Bg phuong phap nghien cuu khoa hoc phan 1 5761

Biến số định lượng có thể còn được chia thành biến số tỉ số - ratio variablecó giá trị không tuyệt đối và biến số khoảng – interval variable không có giá trị không tuyệt đố - Nếu biến số

TRƯỜNG ĐẠI HỌC VÕ TRƯỜNG TOẢN

KHOA Y

Bài giảng học phần:

PHƯƠNG PHÁP NGHIÊN CỨU KHOA HỌC

Hậu Giang, 2021

MỤC LỤC

ĐẠI CƯƠNG PHƯƠNG PHÁP NGHIÊN CỨU KHOA HỌC 1

ÐẠI CƯƠNG VỀ THỐNG KÊ VÀ THỐNG KÊ MÔ TẢ 4

ÐẠI CƯƠNG VỀ PHÂN TÍCH SỐ LIỆU 21

PHƯƠNG PHÁP PHÂN TÍCH VÀ KHẲNG ĐỊNH VẤN ĐỀ NGHIÊN CỨU 49

TỔNG QUAN Y VĂN 56

MỤC TIÊU NGHIÊN CỨU 61

NGHIÊN CỨU KHOA HỌC TRONG Y HỌC 65

BIẾN SỐ 67

THIẾT KẾ NGHIÊN CỨU 78

CÁC SỐ ĐO DỊCH TỄ HỌC 89

SỐ ĐO HẬU QUẢ VÀ SỐ ĐO TÁC ĐỘNG 94

PHƯƠNG PHÁP THU THẬP SỐ LIỆU 107

PHƯƠNG PHÁP CHỌN MẪU 116

CÁCH TÍNH CỠ MẪU 127

CHIẾN LƯỢC PHÂN TÍCH SỐ LIỆU 135

ĐẠI CƯƠNG PHƯƠNG PHÁP NGHIÊN CỨU

KHOA HỌC

Mục tiêu:

- Mô tả được các đặc tính của một nghiên cứu khoa học

- Trình bày được các đặc tính của một nghiên cứu khoa học tốt

Nghiên cứu khoa học là gì:

Nghiên cứu là công việc tìm kiếm một cách có hệ thống các kiến thức mới,

dựa trên sự tò mò và nhu cầu được cảm nhận.1[1]

Như vậy đặc điểm của nghiên cứu là tìm ra kiến thức mới Có hai phương

pháp chính để tìm kiếm kiến thức: hoặc là xem xét các tài liệu, kiến thức sẵn có để

tìm ra các kiến thức mới (scholarship) hay dựa vào thực tế khách quan để phát hiện

các kiến thức và hiểu biết mới (scientific research) Phương pháp dựa vào thực tế

khách quan để tìm tòi các kiến thức mới được gọi là nghiên cứu khoa học.2[2]

Nghiên cứu khoa học là việc thu thập, phân tích và lí giải số liệu để giải

quyết một vấn đề hay trả lời một câu hỏi (Theo Varkevisser và cộng sự, 1991)

Nói cách khác, nghiên cứu khoa học phải bao gồm các bước thu thập số liệu

trên thực địa (hay từ các ca bệnh trong bệnh viện hay phòng thí nghiệm), phân tích

số liệu để có thông tin và và trình bày các thông tin này trong phần kết quả và

trong phần bàn luận và kiến nghị, lí giải các thông tin đó đề trả lời cho câu hỏi

nghiên cứu hay đề xuất các biện pháp giải quyết vấn đề

Số liệu: Kết quả của việc thu thập có hệ thống các đại lượng và đặc tính của

các đối tượng

1[1] Last JM A dictionary of Epidemiology NewYork: International epidemiology association 1997;

146

2[2] Varkevisser C, Pathmanathan I, Brownlee A Designing and conductiong health system research

projects IDRC, Ottawa 1991

Thông tin: Số liệu đã được phân tích

Kiến thức: thông tin được lí giải và được sử dụng để trả lời câu hỏi hay giải

quyết một vấn đề nào đó

Nhưng để quá trình thu thập, phân tích và lí giải số liệu diễn ra tốt đẹp và

giải quyết được vấn đề nghiên cứu, trước đó nhà nghiên cứu phải phân tích từ vấn

đề, xem những kiến thức gì đã biết và còn chưa biết về vấn đề đó Quá trình này

được gọi là đặt vấn đề, tổng quan y văn Sau đó nhà nghiên cứu phải xác định hỏi

để có được kiến thức còn chưa biết đó, cần những thông tin gì và để có những

thông tin này cần thu thập những đại lượng và tính chất nào của đối tượng Đây là

nội dung của phần phương pháp nghiên cứu trong đề cương nghiên cứu hay báo

cáo khoa học Sau khi đã thu thập được số liệu (đại lượng hay tính chất của các đối

tượng nghiên cứu), kết quả của phân tích số liệu (thông tin) được trình bày trong

phần kết quả nghiên cứu Ở phần bàn luận, tác giả sẽ đánh giá xem các thông tin có

trả lời được câu hỏi nghiên cứu hay không và câu trả lời của câu hỏi nghiên cứu

chính nhằm giúp giải quyết vấn đề nghiên cứu là kiến thức mới được tạo ra

Như vậy, một báo cáo khoa học sẽ gồm các phần chính: 1) Đặt vấn đề và

mục tiêu nghiên cứu 2) Tổng quan tài liệu 3) Phương pháp và đối tượng 4) Kết quả

nghiên cứu 5) Bàn luận và 6) Kết luận

Các đặc điểm của một nghiên cứu khoa học tốt

Một nghiên cứu khoa học tốt có các đặc điếm sau:

- Phải tập trung vào các vấn đề ưu tiên trong chăm sóc y tế

- Phải có tính định hướng vào hành động và đề ra các giải pháp

- Phải có tính thời sự: kết quả phải có kịp thời để đưa ra các quyết định đúng

đắn

- Thiết kế nghiên cứu đơn giản và thực hiện trong thời gian ngắn

- Nên có tính chất chi phí - hiệu quả Tốt nhất nếu nghiên cứu được tiến

hàng ngày

- Kết quả phải được trình bày theo hình thức hữu dụng cho các nhà quản lí,

nhà hoạch định chính sách và cộng đồng: Cần có tóm tắt những kết quả chủ yếu

của nghiên cứu và nêu bật những điểm lí thú cho đối tượng của bản báo cáo Dựa

theo kết quả có thể trình bày giải pháp để giải quyết một vấn đề và so sánh ưu

khuyết điểm của việc tiến hành giải pháp và không tiến hành giải pháp

- Nghiên cứu cần phải được đánh giá không chỉ dựa vào số các bài báo được

xuất bản mà cần phải xem xét sự ảnh hưởng của nó đến chính sách y tế hay thay

đổi cung cách phục vụ và cuối cùng là tác động lên sức khoẻ người dân

Đối với nghiên cứu y tế công cộng cần phải đặt them hai đặc điểm sau:

- Sẽ tốt hơn nếu có sự tham gia của nhiều ngành, nhiều khoa

- Nghiên cứu cần có tính chất tham gia của mọi thành viên có liên quan

trong tất cả các bước của quá trình tiến hành nghiên cứu

ÐẠI CƯƠNG VỀ THỐNG KÊ VÀ THỐNG KÊ MÔ TẢ

Một số định nghĩa

Thống kê là phương pháp khoa học dùng đề thu thập, tóm tắt, trình bày và

phân tích số liệu

Số liệu: Kết quả có được do việc quan sát hay thu thập một biến số ở các đối

tượng khác nhau hay ở thời gian khác nhau

Thí dụ: Khi tôi quan sát giới tính của các học viên trong lớp, tôi có số liệu

là:

Nam, nam, nữ, nữ, nữ, nam, nữ, v.v

Thí dụ: Một nhà nghiên cứu đo nồng độ hemoglobin của 70 thai phụ có kết

quả như sau:

và những con số này được gọi là số liệu

Cần lưu ý số liệu phải liên kết với một biến số nhất định Nếu tôi quan sát

giới tính ở người này, tuổi của người khác, quần áo của một người khác nữa thì kết

quả quan sát được không phải là số liệu

Biến số và các loại biến số

Biến số là những đại lượng hay những đặc tính có thể thay đổi từ người này

sang người khác hay từ thời điểm này sang thời điểm khác

Như vậy biến số có thể thể hiện đại lượng hay đặc tính

- Nếu biến số thể hiện một đại lượng nó được gọi là biến số định lượng

(quantitative variable) Biến số định lượng có thể còn được chia thành biến số tỉ số

- ratio variable(có giá trị không tuyệt đối) và biến số khoảng – interval variable

(không có giá trị không tuyệt đố)

- Nếu biến số nhằm thể hiện một đặc tính, biến số được gọi là biến số định

tính Biến số định tính còn được chia làm 3 loại:

- Biến số nhị giá – binary variable (khi chỉ có 2 giá trị)

- Biến số danh định – nominal variable (khi có 3 hay nhiều hơn các giá trị và

các bản thân các giá trị không có tính chất thứ tụ)

- Biến số thứ tự - ordinal variable (khi có 3 hay nhiều hơn các giá trị và các

bản thân các giá trị có tính chất thứ tự

- Ngoài ra có khi biến cố không chỉ được quan tâm về phương diện nó

có xảy ra hay chưa xảy ra mà còn được quan tâm về phương diện biến cố xảy ra

vào lúc nào Thí dụ sau khi điều trị bệnh nhân ung thư chúng ta không chỉ quan

tâm bệnh nhân có tử vong hay không mà còn quan tâm bệnh nhân bệnh nhân tử

vong bao nhiêu lâu sau khi điều trị và nếu bệnh nhân chưa tử vong, bệnh nhân đã

sống được bao lâu

Phương pháp mô tả tóm tắt và trình bày số liệu

-T ỉ lệ cho từng giá trị nếu

là biến thứ tự hay danh định

- T ỉ lệ cho giá trị tiêu biểu nếu là biến nhị giá

-T ỉ lệ cho từng giá trị nếu

là biến thứ tự hay danh định

- T ỉ lệ cho giá trị tiêu biểu nếu là biến nhị giá

Các số thống kê mô tả

Có hai loại thống kê mô tả: thống kê mô tả khuynh hướng tập trung và thống

kê mô tả tính phân tán

Thống kê mô tả khuynh hướng tập trung

Thống kê mô tả khuynh hướng tập trung có thể là trung bình (mean), trung

vị (median) và yếu vị (mode) Những thống kê này cho biết giá trị tiêu biểu cho số

liệu

Thí dụ: có hai loại thuốc hạ áp A và B Giả sử có 5 đối tượng sau khi sử

dụng thuốc hạ áp A sẽ có huyết áp 110 - 115 -120 - 125 -130 và ở 5 đối tượng khác

sau khi sử dụng thuốc hạ áp B sẽ có huyết áp 120 - 125 - 130 - 135 - 140 Con số

tiêu biểu nhất để cho biết tác dụng của thuốc A là huyết áp trung bình sau khi sử

dụng thuốc A và là 120 Con số huyết áp trung bình này thấp hơn huyết áp trung

bình sau khi sử dụng thuốc B cho biết thuốc A có tác dụng mạnh hơn

Trung bình của số liệu, được kí hiệu là (x (đọc là x gạch) là tổng các giá trị

của số liệu chia cho số lần quan sát (N)

