Thống kê Sinh học Cơ bản và Lâm sàng, Ấn bản thứ 5. Chương 13: Đọc Y văn

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 13. ĐỌC Y VĂN
(Reading The Medical Literature)

MỤC ĐÍCH CỦA CHƯƠNG

Chương cuối cùng này có một vài mục đích. Quan trọng nhất, chương này liên kết các khái niệm và kỹ năng đã được trình bày trong các chương trước và áp dụng chúng một cách rất cụ thể vào việc đọc các bài báo trên tạp chí y khoa. Xuyên suốt giáo trình, chúng tôi đã cố gắng minh họa những điểm mạnh và điểm yếu của một số nghiên cứu được thảo luận, nhưng chương này đặc biệt tập trung vào các thuộc tính của một nghiên cứu để cho biết liệu chúng ta, với tư cách là người đọc y văn, có thể tự tin sử dụng kết quả của nghiên cứu đó hay không. Chương bắt đầu bằng một bản tóm tắt ngắn gọn về các loại hình nghiên cứu y khoa chính. Tiếp theo, chúng ta sẽ xem xét chi tiết cấu trúc của một bài báo tạp chí điển hình và thảo luận về nội dung của từng phần—tóm tắt (abstract), giới thiệu, phương pháp, kết quả, bàn luận và kết luận. Trong quá trình xem xét này, chúng tôi cũng chỉ ra những thiếu sót phổ biến, các nguồn sai lệch (bias) và các yếu tố đe dọa đến tính hợp lệ của nghiên cứu.

Các bác sĩ lâm sàng đọc y văn vì nhiều lý do khác nhau. Một số bài báo được quan tâm chỉ vì bạn muốn cập nhật những tiến bộ trong một lĩnh vực nào đó. Trong những trường hợp này, bạn có thể quyết định đọc lướt bài báo mà ít quan tâm đến cách nghiên cứu được thiết kế và thực hiện. Trong những trường hợp như vậy, có thể dựa vào các chuyên gia trong lĩnh vực, những người viết các bài tổng quan (review articles) để cung cấp thông tin ở mức độ tương đối bề mặt. Tuy nhiên, vào những dịp khác, bạn muốn biết liệu kết luận của nghiên cứu có hợp lệ hay không, có lẽ để có thể sử dụng chúng trong việc chăm sóc bệnh nhân hoặc lập kế hoạch cho một dự án nghiên cứu. Trong những tình huống này, bạn cần phải đọc và đánh giá bài báo với một con mắt phê bình để phát hiện ra những nghiên cứu được thực hiện kém và đi đến những kết luận không có cơ sở.

Để hỗ trợ người đọc trong việc đánh giá phê bình, chúng tôi trình bày một danh sách kiểm tra (checklist) để đánh giá tính hợp lệ của một bài báo trên tạp chí. Danh sách kiểm tra này ghi chú một số đặc điểm của một bài báo được thiết kế và viết tốt. Danh sách kiểm tra này dựa trên kinh nghiệm của các tác giả phiên bản trước đây với sinh viên y khoa, bác sĩ nội trú, các buổi sinh hoạt câu lạc bộ tạp chí (journal club), và sự tương tác với các đồng nghiệp bác sĩ. Nó cũng phản ánh các ý kiến được trình bày trong một bài báo mô tả cách các biên tập viên tạp chí và các nhà thống kê có thể tương tác để cải thiện chất lượng của các nghiên cứu y khoa được công bố (Marks và cs, 1988). Một số tác giả đã phát hiện ra rằng chỉ một thiểu số các nghiên cứu được công bố đáp ứng được các tiêu chí về tính đầy đủ khoa học. Danh sách kiểm tra này sẽ giúp bạn sử dụng thời gian một cách hiệu quả nhất bằng cách cho phép bạn phân biệt các bài báo hợp lệ với các nghiên cứu được thực hiện kém, để bạn có thể tập trung vào những bài báo hữu ích hơn.

Hai hướng dẫn được công bố gần đây làm tăng sự lạc quan của chúng tôi rằng chất lượng của y văn được công bố sẽ tiếp tục được cải thiện. Hướng dẫn E9 của Hội nghị Quốc tế về Hài hòa hóa (ICH) “Các Nguyên tắc Thống kê cho Thử nghiệm Lâm sàng” (1999) đề cập đến các vấn đề về phương pháp thống kê trong thiết kế, tiến hành, phân tích và đánh giá các thử nghiệm lâm sàng. Việc áp dụng các nguyên tắc này nhằm mục đích tạo điều kiện thuận lợi cho sự chấp nhận chung của các phân tích và kết luận rút ra từ các thử nghiệm lâm sàng.

Ủy ban Quốc tế của các Biên tập viên Tạp chí Y khoa đã công bố “Yêu cầu Thống nhất đối với Bản thảo Gửi cho các Tạp chí Y sinh học” vào năm 1997. Dưới mục Thống kê, tài liệu này nêu rõ:

“Mô tả các phương pháp thống kê đủ chi tiết để cho phép một người đọc có kiến thức và có quyền truy cập vào dữ liệu gốc có thể xác minh các kết quả đã được báo cáo…. Khi dữ liệu được tóm tắt trong phần kết quả, hãy nêu rõ các phương pháp thống kê đã được sử dụng để phân tích chúng.”

Các yêu cầu này cũng khuyến nghị sử dụng khoảng tin cậy và tránh chỉ phụ thuộc vào giá trị p.

TỔNG QUAN VỀ CÁC THIẾT KẾ NGHIÊN CỨU CHÍNH

Chương 2 đã giới thiệu các loại thiết kế nghiên cứu chính được sử dụng trong nghiên cứu y khoa, được phân chia rộng rãi thành các nghiên cứu thực nghiệm (bao gồm thử nghiệm lâm sàng); các nghiên cứu quan sát (thuần tập, bệnh chứng, cắt ngang/khảo sát, chuỗi ca bệnh); và phân tích gộp. Mỗi thiết kế đều có những ưu điểm nhất định so với các thiết kế khác cũng như một số nhược điểm cụ thể; chúng được tóm tắt ngắn gọn trong các đoạn sau đây. (Một cuộc thảo luận chi tiết hơn được trình bày trong Chương 2.)

Thử nghiệm lâm sàng cung cấp bằng chứng mạnh mẽ nhất về mối quan hệ nhân quả vì chúng là các thực nghiệm, và do đó, ít gặp phải các vấn đề hoặc sai lệch nhất. Các thử nghiệm có nhóm chứng được chọn ngẫu nhiên là loại hình nghiên cứu được ưu tiên lựa chọn khi mục tiêu là đánh giá hiệu quả của một phương pháp điều trị hoặc một thủ thuật. Nhược điểm của việc sử dụng thử nghiệm lâm sàng bao gồm chi phí cao và thời gian cần thiết để hoàn thành chúng thường kéo dài.

Nghiên cứu thuần tập là thiết kế nghiên cứu quan sát tốt nhất để điều tra nguyên nhân của một tình trạng, diễn biến của một bệnh, hoặc các yếu tố nguy cơ. Không thể chứng minh được mối quan hệ nhân quả bằng các nghiên cứu thuần tập, vì chúng không bao gồm các can thiệp và không được ngẫu nhiên hóa. Bởi vì chúng là các nghiên cứu dọc (longitudinal), chúng kết hợp trình tự thời gian chính xác để cung cấp bằng chứng mạnh mẽ cho các nguyên nhân và kết quả có thể xảy ra. Ngoài ra, trong các nghiên cứu thuần tập tiến cứu, trái ngược với hồi cứu, các nhà điều tra có thể kiểm soát nhiều nguồn sai lệch. Tất nhiên, nghiên cứu thuần tập cũng có nhược điểm. Nếu chúng mất quá nhiều thời gian để hoàn thành, chúng thường bị suy yếu do sự hao hụt bệnh nhân (patient attrition). Chúng cũng tốn kém để thực hiện nếu bệnh hoặc kết cục là hiếm (do đó cần phải theo dõi một số lượng lớn đối tượng) hoặc cần một thời gian dài để phát triển.

Nghiên cứu bệnh chứng là một cách hiệu quả để nghiên cứu các bệnh hiếm, xem xét các tình trạng cần một thời gian dài để phát triển, hoặc điều tra một giả thuyết sơ bộ. Chúng là các nghiên cứu nhanh nhất và thường ít tốn kém nhất để thiết kế và thực hiện. Tuy nhiên, các nghiên cứu bệnh chứng cũng là loại dễ bị sai lệch nhất, và chúng hoàn toàn phụ thuộc vào các hồ sơ bệnh án chất lượng cao có sẵn. Một vấn đề lớn trong các nghiên cứu bệnh chứng là việc lựa chọn một nhóm chứng phù hợp. Một số nhà thống kê đã khuyến nghị sử dụng hai nhóm chứng: một nhóm tương tự theo một số cách nào đó với các ca bệnh (chẳng hạn như đã nhập viện hoặc được điều trị trong cùng một khoảng thời gian) và một nhóm khác bao gồm các đối tượng khỏe mạnh.

Nghiên cứu cắt ngang và khảo sát là tốt nhất để xác định tình trạng của một bệnh hoặc một tình trạng tại một thời điểm cụ thể; chúng tương tự như các nghiên cứu bệnh chứng ở chỗ tương đối nhanh và ít tốn kém để hoàn thành. Bởi vì các nghiên cứu cắt ngang chỉ cung cấp một “bức ảnh chụp nhanh” tại một thời điểm, chúng có thể dẫn đến các kết luận sai lầm nếu mối quan tâm tập trung vào một bệnh hoặc một quá trình phụ thuộc vào thời gian khác.

