Biểu đồ Bland altman -Tài liệu hướng dẫn thống kê y học sử dụng SPSS

Trong nghiên cứu này, một trung tâm điều trị bệnh lý giấc ngủ muốn khảo sát sự khác biệt giữa kết quả đa ký giấc ngủ chỉs ố RDI theo cách phân tích thủ công a và kết quả tự động bằng một

Tài liệu hướng dẫn

Lời nói đầu

Có lần một đàn em học năm Y5 hỏi tôi rằng theo anh thì em cần tập trung học những kiến thức, kĩnăng nào quan trọng để chuẩn bị làm luận văn tốt nghiệp ? Bản thân tôi khi bằng tuổi em cũng thíchhọc « tủ » một cách thực dụng như vậy, nhưng sau khi ra trường tôi lại có cái nhìn khác Rất tiếc tôiphải trả lời cho cô sinh viên đó là: Không có thứ gì là thừa, mọi kĩ năng đều sẽ có ích trong hoàn cảnhnào đó mà ta không ngờ tới

Điều này đã được chứng thực đối với môn thống kê trong cuộc đời tôi Vào một hoàn cảnh nào đó,một phương pháp mà trước đó mình chưa từng làm qua bao giờ, bỗng trở nên quan trọng vô cùng vàquyết định nhiều vấn đề sống còn cho bản thân Ví dụ vào năm 2008, khi tôi đang học dở dang nămthứ 2 Master tại Paris thì bị mất việc làm Tôi không biết phải sống như thế nào trong 6 tháng chỉ với

2000 Euros mà tôi dành dụm được Rất may mắn là Thầy tôi đã liên hệ được với một công ty chế tạothiết bị y khoa để thực hiện 1 nghiên cứu lâm sàng nhằm kiểm nghiệm phẩm chất của một prototype,với thù lao cho nghiên cứu sinh bằng 2 tháng lương cơ bản Tôi đảm nhận công việc này và đó là lầnđầu tiên trong đời tôi sử dụng phân tích Bland-Altman Trước đó tôi chưa từng nghĩ là có ngàyphương pháp đơn giản và cũ xưa từ năm 1986 này có thể nuôi sống mình Sau này, hàng chục lần tôi

đã dùng Bland-Altman cho công việc trong trong ngành công nghiệp chế tạo thiết bị Y khoa để so sánh

2 loại máy đo khác nhau trên lâm sàng Đây là phương pháp mang lại cho tôi nhiều lợi ích nhất về vậtchất hơn bất cứ phương pháp thống kê nào khác

Tại Việt Nam, có thể phương pháp Bland Altman không hái ra tiền theo cách này, nhưng chắc chắncông dụng của nó cũng rất lớn nếu các bạn muốn cẩn trọng kiểm tra mọi phương pháp chẩn đoántrước khi áp dụng thường quy cho bệnh nhân Khi muốn mua một máy đo huyết áp, đo đường huyết ,máy phân tích sinh hóa… bạn có thể khảo sát độ chính xác của những thiết bị này so với thiết bị sẵn

có Nếu phương pháp chẩn đoán quan trọng và mới lạ, rất có thể nó sẽ cho phép bạn thực hiện một

đề tài nghiên cứu cấp cơ sở Cuối cùng thì mọi thứ đều có ích cho bệnh nhân

Thực ra cần thông báo một tin không vui; đó là SPSS không hỗ trợ phân tích Bland-Altman (dù chohàng trăm câu hỏi đã được gửi tới trung tâm IBM yêu cầu hướng dẫn cách làm quy trình này…) Nếubạn muốn có biểu đồ Bland-Altman nhanh chóng và dễ dàng nhất, hãy sử dụng Medcalc thay vì SPSS.Nếu bạn vẫn muốn làm phân tích Bland Altman trên SPSS, bạn sẽ phải làm nó hoàn toàn thủ công

Tuy nhiên, sau một thời gian sử dụng cả Medcalc và SPSS tôi lại thấy thích SPSS hơn Với Medcalc mọithứ đều tự động và bị đóng khung theo công thức, trong khi trí tưởng tượng của chúng ta lại không

có giới hạn Khi sử dụng SPSS, bạn có thể kiểm soát hoàn toàn những gì mình đang làm và tha hồ thửnghiệm những ý tưởng lạ tùy theo tình huống Tôi đặc biệt thích chức năng Bootstrap trong SPSS, đôikhi nó cho ra kết quả « đẹp » hơn so với cách làm truyền thống

