê càng lớn, giá tri P càng nhỏ. Ngỡng của giá tri
P xác định sự kết hợp có ý nghĩa thống kê là không cố định và tùy thuộc vào tng
lĩnh vực nghiên cứu. Trong các nghiên cứu y ngời ta thờng lấy ngỡng là 0,05. Nếu
giá tri P nhỏ hơn hay bằng 0,05, có nghĩa rằng 5% các kết hợp quan sát đợc có giá
trị lớn hơn kết qủa của nghiên cứu là do may rủi và rằng có sự kết hợp giữa phơi
nhiễm và bệnh., và may rủi không đóng vai trò trong nghiên cứu. Do đó chúng ta
bác bỏ giả thuyết H
0
và kết luận rằng có sự kết hợp có ý nghĩa thống kê giữa phơi
nhiễm và bệnh. Tơng tự, nếu giá trị P lớn hơn 0,05 (P>0,05), may rủi không bị lọai
trừ là có ảnh hởng đến kết qủa nghiên cứu, giả thuyết H
0
không bị bác bỏ, chúng
ta kết luận rằng sự khác biệt là không có ý nghĩa thống kê ở ngỡng xác suất đó.
Việc lựa chọn trắc nghiệm thống kê phụ thuộc vào giả thuyết nghiên cứu cùng nh
đặc tính của số liệu thu thập đợc trong nghiên cứu. Nhìn chung, trong các nghiên
cứu y học, trắc nghiệm t dùng cho các biến liên tục, trắc nghiệm
2
dùng cho các
biến rời rạc
1.4. Ước lợng khoảng tin cậy
Trong các trắc nghiệm thống kê, giá trị P có chức năng phản ánh 2 yếu tố: Mức độ
khác nhau giữa các nhóm hay độ mạnh của sự kết hợp, và cỡ mẫu. Ngay cả khi sự
khác biệt nhỏ cũng có thể có ý nghĩa thống kê, có thể là do may rủi, nếu cỡ mẫu
lớn. Ngợc lại, sự khác biệt lớn giữa các nhóm so sánh có thể không có ý nghĩa
thống kê, nếu có sự biến thiên mẫu do cỡ mẫu nhỏ. Do đó giá trị P phải đợc coi nh
là chỉ dẫn cho hành động hơn là một sự áp dụng máy móc và cứng nhắc đẻ đua ra
kết luận về ảnh hởng của một yếu tố.
Trong các báo cáo bao giờ cũng nên ghi lại giá trị P của kết hợp bên cạnh kết quả,
chứ không đơn thuần chỉ nêu là kết qủa có hay không có ý nghĩa thống kê ở một
ngỡng xác suất nào đó. Thí dụ trong hai kết quả nghiên với P = 0,6 và P = 0,06 thì
cả hai giá trị đó đều không đạt ý nghĩa thống kê ở mức qui định P=0,05. Tuy nhiên
giá trị P= 0,06 là rất gần đạt ý nghĩa thống kê và có thể sẽ có ý nghĩa thống kê nếu
cỡ mẫu nghiên cứu lớn hơn. Để khẳng định kết luận, cần tiếp tục làm một
nghiên cứu khác với cỡ mẫu thích hợp.
Để khắc phục những khó khăn nảy sinh vì giá trị P phản ánh cả độ lớn của sự khác
biệt giữa các nhóm (độ mạnh của kết hợp ) cả độ lớn của cỡ mẫu, một chỉ số đánh
giá tốt hơn vai trò của may rủi là khoảng tin cậy của kết quả nghiên cứu. Khoảng
tin cậy (confidence interval: CI) biểu thị một khoảng số trong đó trị số thật của kết
quả chắc chắn sẽ rơi vào nội trong khoảng này. Ví dụ, trong việc đánh giá sự kết
hợp giữa ung th bàng quang và hút thuốc lá ở nam giới, thay vì chỉ báo cáo rằng
những ngời hút thuốc lá có nguy cơ cao có ý nghĩa thống kê (RR=1,9) mắc ung th
bàng quang so với ngờ không hút thuốc lá, ngời ta cũng trình bày khoảng tin cậy
95% của nguy cơ tơng đối là 1,3-2,8. Điều đó có nghĩa là ớc lợng tốt nhất của sự
kết hợp giữa hút thuốc lá và ung th bàng quang là 1,9, tuy nhiên chúng ta 95% tin
rằng nguy cơ tơng đối thật không nhỏ hơn 1,3 và không lớn hơn 2,8.
Khoảng tin cậy có thể cung cấp tất cả những thông tin về giá tri P liên quan tới kết
luận rằng liệu có sự kết hợp có ý nghĩa thống kê ở một ngỡng xác suất nào
đó.Ngòai ra, khỏang tin cậy phản ánh mức độ biến thiên của giá trị ớc lợng và ảnh
hởng của cỡ mẫu. Cỡ mẫu càng lớn, ớc lợng càng ổn định, và khỏang tin cậy càng
hẹp. Khoảng tin cậy càng lớn, độ biến thiên của ớc lợng càng lớn, và cỡ mẫu càng
nhỏ. Thông tin do khỏang tin cậy cung cấp là rất quan trọng khi phiên giải kết qủa
nghiên cứu khi nó không có ý nghĩa thống kê. Một khỏang tin cậy hẹp sẽ hỗ trợ
cho kết luận rằng không có sự tăng nguy cơ thật sự, trái lại khỏang tin cậy rộng gợi
ý rằng số liệu có thể nói lên có nguy cơ tăng lên (hay giảm đi) thực sự, nhng cỡ
mẫu không đủ để đạt lực thống kê để loại trừ may rủi. Do đó, giá trị P và khỏang
tin cậy cùng cung cấp thông tin về may rủi.
1.5 Phiên giải kết qủa của trắc nghiệm thống kê.
Có nhiều vấn đề chúng ta phải chú ý đên khi phiên giải kết qủa của trắc nghiệm
thống kê. Trớc hết, không đợc áp dụng máy móc và cứng nhắc giá trị P trong việc
đánh giá vai trò của may rủi, mà nó chỉ là chỉ dẫn về khả năng may rủi ảnh hởng
đến kết quả nghiên cứu. Giá trị P dù nhỏ cũng không thể lọai trừ hòan tòan may
rủi. Ngay cả khi giá trị P là 0,0001, có nghĩa là xác suất không có sự kết hợp giữa
phơi nhiễm và bệnh là do may rủi và là 1/1000.
