📐 p-value, sai lầm Type I/II, và đường cong Power
3.1. Định nghĩa chính xác của p-value
Định nghĩa toán học:
p-value = P(Dữ liệu quan sát được hoặc cực đoan hơn | H₀ đúng)
Lưu ý quan trọng:
p-value = P(dữ liệu | H₀) ≠ P(H₀ | dữ liệu)
Ví dụ:
p = 0,04: "Nếu thuốc không hiệu quả, xác suất thấy kết quả như vậy là 4%.
Sai: "Xác suất thuốc không hiệu quả là 4%."
3.2. Bảng so sánh sai lầm Type I và Type II
| Loại sai lầm | Định nghĩa | Xác suất | Hệ quả lâm sàng |
|---|---|---|---|
| Type I (α) | Bác bỏ H₀ khi H₀ đúng "Kết luận thuốc hiệu quả — nhưng thực ra không" |
α (thường = 0,05) | Kê thuốc vô hiệu — tốn kém, tác dụng phụ vô ích |
| Type II (β) | Không bác bỏ H₀ khi H₀ sai "Kết luận thuốc vô hiệu — nhưng thực ra có hiệu quả" |
β (thường = 0,10–0,20) | Bỏ lỡ cơ hội điều trị — bệnh nhân không được hưởng lợi |
| Power (1 − β) | Xác suất phát hiện khác biệt khi nó thực sự tồn tại | ≥ 0,80 (khuyến nghị) | Ngược lại: khả năng đưa phương pháp tốt đến bệnh nhân |
3.3. Biểu đồ: Power curve — sức mạnh của cỡ mẫu
Biểu đồ trên mô phỏng đường cong power (1 − β) cho một thử nghiệm lâm sàng so sánh hai nhóm, với effect size cố định (Cohen's d = 0,5). Điều đáng chú ý: khi n = 20, power chỉ khoảng 0,33 — nghĩa là dù thuốc thực sự có hiệu quả, nghiên cứu chỉ có 33% cơ hội phát hiện ra nó. Khi n = 50, power tăng lên 0,70. Đến n = 100, power đạt 0,88 — một mức chấp nhận được. Đến n = 200, power gần như chạm 0,99. Đường cong này dốc nhất ở vùng n = 20–80 — mỗi bệnh nhân thêm vào đều tăng đáng kể power. Sau n = 150, đường cong bắt đầu "bão hòa" — thêm bệnh nhân vẫn tốt, nhưng lợi ích biên giảm dần.
Tại sao nhiều nghiên cứu lâm sàng có power thấp? Một bài báo kinh điển trên JAMA (Freiman et al., 1978) đã chỉ ra rằng 67% các thử nghiệm lâm sàng có kết quả "âm tính" (không có ý nghĩa thống kê) thực ra có power quá thấp để phát hiện hiệu quả điều trị nếu nó tồn tại. Gần 50 năm sau, vấn đề này vẫn chưa được giải quyết. Nguyên nhân: chi phí tuyển bệnh nhân cao, khó khăn trong việc duy trì tuân thủ điều trị, và áp lực công bố kết quả nhanh. Hậu quả là nhiều phương pháp điều trị tiềm năng bị bỏ qua chỉ vì nghiên cứu quá nhỏ — đây là một trong những nguyên nhân gây "lãng phí trong nghiên cứu y học" (research waste) ước tính lên đến 85% tổng chi phí nghiên cứu toàn cầu (Chalmers & Glasziou, Lancet 2009).
