ĐÁNH GIÁ SỰ LIÊN QUAN Evaluating Associations

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.. Theo thông lệ, Nếu p < 0.05, thì sự liên quan giữa ti

ĐÁNH GIÁ SỰ LIÊN QUAN

Evaluating Associations

Lê hoàng Ninh

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:

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)

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)

“Sự may mắn lấy mẫu”

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

square 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

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 HỘIExample: Possible biased coin

Coin Toss - 10 Times: Quan sát Kỳ vọng

ngữa 7 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

CHANCEExample: 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

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: uống cà phê (nhiều so với ít)

Hệ quả: tỷ suất mới mắc ung thư vú

Risk Ratio: 1.32 (ước lượng điểm=point estimate) p-value: 0.14 (không ý nghĩa thống kê)

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).

_

(null value)

95% confidence interval

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)

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

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: COPD

Tiếp xúc: 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 BIASNOTE:

• 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

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 non-

exposed

- Non-exposed incorrectly classified as

exposed

MISCLASSIFICATIONNon-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

MISCLASSIFICATIONNon-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

MISCLASSIFICATIONDifferential misclassification:

Classification error of exposure status occurs

more frequently among the diseased or diseased

non-OR

Classification error of disease status occurs

more frequently among the exposed or exposed

non-MISCLASSIFICATIONDifferential 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.