Nghiên cứu chuỗi ca bệnh là loại nghiên cứu quan sát yếu nhất và thể hiện một mô tả về các quan sát thường không được lên kế hoạch trước; trên thực tế, nhiều người sẽ không gọi chúng là nghiên cứu. Công dụng chính của chúng là cung cấp những hiểu biết sâu sắc cho các câu hỏi nghiên cứu sẽ được giải quyết bởi các nghiên cứu có kế hoạch sau này.

Các nghiên cứu tập trung vào kết cục (outcomes) có thể là thực nghiệm hoặc quan sát. Các kết cục lâm sàng vẫn là trọng tâm chính, nhưng ngày càng có nhiều sự chú trọng vào các thước đo về tình trạng chức năng và chất lượng cuộc sống. Điều quan trọng là phải sử dụng các phương pháp được thiết kế và đánh giá đúng đắn để thu thập dữ liệu về kết cục. Y học dựa trên bằng chứng sử dụng rất nhiều các nghiên cứu về kết cục.

Phân tích gộp (Meta-analysis) cũng có thể tập trung vào các thử nghiệm lâm sàng hoặc các nghiên cứu quan sát. Phân tích gộp khác với các bài báo tổng quan truyền thống ở chỗ chúng cố gắng đánh giá chất lượng của nghiên cứu và định lượng dữ liệu tóm tắt. Chúng hữu ích khi các bằng chứng có sẵn dựa trên các nghiên cứu có kích thước mẫu nhỏ hoặc khi các nghiên cứu đi đến các kết luận mâu thuẫn. Tuy nhiên, phân tích gộp không thể thay thế cho các thử nghiệm lâm sàng được thiết kế tốt.

PHẦN TÓM TẮT (ABSTRACT) & GIỚI THIỆU CỦA MỘT BÁO CÁO NGHIÊN CỨU

Các bài báo trên tạp chí gần như luôn luôn bao gồm một phần tóm tắt (abstract) của bài báo trước phần thân bài. Hầu hết chúng ta đều có lỗi khi thỉnh thoảng chỉ đọc phần tóm tắt, có lẽ vì chúng ta đang rất vội hoặc chỉ quan tâm sơ qua đến chủ đề. Thói quen này là không khôn ngoan khi điều quan trọng là phải biết liệu các kết luận được nêu trong bài báo có hợp lý hay không và có thể được sử dụng để đưa ra quyết định hay không. Phần này thảo luận về các phần tóm tắt và giới thiệu của một báo cáo nghiên cứu và phác thảo những thông tin mà chúng nên chứa đựng.

Tóm tắt (The Abstract)

Các mục đích chính của phần tóm tắt là (1) cho người đọc biết đủ về bài báo để họ có thể quyết định xem có nên đọc toàn bộ bài báo hay không và (2) xác định trọng tâm của nghiên cứu. Ủy ban Quốc tế của các Biên tập viên Tạp chí Y khoa (2018) đã khuyến nghị rằng phần tóm tắt nên “nêu rõ mục đích của nghiên cứu hoặc điều tra, các quy trình cơ bản (lựa chọn đối tượng nghiên cứu hoặc động vật thí nghiệm; các phương pháp quan sát và phân tích), các phát hiện chính (dữ liệu cụ thể và ý nghĩa thống kê của chúng, nếu có thể) và các kết luận chính.”

Chúng tôi đề nghị đặt hai câu hỏi để quyết định xem có nên đọc bài báo hay không: (1) Nếu nghiên cứu đã được thiết kế và phân tích đúng cách, liệu kết quả có quan trọng và đáng để biết không? (2) Nếu kết quả có ý nghĩa thống kê, liệu độ lớn của sự thay đổi hoặc hiệu ứng có ý nghĩa lâm sàng không; nếu kết quả không có ý nghĩa thống kê, liệu kích thước mẫu có đủ lớn để phát hiện ra một sự khác biệt hoặc hiệu ứng có ý nghĩa không? Nếu câu trả lời cho những câu hỏi này là có, thì việc tiếp tục đọc báo cáo là đáng giá. Các bản tóm tắt có cấu trúc là một điều may mắn cho người đọc bận rộn và thường chứa đủ thông tin để trả lời hai câu hỏi này.

Phần Giới thiệu hoặc Tóm tắt (The Introduction or Abstract)

Trước đây, các chủ đề sau đây đã được thảo luận (hoặc lẽ ra phải được thảo luận) trong phần giới thiệu; tuy nhiên, với sự ra đời của bản tóm tắt có cấu trúc, nhiều chủ đề trong số này hiện được đề cập trực tiếp trong phần đó. Vấn đề quan trọng là thông tin phải có sẵn và dễ dàng xác định.

Lý do thực hiện nghiên cứu (Reason for the Study)

Phần giới thiệu của một báo cáo nghiên cứu thường khá ngắn. Nói chung, các tác giả đề cập ngắn gọn đến các nghiên cứu trước đây chỉ ra sự cần thiết của nghiên cứu hiện tại. Trong một số tình huống, nghiên cứu là một sự phát triển tự nhiên hoặc là bước logic tiếp theo của các nghiên cứu trước đó. Trong các trường hợp khác, các nghiên cứu trước đây đã không đầy đủ theo một cách nào đó. Mục đích tổng thể của thông tin này là hai mặt: cung cấp thông tin nền tảng cần thiết để đặt nghiên cứu hiện tại vào bối cảnh phù hợp và cung cấp lý do để thực hiện nghiên cứu hiện tại. Trong một số tạp chí, lý do chính cho nghiên cứu được đưa ra trong phần bàn luận của bài báo thay vì trong phần giới thiệu.

Mục đích của nghiên cứu (Purpose of the Study)

Bất kể vị trí của thông tin nền tảng về nghiên cứu, phần giới thiệu là nơi các nhà điều tra truyền đạt mục đích của nghiên cứu của họ. Mục đích của nghiên cứu thường được trình bày trong đoạn cuối cùng hoặc các câu cuối cùng ở cuối phần giới thiệu. Mục đích cần được nêu rõ ràng và ngắn gọn, theo cách tương tự như một bản tóm tắt 15 giây về một ca bệnh. Ví dụ, trong nghiên cứu được mô tả trong Chương 10, Shah và các đồng nghiệp (2018) đã làm điều này rất tốt; họ đã nêu mục tiêu của mình như sau:

“Chúng tôi đã phân tích liệu khả năng gắng sức tự báo cáo có dự đoán được các kết cục (thời gian nằm viện [LOS], tỷ lệ tử vong và bệnh tật) ở bệnh nhân tăng áp phổi (PHTN) (Phân loại WHO I-V) trải qua gây mê và phẫu thuật hay không.”

Tuyên bố này truyền đạt một cách ngắn gọn quần thể quan tâm (bệnh nhân PHTN), trọng tâm của nghiên cứu hoặc biến độc lập (khả năng gắng sức tự báo cáo), và kết cục (thời gian nằm viện, tỷ lệ tử vong và bệnh tật). Với tư cách là người đọc, chúng ta phải có khả năng xác định xem mục đích của nghiên cứu đã được hình thành trước khi thu thập dữ liệu hay nó đã phát triển sau khi các tác giả xem xét dữ liệu của họ; tình huống thứ hai có nhiều khả năng tận dụng các phát hiện tình cờ hơn. Việc thiếu một câu hỏi nghiên cứu được nêu rõ ràng là lý do phổ biến nhất khiến các bản thảo y khoa bị các biên tập viên tạp chí từ chối (Springer, 2019).

Quần thể được đưa vào nghiên cứu (Population Included in the Study)

Ngoài việc nêu mục đích của nghiên cứu, phần tóm tắt có cấu trúc hoặc phần giới thiệu có thể bao gồm thông tin về địa điểm, khoảng thời gian và đối tượng của nghiên cứu. Ngoài ra, thông tin này có thể được chứa trong phần phương pháp. Thông tin này giúp người đọc quyết định xem địa điểm của nghiên cứu và loại đối tượng được đưa vào nghiên cứu có áp dụng được trong môi trường thực hành của chính người đọc hay không.

Thời gian mà một nghiên cứu bao quát cung cấp những manh mối quan trọng về tính hợp lệ của kết quả. Nếu nghiên cứu về một liệu pháp cụ thể bao gồm một khoảng thời gian quá dài, những bệnh nhân tham gia vào đầu nghiên cứu có thể khác biệt theo những cách quan trọng so với những người tham gia vào cuối nghiên cứu. Ví dụ, có thể đã có những thay đổi lớn trong cách chẩn đoán căn bệnh được đề cập, và những bệnh nhân tham gia vào gần cuối nghiên cứu có thể đã được chẩn đoán bệnh ở giai đoạn sớm hơn so với những bệnh nhân tham gia vào đầu nghiên cứu (xem sai lệch phát hiện, trong phần có tiêu đề đó). Nếu mục đích của nghiên cứu là để xem xét các di chứng của một tình trạng hoặc thủ thuật, khoảng thời gian mà nghiên cứu bao quát phải đủ dài để phát hiện ra các hậu quả.

PHẦN PHƯƠNG PHÁP CỦA MỘT BÁO CÁO NGHIÊN CỨU

Phần phương pháp chứa thông tin về cách nghiên cứu được thực hiện. Chỉ cần biết thiết kế nghiên cứu đã cung cấp rất nhiều thông tin, và thông tin này thường được đưa ra trong một bản tóm tắt có cấu trúc. Ngoài ra, phần phương pháp chứa thông tin liên quan đến các đối tượng đã tham gia vào nghiên cứu hoặc, trong các nghiên cứu trên động vật hoặc vật vô tri, thông tin về các loài động vật hoặc vật liệu. Các quy trình được sử dụng cần được mô tả đủ chi tiết để người đọc biết các phép đo được thực hiện như thế nào. Nếu các phương pháp là mới lạ hoặc đòi hỏi sự diễn giải, thông tin cần được cung cấp về độ tin cậy của các đánh giá. Các kết cục nghiên cứu cần được xác định rõ cùng với các tiêu chí được sử dụng để đánh giá chúng. Phần phương pháp cũng nên bao gồm thông tin về kích thước mẫu cho nghiên cứu và về các phương pháp thống kê được sử dụng để phân tích dữ liệu; thông tin này thường được đặt ở cuối phần phương pháp. Mỗi chủ đề này sẽ được thảo luận chi tiết trong phần này.

