Phương pháp nghiên cứu khoa học cơ bản dành cho bác sĩ lâm sàng

Tóm tắt Phương pháp nghiên cứu khoa học cơ bản dành cho bác sĩ lâm sàng: ... nghiệp và chọn một mô hình mang tính khả thi cho nhóm của bạn để tiến hành. Sau khi tạo một nhóm làm việc thoải mái, bạn nên viết một (research protocol) và xây dựng một bộ câu hỏi (ques- tionnaire). Một ví dụ mẫu được viết kèm trong cuốn sách này. Khung 1.1 trình bày các đề mục căn ...gõ “diabetes AND hypertension”, kết quả là danh sách các bài báo liên quan cả “diabetes” và “hyperten- sion”. Danh sách kết quả có thể ngắn với từ khóa “diabe- tes” (hoặc “hypertension”). Nếu gõ “diabetes OR hypertension”, kết quả là những bài báo về diabetes hoặc hypertension. Danh ...trong sách trước khi bạn đọc nội dung trong khung.  Xếp nhóm sai không phân biệt (Non-differential misclas- sification): Khi so sánh giữa các nhóm (các quần thể), một sai lầm hệ thống có thể không phải là một vấn đề nghiêm trọng khi điều đó xảy ra ở tất cả các nhóm theo cùng một k...

pdf56 trang | Chia sẻ: havih72 | Lượt xem: 314 | Lượt tải: 0download
Nội dung tài liệu Phương pháp nghiên cứu khoa học cơ bản dành cho bác sĩ lâm sàng, để tải tài liệu về máy bạn click vào nút DOWNLOAD ở trên
́c tính sẽ bị chệch hướng so với giá 
trị không liên quan. Khi bạn lo ngại sự sai lệch có thể 
hiện diện trong nghiên cứu, cần đánh giá cẩn thận xem 
xét các khả năng liệu kết quả có bị ước tính quá mức 
(over-estimation) hay bị đánh giá thấp hơn giá trị thực 
hay không (under-estimation). 
4 0 K H Ó A T Ậ P H U Ấ N N G H I Ê N C Ứ U D Ị C H T Ễ H Ọ C 
Khung 3.1. Ví dụ, các tính toán của xếp nhóm sai không 
phân biệt và có phân biệt 
Giả sử có 50 trong số 60 người ở nhóm phơi nhiễm và 50 
trong số 140 người ở nhóm không phơi nhiễm được chẩn 
đoán có bệnh. (Ghi chú, độ nhạy và độ chuyên biệt của chẩn 
đoán là 100% ở cả hai nhóm). Phân bố các ca bệnh và 
không bệnh (chứng) như sau: 
 Phơi nhiễm Không phơi nhiễm 
 Bệnh 50 50 
 Không bệnh 10 90 
 Nguy cơ tương đối (relative risk) trong trường hợp 
này là: 
 (50 / 60) = 2,3 
 (50 / 140) 
Nếu độ nhạy và độ chuyên của chẩn đoán lần lượt là 80% 
và 90%, ở nhóm phơi nhiễm sẽ có 10 trong số 50 ca bệnh 
được chẩn đoán là không bệnh và xếp vào nhóm không 
bệnh (độ nhạy 80%), và có 1 trong số 10 ca không bệnh bị 
xếp nhầm vào nhóm có bệnh (độ chuyên 90%). Điều này 
cũng xảy ra tương tự ở nhóm không phơi nhiễm bởi đây là 
xếp nhóm sai không phân biệt. Do vậy, phân bố các ca bệnh 
và không bệnh sẽ như sau: 
 Phơi nhiễm Không phơi nhiễm 
 Bệnh 41 49 
 Không bệnh 19 91 
P H Ư Ơ N G P H Á P N G H I Ê N C Ứ U K H O A H Ọ C C Ơ B Ả N C H O B Á C S Ĩ L Â M S À N G 4 1 
Nguy cơ tương đối trong tình huống này là 
 (41 / 60) =1,95 
 (49 / 140) 
Giá trị ước tính ghi nhận được (ở đây là RR) tiến gần hơn 
đến 1 (không liên quan) khi xuất hiện xếp nhóm sai có phân 
biệt, có nghĩa rằng giá trị quan sát bị ước tính thấp (under-
estimation). 
