Bài giảng Đánh giá sự liên quan (Evaluating Associations) - Lê hoàng Ninh

Chia sẻ: Lavie Lavie | Ngày: | Loại File: PPT | Số trang:33

Thêm vào BST

Báo xấu

59
lượt xem 3
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Mục tiêu của bài giảng Đánh giá sự liên quan (Evaluating Associations) là nhằm giúp cho các bạn hiểu được khái niệm về giá trị và sự liên quan thống kê; các giải thích khác/có thể sự liên quan thống kê; phân biệt các dạng sai lệch hệ thống quan trọng trong các nghiên cứu; phân biệt giá trị bên trong và giá trị bên ngoài.

Chủ đề:

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

Lưu

Nội dung Text: Bài giảng Đánh giá sự liên quan (Evaluating Associations) - Lê hoàng Ninh

ĐÁNH GIÁ SỰ LIÊN QUAN Evaluating Associations Lê hoàng Ninh
Mục tiêu: 1. Hiểu khái niệm : giá trị và sự liên quan thống kê . 2. Hiểu các giải thích khác/ có thể sự liên quan thống kê: --- Chance ( cơ hội) --- Bias ( sai lệch hệ thống) --- Confounding ( làm nhiễu) 3. Phân biệt các dạng sai lệch hệ thống quan trọng trong các nghiên cứu. 4. Phân biệt giá trị bên trong và giá trị bên ngoài.
5. Hiểu khái niệm về nhiễu và phương pháp đánh giá, kiểm soát chúng 6. Hiểu các hướng dẫn đánh giá sự liên quan nguyên nhân trong dịch tễ
Đánh giá sự liên quan khi chúng ta thấy có sự liên quan cần xem xét: 1. Có giá trị không? (kết quả nghiên cứu có phán ánh sự liên quan thật sự không giữa bệnh tật và tiếp xúc? ) 2. Có là sư liên quan nguyên nhân không? (có bằng chứng đủ để cho rằng có sự liên quan nguyên nhân giữa tiếp xúc và bệnh tật không?)
Evaluating Associations Đánh giá tính giá trị của sự liên quan: gồm ít nhất 3 giải thích khác có thể của kết quả nghiên cứu: 1. CHANCE ( cơ hội) 2. BIAS ( sai lệch hệ thống) 3. CONFOUNDING ( làm nhiễu)
CHANCE “Sự may mắn lấy mẫu” 1. Hiếm khi nghiên cứu trên toàn bộ dân số nên suy diễn từ mẫu lên quần thể 2. Luôn luôn có sự thay đổi kết quả từ mẫu nầy tới mẫu khác 3. Nói chung, mẫu nhỏ thì kém chính xác, tin cậy, và lực thống kê (more sampling variability)
CHANCE 4. Một test “statistical significance” được thực hiện để đánh giá mức độ mà bộ dữ liệu so sánh với Giả thuyết H0 (không liên quan) 5. The “p-value” phản ánh xác suất mà test thống kê như t-statistic or chi- square statistic) có được từ dữ liệu thì lớn hơn hay bằng với trị số quan sát được theo gỉa thuyết Ho.
CƠ HỘI 6. Theo thông lệ, Nếu p < 0.05, thì sự liên quan giữa tiếp xúc và bệnh tật được xem như là to be “statistically significant.” (loại giả thuyết null hypothesis (H0) và chấp nhận giả thuyết (H1) What does p < 0.05 mean? Nó có nghĩa là chúng ta nghi ngờ rằng độ lớn của hệ quả quan sát được(như risk ratio) thì không do một mình cơ hội(thu thập hay phân tích dữ liệu không sai lệch)
CƠ HỘI Example: Possible biased coin Coin Toss - 10 Times: Quan sát Kỳ vọng ngữa 7 5 xấp 3 5 Odds N:X 7:3 = 2.33 Excess Ngữa = O - E = 7 - 5 = 2 p-value: > 0.05 (computation not shown) The observed excess of ngữa đối với xấp thì không lớn hơn kỳ vọng dự kkiến xảy ra do cơ hội
CHANCE Example: Possible biased coin Coin Toss – 1,000 Times: Observed Expected Heads 700 500 Tails 300 500 Odds H:T 700:300 = 2.33 Excess Heads = O - E = 700 - 500 = 200 p-value: < 0.05 (computation not shown) The observed excess of heads to tails is much greater than that which might be expected by chance
CHANCE Lưu ý: Trị số p phản ánh cả hai độ lớn của sự khác biệt giữa các nhóm nghiên cứu VÀ cỡ mẫu Chính vì vậy, một số đo khác được tính đó là ckhoảng tin cậy (confidence interval =CI) CI = là một biên các giá trị mà trong đó có chứa Trị số thật của quần thể với một độ chắc chắn về xác suất