N

x

x  i



Thí dụ: Số liệu về huyết áp tâm thu của 5 đối tượng là 120, 125, 130, 135,

150 Huyết áp tâm thu trung bình sẽ là 132

132 5

150 125 130 125 120

Do không thể thực hiện các phép toán số học trên các biến số định tính

(danh định và thứ tự) chúng ta chỉ có thể tính trung bình cho số liệu của biến số

định lượng

Nếu chúng ta sắp xếp số liệu theo thứ tự, giá trị đứng ở giữa được gọi là

trung vị Nếu có hai giá trị cùng đứng ở giữa, trung bình cộng của hai giá trị này là

trung vị

Thí dụ: Số liệu về huyết áp tâm thu (mmHg) của 5 đối tượng là 120, 125,

130, 135, 150 Trung vị của huyết áp tâm thu là giá trị đứng ở giữa và bằng 130

Số liệu về chiều cao (cm) của 6 người là 153, 155, 160, 162, 165, 161 Ðể

tính trung vị, trước tiên chúng ta phải sắp xếp số liệu này: 153, 155, 160, 161, 162,

165 Do có hai giá trị 160 và 161 cùng ở giữa, trung vị sẽ là (160+161)/2 = 160,5

cm

Do bản chất của biến số danh định không thể sắp được theo thứ tự, chúng ta

chỉ có thể tính trung vị của số liệu định lượng và số liệu của biến số thứ tự

Ngoài ra yếu vị (mode) cũng được sử dụng làm con số thống kê tiêu biểu

Yếu vị là giá trị xuất hiện phổ biến nhất (có tần suất cao nhất)

Thí dụ: Số liệu về huyết áp tâm thu (mmHg) của 5 đối tượng là 120, 125,

130, 135, 150 Trong trường hợp này không có yếu vị

Ðiểm số của 5 học sinh là 5, 5, 6, 7, 9 Yếu vị của điểm số là 5

Trong một ấp có 361 gia đình người Kinh, 120 gia đình người Khmer và 27

gia đình người Hoa Yếu vị của biên số dân tộc là dân tộc Kinh

Trong một số liệu cụ thể, có thể không có yếu vị, có thể có một yếu vị hoặc

hai hay nhiều yếu vị Ðây là khuyết điểm chính của số thống kê này Do vậy người

ta thường chỉ dùng yếu vị cho biến số danh định hay trong các trường hợp đặc biệt

Có thể sử dụng trung bình, trung vị hay yếu vị cho biến số định lượng Khi

biến số định lượng có phân phối bình thường (hình chuông) thì ba con số này xấp

xỉ bằng nhau và khi đó người ta thường tính trung bình bởi vì trung bình có những

đặc tính toán học mạnh Tuy nhiên nếu số liệu bị lệch thì con số trung vị phản ánh

giá trị tiêu biểu một cách chính xác hơn

Thí dụ: Bệnh nhân bị loét dạ dày - tá tràng được điều trị theo một phác đồ

diệt vi khuẩn Helicobacter Sau điều trị, bệnh nhân được theo dõi và ghi nhận thời

gian kể từ khi sử dụng thuốc đến lúc bắt đầu cải thiện triệu chứng đau Ở 10 bệnh

nhân thời gian này (ngày ) là như sau: 1, 2, 2, 2, 2, 2, 3, 3, 3, 30 Bệnh nhân có thời

gian từ lúc điều trị đến lúc giảm triệu chứng là 30 ngày trên thực chất là bệnh nhân

không đáp ứng với điều trị Trung vị và trung bình của số liệu là 2 và 5 ngày Con

số trung vị phản ánh chân thực hơn bởi vì với tư cách là một bác sĩ lâm sàng từ số

liệu trên có thể nhận xét rằng một bệnh nhân tiêu biểu sẽ giảm đau sau 2 ngày dùng

thuốc Con sôs 30 trong thí dụ trên được gọi là số ngoại lai (outlier) và làm số liệu

bị lệch Nhìn chung, khi số liệu bị lệch thì con số trung bình sẽ bị ảnh hưởng rất

nhiều và không phản ánh giá trị tiêu biểu như con số trung vị

Thống kê mô tả tính phân tán:

Có 3 thống kê mô tả tính phân tán: độ lệch chuẩn, khoảng tứ phân vị và

trong bảng 2

Thống kê mô tả tính phân tán có tầm quan trọng thứ hai sau con số mô tả

khuynh hướng tập trung

Thí dụ: Thuốc hạ áp A được sử dụng trên 5 bệnh nhân và huyết áp tâm thu

sau khi dùng thuốc là 110, 115, 120, 125 và 130 Thuốc hạ áp B được sử dụng trên

5 bệnh nhân và có huyết áp sau sử dụng thuốc là 100, 110, 120, 130, 140 Như vậy

hai thuốc hạ áp này có hiệu quả hạ áp là tương đương (bởi vì trung bình của hai số

liệu là bằng nhau) nhưng kết quả của thuốc B phân tán hơn và điều này làm thuốc

B trở nên kém an toàn

Ðộ lệch chuẩn (standard deviation - viết tắt là SD hay s) là con số đánh giá

mức độ phân tán và được tính theo công thức:

Như vậy độ lệch chuẩn phản ánh khoảng cách trung bình của số liệu so với

giá trị tiêu biểu Khái niệm độ lệch chuẩn chỉ có thể áp dụng cho biến số định

lượng bởi vì chúng ta có thể thực hiện các phép toán số học trên các đại lượng

nhưng không thể thực hiện trên các giá trị của biến số định tính là các đặc tính

Thí dụ: Số liệu về huyết áp tâm thu (mmHg) của 5 đối tượng là 120, 125,

130, 135, 150 Trung bình của huyết áp là 132 và độ lệch chuẩn bằng

5 , 11 5 , 132 4

530 4

324 9 4 49 144

1 5

) 132 150 ( ) 132 135 ( ) 130 132 ( ) 132 125 ( ) 132 120 (

1

) (

2 2

2 2

2 1

Phương sai về mặt từ nguyên là bình phương của độ lệch chuẩn Phương sai

(variance) có thể được kí hiệu và Var hay s2 và được tính theo công thức sau:

s

1

2

1 ) (

2 2

1

) (

Phạm vi của số liệu là tất cả các giá trị của số liệu từ giá trị nhỏ nhất đến giá

trị lớn nhất

Thí dụ: Số liệu về huyết áp tâm thu (mmHg) của 5 đối tượng là 120, 125,

130, 135, 150 Phạm vi của biến số huyết áp là 120 đến 150

Thí dụ: Thuốc hạ áp A được sử dụng trên 5 bệnh nhân và huyết áp tâm thu

sau khi dùng thuốc là 110, 115, 120, 125 và 130 Thuốc hạ áp B được sử dụng trên

5 bệnh nhân và có huyết áp sau sử dụng thuốc là 100, 110, 120, 130, 140 Số liệu

của thuốc B có tính phân tán cao hơn do phạm vi thay đổi từ 100-140 trong khi đó

phạm vị của số liệu thuốc A chỉ từ 110-130

Khoảng tứ phân vị (inter-quartile): Nếu chúng ta chia số liệu sắp theo thứ tự

làm 2 phần đều nhau, khoảng tứ phân vị là khoảng cách của trung vị phần trên và

trung vị phần dưới

Thí dụ: Số liệu về huyết áp tâm thu (mmHg) của 5 đối tượng là 120, 125,

130, 135, 150 Số liệu này được chia làm 2 phần: phần 1 gồm 120, 125, 130 và

phần 2 gồm 130, 135, và 150 Trung vị của phần trên là 125 - trung vị của phần

dưới là 135, do đó phạm tứ phân vị là 125-135

Do bản chất của khoảng tứ phân vị là trung vị của phần số liệu trên và phần

số liệu dưới, cũng giống như trung vị, khoảng tứ phân vị không bị ảnh hưởng bởi

các giá trị ngoại lai như trong trường hợp của độ lệch chuẩn Cũng như trung vị,

khoảng tứ phân vị chỉ có thể áp dụng cho biến số định lượng hay thứ tự

Câu hỏi: Phân tích trên máy tính về biến số hemoglobin cho kết quả sau

Hãy thử đọc và lí giải kết quả:

Variable | Obs Mean Std Dev Min Max

-+ -

hemoglobin | 70 11.98429 1.416122 8.8 15.1

Phương pháp trình bày số liệu

Số liệu có thể được trình bày thành bảng hoặc các đồ thị

Trình bày bảng:

Phân phối tần suất của biến số định tính

Số liệu của biến số rời rạc có thể được trình bày dưới dạng một phân phối

tần suất Phân phối tần suất là một bảng chỉ ra tần suất xuất hiện của từng giá trị rời

rạc của biến số (Bảng 1) Như vậy bảng phân phối tần suất gồm 2 cột, một cột liệt

kê các giá trị của biến số và một cột trình bày tần suất tương ứng của các giá trị đó

Table 1 Phân phối giới tính của 69 học sinh lớp cơm thường trường

mầm non 23 tháng 11, Huyện Hóc môn

Bảng trên là bản phân phối tần suất của giới tính Bởi vì giới tính có 2 giá trị

nam và nữ nên ta liệt kê 2 giá trị này ở một cột Ở cột thứ nhì ta ghi tần suất tương

ứng của các giá trị này Ðôi khi bảng phân phối tần suất có thêm cột phần trăm như

trong thí dụ ở trên Bảng 2 là một thí dụ khác về bảng phân phối tần suất

Table 2 Phương pháp đỡ đẻ của 600 trẻ trong bệnh viện

Phân phối tần suất của biến số định lượng

Nếu biến số là biến số liên tục chúng ta không thể liệt kê tất cả các giá trị

của biến số Trong trường hợp này chúng ta có thể nhóm (làm tròn) giá trị của biến

2 Chia phạm vi số liệu ra làm n khoảng với độ rộng của mỗi khoảng là d

Cần lưu ý độ rộng mỗi khoảng d nên là đại lượng chẵn như 1, 2, 5, 10 hay 0,5, 0,2

và số các khoảng n nên từ 5-12 (trung bình là 7-8) Trong thí dụ trên ta có thể chia

phạm vi ra làm 8khoảng với chiều rộng khoảng bằng 1 đơn vị Khi đó các khoảng

là: 8-8,9; 9-9,9; 10-10,9; 11-11,9; 12-12,9; 13-13,9; 14-14,9; 15-15,9

3 Ðếm các giá trị thích hợp vào khoảng đã định trước

Hemoglobin (g/100ml)

4 Xây dựng bảng phân phối tần suất với biến số và các khoảng giá trị của

biến số và tần suất tương ứng với các khoảng giá trị đó Chúng ta cũng có thể thêm

vào cột phần trăm và cột phần trăm tích lũy (nếu thích hợp)

Table 3 Hemoglobin của 70 phụ nữ

Hemoglobin Tần suất Phần trăm Phần trăm tích

Thí dụ như nếu biên số là chu vi vòng cánh tay của trẻ chúng ta có thể làm

tròn chu vi vòng cánh tay đến 1 cm Khi đó ta có thể xem thang đo của biến số là

rời rạc và trình bày bảng phân phối tần suất của biến số (bảng 2)

