Thứ Sáu, 25 tháng 3, 2011

Liên hệ giữa cỡ mẫu và cỡ quần thể

Bài viết trích từ Statistics.vn

Liên hệ giữa cỡ mẫu và cỡ quần thể



Một thắc mắc được một bạn ở blog ytcchue.blogspot.com gởi cho chúng tôi, nguyên văn như sau:
"Ở nghiên cứu mô tả cắt ngang một tỷ lệ với với phương pháp chọn mẫu ngẫu nhiên đơn (Là phương pháp chọn mẫu trong đó các cá thể được chọn như nhau vào mẫu nghiên cứu) .Phiền các anh/chị/đồng nghiệp làm rõ Mối liên hệ nào giữa số đơn vị mẫu nghiên cứu và số đơn vị trong quần thể?- trích từ ytecongcong.com"
Trước hết xin cảm ơn các bạn đã gởi thắc mắc. Chúng tôi xin trả lời như sau
Thông thường các nghiên cứu đều nghiên cứu trên quần thể vô hạn hoặc được cho là vô hạn. Ví dụ nghiên cứu tác dụng của một loại thuốc đối với việc hạ huyết áp thì chắc chắn là ta muốn nói đến một quần thể vô hạn người bị cao huyết áp. Hoặc, một quần thể hữu hạn nhưng với số lượng quá lớn, cỡ mẫu chọn ra từ đó có tương quan rất nhỏ so với quần thể thì quần thể cũng được coi là vô hạn. Ví dụ nghiên cứu chiều cao của người Việt Nam vào năm 2011 với cỡ mẫu 5.000 từ gần 90 triệu dân, thì quần thể cũng được coi là vô hạn.
Và như một hệ quả, các công thức ước lượng cho thông số của quần thể thường là vắng mặt cỡ của quần thể. Nhưng như thấy dưới đây, Cochran [1] có cách tiếp cận bằng cách cho quần thể là hữu hạn. Và công thức tính toán sẽ trở thành như các công thức ta thường thấy khi quần thể tiến đến vô hạn hoặc quá lớn so với mẫu.
Trong thực tế, mặc dù không nhiều, cũng có thể có trường hợp như ta muốn xác định tỉ lệ mắc bệnh của một dịch bệnh tại một xã nhỏ nào đó trong một thời điểm cụ thể, Hoặc ta muốn nghiên cứu tỉ lệ hỏng của 1000 lọ thuốc thuộc một lot sản xuất cụ thể. thì có thể việc xác định quần thể là hữu hạn sẽ là thích hợp.
Các kết quả sau đây dựa vào một tác phẩm kinh điển của Cochran, [1] một nhà thống kê lớn gốc Scotland nhưng phần lớn thời gian sống và làm việc tại Mỹ, nổi tiếng với kiểm định Cochran hoặc Cochran Q và định lý Cochran, xem tiểu sử tại đây).
Trong kỹ thuật lấy mẫu người ta định nghĩa tỉ lệ lấy mẫu (sampling fraction) là tỉ lệ giữa mẫu và quần thể.
f =n/N
Với n là cỡ mẫu và N là cỡ của quần thể.
Mặt khác, fpc: finite population correction (hiệu chỉnh cho quần thể hữu hạn, có tác giả cho thêm chữ f, factor thành: fpcf ) được định nghĩa là
fpc = (N-n)/(N-1)
đôi khi chỉ là fpc = (N-n)/N. (Định nghĩa của Cochran, có tác giả định nghĩa với căn bậc hai)
Dễ thấy là fpc luôn nhỏ hơn 1 (vì đương nhiên cỡ mẫu n >1 nên N-n <>
Thông thường, người ta dùng fpc để thực hiện trong các nghiên cứu mô tả (quan sát) để xác định trung bình, tỉ lệ như trong thắc mắc của các bạn và có lợi ích là
+ Hoặc thu hẹp khoảng tin cậy (tức là ước lượng chính xác hơn) với cùng độ tin cậy
+ Và, “đối ngẫu” với lợi ích trên, là giảm cỡ mẫu
Cụ thể như sau:
1)Từ trung bình của mẫu là x ta ước lượng 95% CI của trung bình quần thể . Công thức sau đây rất quen thuộc
x\mp z{\frac{s}{\sqrt{n}}}Â (1)
