Dịch tễ học full ths BS nguyễn thế dũng

Bài 1. Các phép đo cơ bản trong dịch tễ học Bài 2. Các thiết kế nghiên cứu trong dịch tễ học Bài 3. Mối liên hệ nhân – quả Bài 4. Nghiên cứu cắt ngang Bài 5. Nghiên cứu bệnh – chứng Bài 6. Nghiên cứu đoàn hệ Bài 7. Nghiên cứu thử nghiệm ngẫu nhiên có đối chứng Bài 8. Đánh giá test chẩn đoán

Bài 1 CÁC PHÉP ĐO CƠ BẢN TRONG DỊCH TỄ HỌC

-  -

MỤC TIÊU: Sau khi học xong bài này, học viên có thể:

1/ Phân biệt được các phép đo chính dùng trong dịch tễ học

2/ Định nghĩa, mô tả và phân biệt được các khái niệm về Tỉ số, Tỉ lệ, Tỉ suất

3/ Định nghĩa, mô tả và phân biệt được các loại Tỉ suất hiện mắc và Tỉ suất mới mắc 5/ Biết cách tính các loại Tỉ suất hiện mắc và Tỉ suất mới mắc

6/ Phân biệt được nguy cơ tương đối, nguy cơ qui trách, phần trăm nguy cơ qui trách 7/ Tính được và diễn giải được các kết quả tính toán các loại số đo về nguy cơ kể trên

I SƠ LƯỢC VỀ CÁC PHÉP ĐO TRONG DỊCH TỄ HỌC

1 Các phép đo dịch tễ học: Các phép đo chính dùng trong nghiên cứu dịch tễ học có thể được chia làm 3 loại:

1 Các phép đo về tần suất bệnh tật (Measures of frequency): Thể hiện sự xảy ra của bệnh

tật, tàn phế, tử vong ở một cộng đồng dân cư  là cơ sở cho các nghiên cứu mô tả, hay các nghiên cứu về nguyên nhân Tần suất xảy ra của bệnh tật thường được thể hiện bằng

Tỉ suất hiện mắc và Tỉ suất mới mắc (Prevalence, Incidence)

2 Các phép đo thể hiện sự phối hợp (Measures of association): Đánh giá sự liên quan có ý

nghĩa thống kê giữa một yếu tố cho trước và bệnh tật

3 Các phép đo về tác động tiềm tàng (Measures of potential impact): Phản ánh sự góp

phần của một yếu tố nào đó vào sự xảy ra của một bệnh trong một cộng đồng dân cư Các phép đo này được dùng để tiên lượng hiệu quả hay hiệu lực của các phương pháp can

thiệp, điều trị … trong một dân số đặc biệt, TD: dùng vaccin Thông thường các phép đo về tác động tiềm tàng là sự phối hợp của các phép đo về tần suất bệnh và các phép đo thể hiện sự phối hợp

2 Tỉ số, tỉ lệ, tỉ suất:

1 Tỉ số (Ratio): là một phân số trong đó tử số (là một giá trị) được chia cho mẫu số (là một giá trị khác) Nói cách khác tử số và mẫu số không liên quan với nhau

Ta có thể hiểu Tỉ số theo cách: A/B



TD: Tỉ số về giới tính trong 1 lớp học = Số học sinh nam

Số học sinh nữ



TD: Tỉ số giường bệnh ở một khu vực =

Số dân trong khu vực

2 Tỉ lệ (Proportion): là một phân số trong đó tử số là một phần của mẫu số Tỉ lệ có thể được hiểu là: A/A+B

Tỉ lệ thường được tính dưới dạng tỉ lệ phần trăm (kết quả nhân với 100)

2

 TD: Trong một cộng đồng có 500 người, 20 người bị nhiễm dung móc Vậy tỉ lệ người

bị nhiễm dung móc trong cộng đồng này là :

20

= 0.04 x 100 = 4%

500

 TD: Tỉ lệ học sinh nữ trong lớp học là: Số học sinh nữ x 100

Tổng số học sinh của cả lớp (nam lẫn nữ)

3 Tỉ suất (Rate): là một dạng đặc biệt của tỉ số, diễn tả tần suất xuất hiện của một biến cố (bệnh, chết v.v…) xảy ra trong một dân số xác định trong một khoảng thời gian nhất định Tỉ suất thường được nhân với một con số luỹ thừa của 10

Tỉ suất = Số biến cố xảy ra trong khoảng thời gian nhất định x 10 n

Dân số trung bình trong khoảng thời gian đó

 TD: Tỉ suất chết hàng năm = Tổng số chết trong 1 năm x 10n

Dân số trung bình (dân số giữa năm) trong năm đó

 TD: Tỉ suất sinh = Tổng số trẻ sinh sống ở 1 khu vực trong vòng 1 năm x 10n

Dân số trung bình (giữa năm) ở khu vực đó trong 1 năm

II TỈ SUẤT HIỆN MẮC VÀ TỈ SUẤT MỚI MẮC

1 Tỉ suất hiện mắc (Prevalence)

Tỉ suất hiện mắc cho biết số trường hợp bệnh hiện có (cũ lẫn mới) tại một thời điểm nào đó “Tỉ suất hiện mắc” không có đơn vị và không bao giờ nhỏ hơn 0 hay lớn hơn 1 Có 2

loại tỉ suất hiện mắc: Tỉ suất hiện mắc điểm (point prevalence) và tỉ suất hiện mắc khoảng (period prevalence)

a Tỉ suất hiện mắc điểm:

Công thức tính:

Tỉ suất hiện mắc = Số trường hợp bệnh (cũ và mới) ở một thời điểm nào đó

Tổng dân số vào thời điểm đó

b Tỉ suất hiện mắc khoảng:

Công thức tính:

Số trường hợp bệnh (cũ và mới) trong một thời khoảng nào đó

Tỉ suất hiện mắc khoảng =

Dân số trung bình

 Vì “Tỉ suất hiện mắc” bao gồm tất cả những người bị bệnh - không tính đến trường hợp mới bị bệnh hay đã bị từ lâu – nên những bệnh lâu ngày (mãn tính) thường có xu hướng có “tỉ suất hiện mắc” cao hơn những bệnh ngắn ngày (cấp tính)

 Tỉ suất hiện mắc có thể có được khi chúng ta thực hiện nghiên cứu cắt ngang => nghiên cứu cắt ngang còn được gọi là “prevalence study”

2 Tỉ suất mới mắc (Incidence):

Tỉ suất mới mắc có 2 loại: Tỉ suất mới mắc dồn (Cummulative Incidence) và Tỉ suất mới mắc theo người-thời gian (Incidence density)

a.Tỉ suất mới mắc dồn: là nguy cơ (RISK) để những người không bị một chứng bệnh nào đó sẽ bị mắc bệnh (trong một khoảng thời gian nào đó) - với điều kiện những người này không bị chết vì một bệnh khác

Công thức tính:

Số người mới mắc bệnh trong một khoảng thời gian nào đó

Tỉ suất mới mắc dồn =

Dân số nguy cơ trong khoảng thời gian đó

 TD: Qua thống kê tòan quốc, trong năm 2004 có tất cả 99.162 bệnh nhân lao (cũ và mới) trong đó có 58.389 bệnh nhân mới Như vậy:

- Số người mới mắc bệnh lao = 58.389 người

-Dân số nguy cơ: = Tổng dân số – những người mắc bệnh cũ (= tổng số người mắc bệnh lao – số người mắc bệnh lao mới = 99.162 – 58.389 = 40.773) = 80.032.400 – 40.773 = 79.991.627 người Vậy Tỉ suất mới mắc lao của Việt nam trong năm 2004 là:

CI = 58.389/79.991.627 = 0,0007 hay 0,7 0/00

Từ kết quả này, ta có thể phát biểu rằng: Nguy cơ bị bệnh lao của người Việt nam trong năm 2004 là 0,7 0 / 00

 Đặc điểm của Tỉ suất mới mắc dồn:

- là một tỉ lệ

- không có đơn vị

- thay đổi từ 0 đến 1

b Tỉ suất mới mắc (theo người-thời gian): phản ánh sự phát triển của những trường hợp

bệnh mới trong một đơn vị thời gian

Công thức tính:

Tỉ suất mới mắc = Số trường hợp bệnh mới trong một khoảng thời gian nào đó

Tổng thời gian có nguy cơ mắc bệnh của tất cả cá thể trong dân số (đơn

vị: người-thời gian) (person-time)

 Đặc điểm của Tỉ suất mới mắc (theo người-thời gian):

- không phải là một tỉ lệ

- có đơn vị

- thay đổi từ 0 đến vô cực

 TD: Trong một nghiên cứu về khả năng thụ thai sau phẫu thuật nội soi trong điều trị vô sinh do nguyên nhân vòi trứng – phúc mạc, nhà nghiên cứu theo dõi 89 phụ trong 1 năm, kết quả được đánh giá như sau:

4

- Sau 1 tháng: có 1 TH có thai trong tử cung, không có TH có thai ngoài tử cung hoặc kết

thúc NC Thời gian trong “nguy cơ” có thai của 1 TH này là: 1*1 = 1 người-tháng

- Sau 2 tháng: có 4 TH có thai trong tử cung, không có TH có thai ngoài tử cung hoặc kết

thúc NC Thời gian trong “nguy cơ” có thai của 4 TH này là 4*2 = 8 người-tháng

- Sau 3 tháng: có 2 TH có thai trong tử cung, không có TH có thai ngòai tử cung hoặc kết

thúc NC Thời gian trong “nguy cơ” có thai của 2 TH này là 2*3 =6 người-tháng

- Sau 4 tháng: có 1 TH có thai trong tử cung, không có TH thai ngòai tử cung hoặc kết

thúc NC Thời gian trong “nguy cơ” có thai của 4 TH này là 1*4 = 4 người-tháng

- Sau 5 tháng: có 3 TH có thai trong tử cung, 20 TH có thai ngòai tử cung hoặc kết thúc

NC Thời gian trong “nguy cơ” có thai của 4 TH này là 23*5 = 115 người-tháng

- Sau 6 tháng: không có TH có thai trong tử cung, 2 TH có thai ngòai tử cung hoặc kết

thúc NC Thời gian trong “nguy cơ” có thai của 6 TH này là 2*6 = 12 người-tháng

- Sau 7 tháng: có 2 TH có thai trong tử cung, 11 TH có thai ngòai tử cung hoặc kết thúc

