Giáo trình Phương pháp chọn mẫu và tính toán cỡ mẫu trong nghiên cứu khoa học sức khỏe

Trong nghiên cứu khoa học sức khỏe, việc áp dụng các phương pháp chọn mẫu và tính toán cỡ mẫu phù hợp là yếu tố nền tảng quyết định tính giá trị và khả năng khái quát hóa của kết quả. Một thiết kế nghiên cứu yếu kém, đặc biệt là trong khâu chọn mẫu và xác định cỡ mẫu, có thể dẫn đến sai lệch, kết luận không chính xác và lãng phí nguồn lực đáng kể. Tài liệu này ra đời nhằm cung cấp cái nhìn toàn diện về bối cảnh, tầm quan trọng của các nguyên tắc thống kê cơ bản cũng như hướng dẫn chi tiết các kỹ thuật chọn mẫu và tính toán cỡ mẫu, từ đó trang bị cho nhà nghiên cứu những công cụ cần thiết để đảm bảo tính khoa học và đạo đức trong công trình của mình.

Các nhà nghiên cứu, sinh viên, giảng viên và chuyên gia trong lĩnh vực y tế công cộng, dịch tễ học, y học lâm sàng và thống kê sinh học.

Tài liệu này cung cấp một hướng dẫn toàn diện về các phương pháp chọn mẫu và tính toán cỡ mẫu trong nghiên cứu khoa học sức khỏe, bắt đầu bằng việc trình bày các khái niệm thống kê cơ bản như quần thể, mẫu nghiên cứu, phương pháp thống kê, ước lượng khoảng tin cậy, kiểm định giả thuyết, mức ý nghĩa thống kê và lực thống kê. Sau đó, nó đi sâu vào các kỹ thuật chọn mẫu khác nhau, bao gồm chọn mẫu xác suất (ngẫu nhiên đơn, hệ thống, phân tầng, chùm, nhiều giai đoạn) và chọn mẫu không xác suất (thuận tiện, chỉ tiêu, có mục đích), cùng với các ứng dụng của chúng trong nghiên cứu lâm sàng và các cân nhắc về đạo đức. Phần trọng tâm của tài liệu là các công thức và ví dụ minh họa chi tiết về cách tính toán cỡ mẫu cho đa dạng các loại hình nghiên cứu, từ ước lượng khoảng tin cậy cho một hoặc hai mẫu (trung bình và tỷ lệ), đến kiểm định giả thuyết trong các nghiên cứu so sánh, nghiên cứu nghiệm pháp chẩn đoán, thử nghiệm tương đương và không kém hơn, cũng như thử nghiệm lâm sàng theo cụm. Cuối cùng, tài liệu còn đề cập đến các hiệu chỉnh cần thiết cho cỡ mẫu (như quần thể hữu hạn, hệ số thiết kế, tỷ lệ không trả lời) và giới thiệu các phương pháp chọn mẫu chuyên biệt cho quần thể khó tiếp cận như Respondent-Driven Sampling (RDS) và Time-Location Sampling (TLS). Đây là nguồn tài liệu quý giá giúp các nhà nghiên cứu đảm bảo tính chính xác, đại diện và tin cậy của dữ liệu.