Tài liệu hướng dẫn thống kê y học sử dụng SPSS - Phân tích hiệu ứng điều phối Lê Đông Nhật Nam

Tài liệu hướng dẫn thống kê y học sử dụng SPSS IBM.SPSS Phân tích hiệu ứng điều phối Lê Đông Nhật Nam Lời nói đầu Agatha Christie nữ văn sĩ trinh thám tiếng, nhân vật thành công bà thám tử người Bỉ Hercules Poirot Sau vài chục tác phẩm thuật lại quãng đời chu du khắp nước Anh, khám phá vụ án mạng bí hiểm, Agatha Christie kết thúc đời Hercules Poirot vụ án kì lạ Trong tác phẩm: «Thám tử rời sân khấu», Poirot phải chiến đấu chống lại tên giết người hàng loạt với cách thức gây án độc vô nhị Nhân vật M (Murder) không trực tiếp giết cả, nơi xuất hiện, chắn xảy án mạng, có khả gây tác động tâm lý lên đối tượng A thúc đẩy người đến hành vi giết nạn nhân B Trong nghiên cứu khoa học, có tình tương tự câu chuyện li kỳ này, quan hệ yếu tố X Y chịu chi phối yếu tố M hoàn toàn độc lập Mục tiêu nghiên cứu đặt nhằm trả lời câu hỏi: (1) Phát có hiệu ứng điều phối hay nói cách khác nhận diện yếu tố điều phối M; (2) Mô tả quy luật điều phối M cách tìm cột mốc quan trọng M tùy vào chúng, tương quan X Y mạnh hơn, yếu đi, hẳn, chí đảo chiều Vấn đề trả lời phân tích hiệu ứng điều phối (Moderation, Moderating effect analysis) Quy trình có chất mô hình hồi quy tuyến tính với giá trị dự báo (outcome) = Y, chứa X, M yếu tố tương tác chúng (X*M) Trong tài liệu này, Bs Khả Nhi hướng dẫn bạn toàn phương pháp phân tích hiệu ứng điều phối (moderating effect, moderation analysis), từ nguyên tắc, bước thực hiện, cách diễn giải liệt kê số tình giả định mà phương pháp ứng dụng Chúc bạn thành công Quy ước trình bày Trong tài liệu làm quen với nhân vật Bác sĩ Nguyễn Văn Thái Bác sĩ Thái cao thủ thống kê y học giang hồ Anh ta xuất trước vấn đề khó khăn, nhằm đưa câu trả lời xác ôn lại cho bạn kiến thức chuyên sâu lý thuyết thống kê Tuy nhiên BS Thái lại bận rộn nên không đủ thời gian vào cách thực chi tiết Anh ta hay trình bày lý thuyết túy sử dụng nhiều công thức toán học nên không gần gũi với sinh viên gây không trở ngại cho bạn vốn dị ứng với thống kê … Bác sĩ Lê Ngọc Khả Nhi Khả Nhi nữ bác sĩ trẻ dễ thương sử dụng thành thạo SPSS Như tên gọi mình, BS Nhi có tính cách hồn nhiên ngây thơ trẻ con, cô có khuynh hướng đơn giản hóa tối đa vấn đề Khả Nhi hướng dẫn bạn sử dụng SPSS qua bước cụ thể, chia sẻ mẹo vặt, thủ thuật để giúp bạn đến kết nhanh dễ dàng Sinh viên Trần Quốc Bảo Bảo sinh viên y khoa năm thứ sáu bắt đầu làm quen với nghiên cứu khoa học Đây cậu sinh viên tò mò đặt nhiều câu hỏi liên quan đến thống kê Mặc dù đế tài Bảo thực đơn giản, đồng hành với cậu ta, bạn có hội tích lũy cho nhiều kinh nghiệm công việc phân tích số liệu thiết kế nghiên cứu 1.1 Tình thí dụ PaO2 Thăm dò chức hô hấp: Hô hấp kí (đo dung tích sống VC) Khả trao đổi khí (TLCO) Nghiệm pháp phút Y FVC M CO2 O2 TLCO X Phân tích khí máu động mạch sau test PaO2 Một bác sĩ khoa thăm dò chức hô hấp-tim mạch