Việc nghiên cứu được thiết kế tốt đến đâu là vô cùng quan trọng. Các lỗi thống kê nghiêm trọng nhất, theo một nhà tư vấn thống kê cho Tạp chí Y học New England, liên quan đến thiết kế nghiên cứu không phù hợp: “Trong khi người ta có thể sửa chữa các kỹ thuật phân tích không chính xác bằng một phân tích lại đơn giản dữ liệu, một lỗi trong thiết kế nghiên cứu gần như luôn luôn là chí mạng đối với nghiên cứu—người ta không thể sửa chữa nó sau khi đã thu thập dữ liệu” (Marks và cs, 1988, tr. 1004). Nhiều tiến bộ thống kê đã xảy ra trong những năm gần đây, đặc biệt là trong các phương pháp được sử dụng để thiết kế, tiến hành và phân tích các thử nghiệm lâm sàng, và các nhà điều tra nên đưa ra bằng chứng rằng họ đã nhận được lời khuyên của chuyên gia.

Đối tượng trong nghiên cứu

Điều quan trọng hàng đầu là cách các bệnh nhân được lựa chọn cho nghiên cứu và, nếu nghiên cứu là một thử nghiệm lâm sàng, cách phân bổ điều trị đã được thực hiện. Việc lựa chọn hoặc phân bổ ngẫu nhiên giúp tăng cường đáng kể khả năng khái quát hóa của kết quả và tránh được các sai lệch có thể xảy ra trong việc lựa chọn bệnh nhân (xem phần có tiêu đề, “Sai lệch liên quan đến lựa chọn đối tượng.”). Một số tác giả tin rằng chỉ cần nêu rằng các đối tượng đã được lựa chọn ngẫu nhiên hoặc các phương pháp điều trị đã được phân bổ ngẫu nhiên là đủ, nhưng hầu hết các nhà thống kê đều khuyến nghị rằng loại quy trình ngẫu nhiên hóa cũng cần được nêu rõ. Các tác giả báo cáo các phương pháp ngẫu nhiên hóa cung cấp một số đảm bảo rằng việc ngẫu nhiên hóa đã thực sự xảy ra, bởi vì một số nhà điều tra có một cái nhìn sai lầm về những gì cấu thành nên sự ngẫu nhiên hóa. Ví dụ, một nhà điều tra có thể tin rằng việc phân bổ bệnh nhân vào nhóm điều trị và nhóm chứng vào các ngày xen kẽ làm cho việc phân bổ trở nên ngẫu nhiên. Tuy nhiên, như chúng tôi đã nhấn mạnh trong Chương 4, ngẫu nhiên hóa bao gồm một trong những phương pháp chính xác đảm bảo rằng mỗi đối tượng (hoặc phương pháp điều trị) có một xác suất đã biết để được lựa chọn.

Tiêu chí lựa chọn (Eligibility Criteria)

Các tác giả nên trình bày thông tin để minh họa rằng các sai lệch lựa chọn chính (được thảo luận trong phần có tiêu đề, “Sai lệch liên quan đến lựa chọn đối tượng.”) đã được tránh, một khía cạnh đặc biệt quan trọng trong các thử nghiệm không ngẫu nhiên. Vấn đề bệnh nhân nào đóng vai trò là nhóm chứng đã được thảo luận trong Chương 2 trong bối cảnh các nghiên cứu bệnh chứng. Ngoài ra, các tiêu chí lựa chọn để bao gồm và loại trừ các đối tượng trong nghiên cứu phải được nêu rõ chi tiết. Chúng ta phải có khả năng nêu rõ, với bất kỳ đối tượng giả định nào, liệu người này sẽ được đưa vào hay loại trừ khỏi nghiên cứu. Cai và các đồng nghiệp (2014) đã cung cấp thông tin sau đây về các bệnh nhân được đưa vào nghiên cứu của họ:

“Các tiêu chí loại trừ bao gồm thay khớp háng bán phần, thay khớp gối một khoang, thay khớp toàn phần (TJA) để điều trị gãy xương, TJA chuyển đổi, và TJA sửa lại.”

Theo dõi bệnh nhân (Patient Follow-up)

Vì những lý do tương tự, cần phải cung cấp đủ thông tin về các quy trình mà các nhà điều tra đã sử dụng để theo dõi bệnh nhân, và họ nên nêu rõ số lượng bệnh nhân bị mất theo dõi. Một số bài báo bao gồm thông tin này trong phần kết quả thay vì trong phần phương pháp.

Mô tả về việc theo dõi và những người bỏ cuộc nên đủ chi tiết để cho phép người đọc vẽ một sơ đồ thông tin. Đôi khi, một bài báo trình bày một sơ đồ như vậy, như đã được thực hiện bởi Bos-Touwen và các đồng nghiệp (2015) trong nghiên cứu của họ về sự chủ động của bệnh nhân, được sao chép trong Hình 13-1. Một sơ đồ như vậy làm rõ số lượng bệnh nhân đủ điều kiện, những người không đủ điều kiện vì những lý do cụ thể, những người bỏ cuộc, v.v.

Hình 13-1. Lưu đồ của các đối tượng qua các giai đoạn của nghiên cứu. (Dữ liệu từ Bos-Touwen I, Schuurmans M, Monninkhof EM, và cs: Các đặc điểm của bệnh nhân và bệnh liên quan đến sự chủ động tự quản lý ở bệnh nhân tiểu đường, bệnh phổi tắc nghẽn mạn tính, suy tim mạn tính và bệnh thận mạn tính: một nghiên cứu khảo sát cắt ngang, PLoS One. 2015 ngày 7 tháng 5;10(5):e0126400.)

Sai lệch liên quan đến lựa chọn đối tượng

Sai lệch trong các nghiên cứu không nên xảy ra; đó là một lỗi liên quan đến việc lựa chọn đối tượng hoặc quy trình hoặc đến việc đo lường một đặc điểm. Sai lệch đôi khi được gọi là sai số đo lường hoặc sai số hệ thống để phân biệt chúng với sai số ngẫu nhiên (biến thiên ngẫu nhiên), xảy ra bất cứ khi nào một mẫu được chọn từ một quần thể. Phần này thảo luận về sai lệch lựa chọn, một loại sai lệch phổ biến trong nghiên cứu y khoa.

Sai lệch lựa chọn có thể xảy ra trong bất kỳ nghiên cứu nào, nhưng chúng dễ kiểm soát hơn trong các thử nghiệm lâm sàng và thiết kế thuần tập. Điều quan trọng là phải nhận thức được các sai lệch lựa chọn, mặc dù không phải lúc nào cũng có thể dự đoán chính xác sự hiện diện của chúng ảnh hưởng đến kết luận như thế nào. Sackett (1979) đã liệt kê 35 loại sai lệch khác nhau. Chúng tôi thảo luận về một số loại chính dường như đặc biệt quan trọng đối với bác sĩ lâm sàng. Nếu bạn quan tâm đến một cuộc thảo luận chi tiết hơn, hãy tham khảo bài báo của Sackett và giáo trình của Feinstein (1985), trong đó dành nhiều chương để thảo luận về sai lệch (đặc biệt là Chương 4, trong phần có tiêu đề “Ý nghĩa của thuật ngữ Xác suất,” và Chương 15-17).

Sai lệch do tỷ lệ hiện mắc hoặc tỷ lệ mới mắc (Prevalence or Incidence Bias)

Sai lệch do tỷ lệ hiện mắc xảy ra khi một tình trạng được đặc trưng bởi các ca tử vong sớm (một số đối tượng chết trước khi họ được chẩn đoán) hoặc các ca bệnh im lặng (các ca bệnh trong đó bằng chứng về phơi nhiễm biến mất khi bệnh bắt đầu). Sai lệch do tỷ lệ hiện mắc có thể xảy ra bất cứ khi nào có một khoảng cách thời gian giữa phơi nhiễm và việc lựa chọn các đối tượng nghiên cứu và các trường hợp xấu nhất đã tử vong. Một nghiên cứu thuần tập được bắt đầu trước khi bệnh khởi phát có thể phát hiện các trường hợp mắc bệnh một cách chính xác, nhưng một nghiên cứu bệnh chứng bắt đầu vào một ngày sau đó chỉ bao gồm những người không tử vong. Sai lệch này có thể được ngăn chặn trong các nghiên cứu thuần tập và tránh được trong các nghiên cứu bệnh chứng bằng cách giới hạn việc đủ điều kiện tham gia nghiên cứu cho các trường hợp mới được chẩn đoán hoặc các trường hợp mới mắc. Thực hành giới hạn tiêu chuẩn lựa chọn này là phổ biến trong các nghiên cứu bệnh chứng dựa trên quần thể trong dịch tễ học ung thư.

Để minh họa sai lệch do tỷ lệ hiện mắc hoặc tỷ lệ mới mắc, giả sử rằng hai nhóm người đang được nghiên cứu: những người có yếu tố nguy cơ cho một bệnh nhất định (ví dụ, tăng huyết áp là một yếu tố nguy cơ cho đột quỵ) và những người không có yếu tố nguy cơ. Giả sử 1.000 người bị tăng huyết áp và 1.000 người không bị tăng huyết áp đã được theo dõi trong 10 năm. Tại thời điểm này, chúng ta có thể có tình huống được thể hiện trong Bảng 13-1.

