Bài 5 NGHIÊN CỨU BỆNH – CHỨNG TS. BS. Tăng Kim Hồng I. GIỚI THIỆU: 1.1 Đònh nghóa: Một nghiên cứu bệnh – chứng (case-control study) là một nghiên cứu trong đó các đối tượng nghiên cứu được lựa chọn dựa trên cơ sở là họ có hay không có bệnh (hay vấn đề đang cần nghiên cứu). Ca bệnh (cases) – là những người có bệnh (hay vấn đề đang cần nghiên cứu) sẽ được so sánh với ca chứng (controls) – là những người không có bệnh (hay vấn đề đang cần nghiên cứu), để tìm ra mối quan hệ giữa việc tiếp xúc với yếu tố nguy cơ và bệnh (hay vấn đề đang cần nghiên cứu). 1.2 Phân biệt những đặc tính của nghiên cứu bệnh – chứng và các loại nghiên cứu phân tích khác: 1.2.1 Khác với nghiên cứu cắt ngang (cross-sectional study), trong nghiên cứu bệnh – chứng tình trạng tiếp xúc với yếu tố nguy cơ và mắc bệnh (hay có vấn đề đang cần nghiên cứu) được đo ở 2 thời điểm khác nhau chứ không đồng thời. 1.2.2 Nghiên cứu bệnh – chứng khác với nghiên cứu cohort (cohort study) ở chỗ: các đối tượng nghiên cứu trong nghiên cứu bệnh – chứng được xác đònh dựa vào tình trạng có hay không có bệnh (hay vấn đề đang cần nghiên cứu), chứ không dựa vào việc có tiếp xúc hay không với yếu tố nguy cơ (xem sơ đồ ở trang sau) II. ƯU ĐIỂM VÀ NHƯC ĐIỂM CỦA THIẾT KẾ NGHIÊN CỨU BỆNH - CHỨNG: 2.1 Ưu điểm: - có thể thực hiện tương đối nhanh, ít tốn kém hơn so với các loại thiết kế nghiên cứu (TKNC) phân tích khác - đặc biệt có ích khi cần phải nghiên cứu các bệnh hiếm, hay các vấn đế ít gặp - rất thích hợp cho việc nghiên cứu những bệnh có thời gian tiềm ẩn kéo dài - có thể khảo sát cùng lúc nhiều nguyên nhân đối với một bệnh cho trước - có thể tính được tỉ số chênh (Odds Ratio) 2.2 Nhược điểm: - không phải thiết kế nghiên cứu thích hợp khi cần khảo sát tình trạng tiếp xúc với yếu tố nguy cơ hiếm gặp (rare exposures) - không thể nghiên cứu được nhiều kết quả phát sinh từ việc tiếp xúc với yếu tố nguy cơ - không thể trực tiếp tính được tỉ suất mới mắc, nguy cơ tương đối (relative risk) và nguy cơ qui trách (attributable risk) 32 - trong nhiều trường hợp không thể hiện được sự nối tiếp về mặt thời gian của các biến cố (không chứng minh được việc tiếp xúc với yếu tố nguy cơ đã xảy ra trước khi bò bệnh) Chiều thời gian Hướng nghiên cứu Bắt đầu với Có tiếp xúc BỆNH Không tiếp xúc Người có bệnh Dân số Có tiếp xúc CHỨNG Không tiếp xúc Người không có bệnh III. CÁC VẤN ĐỀ TRONG THIẾT KẾ VÀ THỰC HIỆN NGHIÊN CỨU BỆNH - CHỨNG: 3.1 Tính cỡ mẫu: 3.1.1 Nghiên cứu bệnh – chứng không bắt cặp (Unmatched case-control study) 3.1.1.1 Tỉ lệ bệnh:chứng = 1:1 trong đó: p 0 : Tỉ lệ người tiếp xúc với yếu tố nguy cơ trong nhóm chứng; q 0 = 1- p 0 3.1.1.2 Tỉ lệ bệnh:chứng = 1:c trong đó: 3.1.2 Nghiên cứu bệnh – chứng có bắt cặp (Matched case-control study) với: M: số cặp