Tóm tắt: Một trong những hiểu lầm phổ biến trong diễn giải kết quả nghiên cứu lâm sàng là nhầm lẫn giữa odds ratio (OR) và relative risk (RR). Nhiều công trình nghiên cứu lâm sàng đối chứng ngẫu nhiên (randomized controlled trial – RCT)Tóm tắt : Một trong những hiểu nhầm phổ cập trong diễn giải tác dụng điều tra và nghiên cứu lâm sàng là nhầm lẫn giữa odds ratio ( OR ) và relative risk ( RR ). Nhiều khu công trình điều tra và nghiên cứu lâm sàng đối chứng ngẫu nhiên ( randomized controlled trial – RCT )
GS. Nguyễn Văn Tuấn
Giáo sư y khoa, Đại học New South Wales
Viện nghiên cứu y khoa Garvan, Sydney, Australia
Tóm tắt: Một trong những hiểu lầm phổ biến trong diễn giải kết quả nghiên cứu lâm sàng là nhầm lẫn giữa odds ratio (OR) và relative risk (RR). Nhiều công trình nghiên cứu lâm sàng đối chứng ngẫu nhiên (randomized controlled trial – RCT) thường có xu hướng báo cáo kết quả qua chỉ số RR, nhưng cũng có khi OR được sử dụng để mô tả ảnh hưởng của một thuật điều trị hay mối liên hệ giữa hai yếu tố. Sự lựa chọn này dẫn đến hiểu lầm rằng hai chỉ số này giống nhau, và sự hiểu lầm xảy ra ở ngay cả những nhà nghiên cứu có kinh nghiệm. Tuy nhiên, OR không có cùng ý nghĩa với RR. Nói ngắn gọn, OR là một ước số của RR. Trong điều kiện tần số mắc bệnh thấp hay rất thấp (dưới 1%) thì OR và RR tương đương nhau, nhưng khi tần số mắc bệnh cao hơn 20% thì OR có xu hướng ước tính RR cao hơn thực tế. Bài này sẽ giải thích những khác biệt quan trọng giữa 2 chỉ số này, và trình bày một cách diễn giải đúng hơn.
Trong một bài báo khoa học về mối liên hệ giữa gene RUNX2 và gãy xương, những tác giả viết : “ The risk of fracture in the CC genotype was 45 % lower than TT group ( OR = 0.55 ; 95 % CI : 0.32 – 0.94 ; P = 0.03 ) “. Tuy nhiên cách diễn giải này sai, vì tác giả hiểu nhầm khái niệm risk và odds. Thật ra, đây là một hiểu nhầm rất phổ cập, vì những nhà nghiên cứu thường hiểu OR tương tự với RR, nhưng hai chỉ số này khác nhau .
Prevalence và incidence
Trước khi phân biệt khái niệm risk và odds, tất cả chúng ta cần phân biệt hai chỉ số thông dụng trong nghiên cứu và điều tra lâm sàng và dịch tễ học : tỉ lệ lưu hành ( prevalence ) và tỉ lệ phát sinh ( incidence ). Tỉ lệ lưu hành, như tên gọi, là tỉ lệ ca bệnh hiện lưu hành trong một quần thể ngay tại một thời gian. Tỉ lệ lưu hành phản ảnh qui mô của một yếu tố y tế, nhưng không cho tất cả chúng ta biết về bệnh căn học ( etiology ). Tỉ lệ phát sinh, có khi được đề cập đến như thể tỉ lệ tiến công ( attack rate ), là tỉ lệ số ca mới mắc bệnh trong một thời hạn theo dõi. Tỉ lệ phát sinh có giá trị khoa học là nó cung ứng cho tất cả chúng ta một vài thông tin về bệnh căn học. Chẳng hạn như một quần thể gồm 5 cá thể ( kí hiệu 1, 2, 3, …, 5 trong biểu đồ dưới đây ), với 3 người mắc bệnh ( đối tượng người tiêu dùng 1, 3 và 5 ) .
Biểu đồ 1 minh họa cách tính prevalence và incidence.
