Nghiên cứu khoa học Y học

NGHIÊN CỨU KHOA HỌC Y HỌC GIỚI THIỆU CHUNG Y học – nghiên cứu người lĩnh vực khoa học phức tạp thể người máy tinh vi vô mà chưa hiểu biết hết Chính kiến thức cập nhật thay đổi thường xuyên Những thay đổi có từ cơng trình nghiên cứu khoa học hệ thống Như vậy, nghiên cứu khoa học nhân tố thiếu trình phát triển chuyên ngành y học Nghiên cứu y học trình thử nghiệm giả thuyết Một thuyết giả thuyết y học coi khoa học có khả “phản nghiệm”, tức khả bị bác bỏ; ta thấy khơng nghiên cứu giả thuyết khơng có khả phản nghiệm-tức điều hiển nhiên Đây lý thuyết tảng cho phương pháp nghiên cứu, thống kê sau Vì tính khoa học, khơng tính thẳng vào khẳng định giải thuyết mà tính tốn khả bị bác bỏ giả thuyết bao nhiêu, thấp ( 1: đặc tính nghiên cứu có tính nguy gây bệnh - POR < 1: đặc tính nghiên cứu có tính bảo vệ - POR = 1: khơng liên quan bệnh đặc tính nghiên cứu 1.2.2 Nghiên cứu bệnh-chứng Nghiên cứu bệnh-chứng phương pháp hay áp dụng tính đơn giản việc thực hiện, việc lấy số liệu mang tính hồi cứu-tức khai thác tiền sử, theo dõi dọc theo thời gian Mơ hình thiết kế nghiên cứu minh họa hình bên Qua nghiên cứu ta tính tỉ suất chênh OR (odds ratio) Phiên giải OR tương tự POR nêu 1.2.3 Nghiên cứu tập Đây nghiên cứu hay thực trình điều trị thực tiễn lâm sàng, thể chủ động nhà nghiên cứu việc tiếp cận vấn đề Nó cho phép đánh giá hiệu điều trị, giúp tạo nhận định khoa học có giá trị cao Thiết kế nghiên cứu tiến hành theo chiều dọc thời gian, có đánh giá kết điều trị Qua nghiên cứu ta tính tỉ số nguy RR (risk ratio – hay nguy tương đối-relative risk) Phiên giải ý nghĩa RR: - Với RR > 1: yếu tố nghiên cứu có nguy gây bệnh, giá trị RR nói lên mức độ (bao nhiên lần) yếu tố nguy - Với RR < 1: yếu tố nghiên cứu khơng có nguy gây bệnh - Với RR = 1: khơng có liên quan yếu tố nguy bệnh tật Nói đến tơi muốn nói thêm khác việc phiên giải RR OR, giá trị đơi bị hiểu nhầm sang Ta thấy RR tính từ nghiên cứu dọc theo dõi theo thời gian (tức từ nghiên cứu tập trở lên), cịn OR tính từ tất nghiên cứu (trong chủ yếu nghiên cứu bệnh-chứng) Qua công thức ta thấy có khác biệt giá trị - bệnh hiếm, có tỉ lệ mắc thấp RR OR gần tương đương Trong đó, RR nói tỉ lệ mắc bệnh nhóm phơi nhiễm so với nhóm khơng phơi nhiễm, cịn OR nói đến “khả mắc bệnh” nhóm phơi nhiễm so với nhóm khơng phơi nhiễm Nói chung OR khó hiểu RR, RR quan trọng hơn, OR có giá trị riêng Trong SPSS muốn tính OR RR ta tiến hành sau: - Vào Analyze/Descriptive Statistics/Crosstabs, đưa biến vào cột-hàng - Vào nút Statistics sổ, chọn mục Risk bảng, nhấn OK - Sẽ bảng kết cho OR RR hình: 1.2.4 Nghiên cứu thử nghiệm lâm sàng đối chứng ngẫu nhiên Đây nghiên cứu lâm sàng có giá trị y học Nó địi hỏi cơng sức thiết kế thực chuyên nghiệp tỉ mỉ người làm nghiên cứu Thiết kế quan