🏥 Hai phác đồ viêm phổi — Bệnh viện Nhi Đồng 1
Tình huống: Khoa Hô hấp, Bệnh viện Nhi Đồng 1, TP. Hồ Chí Minh
Bệnh viện Nhi Đồng 1 tiến hành một thử nghiệm lâm sàng so sánh hai phác đồ kháng sinh cho trẻ em bị viêm phổi mắc phải cộng đồng. Phác đồ A (kháng sinh đường uống) và phác đồ B (kháng sinh đường tĩnh mạch, sau đó chuyển sang uống), mỗi nhóm 60 bệnh nhi. Kết quả cho thấy: nhóm A có thời gian nằm viện trung bình 5,2 ngày (SD = 1,5 ngày), nhóm B là 6,1 ngày (SD = 2,0 ngày). Phân tích t-test cho p = 0,005. Kết luận: phác đồ A rút ngắn thời gian nằm viện một cách có ý nghĩa thống kê so với phác đồ B.
Đây là một kết quả ấn tượng — gần 1 ngày chênh lệch, p rất nhỏ. Nhưng một bác sĩ lâm sàng sắc sảo sẽ đặt thêm câu hỏi. Thứ nhất, dữ liệu thời gian nằm viện có phân phối chuẩn không? Thời gian nằm viện thường có phân phối lệch phải (skewed) — một số trẻ nằm rất lâu làm kéo dài đuôi phải. Nếu dữ liệu không chuẩn, t-test có thể cho kết quả sai lệch, và Wilcoxon rank-sum test sẽ thích hợp hơn. Thứ hai, độ lệch chuẩn của nhóm B (2,0) lớn hơn nhóm A (1,5) — dữ liệu nhóm B biến thiên nhiều hơn, có thể do một số trẻ đáp ứng kém với phác đồ tĩnh mạch. Thứ ba, và quan trọng nhất, liệu giảm 0,9 ngày nằm viện có ý nghĩa lâm sàng? Với một bệnh nhi viêm phổi, giảm được gần 1 ngày có thể giúp giảm chi phí, giảm nguy cơ nhiễm khuẩn bệnh viện, và giảm căng thẳng cho gia đình — đây là ý nghĩa lâm sàng rõ ràng.
Một vấn đề nữa: bảng phân tích cần so sánh thêm các biến đồng thời (tuổi, cân nặng, mức độ nặng lúc nhập viện) để đảm bảo hai nhóm tương đương nhau. Nếu nhóm B có nhiều trẻ nặng hơn, sự khác biệt 0,9 ngày có thể không phải do phác đồ mà do sự khác biệt ban đầu giữa hai nhóm. Đây là lúc cần đến các mô hình hồi quy phức tạp hơn — nhưng ngay từ đầu, thiết kế ngẫu nhiên hóa (RCT) là cách tốt nhất để đảm bảo hai nhóm tương đương. Trong nghiên cứu quan sát (non-randomized), việc so sánh đơn thuần bằng t-test thường không đủ.
📚 Cửa sổ học thuật — T-test có bền vững với vi phạm normality không? Một câu hỏi thường gặp: dữ liệu của tôi không chuẩn, tôi có dùng t-test được không? Câu trả lời: có, nếu cỡ mẫu đủ lớn. Nhờ Định lý Giới hạn Trung tâm (Central Limit Theorem — CLT), khi n ≥ 30 ở mỗi nhóm, phân phối của trung bình mẫu xấp xỉ chuẩn bất kể phân phối gốc như thế nào. t-test khá "bền vững" (robust) với vi phạm normality khi cỡ mẫu lớn. Tuy nhiên, nếu dữ liệu có ngoại lệ mạnh (extreme outliers) hoặc phân phối cực kỳ lệch, Wilcoxon test vẫn là lựa chọn an toàn hơn. Quy tắc ngón tay cái: (1) n ≥ 30 mỗi nhóm, dữ liệu không có ngoại lệ quá mức → dùng t-test; (2) n < 30 hoặc dữ liệu có ngoại lệ → kiểm tra normality bằng Shapiro-Wilk test; nếu p < 0,05 (dữ liệu không chuẩn) → dùng Wilcoxon.
Tác động lâm sàng: Bác sĩ điều trị tại Bệnh viện Nhi Đồng 1, sau khi xem xét kết quả, quyết định chuyển sang phác đồ A cho hầu hết trẻ viêm phổi không biến chứng. Lý do: giảm gần 1 ngày nằm viện, giảm 1,2 triệu đồng chi phí điều trị trung bình mỗi trẻ, giảm nguy cơ nhiễm khuẩn bệnh viện, và đặc biệt — trẻ không phải chịu đau đớn vì tiêm tĩnh mạch. Với 500 trẻ viêm phổi mỗi năm, bệnh viện tiết kiệm được 600 ngày giường — một con số không nhỏ trong bối cảnh quá tải bệnh viện tại Việt Nam.
