thuonglibrary Nền tảng của y học thực chứng bắt đầu bằng những viên gạch nghiên cứu đơn lẻ.
Theo thời gian, những viên gạch này được xây đắp dần. Ngày càng có nhiều nghiên cứu được tiến hành, bao gồm cả nghiên cứu quan sát và can thiệp.
Nếu chúng ta tiến hành các nghiên cứu đơn lẻ tương tự trong một lĩnh vực nhất định, thì các kết quả trong quá khứ có thể được kết hợp. Và, bùm. Chúng tôi nhận được một kết quả mới, đáng tin cậy hơn, với tổng dân số của các nghiên cứu khác nhau, lớn hơn bất kỳ nghiên cứu riêng lẻ nào trước đây. Đây được gọi là một phân tích gộp (meta-analysis). Kết quả của phân tích gộp được thể hiện dưới dạng một biểu đồ rừng “a forest plot”. Vì vậy, điều tiên quyết để đọc và hiểu được một phân tích gộp là học cách để đọc một forest plot.
Chúng ta cùng tìm hiểu cách đọc một phân tích gộp.
Ưu – nhược điểm của phân tích gộp/ Pros and cons of a forest plot.
Có 3 điều chúng ta cần lưu ý khi đọc một phân tích tổng hợp.
1. Tính không đồng nhất (Heterogeneity)
Sự khác nhau của các nghiên cứu trong phần tích gộp có thể đến từ kết quả, phương pháp luận hoặc quần thể nghiên cứu được sử dụng trong nghiên cứu.
2. Kết quả tổng hợp (The pooled result)
Kết quả tổng thể được kết hợp thu được từ việc kết hợp “gộp” các nghiên cứu riêng lẻ.
3. Sai lệch xuất bản (Publication bias)
Mặc dù xu hướng của các phân tích tổng hợp là tìm và đánh giá mối liên quan của những nghiên cứu đáp ứng các tiêu chí thu nhận (the inclusion critria), nhiệm vụ này không phải lúc nào cũng có thể được thực hiện. Một vài nghiên cứu có thể bị bỏ qua bởi vì nó không được viết trong Tiếng Anh, mà bởi vì nó có kết quả không nổi bật không đáng kể ( do đó họ ít có cơ hội được công bố)
Biểu đồ rừng (A forest plot) đang thực hiện nhiệm vụ rất tốt trong việc minh họa 2 điều đầu tiên (Tính không đồng nhất và kết quả tổng hợp). Tuy nhiên, nó không hiển thị sự sai lêch xuất bản cho người đọc. Biểu đồ Hình phễu (A funnel plot) có thể làm điều đó.
CÁCH ĐỂ ĐỌC MỘT BIỂU ĐỒ RỪNG
Thông thường, chúng ta sẽ có 6 cột trong một biểu đồ rừng.
Cột 1: Hiển thị danh tính (ID)
Cột ngoài cùng bên trái hiển thị danh tính (ID) của các nghiên cứu bao gồm. Các nghiên cứu được thể hiện bằng tên của tác giả đầu tiên và năm xuất bản, thường được sắp xếp theo thứ tự thời gian.
Ví dụ: Rowling JK 2000, Albus D 2003,…
Cột 2 và cột 3: Nhóm can thiệp (intervention group) và Nhóm chứng (Control group)
Tiếp theo, ở bên phải, chúng tôi có vài dữ liệu từ nhóm can thiệp và nhóm chứng của mỗi nghiên cứu.
n chỉ số bệnh nhân có kết quả được quan tâm, trong khi N đại diện cho tổng số bệnh nhân ở nhóm đó.
Ví dụ, ở trong nghiên cứu của Rowling và cộng sự (2000), 1 trong 131 người tham dự ở trong nhóm can thiệp có kết quả được quan tâm, so sánh với 2 trong 133 người tham gia nghiên cứu ở nhóm chứng.
Cột 4: Rủi ro tương đối (cố định) – Relative risk (fixed) 95% CI (Định dạng hình)
Cột kế tiếp hiển thị trực quan kết quả của nghiên cứu. Những boxes (nút đen) hiện thị ảnh hưởng từ những nghiên cứu đơn lẻ, trong khi diamond (hình kim cương) trình bày kết quả tổng hợp
Đường nằm ngang thông qua boxes hiển thị độ dài của khoảng tin cậy. Đường kẻ càng dài, khoảng tin cậy càng rộng, kết quả nghiên cứu càng kém tin cậy. Chiều rộng của viêm kim cương phục vụ cùng một mục đích.