Để hỗ trợ BS Khả Nhi làm phân tích Bland Altman thật đơn giản, nhanh chóng, tôi đã viết một bộSyntax cho phép phân tích tự động hoàn toàn (ngoại trừ khâu chỉnh sửa hình vẽ) Chúc các bạn thànhcông

Quy ước trình bày

Trong tài liệu này chúng ta sẽ làm quen với 3 nhân vật

Bác sĩ Nguyễn Văn Thái

Bác sĩ Thái là một cao thủ thống kê y học trên giang hồ Anh ta sẽ xuấthiện trước mọi vấn đề khó khăn, nhằm đưa ra câu trả lời chính xác và

ôn lại cho bạn những kiến thức cơ bản cũng như chuyên sâu về lýthuyết thống kê Tuy nhiên BS Thái lại rất bận rộn nên không đủ thờigian đi vào cách thực hiện chi tiết Anh ta cũng hay trình bày lý thuyếtthuần túy và sử dụng nhiều công thức toán học nên không mấy gần gũivới sinh viên và gây không ít trở ngại cho các bạn vốn dị ứng với thống

kê …

Bác sĩ Lê Ngọc Khả Nhi

Khả Nhi là một nữ bác sĩ trẻ dễ thương và sử dụng thànhthạo SPSS Như tên gọi của mình, BS Nhi có tính cách hồnnhiên và ngây thơ như trẻ con, vì vậy cô ấy luôn có khuynhhướng đơn giản hóa tối đa mọi vấn đề Khả Nhi sẽ hướngdẫn các bạn sử dụng SPSS qua từng bước cụ thể, chia sẻnhững mẹo vặt, thủ thuật để giúp các bạn đi đến kết quảnhanh và dễ dàng nhất

Sinh viên Trần Quốc Bảo

Bảo là sinh viên y khoa năm thứ sáu và bắt đầu làm quen với nghiêncứu khoa học Đây là một cậu sinh viên rất tò mò và luôn đặt ranhiều câu hỏi liên quan đến thống kê Mặc dù những đế tài do Bảothực hiện còn đơn giản, nhưng đồng hành với cậu ta, các bạn có cơhội tích lũy cho mình nhiều kinh nghiệm trong công việc phân tích

số liệu và thiết kế nghiên cứu

3

b

Kết quả của đa ký giấc ngủ thường được diễn giải một cách thủ công bởi một chuyên viên giàu kinh nghiệm (Một số nơi còn đòi hỏi sự phối kiểm giữa 2 chuyên viên khác nhau) Mục đích là ghi nhận các giai đoạn giấc ngủ và các biến cố xảy ra trong thời gian ngủ, ví dụ rối loạn hô hấp Kết quả cuối cùng được tính bằng tổng số sự kiện chia cho tổng thời gian ngủ Quy trình phân tích thủ công rất tốn thời gian Mỗi bộ kết quả có thể chứa đến vài giờ tín hiệu trong khi nhân viên phải đọc từng trang màn hình, mỗi trang quy ước tương ứng với thời gian là 30 giây.

Một số nhà sản xuất thiết bị y khoa trang bị khả năng phân tích tự động trong phần mềm của mình, cho phép đơn giản hóa việc diễn giải kết quả Tuy nhiên cho đến nay, chưa có phần mềm phân tích tự động nào thỏa mãn yêu cầu về độ chính xác trên lâm sàng.

Trong nghiên cứu này, một trung tâm điều trị bệnh lý giấc ngủ muốn khảo sát sự khác biệt giữa kết quả đa ký giấc ngủ (chỉs ố RDI) theo cách phân tích thủ công (a) và kết quả tự động bằng một phần mềm hiện đại (b) trên cùng một bộ dữ liệu đo trên

70 bệnh nhân có hội chứng ngưng thở khi ngủ ở các độ nặng khác nhau.

Phương pháp thống kê nào có thể được áp dụng cho loại nghiên cứu này ?

Đa ký giấc ngủ (Polysomnography) là

phương tiện dùng để ghi lại các thông

số sinh lý trong khi ngủ nhằm chẩn

đoán và đánh giá độ nặng của hội

chứng ngưng thở khi ngủ và các rối

loạn giấc ngủ khác nhau.

Bảo thân mến, đây là cơ hội để em học về Biểu đồ Altman Đây là phương pháp kinh điển để khảo sát sự tươnghợp giữa 2 test chẩn đoán …

Bland-B A Martin Bland và Doug Altman, 2 nhà thống kê học

người Anh đã giới thiệu cách khảo sát trực quan/định lượng sự tương hợp giữa 2 phép đo khác nhau Phương pháp của họ được đăng trên tờ Lancet lần đầu năm 1983.