Table 4 Phân phối số đo vòng cánh tay của 69 trẻ lớp cơm thường nhà

Số liệu cũng có thể được trình bày dưới dạng đồ thị hoặc biểu đồ Mặc dù

không có ranh giới tuyệt đối hoàn toàn rõ rệt, nói chung đồ thị (graph) có tính

chất toán học nhiều hơn, trong đó có trục hoành và trục tung còn biểu đồ (chart) là

hình ảnh mang tính chất tượng trưng

Nếu biến số là biến rời rạc, có thể trình bày dưới dạng biểu đồ hình thanh

(bar chart - hình 1) hoặc biểu đồ hình bánh (pie chart) Nếu biến số là biến liên tục,

thì phân phối của biến số có thể trình bày dưới dạng tổ chức đồ (histogram - hình

2) hoặc đa giác tần suất

Hình thức của bảng

-Có tựa ngắn gọn và rõ ràng

-Ðặt tên cho các hàng và cột

-Trình bày tổng số của hàng và cột

-Ðịnh nghĩa các kí hiệu và chữ viết tắt ở dưới bảng

-Ghi nguồn số liệu ở dưới bảng

Biểu đồ hình thanh

Biểu đồ hình thang là biểu đồ nhằm mô tả sự phân bố của biến số rời rạc

Biểu đồ hình thanh gồm có trục hoành trên đó xác định những giá trị của biến số

Ứng với từng giá trị của biến số người ta vẽ các thanh có chiều cao tỉ lệ với tần

suất của giá trị đó Cần lưu ý luôn luôn có khoảng trống giữa các thanh

45

24

0 10

Hình 1 Biểu đồ hình thanh (bar chart) mô tả phân bố giới tính của

những học sinh trong trường mầm non 23/11, Hóc môn

Chúng ta cũng có thể xây dựng các thanh theo chiều ngang như trong ví dụ

sau

478 65

Hình 2 Phương pháp sinh của 600 trẻ sanh tại bệnh viện X trong năm

Đường âm đạo Mổ lấy thai

Hình 4 Tỉ suất lây truyền từ mẹ sang con ở những người mẹ bị nhiễm

HIV theo điều trị hĩa dự phịng và phương pháp sinh (Nguồn: The European

Mode of Delivery Collaboration, Lancet, 27/3/1999)

Biểu đồ hình bánh

Biểu đồ hình bánh cũng được dùng để mơ tả sự phân bố của biến số rời rạc

Biểu đơ hình bánh là một vịng trịn được chia làm nhiều cung tương ứng với các

giá trị của biến số Ðộ lớn của cung tỉ lệ với tần suất của giá trị biến số

Nữ 35%

Nam 65%

Hình 5 Biểu đồ hình bánh (pie chart) mơ tả phân bố giới tính của

những học sinh trong trường mầm non 23/11, Hĩc mơn

Sinh thường

Sinh mổ Sinh

forceps

Hình 6 Biểu đồ hình bánh thể hiện phương pháp sinh của 600 đứa trẻ

sinh tại bệnh viện X

Tổ chức đồ và đa giác tần suất

Tổ chức đồ (histogram) và đa giác tần suất (polyline) được dùng trong mô tả

phân bố của biến số liên tục Ðể vẽ tổ chức đồ, người ta chia biên độ của giá trị

làm nhiều khoảng giá trị và tính tần suất của những khoảng giá trị đó Những

khoảng giá trị này được biểu thị ở trên trục hoành Ứng với mỗi khoảng giá trị

người ta vẽ những hình chữ nhật có diện tích tỉ lệ với tần suất của khoảng giá trị

đó Bởi vì các khoảng giá trị này nằm sát nhau trên trục hoành, các hình chữ nhật

của tổ chức đồ cũng thường nằm sát nhau

Hình 7 Tổ chức đồ mức hemoglobin của 70 phụ nữ

Hình 8 Ða giác tần suất của hemoglobin của 70 phụ nữ

Ðể vẽ đa giác tần suất, người ta thường vẽ tổ chức đồ và nối các trung điểm

của các cạnh trên của các hình chữ nhật Ða giác tần suất thường không đẹp như

các tổ chức đồ nhưng nó có ưu điểm là có thể vẽ nhiều đa giác tần suất trên cùng

một đồ thị để dễ so sánh các phân phối của chúng

hemoglobin

0 5 10

15

Hình 9 Ða giác tần suất hemoglobin của 28 phụ nữ nghèo (đường đỏ) so

vơí 42 phụ nữ trung bình và khá (đường xanh)

ÐẠI CƯƠNG VỀ PHÂN TÍCH SỐ LIỆU

Ước lượng

Dân số và mẫu

Thông thường chúng ta không thể nghiên cứu toàn bộ dân số mà chúng ta

quan tâm Chúng ta thường chỉ có thể nghiên cứu chỉ một phần dân số đó, phần

này được gọi là mẫu (sample) và từ đó ước đoán về những đặc tính của dân số

Trong nghiên cứu khoa học, chúng ta đi từ đặc trưng của cá thể (biến số -

variable) để có được đặc trưng của mẫu (được gọi là thống kê - statistics) và từ đặc

trưng của mẫu chúng ta sử dụng phương pháp suy luận thống kê và lí giải để có

được đặc trưng của dân số (được gọi là tham số - parameter)

Một loại mẫu thường được gặp trong nghiên cứu là mẫu ngẫu nhiên đơn

Khi lấy mẫu ngẫu nhiên đơn, chúng ta có thể tính được giá trị trung bình và độ

lệch chuẩn của mẫu Rõ ràng là giá trị trung bình và độ lệch chuẩn sẽ khác nhau

với những mẫu khác nhau Tuy vậy các nhà thống kê đã chứng minh rằng giá trị

trung bình của mẫu sẽ có phân phối bình thường và các giá trị trung bình này sẽ tập

trung tại trung bình của dân số Do đó nếu chúng ta tính trung bình của mẫu thì

chúng ta hi vọng trung bình của dân số sẽ nằm ngay tại hay ở lân cận trung bình

của mẫu Ðộ phân tán của trung bình mẫu xung quanh chung bình dân số được gọi

là sai số chuẩn (standard error) và sẽ giảm đi khi cỡ mẫu càng lớn:

n

s n

s e

s

2

.