NC Thời gian trong “nguy cơ” có thai của 6 TH này là 13*7 = 91 người-tháng

- Sau 8 tháng: có 1 TH có thai trong tử cung, 6 TH có thai ngòai tử cung hoặc kết thúc

NC Thời gian trong “nguy cơ” có thai của 7 TH này là 7*8 = 56 người-tháng

- Tất cả các TH còn lại (89-1-4-2-1-23-2-13-7 = 36 TH) đều chưa có thai sau 1 năm theo

dõi Thời gian trong “nguy cơ” có thai của 36 TH này là 36*12=432 người-tháng

Như vậy,

Tổng số trường hợp có thai trong tử cung sau 12 tháng là: 14 trường hợp (Tử số)

Tổng thời gian có khả năng có thai sau 12 tháng của 89 người này (Mẫu số) là:

1 + 8 + 6 + 4 + 115 + 12 + 91 + 56 + 432 = 725 người-tháng

Vậy tỉ suất có thai trong tử cung (theo đơn vị người-thời gian) là:

ID = 14 = 0,019/tháng = 0,19/10/tháng = 1,9/100/tháng = 19/1000/tháng

725

Từ kết quả này, ta có thể phát biểu rằng: Trong 1.000 người-tháng có khả năng có thai, có

19 trường hợp có thai trong tử cung hay Trong vòng một tháng theo dõi sau khi làm phẫu thuật nội soi, cứ mỗi 1.000 người, có 19 người có thai trong tử cung

 Tỉ suất mới mắc có thể có được khi chúng ta thực hiện nghiên cứu đoàn hệ (cohort) SỰ TƯƠNG QUAN GIỮA TỈ SUẤT HIỆN MẮC VÀ TỈ SUẤT MỚI MẮC:

Tỉ suất hiện mắc và tỉ suất mới mắc có liên quan mật thiết với nhau qua thời gian kéo dài của bệnh

Nếu tỉ suất bệnh mới mắc thấp, nhưng thời gian bệnh kéo dài thì tỉ suất hiện mắc (Tỉ suất mắc bệnh toàn bộ) sẽ cao Ngược lại, dù tỉ suất bệnh mới mắc cao, nhưng thời gian bệnh ngắn do khỏi nhanh hoặc do bệnh chết nhiều thì tỉ suất hiện mắc vẫn tương đối thấp hơn so với tỉ suất mới mắc

 TD: Với bệnh dại, dù tỉ suất mới mắc của bệnh này cao nhưng tỉ suất hiện mắc vẫn thấp vì số trường hợp tử vong do bệnh này rất cao Ngược lại, bệnh tiểu đường có tỉ suất mới mắc thấp nhưng bệnh thường kéo dài và số tử vong do bệnh này cũng không cao lắm nên tỉ suất hiện mắc của bệnh này lại cao

Ta có thể thấy được sự tương quan của 2 tỉ suất này qua phương trình sau đây:

III SO SÁNH TỈ SUẤT

2.1 Trong nghiên cứu đoàn hệ

2.1.1 NGUY CƠ TƯƠNG ĐỐI:

Nguy cơ tương đối (Relative risk – RR) hay còn gọi tỉ số nguy cơ (Risk ratio) là tỉ số giữa tỉ suất mới mắc ở nhóm có tiếp xúc (Ie) với tỉ suất mới mắc ở nhóm không tiếp xúc (Io) Nguy cơ tương đối giúp ước lượng mức độ liên quan giữa việc tiếp xúc với yếu tố nguy cơ vàtình trạng bị bệnh, hay nói cách khác cho chúng ta biết nguy cơ bị bệnh cao gấp bao nhiêu lần khi một người có tiếp xúc với yếu tố nguy cơ so với người không tiếp xúc

với yếu tố nguy cơ Nguy cơ tương đối được tính bằng tỉ số giữa tỉ suất mới mắc của nhóm có tiếp xúc với yếu tố nguy cơ và tỉ suất mới mắc của nhóm không tiếp xúc với yếu tố nguy

cơ, theo công thức như sau:

Ie

RR =

Io

TD: Ta có:

- Tỉ suất chết do ung thư phổi ở những người hút thuốc là: 0.96/1000/năm

- Tỉ suất chết do ung thư phổi ở những người không hút thuốc là: 0.07/1000/năm

- Tỉ lệ người hút thuốc lá (Prevalence) là 56%

- Tỉ suất chết toàn bộ do ung thư phổi là: 0.56/1000/năm

Từ TD này, nguy cơ tương đối sẽ là:

0.96/1000/năm

RR = = 13.7

0.07/1000/năm

Ta có thể phát biểu rằng: Người hút thuốc lá có nguy cơ bị ung thư phổi cao gấp 13.7 lần

so với người không hút thuốc lá

* Những trường hợp có thể xảy ra:

- RR = 1 => tỉ suất mới mắc trong nhóm tiếp xúc và nhóm không tiếp xúc không khác

nhau => Không có mối liên hệ giữa tiếp xúc và bệnh

- RR > 1 => Có sự kết hợp dương tính giữa tiếp xúc và bệnh, nghĩa là có sư gia tăng nguy

cơ mắc bệnh trong nhóm có tiếp xúc với yếu tố nguy cơ

- RR < 1 => Yếu tố nguy cơ mang ý nghĩa một yếu tố bảo vệ => Có sự giảm nguy cơ mắc bệnh trong nhóm tiếp xúc TD: Chích vaccin làm giảm nguy cơ bị bệnh

2.1.2 NGUY CƠ QUI TRÁCH:

Nguy cơ qui trách (Attributable risk – AR) hay còn gọi là nguy cơ sai biệt (Risk difference – RD) đo lường hậu quả tuyệt đối của việc tiếp xúc với yếu tố nguy cơ ở nhóm có tiếp xúc so với nhóm không tiếp xúc Nói cách khác, nguy cơ qui trách là nguy cơ thêm

Trong đó: AR = nguy cơ qui trách

Ie = tỉ suất mới mắc ở những người tiếp xúc với yếu tố nguy cơ

Io = tỉ suất mới mắc ở những người không tiếp xúc với yếu tố nguy cơ TD: xem lại TD trên, nguy cơ qui trách AR = 0.96/1000/năm – 0.07/1000/năm =

0.89/1000/năm

Ta có thể phát biểu rằng: 0.89/1000/năm là tỉ suất tử vong vì ung thư phổi được qui cho việc hút thuốc lá gây ra Nói cách khác, nếu loại bỏ được việc hút thuốc lá thì hàng năm tỉ suất tử vong do ung thư phổi trong nhóm người hút thuốc lá có thể giảm đi 0.89/1000

* Những trường hợp có thể xảy ra:

- AR = 0 => Không có mối liên hệ giữa tiếp xúc và bệnh vì không có sự khác biệt giũa tỉ

suất mới mắc bệnh trong nhóm tiếp xúc và nhóm không tiếp xúc

- AR > 0 => Có mối liên hệ giữa tiếp xúc và bệnh : Số trường hợp bệnh trong nhóm tiếp

xúc có thể được loại bỏ nếu sự tiếp xúc với yếu tố nguy cơ được loại bỏ

2.1.3 PHẦN TRĂM NGUY CƠ QUI TRÁCH:

Vì không phải tất cả những người mắc bệnh đều là do tiếp xúc với yếu tố nguy cơ nên trong dịch tễ học, người ta phải tính phần trăm nguy cơ qui trách (Attribitable risk percent) hay tỉ lệ qui trách (Attributable proportion) nhằm tìm ra thật sự có bao nhiêu phần trăm người bị bệnh là do tiếp xúc với yếu tố nguy cơ Nói cách khác, phần trăm nguy cơ qui trách dùng để ước lượng bao nhiêu phần trăm bệnh trong nhóm tiếp xúc có thể phòng

ngừa được bằng cacùh loại bỏ sự tiếp xúc Phần trăm nguy cơ qui trách được tính bằng phép chia của nguy cơ qui trách cho tỉ suất mới mắc bệnh ở nhóm tiếp xúc, theo công thức:

ARP = AR/Ie

TD: trở lại TD trên, phần trăm nguy cơ qui trách:

0.89/1000/nămARP = = 0.93  100 = 93%

0.96/1000/năm

Ta có thể phát biểu: Nếu hút thuốc lá gây ra ung thư phổi thì 93% trường hợp ung thư phổi trong nhóm người hút thuốc có thể loại bỏ được nếu ngưng hút thuốc lá

2.1.4 NGUY CƠ QUY TRÁCH TRONG DÂN SỐ:

Nguy cơ quy tránh trong dân số (Population Attributable Risk – PAR) dùng để ước lượng tỉ suất bệnh dôi ra (vượt hơn) trong dân số do tiếp xúc với bệnh so với không tiếp

xúc với bệnh Nguy cơ quy trách trong dân số được tính bằng tỉ suất bệnh trong dân số trừ

đi tỉ suất bệnh trong nhóm không tiếp xúc với yếu tố nguy cơ, theo công thức như sau:

2.1.5 PHẦN TRĂM NGUY CƠ QUI TRÁCH TRONG DÂN SỐ:

Phần trăm nguy cơ qui trách trong dân số (Population Attributable Fraction – PAF) phản ánh tỉ lệ bệnh trong dân số xảy ra là do phối hợp với yếu tố nguy cơ Như trên đã trình bày, vì không phải tất cả những người bệnh đều là do tiếp xúc với yếu tố nguy cơ nên nguy cơ qui trách trong dân số nhằm tìm ra thật sự có bao nhiêu phần trăm người trong dân số bị bệnh là do tiếp xúc với yếu tố nguy cơ Nói cách khác, phần trăm nguy cơ qui trách trong dân số dùng để ước lượng bao nhiêu phần trăm bệnh tật trong dân số được qui

trách cho tiếp xúc hay bao nhiêu phần trăm bệnh tật trong dân số có thể phòng ngừa được bằng cách loại bỏ sự tiếp xúc Phần trăm nguy cơ qui trách trong dân số được tính bằng phép chia của nguy cơ qui trách trong dân số cho tỷ suất mới mắc trong dân số, theo công

thức như sau:

PAF = PAR/IP

TD: trở lại TD trên, phần trăm nguy cơ qui trách trong dân số

0.50/1000/nămPAF = = 0.89  100 = 89%

0.56/1000/năm

Ta có thể phát biểu rằng: Nếu hút thuốc lá gây ra ung thư phổi thì 89% trường hợp ung thư phổi trong dân số có thể loại bỏ được nếu ngưng hút thuốc lá

2.2 Trong nghiên cứu bệnh-chứng

2.2.1 NGUY CƠ TƯƠNG ĐỐI:

Trong nghiên cứu bệnh-chứng, nguy cơ tương đối được diễn tả như sau:

8

Odds Ratio là tỉ số (ratio) của những người bị bệnh và những người không bệnh trong nhóm có tiếp xúc với yếu tố nguy cơ chia cho tỉ số của những người bị bệnh và những người không bệnh trong nhóm không tiếp xúc với yếu tố nguy cơ

OR = Odds case/ Odds control = (a/c)/(b/d) = ad/bc

* Những trường hợp có thể xảy ra:

- OR = 1 => Không có mối liên hệ giữa tiếp xúc và bệnh

- OR > 1 => Tần số tiếp xúc với yếu tố nguy cơ trong nhóm bệnh cao hơn tần số tiếp xúc với yếu tố nguy cơ trong nhóm chứng

- OR < 1 => Tần số tiếp xúc với yếu tố nguy cơ trong nhóm bệnh thấp hơn tần số tiếp xúc với yếu tố nguy cơ trong nhóm chứng

2.2.2 PHẦN TRĂM NGUY CƠ QUI TRÁCH (ARPE):

ARP = AR/Ie = (1 - 1 / OR) x 100

2.2.3 PHẦN TRĂM NGUY CƠ QUI TRÁCH TRONG DÂN SỐ:

PARPE = (PeE x (OR - 1)) / (PeE x (OR - 1) + 1)) x 100

Trong đó, PeE = b / (b + d) là tỉ lệ người có tiếp trong nhóm chứng

-

TÀI LIỆU THAM KHẢO

1 Fletcher R.W., Fletcher S.W Clinical Epidemiology Philadelphia, Lippincott Williams &

Wilkins, 2005

2 Gordis L Epidemiology Philadelphia, Elservier Inc., 2004

3 Greenberg R.S., Daniels S.R., Flanders W.D., Eley J.W., Boring J.R Medical epidemiology

New Jersey, Prentice-Hall International, Inc., 2005

4 Hennekens C.H., Buring J.E Epidemiology in Medicine Boston, Little Brown Company, 1987

5 Last J.M., Spasoff R.A., Harris S.S., Thuriaux M A dictionary of epidemiology New York,

Oxford University Press, 2001

6 David C., Ian G., Richard H Epidemiology Sidney, University of New South Wales Press Ltd.,

1994: 79 – 89

7 Friedman G.D Primer of epidemiology Singapore, McGraw-Hill Book Co., 1994: 110 – 135

8 Greenberg R.S., Daniels S.R., Flanders W.D., Eley J.W., Boring J.R Medical epidemiology

New Jersey, Prentice-Hall International, Inc., 1996: 119 – 131

9 Hennekens C.H., Buring J.E Epidemiology in Medicine Boston, Little Brown Company, 1987:

132 – 152

10 Jekel J.F., Elmore J.G., Katz D.L Epidemiology, Biostatistics and Preventive Medicine

Philadelphia, W.B Saunders Company, 1996: 76 – 78

11 Last J.M., Abramson J.H., Friedman G.D., Porta M., Spasoff R.A., Thuriaux M A dictionary of

epidemiology New York, Oxford University Press, 1995

12 Mausner J.S., Bahn A.K Epidemiology: An introductory text Philadelphia, W.B Saunders

Company, 1985: 154 – 166

13 Hulley S.B., Cummings S.R Designing clinical research Baltimore, Williams & Wilkins, 1988:

78 – 86

Bài 2

CÁC THIẾT KẾ NGHIÊN CỨU TRONG DỊCH TỄ HỌC

ThS BS Nguyễn Thế Dũng

I GIỚI THIỆU

Dịch Tễ Học (DTH) là môn học (1) khảo sát sự phân bố (của) và các yếu tố quyết định (determinants) đưa đến các tình trạng hoặc các biến cố có liên quan đến sức khỏe trong những cộng đồng dân cư chuyên biệt; và (2) áp dụng kết quả của các khảo sát này vào việc kiểm soát các vấn đề sức khỏe

DTH Mô Tả (Descriptive Epidemiology) khảo sát sự phân bố các vấn đề sức khỏe (VĐSK), trong khi

DTH Phân Tích (Analytic Epidemiology) tập trung vào việc xác định các

determinants của những VĐSK bằng cách kiểm định các giả thuyết được hình thành từ các nghiên cứu mô tả

DTH Can Thiệp (Interventional Epidemiology) chuyên về việc kiểm soát các VĐSK

Do đó, trong nghiên cứu Dịch Tễ Học người ta phải dùng nhiều thiết kế nghiên cứu khác nhau để đạt được các mục tiêu nói trên

II PHÂN LOẠI CÁC THIẾT KẾ NGHIÊN CỨU (TKNC) DỊCH TỄ HỌC

Trong DTH có 2 hướng tiếp cận cơ bản để khảo sát mối tương quan giữa các biến số: Nghiên cứu Quan sát (Observational studies): nhà nghiên cứu không can thiệp gì vào tiến trình tự nhiên của các biến số mà chỉ ghi nhận các thay đổi có được

Các nghiên cứu quan sát được phân thành 2 nhóm: mô tả và phân tích; mỗi nhóm có các thiết kế nghiên cứu khác nhau

Nghiên cứu thực nghiệm (Experimental studies): nhà nghiên cứu chủ động can thiệp bằng cách làm thay đổi 1 biến số rồi xem biến số còn lại thay đổi ra sao Nghiên cứu thực nghiệm được xem là thuần về phân tích

(xem bảng phân loại bên dưới)

Các thiết kế nghiên cứu DTH

10

Thiết kế nghiên cứu Tên gọi khác Đối tượng nghiên

cứu Nghiên cưú Quan Sát

(Observational studies)

NC Mô Tả

NC Tương Quan

(Case reports - Case series)

NC Phân Tích

NC Cắt Ngang

(Cross-sectional study) (Prevalence study) Nhiều cá thể

NC Bệnh - Chứng (Case-Reference study;

(Case-Control study) Retrospective study) Nhiều cá thể

Prospective study) Nghiên cứu Thực Nghiệm (Experimental studies)

Thử nghiệm ngẫu nhiên có Thử nghiệm Lâm sàng

kiểm soát (Randomized

controlled trials)

(Clinical Trials) Bệnh nhân

(Field trials)

Thử nghiệm Cộng Đồng NC Can thiệp Cộng Đồng Cộng đồng (Community trials) (Community intervention study)

III NGHIÊN CỨU QUAN SÁT

A Nghiên cứu mô taÛ

1 Nghiên cứu Tương Quan (Correlational study)

NC Tương Quan dùng số liệu thu thập trên toàn bộ các dân số để so sánh tần số bệnh tật hoặc tử vong giữa các dân số khác nhau trong cùng 1 thời khoảng, hoặc trong cùng 1 dân số nhưng ở các thời khoảng khác nhau

Thí dụ: Lượng thịt ăn hàng ngày/người vàUng thư đại tràng

NC Tương Quan giúp ích nhiều vào việc nêu các giả thuyết, và không thể được dùng để kiểm định các giả thuyết

2 Nghiên cứu (các) trường hợp bệnh (Case Reports và Case series)

Case reports: là báo cáo chi tiết của 1 hay nhiều thầy thuốc về bệnh án của 1 bệnh nhân Thí dụ: báo cáo về trường hợp 1 phụ nữ tiền mãn kinh 40 tuổi có dùng thuốc viên ngừa thai và bệnh thuyên tắc phổi

Case series: nhằm mô tả các đặc điểm của 1 số bệnh nhân cùng mắc 1 loại bệnh Thí dụ: Viêm phổi do Pneumocystis carinii trên 5 bệnh nhân đồng tính luyến ái nam ở Los Angeles và AIDS

Kết quả của case reports và case series chỉ có tính gợi ý hoặc nêu giả thuyết Hai TKNC này không được dùng để kiểm định giả thuyết

B Nghiên cứu phân tích

1 Nghiên cứu cắt ngang (Cross-sectional study)

NC Cắt Ngang khảo sát tình trạng có hoặc không có tiếp xúc với yếu tố nguy cơ (YTNC) cùng lúc với tình trạng có hoặc không có bệnh

Công dụng

NC Cắt Ngang rất thường được dùng để mô tả 1 bệnh (hoặc VĐSK) hoặc để cung cấp thông tin về chẩn đoán hoặc phân giai đoạn của 1 bệnh

Ưu điểm: Nhanh, ít tốn kém

Nhược điểm: Việc tìm thấy các mối liên hệ thống kê khi kiểm định các giả thuyết

thường có tính chính xác không cao nên kết quả của TKNC này thường vẫn có giá trị nêu giả thuyết trong đa số các trường hợp

2 Nghiên cứu Bệnh - Chứng (Case-Control study)

Trong NC Bệnh - Chứng,

Từ 2 nhóm người đã được chọn: nhóm Bệnh (Cases) gồm những người có bệnh (được nghiên cứu), và nhóm Chứng (Controls) gồm những người không có bệnh được nghiên cứu), thông tin về tình trạng có hoặc không có tiếp xúc với YTNC trong quá khứ của cả 2 nhóm được thu thập và so sánh với nhau

Công dụng và ưu điểm

TKNC Bệnh-Chứng rất thích hợp để khảo sát các bệnh ít gặp, để khảo sát các các bệnh có tiến triển kéo dài, và để khảo sát các giả thuyết ban đầu Nghiên cứu theo thiết kế này thường ít tốn thời gian và tiền bạc