Bland JM, Altman DG (1986) Statistical method for assessing agreement between two methods of clinical measurement The Lancet i:307-310.

Từ năm 1986 đến nay có rất nhiều biến thể của phương pháp Bland Altman, gần đây nhất là phương pháp cải tiến được

đề nghị bởi Krouwer (2008).

Krouwer JS (2008) Why Bland-Altman plots should use X, not (Y+X)/2 when X is a reference method Statistics in Medicine 27:778-780

2 2.1 Giới thiệu

A

B

Phương pháp tiêu chuẩn

Phương pháp mới, cần khảo sát

Khác biệt giữa A và B = giới hạn của sự tương hợp

Các dạng biến số Y Công thức tính

Khác biệt tuyệt đối* B-A

Khác biệt tương đối (%) 100*(B-1)/A hay 100*(B-A)/((B+A)/2)

Khác biệt logarit hóa Ln(B) – Ln(A)

Các dạng biến số X Công thức tính

Giá trị trung bình * (A+B)/2

Giá trị tiêu chuẩn A

Giá trị trung bình logarit hóa (Ln(B)+Ln(A))/2

Ghi chú: (*): phương pháp Bland-Altman kinh điển (1986) sử dụng Y=B-A và X=(B+A)/2

Các dạng còn lại là biến thể và được sử dụng tùy theo trường hợp nhất định

Năm 2008, Krouwer đề nghị sử dụng chính bản thân giá trị A thay vì giá trị trung bình (B+A)/2,nếu A là phương pháp tiêu chuẩn Cách làm này cho phép diễn giải kết quả hợp lý hơn khi ứng dụng trên lâm sàng.

A và B được chuyển sang thang đo logarit khi kích thước của thang đo gốc quá lớn, có thể gây ngộ nhận

về giá trị khác biệt.

Chỉ sử dụng giá trị khác biệt tương đối (% khác biệt so với A hoặc (A+B)/2) khi tiêu chuẩn chẩn đoán trên lâm sàng dựa vào thay đổi tương đối giữa 2 lần đo thay vì giá trị tuyệt đối của 1 lần đo duy nhất ở từng

cá thể, trong trường hợp biến số khảo sát dao động rất lớn trong điều kiện bình thường

Bản chất của phương pháp

Bland-Altman là một mô hình hồi quy tuyến

tính giữa biến số phụ thuộc Y và biến số

độc lập X Biến số Y biểu thị cho sự

khác biệt, biến số X biểu thị cho kích

thước của giá trị cần khảo sát trên

thang đo tiêu chuẩn

Bland-Altman là một phương pháp cho phép khảo sát trực quan mức độ tương hợp giữa 2 phép đo (phương pháp chẩn đoán) khác nhau Biểu đồ Bland Altman có dạng một mô hình hồi quy khảo sát quan hệ giữa sai số

và giá trị thang đo Trên biểu đồ này ta vẽ thêm một số đường thẳng biểu thị giá trị khác biệt trung bình, giới hạn trên và dưới của khác biệt và đường thẳng hồi quy tuyến tính Biểu đồ Bland Altman cung cấp thông tin về:

- Kích thước của sai số giữa 2 phương pháp

- Sự tồn tại của sai số hệ thống

- Đặc điểm phân phối của sai số

- - - -

e

f

g h c

Trục hoành (X), biểu thị cho thang đo, chúng ta có thể sử dụng giá trị trung bình giữa 2 phép đo:X= (A+B)/2 hoặc giá trị của phép đo tiêu chuẩn (Ví dụ X= A)

Các điểm giá trị tương ứng với mỗi trường hợp trong mẫu khảo sát

M: Trung bình của khác biệt: M = giá trị trung bình của Y

UL hay Giới hạn trên của khác biệt (theo quy ước: UL = M + 1.96*SD)

LL hay Giới hạn dưới của khác biệt (theo quy ước: LL = M - 1.96*SD)

Đường biểu thị giá trị Y=0, để so sánh trực quan giá trị của M(Y) so với 0 Theo quy ước, M luônphải đi kèm kết quả kiểm định t hay Z để kiểm tra giả thuyết H0: M=0

Đường thẳng hồi quy giữa Y và X, biểu thị cho quan hệ tuyến tính (nếu có) giữa khác biệt và giá trịthang đo, nhằm kiểm tra giả thuyết về sai số tỉ lệ và khuynh hướng khác biệt

j Một ngưỡng giá trị đặc biệt trên thang đo của đại lượng cần khảo sát, thông thường là ngưỡng

chẩn đoán Nó cho phép kết luận về ảnh hưởng của sai biệt giữa A và B đối với kết quả chẩn đoán

j

i

j Giới hạn sai số cho phép trên lâm sàng (thường dựa vào tiêu chuẩn quy ước)