trọng nghiên cứu phải có can thiệp, đối chứng mang tính “ngẫu nhiên” Tính ngẫu nhiên có phương pháp làm mù khác 1.2.5 Phân tích gộp/ Tổng quan hệ thống/ Tổng quan tài liệu Chúng ta cần biết sơ qua việc phân biệt khác khái niệm Tổng quan tài liệu review liệt kê nghiên cứu giới cách thụ động, ghi lại kết mà khơng phân tích, đối chứng chúng Trong tổng quan tài liệu bước cao, có mục tiêu rõ ràng, thiết kế nghiên cứu, thiết kế loại trừ cụ thể Kết hợp với tổng hợp phân tích số liệu nghiên cứu, từ giải vấn đề mâu thuẫn nghiên cứu Phân tích gộp tương tự tổng quan hệ thống mức cao Ý TƢỞNG VÀ CÂU HỎI NGHIÊN CỨU Trong nghiên cứu ý tưởng nghiên cứu phần quan trọng Bởi ý tưởng nghiên cứu tốt thường xuất phát từ thực tiễn lâm sàng cộng với tảng kiến thức rộng người làm nghiên cứu Trình tự nghiên cứu thường là: ý tưởng nảy sinh từ thực tiễn – tìm hiễn vấn đề, nghiên cứu có liên quan – đặt câu hỏi nghiên cứu – tiến hành thu thập số liệu – tổng kết, kết luận – đề hướng nghiên cứu có 2.1 Ý tƣởng nghiên cứu Chúng ta thấy ý tưởng khởi đầu nghiên cứu Ý tưởng hoạt động chủ động, thể mong muốn tiếp cận đến chân lý nhà nghiên cứu Để có ý tưởng tốt địi hỏi nhà nghiên cứu phải ln tìm tịi, nghiên cứu, sáng tạo muốn khám phá điều mẻ Những ý tưởng phải xây dựng tảng kiến thức, tìm hiểu lĩnh vực có liên quan cách xâu sắc rộng người làm nghiên cứu Hoạt động tích cực chuyên môn, cập nhật kiến thức khơng ngừng khám phá tiêu chí quan trọng để hình thành ý tưởng nghiên cứu có giá trị 2.2 Câu hỏi nghiên cứu Trong nghiên cứu câu hỏi nghiên cứu đóng vai trị vơ quan trọng Nó giúp định hướng nghiên cứu nội dung cụ thể hóa ý tưởng nghiên cứu nhà nghiên cứu Nội dung câu hỏi nghiên cứu thường lập theo công thức “PICO”: - P : Patient population (đối tượng) - I : Intervention (phương pháp can thiệp) - C : Comparison Control (so sánh) - O : Outcome (kết quả) Ví dụ, “Hiệu bù thể dịch dịch tinh thể so với dịch cao phân tử tỉ lệ tử vong bệnh nhân nặng có sốc giảm thể tích” Trong đó: - P : bệnh nhân nặng có sốc giảm thể tích - I : điều trị bù dịch thể (có thể lấy can thiệp ln dịch tinh thể) - C : so sáng dịch tinh thể với dịch cao phân tử (so với dịch cao phân tử) - O : tỉ lệ tử vong CÁCH THỨC NGHIÊN CỨU 3.1 Lựa chọn loại nghiên cứu Lựa chọn loại nghiên cứu (cắt ngang, hay tập….) hoàn toàn tùy thuộc đối tượng định nghiện cứu, ý định người làm khả đơn vị nghiên cứu 3.2 Lập phiếu nghiên cứu Đây phần quan trọng nghiên cứu Dựa vào ý định mục tiêu cụ thể từ trước phải lập mẫu phiếu nghiên cứu, hay hồ sơ thu thập số liệu Một câu hỏi số liệu đầy đủ, tỉ mỉ, chi tiết định đến 70-80% thành công nghiên cứu Hãy tham khảo nhiều nghiên cứu trước để tạo mẫu số liệu đầy đủ mà không thừa thãi (mất công tăng mức độ phức tạp nghiên cứu lên nhiều) 3.3 Tính cỡ mẫu Đây cơng