Tuy nhiên, như Cochran (sđd, tr. 27, công thức 2.23) đã chứng minh thì khoảng tin cậy này thực ra là
x\mp z{\frac{s}{\sqrt{n}}}\sqrt{fpc} (2)
Ghi chú: Một số tác giả định nghĩa fpc là căn bậc hai của (N-n)/(N-1) nên công thức (2) ở là nhân với fpc.
Để ý trong công thức (2) thì:
+ fpc nhỏ hơn 1 (xem trên) vì vậy khoảng tin cậy của (2) sẽ hẹp hơn, nói cách khác, nếu cùng cỡ mẫu mà ta xác định trước, thì với quần thể hữu hạn ta “có quyền” làm ước lượng của ta trở nên chính xác hơn, mà không thay đổi mức anpha cũng như các giả định khác. n càng gần N thì độ chính xác càng cao.
+ Nếu n quá nhỏ so với N (hoặc quần thể là vô hạn) thì fpc tiến đến 1, công thức (2) trở thành (1), việc hiệu chỉnh không có ý nghĩa gì.
+ Nếu n=N tức thì fpc = 0. Tức là ước lượng của chúng ta chính là bằng trung bình của quần thể, đó là cơ sở của một sự thực hiển nhiên là trong nghiên cứu toàn thể (census) thì giá trị của mẫu là giá trị của quần thể !
Cochran (sđd, tr. 25) đề nghị là trong trường hợp tỉ số lấy mẫu <5>
2) Từ tỉ lệ mẫu p ta ước lượng 95% CI của tỉ lệ quần thể. Công thức sau đây cũng rất quen thuộc:
p\mp z \sqrt {\frac {p(1-p)}{n}}
Công thức này có hiệu chỉnh fpc (Cochran, sđd, công thức 3.8, tr. 52):
p\mp z \sqrt {\frac {p(1-p)}{n}} \sqrt{fpc}
Các lưu ý đều tương tự như trên.
Như vậy, để dễ nhớ, nếu gọi phần sau dấu cộng trừ là margin of error như cách gọi trong tiếng Anh, thì ta có thể nhân margin of error với fpc, nếu tỉ lệ lấy mẫu lớn hơn 5%.
3) Trở lên trên, ta thấy nếu từ đầu ta không để ý đến fpc thì ta có khoảng tin cậy (a,b). Sau khi có hiệu chỉnh fpc thì ta có khoảng (c,d) hẹp hơn. Một logic hiển nhiên xuất hiện là nếu ta “hy sinh” độ hẹp của khoảng tin cậy, thì ta sẽ được lợi cỡ mẫu, tức là ta sẽ giảm n thành n’. Cochran (sđd, công thức 4.3, trang 76) đề nghị (cho cả trường hợp ước lượng trung bình và tỉ lệ):
 n'= \frac {n} {1+\frac{n}{N}}
chính là, dễ nhớ hơn:
 n'= \frac {n} {1+f}
Giả sử cỡ quần thể của ta là 2000, với các yêu cầu của nghiên cứu (như mức anpha, sai số…) ta có mẫu là 300. Tỉ lệ lấy mẫu là 15% (hơn 10%) ta có thể giảm cỡ mẫu xuống còn 300/(1+300/2000) gần bằng 261, tức là giảm được khoảng 39.
Bảng sau đây cho thấy vài ví dụ
Cỡ quần thể Cỡ mẫu trước Tỉ lệ lấy mẫu Cỡ mẫu điều chỉnh Số giảm
2000
300
15%
261
39
5000
300
6%
283
17
10000
300
3%
291
9
20000
300
2%
296
4
Với bảng trên thì như tại hai hàng dưới, tỉ lệ lấy mẫu nhỏ hơn 5% rõ ràng là chẳng đáng bõ công !
Vả lại, cần nhớ rằng kết luận từ mẫu của ta chỉ cho quần thể mà ta nghiên cứu. Nếu cho quần thể là hữu hạn thì đương nhiên kết luận đó chỉ xảy ra cho một quần thể cố định, với thời gian và không gian xác định … chẳng hạn như một cuộc bầu cử, một đợt kiểm tra sản phẩm v.v... (gọi là “warehouse studies” [2]).
TQP
Tham khảo:
[1] William G. Cochran (1977), Sampling Techniques, 3rd Editon, John Wiley and Sons
[2] Steven Simon (2008), http://www.childrens-mercy.org/stats/size/population.asp