Nếu một nghiên cứu và điều tra cắt ngang được thực thi tại thời gian T1 thì tỉ lệ lưu hành ước tính lúc đó là 2/5 = 30 %. Nhưng nếu khu công trình điều tra và nghiên cứu thực thi tại thời gian T2 thì tỉ lệ lưu hành là 3/5 = 60 %. Nếu khu công trình nghiên cứu và điều tra theo dõi 5 cá thể đến thời gian T3, và trong thời hạn này có 3 cá thể mắc bệnh ; do đó, tỉ lệ phát sinh trong thời hạn này là 3/5 = 60 % .
Khái niệm nguy cơ (risk) và odds
Trong y khoa, rủi ro tiềm ẩn mắc bệnh thực ra là Tỷ Lệ. Xác suất, như tất cả chúng ta biết, là một biến số giữa 0 và 1. Xác suất thực ra là tỉ lệ, tỉ số, và Phần Trăm. Do đó, thuật ngữ risk trong y khoa hoàn toàn có thể có nghĩa là Xác Suất, tỉ lệ lưu hành, hay tỉ lệ phát sinh .
Cụm từ nguy cơ, dịch từ chữ risk trong tiếng Anh, có rất nhiều nghĩa trong y khoa. Cần phải phân biệt nguy cơ mắc bệnh và bệnh. Khi nói đến ung thư, chúng ta muốn nói đến một sự kiện cho một cá nhân; nhưng khi nói đến nguy cơ ung thư hay cancer risk, chúng ta nói đến nguy cơ xảy ra, nguy cơ phát sinh cho một cá nhân hay một quần thể. Xin nhắc lại, sự kiện khác với nguy cơ sự kiện. Do đó, ung thư khác với nguy cơ ung thư, vì ung thư là một sự kiện mang tính khẳng định (certainty), còn nguy cơ ung thư là một biến số liên tục mang tính bất định (uncertainty). Tất cả chúng ta trong bất cứ thời điểm nào đều có nguy cơ bị bệnh; nhưng có người có nguy cơ cao, có người có nguy cơ thấp.
Trong tiếng Anh còn có một chữ nữa mà những ngôn từ khác như Pháp, Tây Ban Nha, Đức, và ngay cả tiếng Việt cũng không có : đó là chữ odds. Nếu rủi ro tiềm ẩn bệnh nhân mắc bệnh là p, thì có một cách nói khác rằng odds mà bệnh nhân đó mắc bệnh so với không mắc bệnh là
Ví dụ : nếu rủi ro tiềm ẩn bệnh nhân bị ung thư trong vòng 5 năm tới là 0.10 ( tức 10 % ) thì odds mà bệnh nhân bị ung thư là 0.1 / ( 1 – 0.1 ) = 0.11. Theo định nghĩa này odds không phải là rủi ro tiềm ẩn hay risk .
OR và RR: cơ chế tính toán
OR và RR là hai chỉ số thống kê rất phổ cập và có ích trong nghiên cứu và điều tra lâm sàng, vì cả hai chỉ số kiểm định mối liên hệ giữa một yếu tố rủi ro tiềm ẩn và bệnh tật – một tiềm năng gần như cơ bản của điều tra và nghiên cứu y học văn minh. Cơ chế đo lường và thống kê của hai chỉ số này cực kỳ đơn thuần .
Hãy tưởng tượng một khu công trình nghiên cứu và điều tra RCT với 2 nhóm : nhóm được điều trị tích cực với một loại thuốc gồm n1 bệnh nhân, và một nhóm chứng ( placebo ) gồm n2 bệnh nhân. Sau một thời hạn điều trị, có k1 bệnh nhân trong nhóm được điều trị mắc bệnh, và k2 bệnh nhân trong nhóm chứng mắc bệnh. Như vậy, tỉ lệ mắc bệnh của nhóm điều trị ( kí hiệu p1 ) và nhóm chứng ( p2 ) được ước tính như sau :
Nếu RR > 1 (hay p1 > p2 
), chúng ta có thể phát biểu rằng yếu tố nguy cơ làm tăng khả năng mắc bệnh; nếu RR = 1 (tức là p1 = p2 
), chúng ta có thể nói rằng không có mối liên hệ nào giữa yếu tố nguy cơ và khả năng mắc bệnh; và nếu RR p1
Odds ratio: Thay vì sử dụng tỉ lệ phát sinh p để đo lường khả năng mắc bệnh, thống kê cung cấp cho chúng ta một chỉ số khác: đó là odds. Odds như đề cập trên là tỉ số của hai xác suất. Nếu p là xác suất mắc bệnh, thì 1 – p là xác suất sự kiện không mắc bệnh. Theo đó, odds được định nghĩa bằng:
Như vậy, nếu odds > 1, năng lực mắc bệnh cao hơn năng lực không mắc bệnh ; nếu odds = 1 thì điều này cũng có nghĩa là năng lực bằng với năng lực không mắc bệnh ; và nếu odds 
Mối liên hệ giữa RR và OR. Qua công thức [1] và [2], chúng ta có thể thấy OR và RR có một mối liên hệ số học. Có thể viết lại công thức RR như là một hàm số của OR (hay ngược lại), nhưng ở đây, tôi chỉ muốn lưu ý một điểm quan trọng có liên quan đến việc diễn dịch RR và OR.
