Bài giảng Thống kê y học - Bài 8: Nguyên tắc kiểm định - So sánh hai tỉ lệ

Chia sẻ: Nguyễn Bình Minh | Ngày: | Loại File: DOC | Số trang:6

Thêm vào BST

Báo xấu

85
lượt xem 10
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Mục tiêu của bài giảng là cung cấp các kiến thức giúp người học có thể: Nêu được nguyên tắc của việc kiểm định ý nghĩa, đánh giá một giả thuyết không (Ho) có đạt yêu cầu hay không, trình bày và ứng dụng công thức z để so sánh 2 tỉ lệ ở 2 mẫu, trình bày và ứng dụng được công thức của khoảng tin cậy của hiệu số 2 tỉ lệ,... Mời các bạn cùng tham khảo.

Chủ đề:

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

Lưu

Nội dung Text: Bài giảng Thống kê y học - Bài 8: Nguyên tắc kiểm định - So sánh hai tỉ lệ

NGUYÊN TẮC KIỂM ÐỊNH SO SÁNH HAI TỈ LỆ Mục tiêu: Sau khi nghiên chủ đề, học viên có khả năng: Nêu được nguyên tắc của việc kiểm định ý nghĩa Đánh giá một giả thuyết không (Ho) có đạt yêu cầu hay không Trình bày và ứng dụng công thức z để so sánh 2 tỉ lệ ở 2 mẫu Trình bày và ứng dụng được công thức của khoảng tin cậy của hiệu số 2 tỉ lệ Trình bày được sự liên hệ giữa kiểm định ý nghĩa và khoảng tin cậy Phân biệt được 2 loại sai lầm: sai lầm loại I và sai lầm loại II 1. Thí dụ: Trong một thử nghiệm lâm sàng để điều trị ung thư vú đã di căn, bệnh nhânh được phân nhóm ngẫu nhiên để được điều trị với LPam hay CMF (một phối hợp gồm 3 loại thuốc). Ðáp ứng khối u được định nghĩa là sự teo nhỏ trên một nửa của diện tích khối u trong thời gian tối thiểu là 2 tuần. Số liệu được trình bày trong bảng sau: Ðiều trị CMF LPam Tổng số Ðáp ứng của Có 49 18 67 khối u (52,7%) (19,8%) (36,4%) Không 44 73 117 Tổng số bệnh 93 91 184 nhân Với số liệu trên, chúng ta có thể sử dụng kiểm định ý nghĩa để xem bằng chứng để kết luận CMF tốt hơn LPam mạnh đến mức độ nào. 2. Nguyên tắc của kiểm định ý nghĩa Nguyên lí của phương pháp phản chứng là nều chúng ta có thể suy luận nếu {A ⇒ B không xảy ra} thì {B xảy ra ⇒ A không xảy ra} Kí hiệu B là phủ định của mệnh đề B, A là phủ định của mệnh đề A, ta có thể viết nếu {A ⇒ B} thì {B ⇒ A } Ðây là suy luận chúng ta rất thường xuyên ứng dụng trong chẩn đoán y khoa (dù rằng chúng ta ứng dụng nó một cách có ý thức hay vô thức).Thí dụ: một bệnh nhân nhập viện vì bị đau bụng dữ dội. Giả sử chúng ta nghi ngờ bệnh nhân bị tắc ruột và chúng ta khai thác bệnh sử của bệnh nhân. Bệnh nhân cho biết bệnh nhân có trung tiện bình thường và chúng ta loại bỏ căn nguyên tắc ruột. Có thể chúng ta không nhận thức được quá trình suy luận nhưng nó đã diễn ra như sau: Nếu bệnh nhân bị tắc ruột thì bệnh nhân sẽ không đi trung tiện. Do bệnh nhân trung tiện bình thường nên bệnh nhân không bị tắc ruột. Nguyên tắc của kiểm định ý nghĩa tương tự như nguyên tắc của phương pháp phản chứng. Ðó là:
Nếu {Ho ⇒ T hiếm xảy ra} thì { T xảy ra ⇒ Ho hiếm xảy ra } Kí hiệu theo công thức xác suất của biến cố T là P(T), ta viết: Nếu {Ho ⇒ P(T) nhỏ } thì { T xảy ra ⇒ P(Ho) nhỏ } Phân tích từng bước của quá trình kiểm định ý nghĩa chúng ta có các bước: 1. Xây dựng giả thuyết Ho 2. Chọn lựa kiểm định thích hợp Việc tìm chuỗi suy luận từ Ho ⇒ P(T) 3. Tính giá trị thống kê T của số liệu thu thập được 4. Tính xác suất của thống kê T kí hiệu là P(T) và được gọi là giá trị p 5. Và nếu P(T) đủ nhỏ chúng ta kết luận P(Ho) nhỏ và chúng ta bác bỏ giả thuyết Ho 2.1. Giả thuyết không Trong thống kê, giả thuyết không (null hypothesis) là một mệnh đề âm tính cho rằng không có sự liên hệ thống kê nào và như ở trên đã trình bày, khẳng định giả thuyết không là buớc đầu tiên của bất cứ một kiểm định ý nghĩa thống kê nào. Trong trường hợp so sánh 2 tỉ lệ trước tiên chúng ta sẽ chọn lập trường âm tính: giả định rằng không có sự khác biệt về tỉ lệ giữa hai dân số đích mà đã được đại diện bởi hai dân số nghiên cứu (mẫu). Trong thí dụ điều trị ung thư vú, chúng ta xem giả thuyết không là hai điều trị này có hiệu quả tương đương. Nói khác đi các bệnh nhân ung thư vú sẽ có tỉ lệ đáp ứng với điều trị bằng nhau đối với CMF và LPam. Ho: π1=π2 Hay Hp: tỉ lệ đáp ứng với CMF = tỉ lệ đáp ứng với LPam Chúng ta cũng có phát biểu giả thuyết không như sau: đối với một bệnh nhân bất kì, xác suất đáp ứng điều trị với CMF và LPam là bằng nhau. 2.2. Chọn kiểm định ý nghĩa để so sánh hai tỉ lệ phần trăm Sau khi xác định giả thuyết không chúng ta cần xác định chuỗi suy luận từ Ho⇒ P(B) bằng cách đặt ra câu hỏi: Nếu giả thuyết không là đúng, cơ hội (xác suất) xảy ra sự khác biệt về tỉ lệ tương tự hay lớn hơn sự khác biệt đã quan sát được là bao nhiêu? Cụ thể trong trường hợp thí dụ về ung thư vú, chúng ta đặt ra câu hỏi, nếu thuốc CMF và LPam có hiệu quả điều trị cùng bằng 36%, xác suất xảy ra sự khác biệt tương tự hoặc khác biệt nhiều hơn số liệu đã quan sát (đó là đáp ứng với CMF là 52,7% và với LPam là 19,8%) là bao nhiêu? Như vậy, giả thuyết không cho rằng số bệnh nhân điều trị thuốc LPam được xem là một mẫu gồm 19 bệnh nhân và bệnh nhân điều trị thuốc CMF là một mẫu gồm 93 bệnh nhân cả hai đều có tỉ lệ đáp ứng là 36,4%. Trong trường hợp này lí thuyết thống kê cho rằng: Hiệu số của tỉ lệ đáp ứng ở hai mẫu p1p2 sẽ có phân phối xấp xỉ bình thường Hiệu số của tỉ lệ đáp ứng ở hai mẫu p1p2 sẽ dao động chung quanh giá trị 0 Sai số chuẩn của hiệu số hai tỉ lệ là