Thứ Năm, 17 tháng 3, 2011

Health information - Who making it ? it really ipmortant now in health system in Viet Nam

Hiện tại, mình đang tham gia hội thảo về hệ thông thông tin y tế của Việt Nam do Đại học Y tế công cộng Hà Nội kết hợp với vụ y tế và sự hỗ trợ của đại học Queenland Úc . Một thực tế đáng lo ngại ở Việt Nam đó là sự thiếu hiệu quả cũng như độ tin cậy từ các nguồn thông tin y tế. Hẳn các bạn đều đồng ý với tôi là thông tin y tế rất quan trong cho công tác quản lý , đưa ra các chính sách , chiến lược cho hệ thông chăm sóc sức khỏe cũng như công tác nghiên cứu khoa học và đào tạo ... Để tiến tới mục tiêu năm 2015 tiến tới bảo hiểm y tế toàn dân và Bộ y tế đang chuẩn bị xây dựng lại mã code cho các loại bệnh tật dựa trên bảng mã ICD 10 kết hợp với bảng mã ICD9 CM ( bảng mã phẩu thuật và thủ thuật ) để đưa ra mức DRG ( thực sự tôi cũng chưa hiểu rõ DRG ngay cả một số ngưởi trong vụ y tế cũng chưa hiểu hết vấn đề này : tạm hiểu là mức chi tra theo ca bệnh ). Tuy nhiên một vấn đề lớn hiện nay ở Việt Nam đó là ai sẻ là người làm công việc nhập các bệnh theo các mã vào máy tính tại các bệnh viện cũng như quản lý các thông tin này. Hiện nay, mới chỉ có Đại học Y tế Công cộng Hà Nội bắt đầu xây dựng chương trình đào tạo cử nhân YTCC định hướng quản lý thông tin y tế.
Các bạn nhận thấy vấn đề về thông tin y tế Việt Nam ở đây là gì ?
Thực sự đây là một vấn đề lớn mất nhiều thời gian cũng như ngồn lực để giải quyết?

Thứ Ba, 1 tháng 3, 2011

Tìm y văn qua PubMed

Y học thực chứng được định nghĩa là một phương pháp thực hành y khoa bằng cách sử dụng bằng chứng hiện hành một cách có ý thức và công minh kết hợp với kĩ năng lâm sàng để đi đến quyết định về chăm sóc bệnh nhân (1).  Y học thực chứng được thực hành qua 5 bước chính (2):
  • Đặt câu hỏi lâm sàng thực tế, có thể trả lời được;
  • Tìm bằng chứng y khoa liên quan đến câu hỏi lâm sàng;
  • Đánh giá bằng chứng khoa học;
  • Ứng dụng bằng chứng vào bệnh nhân; và
  • Đánh giá hiệu quả của thực hành y học thực chứng.
Một thành tố quan trọng trong định nghĩa cũng như thực hành y học thực chứng là chứng cứ khoa học.  Lượng thông tin y khoa tiếp tục gia tăng theo cấp số nhân (3).  Theo thống kê hiện hành, cứ mỗi 5 năm thì lượng thông tin liên quan đến ngành y sinh học lại tăng gấp đôi.  Trước lượng thông tin khổng lồ và gia tăng nhanh, việc cập nhật hóa với những tiến bộ mới nhất trong ngành là một thách thức của người thầy thuốc lâm sàng và nghiên cứu y khoa.  Ngày nay, bệnh nhân cũng thường sử dụng mạng để tìm thông tin y học. Do đó, người thầy thuốc còn phải đối đầu với một thách thức khác là kiểm tra, bình duyệt thông tin do bệnh nhân đem lại và tìm những bằng chứng khoa học tốt nhất để đi đến những quyết định lâm sàng tối ưu.
PubMed một là cơ sở dữ liệu được phát triển và quản lí bởi Trung tâm Quốc gia về Thông tin Công nghệ sinh học (National Center for Biotechnology Information hay NCBI) thuộc Thư viện Quốc gia Hoa Kĩ (National Library of Medicine -- NLM).  Tính đến năm 2007, PubMed có hơn 16 triệu bài báo khoa học từ MEDLINE và 4000 tập san y sinh học chọn lọc từ 70 quốc gia trên thế giới được lưu trữ từ những năm 1950 (4).
Công cụ để tìm dữ liệu trong PubMed là Entrez.  Entrez là hệ thống được thiết kế để người sử dụng có thể chỉ gõ vào một số thuật ngữ (hay thậm chí vài từ thông thường) để tìm các thông tin quan đến di truyền, protein, và bệnh lí học.  PubMed hoàn toàn miễn phí cho tất cả mọi người trên thế giới.  Địa chỉ của PubMed là www.pubmed.gov hay www.pubmed.com.
Trong bài này, tôi sẽ trình bày một số phương pháp và qui trình đơn giản để tìm y văn trong cơ sở dữ liệu Medline trong PubMed.  Vì PubMed có rất nhiều công cụ tìm kiếm, nhưng một số công cụ này chỉ dành cho các nhà nghiên cứu chuyên sâu, nên tôi chỉ giới hạn một số công cụ thực tiễn cho các bác sĩ lâm sàng bận rộn.

1.  Một vòng PubMed

Khi truy cập www.pubmed.com hay www.pubmed.gov, chúng ta sẽ có một giao diện như sau.  Chú ý rằng giao diện này có khi thay đổi theo thời gian, nhưng nói chung các đặc tính chung thì cố định (Hình 1).