Nhìn vào công thức định nghĩa odds, chúng ta dễ dàng thấy nếu tỉ lệ mắc bệnh p thấp (chẳng hạn như 0.001 hay 0.01 – tức 0.1% hay 1%), thì odds≈p. Chẳng hạn như nếu p = 0.01, thì 1 – p = 0.99, và do đó odds = 0.01 / 0.99 = 0.010101, tức rất gần với p = 0.01. Quay lại với công thức [2], nếu nguy cơ mắc bệnh (p1 hay p2) ( hay 
) thấp hay rất thấp, thì OR có thể viết như sau:
Nói cách khác, nếu nguy cơ mắc bệnh thấp, thì OR gần bằng với RR. Nhưng nếu nguy cơ mắc bệnh cao (chẳng hạn như trên 10%) thì chỉ số OR cũng cao hơn chỉ số RR.
Có thể làm một vài tính toán để thấy sự khác biệt giữa RR và OR qua bảng số liệu sau đây (Bảng 1). Với những trường hợp nguy cơ mắc bệnh dưới 5%, OR và RR không khác nhau đáng kể. Nhưng nếu nguy cơ mắc bệnh cao hơn 10%, thì OR thường ước tính RR cao hơn thực tế.
Bảng 1. So sánh RR và OR với nhiều tỉ lệ khác nhau (số liệu mô phỏng)
| Trường hợp | Tỉ lệ ( rủi ro tiềm ẩn ) mắc bệnh | Odds mắc bệnh | So sánh giữa RR và OR | |||
| Nhóm 1 ( p1 ) |
Nhóm 2 ( p2 ) |
Nhóm 1 ( odds1 ) |
Nhóm 2 ( odds2 ) |
RR | OR | |
| 1 | 0.001 | 0.003 | 0.002 | 0.003 | 3 | 3.01 |
| 2 | 0.01 | 0.03 | 0.01 | 0.03 | 3 | 3.06 |
| 3 | 0.02 | 0.06 | 0.02 | 0.06 | 3 | 3.13 |
| 4 | 0.05 | 0.15 | 0.05 | 0.18 | 3 | 3.35 |
| 5 | 0.10 | 0.30 | 0.11 | 0.43 | 3 | 3.86 |
| 6 | 0.15 | 0.45 | 0.18 | 0.82 | 3 | 4.64 |
| 7 | 0.20 | 0.60 | 0.25 | 1.50 | 3 | 6.00 |
| 8 | 0.25 | 0.75 | 0.33 | 3.00 | 3 | 9.00 |
| 9 | 0.30 | 0.90 | 0.43 | 9.00 | 3 | 21.0 |
| 10 | 0.33 | 0.99 | 0.49 | 99.0 | 3 | 2101.0 |
Chú ý: Bảng trên đây được mô phỏng sao cho RR = 3 để chứng minh rằng OR ước tính độ ảnh hưởng cao hơn so với thực tế.