cần chọn [] () 2 11 12/1 2 qp zpqz n − + −− = βα 2 0011 qpqp + ( () 11 1 0 0 −+ = ORp ORp p ) 01 2 1 ppp pq 1= − = + () () 2 11 2 00 111 '' qp qpzqp c qp 1 2/1 1z c − ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ +++ −− = βα n c cpp p + + = 1 ' 01 OR OR p + = 1 () [ ] () 2 2 12/1 5.0 1 − −+ −− = p ppzz m βα 0110 qpqp m M + = 33 3.2 Chọn mẫu: 3.2.1 Chọn ca bệnh: NGUYÊN TẮC: - Cần phải thiết lập tiêu chuẩn chẩn đoán rõ ràng - Ca bệnh và chứng lấy từ cùng một dân số 3.2.1.1 Các ca bệnh nên chọn từ đâu? - có thể lấy từ cộng đồng, dân số chung. Khó khăn: việc đăng ký (các trường hợp bệnh) trong cộng đồng thường không phổ biến, tốn kém, và có thể không liệt kê đầy đủ tất cả các trường hợp bệnh. - có thể lấy từ bệnh viện hay phòng khám Nhược điểm: chọn ca bệnh từ nguồn này dễ gặp phải bias vì người đến bệnh viện thường là những người bò bệnh nặng, có nhiều bệnh khác kèm theo. 3.2.1.2 Các ca bệnh được chọn nên là những ca bệnh mới chẩn đoán hay là bệnh hiện có (có cả những ca bệnh cũ)? Thông thường, người ta thích chọn ca bệnh từ những ca mới (incident cases) vì dễ áp dụng các tiêu chuẩn chẩn đoán một cách nghiêm ngặt và (về mặt lý thuyết) không bỏ sót các ca bệnh diễn ra trong thời gian ngắn. Tuy nhiên, nếu bệnh thực sự quá hiếm thì cần phải sử dụng cả bệnh cũ lẫn bệnh mới để có thể lấy đủ cỡ mẫu cần thiết. Sử dụng prevalent cases có thể dẫn đến việc đại diện quá mức (over- representative) của những ca bệnh có thời gian bệnh kéo dài vì những người chết vì bệnh hay những người hồi phục nhanh chóng có rất ít khả năng được lựa chọn vào nhóm bệnh. 3.2.2 Chọn ca chứng 3.2.2.1 Nguồn chọn: * có thể từ các bệnh nhân trong bệnh viện Tiện lợi : - Dễ dàng lấy được đủ số đối tượng nghiên cứu cần thiết - Thuận tiện trong việc thực hiện các xét nghiệm - Sai lệch do nhớ lại (Recall bias) có thể giảm đi nếu một người được phỏng vấn nhiều lần - Các ca chứng được chọn từ nguồn này thường sẵn sàng hợp tác hơn và ít khi bỏ cuộc giữa chừng - Đây là cách tiết kiệm ngân sách nhất khi lựa chọn nhóm chứng Nhược điểm: - Những ca chứng được chọn từ bệnh viện đều là những người bệnh nên thường có xu hướng có kèm theo bệnh khác hoặc đã từng tiếp xúc với nhiều yếu tố nguy cơ khác. Đó chính là những yếu tố gây nhiễu (confouding factors) trong việc diễn giải kết quả. - Việc lựa chọn ca chứng từ bệnh viện phải dựa trên một số tiêu chuẩn lọai trừ (exclusion criteria). Do đó có thể làm thay đổi kết quả nghiên cứu vì chúng ta đã loại những ca chứng có một số bệnh nào đó – mà những bệnh đó lại có thể có mối liên hệ với tình trạng tiếp xúc với yếu tố nguy cơ mà chúng ta đang khảo sát 34 * chọn nhóm chứng từ dân số chung - Đây là nhóm chứng lý tưởng. - Tỉ lệ tiếp xúc với yếu tố nguy cơ của nhóm chứng có thể dùng để ước