Hình 1: Giao diện hiện nay (2010) của PubMed
Phía dưới hộp “PubMed” là hộp trống và kèm theo nút “search”, ta tạm gọi đó là hộp tìm kiếm (search box).  Đây là nơi chúng ta có thể gõ vào bất cứ thuật ngữ nào để tìm y văn.  Chúng ta sẽ quay lại những thuật ngữ này trong phần dưới cụ thể hơn, nhưng hiện tại, chúng ta chú ý vào những tệp (tab) như Limits, Advanced Search (phần trên của hộp tìm kiếm), mục Clinical Queries và MeSH (phía dưới mục PubMed Tools).
Limits: là công cụ của PubMed để chúng ta giới hạn dữ liệu muốn tìm.  Khi chọn nhấn vào nút Limits, chúng ta sẽ thấy một giao diện mới (Hình 2).  Trong phần này, chúng ta có thể giới hạn dữ liệu theo các tiêu chí như sau:
  • Ngày tháng
  • Thể loại dữ liệu (type of artciles): như nghiên cứu lâm sàng đối chứng ngẫu nhiên (clinical trial), xã luận (editorial), thư (letter), phân tích tổng hợp (meta-analysis), phác đồ điều trị hay thực hành (practice guideline), tổng quan (review).
  • Đối tượng (species) là nghiên cứu trên người hay động vật.
  • Thể loại tập san (Subsets) như tập san y học lâm sàng, nha khoa, hay điều dưỡng.
  • Bài báo (text options) như toàn bộ bài báo (full text) hay chỉ phần tóm lược (abstract).
  • Ngôn ngữ (languagues): tiếng Anh, Pháp, Đức, Ý, Nhật, v.v…
  • Giới tính (gender): nam hay nữ.
  • Độ tuổi (age)

Hình 2
Advanced Search là một công cụ tìm kiếm tương đối tinh vi hơn, bằng cách dùng các “field” (tôi tạm dịch là “yếu tố”) của một bài báo để tìm.  Mỗi một bài báo được lưu trữ trong PubMed gồm có nhiều yếu tố để nhận dạng bài báo.  Những yếu tố quan trọng nhất là tên bài báo (title, viết tắt là “TI”), tên tác giả (AU), tên tập san (TA), và chi tiết về năm xuất bản, số trang (Hình 3).

Hình 3: Một số yếu tố nhận dạng của một bài báo trong PubMed
Một số yếu tố khác (và viết tắt chuẩn) có thể xem trong bảng sau đây:
Bảng 1: Yếu tố nhận dạng của một bài báo trong PubMed

Yếu tố của một bài báo Nghĩa
Author [AU] Tác giả
First Author Name [1AU] Tác giả đầu
Affiliation [AD] Địa chỉ làm việc của tác giả
Title [TI] Tên bài báo
Journal Title [TA] Tên tập san
Publication Date [DP] Ngày ấn bản
Volume [VI] Số bộ của tập san
Issue [IP] Số bộ của tập san
Pagination [PG] Số trang
Chúng ta có thể sử dụng những field (yếu tố nhận dạng) trên đây để gõ vào hộp tìm kiếm những bài báo cụ thể cho một tác giả cụ thể.  Chẳng hạn như có thể tìm những bài báo khoa học của tác giả “Hien TT” trong năm 2010, chúng ta chỉ đơn giản gõ “Hien TT [au] AND 2010 [dp]”.  Chú ý những viết tắt của field được viết trong ngoặc vuông (Hình 4):

Hình 4: Một ví dụ tìm bài báo qua sử dụng yếu tố nhận dạng
Vì một số tác giả có thể trùng tên, như Trần Tịnh Hiền hay Trịnh Thị Hoa hay Trương Trân Hùng, v.v… nên những bài báo liệt kê có thể không chỉ của một tác giả.  Tuy nhiên, chúng ta có thể sử dụng các yếu tố nhận dạng để khu trú cụ thể cho từng tác giả.  Tuy nhiên, ở đây, tôi không chú trọng vào cách tìm này, mà chỉ tập trung đến cách tìm có liên quan đến thực hành y học thực chứng.
Trong ví dụ tìm kiếm trên, chúng ta sử dụng giới từ “AND” để tìm những bài báo của tác giả “Hien TT” công bố trong năm 2010.  Các thuật toán tìm dữ liệu dựa vào ngôn ngữ logic, mà trong PubMed chúng ta hay sử dụng là AND và OR (viết hoa).