RR và OR: ứng dụng
Ví dụ 1: truy tìm ung thư vú. Chương trình truy tìm ung thư vú được khuyến khích như là một phương cách y tế công cộng nhằm giảm nguy cơ tử vong từ bệnh này ở phụ nữ. Một nhóm nghiên cứu ở Thụy Điển tiến hành một nghiên cứu lâm sàng đối chứng ngẫu nhiên (RCT), mà trong đó họ tuyển các phụ nữ tuổi 50 trở lên, và chia thành 2 nhóm: nhóm A gồm 66103 phụ nữ được chụp mammography thường xuyên (mỗi năm một lần), và nhóm B gồm 66105 phụ nữ không chụp mammography mà chỉ theo dõi bình thường (tức nhóm chứng). Sau 5 năm, nhóm A có 183 người tử vong vì ung thư vú và nhóm B có 177 người tử vong. Số liệu được trình bày trong Bảng 2 sau đây:
Bảng 2 : Truy tìm ung thư vú và tử trận
|
Nhóm |
Tổng số đối tượng tham gia |
Số tử vong |
| A – Mammography | 66,103 | 183 |
| B – Nhóm chứng | 66,105 | 177 |
Với số liệu này, chúng ta có thể thấy nguy cơ tử vong trong nhóm A là PA = 183/66103 = 0.002768 và nhóm B là PA = 177/66105 = 0.002678. Từ đó, RR có thể ước tính bằng công thức [1] như sau:
Như vậy, OR bằng RR. Nhưng cách diễn dịch của OR khác với RR. Bởi vì đơn vị chức năng của RR là rủi ro tiềm ẩn tử trận, do đó tất cả chúng ta hoàn toàn có thể nói rằng nhóm chụp mammography liên tục có rủi ro tiềm ẩn tử trận cao hơn nhóm đối chứng khoảng chừng 3.4 %. Nhưng đơn vị chức năng của OR là odds, do đó tất cả chúng ta không hề phát biểu về “ rủi ro tiềm ẩn tử trận ”, mà chỉ hoàn toàn có thể phát biểu rằng “ năng lực ” hay odds tử trận của nhóm A cao hơn nhóm B khoảng chừng 3.4 %. Ở đây, vì rủi ro tiềm ẩn tử trận thấp, cho nên vì thế như công thức [ 3 ] cho thấy hai chỉ số này giống nhau, và trong thực tiễn tất cả chúng ta hoàn toàn có thể diễn dịch một OR như là RR .
Cách phân biệt trên có vẻ như máy móc và lí thuyết, nhưng quan trọng. Để thấy rõ nguy hại trong cách diễn dịch OR, tôi sẽ trình diễn một ví dụ sau đây :
Ví dụ 2: sắc tộc và tỉ lệ thông tim (cardiac catherization). Tập san New England Journal of Medicine số ra ngày 25/2/1999 (tập 349; trang 618-626) công bố một nghiên cứu rất thú vị về ảnh hưởng của sắc tộc đến tỉ lệ thông tim. Trong nghiên cứu này, các nhà nghiên cứu mướn một số diễn viên điện ảnh người da trắng và da đen đóng vai bệnh nhân. Các diễn viên được chỉ cách trình bày các triệu chứng và bệnh trạng cẩn thận và đầy đủ, nhưng giống nhau. Họ thu hình các diễn viên vào video; chọn ngẫu nhiên 720 bác sĩ chuyên khoa tim người da trắng, cho họ xem các video này, và hỏi “ai cần được thông tim”. Kết quả cho thấy 90.6% bác sĩ đề nghị các bệnh nhân da trắng nên được thông tim, nhưng tỉ lệ này cho bệnh nhân da đen chỉ 84.7%. Một phần của kết quả có thể tóm lược trong Bảng 3 sau đây:
Bảng 3: Sắc tộc và tỉ lệ thông tim
|
Nhóm |
Số bác sĩ đề nghị thông tim |
Số bác sĩ không đề nghị thông tim |
| w – Bệnh nhân da trắng | 652 | 68 |
| b – Bệnh nhân da đen | 610 | 110 |
Các nhà nghiên cứu Tóm lại rằng tỉ lệ bệnh nhân da đen được thông tim thấp hơn tỉ lệ ở bệnh nhân da trắng đến 40 %. Sau khi điều tra và nghiên cứu này công bố, giới truyền thông online rầm rộ bàn về tác dụng và ý nghĩa của nghiên cứu và điều tra. Không cần nói ra, cũng hoàn toàn có thể đoán được trong dư âm và thực trạng kì thị chủng tộc ở Mĩ còn lê dài, những nhóm đấu tranh chống kì thị chủng tộc lấy hiệu quả này để làm dẫn chứng tố cáo rằng những bác sĩ da trắng kì thị bệnh nhân da đen. Ý nghĩa còn sâu xa hơn : sự kì thị này hoàn toàn có thể dẫn đến tử trận. Nói cách khác, có người diễn dịch rằng đây là một sự cố sát !
