🏥 150 bệnh nhân tăng huyết áp tại BV Chợ Rẫy
Tình huống: Khoa Nội Tim mạch, Bệnh viện Chợ Rẫy, TP. Hồ Chí Minh
Bác sĩ Hùng là một bác sĩ nội khoa tại Bệnh viện Chợ Rẫy, một trong những bệnh viện lớn nhất cả nước. Mỗi ngày ông khám và điều trị cho hàng chục bệnh nhân tăng huyết áp. Một buổi sáng, ông nhận được báo cáo thống kê từ khoa Nghiên cứu & Đào tạo: "Trên 150 bệnh nhân tăng huyết áp được theo dõi trong tháng 6/2024, huyết áp tâm thu trung bình là 132 mmHg, độ lệch chuẩn 10 mmHg. Khoảng tin cậy 95%: [130,4; 133,6]." Bác sĩ Hùng gật đầu và nghĩ: "Vậy xác suất 95% là huyết áp trung bình thực sự của bệnh nhân tăng huyết áp tại Chợ Rẫy nằm trong khoảng này." Đây chính là một hiểu lầm kinh điển.
Trên thực tế, bác sĩ Hùng cần hiểu: CI 95% [130,4; 133,6] có nghĩa là, nếu chúng ta lặp lại nghiên cứu này nhiều lần — mỗi lần lấy một mẫu 150 bệnh nhân khác nhau — thì khoảng 95% các khoảng tin cậy tính được sẽ chứa huyết áp trung bình thật của toàn bộ quần thể bệnh nhân tăng huyết áp đang điều trị tại Chợ Rẫy. Nó không nói lên điều gì về "xác suất" của một CI cụ thể. Sự khác biệt này, dù tinh tế, có hậu quả quan trọng: nếu bác sĩ Hùng hiểu sai, ông có thể đánh giá quá cao mức độ chắc chắn của kết quả nghiên cứu và đưa ra những quyết định điều trị dựa trên niềm tin sai lầm.
Một hệ quả thực tế khác: bề rộng của CI (từ 130,4 đến 133,6, chênh lệch 3,2 mmHg) cho bác sĩ Hùng biết rằng ước lượng này tương đối chính xác — CI hẹp nhờ cỡ mẫu 150 và độ lệch chuẩn 10 mmHg. Nếu nghiên cứu chỉ có 30 bệnh nhân, CI có thể rộng đến mức [128; 136] — kém thông tin hơn nhiều. Việc hiểu được mối quan hệ giữa cỡ mẫu, độ biến thiên và bề rộng của CI giúp bác sĩ Hùng đánh giá được chất lượng của bằng chứng mà không cần phải là một nhà thống kê chuyên nghiệp.
📚 Cửa sổ học thuật — Bayesian vs. Frequentist: Hai triết lý về CI: Trường phái Frequentist (chiếm đa số trong y học hiện đại) định nghĩa CI dựa trên tần suất lặp lại: nếu làm 100 lần, 95 CI sẽ chứa μ. Trường phái Bayesian lại đưa ra một khái niệm khác gọi là "khoảng tin cậy Bayesian" (credible interval): đó là khoảng mà xác suất μ nằm trong đó — dựa trên dữ liệu và prior — là 95%. Nói cách khác, Bayesian cho phép bạn nói "xác suất μ nằm trong khoảng này là 95%" — điều mà Frequentist cấm kỵ. Sự khác biệt này xuất phát từ định nghĩa khác nhau về "xác suất": Frequentist coi xác suất là tần suất dài hạn của các sự kiện; Bayesian coi xác suất là "mức độ tin tưởng" có thể cập nhật khi có dữ liệu mới. Cả hai đều hợp lý, và sự lựa chọn giữa chúng thường phụ thuộc vào bối cảnh nghiên cứu và sở thích triết học của nhà nghiên cứu. Trong thực hành lâm sàng, CI thông thường (Frequentist) và credible interval (Bayesian) thường cho kết quả số học rất giống nhau khi cỡ mẫu lớn — nhưng cách diễn giải lại hoàn toàn khác.
Tác động lâm sàng: Một bác sĩ hiểu đúng về CI sẽ đọc báo cáo "huyết áp giảm 7 mmHg (CI 95%: 3–11)" và nghĩ: "Mức giảm 7 mmHg có ý nghĩa lâm sàng. Khoảng tin cậy từ 3 đến 11 cho thấy mức giảm có thể thấp nhất là 3 mmHg (vẫn có ý nghĩa lâm sàng) và cao nhất là 11 mmHg. Nghiên cứu này cho tôi bằng chứng tốt để kê thuốc." Ngược lại, nếu CI rộng — ví dụ "giảm 7 mmHg (CI 95%: –2 đến 16)" — bác sĩ sẽ thấy mức giảm có thể là 0 hoặc âm, và sẽ thận trọng hơn khi quyết định. CI không chỉ là một con số — nó là công cụ ra quyết định lâm sàng.