Hình 5: Biểu đồ Venn
Để hiểu hai giới từ này, chúng ta có thể xem qua Hình 5 dưới đây.  Trong hình này, nếu chúng ta gõ “Hypertension” trong hộp tìm kiếm, sẽ có 244.255 bài báo; nếu gõ “Propanolol”, sẽ có 37.600 bài.  Nhưng nếu chúng ta gõ“Hypertension AND Propanolol”, thì chỉ có 4155 bài, tức chỉ có 4155 bài với từ “Hypertension” và “Propanolol”.  Nhưng nếu chúng ta gõ “Hypertension OR Propanolol” (tức Hypertension” hoặc “Propanolol) thì kết quả sẽ là 277.670 bài (lấy 244.255 cộng với 37.600 và trừ cho 4155).
Sau khi đã biết qua vài giao diện chính và cách tổ chức dữ liệu của PubMed, bây giờ chúng ta có thể thực hành tìm kiếm dữ liệu.  Trong thực thế, những người tìm dữ liệu và y văn trong PubMed có thể chia thành 2 nhóm chính: nhóm bác sĩ lâm sàng rất bận, có ít thì giờ để tìm hiểu chi tiết về những vấn đề liên quan đến khoa học, vì mục tiêu chính của họ là tìm y văn liên quan đến việc điều trị có thể cho từng bệnh nhân cụ thể; nhóm thứ hai gồm những bác sĩ và nhà nghiên cứu tìm y văn để phục vụ cho việc nghiên cứu, và do đó, có thể họ cần thông tin chi tiết hơn là bác sĩ điều trị.  Vì thế, trong phần sau đây, tôi sẽ trình bày cách tìm y văn cho hai nhóm vừa đề cập.

2.  Tìm kiếm nhanh (cho người có ít thì giờ)

2.1  Tìm kiếm nhanh qua Clinical Queries

Gần đây, PubMed giới thiệu một công cụ tìm dữ liệu có tên là Clinical Queries là tập hợp một số danh mục với những chủ đề cụ thể, nhằm giúp cho các bác sĩ bận rộn tìm những thông tin y khoa một cách nhanh chóng trong một thời gian ngắn.  Ngoài ra, Clinical Queries còn có những đường dẫn (link) và khu trú một nhóm dữ liệu được mục lục hóa trong PubMed.  Truy cập vào PubMed và chọn tệp Clinical Queries, chúng ta sẽ có một trang web mới với giao diện như dưới đây:

Hình 6: Giao diện của Clinical Queries cho tìm kiếm nhanh
Trong Clinical Queries chúng ta có thể tìm những dữ liệu theo 3 thể loại: các bài báo về y học lâm sàng (clinical study), tổng quan (systematic review), hoặc di truyền (medical genetics).  Mỗi mục có một hộp tìm kiếm riêng.  Chúng ta thử áp dụng Clinical Queries để tìm y văn cho một vài trường hợp tiêu biểu như sau:
Trường hợp 1: thông tin về di truyền. Một phụ nữ 24 tuổi muốn thảo luận với bác sĩ về những quan tâm của chị liên quan đến việc mang thai.  Vị phụ nữ này mới có gia đình khoảng 6 tháng trước, và hai vợ chồng muốn có con.  Một người chị của vị phụ nữ này mắc bệnh u xơ thần kinh (neurofibromatosis), và chị quan tâm rằng con của chọ có nguy cơ mắc bệnh của người chị.  Câu hỏi lâm sàng là, “Ở những phụ nữ với tiền căn gia đình u xơ thần kinh, xét nghiệm di truyền nào cần làm để khuyến cáo bệnh nhân?”
Một cách để trả lời câu hỏi này là truy nhập PubMed và gõ những thuật ngữ liên quan vào hộp tìm kiếm (query box).  Tuy nhiên, PubMed có một công cụ mới có tên là Medical Genetics Searches được phát triển cùng với nhóm nghiên cứu di truyền “Gene Reviews: Genetic Disease Online Reviews” để tìm những thông tin về di truyền học.
  • Truy nhập PubMed: www.pubmed.com và chọn tệp Clinical Queries dưới phần PubMed Services như trong hình dưới đây:

  • Di chuyển xuống mục Medical Genetics Searches và gõ “neurofibromatosis AND family history” trong hộp tìm kiếm.

Hình 7: Giao diện của Medical Genetics Searches
Chọn Genetic Counseling và nhấn nút Go.  Bây giờ, PubMed sẽ liệt kê một danh sách gồm 12 bài báo có liên quan đến việc khuyến cáo (counseling) bệnh nhân với bệnh di truyền u xơ thần kinh.

Hình 8: Kết quả tìm kiếm về di truyền (trường hợp 1)
Trường hợp 2: thuốc điều trị bệnh loãng xương. Giả dụ bạn là giảng viên sắp giảng dạy về điều trị bệnh loãng xương (osteoporosis) cho một nhóm sinh viên y khoa.  Bạn muốn cập nhật hóa thông tin với những công trình nghiên cứu lâm sàng đối chứng ngẫu nhiên (randomized controlled trials – RCT) mới nhất.
Có thể sử dụng Clinical Queries để tìm các công trình RCT liên quan:
  • Truy nhập www.pubmed.com và chọn Clinical Queries dưới PubMed Services.
  • Di chuyển chuột xuống mục Clinical Study Category và gõ “osteoporosis AND drugs” trong hộp tìm kiếm.
  • Chọn mục Therapy dưới phần Category
  • Chọn narrow, specific search dưới phần Scope, và nhấn nút Go.