Nhưng rất tiếc là số lượng 40 % đó đã được diễn dịch cực kỳ sai. Không những diễn dịch sai mà cách giám sát cũng sai. Để hiểu tại sao cách diễn dịch đó sai, tất cả chúng ta hãy mở màn bằng cách tính OR của những tác giả. Odds thông tim trong nhóm bệnh nhân da trắng là :
Tại sao có sự độc lạ ? Tại vì những tác giả và giới tiếp thị quảng cáo nhầm lẫn rằng OR là RR. Trong trường hợp này, OR không phải là một chỉ số thích hợp để phân tích số liệu, chính bới son số tỉ lệ quá cao ( 84.7 % và 90.6 % ), và vì tỉ lệ quá cao, cho nên vì thế OR ước tính RR quá cao hơn trong thực tiễn .
Thật ra, ở đây cách gọi “RR” cũng không chính xác. RR chỉ sử dụng cho tỉ lệ phát sinh (incidence), nhưng trong trường hợp này không có tỉ lệ phát sinh, mà là tỉ lệ lưu hành (prevalence). Do đó, thuật ngữ chính xác để mô tả 0.935 là prevalence ratio (PR). (Đây là một đề tài khác mà tôi hi vọng sẽ có dịp quay lại để bàn thêm). Điều ngạc nhiên là sai sót này lại hiện diện ngay trên giấy trắng mực đen của một tập san y học vào hàng số 1 trên thế giới!
Vấn đề diễn dịch OR
RR là tỉ số của 2 tỉ lệ hay 2 rủi ro tiềm ẩn, và tỉ lệ thì tất cả chúng ta hoàn toàn có thể hiểu được khá thuận tiện. Nếu nói tỉ lệ mắc bệnh 3 %, tất cả chúng ta nghĩ ngay đến 3 trong 100 người mắc bệnh. Vì thế, yếu tố diễn dịch RR khá thuận tiện. Nếu RR = 2, tất cả chúng ta hoàn toàn có thể nói rằng tỉ lệ tăng gấp 2 lần. Ai cũng hiểu được mà không phỏng vấn gì thêm .
OR là tỉ số của hai odds. Odds phản ảnh “ năng lực ” mắc bệnh. Odds = 2 có nghĩa là năng lực mắc bệnh cao hơn năng lực không mắc bệnh 2 lần. Khó hiểu. Odds đã khó hiểu thì tỉ số của hai odds ( hay hai năng lực ) lại càng là một thống kê giám sát khó hiểu hơn vì nó quá chung chung, khó cảm nhận được. Thật ra, một người thông thường khó hoàn toàn có thể hiểu đúng chuẩn nghĩa của OR. Chúng ta biết OR = 2 không hẳn có cùng nghĩa với RR = 2. Chính vì vậy mà gần đây có “ trào lưu xét lại ” OR trên những tập san y học quốc tế. Nhiều nhà điều tra và nghiên cứu, dịch tễ học và thống kê học lôi kéo bỏ OR !
Nhưng bất kể đo lường và thống kê nào cũng lợi thế và khiếm khuyết. RR, dù dễ diễn dịch cũng có khiếm khuyết của nó. Lấy ví dụ đơn thuần : nếu tỉ lệ mắc bệnh ung thư trong nhóm A là 1 % và nhóm B là 3 %, tất cả chúng ta thuận tiện thấy RR = 3. Nhưng thay vì nói mắc bệnh, tất cả chúng ta lật ngược lại yếu tố “ không mắc bệnh ” : tất cả chúng ta có tỉ lệ cho nhóm A là 99 % so với nhóm B là 97 %, và như vậy RR = 0.97 / 0.99 = 0.98, tức là tỉ lệ không mắc bệnh trong nhóm B thấp hơn nhóm A khoảng chừng 2 %. ( Nhưng nếu dùng “ mắc bệnh ”, nhóm A mắc bệnh nhiều hơn nhóm B đến 3 lần ! ) Nói cách khác, RR hoàn toàn có thể thiếu tính đồng điệu ( consistency ) .
