NGHIÊN CỨU KHOA HỌC NGÀNH Y - Bài 4

Chia sẻ: Nguyen Uyen | Ngày: | Loại File: PDF | Số trang:14

Thêm vào BST

Báo xấu

139
lượt xem 14
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Tham khảo tài liệu 'nghiên cứu khoa học ngành y - bài 4', y tế - sức khoẻ, y dược phục vụ nhu cầu học tập, nghiên cứu và làm việc hiệu quả

Chủ đề:

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

Lưu

Nội dung Text: NGHIÊN CỨU KHOA HỌC NGÀNH Y - Bài 4

Baøi 4 NGHIEÂN CÖÙU CAÉT NGANG TS. BS. Taêng Kim Hoàng I. GIÔÙI THIEÄU: 1.1 Ñònh nghóa: Nghieân cöùu caét ngang (cross-sectional study, prevalence study) laø loaïi nghieân cöùu khaûo saùt moái lieân quan giöõa beänh taät (hay vaán ñeà söùc khoûe) vaø caùc ñaëc ñieåm khaùc nhö chuùng hieän coù trong moät coäng ñoàng xaùc ñònh, cuøng taïi moät thôøi ñieåm/ thôøi khoaûng xaùc ñònh. 1.2 Coâng duïng cuûa nghieân cöùu caét ngang: 1. Ñaùnh giaù “söùc khoeû” cuûa coäng ñoàng qua vieäc xaùc ñònh tæ suaát hieän maéc (prevalence) cuûa 1 beänh hay 1 vaán ñeà söùc khoeû => do ñoù ñöôïc goïi laø “prevalence study”. Ví duï: Duøng nghieân cöùu caét ngang ñeå khaûo saùt tæ leä treû suy dinh döôõng < 5 tuoåi trong daân soá hay tæ leä phuï nöõ trong ñoä tuoåi sinh ñeû coù aùp duïng caùc bieän phaùp ngöøa thai. 2. Xaùc ñònh söï lieân quan giöõa beänh vaø caùc yeáu toá khaûo saùt. Töø ñoù, phaùn ñoaùn xem caùc yeáu toá khaûo saùt coù phaûi laø nguyeân nhaân cuûa beänh hay khoâng. Ví duï: Moät nghieân cöùu caét ngang ñöôïc thöïc hieän ñeå khaûo saùt caùc “yeáu toá nguy cô” cuûa beänh laây truyeàn qua ñöôøng tình duïc (STD) trong soá caùc phuï nöõ ñeán khaùm taïi beänh vieân da lieãu. Nhaø nghieân cöùu hoûi taát caû phuï nöõ veà tieàn söû söû duïng thuoác ngöøa thai ñoàng thôøi khaùm vaø laøm pheát teá baøo aâm ñaïo – coå töû cung ñeå xeùt nghieäm. Muïc ñích cuûa nghieân cöùu naøy laø nhaèm traû lôøi cho caâu hoûi: coù moái lieân quan giöõa vieäc söû duïng thuoác ngöøa thai vaø vieâm sinh duïc do Chlamydia hay khoâng. 3. Löôïng giaù moät test môùi hay öùng duïng môùi cuûa moät test cuõ Ví duï: Moät nghieân cöùu caét ngang ñaõ ñöôïc thöïc hieän ñeå so saùnh hai phöông phaùp phaùt hieän beänh taéc tónh maïch chi döôùi: moät laø duøng sieâu aâm Doppler vaø phöông phaùp kia laø döïa vaøo khaùm nghieäm treân laâm saøng (söng, caêng phuø chi döôùi). Chaån ñoaùn xaùc ñònh cho tình traïng taéc tónh maïch saâu ñöôïc döïa vaøo X-Quang tónh maïch coù caûn quang hoaëc (vôùi moät soá ít beänh nhaân) laø döïa vaøo keát quaû phaãu thuaät hay töû thieát. 4. Löôïng giaù khaû naêng tieân ñoaùn cuûa caùc ñaëc ñieåm laâm saøng Ví duï: Moái töông quan giöõa khaùm laâm saøng vaø nhieãm truøng huyeát Ñoä chính xaùc cuûa thuû thuaät thaêm khaùm tröïc traøng trong chaån ñoaùn K tieàn lieät tuyeán Điểm cắt tối ưu của BMI và CVVE để tiên đoán nguy cơ tim mạch ở trẻ em 5. Saøng loïc vaø phaân loaïi tröôùc ñoái töôïng nghieân cöùu cho caùc nghieân cöùu ñoaøn heä (giai ñoaïn ñaàu cuûa nghieân cöùu ñoaøn heä) 18