Hình 9: Tìm tài liệu về thuốc điều trị bệnh hen
Kết quả có 336 bài báo!

Hình 10: Kết quả tìm tài liệu về thuốc điều trị bệnh loãng xương
Chúng ta cần phải giới hạn những bài cần thiết bằng cách dùng Limits:
  • Ở tệp Limits và dưới mục Type of Article chọn Randomized Controlled Trials. Ở tệp Dates chọn trong vòng 5 năm.  Ngoài ra, chọn Humans dưới phần Species và English dưới phần Language. Nhấn Search ở phía dưới trang (Hình 11).

Hình 11: Giới hạn tài liệu về thuốc điều trị bệnh loãng xương
Kết quả sẽ cho thấy chỉ có 101 bài theo tiêu chuẩn trên (tức những bài tổng quan nghiên cứu trên người, viết bằng tiếng Anh, và công bố trong vòng 5 năm qua).

2.2  Tìm kiếm nhanh bằng hộp tìm kiếm chính và limits

Trường hợp 3: y học cổ truyền.  Một phụ nữ 48 tuổi đến gặp bác sĩ vì triệu chứng nóng bừng (hot flash).  Khoảng 8 tháng trước chị có kinh nguyệt, nhưng trong thời gian 4 tuần qua, chị thường hay bị nóng bừng và đặc biệt là cảm thấy khó chịu lúc đêm.  Chị không muốn dùng thuốc Tây, nhưng muốn dùng các thuốc cổ truyền.  Chị cho biết chị có bạn từng dùng dược thảo có tên là “black cohosh” để giảm triệu chứng nóng bừng.  Chị hỏi bác sĩ rằng có bằng chứng nào về hiệu quả của black cohosh.
Để trả lời câu hỏi này, bác sĩ có thể tìm y văn trong PubMed.  Thay vì sử dụng Clinical Queries, bác sĩ có thể sử dụng giao diện đầu tiên của PubMed và tệp Limits để tìm y văn liên quan đến câu hỏi:
  • Trong hộp tìm kiếm, gõ dòng chữ “black cohosh AND hot flash” và nhấn nút Search.

Hình 12: Black cohosh và hot flash, và kết quả có 22 bài

PubMed sẽ liệt kê một danh sách gồm 22 bài (tính đến ngày 15/4/2010).  Chúng ta có thể giới hạn các bài bằng tiếng Anh và chỉ muốn đọc các công trình nghiên cứu lâm sàng đối chứng ngẫu nhiên (Randomized Controlled Trial hay RCT):
  • · Sau đó, chọn tab Limits dưới hộp tìm kiếm.
  • · Chọn English dưới phần Languages và Randomized Controlled Trial dưới phần Type of Article, và nhấn nút Search.

Hình 13: Giới hạn kết quả tìm
Bây giờ, chúng ta có một danh sách gồm 18 bài báo RCT nghiên cứu trên người về hiệu quả của “black cohosh” đến triệu chứng nóng bừng.

3.  Tìm kiếm y văn với MeSH

3.1  Vài dòng về MeSH

Trong phần trên, tôi đã mô tả một số thuật để tìm y văn trong tình huống không có nhiều thì giờ.  Trong phần này, chúng ta sẽ tìm hiểu và thực hành một số thuật tìm y văn một cách có hệ thống hơn và chi tiết hơn, vốn rất có ích cho những bác sĩ nghiên cứu lâm sàng.
Thuật ngữ y khoa rất … phong phú.  Một khái niệm hay một bệnh có thể mô tả bằng nhiều thuật ngữ dành cho giới khoa học hay từ ngữ thường dành cho công chúng và bệnh nhân.  Chẳng hạn như ung thư có thể là neoplasm (dành cho giới học thuật), mà cũng có thể cancer (từ ngữ thông dụng).  Trong các thuật tìm kiếm vừa mô tả, chúng ta chỉ gõ một thuật ngữ hay thậm chí một từ thông thường như “breast cancer” (ung thư vú) thì Pubmed tự động “dịch” từ đó sang từ khóa như “breast neoplasms”.  Trong vài năm gần đây, PubMed cho ra đời một cơ sở dữ liệu mới rất có ích và rất phổ biến có tên là Medical Subject Heading hay viết tắt là MeSH (4).
MeSH là một từ điển điện tử gồm có khoảng 19.000 ngữ vựng hay thuật ngữ (con số này tăng theo thời gian với bệnh và khái niệm mới), được sắp xếp theo giai tầng (hierarchical), từ những chủ đề khái quát chung đến những chủ đề chuyên biệt.  Liệt kê sau đây là một số thuật ngữ MeSH có liên quan đến điều trị mà chúng ta sử dụng thường xuyên:
Bảng 2: Một số thuật ngữ MeSH phổ biến

