Sai số ngẫu nhiên (Random Error)
Là sai số do biến thiên ngẫu nhiên — như tung đồng xu 10 lần có thể được 7 mặt ngửa. Cỡ mẫu càng lớn, sai số ngẫu nhiên càng nhỏ. Có thể đo lường bằng khoảng tin cậy (confidence interval) và kiểm định thống kê (p-value).
Sai số hệ thống (Bias)
Là sai số có hệ thống, không giảm đi khi tăng cỡ mẫu. Hai loại chính:
- Selection bias: Sai số do chọn mẫu — nhóm tham gia khác nhóm không tham gia. Ví dụ: nghiên cứu bệnh-chứng chọn nhóm chứng không đại diện.
- Information bias: Sai số do đo lường — hỏi bệnh nhân nhớ không chính xác (recall bias), hoặc người phỏng vấn vô tình gợi ý câu trả lời (interviewer bias).
Nhiễu (Confounding)
Yếu tố thứ ba vừa liên quan đến phơi nhiễm vừa liên quan đến bệnh. Điều kiện để một yếu tố là nhiễu:
- Là yếu tố nguy cơ độc lập của bệnh.
- Liên quan đến phơi nhiễm trong quần thể.
- Không nằm trên đường nhân quả giữa phơi nhiễm và bệnh.
Kiểm soát nhiễu
- Phân tầng (Stratified analysis): Phân tích riêng từng tầng của yếu tố nhiễu (vd: phân tích riêng cho người hút thuốc và không hút thuốc).
- Phân tích đa biến (Multivariate analysis): Dùng mô hình hồi quy để điều chỉnh đồng thời nhiều yếu tố nhiễu.
- Ngẫu nhiên hóa (Randomization): Cách tốt nhất — phân bố ngẫu nhiên các yếu tố nhiễu giữa các nhóm.
- Ghép cặp (Matching): Chọn đối tượng có cùng đặc điểm nhiễu.
Biểu đồ: Ví dụ về confounding — so sánh tỷ số chênh thô (crude OR) và tỷ số chênh đã điều chỉnh (adjusted OR) sau khi kiểm soát yếu tố nhiễu là hút thuốc. Kết quả thô cho thấy mối liên quan "có ý nghĩa", nhưng sau điều chỉnh, OR tiến về 1, không còn ý nghĩa thống kê.
📚 Simpson's Paradox — Ví dụ kinh điển về nhiễu
Simpson's paradox (nghịch lý Simpson) là hiện tượng: mối liên quan giữa hai biến có thể đảo chiều khi phân tích riêng từng tầng của một biến thứ ba.
Ví dụ kinh điển: Nghiên cứu về tỷ lệ sống sau điều trị sỏi thận. Kết quả thô cho thấy Phương pháp A có tỷ lệ thành công cao hơn Phương pháp B. Nhưng khi phân tích riêng cho sỏi nhỏ và sỏi lớn, Phương pháp B lại tốt hơn trong cả hai nhóm! Nguyên nhân: bác sĩ có xu hướng chọn Phương pháp A cho bệnh nhân sỏi lớn (khó hơn), làm cho kết quả thô bị nhiễu bởi kích thước sỏi.
⚠️ Bài học: Simpson's paradox nhắc nhở chúng ta rằng kết quả thô (crude) có thể rất sai lệch nếu không kiểm soát nhiễu. Trong dịch tễ học, phân tích phân tầng là bước bắt buộc trước khi đưa ra kết luận cuối cùng.
📚 Effect Modification (Tương tác) — Khác với nhiễu thế nào?
Effect modification (hiệu chỉnh tác động, hay tương tác) là hiện tượng tác động của phơi nhiễm lên bệnh thay đổi theo mức độ của một yếu tố khác. Khác với nhiễu, effect modification không phải là sai số — nó là một phát hiện quan trọng cần được báo cáo.
| Đặc điểm | Nhiễu (Confounding) | Effect Modification (Tương tác) |
|---|---|---|
| Bản chất | Sai số — cần loại bỏ | Phát hiện khoa học — cần báo cáo |
| So sánh OR thô vs phân tầng | OR thô ≠ OR các tầng (nhưng OR các tầng ≈ nhau) | OR các tầng khác nhau rõ rệt |
| Xử lý | Điều chỉnh (adjust) | Báo cáo riêng từng tầng (stratify) |
| Kiểm định thống kê | Mantel-Haenszel, hồi quy | Kiểm định tương tác (interaction test) |
| Ví dụ | Hút thuốc gây nhiễu cho cà phê → ung thư | Hiệu quả vaccine COVID-19 khác nhau theo tuổi |
Ví dụ effect modification: Hiệu quả của vaccine COVID-19 rất cao ở người trẻ (90%), nhưng thấp hơn ở người già (70%). Tuổi "tương tác" với hiệu quả vaccine — đây không phải nhiễu, mà là một thông tin quan trọng cho chính sách tiêm chủng.