Ứng dụng của phương pháp Bland Altman

+ So sánh 2 thiết bị xét nghiệm bất kì

Ví dụ: So sánh thân nhiệt đo bởi 2 nhiệt kế khác nhau

+ Kiểm nghiệm 1 thiết bị xét nghiệm mới so với công nghệ tiêu chuẩn

Ví dụ: So sánh huyết áp kế điện tử với huyết áp kế thủy ngân

+ Khảo sát sự tương hợp giữa 2 phương pháp đo đặc khác nhau đối với cùng 1 chỉ số

Ví dụ: So sánh kích thước khối u giữa MRI và CT-scan

+ Khảo sát mức độ tương hợp chẩn đoán giữa 2 nhân viên y tế khác nhau

Ví dụ: So sánh kết quả siêu âm của 2 bác sĩ sử dụng cùng 1 thiết bị chẩn đoán, hoặc so sánh số

đo huyết áp ghi nhận bởi 2 điều dưỡng viên khác nhau

+ Khảo sát phẩm chất của 2 thiết bị, công nghệ xét nghiệm dựa vào tiêu chuẩn lâm sàng

Ví dụ: Khảo sát độ chính xác chẩn đoán của 2 máy đo đường huyết khác nhau

Quy tắc

Kết quả của phân tích Bland-Altman được diễn giải bằng cách kết hợp tiêu chuẩn định lượng vàphân tích trực quan; và bắt buộc phải dựa vào lâm sàng để rút ra kết luận cuối cùng

Tính giá trị Y và X trong biểu đồ

Hồi quy tuyến tính giữa Y và X

SPSS không hỗ trợ quy trình tự động để làm phân tích Bland Altman Bạn chỉ có thể thựchiện hoàn toàn thủ công.

Thực hiện phân tích Bland-Altman bằng SPSS:

Nhược điểm : Phải thực hiện hoàn toàn thủ công nên mất thời gian

Ưu điểm: Cho phép phân tích sâu về mặt định lượng, nhất là áp dụng Bootstrap để xácđịnh khoảng tin cậy chính xác hơn

Cho phép tùy chỉnh hình vẽ theo ý thích để cung cấp nhiều thông tin hơn so với biểu đồBland Altman cổ điển

Tuy nhiên, chúng ta có thể dùng chức năng lập trình cú pháp lệnh (Syntax) để giải quyết tựđộng các bước như: tạo biến số X và Y, phân tích hồi quy tuyến tính, làm test t…

MeanLog "Trung bình logarit hóa".

*Phân tích hồi quy giữa Y= B-A và X=A TSET NEWVAR=NONE.

CURVEFIT /VARIABLES=DifBA WITH A /CONSTANT

/MODEL=LINEAR /PRINT ANOVA /PLOT FIT.

Thống kê mô tả và test t BOOTSTRAP

/SAMPLING METHOD=SIMPLE /VARIABLES INPUT= DifBA /CRITERIA CILEVEL=95 CITYPE=BCA NSAMPLES=1000

Để hỗ trợ tối đa cho các bạn, tác giả đã viết sẵn syntax để làm phân tích Bland-Altman tự động, chỉ còn khâu vẽ biểu đồ là bạn phải thực hiện thủ công Gói syntax có thể tải về từ đựa chỉ sau:

https://drive.google.com/file/d/0B1vaOU1uB8DPa09XamJwRjJfZDg/view?usp=sharing

1

Bảng số liệu

Biến số B Phương pháp cần khảo sát

Biến số A Phương pháp tiêu chuẩn

Đầu tiên, bạn tạo 1 bảng số liệu với 2 biến số A và Bkiểu số (numeric), liên tục (scale)

- Bạn phải đặt tên biến số là A, B để có thể sửdụng được file syntax được lập trình sẵn

- Chú ý: Biến số A dành cho phương pháp tiêuchuẩn (ví dụ ở đây là kết quả PSG thủ công), biến

số B dành cho phương pháp cần khảo sát (ví dụ

ở đây là kết quả PSG phân tích tự động)Sau đó bạn nhập số liệu cho từng biến số

2

Bạn tải file syntax SPSS có tên « Phan tich Bland Altman » từ Google drive của tác giả vềmáy của mình

https://drive.google.com/file/d/0B1vaOU1uB8DPa09XamJwRjJfZDg/view?usp=sharing

Đây là bộ mã lập trình sẵn cho phép phân tích tương hợp giữa 2 phương pháp A, B

Chú ý: File syntax có sử dụng Bootstrap nên chỉ hoạt động tối ưu cho IBM-SPSS phiên bản