Nhưng OR thì đồng nhất. Trong ví dụ trên, nếu lấy chỉ số là “ mắc bệnh ” làm so sánh, OR là 3.06. Nhưng nếu lấy “ không mắc bệnh ” làm chỉ số son sánh, thì OR vẫn là 3.06 ( bạn đọc hoàn toàn có thể kiểm tra số lượng này ). Trong toán thống kê, người ta gọi đặc tính của OR là symmetric ( đối xứng ), còn đặc tính của RR là asymmetric ( bất đối xứng ) .
OR, PR, RR và thể loại nghiên cứu
Một độc lạ cơ bản nữa giữa RR và OR là sự tùy thuộc vào thể loại nghiên cứu và điều tra. Nói một cách ngắn gọn, RR chỉ hoàn toàn có thể ước tính từ nghiên cứu và điều tra xuôi thời hạn ( cohort prospective study ), nhưng OR thì hoàn toàn có thể ước tính từ tổng thể thể loại điều tra và nghiên cứu, nhưng hầu hết là điều tra và nghiên cứu bệnh – chứng .
Bởi vì OR hoàn toàn có thể sử dụng cho điều tra và nghiên cứu cắt ngang nhưng có yếu tố về diễn giải, và điều tra và nghiên cứu cắt ngang chỉ hoàn toàn có thể ước tính prevalence hay tỉ lệ lưu hành, nên những nhà nghiên cứu ý kiến đề nghị sử dụng prevalence ratio ( PR ) thay cho OR so với những điều tra và nghiên cứu cắt ngang. Tương tự như RR là tỉ số của hai incidence ( tỉ lệ phát sinh ), PR là tỉ số của 2 tỉ lệ lưu hành .
Một chỉ số khác cũng có ý nghĩa tựa như như ralative risk là hazard ratio ( HR hay tỉ số rủi ro đáng tiếc ). Thông thường những điều tra và nghiên cứu lâm sàng theo dõi đối tượng người dùng trong một thời hạn dài, thay vì tính tỉ lệ phát sinh bệnh trong thời hạn đó, nhiều lúc những nhà nghiên cứu tính tỉ lệ phát sinh tích góp ( cumulative risk ) trong thời hạn cho từng nhóm, và tính HR. Tuy cách tính này, đứng trên phương diện toán học, đúng chuẩn hơn cách tính tỉ lệ trên 100 người-năm hay trên 100 đối tượng người tiêu dùng, nhưng trong thực tiễn thì HR và RR không khác nhau đáng kể. Trong trường hợp thời hạn theo dõi giữa 2 nhóm tương tự nhau thì hầu hết không có độc lạ nào giữa RR và HR .
Bảng 4: Thể loại nghiên cứu và sự thích hợp của OR, PR, RR
|
Thể loại nghiên cứu (Study design) |
Chỉ số thống kê |
Mô hình phân tích |
| Bệnh chứng ( case-control ) | Odds ratio ( OR ) | Hồi qui logistic ( logistic regression ) |
| Cắt ngang ( cross-sectional ) | Prevalence ratio ( PR ) hay OR | Hồi qui nhị phân ( binomial regression ) hay Hồi qui logistic |
| Theo thời hạn ( prospective ) | Relative risk ( RR ) | Hồi qui Cox ( Cox’s regression Mã Sản Phẩm ) |
| Thử nghiệm lâm sàng RCT | RR hay Hazard ratio ( HR ) | Hồi qui Cox |
Giả dụ chúng ta muốn tìm hiểu mối liên hệ giữa phơi nhiễm chất độc màu da cam (Agent Orange – AO) và bệnh ung thư. Một cách nghiên cứu qui mô là tuyển chọn [ngẫu nhiên] một nhóm đối tượng, sau đó phân nhóm dựa vào tiền sử có bị phơi nhiễm độc chất hay không. Sau đó, theo dõi cả hai nhóm đối tượng một thời gian (chẳng hạn như 5 năm) và ghi nhận số người bị ung thư. Kết quả của nghiên cứu như thế có thể tóm lược trong Bảng 5 sau đây. Trong số 1000 người được thẩm định bị phơi nhiễm lúc ban đầu, có 20 người (hay 2%) bị ung thư trong thời gian theo dõi; trong số 10,000 người không bị phơi nhiễm AO, có 100 người (tức 1%) bị ung thư sau đó. Như vậy, RR = 0.02/0.01 = 2. Nhưng nếu tính bằng odd thì OR = 2.02. Hai chỉ số này không khác nhau đáng kể.