drug therapy

administration and dosage

diagnostic use

diet therapy

combination drug therapy

urinalysis

adverse effects

oral

drug monitoring

poisoning

topical

street drug detection

toxicity

transcutaneous

blood chemical analysis

prevention and control

rectal

hematologic tests

contraindications

buccal

blood cell count

street drugs

parenteral infusion

blood coagulation tests

substance abuse

vaginal

clinical chemistry tests

substance withdrawal

intranasal

guidelines

withdrawal symptom

sublingual

practice guidelines

cross reactions

dermal

continuing pharmacy education

drug allergy

inhalation

continuing medical education

food allergy

intravenous

drug interactions

intramuscular

food-drug interactions

subcutaneous

chemically induced

Mortality

3.2  Tìm y văn qua MeSH

Chúng ta có thể sử dụng MeSH để tìm kiếm những y văn chính xác và cụ thể cho vấn đề chúng ta quan tâm.  Vấn đề chúng ta quan tâm có thể mô tả bằng công thức PICO, trong đó:
·        P = Patient hay Problem: bệnh nhân hay vấn đề;
·        I = Intervention: can thiệp hay yếu tố nguy cơ (risk factor hoặc exposure)
·        C = Comparison: so sánh, tức có nhóm can thiệp và không can thiệp, hoặc yếu tố nguy cơ và không có yếu tố nguy cơ; và
·        O = Outcome: kết quả lâm sàng.
Trường hợp 4: Digoxin và suy tim.  Bệnh nhân nữ 70 tuổi, với bệnh suy tim (congestive heart failure) đến bác sĩ tư vấn.  Bà đã ra vào bệnh viện để điều trị nhiều lần.  Câu hỏi bệnh nhân đặt ra là nếu bà dùng digoxin liệu có hiệu quả giảm tần số tái nhập viện hay không?
Việc đầu tiên là chúng ta cần phải diễn giải câu hỏi bằng thuật ngữ tiếng Anh.  Để tìm y văn một cách hữu hiệu, câu hỏi lâm sàng trên cần phải phân tích và cấu trúc theo công thức PICO như sau:
  • Patient/problem: đối với câu hỏi trên, bệnh nhân ở đây là congestive heart failure;
  • Intervention có thể là digoxin;
  • Comparison có thể là “control” hay “no treatment”
  • Outcome là tái nhập viện (rehospitalization).
Những thuật ngữ tiếng Anh này có thể gõ trực tiếp vào hộp tìm kiếm của PubMed để tìm những thông tin liên quan.  Chúng ta sẽ sử dụng MeSH để tìm y văn liên quan đến câu hỏi.  Tôi sẽ giải thích từng bước một vì qui trình tương đối chi tiết:

Hình 14: Tìm MeSH, sẽ cho ra giao diện dưới đây

  • Bước 2: Ở hộp tìm kiếm, gõ dòng chữ “congestive heart failure” và bấm Go. Kết quả sẽ như Hình 14 dưới đây.  MeSH cung cấp một loạt thuật ngữ hay từ khóa dưới mục “congestive heart failure”.  Vì chúng ta muốn tìm hiểu về điều trị nên chúng ta chọn mục “therapy”.

Hình 14: Kết quả tìm MeSH “congestive heart failure”
Nhưng vì chúng ta còn muốn biết về digoxin, cho nên thuật ngữ này phải kết nối với digoxin.  Để kết nối, chúng ta chọn hộp “Send to” và chọn “Search box with AND” như hình dưới đây:

Hình 15: Chọn “Seach Box with AND”
  • Bước 3: Ở hộp tìm kiếm MeSH, gõ dòng chữ “digoxin” và bấm Go, chúng ta sẽ có kết quả cho digoxin như sau.  Chúng ta chọn box digoxin bằng cách tick vào ô vuông bên cạnh:


Hình 16: Kết quả tìm MeSH cho “digoxin”
Sau đó, chúng ta chọn hộp “Send to” và cũng chọn “Search box with AND” như trước, kết quả sẽ như Hình 17:

Hình 17: Kết quả tìm MeSH cho “digoxin”
Chú ý rằng bây giờ chúng ta có một hộp khác gồm những dòng chữ (("Heart Failure"[Mesh] OR "Heart Failure/therapy"[Mesh])) AND "Digoxin"[Mesh]. Đây chính là cách mà Pubmed diễn giải hai bước mà chúng ta mới làm.  Nói cách khác, Pubmed “biết rằng” chúng ta muốn tìm y văn liên quan đến digoxin và congestive heart failure.  Chú ý phía dưới dòng chữ trên là “Search PubMed”.  Chúng ta nhấn vào nút này, PubMed sẽ liệt kê những bài báo (1633) đáp ứng tiêu chuẩn trên (Hình 19):

Hình 19: Kết quả tìm Congestive Heart Failure và Digoxin
Nhưng chúng ta vẫn còn một keyword cần phải tìm hiểu nữa: đó là tái nhập viện.  Chúng ta sẽ dùng PubMed thay vì MeSH để tìm “rehospitalization” (vì MeSH chưa có thuật ngữ này):

Hình 20: Kết quả tìm Pubmed cho “rehospitalization”
Kết quả cho thấy có 1732 bài báo liên quan đến rehospitalization trong Pubmed.  Bây giờ đến bước thứ 4 là kết hợp cả 3 biến: congestive heart failure, digoxin, và rehospitalization.
  • Bước 4: Để kết hợp 3 biến trên, chúng ta dùng tệp Advanced Search.