Độ lệch chuẩn và sai số chuẩn là hai đại lượng thể hiện sự phân tán nhưng

độ lệch chuẩn thể hiện sự phân tán của cá thể chung quanh giá trình trung bình dân

số còn sai số chuẩn là đại lượng thể hiện sự phân tán của con số thống kê (trung

bình mẫu hay tỉ lệ của mẫu) chung quanh giá trị của tham số (trung bình dân số

hay tỉ lệ của dân số)

Ước lượng khoảng tin cậy của trung bình

Như chúng ta đã trình bày, trung bình của mẫu sẽ dao động nhưng tập trung

tại giá trị trung bình của dân số, nên chúng ta có thể ước lượng trung bình dân số

bằng cách tính trung bình của mẫu

Nhưng do trung bình mẫu có dao động, chúng ta không chắc là trung bình

mẫu sẽ chính xác bằng trung bình của dân số mà chỉ có thể tin là trung bình dân số

nằm ở vị trí đâu đó chung quanh trung bình của dân số Các nhà thống kê cho rằng

95% các trường hợp trung bình dân số không nằm xa quá 1,96 x SE so với trung

bình mẫu: phạm vi này được gọi là khoảng tin cậy 95% Như vậy khoảng tin cậy

95% của trung bình của biến sô định lượng

Khoảng tin cậy 95% (95% CI) : x  1,96s/n Trong trường hợp cỡ mẫu nhỏ (n < 30), chúng ta không thể sử dụng giá trị

1,96 như trong công thức trên mà cần phải sử dụng các giá trị hơi lớn hơn (và càng

lớn nếu cỡ mẫu càng nhỏ), giá trị này được gọi là giá trị của phân phối t với (cỡ

mẫu – 1) độ tự do

Khoảng tin cậy 95% (95% CI) : x  t(1-  /2)  s/n

Bài tập:

1 Một nghiên cứu ghi nhận trên cỡ mẫu 1235 trẻ sơ sinh ở tỉnh Đồng Tháp

cho thấy trọng lượng trung bình của trẻ sơ sinh là 3121 gram và độ lệch chuẩn là

435 gram Hãy ước lượng khoảng tin cậy 95% của trọng lượng trung bình của trẻ

sơ sinh tỉnh Đồng Tháp

Sử dụng công thức trên ta tính được:

95%CI=3096.74 - 3145.26 gram

176; 176 Hãy ước lượng khoảng tin cậy 95% của chiều cao trung bình

Trước tiên chúng ta phải xác định trung bình của chiều cao là 168,8 cm và

độ lệch chuẩn của chiều cao là 5,493 Do cỡ mẫu là 10 chúng ta phải dò bảng phân

phối t ở 9 độ tự do ta được giá trị t (tương ứng với khoảng tin cậy 95%) là 2,26 Từ

đó chúng ta tính được khoảng tin cậy 95%

95%CI=164.87 - 164.87

Ước lượng khoảng tin cậy của tỉ lệ

Để ước lượng khoảng tin cậy của một tỉ lệ, chúng ta cần xác định tỉ lệ p sau

đó dựa vào p để ước lượng khoảng tin cậy 95% của p

n

) -

(1 p

p

p 1 , 96 

Bài tập

Điều tra trên 127 thanh niên có 45 thanh niên hút thuốc lá Hãy tính tỉ lệ

thanh niên hút thuốc lá và khoảng tin cậy 95% của tỉ lệ hút thuốc lá

Chúng ta tính được tỉ lệ hút thuốc lá ở thanh niên là 0.354 (35.4%) Dựa vào

công thức trên chúng ta tính được khoảng tin cậy 95% của tỉ lệ hút thuốc lá là

0,271 đến 0,438

Suy luận thống kê

Kiểm định ý nghĩa

Phương pháp kiểm định ý nghĩa được Fisher đề xuất và dựa trên căn bản của

phép phản chứng Phép phản chứng trong logic học sử dụng bằng mệnh đề: Nếu A

kéo theo B thì không B sẽ kéo theo không A

A B BA

Một thí dụ của phép phản chứng là khi chúng ta gặp một bệnh nhân nghi ngờ

tắc ruột và chúng ta hỏi bệnh sử xem bệnh nhân có bí trung tiện hay không Giả sử

bệnh nhân không bí trung tiện thì chúng ta sẽ bác cỏ chẩn đoán tắc ruột với suy

luận sau: Nếu bệnh nhân bị tắc ruột sẽ bí trung tiện thì bệnh nhân sẽ bí trung tiện,

do bệnh nhân không bí trung tiện nên bệnh nhân không bị tắc ruột

Một cách tổng quan hơn, khi chúng ta đưa ra giả thuyết chẩn đoán (thí dụ

như chẩn đoán tắc ruột), chúng ta thường sẽ xem xét các hệ quả phổ biến giả

thuyết này (Bệnh nhân tắc ruột thường bị đau bụng,nôn ói, bí trung tiện và chướng

