Logo Xem trang đào tạo trực tuyến arrow1
space
 4.1. Phương pháp xấp xỉ mẫu lớn không điều kiện – Dựa trên Mô hình Nhị thức

4.1. Phương pháp xấp xỉ mẫu lớn không điều kiện – Dựa trên Mô hình Nhị thức

4.1 Phương pháp Tiệm cận Không điều kiện (Asymptotic Unconditional) — Mô hình Nhị thức

Xét một đoàn hệ đóng với n₁ cá thể phơi nhiễm và n₀ cá thể không phơi nhiễm. Gọi A là số ca mắc ở nhóm phơi nhiễm và B là số ca mắc ở nhóm không phơi nhiễm. Bảng 2×2 được trình bày như sau:

  Mắc bệnh Không mắc Tổng
Phơi nhiễm (+) a n₁ − a n₁
Phơi nhiễm (−) b n₀ − b n₀

Giả định: A ~ Binomial(n₁, p₁) và B ~ Binomial(n₀, p₀), với A và B độc lập. Đây là mô hình "không điều kiện" (unconditional) vì chỉ có các biên n₁ và n₀ được cố định — tổng số ca mắc m = a + b là ngẫu nhiên.

Ước lượng điểm của OR:

OR̂ = (a / (n₁ − a)) / (b / (n₀ − b)) = a(n₀ − b) / [b(n₁ − a)]   (4.1)

Đây là ước lượng hợp lý tối đa không điều kiện (unconditional MLE) của OR.

Khoảng tin cậy cho OR dựa trên log(OR): Đặt ψ = ln(OR). Ước lượng của ψ là ψ̂ = ln(OR̂). Phương sai tiệm cận của ψ̂ là:

var(ψ̂) = 1/a + 1/b + 1/(n₁−a) + 1/(n₀−b)   (4.2)

Khoảng tin cậy 100(1−α)% cho ψ là:

ψ̂ ± zα/2 · √[var(ψ̂)]   (4.3)

Sau đó chuyển đổi ngược sang thang OR bằng hàm mũ: (ORL, ORU) = (exp(ψL), exp(ψU)).

Cảnh báo: Công thức phương sai (4.2) không xác định khi bất kỳ ô nào trong bảng có tần số bằng 0. Trong trường hợp đó, có thể thêm 0,5 vào mỗi ô (hiệu chỉnh Haldane) trước khi tính toán. Phương pháp tiệm cận không điều kiện hoạt động tốt khi tất cả các ô đều đủ lớn (thường khuyến nghị mỗi ô ≥ 5).

(Nguồn: Newman SC. Biostatistical Methods in Epidemiology. Wiley, 2001. Chương 4, tr.90-100.)

🏥 Phòng khám Đa khoa ĐHYK Phạm Ngọc Thạch

Khám chữa bệnh đa khoa • Bác sĩ đầu ngành • Trang thiết bị hiện đại

📋 Đặt lịch khám →


Phụ trách chuyên môn TS Võ Thành Liêm (thanhliem.vo@gmail.com)

space