II. CAÙC VAÁN ÑEÀ TRONG THIEÁT KEÁ VAØ THÖÏC HIEÄN NGHIEÂN CÖÙU CAÉT NGANG 2.1 Tính côõ maãu: Nghieân cöùu caét ngang thöôùng ñöôïc söû duïng ñeå öôùc löôïng moät soá trung bình (bieán soá lieân tuïc) hay moät tæ leä (bieán soá rôøi) cho nghieân cöùu caét ngang Coâng thöùc tính côû maãu nhaèm öôùc löôïng: σ2 - moät soá trung bình trong ñoù σ: ñoä leäch chuaån n = Z12−α / 2 d2 d: sai soá bieân cuûa öôùc löôïng p(1 − p) - moät tæ leä: n = Z 12−α / 2 trong ñoù p: tæ leä öôùc tính cuûa vaán ñeà caàn khaûo saùt d2 d: sai soá bieân cuûa öôùc löôïng VD1: Cần phải có cở mẫu là bao nhiêu để xác định tỉ lệ đàn ông Việt nam hút thuốc lá, biết rằng kết quả từ một nghiên cứu trước đây cho thấy tỉ lệ này là 20% và chúng ta mong muốn kết quả tìm thấy có giá trị nằm trong khoảng 5% giá trị thật p = 0,2, 1-p = 0,8, Δ = 0,05 => n = 1,962 x 0,2 x 0,8/ 0,052 = = 245,8 = 246 người Lưu ý: - Đây là cở mẫu được tính cho nghiên cứu KHÔNG sử dụng phương pháp chọn mẫu cụm. Nếu chọn mẫu cụm => phải tính “hệ số thiết kế” (design effect) - Đây là cở mẫu cần có để phân tích. Nếu tỉ lệ tham gia NC thấp, ví dụ chỉ 75% thì cở mẫu cần có phải tăng lên = 246/0,75 = 328 - Nếu không có thông tin gì về giá trị p, thì giá trị 0,5 có thể sử dụng để có cở mẫu lớn nhất VD2: Cần phải có cở mẫu là bao nhiêu để ước tính trung bình của trị số HATT của phụ nữ Việt nam, biết rằng kết quả từ một nghiên cứu trước đây cho thấy độ lệch chuẩn là 20 và chúng ta mong muốn kết quả tìm thấy có giá trị nằm trong khoảng 10% giá trị thật σ = 20, Δ = 0,1 => n = 1,962 x 20/ 0,12 = 15,4 = 16 người Nếu tỉ lệ tham gia NC chỉ 80% thì cở mẫu cần có phải tăng lên = 16/0,8 = 20 người * Cách xác định “hệ số thiết kế”(design effect) Xác định bằng nghiên cứu pilot Nghiên cứu có từ trước có cùng cách chọn mẫu Design effect = 1 + (m-1) * δ Tính bằng công thức: Trong đó: - m: độ lớn trung bình của 1 cụm - δ: hệ số tương quan (intra-class correlation coefficient) Có thể là 1 con số âm rất nhỏ (khi cấu trúc trong từng cụm rất khác nhau) hoặc =1 (khi cấu trúc trong từng cụm thuần nhất) 19
SỬ DỤNG PHẦN MỀM EPI-INFO 2002 ĐỂ TÍNH CỞ MẪU TRONG NGHIÊN CỨU CẮT NGANG (NHẰM ƯỚC LƯỢNG MỘT TỈ LỆ) Mở Epi-Info 2002, trên thanh menu chọn Utilities -> StatCal -> Nhấp chuột -> Hiện ra cửa sổ StatCal.exe -> Chọn Sample size & power -> Chọn Population Survey -> OK Khi cửa sổ StatCal được mở ra -> điền vào độ lớn của dân số mà từ đó mẫu được rút ra (có thể chọn độ lớn của dân số là 999999 nếu độ lớn của dân số là vô hạn) -> Nhập giá trị p -> Nhập giá trị lớn nhất (hay nhỏ nhất) có thể chấp nhận được (= p ± d) -> Bấm F4 để tính Có thể thay đổi các giá trị được nhập vào và tính lại (sử dụng phím F10). Sauk hi tính xong, nhấn F10 để thoát 20
2.2 Choïn maãu: 2.2.1 Choïn daân soá nghieân cöùu: Caàn xaùc ñònh daân soá ñích vaø daân soá nghieân cöùu (daân soá laáy maãu) thích hôïp ñeå traùnh sai leäch do choïn maãu (selection bias). Ví duï: Thöïc hieän nghieân cöùu caét ngang vôùi daân soá nghieân cöùu laø beänh nhaân trong beänh vieän seõ khoâng phaûn aùnh chính xaùc ñöôïc tæ suaát hieän maéc cuûa beänh (tæ suaát hieän maéc thaät söï coù theå cao hôn hay thaáp hôn) 2.2.2 Phöông phaùp choïn maãu: Do keát