Thống kê Sinh học Cơ bản và Lâm sàng, Ấn bản thứ 5. Chương 10: Các Phương pháp Thống kê cho Nhiều Biến số (Thống kê Đa biến)

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

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).

Ngoài ra, mỗi ví dụ này có thể được xem xét về mặt khái niệm như là bao gồm một tập hợp các đối tượng với hai quan sát trên mỗi đối tượng: (1) đối với phép kiểm t, một biến định lượng, điểm kích hoạt, và một biến danh nghĩa (hoặc tư cách thành viên nhóm), bệnh tiểu đường loại II; (2) đối với phép kiểm chi-bình phương, hai biến danh nghĩa, vắc-xin cúm và chẩn đoán cúm sau khi có triệu chứng; (3) đối với hồi quy, hai biến định lượng, tỷ lệ phần trăm mỡ cơ thể và chỉ số khối cơ thể. Việc nhìn nhận các câu hỏi nghiên cứu từ góc độ này là có lợi vì các ý tưởng tương tự như các tình huống có nhiều biến số được bao gồm trong một nghiên cứu.

Để thực hành việc xem xét các câu hỏi nghiên cứu từ một góc độ khái niệm, chúng ta hãy xem lại Vấn đề mở đầu 1 trong Chương 7 của Dysangco và cộng sự (2017). Mục tiêu là để xác định xem có sự khác biệt về HCL-C ở những bệnh nhân HIV-, HIV+ có ART, và HIV+ không có ART hay không. Câu hỏi nghiên cứu trong nghiên cứu này có thể được xem là bao gồm một tập hợp các đối tượng với hai quan sát trên mỗi đối tượng: một biến định lượng, HDL-C, và một biến danh nghĩa (hoặc tư cách thành viên nhóm), tình trạng HIV, với ba loại. Nếu chỉ có hai loại được bao gồm cho tình trạng HIV, phép kiểm t sẽ được sử dụng. Tuy nhiên, với nhiều hơn hai nhóm, phân tích phương sai một chiều (ANOVA) là phù hợp.

Nhiều vấn đề trong y học có nhiều hơn hai quan sát trên mỗi đối tượng do sự phức tạp trong việc nghiên cứu bệnh tật ở người. Trên thực tế, nhiều vấn đề mở đầu được sử dụng trong tài liệu này có nhiều quan sát, mặc dù chúng tôi đã chọn đơn giản hóa các vấn đề bằng cách chỉ kiểm tra các biến số được chọn. Một phương pháp liên quan đến nhiều hơn hai quan sát trên mỗi đối tượng đã được thảo luận: ANOVA hai chiều. Nhớ lại rằng trong Vấn đề mở đầu 2 ở Chương 7, các hoạt động sinh hoạt hàng ngày (ADL) đã được kiểm tra ở các mức độ suy giảm nhận thức và giới tính khác nhau (Cornelis và cộng sự, 2017). Đối với phân tích này, các nhà điều tra đã phân loại các đối tượng theo hai biến danh nghĩa của suy giảm nhận thức—bệnh Alzheimer (AD) so với suy giảm nhận thức nhẹ (MCI) và giới tính—và một biến định lượng, chức năng ADL (i-ADL-CDI). Nếu thuật ngữ biến độc lập được sử dụng để chỉ các biến tư cách thành viên nhóm (ví dụ, AD hoặc MCI), hoặc biến X (ví dụ, huyết áp đo bằng thiết bị ngón tay), và thuật ngữ phụ thuộc được sử dụng để chỉ các biến có trung bình được so sánh (ví dụ, i-ADL-CDI), hoặc biến Y (ví dụ, huyết áp đo bằng thiết bị băng quấn), các quan sát có thể được tóm tắt như trong Bảng 10-1. (Để đơn giản, bản tóm tắt này bỏ qua các biến thứ tự; các biến được đo trên thang thứ tự thường được coi như là danh nghĩa.)

Bảng 10-1. Tóm tắt khung khái niệm cho các câu hỏi liên quan đến hai biến.

GIỚI THIỆU CÁC PHƯƠNG PHÁP CHO NHIỀU BIẾN SỐ

Các kỹ thuật thống kê liên quan đến nhiều biến số ngày càng được sử dụng nhiều trong nghiên cứu y học, và một số trong số chúng được minh họa trong chương này. Mô hình hồi quy đa biến, trong đó một số biến độc lập được sử dụng để giải thích hoặc dự đoán các giá trị của một biến phản hồi định lượng duy nhất, được trình bày đầu tiên, một phần vì nó là một sự mở rộng tự nhiên của mô hình hồi quy cho một biến độc lập được minh họa trong Chương 8. Tuy nhiên, quan trọng hơn, tất cả các phương pháp nâng cao khác ngoại trừ phân tích tổng hợp đều có thể được xem như là các sửa đổi hoặc mở rộng của mô hình hồi quy đa biến. Tất cả ngoại trừ phân tích tổng hợp đều liên quan đến nhiều hơn hai quan sát biến độc lập trên mỗi đối tượng và quan tâm đến việc giải thích hoặc dự đoán.

Mục tiêu trong chương này là trình bày logic của các phương pháp khác nhau được liệt kê trong Bảng 10-2 và minh họa cách chúng được sử dụng và diễn giải trong nghiên cứu y học.

Bảng 10-2. Tóm tắt khung khái niệm cho các câu hỏi liên quan đến hai hoặc nhiều biến độc lập (giải thích).

Trước khi chúng ta xem xét các phương pháp nâng cao, cần có một bình luận về thuật ngữ. Một số nhà thống kê dành riêng thuật ngữ “đa biến” (multivariate) để chỉ các tình huống liên quan đến nhiều hơn một biến phụ thuộc (hoặc phản hồi). Theo định nghĩa chặt chẽ này, hồi quy đa biến và hầu hết các phương pháp khác được thảo luận trong chương này sẽ không được phân loại là các kỹ thuật đa biến. Các nhà thống kê khác, bao gồm cả chúng tôi, cũng sử dụng thuật ngữ này để chỉ các phương pháp kiểm tra tác động đồng thời của nhiều biến độc lập. Theo định nghĩa này, tất cả các kỹ thuật được thảo luận trong chương này (có thể ngoại trừ một số phân tích tổng hợp) đều được phân loại là đa biến.

HỒI QUY ĐA BIẾN

Ôn tập về Hồi quy

Hồi quy tuyến tính đơn (Chương 8) là phương pháp được lựa chọn khi câu hỏi nghiên cứu là dự đoán giá trị của một biến phản hồi (phụ thuộc), ký hiệu là Y, từ một biến giải thích (độc lập) X. Mô hình hồi quy là: $Y = a + bX$