Ngược lại, sự lệch hướng của chỉ số nguy cơ quan sát được 
sẽ thay đổi tùy theo bối cảnh của xếp nhóm sai có phân biệt. 
Hãy xem xét hai tình huống khác nhau dưới đây. 
a) Giả sử độ nhạy và độ chuyên của chẩn đoán các ca 
bệnh lần lượt là 80% và 90%, nhưng CHỈ XẢY RA ở 
nhóm phơi nhiễm. (Nhóm không phơi nhiễm được chẩn 
đoán đúng hoàn toàn.) Sự phân bố các ca bệnh và 
không bệnh sẽ như sau: 
 Phơi nhiễm Không phơi nhiễm 
 Bệnh 41 50 
 Không bệnh 19 90 
Do vậy, nguy cơ tương đối tính được trong tình 
huống này là: 
 (41 / 60) =1,91 < 2,3 (giá trị thực) 
 (50 / 140) 
4 2 K H Ó A T Ậ P H U Ấ N N G H I Ê N C Ứ U D Ị C H T Ễ H Ọ C 
b) Ngược lại, giả sử rằng độ nhạy và độ chuyên của chẩn 
đoán các ca bệnh lần lượt là 80% và 90%, nhưng CHỈ 
XẢY RA ở nhóm không phơi nhiễm. (Các ca bệnh được 
chẩn đoán đúng hoàn hảo ở nhóm phơi nhiễm.) Phân bố 
các ca bệnh và không bệnh sẽ như sau: 
 Phơi nhiễm Không phơi nhiễm 
 Bệnh 50 49 
 Không bệnh 10 91 
Nguy cơ tương đối tính được trong tình huống này là: 
 (50 / 60) =2,38 > 2,3 (giá trị thực) 
 (49 /140) 
Như vậy, nguy cơ tương đối trong tình huống A là ước tính 
thấp (under-estimated), nhưng trong tình huống B là ước 
tính quá mức (over-estimated). Do đó, bạn cần đánh giá tất 
cả hướng lệch có thể có của kết quả nghiên cứu. 
2. Các loại sai lệch (bias) 
Nhiều loại sai lệch có thể xảy ra trong các giai đoạn của 
nghiên cứu. 
1) Sai lệch lựa chọn (Selection bias) 
Sai lệch lựa chọn (Selection bias) xuất hiện do tuyển chọn 
các đối tượng nghiên cứu dựa trên những đặc điểm có tiềm 
P H Ư Ơ N G P H Á P N G H I Ê N C Ứ U K H O A H Ọ C C Ơ B Ả N C H O B Á C S Ĩ L Â M S À N G 4 3 
năng liên quan đến yếu tố phơi nhiễm và/hoặc biến cố kết 
cục. Ví dụ, khi ước tính nguy cơ ung thư phổi do thuốc lá, 
bạn cần tuyển chọn các đối tượng nhóm chứng phù hợp 
(không có tiền sử ung thư). Nếu bạn chọn nhóm chứng từ 
những người kiểm tra sức khỏe hàng năm, tỷ lệ hút thuốc lá 
ở nhóm chứng này sẽ thấp hơn trong dân số bởi vì những 
người đi kiểm tra sức khỏe thường có ý thức chăm sóc sức 
khỏe tốt hơn so với cộng đồng. Kết quả của nghiên cứu như 
vậy sẽ bị ước tính quá mức. 