Đường dọc là đường không hiệu ứng hay còn gọi là cột vô hiệu (nghĩa là vị trí không có sự khác biệt rõ ràng giữa nhóm can thiệp và nhóm chứng)
Nếu kết quả quan tâm là biến cố (Ví dụ, tử vong) kết quả ở bên trái của cột dọc ưu tiên nhóm can thiệp hơn nhóm chứng. Do đó, nếu kết quả ước tính ở bên trái, nó có nghĩa là kết quả quan tâm (tử vong) xảy ra ít hơn ở nhóm can thiếp hơn nhóm chứng (ratio <1).
Nếu kết quả quan tâm là mong muốn (ví dụ, sự thuyên giảm), thì kết quả bên trái đường cột dọc ưu tiên điều trị hơn nhóm chứng. Nghĩa là, nếu ước tính kết quả nằm bên phải, điều đó có nghĩa là kết quả quan tâm (ví dụ, thuyên giảm) xảy ra ở nhóm can thiệp thường xuyên so với nóm chứng (tỉ lệ > 1).
Khả năng cuối cùng: nếu viên kim cương chạm vào đường thẳng đứng thì kết quả tổng thể (kết hợp) không có ý nghĩa thống kê. Có nghĩa là tỷ lệ kết quả chung ở nhóm can thiệp cũng giống như ở nhóm chứng. Đây là trường hợp trong hình trên.
Cột 5: Tỉ trọng % (weight)
Đối với cột kế tiếp, tỉ trọng % chỉ ảnh hưởng của những nghiên cứu riêng lẻ trên kết quả tổng hợp. Ở phương diện tổng quan, những mẫu càng lớn và khoảng tin cậy càng hẹp (CI), tỉ trọng càng cao, boxes càng lớn và sự ảnh hưởng của nghiên cứu đó lên kết quả tổng hợp càng lớn.
Cột 6: Rủi ro tương đối (cố định) – Relative risk (fixed) 95% CI (Định dạng số)
Cột bên phải nhất chứa chính xác thông tin chứa đựng ở biểu đồ ở cột số 4 nhưng ở định dạng số. Do đó, bạn có thể quan sát dữ liệu ở cả những bức hình và con số. Đây có thể là khoảng tin cậy 95% của tỉ số chênh OR hoặc rủi ro tương đối (RR).
Xem ở cuối blog này để thấy sự giải thích ngắn gọn của sự khác biệt. Sơ đồ trên cho thấy rủi ro tương đối. Khi Khoảng tin cậy (CI) không bao gồm số 1, chúng ta có thể nói kết quả có ý nghĩa thống kê.
Giá trị p (p-value) chỉ mức độ có ý nghĩa thống kê. Nếu hình dạng kim cương không chạm vào vạch không có hiệu ứng, sự khác biệt được tìm thấy giữa 2 nhóm có ý nghĩa thông kê. Trong trường hợp đó, p-value thường <0.05.
Giá trị I2 chỉ mức độ đồng nhất của nghiên cứu. Nó chỉ có giá trị từ 0% đến 100%. Để có một quy tắc nhóm tay trái đơn giản: Nếu I2 <= 50%, nghiên cứu được xem là có tính đồng nhất, nếu I2 > 50%, nghiên cứu được xem là không có tính đồng nhất.
Mặc dù một số tài liệu gợi ý rằng chúng ta có thể sử dụng giá trị I ^ 2 làm nền tảng để xác định xem chúng ta nên sử dụng mô hình hiệu ứng cố định hay mô hình hiệu ứng ngẫu nhiên, sự lựa chọn không nên chỉ dựa trên cơ sở của I ^ 2. Bạn có thể đọc thêm về điều này tại đây: bit.ly/2atmmGU .
Bài viết được dịch từ bài “Forest plot at a glance”
https://s4be.cochrane.org/blog/2016/07/01/forest-plot/
Thương Library chân thành cảm tác giả bài viết “Forest plot at a glance” đã đồng thuận việc dịch thuật bài viết sang Tiếng Việt và đăng tải trên blog Thương Library.
Bạn yêu thích những bài viết của Thương Library. Hãy cân nhắc ủng hộ tại đây để Blog tiếp tục phát triển phi lợi nhuận!
Đọc thêm các bài viết về Nghiên cứu khoa học tại đây:
