ĐÁNH GIÁ SỰ LIÊN QUAN
Evaluating Associations
Lê hoàng Ninh
Mục tiêu:
1. Hiểu khái niệm : giá trị và sự liên quan
thống kê .
2. Hiểu các giải thích khác/ có thể sự liên
quan thống kê:
--- Chance ( cơ hội)
--- Bias ( sai lệch hệ thống)
--- Confounding ( làm nhiễu)
3. Phân biệt các dạng sai lệch hệ thống
quan trọng trong các nghiên cứu.
4. Phân biệt giá trị bên trong và giá trị bên
ngoài.
5. Hiểu khái niệm về nhiễu và phương pháp
đánh giá, kiểm soát chúng
6. Hiểu các hướng dẫn đánh giá sự liên quan
nguyên nhân trong dịch tễ
Đánh giá sự liên quan
khi chúng ta thấy có sự liên quan cần xem
xét:
1.
Có giá trị không?
(kết quả nghiên cứu có phán ánh sự liên
quan thật sự không giữa bệnh tật và tiếp
xúc? )
2.
Có là sư liên quan nguyên nhân không?
(có bằng chứng đủ để cho rằng có sự liên
quan nguyên nhân giữa tiếp xúc và bệnh
tật không?)
Evaluating Associations
Đánh giá tính giá trị của sự liên quan:
gồm ít nhất 3 giải thích khác có thể
của kết quả nghiên cứu:
1. CHANCE ( cơ hội)
2. BIAS ( sai lệch hệ thống)
3. CONFOUNDING ( làm nhiễu)
CHANCE
“Sự may mắn lấy mẫu”
1. Hiếm khi nghiên cứu trên toàn bộ dân số
nên suy diễn từ mẫu lên quần thể
2. Luôn luôn có sự thay đổi kết quả từ mẫu
nầy tới mẫu khác
3. Nói chung, mẫu nhỏ thì kém chính xác,
tin cậy, và lực thống kê
(more sampling variability)
CHANCE
4.
Một test “statistical significance” được
thực hiện để đánh giá mức độ mà bộ
dữ liệu so sánh với Giả thuyết H0
(không liên quan)
5.
The “p-value” phản ánh xác suất mà test
thống kê như t-statistic or chisquare statistic) có được từ dữ liệu thì lớn
hơn hay bằng với trị số quan sát được
theo gỉa thuyết Ho.
CƠ HỘI
6.
Theo thông lệ, Nếu p < 0.05, thì sự liên quan
giữa tiếp xúc và bệnh tật được xem như là
to be “statistically significant.”
(loại giả thuyết null hypothesis (H0) và
chấp nhận giả thuyết (H1)
What does p < 0.05 mean?
Nó có nghĩa là chúng ta nghi ngờ rằng
độ lớn của hệ quả quan sát được(như risk
ratio) thì không do một mình cơ hội(thu thập
hay phân tích dữ liệu không sai lệch)
CƠ HỘI
Example: Possible biased coin
Coin Toss - 10 Times: Quan sát Kỳ vọng
ngữa
7
5
xấp
3
5
Odds N:X 7:3 = 2.33
Excess Ngữa = O - E = 7 - 5 = 2
p-value: > 0.05 (computation not shown)
The observed excess of ngữa đối với xấp thì không
lớn hơn kỳ vọng dự kkiến xảy ra do cơ hội
CHANCE
Example: Possible biased coin
Coin Toss – 1,000 Times:
Observed Expected
Heads
700
500
Tails
300
500
Odds H:T 700:300 = 2.33
Excess Heads = O - E = 700 - 500 = 200
p-value: < 0.05 (computation not shown)
The observed excess of heads to tails is much
greater than that which might be expected by
chance
CHANCE
Lưu ý:
Trị số p phản ánh cả hai độ lớn của sự khác biệt
giữa các nhóm nghiên cứu VÀ cỡ mẫu
Chính vì vậy, một số đo khác được tính đó là
ckhoảng tin cậy (confidence interval =CI)
CI = là một biên các giá trị mà trong đó có chứa
Trị số thật của quần thể với một độ chắc chắn về
xác suất
CƠ HỘI
THÍ DỤ KHOẢNGTIN CẬY 95%
(95 %CONFIDENCE INTERVAL)
Tiếp xúc:
Hệ quả:
Risk Ratio:
p-value:
95% C.I.:
uống cà phê (nhiều so với ít)
tỷ suất mới mắc ung thư vú
1.32 (ước lượng điểm=point estima
0.14 (không ý nghĩa thống kê)
0.87 - 1.98
95% confidence interval
____________________________________________
0.0
0.5
1.0
1.5
2.0
(null value)
CƠ HỘI
LÝ GIẢI KẾT QUẢ:
Phụ nữ uống nhiều cà phê có nguy cơ bị ung thư
vú 1,32 lần (or 32%) cao hơn phụ nữ uống cà phê ít
Tuy nhiên, chúng ta tin rằng 95% trị số nguy cơ thật
của quần thể nằm giữa khoảng 0.87 and 1.98
(giả định n.cứu không có sai lệch hệ thống).
95% confidence interval
____________________________________________
0.0
0.5
1.0
1.5
2.0
(null value)
CƠ HỘI
Vì vậy, nếu 95% khoảng tin cậy KHÔNG chứa giá
trị của Ho ( trị số 1.0 (p < 0.05), chúng ta nói rằng
sự liên quan là “có ý nghĩa thống kê ”
Câu hỏi:
Khi nào chúng ta nói sự liên quan thống kê là có
“giá trị” (valid statistical association)?
Trả lời:
Khi đã loại được sai lệch hệ thống / làm nhiễu
CƠ HỘI
Note: Mặc dù chúng ta vừa xem xét xong vai
trò của cơ hội. Tuy nhiên theo thường qui thì
cần xem xét đánh gía để loại ra sự hiện diện của
sai lệch hệ thống trước.
Nói cách khác, đánh giá vai trò của cơ hội sẽ
không thể giải thích được khi nghiên cứu có
sự hiện diện của sai lệch hệ thống ngay từ đầu.
SAI LỆCH HỆ THỐNG(BIAS)
BIAS: Sai lầm hệ thống trong dthiết kế,
thực hiện, phân tích một nghiên cứu
mà các kết quả dẫn đến ước lượng lầm
lẫn mối quan hệ bệnh tật và tiếp xúc
1. SAI LỆCH CHỌN LỰA (SELECTION
BIAS)
2. SAI LỆCH THÔNG TIN (INFORMATION
BIAS):
* Interviewer ( phỏng vấn)
* Recall Bias ( nhớ lại)
* Reporting Bias ( báo cáo)
* Surveillance Bias ( giám sát)
BIAS
SAI LỆCH CHỌN LỰA: sai lầm hệ thống khi
xác định các dân số nghiên cứu (thí dụ: 2
nhóm nghiên cứu được so sánh)
• Xảy ra khi chọn các đối tương nghiên cứu
(hoặc là tình trạng tiếp xúc hoặc là tình
trạng bệnh tật) được dựa trên các tiêu chí
khác nhau liên quan đến tiếp xúc hay bệnh
tật
• Kết quả là các nhóm nghiên cứu không so
sánh được, trừ khi một số chỉnh lý thống kê
được thực hiện
SELECTION BIAS
THÍ DỤ: nghiên cứu bệnh chứng
Outcome : đột quị
Exposure: dùng các sản phẩm ức chế sự thèm
ăn có chứa Phenylpropanolamine
(PPA)
Cases:
người bị đột quị
Controls: người trong cộng đồng không bị đột
quị
Bias:
nhóm chứng được nhận vào từ các
cuộc điện thoại từ 9 giờ sáng cho đến
5 giờ chiều. Kết quả nầy đưa vào quá
nhiều người không việc làm, thất
nghiệp, người về hưu, những người
có lẽ không đại diện cho việc dùng
các sản phẩm ức chế sự thèm ăn.
SELECTION BIAS
THÍ DỤ: Đoàn hệ hồi cứu (Retrospective
Cohort Study)
HỆ QUẢ:
Tiếp xúc:
COPD
Employment in tire
manufacturing ( nhà máy võ xe)
Exposed:
Plant assembly line workers(cn)
Non-exposed: Plant administrative personnel
Bias: The exposed were contacted (selected) at a
local pub while watching Monday night
football; the non-exposed were identified
through review of plant personnel files.
Exposed persons may have been more likely
to be smokers (related to COPD)
SELECTION BIAS
EXAMPLE: không- đáp ứng (Non-Response)
• If refusal or non-response is related to
exposure, the estimate of effect
(exposure/disease) may be biased. For
example, if controls are selected by use of
a household survey, non-response may be
related to demographic and lifestyle factors
associated with employment.
• Responders often differ systematically
from persons who do not respond.
