Hồi quy tổng hợp: Giải thích sự khác biệt giữa các nghiên cứu

Meta-Regression: Explaining Heterogeneity Between Studies

Vượt lên trên câu hỏi “có hiệu quả hay không?”

Chào mừng các bạn quay trở lại với hành trình khám phá các kỹ thuật phân tích tổng hợp! Trong các chương trước, chúng ta đã tập trung vào một câu hỏi trung tâm: “Làm thế nào để kết hợp kết quả từ nhiều nghiên cứu để có được một ước tính tổng hợp về hiệu quả của một can thiệp?”. Chúng ta đã học cách tính toán các ước tính chung và đánh giá xem chúng có ý nghĩa thống kê hay không. Tuy nhiên, có một câu hỏi gai góc hơn, sâu sắc hơn mà một nhà nghiên cứu giỏi luôn phải đối mặt: “Tại sao kết quả lại khác nhau giữa các nghiên cứu?”. Đây chính là lúc hồi quy tổng hợp (meta-regression) bước vào sân khấu.

Hãy tưởng tượng bạn thực hiện một phân tích tổng hợp và phát hiện ra rằng tính không đồng nhất (heterogeneity) giữa các nghiên cứu là rất lớn (ví dụ, chỉ số I² cao). Điều này có nghĩa là các nghiên cứu không chỉ khác nhau do sai số ngẫu nhiên, mà còn có sự khác biệt thực sự trong hiệu quả can thiệp. Một phân tích tổng hợp tiêu chuẩn chỉ dừng lại ở việc xác định sự tồn tại của tính không đồng nhất này. Nhưng hồi quy tổng hợp cho phép chúng ta đi xa hơn một bước: nó cố gắng giải thích sự không đồng nhất đó. Nó đặt ra những câu hỏi như: “Liệu hiệu quả của vắc-xin có phụ thuộc vào vĩ độ địa lý nơi thử nghiệm được tiến hành không?”, “Liệu tác động của một loại thuốc có mạnh hơn ở những nghiên cứu có tỷ lệ bệnh nhân lớn tuổi cao hơn không?”.

Về bản chất, hồi quy tổng hợp chính là một mô hình hồi quy có trọng số (weighted regression) quen thuộc, trong đó biến phụ thuộc là kích thước hiệu ứng (effect size) của các nghiên cứu, và các biến độc lập là những đặc điểm của các nghiên cứu đó (còn gọi là các biến điều tiết – moderators). Chuỗi bài học này sẽ trang bị cho bạn cả nền tảng lý thuyết và kỹ năng thực hành để có thể tự tin áp dụng kỹ thuật mạnh mẽ này, biến những con số “không đồng nhất” khó hiểu thành những hiểu biết sâu sắc và có ý nghĩa.

Cấu trúc chuỗi bài học

Để chinh phục chủ đề nâng cao này, chúng ta sẽ chia nhỏ nó thành các phần có thể quản lý được. Mỗi bài sẽ tập trung vào một khía cạnh hoặc một bộ dữ liệu cụ thể, xây dựng kiến thức một cách tuần tự.

Kiến thức tiên quyết

Hồi quy tổng hợp là một chủ đề nâng cao, do đó, việc nắm vững các kiến thức nền tảng là rất quan trọng để bạn có thể tiếp thu hiệu quả.

Mục tiêu học tập

Sau khi hoàn thành chuỗi bài học này, bạn sẽ có khả năng thực hiện và diễn giải một phân tích hồi quy tổng hợp một cách thành thạo. Cụ thể, bạn sẽ có thể:

Tài liệu tham khảo

Kiến thức trong chuỗi bài viết này được xây dựng dựa trên các tài liệu kinh điển và uy tín trong lĩnh vực hồi quy tổng hợp. Các bạn nên tìm đọc thêm để có cái nhìn sâu sắc hơn.

Phụ lục: Dữ liệu thực hành cho chuỗi bài học

Chúng ta sẽ sử dụng ba bộ dữ liệu trong chuỗi bài này. Dưới đây là mã Stata để tạo lại bộ dữ liệu đầu tiên và quan trọng nhất: Dữ liệu Vắc-xin BCG. Các bộ dữ liệu khác sẽ được giới thiệu trong các bài học sau.