Thứ hai là, ý nghĩa thống kê về sự kết hợp giữa phơi nhiễm và bệnh phải đợc phân
biệt ý nghĩa sinh học hay lâm sàng. Ngay cả khi sự khác biệt là rất nhỏ và không
có ý nghĩa lâm sàng, nó có thể vẫn có ý nghĩa thông kê, mà không phải là do may
rủi, nếu cỡ mẫu lớn. Ngợc lại, sự khác biệt lớn và có ý nghĩa lâm sàng có thể
không đạt ý nghĩa thống kê nếu cỡ mẫu nhỏ.
Thứ ba là, ngời nghiên cứu thờng thu thập số liệu về nhiều yếu tố nguy cơ tiềm
tàng quan trọng. Trong những trờng hợp đó, ngời ta tiến hành nhiều trắc nghiệm
thống kê để xác định xem có biến số nào có sự kết hợp có ý nghĩa thống kê với
bệnh. Tuy nhiên khi số biến số đợc trắc nghiệm tăng lên, có khả năng rằng sự khác
biệt có ý nghĩa thống kê đó chỉ là do may rủi. Khi đó, bất kỳ một kết hợp có ý
nghĩa thống kê nào cũng phải đợc phân tích và giải thích một cách thận trọng.
Cuối cùng cần luôn nhớ rằng ý nghĩa thống kê và khỏang tin cậy chỉ đánh giá
vai trò của may rủi ảnh hởng đến sự kết hợp giữa phơi nhiễm và bệnh. Khi tính
tóan giá trị P và khỏang tin cậy có thể dẫn đên kết luận rằng may rủi không ảnh h-
ởng đến kết qủa, nhng nó hoàn toàn không cung cấp thông tin về ảnh hởng của các
sai số hệ thống và nhiễu đến sự kết hợp. Tất cả ba yếu tố này cần đợc xem xét
khi phiên giải kết qủa của bất kỳ một nghiên cứu nào.
1.6. Các loại sai số trong kiểm định giả thuyết
Trong khi lập kế họach nghiên cứu, ngời nghiên cứu luôn tự hỏi rằng, cỡ mẫu
nghiên cứu phải là bao nhiêu để phát hiện ảnh hởng có ý nghĩa thống kê.(cỡ
mẫu). Nếu chỉ nghiên cứu trên một nhóm nhỏ các cá thể, xác suất phát hiện ảnh h-
ởng có ý nghĩa thống kê trong nhóm các thể đó là bao nhiêu nếu ảnh hởng đó là có
thật (lực mẫu). Ngợc lại với kiểm tra giả thuyết là dựa trên giả định rằng giả thuyết
H
0
là đúng, trong việc tính tóan cỡ mẫu và lực mẫu, ngời ta bắt đầu với giả định
rằng giả thuyết H
0
là sai.
Trên cơ sở của của các số liệu thu thập đợc, chúng ta có thể kết luận là chấp nhận
hay bác bỏ giả thuyết H
0.
Có hai quyết định và mỗi quyết định sẽ có hai khả năng
có thể xảy. Những khả năng này sẽ đợc trình bày trong bảng dới đây:
Bảng 1: Ma trận các loại sai lầm trong kiểm định giả thuyết
Kết quả kiểm định
thống kê
Trên thực tế
Giả thuyết H
0
đúng Giả thuyết H
1
đúng
Chấp nhận giả thuyết H
0
(không có ý nghĩa thống
kê)
Bác bỏ giả thuyết H
0
(có ý
nghĩa thống kê)
Đúng: Giả thuyết H
0
đúng và chúng ta Chấp
nhận giả thuyết H
0.
Sai số loại I hay sai số :
Giả thuyết H
0
đúng và
chúng ta bác bỏ giả
thuyết H
0
Sai sô lọai II hay sai số
: Giả thuyết H
1
đúng
và chúng ta Chấp nhận
giả thuyết H
0
Đúng: Giả thuyết H
1
đúng và chúng ta bác
bỏ giả thuyết H
0.
Nếu chúng ta bác bỏ giả thuyết H
0
khi giả thuyết H
1
đúng, hay nếu chúng ta
không bác bỏ H
0
khi H
0
đúng, thì trong những trờng hợp đó, sai số sẽ xảy ra. Có 2
loại tình huống xảy ra sai số trong việc chấp nhận hay bác bỏ giả thuyết H
0
. Sai số
lọai I xảy ra khi giả thuyết H
0
bị bác bỏ nhng trên thực tế nó đúng. Xác suất mắc
sai số lọai I (sai số ) tơng đơng với giá trị P. Ví dụ mức anpha là 0,05 chỉ ra rằng
khả năng chúng ta bác bỏ sai giả thuyết H
0
là 5% hay P=0,05. Ngợc lại, sai số lọai
II là sự chấp nhận giả thuyết H
0
khi thực tế là đúng và có sự khác nhau thật sự giữa
các nhóm nghiên cứu. Khả năng mắc sai số lọai II còn gọi là sai số bê ta (). Lực
mẫu đợc định nghĩa là khả năng bác bỏ giả thuyết H
0
và kết luận rằng có sự khác
nhau có y nghĩa thống kê giữa các nhóm nghiên cứu nếu sự khác nhau đó là có
thực, và là bằng 1- . Do đó nếu bêta là 0,20 có nghĩa là có khả năng 20% mắc sai
số lọai II và thất bại trong việc bác bỏ giả thuyết H
0
, và H
1
là đúng, thì lực mẫu sẽ
là 1-0,20=0,80. Điều này có nghĩa là khả năng phát hiện sự khác nhau giữa hai
nhóm nếu sự khác nhau đó tồn tại là 80%.
2. Sai số hệ thống
Sai chệch (bias) còn gọi là sai số hệ thống là bất kỳ sai số nào trong quá trình
nghiên cứu làm sai lệch ớc lợng sự kết hợp giữa phơi nhiễm và bệnh nh cách chọn
ngời vào nghiên cứu, cách thu nhập thông tin, ghi chép, tập hợp và phiên giải các
thông tin đó.