Bảng 5. Một nghiên cứu xuôi thời gian (giả tưởng)
|
Nhóm |
Ung thư |
Không ung thư |
Tổng số |
| Phơi nhiễm AO | 20 | 980 | 1000 |
| Không phơi nhiểm AO | 100 | 9900 | 10000 |
Nhưng theo dõi đối tượng một thời gian dài thường rất tốn kém. Một phương pháp nghiên cứu khác cũng có thể đáp ứng mục đích tìm hiểu mối liên hệ giữa AO và ung thư, nhưng cần ít đối tượng hơn và không cần theo dõi một thời gian dài: đó là nghiên cứu bệnh – chứng. Bảng 6 dưới đây trình bày kết quả một nghiên cứu (giả tưởng) như thế. Trong nghiên cứu này, chúng ta chọn 100 bệnh nhân ung thư và 100 đối tượng không bị ung thư, nhưng hai nhóm này tương đương nhau về các yếu tố nguy cơ. Sau đó, chúng ta tìm hiểu qua hồ sơ bệnh lí (hay phỏng vấn) trong mỗi nhóm có bao nhiêu người bị phơi nhiễm độc chất. Nói cách khác, đây là một nghiên cứu “ngược thời gian” (so với nghiên cứu “xuôi thời gian” như trình bày trong Bảng 4. Kết quả nghiên cứu bệnh chứng này được trình bày như sau:
Bảng 6. Một nghiên cứu bệnh – chứng (giả tưởng)
|
Nhóm |
Ung thư |
Không ung thư |
| Phơi nhiễm AO | 10 | 5 |
| Không phơi nhiểm AO | 90 | 95 |
| Tổng số | 100 | 100 |
Trong nhóm bệnh nhân, có 10 người ( hay 10 % ) từng bị phơi nhiễm AO ; và trong nhóm không ung thư số đối tượng người tiêu dùng từng bị phơi nhiễm là 5 người ( hay 5 % ). Ở đây, tất cả chúng ta không hề tính tỉ lệ phát sinh bệnh ( incidence ), chính do số lượng bệnh nhân và đối chứng đã được xác lập trước. Vì không hề ước tính tỉ lệ phát sinh, nghiên cứu và điều tra bệnh chứng không được cho phép tất cả chúng ta ước tính RR. Tuy nhiên, tất cả chúng ta hoàn toàn có thể tính OR, và OR trong trường hợp này là một ước tính chỉ số RR .
Số liệu Bảng 6 cho thấy odds bị phơi nhiễm trong nhóm bệnh nhân là: 10/90 = 0.1111, và nhóm đối chứng: 0.05263. Do đó, OR = 0.1111 / 0.05263 = 2.11. Thật ra, có thể tính đơn giản hơn bằng công thức “giao chéo”:
Điểm chính để phân biệt hai hình thức điều tra và nghiên cứu này là giải pháp chọn mẫu. Với nghiên cứu và điều tra xuôi thời hạn, tất cả chúng ta xác lập số lượng đối tượng người tiêu dùng theo yếu tố rủi ro tiềm ẩn ngay từ đầu, và số lượng bệnh phát sinh là 1 số ít ghi nhận. Ngược lại, với điều tra và nghiên cứu ngược thời hạn, tất cả chúng ta xác lập số lượng bệnh nhân và đối tượng người dùng ngay từ đầu, và số lượng phơi nhiễm yếu tố rủi ro tiềm ẩn là số ghi nhận .
Tuy hiệu quả điều tra và nghiên cứu của hai thể loại điều tra và nghiên cứu được trình diễn rất giống nhau : hai cột và hai dòng ( 2 × 2 table ), nhưng “ câu truyện ” đằng sau của những số liệu này rất khác nhau. Không am hiểu câu truyện đằng sau của một bảng số liệu rất thuận tiện sai lầm đáng tiếc trong khi nghiên cứu và phân tích !