luaän ruùt ra ñöôïc töø maãu khaûo saùt seõ ñöôïc duøng ñeå suy luaän cho daân soá (maø töø ñoù maãu ñöôïc laáy ra) neân maãu ñöôïc choïn caàn phaûi ñaûm baûo tính ñaïi dieän, vaø vì vaäy caàn phaûi ñöôïc thöïc hieän theo caùc kyõ thuaät thích hôïp ñeå traùnh caùc sai leäch coù theå xaûy ra. Coù 2 phöông phaùp choïn maãu: choïn maãu coù xaùc suaát (Probability sampling method) vaø choïn maãu khoâng coù xaùc suaát (non-probability sampling method). Caùch toát nhaát ñeå baûo ñaûm 1 maãu seõ cho ra caùc suy dieãn chính xaùc vaø ñaùng tin caäy laø duøng caùc maãu ñöôïc choïn baèng phöông phaùp coù xaùc suaát. Moät maãu (ñöôïc choïn baèng phöông phaùp) coù xaùc suaát laø 1 maãu ñöôïc ruùt ra töø daân soá theo caùch maø taát caû caùc thaønh phaàn cuûa daân soá ñeàu coù 1 xaùc suaát (ñaõ bieát tröôùc) ñöôïc choïn vaøo maãu. Các phương pháp lấy mẫu có xác suất: – Chọn mẫu ngẫu nhiên đơn (simple random sampling) – Chọn mẫu ngẫu nhiên hệ thống (systematic random sampling) – Chọn mẫu phân tầng (stratified sampling) – Chọn mẫu cụm (cluster sampling) 2.2.2.1 Chọn mẫu ngẫu nhiên đơn (Simple random sampling - SRS) Là phương pháp chọn mẫu mà mọi đơn vị lấy mẫu đều được chọn vào mẫu nghiên cứu với xác suất bằng nhau và độc lập với việc chọn đơn vị lấy mẫu khác Caùc böôùc caàn thieát ñeå choïn maãu ngaãu nhieân ñôn giaûn: + Laäp danh saùch choïn maãu (khung choïn maãu - sampling frame), trong ñoù caùc ñoái töôïng trong daân soá ñaõ ñöôïc ñaùnh soá thöù töï. + Ruùt thaêm caùc soá nguyeân ngaãu nhieân cho ñuû côû maãu baèng caùch - Duøng baûng soá ngaãu nhieân sau khi ñaõ xaùc ñònh vò trí khôûi ñaàu moät caùch ngaãu nhieân treân baûng. Hoaëc - Duøng phím baám soá ngaãu nhieân treân caùc maùy tính caàm tay Hoaëc - Duøng chöông trình vi tính cho ra soá löôïng soá ngaãu nhieân caàn thieát. 21
Random Number Table 13962 70992 65172 28053 02190 83634 66012 70305 66761 88344 43905 46941 72300 11641 43548 30455 07686 31840 03261 89139 00504 48658 38051 59408 16508 82979 92002 63606 41078 86326 61274 57238 47267 35303 29066 02140 60867 39847 50968 96719 43753 21159 16239 50595 62509 61207 86816 29902 23395 72640 83503 51662 21636 68192 84294 38754 84755 34053 94582 29215 36807 71420 35804 44862 23577 79551 42003 58684 09271 68396 19110 55680 18792 41487 16614 83053 00812 16749 45347 88199 82615 86984 93290 87971 60022 35415 20852 02909 99476 45568 05621 26584 36493 63013 68181 57702 49510 75304 38724 15712 06936 37293 55875 71213 83025 46063 74665 12178 10741 58362 84981 60458 16194 92403 80951 80068 47076 23310 74899 87929 66354 88441 96191 04794 14714 64749 43097 83976 83281 72038 49602 94109 36460 62353 00721 66980 82554 90270 12312 56299 78430 72391 96973 70437 97803 78683 04670 70667 58912 21883 33331 51803 15934 75807 46561 80188 78984 29317 27971 16440 62843 84445 56652 91797 45284 25842 96246 73504 21631 81223 19528 15445 77764 33446 41204 70067 33354 70680 66664 75486 16737 01887 50934 43306 75190 86997 56561 79018 34273 25196 99389 06685 45945 62000 76228 60645 87750 46329 46544 95665 • Ưu điểm của phương pháp chọn mẫu ngẫu nhiên đơn giản – Thực hiện đơn giản • Khuyết điểm – Có thể không có được danh sách các đơn vị lấy mẫu – Có thể tốn kém nhiều do mẫu nghiên cứu bị trải rộng – Có thể kém hiệu quả ở một số dân số nhất định 2.2 2.2. Choïn maãu ngaãu nhieân heä thoáng (Systematic randon sampling) Là phương pháp chọn ngẫu nhiên một nhóm gồm nhiều đơn vị lấy mẫu cách nhau một khoảng cách mẫu (k). Caùc böôùc caàn thieát ñeå choïn maãu ngaãu nhieân heä thoáng: + Tính khoảng cách mẫu k = N/n + Chọn ngẫu nhiên một số i (số đầu tiên), 1 ≤ i ≤ k + Chọn một nhóm gồm các đơn vị lấy mẫu i, i+k, i+2k, v.v 2.2.2.3 Choïn maãu Phaân Taàng (Stratified sampling) Là phương pháp chọn mẫu với nhều cá thể đại diện được chọn từ các tầng (strata) riêng biệt của dân số. Sử dụng khi: – Các tầng có khác nhau về biến số quan tâm – Bản thân sự khác biệt này là mục tiêu của nghiên cứu 22
Yeáu toá phaân taàng thöôøng laø tuoåi, phaùi tính, ñoä naëng cuûa beänh, tình traïng huùt thuoác - khoâng huùt thuoác v.v… Vieäc choïn maãu phaân taàng thöôøng theo tæ leä töông xöùng (proportional stratified sampling) nhöng ñoâi khi coù theå khoâng töông xöùng (disproportional stratified sampling). • Ưu điểm của phương pháp chọn mẫu tầng – Mẫu đại diện hơn, chính xác hơn • Khuyết điểm – Trên thực tế đôi khi không tìm được tính chất để phân tầng – Về mặt kinh tế, cũng gây tốn kém tương đương với cách chọn mẫu ngẫu nhiên đơn 2.2.2.4 Choïn maãu cuïm (Cluster sampling) Là phương pháp chọn mẫu mà trong đó một hoặc nhiều đợn vị lấy mẫu (listing units) được phối hợp sử dụng, nói cách khác đây là phương pháp chọn mẫu mà khung chọn mẫu bao gồm nhiều cụm, mỗi cụm gồm nhiều đối tượng trong một địa phương (hay địa điểm) nhất định. Khác với tầng (bao gồm những đơn vị lấy mẫu thuần nhất về 1 tính chất), cấu trúc của 1 cụm càng phải nên đa dạng về tính chất. Sử dụng khi: – Không thể có danh sách tất cả các đối tượng trong dân số – Muốn giảm chi phí tiếp cận đối tượng 23
Một số đặc tính quan trọng của chọn mẫu cụm 1) Tiến trình chọn mẫu theo từng bậc (stepwise). Ví dụ nếu khu phố là cụm và hộ gia đình là đơn vị lấy mẫu thì sẽ có 2 bước để chọn hộ gia đình: bước đầu tiên: chọn khu phố, bước thứ 2: chọn hộ gia đình. Hai bước này được gọi là hai giai đoạn (stages). Vì vậy trong cách chọn mẫu cụm sẽ có một số giai đoạn (stages) được thực hiện. Nếu trong thiết kế chọn mẫu chúng ta thực hiện nhiều giai đoạn thì các đơn vị lấy mẫu ở giai đoạn đầu tiên là đơn vị lấy mẫu nguyên phát (primary sampling units – PSUs) 2) Cụm có thể được chọn bằng nhiều kỹ thuật chọn mẫu khác nhau. Chẳng hạn ta có thể chọn cụm bằng cách chọn mẫu ngẫu nhiên đơn giản hay bằng cách chọn mẫu hệ thống. + Nếu chọn cụm bằng phương pháp chọn mẫu ngẫu nhiên đơn giản => chọn mẫu cụm đơn giản - Nếu ta chỉ thực hiện 1 giai đoạn (Chọn ra một số cụm từ các cụm có sẵn, khảo sát hết tất cả các cá thể trong 1 cụm) => Cụm 1 bậc đơn giản - Nếu cụm được chọn ở giai đoạn 1 bằng phương pháp chọn mẫu ngẫu nhiên đơn giản và ở giai đoạn 2 ta lại chọn ra một số đơn vị chọn mẫu từ các cụm có sẵn => Cụm 2 bậc đơn giản. Trong trường hợp này, tỉ lệ của các đơn vị lấy mẫu được chọn ra ở giai đoạn 2 – từ các cụm đã được chọn ở giai đoạn 1 – là giống nhau. Phương pháp này được thực hiện trên giả định là các cụm có số lượng đơn vị lấy mẫu bằng nhau. + Nếu chọn cụm không phải bằng phương pháp ngẫu nhiên đơn giản => chọn mẫu với xác suất tỉ lệ với độ lớn của cụm (sampling with probability proportional to size) 3) Trong tiến trình chọn mẫu cụm, có thể sử dụng nhiều khung chọn mẫu khác nhau 4) Sau khi thực hiện giai đoạn 1, khung chọn mẫu mới được tập hợp lại từ các cụm được chọn • Ưu điểm của phương pháp chọn mẫu cụm - Khả thi, kinh tế hơn vì chỉ cần chuẩn bị danh sách chi tiết trong các cụm được chọn • Khuyết điểm - Các số ước lượng có thể không chính xác bằng chọn mẫu SRS, chọn mẫu tầng nếu khảo sát trên cùng cở mẫu => Để tăng độ chính xác -> tăng cở mẫu 2.2.2.5 Choïn maãu nhiều bậc (nhiều giai đoạn) (Multi-stage sampling) Chọn mẫu nhiều bậc (nhiều giai đoạn) là sự kết hợp nhiều phương pháp lấy mẫu. Mỗi một phương pháp chọn mẫu được áp dụng là 1 bậc (giai đoạn) Trên thực tế phương pháp thường được áp dụng nhất: chọn mẫu cụm nhiều bậc. Phương pháp chọn mẫu cụm 2 bậc đơn giản được thực hiện trên giả định là các cụm có số lượng đơn vị lấy mẫu bằng nhau. Tuy nhiên trên thực tế, các cụm hầu như không có cùng độ lớn , vì vậy người ta sử dụng chọn mẫu với xác suất tỉ lệ với độ lớn của cụm (sampling with probability proportional to size) – phương pháp chọn mẫu PPS Chọn mẫu PPS (probability proportionate to size) – chọn mẫu có xác suất tỉ lệ với độ lớn của cụm Bậc 1: Chọn ra n cụm từ tổng số N cụm bằng phương pháp chọn mẫu hệ thống: + Tính khoảng cách mẫu k = N/n + Chọn ngẫu nhiên một số i (số đầu tiên), 1 ≤ i ≤ k + Chọn một nhóm gồm các đơn vị lấy mẫu i, i+k, i+2k, v.v Trong chương trình tiêm chủng mở rộng của TCYTTG, số cụm cần chọn là 30, do đó khoảng cách mẫu là N/30 24
Bậc 2: Trong n cụm được đã chọn, chọn ra số đối tượng cần thiết (= cở mẫu / n cụm) bằng phương pháp mẫu chọn ngẫu nhiên đơn giản hay chọn mẫu hệ thống Trong chương trình EPI của TCYTTG, để chọn ra 7 nhà trong 1 cụm người ta chọn ra nhà đầu tiên một cách ngẫu nhiên rồi sau đi các nhà tiếp theo - theo nguyên tắc nhà liền nhà 2.3 Thu thaäp soá lieäu: Thu thaäp ñoàng thôøi soá lieäu veà tình traïng beänh vaø tình traïng tieáp xuùc baèng caùc kyõ thuaät vaø phöông phaùp ño löôøng thích hôïp. III. CAÙC VAÁN ÑEÀ TRONG PHAÂN TÍCH VAØ DIEÃN GIAÛI KEÁT QUAÛ CUÛA NGHIEÂN CÖÙU CAÉT NGANG 3.1 Phaân tích keát quaû: Trong ña soá tröôøng hôïp, nghieân cöùu caét ngang ñöôïc söû duïng nhö moät nghieân cöùu moâ taû. Do ñoù, soá lieäu ñöôïc phaân tích baèng thoáng keâ moâ taû vaø ñöôïc trình baøy döôùi daïng caùc baûng, bieåu. Tuy nhieân, trong moät soá tröôøng hôïp, nghieân cöùu caét ngang coøn ñöôïc duøng ñeå phaân tích moái lieân quan giöõa beänh vaø vieäc tieáp xuùc vôùi moät yeáu toá nguy cô naøo ñoù. Trong tröôøng hôïp naøy, caàn laäp baûng cheùo (cross tabulation) – phaân nhoùm nghieân cöùu theo caùc yeáu toá nguy cô caàn khaûo saùt, vaø so saùnh tæ suaát hieän maéc (prevalence rates) trong töøng nhoùm. 25
Beänh Toång soá Coù Khoâng Coù a b a+b Tieáp xuùc Khoâng c d c+d a+c b+d a+b+c+d Toång soá Prevalence cuûa beänh trong nhoùm tieáp xuùc = a/(a+b) Prevalence cuûa beänh trong nhoùm khoâng tieáp xuùc = c/(c+d) Coù theå duøng pheùp kieåm thoáng keâ (chi bình phöông) ñeå xaùc ñònh moái lieân heä. Ñoä maïnh cuûa söï phoái hôïp seõ ñöôïc tính baèng Prevalence Rate Ratio (PRR) * a/(a+b) Prevalence Rate Ratio (PRR) = c/(c+d) 3.2 Caùc sai soá heä thoáng (bias) thöôøng gaëp trong nghieân cöùu caét ngang a- Volunteer bias (sai leäch do maãu ñöôïc choïn töø nhöõng ngöôøi tình nguyeän): coù theå xaûy ra khi ñoái töôïng tình nguyeän tham gia vaøo nghieân cöùu coù nhöõng ñaëc ñieåm khaùc vôùi nhöõng ngöôøi khoâng tình nguyeän tham gia nghieân cöùu VD: tuoåi, giôùi, daân toäc, trình ñoä hoïc vaán v.v… Hôn nöõa, nhöõng ngöôøi tình nguyeän tham gia nghieân cöùu thöôøng laø nhöõng ngöôøi khoeû maïnh. b- Survivor bias (sai leäch töø nhöõng tröôøng hôïp soáng soùt choïn loïc): Khi thöïc hieän nghieân cöùu caét ngang, chuùng ta chæ coù theå thu thaäp thoâng tin töø nhöõng ngöôøi coøn soáng. Neáu nhöõng ngöôøi tieáp xuùc vôùi yeáu toá nguy cô ñeàu ñaõ cheát tröôùc khi nghieân cöùu baét ñaàu thì coù theå chuùng ta chæ thu thaäp ñöôïc thoâng tin töø nhöõng ngöôøi khoâng tieáp xuùc vôùi yeáu toá nguy cô vaø nhö vaäy coù theå seõ cho keát luaän sai leäch. c- Non-response/participation bias (sai leäch do nhieàu ngöôøi khoâng ñaùp öùng/khoâng tham gia vaøo nghieân cöùu): Tæ leä ngöôøi ñaùp öùng/tham gia vaøo nghieân cöùu caàn phaûi ñöôïc xem xeùt kyõ löôõng trong nghieân cöùu caét ngang. Keát luaän sai leäch coù theå xaûy ra neáu nhöõng ngöôøi khoâng theå tham gia vaøo nghieân cöùu coù nhieàu ñaëc ñieåm khaùc xa vôùi nhöõng ngöôøi coù theå tham gia vaøo nghieân cöùu. VD: trong nghieân cöùu veà thoùi quen uoáng röôïu, nhöõng ngöôøi thöôøng xuyeân uoáng röôïu thöôøng ít khi coù maët ñeå traû lôøi caâu hoûi phoûng vaán v.v… Neáu tæ leä ñaùp öùng cung caáp toát thoâng tin cho vieäc ñaùnh giaù tình hình söùc khoeû, beänh taät. - Laø böôùc ñaàu tieân cuûa nghieân cöùu ñoaøn heä - Coù theå chöùng minh moái lieân heä cuûa beänh vaø nhieàu yeáu toá nguy cô Prevalence Odds Ratio (POR) cuõng coù theå ñöôïc söû duïng trong nghieân cöùu caét ngang ñeå tính ñoä maïnh * cuûa söï phoái hôïp 26
4.2 Haïn cheá: - Ñoâi khi khoâng theå keát luaän ñöôïc moái lieân heä nhaân quaû töø caùc soá lieäu thu thaäp ñöôïc trong nghieân cöùu caét ngang vì tình traïng tieáp xuùc vôùi yeáu toá nguy cô vaø beänh ñöôïc ñaùnh giaù cuøng moät luùc. Ví duï: Trong 1 nghieân cöùu caét ngang cho thaáy nhöõng ngöôøi bò ung thö thì coù möùc β- caroten (tieàn vitamin A) trong maùu thaáp hôn ngöôøi bình thöôøng cuøng tuoåi, cuøng giôùi tính. Tuy nhieân, ngöôøi ta khoâng theå xaùc ñònh ñöôïc trong nghieân cöùu naøy laø do möùc β- caroten trong maùu thaáp ñöa ñeán ung thö hay laø möùc β-caroten trong maùu thaáp thöïc söï laø keát quaû cuûa beänh do nhöõng thay ñoåi trong cheá ñoä aên uoáng hay do nhöõng aûnh höôûng cuûa K gaây ra tình traïng suy nhöôïc chung. - Do nghieân cöùu caét ngang chæ thu thaäp thoâng tin veà tình traïng beänh vaø tieáp xuùc vôùi yeáu toá nguy cô taïi moät thôøi ñieåm/ thôøi khoaûng nhaát ñònh neân coù theå ñöa ñeán nhöõng thoâng tin sai leäch. Ví duï: Caùc baùc só laâm saøng thöôøng tin raèng huyeát aùp taâm tröông ôû ngöôøi giaø khoâng taêng do chæ döïa treân nhöõng nghieân cöùu caét ngang trong ñoù theå hieän raèng soá huyeát aùp taâm tröông trung bình ôû moïi löùa tuoåi chæ xaáp xæ 80mmHg. Tuy nhieân, trong moät nghieân cöùu ñoaøn heä (nghieân cöùu Framingham), ngöôøi ta thaáy raèng nhöõng beänh nhaân ñöôïc theo doõi sau nhieàu naêm coù huyeát aùp taâm tröông taêng khi veà giaø. - Khi nghieân cöùu nhöõng beänh hieám, thöïc hieän nghieân cöùu caét ngang laø khoâng thöïc teá. TAØI LIEÄU THAM KHAÛO 1. David C., Ian G., Richard H. Epidemiology. Sidney, University of New South Wales Press Ltd., 1994: 53 – 63. 2. Friedman G.D. Primer of epidemiology. Singapore, McGraw-Hill Book Co., 1994: 96 – 109. 3. Hulley S.B., Cummings S.R. Designing clinical research. Baltimore, Williams & Wilkins, 1988: 75 – 78. 4. Jennifer L.K., Thompson W.D., Alfred S.E. Methods in observational epidemiology. New York, Oxford University Press, 1986: 187 – 191. 5. Last J.M., Abramson J.H., Friedman G.D., Porta M., Spasoff R.A., Thuriaux M. A dictionary of epidemiology. New York, Oxford University Press, 1995. 6. Lemeshow S. Hosmer D.W., Klar J., Lwanga S.K. Adequacy of sample size in health studies. England, John Wiley & Sons Ltd., 1990. 7. Levy P.S., Lemeshow S. Sampling for health professionals. California, Lifetime Learning Publications, 1980. 8. Stephen H.G. Interpreting the medical literature. Singapore, McGraw-Hill Book Co., 1993: 55 – 66. 27
BÀI TẬP SỬ DỤNG STATA TRONG NGHIÊN CỨU CẮT NGANG Tính với file số liệu 1) Sử dụng file “cc study“ Trong STATA, nếu nghiên cứu mà chúng ta đang phân tích là 1 survey trong đó có sử dụng nhiều phương pháp chọn mẫu (cụm, tầng, nhiều bậc…) thì khi phân tích chúng ta cần sử dụng lệnh “svy” – là lệnh dành riêng để phân tích survey. Muốn sử dụng các lệnh “svy”, trước tiên cần “khai báo” về thiết kế chọn mẫu, biến số nào là “tầng”, biến nào là “cụm” trong bộ dữ liệu => Sử dụng lệnh “svyset” - Tìm lệnh để sử dụng trong STATA Statistics -> Survey data analysis -> Setup and utilities -> Declare survey design for dataset Ví dụ: Trong điều tra cắt ngang thực hiện năm 2004 nhằm khảo sát tình trạng thừa cân- béo phì ở trẻ vị thành niên nội thành TPHCM, các nhà nghiên cứu đã chọn mẫu từ 2 “tầng” (nội thành “giàu” và nội thành “nghèo”) trong mỗi “tầng” chọn ra một số “cụm” (trường) (bậc 1), sau đó, trong các trường được chọn lại chọn ra một số lớp thuộc khối (grade) 6-7 và một số lớp thuộc khối 8-9 (bậc 2). Với các lớp được chọn, khảo sát toàn bộ học sinh trong lớp. Lệnh “svyset” được thực hiện như sau: svyset school [pw=pw], strata(strata) fpc(Nschool) || grade, fpc(Nclass) 28