Khác với sai số ngẫu nhiên và nhiễu đợc đánh giá về lợng, ảnh hởng của các sai số
hệ thống là rất khó đánh giá, thậm chí là không thể đánh giá đợc khi phân tích kết
qủa nghiên cứu. Cho nên một việc rất quan trọng khi thiết kế và tiến hành thực thi
nghiên cứu là làm sao lờng trớc đợc các sai số hệ thống có thể nảy sinh và tiến
hành các bớc để hạn chế chúng. Điều đó có nghĩa là, khác với sai số ngẫu nhiên và
nhiễu, hậu quả của sai số hệ thống là không thể điều chỉnh đợc mỗi khi đã hoàn
thành kết quả của nghiên cứu. Tuy nhiên, dù có lờng trớc ở trong mọi khâu của quá
trình nghiên cứu, sai số hệ thống vẫn có thể xảy ra, mặc dù ở một mức thấp. Cho
nên trong quá trình phiên giải kết quả nghiên cứu ta vẫn phải coi trọng việc đánh
giá vai trò của các sai số hệ thống đó, cũng nh xác định chiều hớng và mức độ ảnh
hởng của chúng đến kết quả nghiên cứu.
2.1. Các loại sai số hệ thống
Có nhiều cách phân loại và gọi tên các loại sai số hệ thống làm sai lệch ớc lợng của
kết hợp quan sát đợc giữa yếu tố nguy cơ và bênh trạng tuỳ theo lọai nghiên cứu.
Có một cách phân lọai đơn giản, đó là gộp lại thành hai nhóm chung nhất và trong
mỗi nhóm có những thể loại sai số hệ thống có thể xảy ra :
- Sai số chọn : bao gồm tất cả bất kỳ sai số nào nảy sinh trong quá trình xác định
các cá thể trong nghiên cứu.
- Sai số quan sát (hay sai số thông tin) : bao gồm mọi sai số xuất hiện trong quá
trình thu thập thông tin cả về yếu tố phơi nhiễm cả về bệnh trạng nghiên cứu.
2.1.1. Sai số chọn
Sai số chọn sẽ có thể nảy sinh khi việc xác định những cá thể là đối tơng nghiên
cứu vào trong các nhóm nghiên cứu, dựa trên phôi nhiễm (trong nghiên cứu thuần
tập) hay dựa trên bệnh (nghiên cứu bệnh chứng). Nói một cách khác, nếu trong
nghiên cứu bệnh chứng, sự lựa chọn các trờng hợp bệnh và đối chứng dựa trên
những tiêu chuẩn khác nhau, có liên quan ảnh hởng đến tình trạng phôi nhiễm thì
sai số hệ thống sẽ nảy sinh. Tơng tự nh thế, trong nghiên cứu thuần tập, nếu chọn
các cá thể có phơi nhiễm và không phơi nhiễm có liên quan đến hậu qủa bệnh thì
sai số chọn sẽ nảy sinh.
Sai số chọn có tầm quan trọng đặc biệt trong các nghiên cứ bệnh chứng và nghiên
- Độ mạnh của kết hợp: biểu hiện bẳng tỉ suất các tỉ lệ bệnh ở nhóm có phơi nhiễm
với yếu tố nguyên nhân giả thiết, với tỉ lệ bệnh ở nhóm không phơi nhiễm, nghĩa là
trị số của nguy cơ tơng đối. Tỉ suất này càng lớn, thì yếu tố càng có tính nguyên
nhân lớn.
- Quan hệ đáp ứng: quan hệ nguyên nhân càng mạnh khi hiệu quả liều đáp ứng đợc
chứng minh: đó là tăng mức phơi nhiễm với yếu tố, thì thấy một sự gia tăng tơng
ứng của bệnh.
- Tính ổn định của kết hợp: kết hợp này vững bền ở những trờng hợp khác, với
quần thể nghiên cứu khác, và với các nghiên cứu phơng pháp khác. Kết hợp càng
ổn định thì càng có nhiều khả năng có bản chất nguyên nhân. Tuy nhiên, cần tránh
một điều là nếu các nghiên cứu khác nhau đều có tình trạng cùng có sai số hệ
thống thì vẫn có thể là kết hợp giả tạo.
- Quan hệ thời gian đáp ứng: phơi nhiễm tất nhiên là phải xẩy ra trớc bệnh. Đôi khi
có thể dễ xác định, nh các vụ dịch do thức ăn, còn đối với các bệnh mạn tính thờng
khó hơn nhiều, đặc biệt là đối với những bệnh có thời kỳ tiềm tàng dài.
- Tính đặc hiệu của kết hợp: lý tởng nhất là quan hệ với một, trong đó yếu tố
nguyên nhân vừa là điều kiện cần vừa phải là điều kiện đủ. Thí dụ angiosarcoma
gan do Vinyl chloride .
- Phù hợp với những kiến thức hiện thời hiện có, tức là tính tin cậy sinh học.
- Cân nhắc đến nhữnggiả thuyết hay giải thích khác
- Bệnh giảm khi ngừng phơi nhiễm
- Phù hợp với các số liệu hay thông tin khác
Hình 7: Sơ đồ các bớc phiên giải kết qủa của một nghiên cứu dịch tễ học
Kết hợp thống kê
Không
Không phảI là yếu tố
căn nguyên
Sai số
Ngẫu nhiên, hệ thống và nhiễu
Có Kết hợp là giả tạo
áp dụng 9 tiêu chuẩn
Không đủ
Kết hợp không căn
nguyên
Kết hợp căn nguyên
6. Ví dụ về suy luận kết hợp căn nguyên từ các kết quả nghiên cứu
dịch tễ học
6.1. Kết hợp giữa hút thuốc lá với ung th phổi
ở nớc Anh, và sau đó là ở Mỹ, ngời ta bắt đầu nhận thấy tỉ lệ chết vì ung th phổi
gia tăng rất nhanh chóng trong thế kỷ này. Sự kiện đó đợc nhận thấy trùng hợp với
sự việc diễn ra tơng tự từ vài chục năm trớc đó, là tỉ lệ hút thuốc ở nam giới tăng
lên dữ dội. Nhiều nghiên cứu mô tả theo các đặc trng về con ngời, không gian và
thời gian đều đã xác định xu hớng tăng trội này, nhng phải mãi đến những năm 50,
mới hé ra đợc vai trò của thuốc lá đối với căn nguyên của ung th phổi. Một trong
những công trình đầu tiên về giả thuyết này đợc tiến hành ở Anh bởi Richard Doll
và Austin Bradford Hill nhằm kiểm định giả thuyết trên và đợc công bố vào năm
1950, đã trở thành một khung mẫu của nghiên cứu dịch tễ học trong kiểm định một
giả thuyết nhân - quả.
