Bài giảng Chương 10: Vai trò của sai lệch hệ thống trong các nghiên cứu sức khỏe - PGS.TS. Lê Hoàng Ninh

Chia sẻ: Lavie Lavie | Ngày: | Loại File: PPT | Số trang:19

Thêm vào BST

Báo xấu

94
lượt xem 5
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Bài giảng Chương 10: Vai trò của sai lệch hệ thống trong các nghiên cứu sức khỏe của PGS.TS. Lê Hoàng Ninh bao gồm những nội dung về giá trị của sự liên quan thống kê; các kiểu sai lệch chọn lựa; kiểm soát sai lệch hệ thống; các loại BIAS xếp loại sai và những nội dung khác.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Bài giảng Chương 10: Vai trò của sai lệch hệ thống trong các nghiên cứu sức khỏe - PGS.TS. Lê Hoàng Ninh

Chương10: Vai trò của sai lệch hệ thống trong các nghiên cứu sức khỏe PGS, TS LÊ HOÀNG NINH
Để chứng tỏ nguyên nhân cần  Định đề Koch’s Postulates ( các bệnh nhiễm trùng)  Định đề Hill ( các bệnh mạn tính và các vấn đề phức tạp)  Độ mạnh liên quan (Strength of Association)  Biologic Credibility ( tin cậy về sinh học)  Specificity ( chuyên biệt)  Consistency with Other Associations ( hằng định)  Time Sequence ( quen hệ thời gian)  Dose-Response Relationship ( quan hệ liều-đáp ứng)  Analogy ( tương tự)  Experiment ( thực nghiệm)  Coherence ( hợp lý) Epidemiology (Schneider)
Chứng tỏ tính giá trị của sự liên quan thống kê  Chúng ta cần đánh giá:  Bias: sai lầm có hệ thống xảy ra khi thiết kế nghiên cứu  Confounding: khi có yếu tố ngoại lai có liên hệ tới cả hai bệnh tật và tiếp xúc  Role of chance: cái mà chúng ta tìm thấy là sự thật ở mức độ nào? Epidemiology (Schneider)
BIAS Sai lầm hệ thống khi thiết kế vào trong nghiên cứu Selection Bias ( sai lệch chọn lựa) Information Bias ( sai lệch thông tin)
Các kiểu sai lệch chọn lựa  Berksonian bias – có sự liên quan giả giữa bệnh hay giữa các đặc trưng và bệnh do xác suất nhập viện khác nhau giữa người bệnh , người không bệnh và với đặc trưng nào đó đang được quan tâm nghiên cứu Berkson J. Limitations of the application of fourfold table analysis to hospital data. Biometrics 1946;2:47-53 Epidemiology (Schneider)
Types of Selection Bias (cont.)  Response Bias: sai lệch hưởng ứng: Người đồng ý tham gia nghiên cứu khác với người từ chối không tham gia  Người tự nguyện khác với người không tự nguyện Epidemiology (Schneider)
Types of Information Bias  Interviewer Bias –sai lệch phỏng vấn: hiểu biết của người phỏng vấn có thể ảnh hưởng đến cấu trúc câu hỏi, thể cách hỏi làm ảnh hưởng tới người trả lời  Recall Bias – sai lệch nhớ lại. Người bệnh có động cơ nhớ lại tiền sử tiếp Epidemiology (Schneider)
Types of Information Bias (cont.)  Sai lệch quan sát:Observer Bias – người quan sát có kỳ vọng trước cái gì sẽ xảy ra trong cuộc khảo sát  Loss to follow-up Mất không theo dõi được – người mất không theo dõi được có thể khác với người được theo dõi suốt thời gian nghiên cứu Epidemiology (Schneider)
Information Bias (cont.)  Hawthorne effect ( kích ứng Hawthorne): người sẽ có hành động khác nếu như họ biết họ được theo dõi, giám sát  Surveillance bias – sai lêch giám sát. Nhóm được biết là tiếp xúc hay bệnh tật được giám sát kỹ hơn và dầy hơn, dài hơn nhóm so sánh Epidemiology (Schneider)
Information Bias (cont.)  Misclassification bias –sai lệch xếp loại: sai lầm khi xếp loại bệnh hay tiếp xúc Epidemiology (Schneider)
Các loại bias xếp loại sai  Differential misclassification – sai lầm khi đo lường chỉ về một hướng  Example: Measurement bias – instrumentation may be inaccurate, such as using only one size blood pressure cuff to take measurements on both adults and children Epidemiology (Schneider)