Nhược điểm

Có rất nhiều bias (sai số hệ thống) Khó chọn nhóm controls phù hợp

3 Nghiên cứu cohort

Trong NC Cohort,

Từ 2 nhóm người không có bệnh (được nghiên cứu): nhóm Có Tiếp Xúc gồm những người đang có tiếp xúc với YTNV, và nhóm Không Tiếp Xúc gồm những người không có tiếp xúc với YTNC, thông tin về tình trạng mắc bệnh ở cả 2 nhóm được thu thập sau 1 thời gian theo dõi và được so sánh với nhau

Công dụng và ưu điểm:

12

TKNC này thường được chọn khi cần khảo sát nguyên nhân của bệnh tật hoặc VĐSK, khảo sát tiến triển của bệnh tật, hoặc khảo sát các YTNC vì nó cung cấp bằng chứng vững chắc về mối quan hệ nhân -quả có thể có

Nhược điểm

Thời gian theo dõi dài dễ làm thất thoát số lượng mẫu NC và gây nhiều tốn kém

IV NGHIÊN CỨU THỰC NGHIỆM

1 Thử nghiệm lâm sàng (Clinical Trials)

Là thử nghiệm nhằm khảo sát 1 chế độ phòng ngừa hoặc điều trị mới Đối tượng nghiên cứu (thỏa các điều kiện chọn mẫu) được phân bố ngẫu nhiên vào các nhóm, thường gọi là nhóm điều trị (treatment) và nhóm chứng (controls) Kết quả được lượng giá bằng cách so sánh hiệu quả trên 2 hay nhiều nhóm

Công dụng và ưu điểm

TKNC này được xem là “gold standards” trong y học vì nó cung cấp các bằng chứng vững chải nhất để kết luận nguyên nhân, và cũng vì nó ít có các bias

Nhược điểm

Rất tốn kém và mất nhiều thời gian

2 Thử nghiệm thực địa (Field Trials)

Được tiến hành trên những người không có bệnh (người lành) nhưng được xem là có nguy cơ mắc bệnh Thử nghiệm thực địa thường được dùng trong các trường hợp thử nghiệm vaccin mới đại trà

3 Thử nghiệm Cộng Đồng (Community Trials)

TKNC này có phần nào giống như Clinical Trials, nhưng khác ở chỗ nhóm điều trị là các cộng đồng thay vì các cá thể được chọn TKNC này đặc biệt thích hợp cho những bệnh có nguồn gốc từ các điều kiện xã hộimà ta có thể tác động dễ dàng bằng cách can thiệp trực tiếp trên hành vi của cộng đồng cũng như của cá thể.

Bài 3

MỐI LIÊN HỆ NHÂN – QUẢ

TS BS Tăng Kim Hồng

I KHÁI NIỆM VỀ NGUYÊN NHÂN

Trong y học, việc hiểu biết về nguyên nhân của bệnh không chỉ có vai trò quan trọng trong việc phòng ngừa mà còn có ý nghĩa trong việc chẩn đoán và điều trị

Nguyên nhân của một bệnh có thể là một biến cố, một tình trạng, một sự phối hợp của nhiều yếu tố – đóng vai trò quan trọng trong việc sinh ra bệnh tật Hiểu một cách logic, một nguyên nhân phải đi trước một bệnh

Một nguyên nhân có thể đóng vai trò là nguyên nhân đủ khi với sự có mặt của

nguyên nhân này, một bệnh chắc chắn sẽ được sinh ra hay khởi phát; hoặc có thể là

nguyên nhân cần nếu như khi vắng mặt nguyên nhân này, một bệnh không thể xảy ra

Nguyên nhân đủ thường không chỉ là một nguyên nhân đơn mà thường gồm nhiều

thành phần (nguyên nhân phức)

Việc tìm ra vi sinh vật của Pasteur đã đưa Henle, sau đó là Koch phát triển ra những quy tắc sau đây để xác định vi sinh vật có phải là nguyên nhân của bệnh không:

• Vi sinh vật phải hiện diện trong mỗi trường hợp bệnh

• Vi sinh vật phải được phân lập và tăng trưởng trong môi trường tinh khiết

• Vi sinh vật phải gây ra một bệnh đặc hiệu khi nhiễm vào một động vật nào đó

• Vi sinh vật sau đó phải được phát hiện và nhận dạng từ động vật này

Tuy nhiên, trong hầu hết các bệnh, nhiễm trùng cũng như không nhiễm trùng, những quy tắc của Koch không đủ để xác định nguyên nhân Một bệnh có thể là do nhiều nguyên nhân gây ra, và ngược lại một nguyên nhân có thể gây ra nhiều bệnh Ví dụ: việc hút thuốc lá có thể gây ra ung thư phổi, bệnh phổi tắt nghẽn mãn tính, loét dạ dày, ung thư bàng quang, và bệnh mạch vành v.v… Ngược lại, bệnh mạch vành có thể

do nhiều nguyên nhân gây ra như: việc hút thuốc lá, cao huyết áp, tăng cholesterol/máu v.v… Ngoài ra, bệnh mạch vành cũng có thể xảy ra ngay cả khi không có sự hiện diện của các yếu tố nguy cơ kể trên

Thông thường, nhiều yếu tố hoạt động cùng với nhau để sinh ra bệnh Sự phối hợp này tạo ra cái gọi là “mạng lưới nhân quả” (web of causation)

II MỐI LIÊN HỆ NHÂN QUẢ:

Sơ đồ đánh giá mối liên hệ giữa một yếu tố có thể là nguyên nhân và một kết quả như sau:

(DTH)

Một mối liên hệ quan sát thấy được

Aùp dụng các tiêu chuẩn để xét

Có thể là nguyên nhân không?

Có phải xảy ra ngẫu nhiên (chance)

25

CÁC TIÊU CHUẨN ĐỂ QUYẾT ĐỊNH MỘT MỐI LIÊN QUAN NHÂN QUẢ

(Tiêu chuẩn đánh giá của Bradford Hill – 8 tiêu chuẩn)

1) Phải có mối liên hệ về mặt thời gian giữa nguyên nhân và kết quả

Hiển nhiên, nguyên nhân phải xảy ra trước hậu quả Điều này không phải lúc nào cũng xảy ra một cách rõ ràng như chúng ta nghĩ Ví dụ: Chúng ta quan sát thấy có mối liên hệ giữa lượng chì có trong cơ thể của những đứa trẻ nhỏ và chỉ số thông minh (IQ) thấp, vậy thì cái nào xảy ra trước:

- Vì trẻ có tiêu thụ một lượng chì trong cơ thể nên sau này chỉ số thông minh

thấp

Hay:

- Vì trẻ có chỉ số thông minh thấp (nên hay “ăn dơ” – ăn thức ăn rơi dưới đất)

do đó (vô tình) tiêu thụ một lượng chì trong cơ thể

2) Độ mạnh của sự phối hợp

Nếu có sự phối hợp mạnh giữa một yếu tố có thể là nguyên nhân và một hậu quả – thể hiện bằng nguy cơ tương đối (relative risk) hay tỉ số chênh (odds ratio) lớn – thì có nhiều khả năng mối liên hệ này là mối liên hệ nhân quả

Ví dụ: những người công nhân tiếp xúc với Benzene có nguy cơ bị Leukaemia cao gấp 5 đến 25 lần người không tiếp xúc Bằng chứng này cho thấy có một mối liên hệ mạnh mẽ Ngược lại nếu kết quả khảo sát cho biết nguy cơ của người thợ ngành thuộc da chỉ cao gấp 1,5 lần so với người không tiếp xúc thì điều này cho thấy mối liên hệ này kém có khả năng chắc chắn là mối liên hệ nhân – quả

3) Mối liên hệ đáp ứng theo liều (dose – response relationship)

Việc thay đổi về lượng của nguyên nhân đưa đến việc thay đổi về lượng của hậu quả Ví dụ: nguy cơ bị ung thư phổi gia tăng theo số điếu thuốc hút mỗi ngày

Cho dù mối quan hệ đáp ứng theo liều là một bằng chứng tốt về mối quan hệ nhân quả, nhất là khi đi kèm với một RR hay OR lớn, nhưng vẫn không lọai trừ được

đây là sản phẩm của yếu tố gây nhiễu

4) Sự phối hợp nghịch đảo

Một yếu tố có nhiều khả năng là nguyên nhân của một bệnh khi việc loại bỏ nó dẫn đến việc giảm nguy cơ bị bệnh Ví dụ: Bỏ hút thuốc lá làm giảm nguy cơ bị ung thư phổi

Tương tự, nếu chỉ căn cứ trên mối quan hệ nghịch đảo mạnh để kết luận mối quan hệ nhân-quả thì người nghiên cứu có thể bị sai Ví dụ: Những người có ý muốn bỏ thuốc lá cũng có thể mang một số yếu tố khác hơn người tiếp tục hút thuốc lá

5) Tính nhất quán (consistency)

Khi có nhiều nghiên cứu được tiến hành với nhiều lọai bệnh nhân khác nhau, vào nhiều thời điểm khác nhau, ở nhiều nơi khác nhau nhưng tất cả đều cùng đi đến một kết luận thì bằng chứng về mối liên hệ nhân quả được củng cố vững chắc

6) Tính hợp lý về mặt sinh học

Sự giải thích về mối liên hệ nhân quả phải phù hợp với kiến thức về cơ chế bệnh sinh hiện đang được hiểu, hay với kết quả nghiên cứu trên động vật v.v

7) Tính đặc hiệu

Tính đặc hiệu – tức là một nguyên nhân chỉ gây một hậu quả – thường gặp

trong các bệnh nhiễm trùng cấp hay những bệnh về gen Các bệnh mãn tính, thoái hóa có thể có nhiều nguyên nhân cho cùng một hậu quả, hay có nhiều hậu quả cho cùng một nguyên nhân

Sự hiện diện của tính đặc hiệu là một bằng chứng mạnh mẽ cho mối liên hệ nhân-quả, nhưng không có tính đặc hiệu không phải là bằng chứng chống lại mối liên hệ nhân-quả

8) Tính đồng dạng (Analogy)

