2 2 7 1 Xử lý số liệu
Dữ liệu thô từ phiếu thu thập số liệu sẽ được làm sạch, loại bỏ những phiếu thiếu thông tin hoặc bổ sung thông tin và mã hóa nhập vào phần mềm Epi-data 3 02 để quản lý dữ liệu và xử lý bằng phần mềm STATA 12 0
2 2 7 2 Phân tích thống kê số liệu
- Đối với các biến số định lượng: được trình bày bằng giá trị trung bình ± độ lệch chuẩn Sử dụng phép kiểm Student (phép kiểm t), ANOVA một chiều để kiểm định cho các biến số định lượng có phân phối chuẩn và phép kiểm phi tham số cho các biến số định lượng không có phân phối chuẩn
- Đối với các biến số định tính: được trình bày bằng tỉ lệ phần trăm Dùng phép kiểm chi bình phương để kiểm định Ước lượng nguy cơ tương đối bằng tỉ suất chênh (Odds Ratio) Dùng OR khuynh hướng để tìm mối liên quan ở các biến có tính thứ bậc
- Xây dựng mô hình đa biến để tránh các vấn đề gây sai lệch dẫn đến ước lượng sai hệ số Chúng tôi xây dựng mô hình và đánh giá bao gồm: (1) không bỏ mất biến số khỏi mô hình; (2) không thêm vào mô hình biến số không liên quan; (3) không có sai số đo lường trong các biến số độc lập; (4) các biến số độc lập không có tương quan tuyến tính với nhau Tiêu chí biến đưa vào mô hình: các biến không có mối tương quan tuyến tính vối nhau Đánh giá mô hình bằng lệnh Linktest và kiểm định tính phù hợp của mô hình bằng kiểm định Hosmer Lemeshow và chỉ số AIC và BIC
- Đánh giá bằng chỉ số hiệu quả: sự thay đổi tỉ lệ tăng acid uric máu ở các nhóm can thiệp và nhóm chứng
CSHQ c t : chỉ số hiệu quả nhóm can thiệp; (P1 - P2)
CSHQ c t (%) =
P1
p1, p2 tỉ lệ tăng acid uric trước và sau can thiệp của nhóm can thiệp CSHQ c chỉ số hiệu quả nhóm chứng;
(P*1 - P*2) CSHQ c (%) =
P*1
p*1, p*2 tỉ lệ tăng acid uric trước và sau của nhóm chứng
- Tính ARR = tỉ lệ giảm acid uric nhóm chứng – tỉ lệ giảm acid uric
nhóm can thiệp ARR (absolute risk reduction): độ khác biệt nguy cơ giữa hai nhóm đối tượng
-Tính số người cần can thiệp để giảm một trường hợp tăng AUM: -
NNT (number needed to treat): Số người cần được can thiệp
- Mức sai biệt có ý nghĩa thống kê khi p<0,05