Doll và Hill đã tiến hành một thiết kế nghiên cứu bệnh - chứng trên 709 ngời mắc
ung th phổi nằm điều trị ở 20 bệnh viện ở Luân Đôn làm nhóm chủ cứu, gồm 649
nam và 60 nữ, đồng thời tìm kiếm để ghép cặp theo tuổi và giới của từng ngời bệnh
trong nhóm chủ cứu, gồm 649 nam và 60 nữ, đồng thời tìm kiếm để ghép cặp theo
tuổi và giới với từng ngời bệnh trong nhóm chủ cứu, gồm 709 ngời làm nhóm đối
chứng, những ngời ở trong nhóm đối chứng này là những ngời mắc một bệnh khác
(không phải là ung th phổi) nằm điều trị ở các bệnh viện kể trên.
Tất cả mọi ngời (709 ngời mắc ung th phổi trong nhóm chủ cứu và 709 ngời không
mắc ung th phổi trong nhóm đối chứng có ghép cặp) đều đợc khai thác chi tiết và
chính xác về lịch sử hút thuốc của từng ngời, bao gồm: có hay không hút, tuổi bắt
đầu hút, lợng điếu thuốc đã hút lợng thuốc hút nhiều nhất trớc khi xuất hiện bệnh,
có hít sâu vào phổi hay không, và tất cả mọi chi tiết cùng với mọi sự thay đổi khác
về lịch sử hút thuốc của họ.
Bảng 2: Số liệu về hút thuốc lá và ung th phổi của Doll và Hill.
Hút thuốc
Có Không
Ung th phổi
Nam
Có
Khôn
g
647 (99,7%)
622 (95,8%)
2 (0,3%)
27 (4,2%)
Nữ
Có
Khôn
g
41 (68,3%)
28 (46,7%)
19 (31,7%)
32 (53,3%)
Phân tích sơ bộ cũng thấy:
ở Nam: Tỉ lệ ngời không hút thuốc bao giờ mà bị mắc rất thấp so với tỉ lệ ngời
không hút bao giờ ở nhóm đối chứng (0,3% so với 4,2% với P = 0,000 000 64).
ở Nữ: mặc dầu vấn đề hút thuốc không phổ biến, nhng tỉ lệ không hút thuốc mà
mắc cũng thấp hơn hẳn ở nhóm đối chứng (31,7% so với 53,3% với P = 0,016).
Sau đó, những khai thác đợc tiến hành nh về số lợng điếu thuốc đã hút thấy ở nhóm
mắc ung th phổi có một tỉ lệ rất cao những ngời hút nhiều: 26% ở nam và 14,6% ở
nữ khai là đã hút từ 25 điếu trở lên mỗi ngày, trong khi đó ở nhóm đối chứng chỉ có
13,5% ở nam là hút đến mức đó và không có ai trong số nữ hút đến mức đó. Nhiều
sự khác biệt khác tơng tự cũng đợc khai thác: nh nhóm ngời bệnh ung th phổi hình
nh có tuổi bắt đầu hút thấp hơn (hút từ ngày còn trẻ hơn) tiếp tục hút lâu hơn, và
cai thuốc không thờng xuyên hơn ở nhóm đối chứng, mặc dầu sự khác biệt đó
không có ý nghĩa thống kê.
Tất cả những kết quả đó đã cho phép các tác giả nhận định rằng có một kết hợp d-
ơng tính mạnh mẽ giữa hút thuốc và ung th phổi.
Để xác định kết quả nghiên cứu có giá trị hay không, các tác giả đã chú trọng xem
xét trên 3 khía cạnh:
Do Drive thay đổi chính sách, nên một số link cũ yêu cầu duyệt download. các bạn chỉ cần làm theo hướng dẫn.
Password giải nén nếu cần: ket-noi.com | Bấm trực tiếp vào Link để tải:
Bài 8: Các loại sai số trong nghiên cứu dịch tễ học.
Mục tiêu học tập
Sau khi học xong bài này, sinh viên có khả năng:
1. Trình bày đợc định nghĩa, phân loại và cách khống chế sai số ngẫu nhiên.
2. Trình bày đợc định nghĩa, phân loại và cách khống chế sai số hệ thống
3. Trình bày đợc định nghĩa và cách khống chế yếu tố nhiễu
1. Sai số ngẫu nhiên và vai trò của các yếu tố may rủi
1.1. Định nghĩa
Trong nghiên cứu, xác định tính giá trị của kết qủa nghiên cứu là một công việc
rất quan trọng. Đó là việc cân nhắc xem kết qủa có phải là do ảnh hởng của yếu tố
may rủi, sai số hệ thống hay nhiễu hay không. Sai số ngẫu nhiên là do các yếu tố
may rủi gây nên. Nội dung của việc đánh giá vai trò của may rủi là:
Kiểm định giả thuyết, tức là tiến hành một trẵc nghiện thống kê để xác định
liệu biến nghiên cứu của mẫu có thể đợc coi là một giải thích phù hợp của kết
quả quan sát .
Ước lợng một khoảng tin cậy, tức là xác định một khoảng dao động nào đó, mà
trong đó ớc lợng thật của kết quả sẽ rơi vào khoảng đó với một độ tin cậy nhất
định .
1.2. Khái niệm suy luận
Để hiểu đợc tại sao phải đánh giá vai trò của may rủi, trớc hết chúng ta phải tìm
hiểu khái niệm suy luận kết qủa. Đó là việc khái quát hóa kết qủa nghiên cứu từ
một mẫu nhỏ cho một quần thể lớn hơn Khi đó, luôn có một khả năng là sự suy
luận đó là không chính xác, là do may rủi hay do biến thiên mẫu. Khả năng sai số
này sẽ giảm đi khi cỡ mẫu nghiên cứu tăng lên. Ví dụ, giả sử chúng ta có một cái
túi có 100 hòn đá cẩm thạch, một nửa đỏ và một nửa xanh, chúng ta muốn suy luận
tỷ lệ của các lọai đá màu bằng cách nghiên cứu một mẫu nhỏ. Nếu chúng ta lấy ra
2 viên, sẽ có khả năng là một phần t (1/2)
2
là cả hai viên đá là màu xanh. Điều đó
có nghĩa là 25% chúng ta sẽ kết luận sai răng tất cả các viên đá có màu xanh dụa
trên kết qủa cỡ mẫu nghiên cứu là 2, trong khi đó trên thực tế, một nửa số đá là
màu xanh. Nếu chúng ta rút ra 5 viên đá, khả năng cả 5 viên đá đều là màu xanh
là 3 phần 100 (1/2)
5
. Do đô khi cỡ mẫu tăng lên, khả năng suy luận sai từ kết qủa
mẫu nghiên cứu sẽ giảm đi.