việc phải làm trước tiến hành lấy số liệu người nghiên cứu, nhà lâm sàng thực từ đầu đa phần lấy mẫu theo kiểu thuận tiện chính, lấy “nhiều nhiều, trơng vừa vừa” Cỡ mẫu cần tính phụ thuộc vào: - Phương pháp thiết kế nghiên cứu tiêu chí lâm sàng trọng tâm - Hệ số ảnh hưởng (ES) – chị chi phối phương pháp thiết kế - Mức độ sai lầm (loại I-a, loại II-b) chấp nhận Công thức chung để tính cỡ mẫu là: N = (Za/2 – Zb)2/ ES2 Trong đó, với mức sai lầm loại I - a thường hay chấp nhận mức 1% 5% (tức 0.01 0.05) sai lầm loại II - b mức 10% 20% (tức 0.1 0.2) tử số cơng thức số (tra theo bảng phân phối chuẩn); lại phụ thuộc vào hệ số ảnh hưởng ES Hệ số ảnh hưởng phụ thuộc vào phương pháp thiết kế tiêu chí lâm sàng cần đo đạc Mà tiêu chí lâm sàng phải xem xét từ nghiên cứu trước để làm sở xem xét độ ảnh hưởng có ý nghĩa lâm sàng thực tiễn để định Đối với thiết kế nghiên cứu tiêu cụ thể ta lại có cơng thức tính ES khác nhau, cơng thức phức tạp không nên viết (xin xem tài liệu khác – tài liệu TS Nguyễn Văn Tuấn) CÁC PHƢƠNG PHÁP THỐNG KÊ Y HỌC Phương pháp thống kê y học phương pháp sử dụng thuật toán thống kê vào lĩnh vực y học Thực chất phương trình mang tính tích phân nhiều giá trị khác nhau, từ phương trình ta tính giá trị trung bình, độ lệch chuẩn, phương sai ….Trong viết tơi khơng vào phân tích phương pháp phương trình cụ thể nào, mà phiên giải vấn đề thiết thực thực hành có liên quan 4.1 Phiên giải trị số p khoảng tin cậy CI Chúng ta biết nghiên cứu trình kiểm định giả thuyết, tức người nghiên cứu thường có hướng (tức giả thuyết nghiên cứu) muốn chứng minh điều Việc chứng minh thực qua triết lý phản nghiệm Karl Popper Các bước trình bao gồm: - Bước 1: nêu giả thuyết vô hiệu Ho (tức giả thuyết đối lập với giả thuyết nghiên cứu) - Bước 2: thu thập số liệu đặc tính giả thuyết D - Bước 3: tính xác suất quan sát liệu D Ho đúng; theo toán học xác suất P(D/Ho), trị số p (p-value) (Trong SPSS giá trị p ký hiệu Sig-viết tắt Observed significance level, mức ý nghĩa quan sát) Như p xác suất liệu nghiên cứu xảy giả thuyết vô hiệu (tức giả thuyết nghiên cứu sai) Điều không đồng nghĩa giả thuyết nghiên cứu 1-p Tức ta lấy với p < 5% chấp nhận bác bỏ Ho, khơng có nghĩa giả thuyết ta lúc > 95% Chính việc diễn giải giá trị p gặp nhiều tranh cãi ý nghĩa thống kê giá trị lâm sàng, nhiều cịn diễn giải sai Trong thời gian gần đây, nhà nghiên cứu y khoa nhận thức khiếm khuyết quan trọng trị số p, nên có xu hướng khơng đặt nặng diễn giải kết nghiên cứu qua trị số p tập trung vào ước tính hiệu Hiệu thuốc thường mô tả qua số tỉ số nguy – relative risk (hay viết tắt RR) khoảng tin cậy 95% (95% confidence interval, CI) Chẳng hạn ví dụ hiệu Ramipril giảm nguy tử vong, đột quị nhồi máu tim, nhà nghiên cứu báo cáo tỉ số nguy 0.83 (với khoảng tin cậy 