lượng tỉ lệ tiếp xúc với yếu tố nguy cơ trong dân số chung, từ đó có thể tính được nguy cơ tuyệt đối - Tuy nhiên, việc chọn nhóm chứng từ dân số chung khá tốn kém và mất thời gian * Chọn nhóm chứng từ bạn bè, gia đình, hàng xóm Tiện lợi : - Nhóm chứng này chủ yếu là người khoẻ mạnh => tránh được hạn chế đã nêu đối với nhóm chứng được chọn từ bệnh viện - Ca bệnh và ca chứng có một số đặc điểm giống nhau về các yếu tố văn hoá, đòa lý => có thể điều chỉnh được các yếu tố gây nhiễu này Bất lợi: vì ca chứng là bạn bè, gia đình, hàng xóm của ca bệnh nên ca bệnh và chứng có nhiều điểm chung, thậm chí việc tiếp xúc với yếu tố nguy cơ (VD: hút thuốc, uống rượu…) gần như giống nhau giữa ca bệnh và ca chứng => dễ đánh giá thấp (under-estimate) ảnh hưởng thật sự của việc tiếp xúc với yếu tố nguy cơ đang nghiên cứu 3.2.2.2 Sử dụng nhiều nhóm chứng Thông thường, lý tưởng nhất là dùng 1 nhóm chứng xuất phát từ cùng dân số với ca bệnh. Tuy nhiên, trong nghiên cứu bệnh chứng làm tại bệnh viện (hospital- based case control study) nên dùng nhiều hơn 1 nhóm chứng. 3.2.2.3 Số ca chứng cho một ca bệnh Nếu số ca bệnh rất hiếm, cần dùng nhiều ca chứng cho 1 ca bệnh để tăng độ mạnh của nghiên cứu. Tỉ lệ ca bệnh/ca chứng có thể đến 1/4 hay 1/5 nhưng không nên tăng lên nữa vì nếu tăng thêm hơn nữa thì độ mạnh của test thống kê cũng không tăng lên thêm bao nhiêu 3.3 Bắt cặp (matching) - kiểm soát được các yếu tố gây nhiễu (confounding factors). VD: dùng ca chứng là anh chò em song sinh của ca bệnh có thể đảm bảo được cả ca bệnh và chứng đều chòu chung ảnh hưởng của yếu tố gen, yếu tố môi trường. - không cần thiết phải chuẩn bò cả danh sách các ca chứng đủ tiêu chuẩn để sau đó chọn lại một cách ngẫu nhiên IV. CÁC VẤN ĐỀ TRONG PHÂN TÍCH VÀ DIỄN GIẢI KẾT QUẢ CỦA NGHIÊN CỨU BỆNH – CHỨNG: 4.1 Tỉ số chênh (Odds Ratio) Trong nghiên cứu bệnh – chứng, nguy cơ tương đối (relative risk) có thể được ước lượng bằng cách dùng tỉ số chênh (Odds Ratio). Odds Ratio là tỉ số (ratio) của những người bò bệnh và những người không bệnh trong nhóm có tiếp xúc với yếu tố nguy cơ chia cho tỉ số của những người bò bệnh và những người không bệnh trong nhóm không tiếp xúc với yếu tố nguy cơ 35 bc ad d c b a OR == VD: Trong một nghiên cứu bệnh – chứng về việc hút thuốc lá và ung thư thanh quản, kết quả cho thấy như sau: Bệnh Chứng Tổng cộng Có hút thuốc 331 (a) 218 (b) 549 (a+b) Không hút thuốc 43 (c) 163 (d) 206 (c+d) Tổng cộng 374 (a+c) 381 (b+d) 755 (a+b+c+d) Trong thí dụ trên 75,5 43218 163331 163 43 218 331 === x x OR Như vậy: người hút thuốc có nguy cơ bò ung thư thanh quản cao gấp khoảng 6 lần so với người không hút thuốc. ♣ Trong nghiên cứu bệnh – chứng có bắt cặp (matched case-control) Tỉ số chênh được tính như sau: OR = x/y Với x = số