Sai lệch lựa chọn cũng xảy ra trong nghiên cứu mà tỷ lệ 
đối tượng đồng ý tham gia thấp. Cũng lấy ví dụ trên, chúng 
ta đề nghị những người khám sức khỏe định kỳ tham gia 
nghiên cứu, và những người có ý thức cao về chăm sóc sức 
khỏe có xu hướng đồng ý tham gia. Do vậy, một tỷ lệ đồng ý 
tham gia thấp sẽ càng làm gia tăng mức độ ước tính quá 
mức. 
2) Sai lệch phát hiện (Detection bias) 
Sai lệch phát hiện xảy ra khi xác định trường hợp quan 
tâm hoặc chẩn đoán. Ví dụ, một bác sĩ có thể đọc phim X-
quang ngực của một bệnh nhân cẩn thận hơn nếu vị bác sĩ 
biết rằng bệnh nhân này là một người nghiện thuốc lá so với 
trường hợp một bệnh nhân không hút thuốc. Nhằm tránh 
hoặc giảm thiểu sai lệch phát hiện, cần có một qui trình 
chung để thực hiện việc chẩn đoán hoặc xác định trường 
hợp. Đối với các đánh giá cận lâm sàng, cách thức phù hợp 
để tiến hành là thực hiện “mù”. 
3) Sai lệch nhớ lại (Recall bias) 
4 4 K H Ó A T Ậ P H U Ấ N N G H I Ê N C Ứ U D Ị C H T Ễ H Ọ C 
Sai lệch nhớ lại là một sai lầm hệ thống do sự khác sự 
khác nhau về mức độ chính xác hoặc đầy đủ trong việc nhớ 
lại những việc xảy ra trong quá khứ. Loại sai lệch này đặc 
biệt thường xảy ra trong nghiên cứu bệnh chứng. Ví dụ, một 
bà mẹ của đứa bé bị viêm da không điển hình có khuynh 
hướng sẽ nhớ lại các chi tiết về chế độ ăn của mình trong 
thời gian mang thai, cho con bú, lúc cai sữa và tiền căn gia 
đình về bệnh viêm da không điển hình, đầy đủ hơn so với 
các bà mẹ có con khỏe mạnh. Việc này dẫn đến mối liên hệ 
giữa những yếu tố này với tình trạng viêm da không điển 
hình ở trẻ sẽ bị phóng đại lên. Một trong số các chiến lược 
để làm giảm thiểu sai lầm nhớ lại là tuyển chọn nhóm chứng 
trong bệnh viện (hoặc tại phòng khám ngoại trú) của các 
bệnh lý khác. 
3. Nhiễu (confounding) 
Trong một số sách, hiện tượng nhiễu được giải thích là 
một dạng sai lệch (bias) bởi vì nó cũng dẫn đến sai lầm có 
tính hệ thống. Tuy nhiên, ở một số sách khác, nó lại được 
phân biệt khác với sai lệch bởi vì ảnh hưởng của nhiễu có 
thể được điều chỉnh phần nào bằng các phân tích thống kê 
phù hợp, trong khi tác động của sai lệch là không thể hiệu 
chỉnh được nữa khi đã kết thúc thu thập số liệu. Mặc dù có 
sự mâu thuẫn trong cách phân loại của nhiễu (khi đề cập đến 
sai lệch), định nghĩa về hiện tượng nhiễu là như nhau. 