Tơng tự nh vậy trong dịch tễ học, các nhà nghiên cứu ít khi nghiên cứu tất cả các
cá thể của một quần thể mà thờng nghiên cứu một mẫu, đo lờng sự kết hợp giữa
một phơi nhiễm và bệnh và từ đó suy luận cho quần thể. Ví dụ, trong một nghiên
cứu bệnh chứng về mức độ kết hợp giữa bệnh béo phì và nhồi máu cơ tim, ngời ta
không thể đo chiều cao và cân nặng của tất cả mọi ngời trong cộng đồng, kể cả có
hay không có nhồi máu cơ tim. Thông thờng, ngời ta chọn một mẫu những ngời bị
bệnh và không bị bệnh nhồi máu cơ tim, rồi đo chiều cao và cân nặng của họ, sau
đó so sánh 2 nhóm ngời đó. Giống nh ví dụ về các viên đá nêu ở trên, luôn có một
khả năng rằng kết qủa ớc lợng sẽ khác với mức độ kết hợp thật giữa béo phì và
nhồi máu cơ tim do may rủi hay do biến thiên mãu. Cỡ mẫu càng nhỏ thì độ biến
thiên của ớc lợng càng lớn và càng ít có khả năng rằng két qủa sẽ phản ánh đúng
tình trạng của tòan bộ quần thể. Ngợc lại, cỡ mẫu nghiên cứu càng lớn, độ biến
thiên càng nhỏ và suy luận càng đáng tin cậy. Trong mọi trờng hợp, vai trò của
may rủi phải đơc đề cập đến khi đánh giá tính giá trị của các kết qủa nghiên cứu.
1.3. Kiểm định giả thuyết
Kiểm định giả thuyết là tiến hành một trắc nghiệm thống kê và xác định mức độ
biến thiên mẫu ảnh hởng đến kết qủa nghiên cứu.
Sau khi đã tính đợc các giá trị của các trắc nhiệm thống kê , chúng ta sẽ dựa vào
các bảng tính sẵn các giá trị của từng trắc nghiệm (thí dụ bảng
2
, bảng t) để tra
tìm ý nghĩa xác suất (giá trị P) tơng ứng của các giá trị đó ở các bậc tự do khác
nhau.Giá trị P sẽ chỉ ra xác suất trị số quan sát đợc xảy ra là do các yếu tố may rủi,
có nghĩa là không có sự kết hợp thạt sự giữa phơi nhiễm và bệnh, có ngĩa là H
0
đúng. Giá trị của ý nghĩa thống kê càng lớn, giá tri P càng nhỏ. Ngỡng của giá tri
P xác định sự kết hợp có ý nghĩa thống kê là không cố định và tùy thuộc vào tng
lĩnh vực nghiên cứu. Trong các nghiên cứu y ngời ta thờng lấy ngỡng là 0,05. Nếu
giá tri P nhỏ hơn hay bằng 0,05, có nghĩa rằng 5% các kết hợp quan sát đợc có giá
trị lớn hơn kết qủa của nghiên cứu là do may rủi và rằng có sự kết hợp giữa phơi
nhiễm và bệnh., và may rủi không đóng vai trò trong nghiên cứu. Do đó chúng ta
bác bỏ giả thuyết H
0
và kết luận rằng có sự kết hợp có ý nghĩa thống kê giữa phơi
nhiễm và bệnh. Tơng tự, nếu giá trị P lớn hơn 0,05 (P>0,05), may rủi không bị lọai
trừ là có ảnh hởng đến kết qủa nghiên cứu, giả thuyết H
0
không bị bác bỏ, chúng
ta kết luận rằng sự khác biệt là không có ý nghĩa thống kê ở ngỡng xác suất đó.
Việc lựa chọn trắc nghiệm thống kê phụ thuộc vào giả thuyết nghiên cứu cùng nh
đặc tính của số liệu thu thập đợc trong nghiên cứu. Nhìn chung, trong các nghiên
cứu y học, trắc nghiệm t dùng cho các biến liên tục, trắc nghiệm
2
dùng cho các
biến rời rạc
1.4. Ước lợng khoảng tin cậy
Trong các trắc nghiệm thống kê, giá trị P có chức năng phản ánh 2 yếu tố: Mức độ
khác nhau giữa các nhóm hay độ mạnh của sự kết hợp, và cỡ mẫu. Ngay cả khi sự
khác biệt nhỏ cũng có thể có ý nghĩa thống kê, có thể là do may rủi, nếu cỡ mẫu
lớn. Ngợc lại, sự khác biệt lớn giữa các nhóm so sánh có thể không có ý nghĩa
thống kê, nếu có sự biến thiên mẫu do cỡ mẫu nhỏ. Do đó giá trị P phải đợc coi nh
là chỉ dẫn cho hành động hơn là một sự áp dụng máy móc và cứng nhắc đẻ đua ra
kết luận về ảnh hởng của một yếu tố.
Trong các báo cáo bao giờ cũng nên ghi lại giá trị P của kết hợp bên cạnh kết quả,
chứ không đơn thuần chỉ nêu là kết qủa có hay không có ý nghĩa thống kê ở một
ngỡng xác suất nào đó. Thí dụ trong hai kết quả nghiên với P = 0,6 và P = 0,06 thì
cả hai giá trị đó đều không đạt ý nghĩa thống kê ở mức qui định P=0,05. Tuy nhiên
giá trị P= 0,06 là rất gần đạt ý nghĩa thống kê và có thể sẽ có ý nghĩa thống kê nếu
cỡ mẫu nghiên cứu lớn hơn. Để khẳng định kết luận, cần tiếp tục làm một
nghiên cứu khác với cỡ mẫu thích hợp.