cặp trong đó ca bệnh có tiếp xúc nhưng ca chứng không tiếp xúc, và y = số cặp trong đó ca bệnh không tiếp xúc nhưng ca chứng có tiếp xúc Chứng Tổng cộng Có tiếp xúc K tiếp xúc Có t/x x Bệnh K t/x y Tổng cộng 4.2 Các sai số hệ thống (bias) thường gặp trong nghiên cứu bệnh – chứng 4.2.1 Sai lệch do chọn mẫu (selection bias) Sai lệch do chọn mẫu xảy ra khi đối tượng nghiên cứu (ca bệnh lẫn ca chứng) được chọn theo cách nào đó có thể làm sai lệch đi mối liên quan giữa việc tiếp xúc với yếu tố nguy cơ và bệnh. VD: chọn ca bệnh gồm những dạng nặng của một bệnh nào đó, hay những người trong độ tuổi nhất đònh sẽ làm cho kết quả nghiên cứu chỉ đại diện cho một bộ phận nào đó của cộng đồng (ảnh hưởng đến giá trò ngoài - external validity - của nghiên cứu). Hoặc các ca chứng được chọn từ những bệnh nhân trong bệnh viện (không mắc bệnh đang cần nghiên cứu) thường có kèm theo bệnh khác hoặc thường có tiếp xúc với nhiều yếu tố nguy cơ khác, làm cho kết quả tìm thấy không phản ánh đúng 36 mối liên quan giữa việc tiếp xúc với yếu tố nguy cơ và bệnh (ảnh hưởng đến giá trò trong-internal validity). Để giảm thiểu bias loại này, dân số nguồn dùng để chọn mẫu cần hạn chế tại một đòa phương, một tỉnh, một cộng đồng nào đó. Dó nhiên, điều này có thể làm hạn chế giá trò ngoài của nghiên cứu nhưng ít nhất giá trò trong có thể đảm bảo. Một cách có thể đảm bảo giá trò của việc chọn lựa ca bệnh và chứng là thực hiện một nghiên cứu bệnh – chứng lồng ghép với nghiên cứu đoàn hệ “nested case-control study” (xem hình vẽ) 50 ca bệnh Lúc bắt đầu có 1.000 cá thể trong cohort thời gian 50 ca chứng (chọn ngẫu nhiên từ 950 cá thể ) 4.2.2 Sai lệch do đo lường (measurement bias): có nhiều loại sai lệch nhưng thường được nhắc đến là sai lệch do được xác đònh là bệnh (ascertainment bias), sai lệch do người quan sát (observer bias), sai lệch do nhớ lại (recall bias) và sai lệch khi cung cấp thông tin (information bias) * Sai lệch do nhớ lại (recall bias) Thông thường, người mắc một bệnh đặc biệt nào đó thường có xu hướng nhớ về việc tiếp xúc với yếu tố nguy cơ trong quá khứ nhiều hơn người không bò bệnh. VD: bà mẹ có con bò dò tật bẩm sinh thường có xu hướng kể đầy đủ và chi tiết về việc dùng thuốc trong thời gian mang thai hơn bà mẹ không có con bò dò tật bẩm sinh. Do đó, có thể đưa đến sai lệch trong kết luận là loại thuốc mà bà mẹ dùng trong thời gian mang thai đã gây ra dò tật bẩm sinh 4.2.3 Yếu tố gây nhiễu Để kiểm soát các yếu tố gây nhiễu trong nghiên cứu bệnh – chứng, có những phương pháp sau đây: - Trong thiết kế nghiên cứu: Bắt cặp (Matching), Giới hạn (Restriction) - Trong phân tích kết quả: Phân tích thành từng lớp (Stratified analysis), Phân tích đa biến (Multivariate analysis) TÀI LIỆU THAM KHẢO 1. David C., Ian G., Richard H. Epidemiology. Sidney, University of New South Wales Press Ltd., 1994. 