Misclassification Bias (cont.) True Classification Cases Controls Total Exposed 100 50 150 Nonexposed 50 50 100 150 100 250 OR = ad/bc = 2.0; RR = a/(a+b)/c/(c+d) = 1.3 Differential misclassification - Overestimate exposure for 10 cases, inflate rates Cases Controls Total Exposed 110 50 160 Nonexposed 40 50 90 150 100 250 OR = ad/bc = 2.8; RR = a/(a+b)/c/(c+d) = 1.6
Misclassification Bias (cont.) True Classification Cases Controls Total Exposed 100 50 150 Nonexposed 50 50 100 150 100 250 OR = ad/bc = 2.0; RR = a/(a+b)/c/(c+d) = 1.3 Differential misclassification - Underestimate exposure for 10 cases, deflate rates Cases Controls Total Exposed 90 50 140 Nonexposed 60 50 110 150 100 250 OR = ad/bc = 1.5; RR = a/(a+b)/c/(c+d) = 1.2
Misclassification Bias (cont.) True Classification Cases Controls Total Exposed 100 50 150 Nonexposed 50 50 100 150 100 250 OR = ad/bc = 2.0; RR = a/(a+b)/c/(c+d) = 1.3 Differential misclassification - Underestimate exposure for 10 controls, inflate rates Cases Controls Total Exposed 100 40 140 Nonexposed 50 60 110 150 100 250 OR = ad/bc = 3.0; RR = a/(a+b)/c/(c+d) = 1.6
Misclassification Bias (cont.) True Classification Cases Controls Total Exposed 100 50 150 Nonexposed 50 50 100 150 100 250 OR = ad/bc = 2.0; RR = a/(a+b)/c/(c+d) = 1.3 Differential misclassification - Overestimate exposure for 10 controls, deflate rates Cases Controls Total Exposed 100 60 160 Nonexposed 50 40 90 150 100 250 OR = ad/bc = 1.3; RR = a/(a+b)/c/(c+d) = 1.1
Misclassification Bias (cont.)  Xếp loại sai không khác biệt giữa các nhóm (Nondifferential (random) không khác biệt misclassification ): sai lầm trong phân phối trong nhóm hơn một hướng:  Làm loãng kết quả nghiên cứu  BIAS TOWARD THE NULL ( giả thuyết H0) Epidemiology (Schneider)
Misclassification Bias (cont.) True Classification Cases Controls Total Exposed 100 50 150 Nonexposed 50 50 100 150 100 250 OR = ad/bc = 2.0; RR = a/(a+b)/c/(c+d) = 1.3 Nondifferential misclassification - Overestimate exposure in 10 cases, 10 controls – bias towards null Cases Controls Total Exposed 110 60 170 Nonexposed 40 40 80 150 100 250 OR = ad/bc = 1.8; RR = a/(a+b)/c/(c+d) = 1.3
Kiểm soát sai lệch hệ thống  Lưu ý trong thiết kế để hạn chế sai lệch hệ thống  Thí dụ: dùng nhiều nhóm chứng  Định nghĩa rõ : ai là case, control; cái gì là tiếp xúc rõ ràng: có giá trị và tin cây để tránh sự overlap  Định nghĩa các loại trong các nhóm rõ ràng: thí dụ: nhóm tuổi, Define categories within groups clearly (age groups, tổng năm –người…)  Xây dựng các hướng dẫn chặt chẻ khi thu thập dữ kiện  Huấn luyện người quan sát, người phỏng vấn khi thu thập dữ liệu cùng một thể cách.  Thường dùng hơn một quan sát hay người phỏng vấn nhưng không quá nhiều đến nổi … họ không huấn luyện hay thu thấp dữ liệu theo các thể cách khác nhau
Kiểm soát sai lệch hệ thống ( t.t)  Phân phối ngẫu nhiên observers/interviewer trong thu thập dữ liệu  Xây dựng qui trình mù nếu có thể( a masking process if appropriate)  Mù đơn: (Single masked study) – subjects are unaware of whether they are in the experimental or control group  Mù đôi (Double masked study) – the subject and the observer are unaware of the subject’s group allocation  Mù ba (Triple masked study) – the subject, observer and data analyst are unaware of the subject’s group allocation  Build in methods to minimize loss to follow-up