Tóm tắt
Tóm lại, cả hai RR và OR đều là những chỉ số phản ảnh độ đối sánh tương quan giữa một yếu tố rủi ro tiềm ẩn và bệnh ; nhưng RR mới là chỉ số tất cả chúng ta cần biết ( còn OR chỉ là ước số của RR ). Cần phải xác lập rằng odds không phải là risk hay rủi ro tiềm ẩn. Do đó, ý nghĩa của OR rất khó diễn giải. Đây chính là lí do mà 1 số ít nhà nghiên cứu đòi “ tẩy chai ” OR [ 1,2 ]. Nhưng vì tính đồng nhất của OR so với RR nên việc sử dụng OR cần phải đặt vào toàn cảnh điều tra và nghiên cứu [ 3 ]. Trong nghiên cứu và điều tra cắt ngang hay nghiên cứu và điều tra theo thời hạn, và khi tỉ lệ lưu hành hay tỉ lệ phát sinh bệnh cao thì nên tránh sử dụng OR [ 4 ] .
Việc chọn OR và RR tùy theo quy mô nghiên cứu và điều tra [ 5-7 ]. OR hoàn toàn có thể sử dụng cho tổng thể những nghiên cứu và điều tra bệnh chứng ( case-control study ), cắt ngang ( cross-sectional study ), nghiên cứu và điều tra theo dõi bệnh nhân theo thời hạn ( prospective study ) kể cả điều tra và nghiên cứu lâm sàng đối chứng ngẫu nhiên ( RCT ). RR chỉ hoàn toàn có thể sử dụng cho những điều tra và nghiên cứu theo dõi bệnh nhân theo thời hạn và điều tra và nghiên cứu lâm sàng đối chứng ngẫu nhiên. Đối với những nghiên cứu và điều tra cắt ngang, PR thường được sử dụng để khắc phục những khó khăn vất vả trong diễn giải OR .
Về mặt giám sát, không có gì sai khi một điều tra và nghiên cứu cắt ngang hay theo thời hạn sử dụng OR. Nhưng cần phải rất là cẩn trọng khi diễn giải OR trong những điều tra và nghiên cứu cắt ngang, vì OR tùy thuộc vào rủi ro tiềm ẩn mắc bệnh ( và khi rủi ro tiềm ẩn mắc bệnh cao – như trên 10 % – thì OR thường cao hơn so với thực tiễn ). Do đó, những điều tra và nghiên cứu cắt ngang thời nay thường sử dụng prevalence ratio .
Quay trở lại bài báo mà người viết bài này bình duyệt, khi tác giả viết : “ The risk of fracture in the CC genotype was 45 % lower than TT group ( OR = 0.55 ; 95 % CI : 0.32 – 0.94 ; P = 0.03 ) “, họ nhầm lẫn giữa khái niệm rủi ro tiềm ẩn và odds. Cách diễn giải đúng là “ The odds of fracture in the CC genotype was 45 % lower than TT group ” ( Nhóm với biến thể gene CC có rủi ro tiềm ẩn gãy xương thấp hơn 45 % so với nhóm với biến thể TT ) .
Tài liệu tham khảo
1. Sackett DL, Deeks JJ, Altman DG. Down with odds ratios ! Evidence-Based Med 1996 ; 1 : 164 – 166 .
2. Deeks J. When can odds ratios mislead? Odds ratios should be used only in case-control studies and logistic regression analyses [letter]. British Medical Journal 1998:317(7166);1155-6; discussion 1156-7.
3. Altman DG, Deeks JJ, Sackett DL. Odds ratios should be avoided when events are common. British Medical Journal 1998 ; 317 : 1318 .
4. Schmidt CO, Kohlmann T. When to use the odds ratio or the relative risk ? International Journal of Public Health 2008 ; 53 : 165 – 7 .
5. Fahey T, Griffiths S and Peters TJ. Evidence-based purchasing: understanding results of clinical trials and systematic reviews. British Medical Journal 1995:311(7012);1056-9; discussion 1059-60.
6. Greenland S. Interpretation and Choice of Effect Measures in Epidemiologic Analyses. American Journal of Epidemiology 1987 : 125 ( 5 ) ; 761 – 767 .
7. Pearce N. What Does the Odds Ratio Estimate in a Case-Control Study? International Journal of Epidemiology 1993:22(6);118