muốn khảo sát liên hệ giá trị yếu tố: dung tích sống gắng sức (FVC), khả khuếch tán khí CO qua màng phế nang, mao mạch (TLCO) kết áp suất riêng phần Oxy máu động mạch (PaO2) sau bệnh nhân thực nghiệm pháp phút (6MWT) Giả thuyết là: khả trao đổi khí (TLCO) có quan hệ chặt chẽ với kết oxy máu động mạch (PaO2), nhiên mối tương quan tùy thuộc vào yếu tố thứ dung tích phổi (FVC) Chúng ta phải trả lời cho câu hỏi nghiên cứu ? Bảo thân mến, áp dụng quy trình phân tích hiệu ứng điều phối (Moderating effect) Phương pháp dựa lý thuyết mô hình hồi quy tuyến tính đa biến với mục đích quy nạp mà diễn dịch.Mục tiêu chứng minh biến số M có vai trò điều phối quan hệ biến X Y M biến nhị phân, liên tục, thứ hạng hay rời rạc 1.2 Phân tích hiệu ứng điều phối ? Phân tích hiệu ứng điều phối (Moderation, hay Moderating effect analysis) bao gồm mục tiêu sau đây: Nhận diện yếu tố điều phối M, hay nói cách khác, chứng minh M gây hiệu ứng điều phối có ý nghĩa quan hệ đại lượng X Y Khảo sát quy luật điều phối: mô tả thay đổi độ mạnh, hướng ý nghĩa thống kê quan hệ Y/X tùy theo biến thiên M Định vị mốc giá trị M đặc biệt, giới hạn khoảng ý nghĩa M Yếu tố điều phối M X Y Phân tích tương quan Mô hình hồi quy tuyến tính Y = b0 + b*X + sai số Hiệu ứngđiều phối X M1 Định lượng liên tục M2 Thứ hạng M3 Định lượng rời rạc M4 Định tính nhị phân Y Phân tích hiệu ứng điều phối Mô hình: Y = b0 + b1*X + b2*M + b’(X*M) + sai số Với mục tiêu thứ 1, quy trình có chất phân tích hồi quy đa biến, với mô hình có dạng: Y =b0+b1*X + b2*M + b3*(X*M) Trong Y giá trị dự báo (outcome), X yếu tố dự báo (Predictor), M yếu tố điều phối (Moderator) X*M yếu tố tương tác Có hiệu ứng điều phối (M có vai trò điều phối) yếu tố tương tác (X*M) có ý nghĩa thống kê (hệ số hồi quy b3 ≠ 0) Hình vẽ sau cho phép bạn hình dung quan hệ chiều biến số: Y, X M Y Y X X M M Trường hợp M hiệu ứng điều phối: Quan hệ Y X không thay đổi M biến thiên Điều biểu thị đường thẳng hồi quy tuyến tính Y= b0+b*X song song với mặt phẳng hồi quy Trường hợp M yếu tố điều phối: Quan hệ tuyến tính Y X biến đổi dọc theo thang đo M Khi M biến thiên làm quan hệ Y X mạnh hơn, yếu đi, ý nghĩa đảo chiều Các đường thẳng Y=f(X) không song song mặt phẳng hồi quy 1.2 Phân tích hiệu ứng điều phối ? M (+) X Y M (-) X Y Y Y Tình 4: Y surrogate marker chế bệnh sinh X M biến số nhị phân dùng để phân nhóm Giả thuyết nghiên cứu: Tương quan X Y trái ngược phân nhóm: M=1 M=0 x M (+) (-) X Tình 2: Yếu tố nguy X góp phần gây rối loạn bệnh lý Y Giả thuyết nghiên cứu: M yếu tố bảo vệ, làm giảm hiệu ứng có hại X Y Tình 3: Một loại thuốc X gây đáp ứng điều trị Y Giả thuyết nghiên cứu: Có thể sử dụng đồng thời loại thuốc X M mà không gây ảnh hưởng tiêu cực hiệu điều trị (M không chi phối quan hệ X Y) M X Tình 1: Một phương pháp trị liệu X gây hiệu ứng điều trị Y Giả thuyết nghiên cứu: Một loại thuốc M có tác dụng hiệp đồng làm tăng hiệu điều trị X Tổng