Bảng 13-1. Minh họa sai lệch do tỷ lệ hiện mắc: Tình hình thực tế.

Một nghiên cứu thuần tập bắt đầu từ 10 năm trước sẽ kết luận một cách chính xác rằng bệnh nhân bị tăng huyết áp có nhiều khả năng phát triển bệnh mạch máu não hơn bệnh nhân không bị tăng huyết áp (300 so với 100) và có nhiều khả năng tử vong vì nó hơn (250 so với 20).

Tuy nhiên, giả sử một nghiên cứu bệnh chứng được thực hiện vào cuối giai đoạn 10 năm mà không giới hạn tiêu chuẩn lựa chọn cho các trường hợp mới được chẩn đoán mắc bệnh mạch máu não. Khi đó, tình huống được minh họa trong Bảng 13-2 sẽ xảy ra.

Bảng 13-2. Minh họa sai lệch do tỷ lệ hiện mắc: Kết quả với thiết kế bệnh chứng.

Tỷ số chênh (odds ratio) được tính là $(50\times 900)/(80\times 700)=0.80$, làm cho có vẻ như tăng huyết áp thực sự là một yếu tố bảo vệ cho căn bệnh này! Sai lệch được đưa vào trong một nghiên cứu bệnh chứng được thiết kế không đúng cách về một căn bệnh giết chết một nhóm nhanh hơn nhóm kia có thể dẫn đến một kết luận hoàn toàn trái ngược với kết luận đúng đắn có thể thu được từ một nghiên cứu bệnh chứng được thiết kế tốt hoặc một nghiên cứu thuần tập.

Sai lệch do tỷ lệ nhập viện (Admission Rate Bias)

Sai lệch do tỷ lệ nhập viện (ngụy biện Berkson) xảy ra khi tỷ lệ nhập viện của các nhóm nghiên cứu khác nhau, gây ra sự sai lệch lớn trong các tỷ số nguy cơ (risk ratios). Ví dụ, sai lệch do tỷ lệ nhập viện có thể xảy ra trong các nghiên cứu về bệnh nhân nhập viện khi bệnh nhân (ca bệnh) có yếu tố nguy cơ được nhập viện thường xuyên hơn so với các ca bệnh không có yếu tố nguy cơ hoặc nhóm chứng có yếu tố nguy cơ.

Ngụy biện này lần đầu tiên được Berkson (1946) chỉ ra khi đánh giá một nghiên cứu trước đó đã kết luận rằng bệnh lao có thể có tác dụng bảo vệ đối với ung thư. Kết luận này được đưa ra sau khi một nghiên cứu bệnh chứng tìm thấy một mối liên quan nghịch giữa bệnh lao và ung thư: tần suất mắc bệnh lao ở bệnh nhân ung thư nhập viện thấp hơn tần suất mắc bệnh lao ở nhóm chứng nhập viện không mắc ung thư. Những kết quả trái với trực giác này xảy ra bởi vì một tỷ lệ nhỏ hơn bệnh nhân mắc cả ung thư và lao được nhập viện và do đó có sẵn để được chọn làm ca bệnh trong nghiên cứu; có khả năng là bệnh nhân mắc cả hai bệnh có nhiều khả năng tử vong hơn bệnh nhân chỉ mắc ung thư hoặc chỉ mắc lao.

Điều quan trọng là phải nhận thức được sai lệch do tỷ lệ nhập viện vì nhiều nghiên cứu bệnh chứng được báo cáo trong y văn sử dụng bệnh nhân nhập viện làm nguồn cho cả ca bệnh và nhóm chứng. Cách duy nhất để kiểm soát sai lệch này là bao gồm một nhóm chứng không thiên vị, cách tốt nhất để thực hiện điều này là chọn nhóm chứng từ nhiều loại bệnh khác nhau hoặc từ một quần thể đối tượng khỏe mạnh. Một số nhà thống kê đề nghị sử dụng hai nhóm chứng trong các nghiên cứu mà sai lệch do nhập viện là một vấn đề tiềm ẩn.

Sai lệch do không phản hồi và Hiệu ứng tình nguyện (Nonresponse Bias and the Volunteer Effect)

Một số bước được thảo luận trong Chương 11 có thể được thực hiện để giảm sai lệch tiềm ẩn khi các đối tượng không trả lời một cuộc khảo sát. Sai lệch xảy ra khi bệnh nhân tình nguyện hoặc từ chối tham gia vào các nghiên cứu tương tự như sai lệch do không phản hồi. Hiệu ứng này đã được nghiên cứu trong các thử nghiệm vắc-xin bại liệt Salk trên toàn quốc vào năm 1954 bằng cách sử dụng hai thiết kế nghiên cứu khác nhau để đánh giá hiệu quả của vắc-xin (Meier, 1989). Ở một số cộng đồng, trẻ em được phân bổ ngẫu nhiên để nhận vắc-xin hoặc một mũi tiêm giả dược. Tuy nhiên, một số cộng đồng đã từ chối tham gia vào một thử nghiệm ngẫu nhiên; thay vào đó, họ đồng ý rằng học sinh lớp hai có thể được tiêm vắc-xin và học sinh lớp một và lớp ba có thể tạo thành nhóm chứng. Trong phân tích dữ liệu, các nhà nghiên cứu phát hiện ra rằng các gia đình tình nguyện cho con mình tham gia vào nghiên cứu không ngẫu nhiên có xu hướng được giáo dục tốt hơn và có thu nhập cao hơn so với các gia đình từ chối tham gia. Họ cũng có xu hướng nghỉ học với tần suất cao hơn so với những người không tham gia.

Mặc dù trong ví dụ này, chúng ta có thể đoán được việc nghỉ học có thể làm sai lệch kết quả như thế nào, nhưng không phải lúc nào cũng dễ dàng xác định được sai lệch lựa chọn ảnh hưởng đến kết quả của nghiên cứu như thế nào; nó có thể làm cho phương pháp điều trị thử nghiệm có vẻ tốt hơn hoặc tệ hơn so với thực tế. Do đó, các nhà điều tra nên giảm thiểu khả năng sai lệch do không phản hồi càng nhiều càng tốt bằng cách sử dụng mọi phương tiện có thể để tăng tỷ lệ phản hồi và có được sự tham gia của hầu hết các bệnh nhân đủ điều kiện. Sử dụng cơ sở dữ liệu giúp giảm sai lệch phản hồi, nhưng đôi khi các nguồn sai lệch khác vẫn tồn tại, tức là, những lý do mà một nhóm cụ thể hoặc thông tin được chọn bị trình bày thiếu trong cơ sở dữ liệu.

Sai lệch do thành viên (Membership Bias)

Sai lệch do thành viên về cơ bản là một vấn đề của các nhóm đã tồn tại từ trước. Nó cũng phát sinh bởi vì một hoặc nhiều trong số các đặc điểm giống nhau khiến mọi người thuộc về các nhóm có liên quan đến kết cục quan tâm. Ví dụ, các nhà điều tra đã không thể thực hiện một thử nghiệm lâm sàng để kiểm tra tác động của việc hút thuốc; một số nhà nghiên cứu đã cho rằng không phải bản thân việc hút thuốc gây ra ung thư mà là một yếu tố khác chỉ tình cờ phổ biến hơn ở những người hút thuốc. Với tư cách là người đọc y văn, chúng ta cần phải nhận thức được sai lệch do thành viên vì nó không thể được ngăn chặn, và nó làm cho việc nghiên cứu tác động của các yếu tố nguy cơ tiềm ẩn liên quan đến lối sống trở nên rất khó khăn.

Một vấn đề tương tự như sai lệch do thành viên được gọi là hiệu ứng người lao động khỏe mạnh (healthy worker effect); nó đã được công nhận trong dịch tễ học khi những người lao động trong một môi trường nguy hiểm được phát hiện một cách bất ngờ có tỷ lệ sống sót cao hơn so với dân số chung. Sau khi điều tra thêm, nguyên nhân của phát hiện không phù hợp này đã được xác định: Sức khỏe tốt là một điều kiện tiên quyết ở những người được thuê làm việc, nhưng đủ khỏe mạnh để làm việc không phải là một yêu cầu đối với những người trong dân số chung.

Sai lệch do lựa chọn quy trình (Procedure Selection Bias)

Sai lệch do lựa chọn quy trình xảy ra khi việc phân bổ điều trị được thực hiện trên cơ sở các đặc điểm nhất định của bệnh nhân, với kết quả là các nhóm điều trị không thực sự tương tự nhau. Sai lệch này thường xảy ra trong các nghiên cứu không được ngẫu nhiên hóa và đặc biệt là một vấn đề trong các nghiên cứu sử dụng nhóm chứng lịch sử (historical controls). Một ví dụ điển hình là sự so sánh giữa phương pháp phẫu thuật và phương pháp nội khoa đối với một vấn đề như bệnh động mạch vành. Trong các nghiên cứu ban đầu so sánh điều trị phẫu thuật và nội khoa, bệnh nhân không được ngẫu nhiên hóa, và bằng chứng chỉ ra kết luận rằng những bệnh nhân được phẫu thuật khỏe mạnh hơn những người được điều trị nội khoa; tức là, chỉ những bệnh nhân khỏe mạnh hơn mới phải chịu những rủi ro liên quan đến phẫu thuật. Nghiên cứu Phẫu thuật Động mạch Vành (CASS, 1983) được thực hiện một phần để giải quyết những câu hỏi này. Điều quan trọng là phải nhận thức được sai lệch do lựa chọn quy trình vì nhiều nghiên cứu được công bố mô tả một loạt bệnh nhân, một số được điều trị theo cách này và một số theo cách khác, và sau đó tiến hành so sánh và rút ra những kết luận không phù hợp.