CƠ HỘI THÍ DỤ KHOẢNGTIN CẬY 95% (95 %CONFIDENCE INTERVAL) Tiếp xúc: uống cà phê (nhiều so với ít) Hệ quả: tỷ suất mới mắc ung thư vú Risk Ratio: 1.32 (ước lượng điểm=point estima p-value: 0.14 (không ý nghĩa thống kê) 95% C.I.: 0.87 - 1.98 95% confidence interval ____________________________________________ 0.0 0.5 1.0 1.5 2.0 (null value)
CƠ HỘI LÝ GIẢI KẾT QUẢ: Phụ nữ uống nhiều cà phê có nguy cơ bị ung thư vú 1,32 lần (or 32%) cao hơn phụ nữ uống cà phê ít Tuy nhiên, chúng ta tin rằng 95% trị số nguy cơ thật của quần thể nằm giữa khoảng 0.87 and 1.98 (giả định n.cứu không có sai lệch hệ thống). ____________________________________________ 95% confidence interval 0.0 0.5 1.0 1.5 2.0 (null value)
CƠ HỘI Vì vậy, nếu 95% khoảng tin cậy KHÔNG chứa giá trị của Ho ( trị số 1.0 (p < 0.05), chúng ta nói rằng sự liên quan là “có ý nghĩa thống kê ” Câu hỏi: Khi nào chúng ta nói sự liên quan thống kê là có “giá trị” (valid statistical association)? Trả lời: Khi đã loại được sai lệch hệ thống / làm nhiễu
CƠ HỘI Note: Mặc dù chúng ta vừa xem xét xong vai trò của cơ hội. Tuy nhiên theo thường qui thì cần xem xét đánh gía để loại ra sự hiện diện của sai lệch hệ thống trước. Nói cách khác, đánh giá vai trò của cơ hội sẽ không thể giải thích được khi nghiên cứu có sự hiện diện của sai lệch hệ thống ngay từ đầu.
SAI LỆCH HỆ THỐNG(BIAS) BIAS: Sai lầm hệ thống trong dthiết kế, thực hiện, phân tích một nghiên cứu mà các kết quả dẫn đến ước lượng lầm lẫn mối quan hệ bệnh tật và tiếp xúc 1. SAI LỆCH CHỌN LỰA (SELECTION BIAS) 2. SAI LỆCH THÔNG TIN (INFORMATION BIAS): * Interviewer ( phỏng vấn) * Recall Bias ( nhớ lại) * Reporting Bias ( báo cáo) * Surveillance Bias ( giám sát)
BIAS SAI LỆCH CHỌN LỰA: sai lầm hệ thống khi xác định các dân số nghiên cứu (thí dụ: 2 nhóm nghiên cứu được so sánh) • Xảy ra khi chọn các đối tương nghiên cứu (hoặc là tình trạng tiếp xúc hoặc là tình trạng bệnh tật) được dựa trên các tiêu chí khác nhau liên quan đến tiếp xúc hay bệnh tật • Kết quả là các nhóm nghiên cứu không so sánh được, trừ khi một số chỉnh lý thống kê được thực hiện
SELECTION BIAS THÍ DỤ: nghiên cứu bệnh chứng Outcome : đột quị Exposure: dùng các sản phẩm ức chế sự thèm ăn có chứa Phenylpropanolamine (PPA) Cases: người bị đột quị Controls: người trong cộng đồng không bị đột quị Bias: nhóm chứng được nhận vào từ các cuộc điện thoại từ 9 giờ sáng cho đến 5 giờ chiều. Kết quả nầy đưa vào quá nhiều người không việc làm, thất nghiệp, người về hưu, những người có lẽ không đại diện cho việc dùng các sản phẩm ức chế sự thèm ăn.
SELECTION BIAS THÍ DỤ: Đoàn hệ hồi cứu (Retrospective Cohort Study) HỆ QUẢ: COPD Tiếp xúc: Employment in tire manufacturing ( nhà máy võ xe) Exposed: Plant assembly line workers(cn) Non-exposed: Plant administrative personnel Bias: The exposed were contacted (selected) at a local pub while watching Monday night football; the non-exposed were identified through review of plant personnel files. Exposed persons may have been more likely to be smokers (related to COPD)
SELECTION BIAS EXAMPLE: không- đáp ứng (Non-Response) • If refusal or non-response is related to exposure, the estimate of effect (exposure/disease) may be biased. For example, if controls are selected by use of a household survey, non-response may be related to demographic and lifestyle factors associated with employment. • Responders often differ systematically from persons who do not respond.