2. Friedman G.D. Primer of epidemiology. Singapore, McGraw-Hill Book Co., 1994. 3. Greenberg R.S., Daniels S.R., Flanders W.D., Eley J.W., Boring J.R. Medical epidemiology. New Jersey, Prentice-Hall International, Inc., 2005. 4. Hennekens C.H., Buring J.E. Epidemiology in Medicine. Boston, Little Brown Company, 1987. 5. Jekel J.F., Elmore J.G., Katz D.L. Epidemiology, Biostatistics and Preventive Medicine. Philadelphia, W.B. Saunders Company, 1996. 37 SỬ DỤNG PHẦN MỀM PS ĐỂ TÍNH CỞ MẪU TRONG NGHIÊN CỨU BỆNH-CHỨNG 38 BÀI TẬP SỬ DỤNG STATA TRONG NGHIÊN CỨU BỆNH-CHỨNG Tính với file số liệu 1) Sử dụng file “NC benh-chung” 2) Tạo biến số magegr = nhóm tuổi mẹ 39 3) Tính OR - Tìm lệnh để sử dụng trong STATA Statistics -> Epidemiology and related -> Tables for epidemiologist -> Case-control odd-ratio - Lệnh sử dụng trong STATA cc [biến số bệnh] [biến số tiếp xúc] - Kết quả thu được (trang sau). + OR= 3 (KTC 95% = 1.03 – 5.49) Như vậy, mẹ hút thuốc lá có nguy cơ sinh con nhẹ cân cao gấp 3 lần mẹ không hút thuốc lá + Tỉ lệ mẹ hút thuốc lá trong nhóm bệnh là 50%, tỉ lệ mẹ hút thuốc lá trong nhóm chứng là 30% + Phần trăm nguy cơ qui trách trong nhóm có hút thuốc lá là 57.9% + Phần trăm nguy cơ qui trách trong dân số là 29.4% 40 4) Kiểm tra xem tuổi mẹ khi mang thai hay số lần khám thai có phải là yếu tố gây nhiễu/yếu tố thay đổi tương quan (tương tác) cho mối liên hệ giữa mẹ hút thuốc lá và con sinh nhẹ cân hay không? Để biết một yếu tố (thứ 3) có phải là yếu tố gây nhiễu hay yếu tố thay đổi tương quan (tương tác), chúng ta có thể thực hiện phân tích phân tầng theo yếu tố thứ 3 đó - Thực hiện phân tích bảng 2x2 phân tầng - Kiểm tra tính đồng nhất của OR theo tầng bằng cách đọc kết quả của “Test of homogeneity”. Nếu p < 0.05 => Có tương tác (Yếu tố thứ 3 đang xét là yếu tố thay đổi tương quan) => Báo cáo kết quả của OR theo từng tầng. Nếu p > 0.05 => So sánh OR thô và OR hiệu chỉnh - So sánh OR thô và OR hiệu chỉnh (hay còn gọi OR kết hợp Mantel-Haenszel tức adjusted OR). Nếu khác biệt * >10% => Yếu tố thứ 3 là yếu tố gây nhiễu=> Báo cáo kết quả của OR kết hợp M-H. Nếu khác biệt < 10% => Yếu tố thứ 3 này không phải là yếu tố gây nhiễu => Báo cáo kết quả của OR thô - Lệnh sử dụng trong STATA cc [biến số bệnh] [biến số tiếp xúc], by (biến số phân tầng) - Kết quả thu được + Đối với biến số nhóm tuổi: test of homogeneity cho thấy p>0.05 => OR của các lớp tuổi không khác nhau 1 cách có ý nghĩa. OR hiệu chỉnh và OR thô cũng không khác biệt có ý nghĩa => Tuổi không phải là yếu tố gây nhiễu cũng không phải là interaction * (OR hiệu chỉnh – OR thô ) / OR hiệu chỉnh 41 [...]