Sau khi khai báo rồi thì từ đây, muốn tính trung bình, hay tỉ lệ của vấn đề cần khảo sát lệnh sử dụng luôn luôn có “svy” - Lệnh sử dụng để tính trung bình BMI: Statistics -> Survey data analysis -> Means, proportions, ratio, totals -> Means -> Cửa sổ svy: mean sẽ hiện ra -> nhập biến số cần tính mean vào (Ví dụ biến số BMI) . svy linearized : mean BMI (running mean on estimation sample) Survey: Mean estimation Number of strata = 2 Number of obs = 2684 Number of PSUs = 31 Population size = 2670.2 Design df = 29 -------------------------------------------------------------- | Linearized | Mean Std. Err. [95% Conf. Interval] -------------+------------------------------------------------ BMI | 18.62681 .1246661 18.37184 18.88178 -------------------------------------------------------------- Kết quả này cho chúng ta thấy số liệu được phân tích trên 2684 cá thể được chọn từ 2 tầng, 31 cụm và trung bình BMI là 18,6 (18,4, 18,9). Kết quả này tương tự như kết quả ta phân tích không sử dụng lệnh “svy” nhưng khoảng tin cậy khi sử dụng lệnh “svy” hẹp hơn . mean BMI Mean estimation Number of obs = 2684 -------------------------------------------------------------- | Mean Std. Err. [95% Conf. Interval] -------------+------------------------------------------------ BMI | 18.80199 .0630647 18.67833 18.92565 -------------------------------------------------------------- 29
- Lệnh sử dụng để tính tỉ lệ: Statistics -> Survey data analysis -> Means, proportions, ratio, totals -> Proportions -> Cửa sổ svy: proportion sẽ hiện ra -> nhập biến số cần tính proportion vào (Ví dụ biến số BMIc) - Ngoài ra, ta cũng có thể lập bảng 1 chiều, 2 chiều với lệnh svy Statistics -> Survey data analysis -> Tables -> One-way tables (hoặc Two-way tables) -> Cửa sổ svy: tabulate sẽ hiện ra -> nhập biến số cần xử lý vào 30
- Muốn tính design-effect (DEFT) từ số liệu của nghiên cứu có áp dụng phương pháp chọn mẫu cụm (để sử dụng cho việc tính cở mẫu của nghiên cứu sắp tới) sử dụng lệnh như sau: Statistics -> Survey data analysis -> DEFF, MEFF and other statistics -> Cửa sổ estat sẽ hiện ra -> Chọn DEFF, MEFF for point estimates (effect) -> Chọn report DEFT Lưu ý: Trước khi sử dụng lệnh này cần phải chạy lệnh tính trung bình hay tỉ lệ của 1 biến số nào đó, rồi mới dùng lệnh này để ước tính design effect . estat effects, deft ------------------------------------------------ | Linearized | Mean Std. Err. DEFT -------------+---------------------------------- BMI | 18.62681 .1246661 2.01635 ------------------------------------------------ . estat effects, deft _prop_1: BMIc = Normal wt ------------------------------------------------ | Linearized | Proportion Std. Err. DEFT -------------+---------------------------------- BMIc | _prop_1 | .8626844 .0091192 1.37239 Overweight | .1169325 .0080314 1.2946 Obese | .0203831 .0025456 .93312 ------------------------------------------------ - Trong nghiên cứu cắt ngang, ta cũng có thể xác định mối liên quan giữa 2 biến số bằng phép kiểm chi bình phương hoặc Fisher exact test. Statistics -> Summaries, tables and tests -> Tables -> Two-way tables with measures of association -> Cửa tabulate2 sẽ hiện ra -> nhập biến số cần xử lý vào -> Chọn phép kiểm cần sử dụng 31