Để khắc phục những khó khăn nảy sinh vì giá trị P phản ánh cả độ lớn của sự khác
biệt giữa các nhóm (độ mạnh của kết hợp ) cả độ lớn của cỡ mẫu, một chỉ số đánh
giá tốt hơn vai trò của may rủi là khoảng tin cậy của kết quả nghiên cứu. Khoảng
tin cậy (confidence interval: CI) biểu thị một khoảng số trong đó trị số thật của kết
quả chắc chắn sẽ rơi vào nội trong khoảng này. Ví dụ, trong việc đánh giá sự kết
hợp giữa ung th bàng quang và hút thuốc lá ở nam giới, thay vì chỉ báo cáo rằng
những ngời hút thuốc lá có nguy cơ cao có ý nghĩa thống kê (RR=1,9) mắc ung th
bàng quang so với ngờ không hút thuốc lá, ngời ta cũng trình bày khoảng tin cậy
95% của nguy cơ tơng đối là 1,3-2,8. Điều đó có nghĩa là ớc lợng tốt nhất của sự
kết hợp giữa hút thuốc lá và ung th bàng quang là 1,9, tuy nhiên chúng ta 95% tin
rằng nguy cơ tơng đối thật không nhỏ hơn 1,3 và không lớn hơn 2,8.
Khoảng tin cậy có thể cung cấp tất cả những thông tin về giá tri P liên quan tới kết
luận rằng liệu có sự kết hợp có ý nghĩa thống kê ở một ngỡng xác suất nào
đó.Ngòai ra, khỏang tin cậy phản ánh mức độ biến thiên của giá trị ớc lợng và ảnh
hởng của cỡ mẫu. Cỡ mẫu càng lớn, ớc lợng càng ổn định, và khỏang tin cậy càng
hẹp. Khoảng tin cậy càng lớn, độ biến thiên của ớc lợng càng lớn, và cỡ mẫu càng
nhỏ. Thông tin do khỏang tin cậy cung cấp là rất quan trọng khi phiên giải kết qủa
nghiên cứu khi nó không có ý nghĩa thống kê. Một khỏang tin cậy hẹp sẽ hỗ trợ
cho kết luận rằng không có sự tăng nguy cơ thật sự, trái lại khỏang tin cậy rộng gợi
ý rằng số liệu có thể nói lên có nguy cơ tăng lên (hay giảm đi) thực sự, nhng cỡ
mẫu không đủ để đạt lực thống kê để loại trừ may rủi. Do đó, giá trị P và khỏang
tin cậy cùng cung cấp thông tin về may rủi.
1.5 Phiên giải kết qủa của trắc nghiệm thống kê.
Có nhiều vấn đề chúng ta phải chú ý đên khi phiên giải kết qủa của trắc nghiệm
thống kê. Trớc hết, không đợc áp dụng máy móc và cứng nhắc giá trị P trong việc
đánh giá vai trò của may rủi, mà nó chỉ là chỉ dẫn về khả năng may rủi ảnh hởng
đến kết quả nghiên cứu. Giá trị P dù nhỏ cũng không thể lọai trừ hòan tòan may
rủi. Ngay cả khi giá trị P là 0,0001, có nghĩa là xác suất không có sự kết hợp giữa
phơi nhiễm và bệnh là do may rủi và là 1/1000.
Thứ hai là, ý nghĩa thống kê về sự kết hợp giữa phơi nhiễm và bệnh phải đợc phân
biệt ý nghĩa sinh học hay lâm sàng. Ngay cả khi sự khác biệt là rất nhỏ và không
có ý nghĩa lâm sàng, nó có thể vẫn có ý nghĩa thông kê, mà không phải là do may
rủi, nếu cỡ mẫu lớn. Ngợc lại, sự khác biệt lớn và có ý nghĩa lâm sàng có thể
không đạt ý nghĩa thống kê nếu cỡ mẫu nhỏ.
Thứ ba là, ngời nghiên cứu thờng thu thập số liệu về nhiều yếu tố nguy cơ tiềm
tàng quan trọng. Trong những trờng hợp đó, ngời ta tiến hành nhiều trắc nghiệm
thống kê để xác định xem có biến số nào có sự kết hợp có ý nghĩa thống kê với
bệnh. Tuy nhiên khi số biến số đợc trắc nghiệm tăng lên, có khả năng rằng sự khác
biệt có ý nghĩa thống kê đó chỉ là do may rủi. Khi đó, bất kỳ một kết hợp có ý
nghĩa thống kê nào cũng phải đợc phân tích và giải thích một cách thận trọng.
Cuối cùng cần luôn nhớ rằng ý nghĩa thống kê và khỏang tin cậy chỉ đánh giá
vai trò của may rủi ảnh hởng đến sự kết hợp giữa phơi nhiễm và bệnh. Khi tính
tóan giá trị P và khỏang tin cậy có thể dẫn đên kết luận rằng may rủi không ảnh h-
ởng đến kết qủa, nhng nó hoàn toàn không cung cấp thông tin về ảnh hởng của các
sai số hệ thống và nhiễu đến sự kết hợp. Tất cả ba yếu tố này cần đợc xem xét
khi phiên giải kết qủa của bất kỳ một nghiên cứu nào.
1.6. Các loại sai số trong kiểm định giả thuyết
Trong khi lập kế họach nghiên cứu, ngời nghiên cứu luôn tự hỏi rằng, cỡ mẫu
nghiên cứu phải là bao nhiêu để phát hiện ảnh hởng có ý nghĩa thống kê.(cỡ
mẫu). Nếu chỉ nghiên cứu trên một nhóm nhỏ các cá thể, xác suất phát hiện ảnh h-
ởng có ý nghĩa thống kê trong nhóm các thể đó là bao nhiêu nếu ảnh hởng đó là có
thật (lực mẫu). Ngợc lại với kiểm tra giả thuyết là dựa trên giả định rằng giả thuyết
H
0
là đúng, trong việc tính tóan cỡ mẫu và lực mẫu, ngời ta bắt đầu với giả định
rằng giả thuyết H
0
là sai.
Trên cơ sở của của các số liệu thu thập đợc, chúng ta có thể kết luận là chấp nhận
hay bác bỏ giả thuyết H
0.
Có hai quyết định và mỗi quyết định sẽ có hai khả năng
có thể xảy. Những khả năng này sẽ đợc trình bày trong bảng dới đây:
Bảng 1: Ma trận các loại sai lầm trong kiểm định giả thuyết
Kết quả kiểm định
thống kê
Trên thực tế
Giả thuyết H
0
đúng Giả thuyết H
1
đúng
Chấp nhận giả thuyết H
0
(không có ý nghĩa thống
kê)
Bác bỏ giả thuyết H
0
(có ý
nghĩa thống kê)
Đúng: Giả thuyết H
0
đúng và chúng ta Chấp
nhận giả thuyết H
0.