20 trở lên

Bạn có thể truy cập file syntax này bằngcách click chuột trái 2 lần lên file icon,cửa sổ Syntax editor của SPSS sẽ mở ra

3

3.2 Nhập số liệu và chạy syntax

Cách 1: Nhấn tab « Run », sau đó chọn « All »

Cách 2: Click chuột phải trong danh sách các lệnh để

mở menu như hình bên, chọn « Run All »

Quy trình phân tích sẽ được thi hành,cửa sổ Output sẽ mở ra

Kết quả sẽ được xuất ra theo trình

tự, thời gian phân tích có thể dàingắn tùy theo cỡ mẫu và sức mạnhcủa bộ vi xử lý trong máy tính củabạn Thời gian này có thể hơi lâu vìquy trình sử dụng Bootstrap 1000 lần

ở mỗi công đoạn

Trong trường hợp này với n=70 tôichỉ mất khoảng 1 phút

Trong khi chương trình đang chạy,bạn sẽ thấy góc dưới bên phải hiểnthị các bước phân tích và tiến độ thihành Boostrap Khi quy trình hoàntất, bạn sẽ thấy dòng chữ: IBM SPSSprocessor is ready

3.2 Nhập số liệu và chạy syntax

Phần 2: Vẽ 7 kiểu biểu đồ phân tích tương hợp (khảo sát mô hình hồi quy giữa Y và X) bao gồm:

1) Khác biệt giữa A và B so với giá trị của phương pháp tiêu chuẩn (A) : Y=(B –A), X=A

2) Khác biệt % so với giá trị của phương pháp tiêu chuẩn (A) : Y= 100*(B –A)/A, X=A

3) Tỉ lệ B/A so với giá trị của phương pháp tiêu chuẩn (A) : Y=(B/A), X=A

4) Khác biệt giữa A và B so với giá trị trung bình của A và B: Y=(B –A), X=(A+B)/2

5) Tỉ lệ B/A so với giá trị trung bình của A và B: Y=(B/A), X=(A+B)/2

6) Khác biệt % so với giá trị trung bình của A và B : Y= 100*(B –A)/A, X=(A+B)/2

7) Khác biệt giữa A và B (logarit hóa) so với giá trị trung bình của A và B (logarit hóa): Y=Ln(B) –Ln(A), X=(Ln(A)+Ln(B))/2

Mỗi loại bao gồm kết quả khảo sát mô hình hồi quy và đồ thị Y=f(X)

Phần 3: Thống kê mô tả của 8 biến số: A, B, khác biệt (B-A), trung bình (A+B)/2, khác biệt %:

100*(B-A)/A, tỉ lệ B/A, khác biệt logarot hóa và trung bình logarit hóa

Phần 4: Kết quả Test t cho mẫu độc lập nhằm kiểm tra các giả thuyết:

3.3 Diễn giải kết quả

3.3.1 Giải thích cấu trúc của kết quả

Correlations

Phương pháp tiêu chuẩn

PP được khảo sát Phương pháp tiêu

chuẩn

Pearson Correlation 1 ,973 **

Sig (2-tailed) ,000

N 70 70 Bootstrap b Bias 0 -,002

Std Error 0 ,012 BCa 95%

Confidence Interval

Giá trị hệ số tương quanPearson

Ý nghĩa thống kê

Diễn giải kết quả:

Những thông tin cần ghi nhận: giá trị hệ số tương quan r và khoảng tin cậy, giá trị p

Ví dụ trong trường hợp này: Có sự tương quan rất mạnh và ý nghĩa giữa chỉ số rối loạn hô hấptrong khi ngủ xác định bằng phương pháp thủ công và tự động (r=0,973 (0,939-0,987);p<0,001)

Ghi chú:

Tương quan có ý nghĩa là 1 dấu hiệu tốt, cho thấy kết quả của phương pháp B có liên hệ chặtchẽ với kết quả của phương pháp A; tuy nhiên nó không cho biết điều gì về sự chính xác củaphép đo

Nếu PP B lúc nào cũng cho ra kết quả thấp hơn PP A thì giữa chúng vẫn có tương quan rất tốt,nhưng khác biệt này có thể gây sai lầm khi chẩn đoán (ví dụ một huyết áp kế điện tử cho rakết quả thấp 1 cách hệ thống dẫn tới nguy cơ bỏ sót chẩn đoán cao huyết áp)

3.3.2 Khảo sát tương quan A và B