Nếu chấp nhận A và B có mối liên hệ nhân quả và cũng đồng thời chấp nhận rằng C & D liên hệ với nhau cùng cơ chế như mối liên hệ của A & B thì có thể chấp nhận rằng C & D cũng có mối liên hệ nhân quả Ví dụ: Chúng ta đã biết những hậu quả của Rubella gây ra cho thai kỳ thì cũng có thể chấp nhận (dù yếu hơn) rằng cũng có thể có những hậu quả đồng dạng (tương tự) mà những tác nhân tương tự (virus) gây

ra cho thai kỳ

Tuy nhiên bằng chứng này khá yếu

* Thiết kế nghiên cứu (tiêu chuẩn này được nêu ra trong cuốn “Basic Epidemiology” do

WHO xuất bản năm 1993)

Thiết kế nghiên cứu cũng nên được được xem xét để chấp thuận mối liên hệ tìm thấy là mối liên hệ nhân quả hay không! Bằng chứng tốt nhất để kết luận mối liên

hệ nhân quả được rút ra từ nghiên cứu thực nghiệm ngẫu nhiên có đối chứng

(randomized controlled trials) Nghiên cứu đoàn hệ (cohort studies) là loại thiết kế tốt

kế tiếp vì khi thực hiện tốt, các sai lệch có thể được giảm thiểu Tiếp theo là nghiên

cứu bệnh chứng (case-control studies), dù cũng có chỗ yếu là có sai lệch do chọn mẫu,

nhưng kết quả từ các nghiên cứu lớn, được thiết kế tốt cũng có thể cho chúng ta bằng chứng tốt về mối liên hệ nhân quả Nghiên cứu cắt ngang và nghiên cứu tương quan chứng minh về mối liên hệ nhân quả khá yếu

* ĐÁNH GIÁ CÁC BẰNG CHỨNG CÓ ĐƯỢC ĐỂ CÓ KẾT LUẬN VỀ MỐI

QUAN HỆ NHÂN-QUẢ (theo “Basic Epidemiology” do WHO xuất bản năm 1993)

Khi đánh giá nhiều khía cạnh khác nhau để kết luận về mối quan hệ nhân quả theo

các tiêu chuẩn nêu trên, mối liên hệ về mặt thời gian giữa nguyên nhân và kết quả là

yếu tố cần thiết; một khi yếu tố này đã có rồi thì các tiêu chuẩn sau được xem là “nặng

ký” nhất: Tính hợp lý về mặt sinh học, Tính nhất quán, và Mối liên hệ đáp ứng theo

liều (dose – response relationship)

Khả năng là mối liên hệ nhân quả càng cao khi có nhiều bằng chứng khác nhau nhưng đưa đến cùng một kết luận Bằng chứng từ các nghiên cứu được thiết kế tốt là rất quan trọng, nhất là khi các nghiên cứu này thực hiện ở nhiều nơi khác nhau nhưng cho ra kết quả giống nhau

27

Lớp Phương pháp NCKH – Chương trình CUD UPNT03

TÀI LIỆU THAM KHẢO

1 David C., Ian G., Richard H Epidemiology Sidney, University of New South

Wales Press Ltd., 1994

2 Fletcher R.W., Fletcher S.W Clinical Epidemiology Philadelphia, Lippincott

Williams & Wilkins, 2005

3 Greenberg R.S., Daniels S.R., Flanders W.D., Eley J.W., Boring J.R Medical

epidemiology New Jersey, Prentice-Hall International, Inc., 2005

4 Hennekens C.H., Buring J.E Epidemiology in Medicine Boston, Little Brown

Company, 1987

5 R Beaglehole, R Bonita, and T Kjellstrom Basic Epidemiology WHO, 1993

Bài 4

NGHIÊN CỨU CẮT NGANG

TS BS Tăng Kim Hồng

I GIỚI THIỆU:

1.1 Định nghĩa: Nghiên cứu cắt ngang (cross-sectional study, prevalence study) là loại nghiên cứu khảo sát mối liên quan giữa bệnh tật (hay vấn đề sức khỏe) và các đặc

điểm khác như chúng hiện có trong một cộng đồng xác định, cùng tại một thời điểm/

thời khoảng xác định

1.2 Công dụng của nghiên cứu cắt ngang:

1 Đánh giá “sức khoẻ” của cộng đồng qua việc xác định tỉ suất hiện mắc

(prevalence) của 1 bệnh hay 1 vấn đề sức khoẻ => do đó được gọi là “prevalence study”

Ví dụ: Dùng nghiên cứu cắt ngang để khảo sát tỉ lệ trẻ suy dinh dưỡng < 5 tuổi trong

dân số hay tỉ lệ phụ nữ trong độ tuổi sinh đẻ có áp dụng các biện pháp ngừa thai

2 Xác định sự liên quan giữa bệnh và các yếu tố khảo sát Từ đó, phán đoán

xem các yếu tố khảo sát có phải là nguyên nhân của bệnh hay không

Ví dụ: Một nghiên cứu cắt ngang được thực hiện để khảo sát các “yếu tố nguy cơ” của

bệnh lây truyền qua đường tình dục (STD) trong số các phụ nữ đến khám tại bệnh viên

da liễu Nhà nghiên cứu hỏi tất cả phụ nữ về tiền sử sử dụng thuốc ngừa thai đồng thời khám và làm phết tế bào âm đạo – cổ tử cung để xét nghiệm Mục đích của nghiên cứu này là nhằm trả lời cho câu hỏi: có mối liên quan giữa việc sử dụng thuốc ngừa

thai và viêm sinh dục do Chlamydia hay không

3 Lượng giá một test mới hay ứng dụng mới của một test cũ

Ví dụ: Một nghiên cứu cắt ngang đã được thực hiện để so sánh hai phương pháp phát

hiện bệnh tắc tĩnh mạch chi dưới: một là dùng siêu âm Doppler và phương pháp kia là dựa vào khám nghiệm trên lâm sàng (sưng, căng phù chi dưới) Chẩn đoán xác định cho tình trạng tắc tĩnh mạch sâu được dựa vào X-Quang tĩnh mạch có cản quang hoặc (với một số ít bệnh nhân) là dựa vào kết quả phẫu thuật hay tử thiết

4 Lượng giá khả năng tiên đoán của các đặc điểm lâm sàng

Ví dụ: Mối tương quan giữa khám lâm sàng và nhiễm trùng huyết

Độ chính xác của thủ thuật thăm khám trực tràng trong chẩn đoán K tiền liệt tuyến

Điểm cắt tối ưu của BMI và CVVE để tiên đốn nguy cơ tim mạch ở trẻ em

5 Sàng lọc và phân loại trước đối tượng nghiên cứu cho các nghiên cứu đoàn

hệ (giai đoạn đầu của nghiên cứu đoàn hệ)

18

II CÁC VẤN ĐỀ TRONG THIẾT KẾ VÀ THỰC HIỆN NGHIÊN CỨU CẮT NGANG

2.1 Tính cỡ mẫu: Nghiên cứu cắt ngang thướng được sử dụng để ước lượng một số trung bình (biến số liên tục) hay một tỉ lệ (biến số rời) cho nghiên cứu cắt ngang Công thức tính cở mẫu nhằm ước lượng:

- một số trung bình trong đó σ: độ lệch chuẩn

2

2 2

- một tỉ lệ: trong đó p: tỉ lệ ước tính của vấn đề cần khảo sát

d: sai số biên của ước lượng

2

2 2

- Đây là cở mẫu cần cĩ để phân tích Nếu tỉ lệ tham gia NC thấp, ví dụ chỉ 75% thì

cở mẫu cần cĩ phải tăng lên = 246/0,75 = 328

- Nếu khơng cĩ thơng tin gì về giá trị p, thì giá trị 0,5 cĩ thể sử dụng để cĩ cở mẫu lớn nhất

VD2: Cần phải cĩ cở mẫu là bao nhiêu để ước tính trung bình của trị số HATT của phụ

nữ Việt nam, biết rằng kết quả từ một nghiên cứu trước đây cho thấy độ lệch chuẩn là 20

và chúng ta mong muốn kết quả tìm thấy cĩ giá trị nằm trong khoảng 10% giá trị thật

σ = 20, Δ = 0,1

=> n = 1,962 x 20/ 0,12 = 15,4 = 16 người

Nếu tỉ lệ tham gia NC chỉ 80% thì cở mẫu cần cĩ phải tăng lên = 16/0,8 = 20 người

* Cách xác định “hệ số thiết kế”(design effect)

ƒ Xác định bằng nghiên cứu pilot

ƒ Nghiên cứu cĩ từ trước cĩ cùng cách chọn mẫu

ƒ Tính bằng cơng thức: Design effect = 1 + (m-1) * δ

Trong đĩ:

- m: độ lớn trung bình của 1 cụm

- δ: hệ số tương quan (intra-class correlation coefficient)

Cĩ thể là 1 con số âm rất nhỏ (khi cấu trúc trong từng cụm rất khác nhau) hoặc

=1 (khi cấu trúc trong từng cụm thuần nhất)

SỬ DỤNG PHẦN MỀM EPI-INFO 2002 ĐỂ TÍNH CỞ MẪU TRONG NGHIÊN CỨU CẮT NGANG (NHẰM ƯỚC LƯỢNG MỘT TỈ LỆ)

Mở Epi-Info 2002, trên thanh menu chọn Utilities -> StatCal -> Nhấp chuột -> Hiện ra cửa sổ StatCal.exe -> Chọn Sample size & power -> Chọn Population Survey -> OK

Khi cửa sổ StatCal được mở ra -> điền vào độ lớn của dân số mà từ đó mẫu được rút ra (có thể chọn độ lớn của dân số là 999999 nếu độ lớn của dân số là vô hạn) -> Nhập giá trị

p -> Nhập giá trị lớn nhất (hay nhỏ nhất) có thể chấp nhận được (= p ± d) -> Bấm F4 để tính

Có thể thay đổi các giá trị được nhập vào và tính lại (sử dụng phím F10) Sauk hi tính xong, nhấn F10 để thoát

20

2.2 Chọn mẫu:

2.2.1 Chọn dân số nghiên cứu: Cần xác định dân số đích và dân số nghiên cứu (dân số lấy mẫu) thích hợp để tránh sai lệch do chọn mẫu (selection bias)

Ví dụ: Thực hiện nghiên cứu cắt ngang với dân số nghiên cứu là bệnh nhân trong bệnh

viện sẽ không phản ánh chính xác được tỉ suất hiện mắc của bệnh (tỉ suất hiện mắc thật sự có thể cao hơn hay thấp hơn)

2.2.2 Phương pháp chọn mẫu:

Do kết luận rút ra được từ mẫu khảo sát sẽ được dùng để suy luận cho dân số

(mà từ đó mẫu được lấy ra) nên mẫu được chọn cần phải đảm bảo tính đại diện, và vì

vậy cần phải được thực hiện theo các kỹ thuật thích hợp để tránh các sai lệch có thể xảy ra

Có 2 phương pháp chọn mẫu: chọn mẫu có xác suất (Probability sampling method) và chọn mẫu không có xác suất (non-probability sampling method) Cách tốt

nhất để bảo đảm 1 mẫu sẽ cho ra các suy diễn chính xác và đáng tin cậy là dùng các mẫu được chọn bằng phương pháp có xác suất

Một mẫu (được chọn bằng phương pháp) có xác suất là 1 mẫu được rút ra từ dân số theo cách mà tất cả các thành phần của dân số đều có 1 xác suất (đã biết trước) được chọn vào mẫu

„ Các phương pháp lấy mẫu cĩ xác suất:

– Chọn mẫu ngẫu nhiên đơn (simple random sampling)

– Chọn mẫu ngẫu nhiên hệ thống (systematic random sampling)

– Chọn mẫu phân tầng (stratified sampling)

– Chọn mẫu cụm (cluster sampling)

2.2.2.1 Chọn mẫu ngẫu nhiên đơn (Simple random sampling - SRS)

Là phương pháp chọn mẫu mà mọi đơn vị lấy mẫu đều được chọn vào mẫu

nghiên cứu với xác suất bằng nhau và độc lập với việc chọn đơn vị lấy mẫu khác

Các bước cần thiết để chọn mẫu ngẫu nhiên đơn giản:

+ Lập danh sách chọn mẫu (khung chọn mẫu - sampling frame), trong đó các đối tượng trong dân số đã được đánh số thứ tự

+ Rút thăm các số nguyên ngẫu nhiên cho đủ cở mẫu bằng cách

- Dùng bảng số ngẫu nhiên sau khi đã xác định vị trí khởi đầu một cách ngẫu

nhiên trên bảng

Hoặc - Dùng phím bấm số ngẫu nhiên trên các máy tính cầm tay

Hoặc - Dùng chương trình vi tính cho ra số lượng số ngẫu nhiên cần thiết

Random Number Table

• Ưu điểm của phương pháp chọn mẫu ngẫu nhiên đơn giản

– Thực hiện đơn giản

• Khuyết điểm

– Cĩ thể khơng cĩ được danh sách các đơn vị lấy mẫu

– Cĩ thể tốn kém nhiều do mẫu nghiên cứu bị trải rộng

– Cĩ thể kém hiệu quả ở một số dân số nhất định

2.2 2.2 Chọn mẫu ngẫu nhiên hệ thống (Systematic randon sampling)

Là phương pháp chọn ngẫu nhiên một nhĩm gồm nhiều đơn vị lấy mẫu cách nhau một khoảng cách mẫu (k)

Các bước cần thiết để chọn mẫu ngẫu nhiên hệ thống:

+ Tính khoảng cách mẫu k = N/n

+ Chọn ngẫu nhiên một số i (số đầu tiên), 1 ≤ i ≤ k

+ Chọn một nhĩm gồm các đơn vị lấy mẫu i, i+k, i+2k, v.v

2.2.2.3 Chọn mẫu Phân Tầng (Stratified sampling)

Là phương pháp chọn mẫu với nhều cá thể đại diện được chọn từ các tầng (strata)

riêng biệt của dân số

ƒ Sử dụng khi:

– Các tầng cĩ khác nhau về biến số quan tâm

– Bản thân sự khác biệt này là mục tiêu của nghiên cứu

22

Yếu tố phân tầng thường là tuổi, phái tính, độ nặng của bệnh, tình trạng hút thuốc - không hút thuốc v.v… Việc chọn mẫu phân tầng thường theo tỉ lệ tương xứng (proportional stratified sampling) nhưng đôi khi có thể không tương xứng (disproportional stratified sampling)

• Ưu điểm của phương pháp chọn mẫu tầng

– Mẫu đại diện hơn, chính xác hơn

• Khuyết điểm

– Trên thực tế đơi khi khơng tìm được tính chất để phân tầng

– Về mặt kinh tế, cũng gây tốn kém tương đương với cách chọn mẫu ngẫu nhiên đơn

2.2.2.4 Chọn mẫu cụm (Cluster sampling)

Là phương pháp chọn mẫu mà trong đĩ một hoặc nhiều đợn vị lấy mẫu (listing units) được phối hợp sử dụng, nĩi cách khác đây là phương pháp chọn mẫu mà khung chọn mẫu bao gồm nhiều cụm, mỗi cụm gồm nhiều đối tượng trong một địa phương (hay

địa điểm) nhất định Khác với tầng (bao gồm những đơn vị lấy mẫu thuần nhất về 1 tính chất), cấu trúc của 1 cụm càng phải nên đa dạng về tính chất

ƒ Sử dụng khi:

– Khơng thể cĩ danh sách tất cả các đối tượng trong dân số

– Muốn giảm chi phí tiếp cận đối tượng

ƒ Một số đặc tính quan trọng của chọn mẫu cụm

1) Tiến trình chọn mẫu theo từng bậc (stepwise) Ví dụ nếu khu phố là cụm và hộ gia đình là đơn vị lấy mẫu thì sẽ cĩ 2 bước để chọn hộ gia đình: bước đầu tiên: chọn khu

phố, bước thứ 2: chọn hộ gia đình Hai bước này được gọi là hai giai đoạn (stages) Vì

vậy trong cách chọn mẫu cụm sẽ cĩ một số giai đoạn (stages) được thực hiện Nếu trong thiết kế chọn mẫu chúng ta thực hiện nhiều giai đoạn thì các đơn vị lấy mẫu ở giai đoạn đầu tiên là đơn vị lấy mẫu nguyên phát (primary sampling units – PSUs)

2) Cụm cĩ thể được chọn bằng nhiều kỹ thuật chọn mẫu khác nhau Chẳng hạn ta

cĩ thể chọn cụm bằng cách chọn mẫu ngẫu nhiên đơn giản hay bằng cách chọn mẫu hệ thống

+ Nếu chọn cụm bằng phương pháp chọn mẫu ngẫu nhiên đơn giản => chọn mẫu cụm đơn giản

- Nếu ta chỉ thực hiện 1 giai đoạn (Chọn ra một số cụm từ các cụm cĩ sẵn, khảo sát hết tất cả các cá thể trong 1 cụm) => Cụm 1 bậc đơn giản

- Nếu cụm được chọn ở giai đoạn 1 bằng phương pháp chọn mẫu ngẫu nhiên đơn giản

và ở giai đoạn 2 ta lại chọn ra một số đơn vị chọn mẫu từ các cụm cĩ sẵn => Cụm 2 bậc đơn giản Trong trường hợp này, tỉ lệ của các đơn vị lấy mẫu được chọn ra ở giai đoạn 2 – từ các cụm đã được chọn ở giai đoạn 1 – là giống nhau Phương pháp này được thực hiện trên giả định là các cụm cĩ số lượng đơn vị lấy mẫu bằng nhau

+ Nếu chọn cụm khơng phải bằng phương pháp ngẫu nhiên đơn giản => chọn mẫu với xác suất tỉ lệ với độ lớn của cụm (sampling with probability proportional to size)

3) Trong tiến trình chọn mẫu cụm, cĩ thể sử dụng nhiều khung chọn mẫu khác nhau

4) Sau khi thực hiện giai đoạn 1, khung chọn mẫu mới được tập hợp lại từ các cụm được chọn

• Ưu điểm của phương pháp chọn mẫu cụm

- Khả thi, kinh tế hơn vì chỉ cần chuẩn bị danh sách chi tiết trong các cụm được chọn

• Khuyết điểm

- Các số ước lượng cĩ thể khơng chính xác bằng chọn mẫu SRS, chọn mẫu tầng nếu khảo sát trên cùng cở mẫu => Để tăng độ chính xác -> tăng cở mẫu

2.2.2.5 Chọn mẫu nhiều bậc (nhiều giai đoạn) (Multi-stage sampling)

Chọn mẫu nhiều bậc (nhiều giai đoạn) là sự kết hợp nhiều phương pháp lấy mẫu Mỗi một phương pháp chọn mẫu được áp dụng là 1 bậc (giai đoạn)

Trên thực tế phương pháp thường được áp dụng nhất: chọn mẫu cụm nhiều bậc Phương pháp chọn mẫu cụm 2 bậc đơn giản được thực hiện trên giả định là các cụm cĩ

số lượng đơn vị lấy mẫu bằng nhau Tuy nhiên trên thực tế, các cụm hầu như khơng cĩ cùng độ lớn , vì vậy người ta sử dụng chọn mẫu với xác suất tỉ lệ với độ lớn của cụm (sampling with probability proportional to size) – phương pháp chọn mẫu PPS

„ Chọn mẫu PPS (probability proportionate to size) – chọn mẫu cĩ xác suất tỉ lệ

với độ lớn của cụm

Bậc 1: Chọn ra n cụm từ tổng số N cụm bằng phương pháp chọn mẫu hệ thống:

+ Tính khoảng cách mẫu k = N/n

+ Chọn ngẫu nhiên một số i (số đầu tiên), 1 ≤ i ≤ k

+ Chọn một nhĩm gồm các đơn vị lấy mẫu i, i+k, i+2k, v.v

Trong chương trình tiêm chủng mở rộng của TCYTTG, số cụm cần chọn là 30, do đĩ khoảng cách mẫu là N/30

24

Bậc 2: Trong n cụm được đã chọn, chọn ra số đối tượng cần thiết (= cở mẫu / n cụm) bằng phương pháp mẫu chọn ngẫu nhiên đơn giản hay chọn mẫu hệ thống

Trong chương trình EPI của TCYTTG, để chọn ra 7 nhà trong 1 cụm người ta chọn ra nhà đầu tiên một cách ngẫu nhiên rồi sau đi các nhà tiếp theo - theo nguyên tắc nhà liền nhà