kết Phân tích hiệu ứng điều phối bước mở rộng phân tích tương quan biến số định lượng liên tục, mở rộng mô hình hồi quy tuyến tính đơn biến Đối tượng phân tích điều phối X,Y (chắc chắn có tương quan ý nghĩa chúng), mà yếu tố điều phối M Vai trò M, hiệu ứng M tương tác với X mục tiêu mà ta muốn nhắm tới Do M biến liên tục, thứ hạng, nhị phân, nên thực tế đại lượng, đặc tính, chủ thể nào, từ giới tính, chủng tộc độ nặng bệnh, loại thuốc, yếu tố tự nhiên… vân vân Phương pháp bị giới hạn trí tưởng tượng tò mò nghiên cứu sinh, chí không loại trừ giả thuyết bất ngờ 1.3 Khi yếu tố điều phối có giá trị nhị phân hay rời rạc Yếu tố điều phối M biến số định lượng liên tục, định tính rời rạc, thứ hạng, định tính nhị phân Tùy vào chất M, mục tiêu thứ có cách làm riêng X M biến nhị phân Y Trong trường hợp M biến nhị phân: Giá trị Y M Giá trị M (biến nhị phân) Khảo sát quy luật điều phối tương ứng với việc dựng mô hình hồi quy Y(X) tương ứng với giá trị Mi, cho phép khảo sát biến thiên độ mạnh, ý nghĩa khuynh hướng quan hệ Y/X tùy theo Mi Thí dụ hình bên: Quan hệ Y X thay đổi tùy theo giá trị M biến nhị phân : Mi=0 hay Mi=1 Khi M=1: Hiệu ứng X lên Y trở nên mạnh (mô hình 2) Giá trị Y Khi Mi=0: Y X có quan hệ tỉ lệ thuận song yếu (không có ý nghĩa: mô hình 1) Giá trị X M=1 M=0 Nếu M biến định tính rời rạc, cách làm tương tự Cách làm giống mô hình tuyến tính tổng quát (General linear model) phân tích ANCOVA với X= hiệp biến số (covariate) M= yếu tố phân nhóm (Factor) Biểu đồ chiều trình bày hình bên Giá trị X Dựa tình thí dụ tài liệu, tạo biến thể giả thuyết nghiên cứu sau: Khảo sát hiệu ứng điều phối Giới tính (biến nhị phân) Loại bệnh lý hô hấp (biến thứ hạng rời rạc) lên quan hệ khả trao đổi khí (TLCO) PaO2 sau test phút 1.4 Khi yếu tố điều phối biến thứ hạng Trong trường hợp M biến thứ hạng, mục tiêu - khảo sát quy luật điều phối thực tương tự trường hợp biến rời rạc M Ta dựng k mô hình hồi quy Y(X,M) tương ứng với k bậc thứ hạng M (M1…Mk), để khảo sát biến thiên độ mạnh, ý nghĩa khuynh hướng quan hệ Y/X tùy theo M Y M=5 Giá trị Y Giá trị Y X M biến thứ hạng M=4 M=3 Giá trị M (biến thứ hạng) M=2 M=1 Giá trị X 1 Giá trị X Trong thí dụ này, M biến thứ hạng có bậc giá trị Tương ứng với Mi =1,2,3,4,5 ta có mô hình hồi quy khác Bằng trực quan ta thấy: Mi=1: Quan hệ Y X yếu ý nghĩa thống kê Quan hệ tuyến tính Y X mạnh dần M tăng từ đến đạt cực đại Mi=5 Dựa vào tình tài liệu này, ta tạo giả thuyết nghiên cứu với M biến thứ hạng sau: Khảo sát hiệu ứng điều phối độ nặng hội chứng hạn chế (giảm dung tích phổi : FVC) lên quan hệ TLCO PaO2 (Chú thích: FVC chuyển dạng thành 3-5 độ nặng khác so sánh với ngưỡng giá trị lý thuyết) M biến liên tục M X Giá trị Y 1.4 Khi yếu tố điều phối biến định lượng liên tục mốc giá trị M 𝝁𝑴+SD Y 𝝁𝑴 𝝁𝑴-SD Trong trường hợp M biến liên tục (trường hợp tổng quát thường gặp nhất), khảo sát quy luật điều phối thực cách định vị số