95% dao động khoảng 0.75 đến 0.91; thường viết 0.83(0.75 to 0.91 – 95% CI) Kết nên hiểu nào? - Thứ nhất: RR = 0.83 (< 1) nói lên tỉ lệ nguy thấp nhóm can thiệp (xem lại cơng thức nghiên cứu tập), tức can thiệp nghiên cứu làm giảm nguy Cụ thể ví dụ ta diễn giải Ramipril làm giảm nguy tử vong, đột quỵ nhồi máu tim 17% - Thứ hai: RR dao động từ 0.75 đến 0.91 với xác suất 95% Tức lặp lại 100 lần nghiên cứu hiệu trung bình 100 nghiên cứu 0.83, 95 nghiên cứu có RR khoảng 0.75-0.91 - Thứ ba: khoảng tin cậy 95% RR không bao gồm giá trị (0.75, 0.91 < 1) có nghĩa trị số p phải thấp 5% (0.05) Nói cách khác, RR với CI 95% khơng bao gồm có nghĩa kết có ý nghĩa thống kê, hiểu theo nghĩa p < 0.05 Tuy nhiên, khoảng tin cậy 95% diễn giải với ý nghĩa lâm sàng Ta biết kết có ý nghĩa thống kê (P < 0.05 hay CI 95% không hàm chứa 1) khơng có ý nghĩa lâm sàng; ngược lại, kết khơng có ý nghĩa thống kê (P > 0.05 hay CI 95% hàm chứa 1) có ý nghĩa lâm sàng Điều phụ thuộc vào độ ảnh hưởng K mà mong muốn, ví dụ, tỉ lệ tử vong tăng-giảm 5% có ý nghĩa, với nghiên cứu tính chất đau đơi tăng-giảm đến 20% chưa có ý nghĩa để xem xét Chẳng hạn ta lấy K = 0.1 (10%) RR thấp 0.9 xem tác dụng có ý nghĩa lâm sàng, RR cao 1.1 xem tác hại có ý nghĩa lâm sàng Ý nghĩa khoảng tin cậy diễn giải theo tiêu chí sau: Diễn giải: Thuốc có hiệu quả, khơng có lợi ích lâm sàng đáng kể (đều < không < 0.9) Diễn giải: Thuốc hồn tồn khơng có lợi ích lâm sàng, đơi gây hại lâm sàng (khơng có khoảng < 0.9, chút > 1.1) Diễn giải: Phần nhiều thuốc có tác động xấu lâm sàng Diễn giải: Thuốc có tác hại nghiêm trọng, CI 95% q rộng, khơng thể kết luận dứt khoát Tuy nhiên kết cho thấy thuốc chẳng có ích lợi lâm sàng RR thấp 0.9 Diễn giải: Có thể thuốc có lợi lâm sàng, chưa chắn, có chứng cho thấy thuốc không gây tác hại lâm sàng Diễn giải: Thuốc đem lại lợi ích đáng kể, CI 95% q rộng nên tình trạng bất định cịn q cao Diễn giải: Thuốc có lợi ích (và có ý nghĩa thống kê), tác dụng lâm sàng chưa rõ ràng Diễn giải: Thuốc rõ ràng đem lại lợi ích cho bệnh nhân Diễn giải: rút từ kết 4.2 Dữ liệu Trong thống kê có loại liệu chính: - Dữ liệu định tính (khơng tính giá trị trung bình) - Dữ liệu định lượng (tính giá trị trung bình) Người làm nghiên cứu phải hiểu rõ ràng liệu cách nhập liệu để biết áp dụng thuật toán thống kê cho phù hợp Số liệu dạng định tính có loại thang đo là: - Biến danh mục (nominal, categorical): để phân loại đối tượng - Biến thứ hạng (ordinal): xếp theo thứ tự kém, khoảng cách giữ chúng Ví dụ, mức độ khảo sát: hài lịng, bình thường, khơng hài lịng (khơng biết “mức độ” xác hài lịng bao nhiêu) Số liệu định lượng chia thành: - Biến liên tục (continuous): tuổi, cân nặng… (có khả tính tỉ lệ-Ratio scale) - Biến rời rạc (discrete): số gia đình,…(kiểu dạng khoảng-Interval scale) - [Trong SPSS có thang đo định lượng Scale measure, gộp chung loại biến định lượng: Ratio scale-thang đo tỉ lệ-thực việc nhân chia Và Interval scale-thang đo khoảng-là dạng đặc biệt nominal scale, cho biết mức độ thứ hạng, ví dụ thang điểm đau từ đến 10.] 