Đo lường tính không đồng nhất trong Phân tích tổng hợp

Heterogeneity in Meta-Analysis

Tóm tắt nội dung chuỗi bài viết

Chào mừng các bạn đến với chuỗi bài học chuyên sâu về một trong những khái niệm quan trọng và tinh tế nhất trong phân tích tổng hợp: tính không đồng nhất. Ở chuỗi bài trước, chúng ta đã học cách kết hợp kết quả từ nhiều nghiên cứu để đưa ra một ước lượng tổng thể về hiệu ứng can thiệp. Tuy nhiên, một câu hỏi quan trọng luôn được đặt ra: Liệu hiệu ứng can thiệp đó có thực sự giống nhau ở tất cả các nghiên cứu hay không? Hay nó thay đổi tùy thuộc vào đặc điểm của người tham gia, phương pháp nghiên cứu, hoặc bối cảnh thực hiện? Việc trả lời câu hỏi này chính là trọng tâm của việc phân tích tính không đồng nhất.

Chuỗi bài viết này sẽ trang bị cho các bạn những công cụ lý thuyết và kỹ năng thực hành cần thiết để không chỉ phát hiện mà còn định lượng được mức độ không đồng nhất giữa các nghiên cứu. Chúng ta sẽ bắt đầu với Thống kê Q của Cochran, một kiểm định thống kê cổ điển để trả lời câu hỏi “có hay không có” sự không đồng nhất. Sau đó, chúng ta sẽ đi sâu vào các chỉ số hiện đại và được sử dụng rộng rãi hơn như τ² (tau-squared)[/tooltip], I² (I-squared)[/tooltip], và chỉ số H. Điểm đặc biệt của chuỗi bài học này là chúng ta sẽ không chỉ học cách đọc các chỉ số này từ kết quả của phần mềm. Thay vào đó, chúng ta sẽ thực hành tính toán chúng từng bước một, từ những công thức cơ bản nhất, trên hai bộ dữ liệu thực tế: một bộ dữ liệu nhị phân và một bộ dữ liệu liên tục. Cách tiếp cận “học bằng cách làm” này sẽ giúp các bạn hiểu sâu sắc bản chất của từng con số, từ đó có thể diễn giải và báo cáo kết quả một cách tự tin và chính xác nhất.

Cấu trúc chuỗi bài học

  1. Kiểm định tính không đồng nhất với thống kê Q
    Tìm hiểu về Thống kê Q của Cochran, cách thực hiện kiểm định giả thuyết về tính đồng nhất và các hạn chế của nó.
  2. Các chỉ số định lượng τ², H, và I²
    Nắm vững ý nghĩa, cách diễn giải và mối quan hệ giữa ba chỉ số quan trọng để đo lường mức độ không đồng nhất.
  3. Thực hành tính toán với dữ liệu nhị phân
    Áp dụng lý thuyết vào thực tế, tính toán từng bước các chỉ số không đồng nhất cho một phân tích tổng hợp về tỷ số rủi ro (RR).
  4. Thực hành tính toán với dữ liệu liên tục
    Củng cố kỹ năng bằng cách lặp lại quy trình tính toán cho một phân tích tổng hợp về chênh lệch trung bình chuẩn hóa (SMD).
  5. Bài tổng hợp: Diễn giải và lựa chọn mô hình phù hợp
    Tổng kết toàn bộ kiến thức, thảo luận về cách diễn giải kết quả và vai trò của tính không đồng nhất trong việc lựa chọn mô hình.

Các kiến thức tiên quyết

Để theo dõi tốt nhất chuỗi bài học này, các bạn cần có kiến thức nền tảng vững chắc từ chuỗi bài học trước, bao gồm:

  • Phân tích tổng hợp cơ bản: Hiểu rõ khái niệm kích thước hiệu ứng, mô hình hiệu ứng cố định và mô hình hiệu ứng ngẫu nhiên.
  • Kỹ năng Stata: Thành thạo các lệnh cơ bản như use, generate, egen, summarize và đã cài đặt lệnh metan.
  • Thống kê suy luận: Hiểu về kiểm định giả thuyết, giá trị p, và khoảng tin cậy.

Mục tiêu học tập

Sau khi hoàn thành chuỗi bài viết này, các bạn sẽ có khả năng:

  • Giải thích được sự khác biệt giữa kiểm định tính không đồng nhất và định lượng tính không đồng nhất.
  • Tính toán bằng tay (sử dụng Stata) Thống kê Q, τ², H, và I² từ các dữ liệu tóm tắt của nghiên cứu.
  • Diễn giải chính xác ý nghĩa của từng chỉ số trong bối cảnh của một phân tích tổng hợp.
  • Hiểu rõ những hạn chế của kiểm định Q và tại sao chỉ số I² lại được ưa chuộng hơn trong thực tế.
  • Đưa ra quyết định lựa chọn mô hình (hiệu ứng cố định hay ngẫu nhiên) một cách có cơ sở hơn, dựa trên sự hiểu biết sâu sắc về tính không đồng nhất.