cột mốc Mi đặc biệt dựng mô hình hồi quy Y(X,M) tương ứng với M=Mi, để khảo sát biến thiên độ mạnh, ý nghĩa khuynh hướng quan hệ Y/X tùy theo M Giá trị Y Giá trị X Bách phân vị M 95 75 50 Có cách làm: 25 + Dựa vào cột mốc : 𝜇𝑀, 𝜇𝑀+SD 𝜇𝑀-SD Giá trị X + Dựa vào cột mốc bách phân vị khác M (ví dụ 10,25,50,75,90) Ví dụ hình vẽ thứ 3: ta áp dụng cách khảo sát mô hình Y=f(X) mốc giá trị quan trọng khoảng biến thiên M Theo đó: Giá trị Y + Không dựa vào mốc cố định, mà khảo sát toàn khoảng biến thiên M máy tính để tự động định vị ngưỡng giá trị Mi quan trọng Những mốc giá trị M quan trọng Tại M2: Quan hệ Y X yếu (không có ý nghĩa) M5 M4 M3 Tại M1: Y tỉ lệ nghịch với X M2 Từ M3 đến M5: Quan hệ Y X đảo chiều: Y tỉ lệ thuận với X Độ mạnh quan hệ tăng dần khoảng M3 đến M5 đạt cực đại M5 M1 Giá trị X 1.5 Chuẩn hóa theo trung bình cho X M Trong trường hợp M biến số liên tục, có điểm tế nhị, là: Trước phân tích mô hình chứa hiệu ứng tương tác (X*M), để kiểm tra hiệu ứng điều phối, ta cần chuẩn hóa yếu tố (predictor, X) yếu tố điều phối (moderator, M) theo trung bình chúng Việc chuẩn hóa gọi Mean centering Mean centering hình thức chuyển dạng biến số đơn giản, mục đích chuyển giá trị gốc X cho trường hợp i (Xi) thành khoảng cách di Xi trung bình X quần thể (𝜇X) X’ (sau hiệu chỉnh) = di = (Xi - 𝜇X) Như vậy: đơn vị đo không thay đổi (ví dụ nguyên thủy X thể tích, đo mL sau hiệu chỉnh X’ đo mL), ta di dời cột mốc X=0 vị trí = 𝜇X Trường hợp (i) Giá trị nguyên thủy (Xi) Sai biệt d so với trung bình μ(X) Giá trị sau chuẩn hóa theo trung bình (Yi’) X1 = μ(X) d1=0 X’1= X1 − μ(X) = X2 < μ(X) d2 X’2= X2 - μ(X) = d2 < X3 > μ(X) d3 X'3= X3- μ(X) = d3 > X3 (+) 𝛍(𝐗) X1 d3 d2 Trước chuyển dạng X2 (-) (+) d3 Sau chuyển dạng d2 (-) Chú ý: + Mean centering áp dụng X M biến số định lượng liên tục + Cẩn trọng ý nghĩa logic: số đại lượng (sinh lý) giá trị = (ví dụ tuổi, cân nặng) 10 3.4 A) Tùy chỉnh thống kê cho biến liên tục Khi M thuộc loại liên tục, bạn phải chạy phân tích lần Lần thứ với cấu hình tùy chỉnh sau: Có làm mean centering Phân tích Mi theo trung bình độ lệch chuẩn Chưa cần làm quy trình Johnson-Neyman Mục tiêu kiểm định ý nghĩa thống kê yếu tố tương tác để xác nhận hay phủ nhận hiệu ứng điều phối Chỉ M có hiệu ứng điều phối, bạn cần làm thêm lần 2: Lần với cấu hình tùy chỉnh sau: Không làm mean centering (để thực quy trình JohnsonNeyman) Phân tích Mi theo bách phân vị Làm quy trình Johnson-Neyman Mục tiêu mô tả quy luật điều phối M 23 3.4 B) Tùy chỉnh thống kê cho biến thứ hạng nhị phân Khi M thuộc loại thứ hạng, bạn không cần phải làm hiệu chỉnh mean centering Nên chọn phân tích Mi theo bách phân vị Quy trình Johnson-Neyman không bắt buộc, bạn muốn làm hay không tùy ý 24 3.5 Chạy phân tích 13 Sau thiết lập xong tùy chỉnh, nhấn Continue để trở hộp thoại Process 14 Nhấn OK để chạy phân tích Kết có sau vài giây đến vài phút (tùy theo cỡ mẫu lớn hay nhỏ) 25 