Sai số loại I hay sai số :
Giả thuyết H
0
đúng và
chúng ta bác bỏ giả
thuyết H
0
Sai sô lọai II hay sai số
: Giả thuyết H
1
đúng
và chúng ta Chấp nhận
giả thuyết H
0
Đúng: Giả thuyết H
1
đúng và chúng ta bác
bỏ giả thuyết H
0.
Nếu chúng ta bác bỏ giả thuyết H
0
khi giả thuyết H
1
đúng, hay nếu chúng ta
không bác bỏ H
0
khi H
0
đúng, thì trong những trờng hợp đó, sai số sẽ xảy ra. Có 2
loại tình huống xảy ra sai số trong việc chấp nhận hay bác bỏ giả thuyết H
0
. Sai số
lọai I xảy ra khi giả thuyết H
0
bị bác bỏ nhng trên thực tế nó đúng. Xác suất mắc
sai số lọai I (sai số ) tơng đơng với giá trị P. Ví dụ mức anpha là 0,05 chỉ ra rằng
khả năng chúng ta bác bỏ sai giả thuyết H
0
là 5% hay P=0,05. Ngợc lại, sai số lọai
II là sự chấp nhận giả thuyết H
0
khi thực tế là đúng và có sự khác nhau thật sự giữa
các nhóm nghiên cứu. Khả năng mắc sai số lọai II còn gọi là sai số bê ta (). Lực
mẫu đợc định nghĩa là khả năng bác bỏ giả thuyết H
0
và kết luận rằng có sự khác
nhau có y nghĩa thống kê giữa các nhóm nghiên cứu nếu sự khác nhau đó là có
thực, và là bằng 1- . Do đó nếu bêta là 0,20 có nghĩa là có khả năng 20% mắc sai
số lọai II và thất bại trong việc bác bỏ giả thuyết H
0
, và H
1
là đúng, thì lực mẫu sẽ
là 1-0,20=0,80. Điều này có nghĩa là khả năng phát hiện sự khác nhau giữa hai
nhóm nếu sự khác nhau đó tồn tại là 80%.
2. Sai số hệ thống
Sai chệch (bias) còn gọi là sai số hệ thống là bất kỳ sai số nào trong quá trình
nghiên cứu làm sai lệch ớc lợng sự kết hợp giữa phơi nhiễm và bệnh nh cách chọn
ngời vào nghiên cứu, cách thu nhập thông tin, ghi chép, tập hợp và phiên giải các
thông tin đó.
Khác với sai số ngẫu nhiên và nhiễu đợc đánh giá về lợng, ảnh hởng của các sai số
hệ thống là rất khó đánh giá, thậm chí là không thể đánh giá đợc khi phân tích kết
qủa nghiên cứu. Cho nên một việc rất quan trọng khi thiết kế và tiến hành thực thi
nghiên cứu là làm sao lờng trớc đợc các sai số hệ thống có thể nảy sinh và tiến
hành các bớc để hạn chế chúng. Điều đó có nghĩa là, khác với sai số ngẫu nhiên và
nhiễu, hậu quả của sai số hệ thống là không thể điều chỉnh đợc mỗi khi đã hoàn
thành kết quả của nghiên cứu. Tuy nhiên, dù có lờng trớc ở trong mọi khâu của quá
trình nghiên cứu, sai số hệ thống vẫn có thể xảy ra, mặc dù ở một mức thấp. Cho
nên trong quá trình phiên giải kết quả nghiên cứu ta vẫn phải coi trọng việc đánh
giá vai trò của các sai số hệ thống đó, cũng nh xác định chiều hớng và mức độ ảnh
hởng của chúng đến kết quả nghiên cứu.
2.1. Các loại sai số hệ thống
Có nhiều cách phân loại và gọi tên các loại sai số hệ thống làm sai lệch ớc lợng của
kết hợp quan sát đợc giữa yếu tố nguy cơ và bênh trạng tuỳ theo lọai nghiên cứu.
Có một cách phân lọai đơn giản, đó là gộp lại thành hai nhóm chung nhất và trong
mỗi nhóm có những thể loại sai số hệ thống có thể xảy ra :
- Sai số chọn : bao gồm tất cả bất kỳ sai số nào nảy sinh trong quá trình xác định
các cá thể trong nghiên cứu.
- Sai số quan sát (hay sai số thông tin) : bao gồm mọi sai số xuất hiện trong quá
trình thu thập thông tin cả về yếu tố phơi nhiễm cả về bệnh trạng nghiên cứu.
2.1.1. Sai số chọn
Sai số chọn sẽ có thể nảy sinh khi việc xác định những cá thể là đối tơng nghiên
cứu vào trong các nhóm nghiên cứu, dựa trên phôi nhiễm (trong nghiên cứu thuần
tập) hay dựa trên bệnh (nghiên cứu bệnh chứng). Nói một cách khác, nếu trong
nghiên cứu bệnh chứng, sự lựa chọn các trờng hợp bệnh và đối chứng dựa trên
những tiêu chuẩn khác nhau, có liên quan ảnh hởng đến tình trạng phôi nhiễm thì
sai số hệ thống sẽ nảy sinh. Tơng tự nh thế, trong nghiên cứu thuần tập, nếu chọn
các cá thể có phơi nhiễm và không phơi nhiễm có liên quan đến hậu qủa bệnh thì
sai số chọn sẽ nảy sinh.
Sai số chọn có tầm quan trọng đặc biệt trong các nghiên cứ bệnh chứng và nghiên
- Độ mạnh của kết hợp: biểu hiện bẳng tỉ suất các tỉ lệ bệnh ở nhóm có phơi nhiễm
với yếu tố nguyên nhân giả thiết, với tỉ lệ bệnh ở nhóm không phơi nhiễm, nghĩa là
trị số của nguy cơ tơng đối. Tỉ suất này càng lớn, thì yếu tố càng có tính nguyên
nhân lớn.
- Quan hệ đáp ứng: quan hệ nguyên nhân càng mạnh khi hiệu quả liều đáp ứng đợc
chứng minh: đó là tăng mức phơi nhiễm với yếu tố, thì thấy một sự gia tăng tơng
ứng của bệnh.
- Tính ổn định của kết hợp: kết hợp này vững bền ở những trờng hợp khác, với
quần thể nghiên cứu khác, và với các nghiên cứu phơng pháp khác. Kết hợp càng
ổn định thì càng có nhiều khả năng có bản chất nguyên nhân. Tuy nhiên, cần tránh
một điều là nếu các nghiên cứu khác nhau đều có tình trạng cùng có sai số hệ
thống thì vẫn có thể là kết hợp giả tạo.
