📐 Từ ký hiệu đến công thức — Bản chất của các con số
3.1. Định nghĩa cơ bản — Axioms của xác suất
Xác suất là một con số từ 0 đến 1, đo lường khả năng xảy ra của một biến cố (event). Nếu một biến cố chắc chắn không xảy ra, P = 0. Nếu chắc chắn xảy ra, P = 1. Các biến cố càng khả thi thì xác suất càng gần 1. Định nghĩa cổ điển của xác suất dành cho các tình huống có kết cục đồng khả năng (equally likely outcomes) là: P(A) = số kết quả thuận lợi cho A / tổng số kết quả có thể. Ví dụ: tung một đồng xu cân đối, P(mặt ngửa) = 1/2 = 0.5. Tung một con xúc xắc, P(mặt 6) = 1/6 ≈ 0.167.
Tuy nhiên, trong y học, hầu hết các tình huống không có kết cục đồng khả năng. Có người hút thuốc 40 năm có nguy cơ ung thư phổi rất khác với người chưa bao giờ hút thuốc. Vì vậy, chúng ta dùng định nghĩa tần suất (frequentist): xác suất của một biến cố là tần suất tương đối của nó trong một số lượng lớn các lần thử. Đây chính là cách bảng số liệu gãy xương ở trên được xây dựng: từ một mẫu 10.000 phụ nữ, tần suất gãy xương ở nhóm 70-79 tuổi là 25% — và đó là xác suất ước lượng cho bất kỳ phụ nữ nào trong nhóm tuổi đó.
3.2. Xác suất có điều kiện (Conditional Probability)
Công thức:
P(A | B) = P(A ∩ B) / P(B)
Đọc là: "Xác suất của A, biết rằng B đã xảy ra"
Ví dụ lâm sàng:
P(gãy xương | 70-79) = P(gãy xương ∩ 70-79) / P(70-79)
= (tỷ lệ BN vừa gãy xương vừa 70-79) / (tỷ lệ BN 70-79)
Để tính P(gãy xương | tuổi 70-79) từ bảng dữ liệu, ta cần ba thông tin: số phụ nữ 70-79 tuổi trong nghiên cứu, số ca gãy xương trong nhóm này, và tổng số phụ nữ. Giả sử nghiên cứu có 3.250 phụ nữ, trong đó 750 người ở độ tuổi 70-79 và 150 người trong nhóm này bị gãy xương. Khi đó: P(gãy xương ∩ 70-79) = 150 / 3.250 = 0.0462; P(70-79) = 750 / 3.250 = 0.2308; và P(gãy xương | 70-79) = 0.0462 / 0.2308 = 0.20 = 20% (làm tròn, phù hợp với tỷ lệ 25% từ nguồn dữ liệu lớn hơn).
3.3. Biến cố độc lập (Independent Events)
Hai biến cố được gọi là độc lập nếu việc xảy ra của biến cố này không ảnh hưởng đến xác suất của biến cố kia. Về mặt toán học: P(A ∩ B) = P(A) × P(B), hay tương đương P(A|B) = P(A). Ví dụ, P(gãy xương) và P(hôm nay trời mưa) là độc lập — biết trời có mưa không không giúp ích gì để dự đoán nguy cơ gãy xương. Ngược lại, P(gãy xương) và P(tuổi ≥ 70) là phụ thuộc — tuổi càng cao, nguy cơ gãy xương càng lớn. Trong lâm sàng, việc xác định các biến cố độc lập là nền tảng cho việc xây dựng các mô hình tiên lượng đa biến (multivariable prediction models).
3.4. Định lý Bayes — Nền tảng của Chẩn đoán Lâm sàng
Định lý Bayes:
P(A|B) = P(B|A) × P(A) / P(B)
Dạng mở rộng cho chẩn đoán:
P(bệnh | xét nghiệm +) = [P(xét nghiệm + | bệnh) × P(bệnh)] / P(xét nghiệm +)
Định lý Bayes là công cụ mạnh mẽ nhất để cập nhật niềm tin dựa trên bằng chứng mới. Trong y học, nó cho phép chúng ta tính xác suất mắc bệnh sau khi có kết quả xét nghiệm — dựa trên độ nhạy (sensitivity) và độ đặc hiệu (specificity) của xét nghiệm, và tỷ lệ lưu hành bệnh (prevalence) trong quần thể. Hãy xem xét một ví dụ: một xét nghiệm chẩn đoán loãng xương mới có độ nhạy 90% (phát hiện đúng 90% người có bệnh) và độ đặc hiệu 85% (loại trừ đúng 85% người không có bệnh). Tỷ lệ lưu hành loãng xương ở phụ nữ 70-79 tuổi là 25%. Nếu bệnh nhân của chúng ta có kết quả xét nghiệm dương tính, xác suất bà thực sự mắc loãng xương là bao nhiêu? Áp dụng Bayes: numerator = 0.90 × 0.25 = 0.225; denominator = (0.90 × 0.25) + ((1 − 0.85) × (1 − 0.25)) = 0.225 + 0.1125 = 0.3375; P(bệnh | +) = 0.225 / 0.3375 = 0.667 = 66.7%. Điều này có nghĩa là, dù xét nghiệm dương tính, vẫn có 33.3% khả năng bà không mắc bệnh (dương tính giả).
Tại sao Bayes lại quan trọng đến vậy trong y học lâm sàng? Bởi vì nó giải thích một hiện tượng mà bất kỳ bác sĩ nào cũng gặp hàng ngày: cùng một xét nghiệm dương tính, nhưng ý nghĩa của nó hoàn toàn khác nhau ở một bệnh nhân có triệu chứng điển hình (prevalence cao) so với một người khỏe mạnh đi tầm soát (prevalence thấp). Ví dụ: xét nghiệm HIV dương tính ở một người đàn ông có quan hệ tình dục đồng giới không an toàn và có sốt kéo dài (prevalence nhóm này ~10%) có PPV rất cao (> 80%). Cùng xét nghiệm đó dương tính ở một phụ nữ mang thai đi khám thai định kỳ (prevalence ~0.1%) có PPV rất thấp (< 10%). Cùng một xét nghiệm, cùng một kết quả — nhưng hai ý nghĩa lâm sàng hoàn toàn khác nhau, chỉ vì prevalence khác nhau. Đây là lý do tại sao "tầm soát đại trà" (mass screening) cho bệnh hiếm thường không được khuyến cáo — nó tạo ra quá nhiều dương tính giả.
3.5. Biểu đồ: Incidence gãy xương theo nhóm tuổi
Biểu đồ cột trên đây minh họa rõ ràng xu hướng tăng vọt của tỷ lệ gãy xương theo tuổi. Từ 5% ở nhóm 50-59 tuổi, con số này tăng gấp đôi lên 12% ở nhóm 60-69, rồi gấp đôi một lần nữa lên 25% ở nhóm 70-79, và đạt đỉnh 40% ở nhóm từ 80 tuổi trở lên. Đây là một ví dụ điển hình về mối quan hệ phi tuyến tính (non-linear) giữa tuổi và nguy cơ — nguy cơ không tăng đều đều, mà tăng theo cấp số nhân. Điều này có ý nghĩa lâm sàng quan trọng: can thiệp phòng ngừa (bổ sung vitamin D, canxi, thuốc chống hủy xương) cần được bắt đầu từ sớm, trước khi nguy cơ tăng vọt ở tuổi 70+.