... -+ + -Exposed | 4 36 | 40 Unexposed | 11 1 45 | 156 -+ + -Total | 15 181 | 196 McNemar's chi2(1) = 13.30 Prob > chi2 = 0.0003 Exact McNemar significance probability = 0.0003 Proportion with factor Cases 2040816 Controls 07 653 06 difference 12 755 1 ratio 2.666667 rel diff .13812 15 odds ratio 3.272727 [ 95% Conf Interval] -. 056 2601 1988419 1 .54 0 755 4.6 153 41... -+ Crude | 2.3732 25 1.03 452 1 5. 494306 (exact) M-H combined | 2.37333 1.103902 5. 10 252 9 Test of homogeneity (M-H) chi2(1) = 0.41 Pr>chi2 = 0 .52 14 Test that combined OR = 1: Mantel-Haenszel chi2(1) = Pr>chi2 = 4.91 0.0267 Tính với số có sẵn - Tìm lệnh để sử dụng trong STATA Statistics -> Epidemiology and related -> Tables for epidemiologist -> ... homogeneity cho th y p>0. 05 => OR của các lần khám thai không khác nhau 1 cách có ý nghĩa OR hiệu chỉnh và OR thô cũng không khác biệt có ý nghĩa => Số lần khám thai không phải là y u tố g y nhiễu cũng không phải là interaction cc low smoke, by( magegr) magegr | OR [ 95% Conf Interval] M-H Weight -+ 1 | 1.604167 3116223 8.349904 1 .5( exact) 2 | 2.787879 1.022362 7. 757 71 2.783133(exact)... related -> Tables for epidemiologist -> Case-control odd-ratio calculator 42 Bài tập (nhập số liệu) clinic alive care count 1 1 1 1 3 2 1 1 0 4 3 1 0 1 176 4 1 0 0 293 5 2 1 1 17 6 2 1 0 2 7 2 0 1 197 8 2 0 0 23 - Lệnh sử dụng trong STATA cc alive care [weight=count], by(clinic) Trường hợp NC bệnh-chứng có bắt cặp Ví dụ: Trong 1 nghiên cứu về nhắm so sánh nguy cơ bị viêm gan siêu vi ở trẻ có Hội chứng... bình thường, các tác giả đã khảo sát kháng nguyên viêm gan siêu vi ở 196 cặp – được bắt cặp theo loại bệnh, chủng tộc, giới và tuổi lúc nhập viện – th y kết quả như sau: Số cặp Case SH+, Control SH+ 4 Case SH+, Control SH36 Case SH-, Control SH+ 11 Case SH-, Control SH1 45 Bài tập (nhập số liệu) Case_e control_e count 1 1 1 4 2 1 0 36 3 0 1 11 4 0 0 1 45 43 - Lệnh sử dụng trong STATA mcc case_e control_e... [ 95% Conf Interval] -. 056 2601 1988419 1 .54 0 755 4.6 153 41 0692022 2070409 1.629798 7.12787 (exact) Tính với số có sẵn - Tìm lệnh để sử dụng trong STATA Statistics -> Epidemiology and related -> Tables for epidemiologist -> Matched casecontrol odd-ratio calculator 44 45 . Bài 5 NGHIÊN CỨU BỆNH – CHỨNG TS. BS. Tăng Kim Hồng I. GIỚI THIỆU: 1.1 Đònh nghóa: Một nghiên cứu bệnh – chứng (case-control study) là một nghiên cứu trong đó các đối tượng nghiên. các loại nghiên cứu phân tích khác: 1.2.1 Khác với nghiên cứu cắt ngang (cross-sectional study), trong nghiên cứu bệnh – chứng tình trạng tiếp xúc với y u tố nguy cơ và mắc bệnh (hay có vấn. cần nghiên cứu) được đo ở 2 thời điểm khác nhau chứ không đồng thời. 1.2.2 Nghiên cứu bệnh – chứng khác với nghiên cứu cohort (cohort study) ở chỗ: các đối tượng nghiên cứu trong nghiên cứu