Sai số và gây nhiễu

Bất kỳ sai số hệ thống trong thiết kế, tiến hành hay phân tích một nghiên cứu mà tạo ra những ước lượng không chính xác về tác động của yếu tố phơi nhiễm trên nguy cơ mắc bệnh Vấn đề lớn trong nghiên cứu dịch tễ

Bias and Confounding

•

• Đặng Văn Chính: MD, PhD.

• Viện Vệ Sinh Y Tế Công cộng

Sai số hệ thống (bias) và nhiễu (confounding)

• Bất kỳ sai số hệ thống trong thiết kế, tiến hành hay phân tích một nghiên cứu mà tạo ra những ước lượng không chính xác về tác động của yếu tố phơi nhiễm trên nguy cơ mắc bệnh

• Vấn đề lớn trong nghiên cứu dịch tễ

Sai số hệ thống

• Sai số do chọn lựa

• Sai số do giám sát

• Sai số do phân loại

• Sai số do hồi tưởng

Sai số do thông tin

• Do lấy thông tin từ bệnh sử, hồ sơ nghề nghiệp, và cách người phỏng vấn hỏi

• Sai số do không đáp ứng

• Sai số do mong muốn

Ghi nhớ

• Phải làm giảm hoặc loại bỏ sai số hệ thống

• Ghi nhận và xem xét trong phần giải thích của nghiên cứu

Nhiễu (confounding)

• Liệu mối quan hệ ta quan sát là thật

• Trong một nghiên cứu nếu A là nguyên nhân của B Ta gọi X là yếu tố nhiễu Nếu các điều kiện

sau đây là thỏa mãn

– Yếu tố X là yếu tố nguy cơ cho bệnh B

– Yếu tố X là liên quan đến yếu tố A nhưng không phải là hậu quả của yếu tố A

Nghiên cứu mối quan hệ cà phê và ung thư tuyến tụy

• Hút thuốc lá là yếu tố nhiễu

• Các điều kiện sau đây là thật cho hút thuốc (X)

– Hút thuốc lá là yếu tố nguy cơ của ung thư tuyến tụy– Hút thuốc lá thường đi kèm với uống cà phê, nhưng

không phải là hậu quả của uống cà phê

Phân bố phơi nhiễm theo tuổi

Tính tỉ số chênh sau khi phân tầng

Phương pháp xử lý nhiễu

• Trong thiết kế và tiến hành nghiên cứu

– Giới hạn

– Bắt cặp cá nhân (individual matching)– Bắt cặp theo nhóm (group matching )– Phân nhóm ngẫu nhiên

Vai trò của yếu tố nhiễu

• Xác định cá nhân có nguy cơ cao

• Xác định các yếu tố chỉ điểm phơi

nhiễm-• Nhiễu không phải là sự sai số mà là một hiện tượng thực cần được hiểu rõ