1) Định nghĩa hiện tượng nhiễu 
P H Ư Ơ N G P H Á P N G H I Ê N C Ứ U K H O A H Ọ C C Ơ B Ả N C H O B Á C S Ĩ L Â M S À N G 4 5 
Nhiễu (Confounding) là một hiện tượng biến dạng của mối 
liên hệ giữa yếu tố phơi nhiễm và kết cục do (những) yếu tố 
khác tác động. Những yếu tố này được gọi là yếu tố nhiễu 
(confounder hay confounding factor). Cụ thể, một yếu tố 
nhiễu cần hội tụ đủ ba tính chất sau đây: 
i) Yếu tố nhiễu là một yếu tố nguy cơ của kết cục 
ii) Yếu tố nhiễu có liên quan đến yếu tố phơi nhiễm (Điều này 
có thể xảy ra do ngẫu nhiên) 
iii) Yếu tố nhiễu KHÔNG nằm trong tiến trình của mối liên hệ 
giữa yếu tố phơi nhiễm và kết cục 
2) Ví dụ về hiện tượng nhiễu 
Trong bối cảnh trình bày trong Hình 3.2, chúng ta băn 
khoăn liệu phơi nhiễm với phóng xạ trong tử cung có thể gây 
ra tỷ lệ tử vong sơ sinh cao hay không. Việc sống trong khu 
vực môi trường có phóng xạ cao (MTPXC) là một yếu tố 
nhiễu bởi vì i) tình trạng kinh tế xã hội của khu vực này thấp, 
sẽ dẫn đến tử vong sơ sinh cao, ii) sống ở vùng MTPXC gây 
ra phơi nhiễm với tia xạ trong tử cung, và iii) sống ở vùng 
MTPXC không phải là giai đoạn trung gian của mối liên hệ từ 
phơi nhiễm với tia xạ trong tử cung đến tử vong sơ sinh. 
4 6 K H Ó A T Ậ P H U Ấ N N G H I Ê N C Ứ U D Ị C H T Ễ H Ọ C 
Hình 3.2. Ví dụ về yếu tố nhiễu: Sống ở vùng MTPXC 
 Tử vong sơ 
sinh cao 
Tình trạng kinh tế - xã hội 
thấp ở vùng MTPXC 
Nguyên nhân? Sống ở vùng 
MTPXC 
 Phơi nhiễm 
với phóng xạ 
trong tử cung 
MTPXC = Khu vực Môi trường có phóng xạ cao 
Hãy xem một ví dụ khác về hiện tượng nhiễu. Trong bối 
cảnh trình bày ở Hình 3.3, chúng ta thắc mắc liệu phơi nhiễm 
với tia xạ có hay không gây ra nhồi máu cơ tim (NMCT) (giả 
sử bạn ghi nhận được một liên hệ có ý nghĩa thống kê trong 
số liệu của bạn). Hút thuốc lá là một yếu tố nhiễu bởi vì i) hút 
thuốc đã được biết rõ là một yếu tố nguy cơ của NMCT, ii) 
hút thuốc lá có liên quan đến phơi nhiễm tia xạ do ngẫu 
nhiên (bạn không có đủ cơ sở để giải thích mối liên quan 
này), và iii) hút thuốc lá không nằm trong tiến trình của mối 
liên hệ từ phơi nhiễm tia xạ đến NMCT. 
P H Ư Ơ N G P H Á P N G H I Ê N C Ứ U K H O A H Ọ C C Ơ B Ả N C H O B Á C S Ĩ L Â M S À N G 4 7 
Hình 3.3. Ví dụ về yếu tố nhiễu: Hút thuốc lá 
 Nhồi máu 
cơ tim 
Hút thuốc lá một yếu tố 
nguy cơ của NMCT 
Nguyên nhân? 
 Hút thuốc lá 
 Tia xạ 
Liên quan do ngẫu nhiên 
3) Phòng ngừa hiện tượng nhiễu 
Có 3 cách để ngăn ngừa tác động của hiện tượng nhiễu 
trong giai đoạn thiết kế. 
 Giới hạn (Limitation): Ví dụ, giới là một yếu tố nhiễu 
thường gặp trong các nghiên cứu dịch tễ. Nếu bạn giới 
hạn đối tượng nghiên cứu chỉ gồm phụ nữ, tác động của 
hiện tượng nhiễu do giới sẽ hoàn toàn được ngăn chặn. 
