📍 Khái niệm cốt lõi: Không bao giờ biết chính xác — chỉ ước lượng
Hãy tưởng tượng bạn là một người quản lý khu bảo tồn thiên nhiên. Nhiệm vụ của bạn là xác định xem trong một hồ nước rộng lớn có bao nhiêu con cá. Bạn có thể đếm từng con một không? Dĩ nhiên là không — hồ quá lớn, cá quá nhiều và chúng luôn di chuyển. Giải pháp của bạn là thả lưới ở một vài vị trí trong hồ, đếm số cá trong những mẻ lưới đó, và từ đó ước lượng tổng số cá trong toàn bộ hồ. Bạn không bao giờ biết con số chính xác, nhưng bạn có thể đưa ra một khoảng ước lượng kèm theo mức độ tin cậy. Đó chính là bản chất của khoảng tin cậy (Confidence Interval — CI) trong thống kê y học: chúng ta không bao giờ biết giá trị thật của quần thể, nhưng từ một mẫu dữ liệu, chúng ta có thể xây dựng một khoảng giá trị mà trong đó giá trị thật có khả năng nằm ở đâu đó.
Câu chuyện về những mẻ lưới cá không chỉ là một phép ẩn dụ đẹp. Nó phản ánh chính xác cách các nhà thống kê tư duy: thay vì đưa ra một con số duy nhất (ước lượng điểm), họ cung cấp một khoảng giá trị (ước lượng khoảng) và một mức độ tin cậy đi kèm. Khi bạn đọc một bài báo y học và thấy "huyết áp tâm thu trung bình giảm 7 mmHg (CI 95%: 4–10 mmHg)", ý nghĩa thực sự là: "Dựa trên mẫu nghiên cứu của chúng tôi, ước lượng tốt nhất cho mức giảm huyết áp trong quần thể là 7 mmHg, và chúng tôi tin tưởng 95% rằng mức giảm thực sự nằm trong khoảng từ 4 đến 10 mmHg." Nhưng liệu cách hiểu này có hoàn toàn chính xác? Câu trả lời, như chúng ta sẽ thấy, phức tạp hơn nhiều và là nguồn gốc của vô số hiểu lầm trong y văn.
🐟 Câu chuyện "Người quản lý hồ và những mẻ lưới"
Một người quản lý khu bảo tồn muốn biết chiều dài trung bình của cá rô phi trong hồ. Ông không thể bắt hết 10.000 con cá trong hồ để đo từng con. Thay vào đó, ông thả lưới 5 lần, mỗi lần bắt được khoảng 30 con. Sau khi đo chiều dài của 150 con cá, ông tính được trung bình mẫu là 23,5 cm với độ lệch chuẩn 3,2 cm. Từ những con số này, ông tính ra khoảng tin cậy 95%: từ 22,9 cm đến 24,1 cm. Ông báo cáo: "Chiều dài trung bình của cá rô phi trong hồ là khoảng 23,5 cm, và tôi tin tưởng 95% rằng giá trị thật nằm trong khoảng 22,9–24,1 cm." Nhưng nếu ông thả lưới ở một khu vực khác của hồ, kết quả có thể hơi khác. Và nếu ông lặp lại quy trình này 100 lần, mỗi lần với một mẫu mới, khoảng 95 trong số 100 khoảng tin cậy sẽ chứa giá trị trung bình thật của toàn bộ quần thể cá. Đây là định nghĩa chính xác và là chìa khóa để hiểu bản chất thống kê của CI.
📚 Cửa sổ học thuật — Tại sao CI thông tin hơn p-value? Trong nhiều thập kỷ, các tạp chí y học chỉ yêu cầu báo cáo p-value. Một nghiên cứu cho thấy thuốc A tốt hơn giả dược với p = 0,03 — và thế là đủ để công bố. Nhưng p-value không cho bạn biết hiệu quả lớn cỡ nào và cũng không cho bạn biết độ chính xác của ước lượng. CI làm được cả hai điều đó: nó cung cấp một ước lượng về độ lớn của hiệu quả (trung tâm của CI) và một thước đo về độ chính xác (bề rộng của CI). Một CI hẹp cho thấy ước lượng chính xác; một CI rộng cho thấy dữ liệu còn nhiều bất định. Tổ chức Y tế Thế giới (WHO), CONSORT statement, và gần như tất cả các tạp chí y học hàng đầu hiện nay đều yêu cầu báo cáo CI bên cạnh p-value. Năm 2019, tạp chí Annals of Internal Medicine tuyên bố: "CI nên được ưu tiên hơn p-value trong báo cáo kết quả nghiên cứu lâm sàng."
Tại sao chúng ta không thể nói "xác suất 95% μ nằm trong CI này"? Đây là một trong những hiểu lầm phổ biến nhất và nguy hiểm nhất trong thống kê y học. Khi bạn tính được CI = [130,4; 133,6] từ một mẫu, bạn không thể nói "xác suất μ nằm trong khoảng này là 95%". Tại sao? Bởi vì μ là một hằng số — nó có một giá trị cố định (dù ta không biết). Khoảng [130,4; 133,6] hoặc chứa μ, hoặc không. Không có "xác suất" ở đây. Cách hiểu đúng là: "Nếu tôi lặp lại quy trình lấy mẫu và tính CI này 100 lần, 95 trong số 100 CI sẽ chứa μ." Nói cách khác, CI là một tuyên bố về quy trình, không phải về một mẫu cụ thể. Sự phân biệt tinh tế này — frequentist vs. Bayesian — là chủ đề của một trong những cuộc tranh luận triết học gay gắt nhất trong thống kê hiện đại, và nó có hậu quả trực tiếp lên cách bạn đọc và diễn giải kết quả nghiên cứu.