4.3 Thống kê y học Trong nghiên cứu y học, thống kê thực nhằm mục đích: - Thống kê mơ tả: mơ tả đơn đặc tính mẫu - Thống kê suy luận: suy luận từ mẫu quần thể Thống kê suy luận thực việc: Ước lượng khoảng: ước lượng giá trị quần thể dựa vào giá trị mẫu Kiểm định giả thuyết: kiểm định khác biệt hay có mối liên quan mà ta thấy mẫu có xảy quần thể không Thực việc thống kê mô tả ước lượng khoảng tương đối đơn giản Trong nghiên cứu y học hay sử dụng thống kê việc kiểm định giả thuyết - 4.4 Lựa chọn trắc nghiệm thống kê Đây phần lúng túng người thực nghiên cứu khoa học Trước tiên phải xác định định kiểm định gì; kiểm định khác biệt hay kiểm định mối liên quan; quan trọng biến ta định kiểm định dạng (định tính hay định lượng) Thơng thường ghép cặp đặc tính với để phân tích (ví dụ, tuổi-giới, loại phẫu thuật-thời gian phẫu thuật, mức độ suy tim-loại tổn thương tim,…) đặc tính mặt tốn học phải lập thành bảng chéo (cột-dịng, hay dạng 2x2) để tính tốn Trong đặc tính thường đặc tính biến định tính (vì ta hay chọn so sánh nhóm với (ví dụ, so sánh nhóm nam nữ - đặc tính “giới”) Như vậy, thường có đánh giá mối liên hệ định tính-định tính, định tính-định lượng 4.4.1 Đánh giá mối liên hệ biến định tính-định tính Trong mối quan hệ biến định tính ta ý cách gọi mặt thuật ngữ đơi lúc gây khó hiểu Chúng ta nói ta thực “kiểm định mối liên hệ biến định tính” ta nói ta “kiểm định khác biệt nhóm định tính-định tính” Chúng ta lý giải rõ ràng qua bảng ví dụ: Giới Loại bệnh lý Tổng Bệnh mạch vành Bệnh van tim Nam 50 40 90 Nữ 40 80 120 Tổng 90 120 210 Giả định đưa ra: “liệu có mối liên quan giới tính với loại bệnh lý mắc phải hay không?”, kiểm định giả thuyết này, kiểm định mối liên hệ giới-và loại bệnh lý mắc phải Tuy nhiên, ta phát biểu giả thuyết “ có hay khác mặt bệnh lý mắc phải giới nam giới nữ”, ta kiểm định giả thuyết này, kiểm định khác biệt Như ta thấy giả thuyết phát biểu theo kiểu, chất nhau, phát biểu đầu mang tính tổng thể (giới) cịn phát biểu sau mang tính cụ thể (nam, nữ) Hay nói cách khác, thực kiểu kiểm định cho phát biểu Muốn lựa chọn thuật toán kiểm định ta phải biết giá trị mong đợi biến số, lựa chọn theo sơ đồ: Giá trị mong đợi giá trị mong muốn có quần thể (nó giá trị quan sát mẫu), hay tương đồng với quần thể Ta thấy rõ qua ví dụ theo bảng: Tốt Khơng tốt Tổng Điều trị Điều trị 3 Tổng 15 Giá trị quan sát điều trị đạt tốt 4, giá trị mong đợi điều trị tốt là: = (tổng hàng x tổng cột) / tổng chung = x /15 = 4.2 Khi lựa chọn loại trắc nghiệm, phần mềm thống kê SPSS kiểm định Chi-bình phương bình thường, bảng kết cuối SPSS có nêu phần trăm giá trị mong muốn, thực kiểm định Fisher`s Exact lập bảng 2x2 Kiểm định Chi-bình phương (Chi-square) sử dụng phổ biến thống kê y học, cho bạn biết có tồn mối liên hệ biến tổng thể hay khơng Tuy nhiên khơng cho biết độ mạnh mối liên hệ biến Muốn biết độ mạnh mối liên hệ sử dụng trắc nghiệm Lambda, Cramer V, hay hệ số liên hợp (Coefficient of contigency) Đối với trường hợp biến nghiên cứu dạng thứ bậc (ordinal), thay sử dụng đại lượng Chi-bình phương dùng đại lượng như, tau-b Kendall, gamma Goodman Kruskal, hay d Somer Các đại lượng giúp phát mối liên hệ tốt Chi-bình phương Trong SPSS để thực kiểm định ý làm sau: - Vào Analyze/Descriptive Statistics/Crosstabs để mở sổ Crosstabs - Chọn biến vào cột hàng (không phân biệt phải cột hay hàng) - Vào mục Statistics chọn Chi-square Lambda hay Kendall`s tau-b tùy 4.4.2 Đáng giá khác biệt biến định tính-định lượng Trước kiểm định biến định lượng ta phải xem xét biến có có phân bố chuẩn hay không chuẩn Để đánh giá ta xem biếu đồ phân bố Histogram, có dạng gần giống hình chng phân bố dạng chuẩn Hoặc ta xem kỹ độ lệch (skewness-ở mức -1 đến +1 được, gần tốt) độ gù (kurtosis-mức đến được, gần tốt); thỏa điều kiện độ lệch độ gù phân bố chuẩn [Trong SPSS để thực việc đánh giá ta làm sau: - Vào Analyze/Descriptive Statistics/Frequencies để mổ hộp Frequencies - Đưa biến cần đánh giá vào ô giá trị (Variable) - Vào mục Statistics chọn Mean, Median, Skewness, Kurtosis - Vào mục Charts chọn Histograms (chọn With normal curve) để xem thêm biểu đồ - Kết tốt: trung bình gần trung vị, độ lệch độ gù tốt, biểu đồ hình chng.] Ta có bảng lựa chọn kiểm định khác biệt biến định lượng: Diễn giải: - Muốn so sánh giá trị trung bình tổng thể với giá trị cụ thể ta dùng OneSample T-Test - Muốn so sánh giá trị trung bình nhóm tổng thể riêng biệt ta dùng IndependentSample T-Test (Ttest độc lập) - Muốn so sáng giá trị trung bình nhóm tổng thể riêng biệt có tương đồng theo cặp (trước, sau) ta dùng Paired-Sample T-Test (Ttest ghép cặp) - Muốn so sáng giá trị trung bình nhiều nhóm tổng thể độc lập ta dùng One-way ANOVA Chú ý rằng: - Đối với Ttest độc lập, ta phải thực kiểm định khác trước tiến hành thực Đó kiểm định Levence, kiểm định phương sai nhóm; ta thấy so sánh tổng thể có trung bình mức độ phân tán hoàn toàn khác khập khiễng Đối với SPSS, phần mềm tự động tính Levence test trước, kết phương sai nhóm khác (p Levence - - test < 0.05) ta phải sử dụng kết kiểm định Ttest phần giá trị không đồng (Equal variances not assumed) Với kiểm định ANOVA, phương sai nhóm khơng đồng ta không sử dụng ANOVA Khi phân tích ANOVA chương trình thống kê STATA chạy liền Barket test để đánh giá độ đồng Ta thấy phân tích phi tham số áp dụng