Tài liệu tham khảo

  • Nguồn chính: Chen, D. G., & Peace, K. E. (2021). Applied Meta-Analysis with R and Stata, Second Edition. Chapman and Hall/CRC. Chuỗi bài viết này được xây dựng và chuyển thể chủ yếu từ Chương 6 của cuốn sách này, với sự điều chỉnh và tập trung vào Stata cho đối tượng sinh viên Việt Nam.
  • Tài liệu bổ sung: Higgins, J. P., Thompson, S. G., Deeks, J. J., & Altman, D. G. (2003). Measuring inconsistency in meta-analyses. BMJ, 327(7414), 557-560. Đây là bài báo kinh điển giới thiệu về chỉ số I².

Phụ lục: Dữ liệu thực hành cho chuỗi bài viết

Trong chuỗi bài học này, chúng ta sẽ sử dụng hai bộ dữ liệu. Để đảm bảo tất cả các bạn đều có thể thực hành, dưới đây là hướng dẫn chi tiết để chuẩn bị hai bộ dữ liệu này trong Stata.

1. Dữ liệu Cochrane Logo (Dữ liệu Nhị phân)

Bộ dữ liệu này bao gồm 7 thử nghiệm lâm sàng so sánh hiệu quả của steroid trong việc giảm tử vong sơ sinh. Đây là dữ liệu dạng bảng 2×2. Hãy chạy toàn bộ đoạn mã sau để tạo tệp cochrane_data.dta.

Stata
* ==================================================
* MỤC ĐÍCH: Tạo bộ dữ liệu Cochrane Logo
* LOẠI DỮ LIỆU: Nhị phân (số sự kiện / tổng số)
* KẾT QUẢ: File cochrane_data.dta
* ==================================================

clear
input str12 name ev_trt n_trt ev_ctrl n_ctrl
"Auckland"    36 532 60 538
"Block"       1  69  5  61
"Doran"       4  81  11 63
"Gamsu"       14 131 20 137
"Morrison"    3  67  7  59
"Papageorgiou" 1  71  7  75
"Tauesch"     8  56  10 71
end

label variable name "Tên nghiên cứu"
label variable ev_trt "Số ca tử vong (Nhóm điều trị)"
label variable n_trt "Tổng số (Nhóm điều trị)"
label variable ev_ctrl "Số ca tử vong (Nhóm đối chứng)"
label variable n_ctrl "Tổng số (Nhóm đối chứng)"

compress
save "cochrane_data.dta", replace

2. Dữ liệu PCNL (Dữ liệu Liên tục)

Bộ dữ liệu này từ một phân tích tổng hợp của Wang et al. (2011) so sánh thời gian phẫu thuật giữa hai phương pháp điều trị sỏi thận. Dữ liệu này nằm trong tệp Excel dat4Meta.xls. Hãy đảm bảo bạn đã tải về tệp này và đặt nó trong cùng thư mục làm việc của Stata. Đoạn mã sau sẽ nhập dữ liệu và chỉ giữ lại các biến cần thiết cho phân tích về thời gian phẫu thuật (duration).

Stata
* ==================================================
* MỤC ĐÍCH: Chuẩn bị dữ liệu PCNL
* LOẠI DỮ LIỆU: Liên tục (N, Trung bình, Độ lệch chuẩn)
* YÊU CẦU: Tệp dat4Meta.xls trong thư mục làm việc
* KẾT QUẢ: File pcnl_duration_data.dta
* ==================================================

* Lưu ý: Thay "đường_dẫn_đến_tệp/dat4Meta.xls" bằng đường dẫn thực tế trên máy bạn
import excel "dat4Meta.xls", sheet("Data_tubeless") firstrow clear

* Chỉ giữ lại các nghiên cứu có kết quả về thời gian phẫu thuật
keep if Outcome == "duration"

* Chỉ giữ lại các biến cần thiết cho phân tích
keep Study n_E Mean_E SD_E n_C Mean_C SD_C

compress
save "pcnl_duration_data.dta", replace

📚 Bài tiếp theo: Kiểm định tính không đồng nhất với thống kê Q

💡 Lưu ý: Hãy đảm bảo bạn đã chạy thành công hai đoạn mã Stata trên và tạo ra các tệp cochrane_data.dta và pcnl_duration_data.dta trước khi bắt đầu bài học đầu tiên.

Back to top button