Dữ liệu Vắc-xin BCG

Mô tả: Dữ liệu từ 13 thử nghiệm lâm sàng đánh giá hiệu quả của vắc-xin Bacillus Calmette-Guerin (BCG) trong việc ngăn ngừa bệnh lao (TB). Các biến điều tiết tiềm năng bao gồm năm công bố, vĩ độ tuyệt đối của địa điểm nghiên cứu, và phương pháp phân bổ nhóm.

* ==================================================
* MỤC ĐÍCH: Tạo dữ liệu Vắc-xin BCG
* NGUỒN: Colditz et al. (1994)
* BIẾN SỐ:
* tpos/tneg: số ca dương tính/âm tính với lao ở nhóm tiêm vắc-xin
* cpos/cneg: số ca dương tính/âm tính với lao ở nhóm đối chứng
* ablat: Vĩ độ tuyệt đối của địa điểm nghiên cứu
* alloc: Phương pháp phân bổ (Random, Alternate, Systematic)
* ==================================================

clear
input str20 author int year int tpos int tneg int cpos int cneg int ablat str12 alloc
"Aronson"           1948   4  119  11  128 44 "Random"
"Ferguson & Simes"  1949   6  300  29  274 55 "Random"
"Rosenthal et al."  1960   3  228  11  209 42 "Random"
"Hart & Sutherland" 1977  62 13536 248 12619 52 "Random"
"Frimodt-Moller et al." 1973  33  5036  47  5761 13 "Alternate"
"Stein & Aronson"   1953 180  1361 372  1079 44 "Alternate"
"Vandiviere et al." 1973   8  2537  10   619 19 "Random"
"TPT Madras"        1980 505 87886 499 87892 13 "Random"
"Coetzee & Berjak"  1968  29  7470  45  7232 27 "Random"
"Rosenthal et al."  1961  17  1699  65  1600 42 "Systematic"
"Comstock et al."   1974 186 50448 141 27197 18 "Systematic"
"Comstock & Webster" 1969   5  2493   3  2338 33 "Systematic"
"Comstock et al."   1976  27 16886  29 17825 33 "Systematic"
end

* Lưu dữ liệu để sử dụng cho các bài sau
save "bcg_data.dta", replace

* ==================================================
* MỤC ĐÍCH: Tạo dữ liệu Vắc-xin BCG
* NGUỒN: Colditz et al. (1994)
* BIẾN SỐ:
* tpos/tneg: số ca dương tính/âm tính với lao ở nhóm tiêm vắc-xin
* cpos/cneg: số ca dương tính/âm tính với lao ở nhóm đối chứng
* ablat: Vĩ độ tuyệt đối của địa điểm nghiên cứu
* alloc: Phương pháp phân bổ (Random, Alternate, Systematic)
* ==================================================

clear
input str20 author int year int tpos int tneg int cpos int cneg int ablat str12 alloc
"Aronson"           1948   4  119  11  128 44 "Random"
"Ferguson & Simes"  1949   6  300  29  274 55 "Random"
"Rosenthal et al."  1960   3  228  11  209 42 "Random"
"Hart & Sutherland" 1977  62 13536 248 12619 52 "Random"
"Frimodt-Moller et al." 1973  33  5036  47  5761 13 "Alternate"
"Stein & Aronson"   1953 180  1361 372  1079 44 "Alternate"
"Vandiviere et al." 1973   8  2537  10   619 19 "Random"
"TPT Madras"        1980 505 87886 499 87892 13 "Random"
"Coetzee & Berjak"  1968  29  7470  45  7232 27 "Random"
"Rosenthal et al."  1961  17  1699  65  1600 42 "Systematic"
"Comstock et al."   1974 186 50448 141 27197 18 "Systematic"
"Comstock & Webster" 1969   5  2493   3  2338 33 "Systematic"
"Comstock et al."   1976  27 16886  29 17825 33 "Systematic"
end

* Lưu dữ liệu để sử dụng cho các bài sau
save "bcg_data.dta", replace