cho loại phân bố, nhiên nhược điểm chúng khả tìm khác biệt thật trường hợp thỏa mãn kiểm định kiểm định có tham số Trong SPSS muốn thực lệnh ta làm sau (ví dụ với Ttest độc lập): - Vào Analyze/Compare Means/Independent-samples T Test - Đưa biến định lượng vào ô Test Variable - Đưa biến định tính vào ô Grouping Variable (chú ý ta phải định nghĩa (Define Group) nhóm cần so sánh-vì biến định tính dạng Category có nhiều nhóm) 4.4.3 Đánh giá mối liên hệ biến định lượng Để xem xét mối liên quan hay nhiều biến định lượng, sử dụng phương pháp là: tương quan hồi quy Sử dụng hệ số tương quan Pearson (r) để lượng hóa mức độ chặt chẽ mối liên hệ tuyến tính Thơng thường ta có diễn giải sau: - r > 0: tương quan đồng biến - r < 0: tương quan nghịch biến - r = 0: khơng có mối liên hệ tuyến tính biến (vì r liên hệ tuyến tính nên biến có liên hệ chặt với theo cách thức khơng tuyến tính (tính Phi tuyến), lên kết hợp với đồ thị để quan sát rõ hơn) - /r/ < 3: tương quan yếu - /r/ = [0.3 – 0.5]: tương quan trung bình - /r/ = [0.5 – 0.7]: tương quan chặt chẽ - /r/ > 0.7: tương quan chặt chẽ Hệ số tương quan r phù hợp với tổng thể có phân bố chuẩn Đối với phân bố không chuẩn ta sử dụng hệ số tương quan hạng Spearman để đo muối liên hệ tuyến tính biến Khi kết luận biến có mối liên hệ tương quan tuyến tính chặt chẽ, xác định có mối liên hệ nhân chúng, mơ hình hóa mối quan hệ mơ hình hồi quy tuyến tính Qua đó, giúp ta dự đốn mức độ biến phụ thuộc (biến giải thích-Y, biến mang thường mang tính tổng thể chịu tác động nhiều yếu tố khác) biết giá trị biến độc lập (biến giải thích-X) Trong SPSS ta thực việc tính r sau: - Vào Analyze/Correlate/Biavariate để mở hộp thoại tương quan biến - Đưa biến vào Variable - Cịn lại lựa chọn khác đa phần máy tự thiết lập rồi, muốn thay đổi ta vào Option 4.4.4 Đánh giá mối liên hệ biến định lượng-biến dạng nhị phân Ta biết biến nhị phân (chỉ có trạng thái-Dichotomy, ví dụ sống-chết, có tơn giáokhơng theo tơn giáo…) dạng đặc biệt biến định tính dạng nhiều trạng tháiCategory Nhập liệu kiểu Category dễ hơn, nhiên phân tích sâu kiểu dichotomy có nhiều lợi [Trong SPSS việc chuyển biến từ dạng nhiều trạng thái sang dạng nhị phân thực lệnh Count: - Vào Transform/Count - Đưa biến định tính định phân loại vào Target Variable - Đưa hết thuộc tính (trạng thái) biến sang ô Numeric Variable - Define Value/Nhập giá trị mã hóa cần đếm-thống kê vào Value, nhấn Add để đưa sang ô Value to Count Kết thúc nhấn Continue/OK - Khi máy tự động thêm biến vào vào bảng nhập liệu, với “1” cho kết đếm “có” “0” cho kết đếm “khơng có”.] Biến nhị phân hay gặp thống kê y học biến “sống-chết” hay “tử vongkhông tử vong” Biến dùng để đánh giá tiên lượng tử vong liên quan tới yếu tố khác Khi thống kê đánh giá tiên lượng tử vong liên quan tới biến định lượng ta thực kiểm định nêu mà phải thực phân tích hồi quy logistic Đây kỹ thuật thống kê để xem xét mối liên hệ biến độc lập (biến số biến phân loại) với biến phụ thuộc biến nhị phân Bằng việc tính xác suất trạng thái nhị phân-biến định tính thành giá trị định lượng, sau áp dụng phương trình hồi quy để xét mối tương quan Trong SPSS thực phân tích hồi quy logistic cách: - Vào Analyze/Regression/Binary Logistic - Chuyển biến nhị phân vào ô Dependent - Chuyển biến định lượng vào ô Covariates - Nhấn Save để mở cửa sổ Save/ Chọn Probabilities (đây xác suất tiên đoán tử vong) - Nhấn Options/ đánh dấu vào ô Cl for exp(B)-Khoảng tin cậy hệ số B=chính tỉ số odds) - Continue/OK để kết thúc Khi kết với B hệ số tương quan tuyến tính tỉ lệ tử vong với yếu tố phân tích; cửa sổ nhập liệu có thêm cột PRE-1, xác suất tiên đốn tử vong 4.4.5 Đánh giá sống cịn Phân tích sống cịn (hay sống sót) thực nhà nghiên cứu muốn tìm hiểu ảnh hưởng đến biến kết cục (biến phụ thuộc) mang tính thời gian Một mơ hình phân tích, phân tích hồi quy logistic, để ý đến biến kết cục (sống/chết khỏi bệnh/không khỏi bệnh) mà không quan tâm đến yếu tố thời gian đơi khơng tìm thấy khác biệt phương pháp tỉ lệ gần nhau, thực tế thời gian dẫn đến tử vong nhóm khác Phép ước tính thường sử dụng để phân tích sống cịn ước tính Kaplan-Meier Ưu điểm phương pháp đánh giá xác hồi quy logistic xử lý trường hợp đối tượng nghiên cứu bỏ chừng (đối tượng với đối tượng sống gọi censored, đối tượng tử vong events) Cách phân tích xác suất sống sót tích lũy Kaplan-Meier SPSS: - Vào Analyze/Survival/Kaplan-Meier - Cho biến “thời gian” vào ô Time - Cho biến “kết cục” vào ô Status - Define Event/chọn Single value (là mã hóa tử vong nghiên cứu) - Vào mục Options/chọn Survival table, Mean and Median survival; chọn mục Survival Plots để có biểu đồ-thường hay dùng trình bày dễ nhìn - Kết thúc Continue/OK - Nếu so sánh nhóm điều trị, ta phải cho biến “điều trị” vào ô Factor ; sau vào mục Compare Factor Levels/chọn mục Log rank-đây phép kiểm định Log Rank để đánh giá khác biệt nhóm điều trị, kết cuối cho giá trị p hình: (p=0.048 hay khác biệt có ý nghĩa thống kê) ... RR > 1: y? ??u tố nghiên cứu có nguy g? ?y bệnh, giá trị RR nói lên mức độ (bao nhiên lần) y? ??u tố nguy - Với RR < 1: y? ??u tố nghiên cứu nguy g? ?y bệnh - Với RR = 1: khơng có liên quan y? ??u tố nguy bệnh... 1: đặc tính nghiên cứu có tính nguy g? ?y bệnh - POR < 1: đặc tính nghiên cứu có tính bảo vệ - POR = 1: khơng liên quan bệnh đặc tính nghiên cứu 1.2.2 Nghiên cứu bệnh-chứng Nghiên cứu bệnh-chứng... niệm sơ lƣợc số phƣơng pháp nghiên cứu 1.2.1 Nghiên cứu chùm bệnh/ Nghiên cứu cắt ngang Đ? ?y phương pháp hay sử dụng trường đào tạo y học Các sinh viên tiếp cận làm nghiên cứu thường lựa chọn phương