1 1 1 1 S.E. (1- )( ) 0,364 0,636 ( ) 0,071 7,1% n1 n2 93 91 2.3. Tính chỉ số thống kê đo lường hiệu số quan sát được Sự khác biệt (hiệu số) quan sát được đo lường theo sai số chuẩn được gọi là thống kê z: hieäu soá tæleäquansaùt 52,7 19,8 32,9 Z 4,63 saisoá chuaåncuûahieäu soá 7,1 7,1 2.4. Tính xác suất của chỉ số thống kê Z Ðối với phân phối bình thường, ta có xác định xác suất có được thống kê Z lớn hơn hoặc bằng một giá trị Z0 nhất định bằng cách sử dụng một phần mềm thống kê (thí dụ như EpiInfo; Excel hay Stata), hoặc tham khảo bảng phân phối chuẩn. Hoặc chúng ta có thể sử dụng trực tiếp các thông tin sau: P(|Z| ≥ 0,674) =0,5 P(|Z| ≥ 1,282) =0,2 P(|Z| ≥ 1,645) =0,1 P(|Z| ≥ 1,960) =0,05 P(|Z| ≥ 2,576) =0,01 P(|Z| ≥ 3,291)=0,001 Ðiểm cần nhắc lại là nếu Z càng lớn thì xác suất P càng nhỏ. Trong thí dụ trên với Z=4,63 thì ta có P
Ðây là phương pháp tắt để tính z và có ưu điểm là có thể tính nhanh hơn và ít nhầm lẫn hơn. Khuyết điểm của phương pháp này là không thể hiện được bản chất của phương pháp kiểm định z. Cả hai phương pháp đều cho kết quả đồng nhất nhau nếu không có sai số do việc làm tròn số. 4. Biện luận giá trị của p Giá trị p lớn hơn 0,1 được xem là đủ lớn để xem rằng không có đủ bằng chứng để bác bỏ giả thuyết Ho. Theo thông lệ, người ta cho rằng p
Khoaûng tincaäy95%cuûa haihieäu soá hieäu soáquansaùt1,96 saisoá chuaån cuûa hieäu soá Trong thử nghiệm anturane, khoảng tin cậy 95% của khác biệt về tỉ lệ tử vong sau một năm là: (5,6% 4,1%) 1,96 1,1% 1,5% 2,2% 0,7% 3,7% Chúng ta có thể nói rằng sự khác biệt về hiệu quả giữa anturane và placebo nằm đâu đó giữa 2 trường hợp: tăng tỉ lệ tử vong 0,7% trong nhóm anturane và giảm tỉ lệ tử vong 3,7% ở nhóm anturane. Có thể nhận xét rằng nếu khoảng tin cậy 95% đi từ giá trị âm đến giá trị dương thì nó có chứa giá trị 0 và như vậy có nghĩa là chúng ta không bác bỏ giả thuyết H0 cho rằng không có sự khác biệt giữa hai tỉ lệ (với ngưỡng tin cậy 5%) và khi đó giá trị p>0,05. Ngược lại nếu khoảng tin cậy không chứa giá trị 0 thì giá trị p sẽ
thất hay rung thất Tổng cộng 246 222 168 164 78 58 Sử dụng test ý nghĩa phù hợp để đánh giá: b. Có phải điều trị bằng amlodipine giảm nguy cơ tử vong ở các bệnh nhân bị suy tim mãn hay không? b. Có phải điều trị bằng amlodipine giảm nguy cơ nhập viện vì các biến cố tim mạch ở các bệnh nhân bị suy tim mãn hay không? b. Có phải điều trị bằng amlodipine giảm nguy cơ xảy ra biến cố kết quả chính (tử vong hay nhập viện vì các biến cố tim mạch) ở các bệnh nhân bị suy tim mãn hay không? c. Có phải điều trị bằng amlodipine giảm nguy cơ tử vong ở các bệnh nhân bị suy tim mãn và có thiếu máu cơ tim hay không? d. Có phải điều trị bằng amlodipine giảm nguy cơ tử vong ở các bệnh nhân bị suy tim mãn và không bị thiếu máu cơ tim hay không? e. Chúng ta có thể kết luận gì về hiệu quả của amlodipine từ nghiên cứu này?