Thống kê Sinh học Cơ bản và Lâm sàng, Ấn bản thứ 5 – Basic & Clinical Biostatistics, 5e
Tác giả: Susan White – Nhà xuất bản McGraw-Hill Medical – Biên dịch: Ths.Bs. Lê Đình Sáng
Chương 10: Các Phương pháp Thống kê cho Nhiều Biến số
Statistical Methods for Multiple Variables
NHỮNG KHÁI NIỆM CHÍNH
- Việc lựa chọn các phương pháp thống kê phụ thuộc vào câu hỏi nghiên cứu, các thang đo của biến số, và số lượng biến số cần phân tích.
- Nhiều quy trình thống kê nâng cao có thể được diễn giải như một sự mở rộng hoặc sửa đổi của phân tích hồi quy đa biến.
- Nhiều phương pháp thống kê được sử dụng cho các câu hỏi với một biến độc lập có sự tương đồng trực tiếp với các phương pháp cho nhiều biến độc lập.
- Thuật ngữ “đa biến” (multivariate) được sử dụng khi có nhiều hơn một biến độc lập được phân tích.
- Hồi quy đa biến là một phương pháp đơn giản và lý tưởng để kiểm soát các biến gây nhiễu.
- Các hệ số hồi quy đa biến cho biết mối quan hệ giữa các biến độc lập và biến phụ thuộc là dương hay âm.
- Mã hóa giả (dummy), hay chỉ báo (indicator), được sử dụng khi các biến danh nghĩa được dùng trong hồi quy đa biến.
- Các hệ số hồi quy cho biết mức độ thay đổi của biến phụ thuộc cho mỗi thay đổi một đơn vị ở biến X, trong khi giữ hằng định các biến độc lập khác.
- Hồi quy đa biến chỉ đo lường mối quan hệ tuyến tính.
- Thống kê R đa biến (Multiple R) là chỉ số tốt nhất về mức độ phù hợp của mô hình với dữ liệu—mô hình giải thích được bao nhiêu phần trăm phương sai.
- Có một số phương pháp có thể được sử dụng để lựa chọn các biến trong một hồi quy đa biến.
- Hồi quy đa thức (Polynomial regression) có thể được sử dụng khi mối quan hệ là cong.
- Kiểm định chéo (Cross-validation) cho chúng ta biết mô hình sẽ có khả năng áp dụng như thế nào nếu chúng ta sử dụng nó trên một mẫu đối tượng khác.
- Một quy tắc kinh nghiệm tốt là có số đối tượng gấp mười lần số biến số.
- Phân tích hiệp phương sai (Analysis of covariance) kiểm soát các biến gây nhiễu; nó có thể được sử dụng như một phần của phân tích phương sai hoặc trong hồi quy đa biến.
- Hồi quy logistic (Logistic regression) dự đoán một kết cục danh nghĩa; đây là phương pháp hồi quy được sử dụng rộng rãi nhất trong y học.
- Các hệ số hồi quy trong hồi quy logistic có thể được chuyển đổi để cho ra các tỷ số chênh (odds ratios).
- Mô hình Cox (Cox model) là phương pháp tương tự đa biến của đường cong Kaplan-Meier; nó dự đoán các kết cục phụ thuộc thời gian khi có các quan sát bị kiểm duyệt.
- Mô hình Cox còn được gọi là mô hình nguy cơ tỷ lệ thuận (proportional hazard model); đây là một trong những phương pháp thống kê quan trọng nhất trong y học.
- Phân tích tổng hợp (Meta-analysis) cung cấp một cách để kết hợp các kết quả từ nhiều nghiên cứu một cách định lượng và đặc biệt hữu ích khi các nghiên cứu đi đến kết luận trái ngược nhau hoặc dựa trên các mẫu nhỏ.
- Kích thước ảnh hưởng (Effect size) là một thước đo về độ lớn của sự khác biệt giữa hai nhóm; đây là một khái niệm hữu ích trong việc ước tính cỡ mẫu.
- Bộ sưu tập Cochrane (Cochrane Collection) là một tập hợp các phân tích tổng hợp được thiết kế rất tốt và có sẵn tại các thư viện và trực tuyến.