bụng) Việc không có một trong các hậu quả phổ biến của giả thuyết này (thí dụ

như bệnh nhân không có đau bụng, không có nôn ói, không bị bí trung tiện hay

không có chướng bụng) thì chúng ta có thể bác bỏ chẩn đoán Các biến cố nằm

ngoài các hệ quả phổ biến của giả thuyết (biến cố không có đau bụng, không có

nôn ói, không bị bí trung tiện hay không có chướng bụng) được gọi là miền bác bỏ

của chẩn đoán

Trong kiểm định thống kê người ta cũng sử dụng các lập luận tương tự Để

kiểm định một giả thuyết thống kê (được gọi là giả thuyết Ho) cần phải xác định

miền xảy ra phổ biến của các con số thống kê (như trung bình, tỉ lệ, thống kê t,

thống kê z, thống kê chi bình phương, v.v.) và nếu con số thống kê này nằm ngoài

miền xảy ra phổ biến thì chúng ta sẽ bác bỏ giả thuyết Ho Miền nằm ngoài miền

xảy ra phổ biến của số thống kê được gọi miền bác bỏ

Hình Error! Bookmark not defined Nguyên tắc kiểm định ý nghĩa theo

Fisher Đường cong phân phối hình chuông thể hiện phân phối của thống kê

của z khi µ=0 (giả thuyết Ho) Vùng diện tích dưới đường cong màu trắng thể

hiện miền các thống kê z thường xảy ra nếu giả thuyết Ho là đúng Vùng diện

tích dưới đường cong màu sẫm là miền bác bỏ giả thuyết Ho và có diện tích là

xác suất sai lầm loại 1 (5%)

Khi sử dụng kiểm định ý nghĩa chúng ta cần lưu ý các điểm sau:

- Kiểm định dựa trên nguyên tắc phản chứng nghĩa là chúng ta chỉ có

thể bác bỏ chứ không thể chứng minh được giả thuyết Ho Vì vậy nếu chúng ta

muốn chứng minh hút thuốc lá là yếu tố nguy cơ của ung thư phổi thì phải đặt ra

giả th.uyết thống kê Ho là hút thuốc lá không phải là yếu tố nguy cơ của ung thư

phổi và sử dụng phương pháp kiểm định để bác bỏ điều này

RR=1 hay Ho: điểm trung bình về bệnh lây truyền qua đường tình dục ở nam thanh

niên = điểm trung bình về bệnh lây truyền qua đường tình dục ở nữ thanh niên ) thì

mới có thể tính được phân phối của thống kê Giả thuyết Ho không thể thể hiện

bằng bất đẳng thức (Ho: RR>1 là sai)

- Do diện tích miền bác bỏ là một con số cố định (thường là 0,05), để

xác định con số thống kê T có nằm trong miền bác bỏ hay không người ta tính xác

suất xảy ra thống kê cực đoan hơn giá trị T nếu giả thuyết Ho là đúng (được thể

hiện bằng công thức: P (>T |Ho) ) Xác suất này được gọi là giá trị p Và nếu giá trị

p nhỏ hơn ngưỡng bác bỏ nghĩa là thống kê T nằm trong vùng bác bỏ và chúng ta

có thể bác bỏ giả thuyết Ho

Giá trị p được kí hiệu khác nhau trên các phần mềm thống kê Thí dụ ở phần

mềm Epi-Info, giá trị p được kí hiệu là p-value, ở phần mềm SPSS, giá trị p được

kí hiệu là Sig Ở phần mềm Stata, các giá trị p thường được kí hiệu khác nhau tùy

theo thống kê được sử dụng là thống kê gì Cụ thể, trong phần mềm Stata, giá trị p

được kí hiệu như sau:

P > |T| (nếu kiểm định t) P > |z| (nếu kiểm định z)

Prob > chi2 (kiểm định chi bình phương) Prob > F (Kiểm định F; Kiểm định

ANOVA)

Kiểm định giả thuyết

Khuyết điểm của phương pháp kiểm định ý nghĩa khi khơng bác bỏ được giả

thuyết H0 chúng ta khơng biết được xác suất H0 đúng là bao nhiêu Một nhà thống

kê học khác tên là Neyman đã đề ra phương pháp kiểm định giả thuyết trong đĩ cĩ

Bác bỏ giả thuyết

Xác suất sai lầm loại 2 Không nhỏ

Nhỏ

Chấp nhận giả thuyết

Thực hiện nghiên cứu với cỡ mẫu lớn hơn

Không nhỏ tra bảng tính p

Sai lầm loại một và sai lầm loại hai

Sai lầm loại một: bác bỏ giả thuyết H0 trong khi giả thuyết H0 là đúng

Sai lầm loại hai: Khơng bác bỏ giả thuyết H0 trong khi giả thuyết H0 sai

Trong nghiên cứu thống kê người ta khơng bao giờ cĩ thể chắc chắn Do

vậy, khi nhà nghiên cứu đi đến kết luận bác bỏ giả thuyết H0, người nghiên cứu cĩ

thể bị sai lầm (sai lầm loại một - với một xác suất nào đĩ) Khi nhà nghiên cứu

khơng bác bỏ giả thuyết H0, nhà nghiên cứu cũng cĩ thể bị sai lầm (sai lầm loại hai