Các quy trình được sử dụng trong nghiên cứu và các sai lệch quy trình phổ biến

Thuật ngữ và Phép đo (Terms and Measurements)

Các quy trình được sử dụng trong nghiên cứu cũng được mô tả trong phần phương pháp. Ở đây, các tác giả cung cấp định nghĩa về các thước đo được sử dụng trong nghiên cứu, đặc biệt là bất kỳ định nghĩa hoạt động nào được các nhà điều tra phát triển. Nếu các công cụ hoặc phương pháp bất thường được sử dụng, các tác giả nên cung cấp một tài liệu tham khảo và một mô tả ngắn gọn. Ví dụ, nghiên cứu sàng lọc bạo lực gia đình ở bệnh nhân phòng cấp cứu của Bos-Touwen và các đồng nghiệp (2015) đã định nghĩa cẩn thận biến kết cục chính của họ:

“Kết cục chính là sự chủ động tự quản lý, được đánh giá bằng Thang đo Kích hoạt Bệnh nhân 13 mục (PAM-13). PAM được coi là thước đo chung tốt nhất, vì nó đánh giá kiến thức, kỹ năng và sự tự tin tự báo cáo để tự quản lý bất kể tình trạng mạn tính cơ bản.”

Tạp chí Stroke có thói quen trình bày các từ viết tắt và chữ viết tắt được sử dụng trong bài báo trong một hộp. Điều này làm cho các từ viết tắt trở nên rõ ràng và cũng dễ dàng tham khảo khi đọc các phần khác của bài báo. Ví dụ, khi báo cáo nghiên cứu của họ về rối loạn nhịp thở khi ngủ và đột quỵ, Good và các đồng nghiệp (1996) đã trình bày một danh sách các từ viết tắt ở đầu cột mô tả các đối tượng và phương pháp trong nghiên cứu.

Một số sai lệch có thể xảy ra trong việc đo lường các đặc điểm khác nhau của bệnh nhân và trong các quy trình được sử dụng hoặc đánh giá trong nghiên cứu. Một số sai lệch phổ biến hơn được mô tả trong các tiểu mục sau đây.

Sai lệch quy trình (Procedure Bias)

Sai lệch quy trình, được thảo luận bởi Feinstein (1985), xảy ra khi các nhóm đối tượng không được đối xử theo cùng một cách. Ví dụ, các quy trình được sử dụng trong một cuộc điều tra có thể dẫn đến việc phát hiện các vấn đề khác ở bệnh nhân trong nhóm điều trị và làm cho những vấn đề này có vẻ phổ biến hơn trong nhóm này. Một ví dụ khác, các bệnh nhân trong nhóm điều trị có thể nhận được nhiều sự quan tâm hơn và được theo dõi chặt chẽ hơn so với những người trong một nhóm khác, do đó kích thích sự tuân thủ tốt hơn với phác đồ điều trị. Cách để tránh sai lệch này là thực hiện tất cả các thao tác ngoại trừ yếu tố thử nghiệm theo cùng một cách trong tất cả các nhóm và kiểm tra tất cả các kết cục bằng cách sử dụng các quy trình và tiêu chí tương tự.

Sai lệch do hồi tưởng (Recall Bias)

Sai lệch do hồi tưởng có thể xảy ra khi bệnh nhân được yêu cầu nhớ lại một số sự kiện nhất định, và các đối tượng trong một nhóm có nhiều khả năng nhớ lại sự kiện đó hơn những người trong nhóm kia. Ví dụ, mọi người thường uống aspirin và vì nhiều lý do, nhưng bệnh nhân được chẩn đoán mắc bệnh loét dạ dày tá tràng có thể nhớ lại việc uống aspirin với độ chính xác cao hơn so với những người không có vấn đề về đường tiêu hóa.

Sai lệch do thước đo không nhạy (Insensitive-Measure Bias)

Các dụng cụ đo lường có thể không thể phát hiện được đặc điểm quan tâm hoặc có thể không được hiệu chuẩn đúng cách. Ví dụ, phim X-quang thông thường là một phương pháp không nhạy để phát hiện loãng xương vì phải mất khoảng 30% khối lượng xương mới có thể phát hiện được trên phim roentgenogram. Các kỹ thuật đo mật độ xương mới hơn nhạy hơn và do đó tránh được sai lệch do thước đo không nhạy.

Sai lệch phát hiện (Detection Bias)

Sai lệch phát hiện có thể xảy ra do một kỹ thuật chẩn đoán mới được giới thiệu có khả năng phát hiện tình trạng quan tâm ở giai đoạn sớm hơn. Thời gian sống sót của bệnh nhân được chẩn đoán bằng quy trình mới dường như dài hơn một cách không phù hợp, chỉ đơn giản là vì tình trạng đó đã được chẩn đoán sớm hơn.

Một hệ quả của sai lệch phát hiện, được gọi là hiện tượng Will Rogers (vì ông chú ý đến các hiện tượng của con người), đã được mô tả bởi Feinstein và các đồng nghiệp (1985). Họ phát hiện ra rằng một nhóm thuần tập các đối tượng bị ung thư phổi được điều trị lần đầu tiên từ năm 1953 đến năm 1954 có tỷ lệ sống sót sau 6 tháng thấp hơn đối với bệnh nhân ở mỗi trong ba giai đoạn chính (khu trú, có hạch, và di căn) cũng như đối với toàn bộ nhóm so với một nhóm thuần tập năm 1977 được điều trị tại cùng các cơ sở. Các quy trình hình ảnh mới hơn đã được sử dụng với nhóm giai đoạn sau; tuy nhiên, theo phân loại chẩn đoán cũ, nhóm này có một sự dịch chuyển thời điểm không có lợi về tiên lượng ở chỗ bệnh của họ được chẩn đoán ở giai đoạn sớm hơn. Ngoài ra, bằng cách phát hiện các di căn trong nhóm năm 1977 mà đã bị bỏ sót trong nhóm trước đó, các phương pháp công nghệ mới đã dẫn đến sự dịch chuyển giai đoạn (stage migration); tức là, các thành viên của nhóm thuần tập năm 1977 được chẩn đoán mắc bệnh ở giai đoạn tiến triển hơn, trong khi họ sẽ được chẩn đoán mắc bệnh ở giai đoạn sớm hơn vào năm 1953 đến 1954. Những cá nhân di chuyển từ nhóm giai đoạn sớm sang nhóm giai đoạn sau có xu hướng có thời gian sống sót kém nhất trong nhóm giai đoạn sớm; do đó, việc loại bỏ họ đã dẫn đến sự gia tăng tỷ lệ sống sót trong nhóm sớm hơn. Đồng thời, những cá nhân này, giờ đây được xếp vào nhóm giai đoạn sau, lại có tình trạng tốt hơn hầu hết các bệnh nhân khác trong nhóm này, và việc bổ sung họ vào nhóm đã dẫn đến sự gia tăng thời gian sống sót trong nhóm giai đoạn sau. Các tác giả đã tuyên bố rằng các nhóm thuần tập năm 1953-1954 và 1977 thực sự có tỷ lệ sống sót tương tự nhau khi bệnh nhân trong nhóm năm 1977 được phân loại theo các tiêu chí sẽ có hiệu lực nếu không có những tiến bộ trong kỹ thuật chẩn đoán.

Sai lệch do tuân thủ (Compliance Bias)

Sai lệch do tuân thủ xảy ra khi bệnh nhân cảm thấy dễ dàng hoặc dễ chịu hơn khi tuân thủ một phương pháp điều trị này hơn là một phương pháp khác. Ví dụ, trong điều trị tăng huyết áp, một so sánh giữa a-methyldopa và hydrochlorothiazide có thể cho thấy kết quả không chính xác vì một số bệnh nhân không dùng a-methyldopa do các tác dụng phụ khó chịu của nó, chẳng hạn như buồn ngủ, mệt mỏi hoặc bất lực ở bệnh nhân nam.

Đánh giá kết cục nghiên cứu

Sự biến thiên trong dữ liệu (Variation in Data)

Trong nhiều phòng khám, một y tá thu thập một số thông tin nhất định về bệnh nhân (ví dụ: chiều cao, cân nặng, ngày sinh, huyết áp, mạch) và ghi lại vào hồ sơ bệnh án trước khi bệnh nhân được bác sĩ khám. Giả sử huyết áp của bệnh nhân được ghi là $140/88$ trên biểu đồ; bác sĩ, đo lại huyết áp của bệnh nhân như một phần của cuộc khám sức khỏe, quan sát thấy một kết quả là $148/96$. Kết quả đo huyết áp nào là đúng? Những yếu tố nào có thể chịu trách nhiệm cho sự khác biệt trong quan sát? Chúng tôi sử dụng huyết áp và các thông tin lâm sàng khác để kiểm tra các nguồn biến thiên trong dữ liệu và các cách để đo lường độ tin cậy của các quan sát. Hai bài báo kinh điển trên Tạp chí Hiệp hội Y khoa Canada (Trung tâm Khoa học Sức khỏe Đại học McMaster, Khoa Dịch tễ học Lâm sàng và Thống kê Sinh học, 1980a; 1980b) thảo luận về các nguồn bất đồng lâm sàng và các cách để giảm thiểu sự bất đồng.

Các yếu tố góp phần vào sự biến thiên trong các quan sát lâm sàng

Sự biến thiên, hay sự thay đổi trong các phép đo trên cùng một đối tượng, trong các quan sát và phép đo lâm sàng có thể được phân loại thành ba loại: (1) sự biến thiên trong đặc điểm đang được đo, (2) sự biến thiên do người khám gây ra, và (3) sự biến thiên do dụng cụ hoặc phương pháp được sử dụng. Điều đặc biệt quan trọng là phải kiểm soát sự biến thiên do hai yếu tố sau càng nhiều càng tốt để các kết quả được báo cáo sẽ có thể khái quát hóa như dự định.

Sự biến thiên đáng kể có thể xảy ra trong việc đo lường các đặc điểm sinh học. Ví dụ, huyết áp của một người không giống nhau từ thời điểm này sang thời điểm khác, và do đó các giá trị huyết áp thay đổi. Mô tả của bệnh nhân về các triệu chứng cho hai bác sĩ khác nhau có thể khác nhau vì bệnh nhân có thể quên điều gì đó. Thuốc men và bệnh tật cũng có thể ảnh hưởng đến cách bệnh nhân hành xử và những thông tin họ nhớ để nói với y tá hoặc bác sĩ.

Ngay cả khi không có sự thay đổi nào ở đối tượng, các nhà quan sát khác nhau có thể báo cáo các phép đo khác nhau. Khi việc kiểm tra một đặc điểm đòi hỏi thị lực, chẳng hạn như việc đọc trên máy đo huyết áp hoặc các đặc điểm trên phim X-quang, sự khác biệt có thể là kết quả của khả năng thị giác khác nhau của các nhà quan sát. Những khác biệt như vậy cũng có thể đóng một vai trò khi cần đến thính giác (phát hiện tiếng tim) hoặc cảm giác (sờ nắn các cơ quan nội tạng). Một số cá nhân đơn giản là có kỹ năng hơn những người khác trong việc lấy bệnh sử hoặc thực hiện một số cuộc khám nhất định.

Sự biến thiên cũng xảy ra khi đặc điểm được đo là một thuộc tính hành vi. Hai ví dụ là các phép đo về tình trạng chức năng và các phép đo về cơn đau; ở đây, thành phần bổ sung của sự diễn giải của bệnh nhân hoặc người quan sát có thể làm tăng sự biến thiên rõ rệt. Ngoài ra, các nhà quan sát có thể có xu hướng quan sát và ghi lại những gì họ mong đợi dựa trên các thông tin khác về bệnh nhân. Những yếu tố này chỉ ra sự cần thiết của một quy trình chuẩn hóa để thu thập dữ liệu.

Dụng cụ được sử dụng trong cuộc khám có thể là một nguồn biến thiên khác. Ví dụ, máy đo huyết áp cột thủy ngân vốn ít biến thiên hơn các mẫu đồng hồ. Ngoài ra, môi trường diễn ra cuộc khám, bao gồm ánh sáng và mức độ tiếng ồn, sự hiện diện của những người khác và nhiệt độ phòng, có thể tạo ra sự khác biệt rõ rệt. Các phương pháp đo lường các đặc điểm liên quan đến hành vi như tình trạng chức năng hoặc cơn đau thường bao gồm một bộ câu hỏi do bệnh nhân trả lời và do đó không chính xác bằng các dụng cụ đo lường các đặc điểm thể chất.

Một số bước có thể được thực hiện để giảm sự biến thiên. Lấy bệnh sử khi bệnh nhân bình tĩnh và không dùng thuốc liều cao và kiểm tra với các thành viên gia đình khi bệnh nhân mất khả năng là những việc hữu ích để giảm thiểu các lỗi do bệnh tật của bệnh nhân hoặc tác dụng của thuốc. Thu thập thông tin và thực hiện các quan sát trong một môi trường thích hợp cũng là một chiến lược tốt. Nhận ra điểm mạnh và điểm yếu của chính mình giúp một người đánh giá nhu cầu về các ý kiến khác. Đánh giá mù, đặc biệt là đối với các đặc điểm chủ quan, giúp phòng ngừa các lỗi do định kiến. Lặp lại các khía cạnh đáng ngờ của cuộc khám hoặc yêu cầu một đồng nghiệp thực hiện một khía cạnh quan trọng (tất nhiên là một cách mù) làm giảm khả năng xảy ra lỗi. Có các hướng dẫn hoạt động được xác định rõ ràng để sử dụng các thang phân loại giúp mọi người sử dụng chúng một cách nhất quán. Đảm bảo rằng các dụng cụ được hiệu chuẩn đúng cách và sử dụng đúng cách sẽ loại bỏ nhiều lỗi và do đó làm giảm sự biến thiên.

Các cách để đo lường độ tin cậy và độ hợp lệ (Ways to Measure Reliability and Validity)

Một chiến lược phổ biến để đảm bảo độ tin cậy hoặc khả năng tái lập của các phép đo, đặc biệt là cho các mục đích nghiên cứu, là lặp lại các phép đo và đánh giá mức độ đồng thuận. Chúng tôi đã thảo luận về độ tin cậy nội và liên người đánh giá trong Chương 5 và đã thảo luận chi tiết về độ tin cậy và độ hợp lệ trong Chương 11.

Một cách tiếp cận để thiết lập độ tin cậy của một thước đo là lặp lại các phép đo vào một thời điểm khác hoặc bởi một người khác và so sánh các kết quả. Khi kết cục là danh nghĩa, hệ số kappa được sử dụng; khi thang đo là số, thống kê được sử dụng để kiểm tra mối quan hệ là hệ số tương quan (Chương 8) hoặc tương quan nội lớp (Chương 11).

Làm mù (Blinding)

Một khía cạnh khác của việc đánh giá kết cục liên quan đến các cách để tăng tính khách quan và giảm tính chủ quan của việc đánh giá. Trong các nghiên cứu liên quan đến việc so sánh hai phương pháp điều trị hoặc quy trình, phương pháp hiệu quả nhất để đạt được đánh giá khách quan là làm cho cả bệnh nhân và nhà điều tra không biết phương pháp nào đã được sử dụng. Nếu chỉ có bệnh nhân không biết, nghiên cứu được gọi là mù đơn; nếu cả bệnh nhân và nhà điều tra đều không biết, nó được gọi là mù đôi.

Làm mù giúp giảm các sai lệch tiên nghiệm từ phía cả bệnh nhân và bác sĩ. Bệnh nhân biết về việc phân bổ điều trị của họ có thể tưởng tượng ra một số tác dụng phụ nhất định hoặc mong đợi những lợi ích cụ thể, và những kỳ vọng của họ có thể ảnh hưởng đến kết quả. Tương tự, các nhà điều tra biết phương pháp điều trị nào đã được phân bổ cho một bệnh nhân nhất định có thể cảnh giác hơn với một số tác dụng phụ hoặc lợi ích nhất định. Mặc dù chúng ta có thể nghi ngờ một nhà điều tra không được làm mù sẽ có thiện cảm hơn với phương pháp điều trị hoặc quy trình mới, nhưng điều ngược lại có thể xảy ra; tức là, nhà điều tra có thể cố gắng hết sức để không bị định kiến bởi kiến thức của họ và do đó, có thể mắc lỗi theo hướng có lợi cho nhóm chứng.

Kiến thức về việc phân bổ điều trị có thể ít ảnh hưởng hơn khi kết cục là rõ ràng, như trường hợp của tỷ lệ tử vong. Với tỷ lệ tử vong, khó có thể thấy việc đánh giá kết cục có thể bị sai lệch như thế nào. Tuy nhiên, có nhiều ví dụ trong đó kết cục có vẻ khách quan, mặc dù việc đánh giá nó chứa đựng các thành phần chủ quan. Nhiều nghiên cứu lâm sàng cố gắng quy kết lý do cho tỷ lệ tử vong hoặc bệnh tật, và sự phán xét bắt đầu đóng một vai trò trong những trường hợp này. Ví dụ, tỷ lệ tử vong thường là một kết cục được quan tâm trong các nghiên cứu liên quan đến ghép tạng, và các nhà điều tra muốn phân biệt giữa các ca tử vong do suy tạng và các ca tử vong do một nguyên nhân không liên quan. Ví dụ, nếu bệnh nhân chết trong một tai nạn ô tô, các nhà điều tra có thể dễ dàng quyết định rằng cái chết không phải do thải ghép; nhưng trong hầu hết các tình huống, quyết định không dễ dàng như vậy.

Vấn đề làm mù trở nên quan trọng hơn khi kết cục trở nên ít có khả năng xác định khách quan hơn. Nghiên cứu tập trung vào các kết cục chất lượng cuộc sống, chẳng hạn như tình trạng đau ngực, hạn chế hoạt động, hoặc tình trạng giải trí, đòi hỏi các thước đo chủ quan. Mặc dù bệnh nhân không thể được làm mù trong nhiều nghiên cứu, nhưng các kết cục chủ quan có thể được đánh giá bởi một người, chẳng hạn như một bác sĩ khác, một nhà tâm lý học, hoặc một nhà vật lý trị liệu, người không biết về phương pháp điều trị mà bệnh nhân đã nhận được.

Chất lượng và giám sát dữ liệu (Data Quality and Monitoring)

Phần phương pháp cũng là nơi cần mô tả các bước đã thực hiện để đảm bảo tính chính xác của dữ liệu. Sự biến thiên tăng lên và có thể có những kết luận không chính xác có thể xảy ra nếu quan sát đúng được thực hiện nhưng được ghi lại hoặc mã hóa không chính xác. Việc nhập dữ liệu kép hoặc lặp lại làm giảm khả năng xảy ra lỗi vì hiếm khi cùng một lỗi nhập liệu xảy ra hai lần.

Các nghiên cứu đa trung tâm đặt ra những thách thức bổ sung về chất lượng dữ liệu. Điều quan trọng là phải phát triển một quy trình chính xác và đầy đủ để đảm bảo rằng dữ liệu được xử lý theo cùng một cách ở tất cả các trung tâm.

Xác định kích thước mẫu phù hợp

Việc chỉ định kích thước mẫu cần thiết để phát hiện một sự khác biệt hoặc một hiệu ứng có độ lớn nhất định là một trong những thông tin quan trọng nhất trong báo cáo của một nghiên cứu y khoa. Hãy nhớ rằng việc bỏ lỡ một sự khác biệt có ý nghĩa được gọi là sai lầm loại II, và sai lầm này có thể xảy ra khi kích thước mẫu quá nhỏ. Chúng tôi cung cấp nhiều minh họa trong các chương thảo luận về các phương pháp thống kê cụ thể, đặc biệt là Chương 5 đến 8 và 10 đến 11.

Việc xác định kích thước mẫu được gọi là phân tích công suất (power analysis) hoặc xác định công suất của một nghiên cứu. Một đánh giá về công suất là cần thiết trong các nghiên cứu âm tính, các nghiên cứu không tìm thấy sự khác biệt hoặc mối quan hệ mong đợi; chúng tôi cảm thấy rất mạnh mẽ về điểm này đến nỗi chúng tôi khuyên người đọc nên bỏ qua các nghiên cứu âm tính không cung cấp thông tin về công suất.

Lin và cs (2018) đã nghiên cứu việc sử dụng regorafenib so với một phương pháp hóa trị kết hợp thay thế. Họ đã nêu:

“Nghiên cứu được thiết kế để xác nhận giả thuyết của chúng tôi rằng liệu pháp kết hợp sẽ kéo dài thời gian sống không tiến triển (PFS) và thời gian sống toàn bộ (OS) trung vị. PFS trong nhóm nghiên cứu được kỳ vọng là 3,5 tháng so với 1,7 tháng dựa trên kết quả của một nghiên cứu trước đó. Một kiểm định log-rank hai phía với tổng kích thước mẫu là 68 đối tượng (34 trong nhóm chứng và 34 trong nhóm điều trị) đạt được công suất 80,4% ở mức ý nghĩa 0,050% để phát hiện tỷ số rủi ro (hazard ratio) là 0,4857.”

Chúng tôi liên tục nhấn mạnh sự cần thiết phải thực hiện phân tích công suất trước khi bắt đầu một nghiên cứu và đã minh họa cách ước tính công suất bằng cách sử dụng các chương trình thống kê cho mục đích đó. Các nhà điều tra lập kế hoạch cho các nghiên cứu phức tạp hoặc các nghiên cứu liên quan đến một số biến được đặc biệt khuyên nên liên hệ với một nhà thống kê để được hỗ trợ.

Các nghiên cứu quan sát đôi khi bị ảnh hưởng bởi một hiện tượng gọi là quá mạnh (overpowering). Các nghiên cứu có kích thước mẫu rất lớn có thể phát hiện ra những khác biệt không có ý nghĩa lâm sàng. Trong những trường hợp này, nhà nghiên cứu nên xác định xem liệu những khác biệt có ý nghĩa thống kê được phát hiện có đáp ứng các tiêu chí về ý nghĩa lâm sàng tối thiểu hay không.

Đánh giá các phương pháp thống kê

Các phương pháp thống kê là trọng tâm chính của giáo trình này, và chỉ có một bản tóm tắt ngắn gọn và một số vấn đề phổ biến được liệt kê ở đây. Có nguy cơ đơn giản hóa quá mức, việc sử dụng thống kê trong y học có thể được tóm tắt như sau: (1) để trả lời các câu hỏi liên quan đến sự khác biệt; (2) để trả lời các câu hỏi liên quan đến các mối liên quan; và (3) để kiểm soát các vấn đề gây nhiễu hoặc để đưa ra các dự đoán. Nếu bạn có thể xác định loại câu hỏi mà các nhà điều tra đang hỏi (từ mục đích đã nêu của nghiên cứu) và các loại và số lượng các thước đo được sử dụng trong nghiên cứu (số, thứ tự, danh nghĩa), thì quy trình thống kê phù hợp sẽ tương đối dễ dàng để xác định. Bảng 10-1 và 10-2 trong Chương 10 và các lưu đồ trong Phụ lục C đã được phát triển để hỗ trợ quá trình này. Một số sai lệch phổ biến trong việc đánh giá dữ liệu được thảo luận trong các phần tiếp theo.

Cuộc săn lùng may rủi (Fishing Expedition)

Một cuộc săn lùng may rủi là tên được đặt cho các nghiên cứu trong đó các nhà điều tra không có các câu hỏi nghiên cứu rõ ràng hướng dẫn nghiên cứu. Thay vào đó, dữ liệu được thu thập, và một cuộc tìm kiếm được thực hiện cho các kết quả có ý nghĩa. Vấn đề với cách tiếp cận này là nó tận dụng các sự xuất hiện tình cờ và dẫn đến các kết luận có thể không đứng vững nếu nghiên cứu được lặp lại. Thật không may, các nghiên cứu như vậy hiếm khi được lặp lại, và các kết luận không chính xác có thể vẫn là một phần của kiến thức được chấp nhận.

Các kiểm định ý nghĩa bội (Multiple Significance Tests)

Nhiều kiểm định trong thống kê, cũng như trong y học lâm sàng, dẫn đến tăng khả năng mắc sai lầm loại I, hoặc sai lầm dương tính giả, khi kết quả từ một kiểm định được diễn giải là độc lập với kết quả từ một kiểm định khác. Ví dụ, một thiết kế giai thừa cho phân tích phương sai trong một nghiên cứu liên quan đến bốn nhóm được đo trên ba biến độc lập có khả năng có 18 so sánh (6 so sánh giữa bốn nhóm trên mỗi trong ba biến), bỏ qua các tương tác. Nếu mỗi so sánh được thực hiện với $p\le 0.05$, xác suất tìm thấy một hoặc nhiều so sánh có ý nghĩa do tình cờ sẽ lớn hơn đáng kể so với 0.05. Cách tốt nhất để phòng ngừa sai lệch này là thực hiện kiểm định toàn cục (global test) thích hợp với phân tích phương sai trước khi thực hiện các so sánh nhóm riêng lẻ (Chương 7) hoặc sử dụng một phương pháp thích hợp để phân tích nhiều biến (Chương 10).

Một vấn đề tương tự có thể xảy ra trong một thử nghiệm lâm sàng nếu có quá nhiều phân tích tạm thời được thực hiện. Đôi khi, điều quan trọng là phải phân tích dữ liệu ở các giai đoạn nhất định trong một thử nghiệm để biết liệu một phương pháp điều trị có rõ ràng vượt trội hay kém hơn hay không. Nhiều thử nghiệm được dừng lại sớm khi một phân tích tạm thời xác định rằng một liệu pháp vượt trội rõ rệt so với một liệu pháp khác. Ví dụ, thử nghiệm Sáng kiến Sức khỏe Phụ nữ về estrogen cộng với progestin (Rossouw và cs, 2002) và nghiên cứu về finasteride và sự phát triển của ung thư tuyến tiền liệt (Thompson và cs, 2003) đều đã được dừng lại sớm. Trong nghiên cứu estrogen, kết luận là các rủi ro sức khỏe tổng thể lớn hơn lợi ích, trong khi finasteride được phát hiện có thể ngăn ngừa hoặc trì hoãn ung thư tuyến tiền liệt ở một số lượng đáng kể nam giới. Trong những tình huống này, việc từ chối cho bệnh nhân phương pháp điều trị vượt trội hoặc tiếp tục cho họ sử dụng một phương pháp điều trị có rủi ro là phi đạo đức. Các phân tích tạm thời nên được lên kế hoạch như một phần của thiết kế nghiên cứu, và xác suất tổng thể của một sai lầm loại I (mức $\alpha$) nên được điều chỉnh để bù đắp cho các so sánh bội.

Sai lệch do di chuyển (Migration Bias)

Sai lệch do di chuyển xảy ra khi những bệnh nhân bỏ cuộc khỏi nghiên cứu cũng bị loại khỏi phân tích. Xu hướng bỏ cuộc khỏi một nghiên cứu có thể liên quan đến phương pháp điều trị (ví dụ, các tác dụng phụ của nó), và việc loại bỏ những đối tượng này khỏi phân tích có thể làm cho một phương pháp điều trị có vẻ hiệu quả hơn hoặc kém hiệu quả hơn so với thực tế. Sai lệch do di chuyển cũng có thể xảy ra khi bệnh nhân chuyển từ nhánh điều trị mà họ được phân bổ sang một phương pháp điều trị khác. Ví dụ, trong các nghiên cứu chéo so sánh điều trị phẫu thuật và nội khoa đối với bệnh động mạch vành, bệnh nhân được phân bổ vào nhánh nội khoa của nghiên cứu đôi khi cần điều trị phẫu thuật sau đó cho tình trạng của họ. Trong những tình huống như vậy, phương pháp thích hợp là phân tích bệnh nhân theo nhóm ban đầu của họ; điều này được gọi là phân tích dựa trên nguyên tắc theo ý định điều trị (intention-to-treat).

Sai lệch do thời điểm tham gia (Entry Time Bias)

Sai lệch do thời điểm tham gia có thể xảy ra khi các biến liên quan đến thời gian, chẳng hạn như thời gian sống sót hoặc thời gian thuyên giảm, được tính toán khác nhau cho các nhánh khác nhau của nghiên cứu. Ví dụ, hãy xem xét một nghiên cứu so sánh thời gian sống sót của bệnh nhân được phân bổ ngẫu nhiên vào một phương pháp điều trị phẫu thuật so với nội khoa trong một thử nghiệm lâm sàng. Bệnh nhân được phân bổ ngẫu nhiên vào phương pháp điều trị nội khoa mà tử vong bất cứ lúc nào sau khi phân bổ ngẫu nhiên được tính là thất bại điều trị; quy tắc tương tự phải được tuân thủ với bệnh nhân được phân bổ ngẫu nhiên vào phẫu thuật, ngay cả khi họ tử vong trước khi phẫu thuật được thực hiện. Nếu không, sẽ có một sai lệch thiên vị cho phương pháp điều trị phẫu thuật.

PHẦN KẾT QUẢ CỦA MỘT BÁO CÁO NGHIÊN CỨU

Phần kết quả của một báo cáo y khoa chỉ chứa đựng điều đó: kết quả của (hoặc những phát hiện từ) nghiên cứu nhắm vào các câu hỏi được đặt ra trong phần giới thiệu. Thông thường, các tác giả trình bày các bảng hoặc biểu đồ (hoặc cả hai) của dữ liệu định lượng và cũng báo cáo các phát hiện trong văn bản. Các phát hiện thường bao gồm cả thống kê mô tả (trung bình, độ lệch chuẩn, tỷ số nguy cơ, v.v.) và kết quả của các kiểm định thống kê đã được thực hiện. Kết quả của các kiểm định thống kê thường được đưa ra dưới dạng giá trị p hoặc khoảng tin cậy; các tác giả hiếm khi đưa ra giá trị của chính kiểm định thống kê mà thay vào đó, đưa ra giá trị p liên quan đến kiểm định thống kê. Hai khía cạnh chính để người đọc đánh giá phần kết quả là sự đầy đủ của thông tin và sự đủ mạnh của bằng chứng để chống lại các mối đe dọa tiềm tàng đối với tính hợp lệ của các kết luận.

Đánh giá dữ liệu được trình bày

Các tác giả nên cung cấp thông tin đầy đủ về các phép đo được thực hiện trong nghiên cứu. Ở mức tối thiểu, thông tin này nên bao gồm kích thước mẫu và hoặc là trung bình và độ lệch chuẩn cho các thước đo số hoặc là tỷ lệ cho các thước đo danh nghĩa. Ví dụ, khi mô tả ảnh hưởng của giới tính, chủng tộc và tuổi tác lên việc ước tính tỷ lệ mỡ cơ thể từ chỉ số khối cơ thể, Kluess và các đồng nghiệp (2016) đã xác định các biến độc lập trong phần phương pháp cùng với cách chúng được mã hóa cho phân tích hồi quy. Họ cũng đã đưa ra phương trình của sai số chuẩn của ước tính mà họ đã sử dụng để đánh giá sự phù hợp của các mô hình hồi quy. Trong phần kết quả, họ đã bao gồm một bảng các giá trị trung bình và độ lệch chuẩn của các biến được phân chia theo giới tính và chủng tộc.

Ngoài việc trình bày thông tin đầy đủ về các quan sát trong nghiên cứu, các báo cáo y khoa tốt còn sử dụng các bảng và biểu đồ một cách thích hợp. Như chúng tôi đã phác thảo trong Chương 3, các bảng và biểu đồ nên được dán nhãn rõ ràng để chúng có thể được diễn giải mà không cần tham khảo văn bản của bài báo. Hơn nữa, chúng nên được xây dựng đúng cách, sử dụng các phương pháp được minh họa trong Chương 3.

Đảm bảo tính hợp lệ của dữ liệu

Một phần kết quả tốt nên có ba đặc điểm sau đây. Thứ nhất, các tác giả của các báo cáo y khoa nên cung cấp thông tin về các thước đo cơ bản của nhóm (hoặc các nhóm) tham gia vào nghiên cứu như Kluess và các đồng nghiệp (2016) đã làm trong Bảng 1 của bài báo của họ. Các bảng như thế này thường cung cấp thông tin về giới tính, tuổi tác và bất kỳ yếu tố nguy cơ quan trọng nào đối với các đối tượng trong các nhóm khác nhau và đặc biệt quan trọng trong các nghiên cứu quan sát. Ngay cả với các nghiên cứu ngẫu nhiên, việc cho thấy rằng, trên thực tế, việc ngẫu nhiên hóa đã hoạt động và các nhóm là tương tự nhau luôn là một ý tưởng tốt. Các nhà điều tra thường thực hiện các kiểm định thống kê để chứng minh sự thiếu khác biệt có ý nghĩa trên các thước đo cơ bản. Nếu hóa ra các nhóm không tương đương, có thể điều chỉnh cho bất kỳ sự khác biệt quan trọng nào bằng một trong các phương pháp điều chỉnh hiệp biến được thảo luận trong Chương 10.

Thứ hai, người đọc nên cảnh giác với vấn đề so sánh bội trong các nghiên cứu trong đó nhiều kiểm định thống kê được thực hiện. So sánh bội có thể xảy ra vì một nhóm đối tượng được đo tại nhiều thời điểm, đối với trường hợp này nên sử dụng phân tích phương sai đo lường lặp lại. Chúng cũng xảy ra khi nhiều kết cục nghiên cứu được quan tâm; các nhà điều tra nên sử dụng các quy trình đa biến trong những tình huống này. Ngoài ra, so sánh bội là kết quả khi các nhà điều tra thực hiện nhiều so sánh phân nhóm, chẳng hạn như giữa nam và nữ, giữa các nhóm tuổi khác nhau, hoặc giữa các nhóm được xác định bởi sự vắng mặt hoặc hiện diện của một yếu tố nguy cơ. Một lần nữa, cần có các phương pháp đa biến hoặc các giả thuyết tiên nghiệm được nêu rõ ràng. Nếu các nhà điều tra tìm thấy những khác biệt không mong đợi không phải là một phần của các giả thuyết ban đầu, những điều này chỉ nên được đưa ra như những kết luận dự kiến và nên là cơ sở cho các nghiên cứu sâu hơn.

Thứ ba, điều quan trọng là phải theo dõi sự không nhất quán giữa thông tin được trình bày trong các bảng hoặc biểu đồ và thông tin được thảo luận trong văn bản. Những sự không nhất quán như vậy có thể là kết quả của lỗi đánh máy, nhưng đôi khi chúng là dấu hiệu cho thấy các tác giả đã phân tích lại và viết lại kết quả hoặc các nhà nghiên cứu đã không cẩn thận trong các quy trình của họ. Trong mọi trường hợp, nhiều hơn một sự không nhất quán nên cảnh báo chúng ta phải theo dõi các vấn đề khác trong nghiên cứu.

PHẦN BÀN LUẬN & KẾT LUẬN CỦA MỘT BÁO CÁO NGHIÊN CỨU

Phần bàn luận và kết luận của một báo cáo y khoa có thể là một trong những phần dễ dàng hơn để các bác sĩ lâm sàng đánh giá. Điểm đầu tiên và quan trọng nhất cần chú ý là sự nhất quán giữa các bình luận trong phần bàn luận, các câu hỏi được đặt ra trong phần giới thiệu, và dữ liệu được trình bày trong phần kết quả. Ngoài ra, các tác giả nên đề cập đến sự nhất quán hoặc thiếu nhất quán giữa các phát hiện của họ và các kết quả đã được công bố khác. Những người đọc cẩn thận sẽ thấy rằng một số lượng đáng ngạc nhiên các nghiên cứu được công bố không giải quyết các câu hỏi được đặt ra trong phần giới thiệu của họ. Một thói quen tốt là tham khảo phần giới thiệu và xem lại ngắn gọn mục đích của nghiên cứu ngay trước khi đọc phần bàn luận và kết luận.

Điểm thứ hai cần xem xét là liệu các tác giả có ngoại suy vượt ra ngoài dữ liệu được phân tích trong nghiên cứu hay không. Ví dụ, có những khuyến nghị nào liên quan đến các mức liều lượng không được bao gồm trong nghiên cứu không? Có những kết luận nào được rút ra đòi hỏi một thời gian theo dõi dài hơn so với thời gian được đề cập trong nghiên cứu không? Kết quả có được khái quát hóa cho các nhóm bệnh nhân không được đại diện bởi những người được đưa vào nghiên cứu không?

Cuối cùng, hãy lưu ý xem các nhà điều tra có chỉ ra bất kỳ thiếu sót nào của nghiên cứu hay không, đặc biệt là những thiếu sót ảnh hưởng đến các kết luận được rút ra, và thảo luận về các câu hỏi nghiên cứu đã nảy sinh từ nghiên cứu hoặc vẫn còn chưa được trả lời. Không ai ở vị trí tốt hơn để thảo luận về những vấn đề này ngoài các nhà nghiên cứu, những người tham gia sâu vào việc thiết kế và phân tích nghiên cứu mà họ đã báo cáo.

DANH SÁCH KIỂM TRA ĐỂ ĐỌC Y VĂN

Hiếm có một bài báo nào đáp ứng được tất cả các tiêu chí mà chúng tôi đã đưa vào danh sách sau đây. Nhiều bài báo thậm chí không cung cấp đủ thông tin để đưa ra quyết định về một số mục trong danh sách kiểm tra. Tuy nhiên, các bác sĩ thực hành không có thời gian để đọc tất cả các bài báo được xuất bản, vì vậy họ phải đưa ra một số lựa chọn về những bài báo nào quan trọng nhất và được trình bày tốt nhất. Bordage và Dawson (2003) đã phát triển một bộ hướng dẫn để chuẩn bị một nghiên cứu và viết một đề xuất tài trợ nghiên cứu chứa nhiều chủ đề có liên quan đến việc đọc một bài báo. Greenhalgh (1997b) trình bày một bộ sưu tập các bài báo về các chủ đề khác nhau được xuất bản trên Tạp chí Y học Anh, và Tạp chí của Hiệp hội Y khoa Hoa Kỳ đã xuất bản một loạt các bài báo xuất sắc dưới tiêu đề chung là “Hướng dẫn của người dùng đối với Y văn.”

Bảng Chú Giải Thuật Ngữ Anh-Việt. Chương 13