- Có một số phương pháp khả dụng khi mục tiêu là phân loại các đối tượng vào các nhóm.
- Phân tích phương sai đa biến (Multivariate analysis of variance – MANOVA), tương tự như việc sử dụng ANOVA khi có nhiều biến phụ thuộc.
|
VẤN ĐỀ MỞ ĐẦU
Vấn đề mở đầu 1
Trong Chương 8, chúng ta đã xem xét nghiên cứu của Neidert và cộng sự (2016), nghiên cứu mối quan hệ giữa các phép đo thành phần cơ thể: hoạt độ DPP-IV huyết tương, mỡ gynoid, BMI, và khối lượng nạc.
Vấn đề mở đầu 2
Shah và cộng sự (2018) đã nghiên cứu các bệnh nhân bị tăng áp phổi (PHTN) để xác định xem tình trạng chức năng tự báo cáo của họ có thể được sử dụng để dự đoán các kết cục sau phẫu thuật hay không. Họ đã sử dụng hồi quy logistic để xác định những bệnh nhân có thể có thời gian nằm viện kéo dài (>7 ngày) dựa trên các chỉ số lâm sàng. Shah và các đồng nghiệp (2018) muốn phát triển một mô hình để giúp nhân viên bệnh viện dự đoán những bệnh nhân bị tăng áp phổi nào có thể có thời gian nằm viện sau phẫu thuật kéo dài.
Vấn đề mở đầu 3
Trong chương trước, chúng ta đã sử dụng dữ liệu từ một nghiên cứu của Lin và cộng sự (2018) để minh họa phương pháp phân tích sống còn Kaplan-Meier. Các nhà điều tra đã nghiên cứu hai phương pháp điều trị ung thư ruột kết di căn. Vui lòng tham khảo Chương 9 để biết thêm chi tiết.
MỤC ĐÍCH CỦA CHƯƠNG
Mục đích của chương này là trình bày một khung khái niệm áp dụng cho hầu hết tất cả các quy trình thống kê đã được thảo luận cho đến nay trong tài liệu này. Chúng tôi cũng mô tả một số kỹ thuật nâng cao hơn được sử dụng trong y học.
Một Khung Khái niệm
Các chương trước đã minh họa các kỹ thuật thống kê phù hợp khi số lượng quan sát trên mỗi đối tượng trong một nghiên cứu bị hạn chế. Ví dụ, phép kiểm t được sử dụng khi hai nhóm đối tượng được nghiên cứu và thước đo quan tâm là một biến số định lượng duy nhất—như trong Vấn đề mở đầu 1 ở Chương 6, thảo luận về sự khác biệt trong mức độ kích hoạt tự quản lý ở các đối tượng có và không có bệnh mãn tính (Bos-Touwen và cộng sự, 2015). Khi kết cục quan tâm là danh nghĩa, phép kiểm chi-bình phương có thể được sử dụng—như nghiên cứu của Anderson và cộng sự (2018) về vắc-xin cúm (Chương 6, Vấn đề mở đầu 3). Phân tích hồi quy được sử dụng để dự đoán một thước đo định lượng từ một thước đo khác, như trong nghiên cứu dự đoán tỷ lệ phần trăm mỡ cơ thể (Neidert và cộng sự, 2016; Chương 8, Vấn đề mở đầu 1).
🔒
Vui lòng đăng nhập để xem toàn bộ nội dung
Tài khoản thành viên cho phép tiếp cận đầy đủ mọi nội dung sẵn có trên website yhoclamsang.net, "Uptodate phiên bản tiếng Việt" cập nhật 24/7, sẵn sàng mọi lúc, mọi nơi.
Đặt lại mật khẩu
Nhập tên đăng nhập hoặc email đã đăng ký. Hệ thống sẽ gửi liên kết đặt lại mật khẩu nếu thông tin khớp.
Hỗ trợ: Hotline 0888.016.016
ĐĂNG NHẬP THÀNH VIÊN
Tiếp tục với tài khoản của bạn
Chỉ cần đăng nhập để tiếp tục đọc đầy đủ bài viết.
ĐỌC THỬ 
ĐỌC THỬ 
ĐỌC THỬ 
ĐỌC THỬ