- Quan hệ thời gian đáp ứng: phơi nhiễm tất nhiên là phải xẩy ra trớc bệnh. Đôi khi
có thể dễ xác định, nh các vụ dịch do thức ăn, còn đối với các bệnh mạn tính thờng
khó hơn nhiều, đặc biệt là đối với những bệnh có thời kỳ tiềm tàng dài.
- Tính đặc hiệu của kết hợp: lý tởng nhất là quan hệ với một, trong đó yếu tố
nguyên nhân vừa là điều kiện cần vừa phải là điều kiện đủ. Thí dụ angiosarcoma
gan do Vinyl chloride .
- Phù hợp với những kiến thức hiện thời hiện có, tức là tính tin cậy sinh học.
- Cân nhắc đến nhữnggiả thuyết hay giải thích khác
- Bệnh giảm khi ngừng phơi nhiễm
- Phù hợp với các số liệu hay thông tin khác
Hình 7: Sơ đồ các bớc phiên giải kết qủa của một nghiên cứu dịch tễ học
Kết hợp thống kê
Không
Không phảI là yếu tố
căn nguyên
Sai số
Ngẫu nhiên, hệ thống và nhiễu
Có Kết hợp là giả tạo
áp dụng 9 tiêu chuẩn
Không đủ
Kết hợp không căn
nguyên
Kết hợp căn nguyên
6. Ví dụ về suy luận kết hợp căn nguyên từ các kết quả nghiên cứu
dịch tễ học
6.1. Kết hợp giữa hút thuốc lá với ung th phổi
ở nớc Anh, và sau đó là ở Mỹ, ngời ta bắt đầu nhận thấy tỉ lệ chết vì ung th phổi
gia tăng rất nhanh chóng trong thế kỷ này. Sự kiện đó đợc nhận thấy trùng hợp với
sự việc diễn ra tơng tự từ vài chục năm trớc đó, là tỉ lệ hút thuốc ở nam giới tăng
lên dữ dội. Nhiều nghiên cứu mô tả theo các đặc trng về con ngời, không gian và
thời gian đều đã xác định xu hớng tăng trội này, nhng phải mãi đến những năm 50,
mới hé ra đợc vai trò của thuốc lá đối với căn nguyên của ung th phổi. Một trong
những công trình đầu tiên về giả thuyết này đợc tiến hành ở Anh bởi Richard Doll
và Austin Bradford Hill nhằm kiểm định giả thuyết trên và đợc công bố vào năm
1950, đã trở thành một khung mẫu của nghiên cứu dịch tễ học trong kiểm định một
giả thuyết nhân - quả.
Doll và Hill đã tiến hành một thiết kế nghiên cứu bệnh - chứng trên 709 ngời mắc
ung th phổi nằm điều trị ở 20 bệnh viện ở Luân Đôn làm nhóm chủ cứu, gồm 649
nam và 60 nữ, đồng thời tìm kiếm để ghép cặp theo tuổi và giới của từng ngời bệnh
trong nhóm chủ cứu, gồm 649 nam và 60 nữ, đồng thời tìm kiếm để ghép cặp theo
tuổi và giới với từng ngời bệnh trong nhóm chủ cứu, gồm 709 ngời làm nhóm đối
chứng, những ngời ở trong nhóm đối chứng này là những ngời mắc một bệnh khác
(không phải là ung th phổi) nằm điều trị ở các bệnh viện kể trên.
Tất cả mọi ngời (709 ngời mắc ung th phổi trong nhóm chủ cứu và 709 ngời không
mắc ung th phổi trong nhóm đối chứng có ghép cặp) đều đợc khai thác chi tiết và
chính xác về lịch sử hút thuốc của từng ngời, bao gồm: có hay không hút, tuổi bắt
đầu hút, lợng điếu thuốc đã hút lợng thuốc hút nhiều nhất trớc khi xuất hiện bệnh,
có hít sâu vào phổi hay không, và tất cả mọi chi tiết cùng với mọi sự thay đổi khác
về lịch sử hút thuốc của họ.
Bảng 2: Số liệu về hút thuốc lá và ung th phổi của Doll và Hill.
Hút thuốc
Có Không
Ung th phổi
Nam
Có
Khôn
g
647 (99,7%)
622 (95,8%)
2 (0,3%)
27 (4,2%)
Nữ
Có
Khôn
g
41 (68,3%)
28 (46,7%)
19 (31,7%)
32 (53,3%)
Phân tích sơ bộ cũng thấy:
ở Nam: Tỉ lệ ngời không hút thuốc bao giờ mà bị mắc rất thấp so với tỉ lệ ngời
không hút bao giờ ở nhóm đối chứng (0,3% so với 4,2% với P = 0,000 000 64).
ở Nữ: mặc dầu vấn đề hút thuốc không phổ biến, nhng tỉ lệ không hút thuốc mà
mắc cũng thấp hơn hẳn ở nhóm đối chứng (31,7% so với 53,3% với P = 0,016).
Sau đó, những khai thác đợc tiến hành nh về số lợng điếu thuốc đã hút thấy ở nhóm
mắc ung th phổi có một tỉ lệ rất cao những ngời hút nhiều: 26% ở nam và 14,6% ở
nữ khai là đã hút từ 25 điếu trở lên mỗi ngày, trong khi đó ở nhóm đối chứng chỉ có
13,5% ở nam là hút đến mức đó và không có ai trong số nữ hút đến mức đó. Nhiều
sự khác biệt khác tơng tự cũng đợc khai thác: nh nhóm ngời bệnh ung th phổi hình
nh có tuổi bắt đầu hút thấp hơn (hút từ ngày còn trẻ hơn) tiếp tục hút lâu hơn, và
cai thuốc không thờng xuyên hơn ở nhóm đối chứng, mặc dầu sự khác biệt đó
không có ý nghĩa thống kê.
Tất cả những kết quả đó đã cho phép các tác giả nhận định rằng có một kết hợp d-
ơng tính mạnh mẽ giữa hút thuốc và ung th phổi.
Để xác định kết quả nghiên cứu có giá trị hay không, các tác giả đã chú trọng xem
xét trên 3 khía cạnh:
Do Drive thay đổi chính sách, nên một số link cũ yêu cầu duyệt download. các bạn chỉ cần làm theo hướng dẫn.
Password giải nén nếu cần: ket-noi.com | Bấm trực tiếp vào Link để tải:
You must be registered for see links