4.A Diễn giải kết M biến liên tục 4A.1 Kiểm định hiệu ứng điều phối Đầu tiên, chương trình cho ta biết quy ước tên gọi biến số Cỡ mẫu = 196 bệnh nhân, thông tin cho phép kiểm tra việc liệu phối kiểm giá trị độ tự df2 F mô hình Sau kết xuất gồm phần: Phần đầu kết phân tích tổng quát mô hình hồi quy với giá trị dự báo (outcome) Y chứa yếu tố dự báo X, M yếu tố tương tác (X*M) Y = bo + b1*X + b2*M + b3*(X*M) Nội dung kết giống phân tích hồi quy tuyến tính đa biến mà ta biết Tên mô hình Kiểm tra ý nghĩa thống kê mô hình test F Giá trị R2 hệ số hồi quy b X,M M*X sai số chuẩn (SE) a trị số t giá trị p Khoảng tin cậy hệ số hồi quy để kiểm định giả thuyết 0: b=0 hay kiểm tra ý nghĩa yếu tố dự báo, PROCESS cung cấp: giá trị R2, giá trị p test F kiểm tra phẩm chất mô hình, giá trị hệ số hồi quy beta (bi) tương ứng cho yếu tố dự báo (hằng số bo,X,M, X*M), trị số t test t nhằm kiểm tra giả thuyết bi=0, giá trị p test t khoảng tin cậy (CI95%) bi Bạn cần quan tâm đến hệ số hồi quy yếu tố tương tác X*M 26 4.A Diễn giải kết M biến liên tục 4A.1 Kiểm định hiệu ứng điều phối 2 6 5 Kết diễn giải sau: 1) Giới thiệu mô hình : Hiệu ứng điều phối M khảo sát thông qua mô hình hồi quy với Y = giá trị dự báo, chứa X,M yếu tố tương tác X*M Chú ý: X M hiệu chỉnh theo trung bình 2) Phẩm chất mô hình: Mô hình có ý nghĩa thống kê : F(3,192) = 38,9476;p 5,335 L TLCo không vai trò dự báo ý nghĩa PaO2 FVC dạng phân loại chuẩn hóa theo Z-score có đóng góp ý nghĩa vào việc dự báo giá trị PaO2, có hiệu ứng điều phối đồng ý nghĩa, yếu (p=0,04) Cụ thể, FVC chuyển từ bình thường sang thấp hiệu ứng tương quan riêng TLCO tăng từ 4,381 lên 6,042 Sự có mặt hay vắng mặt hội chứng tắc nghẽn yếu tố điều phối quan hệ TLCO PaO2 Hệ số hồi quy b Sai số chuẩn b Trị số t Giá trị p Ngưỡng 95% CI Ngưỡng 95%CI Hằng số b0 84,05 1,048 80,212 [...]... thống kê của y u tố tương tác để xác nhận hay phủ nhận hiệu ứng điều phối Chỉ khi nào M có hiệu ứng điều phối, bạn mới cần làm thêm lần 2: Lần n y với cấu hình t y chỉnh như sau: Không làm mean centering (để thực hiện quy trình JohnsonNeyman) Phân tích Mi theo bách phân vị Làm quy trình Johnson-Neyman Mục tiêu là mô tả quy luật điều phối của M 23 3 3.4 B) T y chỉnh thống kê cho biến thứ hạng và nhị phân. .. quy luật điều phối theo quy trình Johnson-Neyman Đ y là kêt quả quy trình Johnson-Neyman Mục đích của nó là xác định tự động vùng ý nghĩa, hoặc ngưỡng ý nghĩa của hiệu ứng điều phối Khi M nằm trong vùng ý nghĩa, hiệu ứng điều phối của nó lên X và Y có ý nghĩa Cách diễn giải quy trình cũng giống như với kết quả dựa vào bách phân vị của M Theo 3 bước, nhằm khảo sát về: Ý nghĩa, Kích thước và khuynh hướng. .. số hồi quy cho biến tương tác (int_1 = X*M) và khoảng tin c y 95% của hệ số hồi quy Giá trị trông đợi là p0,05 hoặc LLCI, ULCi trái dấu là không có hiệu ứng điều phối Ở đ y có thể diễn giải: Y u tố M g y ra hiệu ứng điều phối ý nghĩa (p=0,0005), hiệu ứng điều phối của... 1 y u tố (X) khi y u tố còn lại (M) có giá trị trung bình (Mi= 𝜇M) (2) b= hiệu ứng TRUNG BÌNH của y u tố tương ứng, khi y u tố còn lại biến thiên trong 1 khoảng giới hạn xác định Y = outcome Y = outcome Ví dụ: b1 là hiệu ứng trung bình của X khi M di chuyển dọc theo khoảng giới hạn 𝜇M ± SDM X nguyên th y 0 X nguyên th y 0 X sau chuẩn hóa 11 2 2.1 Quy trình phân tích hiệu ứng điều phối 1 Thăm dò + Thống. .. nhưng cả 2 đều y u hơn quy trình Johnson-Neyman (c) 21 3 3.4 T y chỉnh thống kê (giới thiệu) Gói công cụ PROCESS hỗ trợ phương pháp JohnsonNeyman (1936) để khảo sát tính chất của hiệu ứng điều phối của M Quy trình Johnson-Neyman có nguyên lý rất đơn giản, đó là dựng hàng loạt mô hình hồi quy để khảo sát quan hệ tuyến tính giữa Y và X khi giá trị của M biến thiên dọc theo 1 khoảng phân phối xác định... bản khoa học Phương pháp thống kê Số liệu được phân tích trên phần mềm IBM -SPSS 20 với package Process (2013) của Andrew F Hayes FVC lần lượt được khảo sát dưới 3 hình thức: giá trị tuyệt đối, phân loại chuẩn hóa (Z-score) và chẩn đoán hội chứng tắc nghẽn dựa vào ngưỡng 80% theo lý thuyết Hiệu ứng điều phối của giá trị dung tích phổi lên quan hệ giữa TLCo và PaO2 sau test đi bộ được kiểm chứng dựa vào... khảo sát hiệu ứng điều phối của M đối với tương quan giữa X và Y, thực chất là khảo sát mô hình hồi quy tuyến tính với outcome = Y và chứa 3 predictors: X (hiệu ứng riêng phần của X), M (hiệu ứng riêng phần của M) và X*M (hiệu ứng tương tác giữa X và M) Y = b0 + b1*X + b2*M + b3*(X*M) Khi chưa hiệu chỉnh Mean centering, mỗi hệ số b (b1,b2,b3) chính là hiệu ứng của một y u tố (ví dụ X) KHI y u tố còn... biến liên tục 4A.2 Mô tả quy luật điều phối dựa vào bách phân vị Một khi đã xác định CÓ hiệu ứng điều phối ý nghĩa (hệ số hồi quy của y u tố tương tác X*M có ý nghĩa thống kê) , ta sẽ tiếp tục bước qua phần 2 của kết quả, đó là khảo sát quy luật điều phối của M Như đã giới thiệu ở trên, công cụ PROCESS khảo sát quy luật điều phối theo 3 cách: 1) Dựa vào 3 cột mốc cố định tương ứng với Mi= trung bình, Mi=... phối 1 Thăm dò + Thống kê mô tả 2 Chuẩn hóa theo trung bình (Mean centering) 3 4 Tạo biến số tương tác (X*M) Khảo sát mô hình hồi quy chứa X*M Y u tố tương tác KHÔNG có ý nghĩa Y u tố tương tác CÓ ý nghĩa 5 Kết quả âm tính Phân tích sâu hiệu ứng điều phối Khảo sát tương quan X *Y theo M Phương pháp Johnson-Neyman (1936) Đ y là lưu đồ các bước thực hiện phân tích hiệu ứng điều phối Bước 1 có thể thực... hạng, bạn không cần phải làm hiệu chỉnh mean centering Nên chọn phân tích Mi theo bách phân vị Quy trình Johnson-Neyman không bắt buộc, bạn muốn làm hay không t y ý 24 3 3.5 Ch y phân tích 13 Sau khi thiết lập xong t y chỉnh, nhấn Continue để trở về hộp thoại chính của Process 14 Nhấn OK để ch y phân tích Kết quả sẽ có ngay sau vài gi y đến vài phút (t y theo cỡ mẫu lớn hay nhỏ) 25 4 4.A Diễn giải kết