SELECTION BIAS
NOTE:
• Restrictive sampling alone, so long as
different criteria are not used between
study groups, does not confer selection
bias
• It merely means that the study results may
not generalize to the larger population
(external validity)
Sai lệch thông tin(INFORMATION BIAS)
Definition: có sự khác biệt có hệ thống
cách thức mà dữ liệu tiếp xúc và bệnh tật
được thu thập trên các nhóm nghiên cứu
khác nhau.
Các dạng/ nguồn sai lệch thông tin:
• Bias in abstracting ( trừu tượng)records
• Bias in interviewing ( phỏng vấn)
• Bias from surrogate ( đai diện)interviews
• Surveillance bias ( giám sát)
• Reporting and recall bias ( báo cáo và
nhớ lại)
Sai lệch phỏng vấn(INTERVIEWER BIAS)
ĐỊNH NGHĨA: có sự khác biệt hệ thống trong
thu thập, ghi nhận, giải thích thông tin từ
các người tham gia nghiên cứu
• Có thể ảnh hưởng tới từng loại nghiên cứu
• có thể xảy ra nếu người phỏng vấn
“KHÔNG BỊ MÙ” về tiếp xúc hay bệnh tật
các đối tượng nghiên cứu
INTERVIEWER BIAS
• Interviewer’s knowledge of subjects’
disease status may result in differential
probing of exposure history
• Similarly, interviewer’s knowledge of
subjects’ exposure history may result in
differential probing and recording of the
outcome under examination
• Placebo control is one method used to
maintain observer blindness in randomized
trials.
Sai lệch nhớ lại(RECALL BIAS)
DEFINITION: các đối tương tham gia nghiên
cứu khác có hệ thống về cách thức thu thập
dữ liệu về tiếp xúc và bệnh tật
• Vấn đề nầy nên được lưu ý trong các
nghiên cứu bệnh chứng
• Những đối tượng đã bị bệnh hay những hệ
quả khác về sức khỏe thường có động cơ
nhớ lại tiền sử tiếp xúc hơn người không
bệnh hay không có những hệ quả sức khỏe
khác
RECALL BIAS
Thí dụ:
Nghiên cứu bệnh chứng
Outcome: sứt môi, hở hàm ếch
Exposure: Systemic infection during pregnancy
Cases:
Mothers giving birth to children with
cleft palate
Controls: Mothers giving birth to children free
of cleft palate
Sai lệch hệ thống:
Mothers who have given
birth to a child with cleft palate may recall
more thoroughly colds and other infections
experienced during pregnancy
REPORTING BIAS
DEFINITION: Sự nén lại hay bộc ra những
thông tin như tiền sử bệnh lây truyền
đường tình dục.
• thường xảy ra do đối tượng báo cáo thái
quá một tiếp xúc do attitudes, beliefs,
and perceptions
• “Wish bias” may occur among subjects
who have developed a disease and seek
to show that the disease “is not their
fault.”
SURVEILLANCE BIAS
• Một quần thể được giám sát trong một thời
gian, sự xác định bệnh trên quần thể đó sẽ tốt
hơn dân số chung ( sai lệch giám sát)
• Dẫn đến ước lượng có sai lệch về mối
quan hệ tiếp xúc và bệnh tật.
XẾP LOẠI SAI(MISCLASSIFICATION)
DEFINITION: Xếp loại sai bệnh tật hay tiếp xúc
một cá nhân vào loại không đúng với loại của
họ
Example:
--Cases incorrectly classified as controls
--Controls incorrectly classified as cases
--Exposed incorrectly classified as nonexposed
--Non-exposed incorrectly classified as
exposed
MISCLASSIFICATION
Non-differential misclassification:
The proportion of subjects misclassified on
exposure does not depend on disease
status
OR
The proportion of subjects misclassified on
disease does not depend on exposure
status
MISCLASSIFICATION
Non-differential misclassification:
• Tends to make the exposure or disease
groups more similar than they really are
• Some non-differential misclassification is
inevitable
• Almost always results in bias towards the
null
• In interpretation, researcher must consider
what real effect might have been obscured
MISCLASSIFICATION
Differential misclassification:
Classification error of exposure status occurs
more frequently among the diseased or
non-diseased
OR
Classification error of disease status occurs
more frequently among the exposed or nonexposed
MISCLASSIFICATION
Differential misclassification:
• Results in relatively unpredictable
effects
• Can exaggerate or underestimate the
true exposure/disease relationship
• By chance (infrequently), can also
result is estimate that is the same as
the true exposure/disease relationship.