2.3 Thu thập số liệu: Thu thập đồng thời số liệu về tình trạng bệnh và tình trạng tiếp xúc bằng các kỹ thuật và phương pháp đo lường thích hợp

III CÁC VẤN ĐỀ TRONG PHÂN TÍCH VÀ DIỄN GIẢI KẾT QUẢ CỦA NGHIÊN CỨU CẮT NGANG

3.1 Phân tích kết quả:

Trong đa số trường hợp, nghiên cứu cắt ngang được sử dụng như một nghiên cứu

mô tả Do đó, số liệu được phân tích bằng thống kê mô tả và được trình bày dưới dạng

các bảng, biểu Tuy nhiên, trong một số trường hợp, nghiên cứu cắt ngang còn được

dùng để phân tích mối liên quan giữa bệnh và việc tiếp xúc với một yếu tố nguy cơ

nào đó Trong trường hợp này, cần lập bảng chéo (cross tabulation) – phân nhóm

nghiên cứu theo các yếu tố nguy cơ cần khảo sát, và so sánh tỉ suất hiện mắc

(prevalence rates) trong từng nhóm

Prevalence của bệnh trong nhóm tiếp xúc = a/(a+b)

Prevalence của bệnh trong nhóm không tiếp xúc = c/(c+d)

Có thể dùng phép kiểm thống kê (chi bình phương) để xác định mối liên hệ Độ mạnh

của sự phối hợp sẽ được tính bằng Prevalence Rate Ratio (PRR)*

a/(a+b) Prevalence Rate Ratio (PRR) =

c/(c+d) 3.2 Các sai số hệ thống (bias) thường gặp trong nghiên cứu cắt ngang

a- Volunteer bias (sai lệch do mẫu được chọn từ những người tình nguyện): có thể xảy

ra khi đối tượng tình nguyện tham gia vào nghiên cứu có những đặc điểm khác với những người không tình nguyện tham gia nghiên cứu VD: tuổi, giới, dân tộc, trình độ học vấn v.v… Hơn nữa, những người tình nguyện tham gia nghiên cứu thường là những người khoẻ mạnh

b- Survivor bias (sai lệch từ những trường hợp sống sót chọn lọc): Khi thực hiện

nghiên cứu cắt ngang, chúng ta chỉ có thể thu thập thông tin từ những người còn sống Nếu những người tiếp xúc với yếu tố nguy cơ đều đã chết trước khi nghiên cứu bắt đầu thì có thể chúng ta chỉ thu thập được thông tin từ những người không tiếp xúc với yếu tố nguy cơ và như vậy có thể sẽ cho kết luận sai lệch

c- Non-response/participation bias (sai lệch do nhiều người không đáp ứng/không tham gia vào nghiên cứu): Tỉ lệ người đáp ứng/tham gia vào nghiên cứu cần phải được

xem xét kỹ lưỡng trong nghiên cứu cắt ngang Kết luận sai lệch có thể xảy ra nếu những người không thể tham gia vào nghiên cứu có nhiều đặc điểm khác xa với những người có thể tham gia vào nghiên cứu VD: trong nghiên cứu về thói quen uống rượu, những người thường xuyên uống rượu thường ít khi có mặt để trả lời câu hỏi phỏng vấn v.v… Nếu tỉ lệ đáp ứng <70% thì cần phải xem xét lại giá trị của

nghiên cứu

IV CÁC ƯU ĐIỂM VÀ HẠN CHẾ CỦA NGHIÊN CỨU CẮT NGANG

4.1 Ưu điểm:

- Cho kết quả nhanh, ít tốn kém, dễ thực hiện

- Cung cấp thông tin về tỉ suất hiện mắc bệnh (hay vấn đề sức khoẻ nào đó) => cung cấp tốt thông tin cho việc đánh giá tình hình sức khoẻ, bệnh tật

- Là bước đầu tiên của nghiên cứu đoàn hệ

- Có thể chứng minh mối liên hệ của bệnh và nhiều yếu tố nguy cơ

*Prevalence Odds Ratio (POR) cũng có thể được sử dụng trong nghiên cứu cắt ngang để tính độ mạnh

của sự phối hợp

26

4.2 Hạn chế:

- Đôi khi không thể kết luận được mối liên hệ nhân quả từ các số liệu thu thập được trong nghiên cứu cắt ngang vì tình trạng tiếp xúc với yếu tố nguy cơ và bệnh được đánh giá cùng một lúc

Ví dụ: Trong 1 nghiên cứu cắt ngang cho thấy những người bị ung thư thì có mức

β-caroten (tiền vitamin A) trong máu thấp hơn người bình thường cùng tuổi, cùng giới tính Tuy nhiên, người ta không thể xác định được trong nghiên cứu này là do mức β-caroten trong máu thấp đưa đến ung thư hay là mức β-caroten trong máu thấp thực sự là kết quả của bệnh do những thay đổi trong chế độ ăn uống hay do những ảnh hưởng của K gây ra tình trạng suy nhược chung

- Do nghiên cứu cắt ngang chỉ thu thập thông tin về tình trạng bệnh và tiếp xúc với yếu tố nguy cơ tại một thời điểm/ thời khoảng nhất định nên có thể đưa đến những thông tin sai lệch

Ví dụ: Các bác sĩ lâm sàng thường tin rằng huyết áp tâm trương ở người già không tăng

do chỉ dựa trên những nghiên cứu cắt ngang trong đó thể hiện rằng số huyết áp tâm trương trung bình ở mọi lứa tuổi chỉ xấp xỉ 80mmHg Tuy nhiên, trong một nghiên cứu đoàn hệ (nghiên cứu Framingham), người ta thấy rằng những bệnh nhân được theo dõi sau nhiều năm có huyết áp tâm trương tăng khi về già

- Khi nghiên cứu những bệnh hiếm, thực hiện nghiên cứu cắt ngang là không thực tế

TÀI LIỆU THAM KHẢO

1 David C., Ian G., Richard H Epidemiology Sidney, University of New South

4 Jennifer L.K., Thompson W.D., Alfred S.E Methods in observational

epidemiology New York, Oxford University Press, 1986: 187 – 191

5 Last J.M., Abramson J.H., Friedman G.D., Porta M., Spasoff R.A., Thuriaux M A

dictionary of epidemiology New York, Oxford University Press, 1995

6 Lemeshow S Hosmer D.W., Klar J., Lwanga S.K Adequacy of sample size in

health studies England, John Wiley & Sons Ltd., 1990

7 Levy P.S., Lemeshow S Sampling for health professionals California, Lifetime

Learning Publications, 1980

8 Stephen H.G Interpreting the medical literature Singapore, McGraw-Hill Book

Co., 1993: 55 – 66

BÀI TẬP SỬ DỤNG STATA TRONG NGHIÊN CỨU CẮT NGANG

Tính với file số liệu

1) Sử dụng file “cc study“

Trong STATA, nếu nghiên cứu mà chúng ta đang phân tích là 1 survey trong đó có sử dụng nhiều phương pháp chọn mẫu (cụm, tầng, nhiều bậc…) thì khi phân tích chúng ta cần sử dụng lệnh “svy” – là lệnh dành riêng để phân tích survey

Muốn sử dụng các lệnh “svy”, trước tiên cần “khai báo” về thiết kế chọn mẫu, biến số nào là “tầng”, biến nào là “cụm” trong bộ dữ liệu => Sử dụng lệnh “svyset”

cân-“tầng” (nội thành “giàu” và nội thành “nghèo”) trong mỗi cân-“tầng” chọn ra một số “cụm”

(trường) (bậc 1), sau đó, trong các trường được chọn lại chọn ra một số lớp thuộc khối (grade) 6-7 và một số lớp thuộc khối 8-9 (bậc 2) Với các lớp được chọn, khảo sát toàn

bộ học sinh trong lớp

Lệnh “svyset” được thực hiện như sau:

svyset school [pw=pw], strata(strata) fpc(Nschool) || grade,

fpc(Nclass)

28

Sau khi khai báo rồi thì từ đây, muốn tính trung bình, hay tỉ lệ của vấn đề cần khảo sát lệnh sử dụng luôn luôn có “svy”

- Lệnh sử dụng để tính trung bình BMI:

Statistics -> Survey data analysis -> Means, proportions, ratio, totals -> Means -> Cửa

sổ svy: mean sẽ hiện ra -> nhập biến số cần tính mean vào (Ví dụ biến số BMI)

svy linearized : mean BMI

(running mean on estimation sample)

Survey: Mean estimation

Number of strata = 2 Number of obs = 2684

Number of PSUs = 31 Population size = 2670.2

- Lệnh sử dụng để tính tỉ lệ:

Statistics -> Survey data analysis -> Means, proportions, ratio, totals -> Proportions -> Cửa sổ svy: proportion sẽ hiện ra -> nhập biến số cần tính proportion vào (Ví dụ biến số BMIc)

- Ngoài ra, ta cũng có thể lập bảng 1 chiều, 2 chiều với lệnh svy

Statistics -> Survey data analysis -> Tables -> One-way tables (hoặc Two-way tables) -> Cửa sổ svy: tabulate sẽ hiện ra -> nhập biến số cần xử lý vào

30

- Muốn tính design-effect (DEFT) từ số liệu của nghiên cứu có áp dụng phương pháp chọn mẫu cụm (để sử dụng cho việc tính cở mẫu của nghiên cứu sắp tới) sử dụng lệnh như sau:

Statistics -> Survey data analysis -> DEFF, MEFF and other statistics -> Cửa sổ estat

sẽ hiện ra -> Chọn DEFF, MEFF for point estimates (effect) -> Chọn report DEFT Lưu ý: Trước khi sử dụng lệnh này cần phải chạy lệnh tính trung bình hay tỉ lệ của 1 biến

số nào đó, rồi mới dùng lệnh này để ước tính design effect

estat effects, deft

estat effects, deft

_prop_1: BMIc = Normal wt

Bài 5

NGHIÊN CỨU BỆNH – CHỨNG

TS BS Tăng Kim Hồng

I GIỚI THIỆU:

1.1 Định nghĩa: Một nghiên cứu bệnh – chứng (case-control study) là một nghiên

cứu trong đó các đối tượng nghiên cứu được lựa chọn dựa trên cơ sở là họ có hay không có bệnh (hay vấn đề đang cần nghiên cứu) Ca bệnh (cases) – là những người có bệnh (hay vấn đề đang cần nghiên cứu) sẽ được so sánh với ca chứng (controls) – là những người không có bệnh (hay vấn đề đang cần nghiên cứu), để tìm ra mối quan hệ giữa việc tiếp xúc với yếu tố nguy cơ và bệnh (hay vấn đề đang cần nghiên cứu)

1.2 Phân biệt những đặc tính của nghiên cứu bệnh – chứng và các loại nghiên cứu phân tích khác:

1.2.1 Khác với nghiên cứu cắt ngang (cross-sectional study), trong nghiên cứu

bệnh – chứng tình trạng tiếp xúc với yếu tố nguy cơ và mắc bệnh (hay có vấn đề đang cần nghiên cứu) được đo ở 2 thời điểm khác nhau chứ không đồng thời

1.2.2 Nghiên cứu bệnh – chứng khác với nghiên cứu cohort (cohort study) ở

chỗ: các đối tượng nghiên cứu trong nghiên cứu bệnh – chứng được xác định dựa vào tình trạng có hay không có bệnh (hay vấn đề đang cần nghiên cứu), chứ không dựa vào việc có tiếp xúc hay không với yếu tố nguy cơ (xem sơ đồ ở trang sau)

II ƯU ĐIỂM VÀ NHƯỢC ĐIỂM CỦA THIẾT KẾ NGHIÊN CỨU BỆNH - CHỨNG:

2.1 Ưu điểm:

- có thể thực hiện tương đối nhanh, ít tốn kém hơn so với các loại thiết kế nghiên cứu (TKNC) phân tích khác

- đặc biệt có ích khi cần phải nghiên cứu các bệnh hiếm, hay các vấn đế ít gặp

- rất thích hợp cho việc nghiên cứu những bệnh có thời gian tiềm ẩn kéo dài

- có thể khảo sát cùng lúc nhiều nguyên nhân đối với một bệnh cho trước

- có thể tính được tỉ số chênh (Odds Ratio)

- trong nhiều trường hợp không thể hiện được sự nối tiếp về mặt thời gian của các biến cố (không chứng minh được việc tiếp xúc với yếu tố nguy cơ đã xảy ra trước khi

bị bệnh)

Hướng nghiên cứu

Bắt đầu với

Không tiếp xúc Người có bệnh

Dân số

Không tiếp xúc Người không có bệnh

3.1.2 Nghiên cứu bệnh – chứng có bắt cặp (Matched case-control study)

với: M: số cặp cần chọn

( )2 1 1

1 2

/

q p

z pq z

2 0 0 1 1 1 '

q p

q p z q

p p c q

1 2 /

p ' = 11++ 0

OR OR

( )2

2 1

2 / 1

5 0

1

−

− + −

−

0 1 1

0q p q

p m

M = +

3.2 Chọn mẫu:

3.2.1 Chọn ca bệnh:

NGUYÊN TẮC: - Cần phải thiết lập tiêu chuẩn chẩn đoán rõ ràng

- Ca bệnh và chứng lấy từ cùng một dân số

3.2.1.1 Các ca bệnh nên chọn từ đâu?

- có thể lấy từ cộng đồng, dân số chung

Khó khăn: việc đăng ký (các trường hợp bệnh) trong cộng đồng thường không phổ biến, tốn kém, và có thể không liệt kê đầy đủ tất cả các trường hợp bệnh

- có thể lấy từ bệnh viện hay phòng khám

Nhược điểm: chọn ca bệnh từ nguồn này dễ gặp phải bias vì người đến bệnh viện thường là những người bị bệnh nặng, có nhiều bệnh khác kèm theo

3.2.1.2 Các ca bệnh được chọn nên là những ca bệnh mới chẩn đoán hay là bệnh hiện có (có cả những ca bệnh cũ)?

Thông thường, người ta thích chọn ca bệnh từ những ca mới (incident cases) vì dễ áp dụng các tiêu chuẩn chẩn đoán một cách nghiêm ngặt và (về mặt lý thuyết) không bỏ sót các ca bệnh diễn ra trong thời gian ngắn Tuy nhiên, nếu bệnh thực sự quá hiếm thì cần phải sử dụng cả bệnh cũ lẫn bệnh mới để có thể lấy đủ cỡ mẫu cần thiết Sử dụng prevalent cases có thể dẫn đến việc đại diện quá mức (over-representative) của những ca bệnh có thời gian bệnh kéo dài vì những người chết vì bệnh hay những người hồi phục nhanh chóng có rất ít khả năng được lựa chọn vào nhóm bệnh

3.2.2 Chọn ca chứng

3.2.2.1 Nguồn chọn:

* có thể từ các bệnh nhân trong bệnh viện

Tiện lợi:

- Dễ dàng lấy được đủ số đối tượng nghiên cứu cần thiết

- Thuận tiện trong việc thực hiện các xét nghiệm

- Sai lệch do nhớ lại (Recall bias) có thể giảm đi nếu một người được phỏng vấn nhiều lần

- Các ca chứng được chọn từ nguồn này thường sẵn sàng hợp tác hơn và ít khi bỏ cuộc giữa chừng

- Đây là cách tiết kiệm ngân sách nhất khi lựa chọn nhóm chứng

Nhược điểm:

- Những ca chứng được chọn từ bệnh viện đều là những người bệnh nên thường có

xu hướng có kèm theo bệnh khác hoặc đã từng tiếp xúc với nhiều yếu tố nguy cơ khác Đó chính là những yếu tố gây nhiễu (confouding factors) trong việc diễn giải kết quả

- Việc lựa chọn ca chứng từ bệnh viện phải dựa trên một số tiêu chuẩn lọai trừ (exclusion criteria) Do đó có thể làm thay đổi kết quả nghiên cứu vì chúng ta đã loại những ca chứng có một số bệnh nào đó – mà những bệnh đó lại có thể có mối liên hệ với tình trạng tiếp xúc với yếu tố nguy cơ mà chúng ta đang khảo sát

34

* chọn nhóm chứng từ dân số chung

- Đây là nhóm chứng lý tưởng

- Tỉ lệ tiếp xúc với yếu tố nguy cơ của nhóm chứng có thể dùng để ước lượng tỉ lệ tiếp xúc với yếu tố nguy cơ trong dân số chung, từ đó có thể tính được nguy cơ tuyệt đối

- Tuy nhiên, việc chọn nhóm chứng từ dân số chung khá tốn kém và mất thời gian

* Chọn nhóm chứng từ bạn bè, gia đình, hàng xóm

3.2.2.2 Sử dụng nhiều nhóm chứng

Thông thường, lý tưởng nhất là dùng 1 nhóm chứng xuất phát từ cùng dân số với ca bệnh Tuy nhiên, trong nghiên cứu bệnh chứng làm tại bệnh viện (hospital-based case control study) nên dùng nhiều hơn 1 nhóm chứng

3.2.2.3 Số ca chứng cho một ca bệnh

Nếu số ca bệnh rất hiếm, cần dùng nhiều ca chứng cho 1 ca bệnh để tăng độ mạnh của nghiên cứu Tỉ lệ ca bệnh/ca chứng có thể đến 1/4 hay 1/5 nhưng không nên tăng lên nữa vì nếu tăng thêm hơn nữa thì độ mạnh của test thống kê cũng không tăng lên thêm bao nhiêu

3.3 Bắt cặp (matching)

- kiểm soát được các yếu tố gây nhiễu (confounding factors) VD: dùng ca chứng là anh chị em song sinh của ca bệnh có thể đảm bảo được cả ca bệnh và chứng đều chịu chung ảnh hưởng của yếu tố gen, yếu tố môi trường

- không cần thiết phải chuẩn bị cả danh sách các ca chứng đủ tiêu chuẩn để sau đó chọn lại một cách ngẫu nhiên

IV CÁC VẤN ĐỀ TRONG PHÂN TÍCH VÀ DIỄN GIẢI KẾT QUẢ CỦA NGHIÊN CỨU BỆNH – CHỨNG:

4.1 Tỉ số chênh (Odds Ratio)

Trong nghiên cứu bệnh – chứng, nguy cơ tương đối (relative risk) có thể được

ước lượng bằng cách dùng tỉ số chênh (Odds Ratio) Odds Ratio là tỉ số (ratio) của

những người bị bệnh và những người không bệnh trong nhóm có tiếp xúc với yếu tố nguy cơ chia cho tỉ số của những người bị bệnh và những người không bệnh trong nhóm không tiếp xúc với yếu tố nguy cơ

ad

d c b

VD: Trong một nghiên cứu bệnh – chứng về việc hút thuốc lá và ung thư thanh quản,

kết quả cho thấy như sau:

Có hút thuốc 331

75 , 5

♣ Trong nghiên cứu bệnh – chứng có bắt cặp (matched case-control)

Tỉ số chênh được tính như sau:

OR = x/y

Với x = số cặp trong đó ca bệnh có tiếp xúc nhưng ca chứng không tiếp xúc, và y = số cặp trong đó ca bệnh không tiếp xúc nhưng ca chứng có tiếp xúc

Chứng Tổng cộng Có tiếp xúc K tiếp xúc

Bệnh K t/x y

Tổng cộng

4.2 Các sai số hệ thống (bias) thường gặp trong nghiên cứu bệnh – chứng

4.2.1 Sai lệch do chọn mẫu (selection bias)

Sai lệch do chọn mẫu xảy ra khi đối tượng nghiên cứu (ca bệnh lẫn ca chứng) được chọn theo cách nào đó có thể làm sai lệch đi mối liên quan giữa việc tiếp xúc với yếu tố nguy cơ và bệnh

VD: chọn ca bệnh gồm những dạng nặng của một bệnh nào đó, hay những người trong độ tuổi nhất định sẽ làm cho kết quả nghiên cứu chỉ đại diện cho một bộ phận nào đó của cộng đồng (ảnh hưởng đến giá trị ngoài - external validity - của nghiên cứu) Hoặc các ca chứng được chọn từ những bệnh nhân trong bệnh viện (không mắc bệnh đang cần nghiên cứu) thường có kèm theo bệnh khác hoặc thường có tiếp xúc với nhiều yếu tố nguy cơ khác, làm cho kết quả tìm thấy không phản ánh đúng

36