- cũng với một xác suất nào đĩ) Một điều nên nhớ là bằng kiểm định thống kê

người ta cĩ thể xác định được xác suất sai lầm loại một nhưng khơng thể tính được

xác suất sai lầm loại hai mà chỉ cĩ thể tính được dựa vào đối thuyết Ha và cỡ mẫu

của nghiên cứu

Ðơi khi người ta cịn sử dụng khái niệm năng lực (power) của kiểm định

thống kê Năng lực của kiểm định thống kê = 1 - xác suất sai lầm loại 2 Khái niệm

năng lực của thống kê hay được dùng trong tính cỡ mẫu

Bảng Error! Bookmark not defined Tóm tắt về sai lầm loại 1, sai lầm

loại 2 và giá trị ngưỡng của nó

Chân lí là Ho đúng (Không có sự khác biệt)

Chân lí là Ha đúng (Không có sự khác biệt)

(Xác suất = )

Power của nghiên cứu)

(Xác suất = 1-)

(Xác suất = )

Chọn lựa kiểm định phù hợp

Như vậy nguyên lí của kiểm định ý nghĩa (hay kiểm định giả thuyết là như

nhau) Các kiểm định chỉ khác nhau việc lựa chọn thống kê xuất phát từ giả thuyết

H0. Việc lựa chọn này phụ thuộc vào biến số của vấn đề quan tâm và thiết kế của

nghiên cứu

Bảng 10 Chọn lựa kiểm định phù hợp theo thiết kế nghiên cứu

Loại thiết kế nghiên cứu

Thang đo của

biến số phụ thuộc

Hai nhóm điều trị gồm các

cá nhân khác nhau

nhiêù) nhóm điều

nhân khác nhau

sau một điều trị (hoặc 2 điều trị) ở

Phân tích phương sai

t-test bắt cặp Phân tích

phương

lường lập lại

Hồi quy tuyến

tương quan pearson Ðịnh tính - Danh

Cochranc

e Q

Hệ số của bảng n x

m (phi, OR, RR) Ðịnh tính -Thứ

Wallis

Kruskal-Kiểm định sắp hạng có dấu

Wilcoxon

tương quan Spearman

Bảng 11 Chọn lựa kiểm định phù hợp để tìm sự liên hệ giữa biến độc lập và

biến phụ thuộc

thứ tự)

Định lượng, đa biến (hoặc thứ tự)

Định lượng phân phối bình

thường

tính Biến định lượng phân phối

không bình thường – Biến

thứ tự

quát Logrank

quát Logrank

Hồi quy Cox

Phép kiểm t bắt cặp

Tiên lượng của bệnh nhân suy hô hấp mãn tính tăng carbonic thường kém (tỉ

lệ tử vong trong 3 năm thay đổi từ 30% đến 100%) và hiện tại chưa có phương

pháp điều trị hữu hiệu Tilapur và Mir (Am J Med 1984; 77:987) cho rằng chế độ

ăn giảm carbonhydrate có thể cải thiện tình trạng hô hấp Các nhà nghiên cứu này

tiến hành thực nghiệm trên 8 người suy hô hấp mãn tính (có dấu hiệu của tim lớn,

gan lớn, phù và tăng áp phổi) với chế độ điều trị bằng chế độ ăn 600 Kcal và ghi

nhận PaO2 (phân áp oxy động mạch) và PaCO2 (phân áp carbon dioxide động

mạch) trước và sau điều trị Kết quả nghiên cứu được trình bày trong Bảng 1 Hãy

Bảng 1 Phân áp Oxy động mạch và phân áp CO2 động mạch trên 8 đối

tượng trước và sau chế độ điều trị với chế độ ăn giảm carbonhydrate

Đối tượng Pa02 trước Pa02 sau Hiệu số PaC02 trước PaC02 sau Hiệu số

Bước 1: Xây dựng giả thuyết Ho:

Ho: Phân áp oxy động mạch trước và sau điều trị không thay đổi

Bước 2: Chọn kiểm định phù hợp

Kiểm định phù hơp là kiểm định t bắt cặp với 7 độ tự do

Bước 3: Tính thống kê t

Tính trung bình và độ lệch chuẩn của biến số d (hiệu số của phân áp oxy

động mạch trước và sau điều trị) để tính thống kê t

66 , 4 /

; 2 , 8

; 5 ,



n s

d t s

Bước 4: tính xác suất của giá trị thống kê t

Để tính xác suất của giá trị thống kê t ta sử dụng hàm tdist(giá trị t, độ tự do,

2) Cụ thể để tính p tương ứng với giá trị t = 4.63 ở 7 độ tự do chúng ta đánh công

thức "=tdist(4.63, 7, 2) vào một ô Kết quả ta được giá trị p= 0.002397687

Bước 5: Kết luận

Vì giá trị p= 0.002397687 nhỏ hơn 0.05 nên chúng ta bác bỏ giả thuyết Ho

nghĩa là phân áp oxy động mạch có cải thiện sau khi điều trị

Phép kiểm t (không bắt cặp)

Nhằm tìm hiểu vai trò của catecholamine trong tăng huyết áp vô căn, de

Champlain (Circ Res 1976; 38:109) nghiên cứu 22 bênh nhân tăng huyết áp vô căn

(gồm 13 người có nồng độ catecholamine cao và 9 bình thường), ghi nhận nhịp

tim, huyết áp tâm thu, huyết áp tâm trương Kết quả của nghiên cứu được trình bày

trong bảng 2 Hãy so sánh nhịp tim ở hai nhóm, nhóm có tăng catecholamine và

nhóm không tăng catecholamine

Bảng Error! Bookmark not defined Trung bình và độ lệch chuẩn của

Luợng catecholamine huyết thanh, nhịp tim, huyết áp tâm thu và huyết áp

tâm trung ở 13 bệnh nhân tăng huyết áp tăng catecholamine và 9 bệnh nhân

tăng huyết áp không tăng catecholamine

Tăng catecholamine Không tăng

catecholamine huyết thanh

x=0.206 s=0.060