Một số thông số thống kê cơ bản trong nghiên cứu lâm sàng

MỘT SỐ THÔNG SỐ THỐNG KÊ CƠ BẢN TRONG NGHIÊN CỨU LÂM SÀNG BS.. Nói về sự khác biệt giữa các trung bình hoặc các trung vị, các tỷ lệ ==> sự khác biệt trong mẫu nghiên cứuKhông mô tả mối t

MỘT SỐ THÔNG SỐ THỐNG KÊ CƠ BẢN

TRONG NGHIÊN CỨU LÂM SÀNG

BS VĂN ĐỨC HẠNH

VIỆN TIM MẠCH VIỆT NAM

THỰC TRẠNG

SỐ LIỆU THU ĐƯỢC

TRÌNH BÀY

THỐNG KÊ MÔ TẢ - SUY LUẬN

Thống kê mô tả (Descriptive

statistic): kỹ thuật dùng để mô

tả các đặc tính của mẫu

Thống kê suy luận (Inferential

statistic): quá trình suy luận từ

đặc tính của mẫu ra đặc tính

của quần thể

BIẾN ĐỊNH TÍNH BIẾN ĐỊNH LƯỢNG

THỐNG KÊ MÔ TẢ

Tần số

Tỷ lệ phần trăm

Trung bình (mean) Trung vị (median) Mode

Độ lệch chuẩn ( standard deviation)

Phương sai (variance)

Khi bình phương Fisher test

t test ANOVA Wilcoxon Mann-Whitney Sign test

Log-rank test

THỐNG KÊ SUY LUẬN

tính

HR (Hazard Ratio)

Hồi quy COX

MỘT SỐ THÔNG SỐ THỐNG KÊ CƠ BẢN

p value

GIÁ TRỊ p

TIẾN TRÌNH TÌM p ?

Tiến trình của 1 nghiên cứu khoa học:

Xây dựng giả thiết Ho

Đưa ra giả thiết chính H1 (mong muốn chứng minh)

Thu thập dữ kiện (D)

Phân tích dữ kiện: tính toán xác suất D xảy ra nếu giả thiết Ho đúng

==> tính toán p

Như vậy:

p là xác suất của dữ kiện D xảy ra nếu giả thiết Ho đúng

P không trực tiếp cho chúng ta biết sự thật về giả thiết chính H1 mà chỉ gián tiếp cung cấp bằng chứng để bác Ho và chấp nhận H1.

Có ý nghĩa thống kê chưa chắc đã có ý nghĩa về lâm sàng.

Nguyễn Văn Tuấn (2008), Y học thực chứng

CÁC THÔNG SỐ THỐNG KÊ MÔ TẢ

Tần số n

Tỷ lệ %

Trung bình: trung bình số học

Trung vị: giá trị ở giữa bộ số liệu

Mode: giá trị hay gặp nhất

Độ lệch chuẩn: nói đến độ phân tán của số liệu

ÁP DỤNG NGHIÊN CỨU LÂM SÀNG

NEJM, 2010, 362; 15; 1363

Ý NGHĨA THỐNG KÊ MÔ TẢ

TRONG NGHIÊN CỨU LÂM SÀNG

Mô tả đặc điểm ban đầu về lâm sàng hoặc cận lâm sàng của đối tượng nghiên cứu ban đầu

Giúp người đọc hiểu đặc tính quần thể nghiên cứu, từ đó dễ dàng lý giải khi so sánh với các nghiên cứu khác

SO SÁNH SỰ KHÁC BIỆT BIẾN ĐỊNH LƯỢNG

SO SÁNH SỰ KHÁC BIỆT BIẾN ĐỊNH TÍNH

J Am Coll Cardiol 2005;45;999-1002

ÁP DỤNG NGHIÊN CỨU LÂM SÀNG

NEJM, 2010, 362; 15; 1363

ÁP DỤNG NGHIÊN CỨU LÂM SÀNG

Nói về sự khác biệt giữa các trung bình (hoặc các trung vị), các tỷ lệ ==> sự khác biệt trong mẫu nghiên cứu

Không mô tả mối tương quan giữa các biến ==> chưa suy rộng cho cả quần thể nghiên cứu

Áp dụng: mô tả đặc điểm lâm sàng, cận lâm sàng tại thời điểm ban đầu và/hoặc kết thúc nghiên cứu