 Phân nhóm ngẫu nhiên (Randomization): Phương pháp 
này có thể áp dụng cho những nghiên cứu can thiệp, và 
khi đó bạn không cần phải xác định những yếu tố nhiễu 
là yếu tố nào. 
 Bắt cặp (Matching): Mặc dù phương pháp này được áp 
dụng cho cả nghiên cứu bệnh - chứng cũng như nghiên 
cứu đoàn hệ, tác động của hiện tượng nhiễu chỉ thực sự 
được ngăn ngừa trong nghiên cứu đoàn hệ. 
4) Xác định hiện tượng nhiễu 
4 8 K H Ó A T Ậ P H U Ấ N N G H I Ê N C Ứ U D Ị C H T Ễ H Ọ C 
Có hai cách để kiểm tra yếu tố nhiễu, bằng lý thuyết và 
bằng toán học. 
 Bằng lý thuyết, yếu tố nhiễu phải hội tụ đủ các tiêu chí 
nêu ở trên. 
 Bằng toán học, bạn có thể so sánh các chỉ số ước tính 
nguy cơ giữa trước và sau khi phân nhóm theo yếu tố 
nhiễu. Nếu bạn thấy có sự không nhất quán của các chỉ 
số ước tính nguy cơ, nhiều khả năng đây là một yếu tố 
nhiễu. Hãy xem ví dụ nghiên cứu bệnh chứng về ung 
thư phổi (K phổi) dưới đây. Nếu đây là cuốn sách về 
phương pháp nghiên cứu đầu tiên mà bạn đọc, hãy tự 
kiểm tra lại các tính toán sau khi bạn đọc xong. 
 K phổi Chứng 
Thể tích rượu tiêu thụ 
Nhiều 33 1667 
Ít 27 2273 
Tỷ số chênh (Odds ratio) = (33*2273) / (1667*27) = 1,67 
Tiêu thụ rượu có vẻ như là một yếu tố nguy cơ mức độ 
trung bình của ung thư phổi. Sau khi phân nhóm theo tình 
trạng hút thuốc lá, 
 Hút thuốc Không hút thuốc 
 K phổi Chứng K phổi Chứng 
Thể tích rượu tiêu thụ 
Nhiều 24 776 9 891 
Ít 6 194 21 2079 
P H Ư Ơ N G P H Á P N G H I Ê N C Ứ U K H O A H Ọ C C Ơ B Ả N C H O B Á C S Ĩ L Â M S À N G 4 9 
Tỷ số chênh = 24*194 / 776*6 = 9*2079 / 891*21 
 = 1 = 1 
Mối liên hệ giữa lượng rượu tiêu thụ và ung thư phổi biến 
mất sau khi phân nhóm theo tình trạng hút thuốc. Do vậy, hút 
thuốc là một yếu tố nhiễu trong ví dụ này. 
5) Xử lý hiện tượng nhiễu (các phương pháp để có được 
các chỉ số ước tính nguy cơ hiệu chỉnh) 
Các ảnh hưởng của hiện tượng nhiễu có thể được loại bỏ 
đến một mức nào đó bằng cách sử dụng các phương pháp 
thống kê phù hợp. Những phương pháp cao cấp đó không 
nằm trong khuôn khổ bài viết của cuốn sách này, và sẽ được 
giải thích chi tiết hơn trong khóa học. 
 Phân tầng (stratification): Sau khi phân tầng, các chỉ số 
nguy cơ như OR (odds ratio) chung giữa các tầng được 
tính toán (Mantel-Haenszel odds ratio). 
 Hiệu chỉnh bằng thống kê: các mô hình hồi qui đa biến 
được sử dụng để hiệu chỉnh tác động của hiện tượng 
nhiễu bằng cách đưa các yếu tố nhiễu vào trong mô hình 
như là những đồng biến số. 
6) Sự thay đổi của mối liên hệ 
Không phải lúc nào cũng có thể kết hợp các tầng lại với 
nhau. Khi sức mạnh của mối liên hệ (thể hiện qua các chỉ số 
RR, OR) giữa yếu tố phơi nhiễm và kết cục khác biệt nhiều 
giữa các tầng, bạn không nên kết hợp chúng lại. Nói cách 
khác, khi bạn thấy có sự thay đổi về mức độ ảnh hưởng 
5 0 K H Ó A T Ậ P H U Ấ N N G H I Ê N C Ứ U D Ị C H T Ễ H Ọ C 
trong mối liên hệ, tốt hơn là nên trình bày số liệu cho từng 
phân tầng. 
P H Ư Ơ N G P H Á P N G H I Ê N C Ứ U K H O A H Ọ C C Ơ B Ả N C H O B Á C S Ĩ L Â M S À N G 5 1 
C H Ư Ơ N G 5 
Nghiên cứu mô tả 
Hirohide Yokokawa, Trần Viết Thắng 
1. Giới thiệu về nghiên cứu mô tả 
Nghiên cứu mô tả (descriptive study) là một nghiên cứu 
quan sát, có đặc điểm là quan sát và mô tả đặc tính của 
bệnh (hay kết cục được quan tâm) trong quần thể. Khi mô tả 
kết cục xảy ra, chúng ta cần chú ý đến “ba yếu tố quan trọng” 
là con người, địa điểm và thời gian. Nghiên cứu mô tả là một 
công cụ quan trọng giúp chẩn đoán bệnh của một người hay 
một nhóm người và giúp tìm hiểu một vấn đề sức khỏe mới 
xuất hiện. Trong những năm gần đây, phân tích địa lý trên 
máy tính (hệ thống thông tin địa lý, geographic information 
system-GIS) nhanh chóng trở nên phổ biến như là một công 
cụ hữu ích giúp vẽ biểu đồ tần suất xuất hiện kết cục. 
Chúng ta thường rất muốn thực hiện ngay một nghiên 
cứu can thiệp sau khi đọc các bài báo đăng từ các tạp chí có 
uy tín. Tuy nhiên, chúng ta cần phải biết cách đi qua các 
bước của “bậc thang dịch tễ”. Đầu tiên, cần phải biết các đặc 
điểm của quần thể nghiên cứu và tần suất của bệnh tật (hay 
kết cục được quan tâm) trước khi đánh giá mối liên quan 
giữa yếu tố tiếp xúc và kết cục. Giống như trường hợp của 
John Snow ở chương 1, phân tích mô tả chi tiết đặc điểm 
5 2 K H Ó A T Ậ P H U Ấ N N G H I Ê N C Ứ U D Ị C H T Ễ H Ọ C 
của quần thể và kết cục có thể cung cấp những thông tin 
quan trọng giúp tiến hành những hoạt động chăm sóc sức 
khỏe đối với quần thể đó. Do đó, nghiên cứu mô tả là một 
bước đi khởi đầu rất quan trọng không được bỏ qua. Sau đó, 
chúng ta có thể tiến hành nghiên cứu cắt ngang (phân tích), 
nghiên cứu bệnh chứng hay nghiên cứu đoàn hệ để đánh giá 
mối liên quan thật sự giữa yếu tố tiếp xúc và bệnh tật. Chỉ 
sau khi xác định được các yếu tố nguy cơ hay yếu tố giúp 
phòng ngừa của kết cục, chúng ta mới có thể thiết kế một 
nghiên cứu can thiệp để đánh giá sự hiệu quả của biện pháp 
phòng ngừa. 
Hình 1. Tổng quan các thiết kế nghiên cứu và các bậc 
thang 
2. Các loại nghiên cứu mô tả 
Nghiên cứu mô tả bao gồm các loại nghiên cứu như báo 
cáo ca bệnh, báo cáo hàng loạt ca (hay chùm ca bệnh), 
Nghiên cứu mô tả 
Giúp khảo sát các đặc điểm và tần suất bệnh 
Nghiên cứu cắt ngang 
Giúp đánh giá mối liên quan có thể có giữa yếu tố tiếp xúc và 
kết cục 
Nghiên cứu bệnh chứng, nghiên cứu đoàn hệ 
Giúp đánh giá mối liên quan giữa yếu tố tiếp xúc và kết cục 
Nghiên cứu can thiệp 
Giúp đánh giá hiệu quả của can thiệp 
P H Ư Ơ N G P H Á P N G H I Ê N C Ứ U K H O A H Ọ C C Ơ B Ả N C H O B Á C S Ĩ L Â M S À N G 5 3 
nghiên cứu cắt ngang và điều tra cơ bản có đặc điểm là 
phân tích dữ liệu ở cấp độ cá nhân. Một loại khác của nghiên 
cứu mô tả là nghiên cứu sinh thái đánh giá dữ liệu ở cấp độ 
quần thể. 
Nghiên cứu mô tả có một hạn chế lớn là không thể ước 
đoán mối liên quan nhân quả giữa yếu tố tiếp xúc và kết cục. 
Tuy nhiên, nghiên cứu mô tả có khả năng cung cấp một giả 
thuyết để có thể kiểm định bằng các nghiên cứu quan sát 
phân tích. 
1) Báo cáo ca 
Báo cáo ca mô tả kinh nghiệm trên một hay nhiều bệnh 
nhân có chẩn đoán tương tự nhau. Những bệnh nhân này 
mắc bệnh hiếm gặp hay có các triệu chứng hiếm gặp của 
một bệnh nào đó. Đây được xem như là “những bằng chứng 
đầu tiên” giúp xác định bệnh mới hay phản ứng phụ của một 
yếu tố tiếp xúc nào đó. Báo cáo ca bệnh rất thường gặp 
trong các tạp chí lâm sàng. Chúng cũng hữu ích trong sức 
khỏe cộng đồng ví chúng cung cấp cầu nối giữa thực hành 
lâm sàng và dịch tể học. 
2) Báo cáo hàng loạt ca 
Báo cáo hàng loạt ca mô tả một loạt những bệnh nhân có 
cùng một kết cục được quan tâm, và không có “nhóm chứng”. 
Có thể xem báo cáo hàng loạt ca là tập hợp của nhiều báo 
cáo ca. Loại thiết kế nghiên cứu này trước đây có vai trò rất 
quan trọng trong dịch tễ học. Báo cáo hàng loạt ca thường 
được sử dụng như là một phương tiện để xác định sự khởi 
đầu hoặc lưu hành của một dịch bệnh. Báo cáo hàng loạt ca 
5 4 K H Ó A T Ậ P H U Ấ N N G H I Ê N C Ứ U D Ị C H T Ễ H Ọ C 
cũng có thể được dùng làm nhóm bệnh trong nghiên cứu 
bệnh chứng. 
3) Nghiên cứu cắt ngang (tỷ lệ bệnh lưu hành) 
Nghiên cứu cắt ngang quan sát một quần thể xác định ở 
một thời điểm hay một khoảng thời điểm xác định trước. 
Nghiên cứu cắt ngang đo lường yếu tố tiếp xúc và kết cục ở 
cùng một thời điểm. Ưu điểm của nghiên cứu này là chi phí 
thấp và đây là một phương pháp giúp ước tính tỷ lệ bệnh 
tương đối nhanh (một chỉ số cho biết tỷ lệ lưu hành của các 
ca bệnh hiện tại). Nhược điểm lớn nhất của nghiên cứu cắt 
ngang như đã đề cập ở trên là không thể ước đoán mối liên 
quan nhân quả cũng như tỷ lệ mới mắc của bệnh (một chỉ số 
cho sự xuất hiện của các ca bệnh mới). Cần chú ý rằng một 
nghiên cứu cắt ngang vừa có thể là một nghiên cứu mô tả 
mà không phân tích mối liên quan giữa yếu tố tiếp xúc – kết 
cục hay là một nghiên cứu phân tích nếu có những phân tích 
như vậy đi kèm. 
4) Nghiên cứu sinh thái (nghiên cứu tương quan sinh thái) 
Nghiên cứu sinh thái có thể giúp đánh giá mối liên quan 
có thể có giữa yếu tố tiếp xúc và kết cục ở cấp độ quần thể 
chứ không phải ở cấp độ cá nhân. Nghiên cứu sinh thái 
thường là phân tích trên những số liệu đã có sẵn trước đó. 
3.Tỷ lệ lưu hành và tỷ lệ mới mắc 
Tỷ lệ lưu hành là tỷ lệ dân số có biến cố sức khỏe được 
quan tâm. Tần suất là tỷ lệ số người có bệnh chia cho tổng 
P H Ư Ơ N G P H Á P N G H I Ê N C Ứ U K H O A H Ọ C C Ơ B Ả N C H O B Á C S Ĩ L Â M S À N G 5 5 
số người được nghiên cứu và thường được mô tả dưới dạng 
phần trăm hay dưới dạng số ca bệnh trên mỗi 1000, 10000 
hay 100000 người. Tỷ lệ mới mắc đo lường sự xuất hiện của 
một biến cố sức khỏe mới trong một khoảng thời gian xác 
định trước. Tỷ lệ mới mắc là số lượng ca bệnh mới xuất hiện 
chia cho quần thể nghiên cứu trong một đơn vị thời gian. 
Nếu như tần suất được tính từ nghiên cứu cắt ngang, tính tỷ 
lệ mới mắc đòi hỏi phải theo dõi một đoàn hệ (một quần thể) 
trong một khoảng thời gian. 
4.Ví dụ về nghiên cứu mô tả 
Là bác sĩ chuyên khoa đái tháo đường làm việc ở Việt 
Nam, từ những đồng nghiệp trong nước chúng tôi biết có sự 
gia tăng tỷ lệ hội chứng chuyển hóa và đái tháo đường. Qua 
tìm hiểu y văn, chúng tôi nhận thấy không có nhiều tài liệu đề 
cập đến vấn đề này. Do đó tôi quyết định thành lập một 
nhóm nghiên cứu dự kiến thực hiện một nghiên cứu nhằm 
đánh giá các đặc điểm của hội chứng chuyển hóa và các 
thành phần của hội chứng chuyển hóa ở những bệnh nhân 
đái tháo đường ở thành phố Hồ Chí Minh.1 
Dữ liệu được thu thập từ 652 bệnh nhân ngoại trú theo 
dõi điều trị tại một bệnh viện công lập (Bệnh viện Nhân Dân 
115) và một phòng khám tư nhân (Trung tâm chẩn đoán y 
khoa Medic) ở thành phố Hồ Chí Minh. Chúng tôi chẩn đoán 
hội chứng chuyển hóa theo định nghĩa của Liên đoàn Đái 
tháo đường thế giới (IDF) và phân tích mô tả các số liệu thu 
1Yokokawa H, Goto A, Watanabe K, Yasumura S. Internal 
Medicine Journal. 2007; 237: 161-167. 
5 6 K H Ó A T Ậ P H U Ấ N N G H I Ê N C Ứ U D Ị C H T Ễ H Ọ C 
thập được. Hội chứng chuyển hóa gặp ở 39,4% bệnh nhân 
nam và 70,5% bệnh nhân nữ. Nghiên cứu của chúng tôi cho 
thấy tỷ lệ hội chứng chuyển hóa cao ở những bệnh nhân đái 
tháo đường ở Việt Nam, đặc biệt là ở nữ, và cho thấy đặc 
điểm quan trọng nhất là béo bụng. 

File đính kèm:

  • pdfphuong_phap_nghien_cuu_khoa_hoc_co_ban_danh_cho_bac_si_lam_s.pdf