Ý NGHĨA SO SÁNH SỰ KHÁC BIỆT

TRONG NGHIÊN CỨU LÂM SÀNG

PHÂN TÍCH SỐNG CÒN

Có 2 phương pháp phân tích sống còn:

Phương pháp phân tích bảng sống: xác suất sống còn được tính toán dựa trên thời gian được ấn định sẵn (ví dụ: mỗi 30 ngày) Ít dùng trên lâm sàng

Phương pháp Kaplan - Meier: xác suất sống được tính toán tại thời gian mỗi biến cố xảy ra Thường được dùng trên lâm sàng

PHÂN TÍCH SỐNG CÒN

Đường cong Kaplan - Meier:

Đường cong thể hiện sự sống còn của quần thể nghiên cứu theo thời gian

Cho phép đánh giá sự sống còn theo thời gian

ngay cả khi bệnh nhân drop out hoặc nghiên cứu

ở những thời gian khác nhau

Kiểm định Logrank: So sánh đường cong sống còn bằng cách so sánh tần suất quan sát và tần suất

mong đợi ở mỗi biến cố thời gian

ÁP DỤNG NGHIÊN CỨU LÂM SÀNG

10.1056/nejmoa1007964 nejm.org

Đường cong Kaplan - Meier thể

hiện xác suất chưa

mắc biến cố ==> đường cong có dạng đi xuống.

NEJM, 2010, 362; 15; 1363

Đường cong Kaplan - Meier thể

hiện tổng biến cố

cộng dồn ==>

đường cong có dạng đi lên.

ÁP DỤNG NGHIÊN CỨU LÂM SÀNG

Phương pháp Kaplan - Meier phân tích mối quan

hệ sống còn theo thời gian của đối tượng nghiên cứu (hoặc các nhóm nghiên cứu)

Đây là phương pháp thống kê suy luận chưa hiệu chỉnh theo các biến khác ==> không thực sự có nhiều ý nghĩa trong rút ra kết luận khái quát cho quần thể

Ý NGHĨA KAPLAN - MEIER

TRONG NGHIÊN CỨU LÂM SÀNG

HỆ SỐ TƯƠNG QUAN r

TƯƠNG QUAN GIỮA 2 BIẾN ĐỊNH LƯỢNG:

HỆ SỐ TƯƠNG QUAN r

Hệ số tương quan (r) thể hiện mức độ tương quan giữa 2 biến liên tục mà không quan tâm tới quan

hệ nhân quả

Hệ số tương quan chạy từ -1 đến 1:

r > 0: tương quan đồng biến

r < 0: tương quan nghịch biến

r = 0: không tương quan

|r| càng gần 1: tương quan càng chặt chẽ

TƯƠNG QUAN GIỮA 2 BIẾN ĐỊNH LƯỢNG

Mức độ tương quan:

|r| < 0,3: tương quan yếu0,3 ≤ |r| < 0,5: tương quan trung bình0,5 ≤ |r| < 0,7: tương quan chặt chẽ

|r| ≥ 0,7: tương quan rất chặt chẽLưu ý p value, khoảng tin cậy 95%

Pearson: biến chuẩn, Spearman: biến không chuẩn

ÁP DỤNG NGHIÊN CỨU LÂM SÀNG

European Heart Journal (2002) 23, 247–254

HỆ SỐ r : HỒI QUY TUYẾN TÍNH

Hồi quy là mô hình toán học thể hiện sự biến đổi của một biến số (biến phụ thuộc) theo một hay nhiều biến khác (biến độc lập = biến giải thích)

Mô hình hồi quy tuyến tính:

Y = a + bx1 + cx2 + dx3 +

Biến phụ thuộc Y là biến định lượng, phân bố chuẩn.

Biến độc lập (giải thích) là biến định tính/ định lượng.

2

HỒI QUY TUYẾN TÍNH

Chỉ số tốt nhất đánh giá mức độ tương quan là hệ

số R

Hệ số này chạy từ 0 đến 1

Hệ số này thể hiện % khác biệt của biến phụ thuộc

có thể giải thích do biến thiên của biến độc lập

2

ÁP DỤNG NGHIÊN CỨU LÂM SÀNG

Circulation 2005;112;2833-2839

22% khác biệt TLR (biến phụ thuộc) có thể giải thích do biến thiên

Mean Late Loss (biến độc lập)

HỆ SỐ OR, RR

HỆ SỐ OR, RR HIỆU CHỈNH

TƯƠNG QUAN GIỮA 2 BIẾN ĐỊNH TÍNH

ÁP DỤNG LÂM SÀNG

Heart 2003;89;512-516

Glucose máu tại thời điểm nhập viện ở BN NMCT cấp từ 7,2

- 10,0 mmol/ làm tăng nguy cơ suy thất trái gâp 2,06 lần, độ tin cậy 1,34 - 3,15.

Ý NGHĨA

Xác định một Biến là Yếu tố nguy cơ hoặc Yếu tố bảo vệ đối với sự xuất hiện của một bệnh (hoặc một biến chứng) ?

Xác định được một thuốc có hiệu quả làm giảm (hoặc tăng) biến cố hơn hẳn thuốc khác ?

OR, RR LIỆU ĐÃ ĐỦ?

CHƯA ĐỦ !

CẦN XEM XÉT TRONG TỔNG HỢP CÁC YẾU

TỐ

KHÁI NIỆM HỒI QUY LOGISTIC

Biến phụ thuộc

Biến độc lập

Ý NGHĨA HỒI QUY LOGISTIC

Hồi quy logistic giúp dự đoán được sự xuất hiện / không xuất hiện của một hiện tượng (hoặc một biến cố) dựa vào

Hồi quy Logistic cho chúng ta cái nhìn rộng hơn trong tổng hòa nhiều yếu tố trong mô hình.

Được áp dụng rộng rãi trong các nghiên cứu trên thế giới.

HAZARD RATIO (TỶ SỐ RỦI RO)

Áp dụng cho các nghiên cứu thuần tập tiến cứu có tích lũy các hiện tượng (biến cố) theo thời gian

Hệ số HR gần như tương đương với hệ số RR

HR chưa hiệu chỉnh

HR hiệu chỉnh (Mô hình COX)

HỒI QUY COX

Phương pháp Kaplan - Meier và kiểm định logrank chỉ cho phép so sánh 1 yếu tố (dự báo) tại 1 thời điểm (đơn biến độc lập)

Cách tính toán đồng thời nhiều yếu tố cùng một lúc tại thời điểm biến cố nghiên cứu? Làm sao để đánh giá hiệu chỉnh dự báo sống còn khi tồn tại khả năng trùng lặp?

Khi nghiên cứu có thời gian - biến cố Mô hình hồi quy COX là phù hợp nhất để giải quyết vấn đề này.

Cho phép dự báo yếu tố tiên lượng.

Thăm dò mối quan hệ giữa biến sống còn và biến giải thích

Mô hình đa biến

10.1056/nejmoa1007964 nejm.org

ÁP DỤNG NGHIÊN CỨU LÂM SÀNG

N Engl J Med 2001;344:1651-8

HỆ SỐ KAPPA

2 phương pháp chẩn đoán có đồng nhất không?

Ý NGHĨA CỦA KAPPA

Kappa test được sử dụng để đánh giá phần trăm

đồng thuận giữa 2 người (2 phương pháp) khi chẩn đoán 1 bệnh (hiện tượng sức khỏe) sau khi đã loại

bỏ vai trò của yếu tố may rủi

Hệ số K:

VÍ DỤ LÂM SÀNG

Diabetes Care 31:36–38, 2008

Có sự tương đồng trong chẩn đoán rối loạn chuyển hóa glucose bằng NPDN glucose tại thời điểm trước khi ra viện và sau 3 tháng (Hệ số K

= 0,35), giữa thời điểm trước khi ra viện và sau 12 tháng (K = 0,43)

ROC (Receiver operating characteristic)

TÍNH GIÁ TRỊ CỦA CHẨN ĐOÁN

PHÂN TÍCH ROC

VÍ DỤ LÂM SÀNG

European Heart Journal (2006) 27, 2413–2419

TAKE HOME MESSAGES

p value Tần số, tỷ lệ / Trung bình, trung vị, độ lệch chuẩn

ttest / Khi bình phương / Logrank test

OR, RR, 95%CI / r / HR Hồi quy Logistic / Hồi quy tuyến tính / Hồi quy COX

Hệ số Kappa

Độ nhạy, độ đặc hiệu, ROC

SỬ DỤNG HỢP LÝ CÁC THÔNG SỐ THỐNG KÊ ĐỂ LÀM TĂNG TÍNH THUYẾT PHỤC CỦA NGHIÊN CỨU !

XIN CHÂN THÀNH CẢM ƠN !

vdhanh412@yahoo.com.vn