Chọn Advance Search, chúng ta sẽ có một màn hình mới (Hình 21).  Chú ý Advanced Search cung cấp cho chúng ta tiền sử (history) của quá trình chúng ta tìm kiếm trong 2 bước trước.  Mỗi bước được viết tắt bằng kí số.  Trong vì dụ này, bước tìm rehospitalization có kí số #40, và bước tìm Heart Failure và Digoxin với kí số #41.

Hình 21: Kết quả của Advanced Search
  • Bước 5: Bây giờ chúng ta có thể kết hợp quá trình tìm kiếm bằng cách dùng các kí số.  Trong hộp tìm kiếm PubMed (dòng đầu của màn hình), chúng ta gõ:
#40 AND #41
và nhấn nút Search để kết hợp hai tiêu chuẩn tìm kiếm với nhau.  Kết quả cho thấy có 5 bài báo liên quan đến ảnh hưởng của digoxin đến tái nhập viện ở bệnh nhân suy tim:

Hình 22: Kết quả của tìm kiếm
  • Bước 6: Bây giờ chúng ta có thể sử dụng tệp Limits để giới hạn các nghiên cứu lâm sàng đối chứng ngẫu nhiên (RCT) hay giới tính, hay ngôn ngữ, v.v…

3.3  Tìm y văn bằng giao diện PICO

Tìm y văn qua Pubmed đòi hỏi người bác sĩ phải biết cách đặt vấn đề qua công thức PICO như mô trả trong phần trên.  Một số bác sĩ, do chưa quen với MeSH (và qui trình cũng khá phức tạp), nên một nhóm nghiên cứu bên Mĩ phát triển một một giao diện “interface” với Pubmed để giúp cho việc tìm y văn dễ dàng hơn.  Giao diện này trong thực tế vẫn còn trong giai đoạn thử nghiệm, nhưng tôi thấy cũng có ích cho những ai không muốn tiêu nhiều thời gian với MeSH.  Do đó, trong phần này, tôi sẽ giới thiệu ngắn về giao diện PICO (5).
Truy cập vào địa chỉ http://pubmedhh.nlm.nih.gov/nlm/picostudy/pico2.html chúng ta sẽ có một giao diện như sau:

Hình 23: Giao diện PICO
Như có thể thấy, giao diện này được thiết kế theo công thức PICO và gọn nhẹ hơn MeSH.  Trong hộp Patient/Problem, chúng ta chỉ cần gõ bệnh hay vấn đề (chẳng hạn như “congestive heart failure”); hộp Intervention để ghi can thiệp (như “digoxin”); Compare to để ghi nhóm so sánh (chẳng hạn như “Control”); và phần Outcome để điền vào chỉ tiêu lâm sàng (như “mortality”).  Ngoài ra, chúng ta cũng có thể giới hạn nhóm tuổi, giới tính, và thể loại nghiên cứu trong các mục kế tiếp.  Vì trang web này vẫn còn trong vòng thử nghiệm, nên chưa được ứng dụng rộng rãi.  Tuy nhiên, trong điều kiện tìm nhanh, trang giao diện này cũng là một công cụ tìm kiếm rất đơn giản và có ích.

4.  Kết luận

Y học thực chứng là một cuộc cách mạng quan trọng trong y học.  Trong y học thực chứng, dữ liệu khoa học thay vì ý kiến chuyên gia đóng vai trò quan trọng trong quyết định lâm sàng, kiến thức được đúc kết từ những nghiên cứu khoa học hơn là từ những gì bác sĩ biết dưới danh nghĩ “kinh nghiệm”, và những niềm tin được thay thế bằng những chứng cứ có thẩm định lợi và hại.  Thực hành y học thực chứng đòi hỏi người thầy thuốc phải có kĩ năng tìm kiếm và thẩm định y văn.  Bài viết mang tính hướng dẫn từng bước này hi vọng đã cung cấp cho các bác sĩ một vài kĩ năng cần thiết trong việc tìm kiếm y văn.
Đối với người Việt Nam chúng ta, một trong những khó khăn trong việc sử dụng PubMed là vấn đề thuật ngữ tiếng Anh mà một số bác sĩ và điều dưỡng vẫn chưa quen.  Do đó, để sử dụng PubMed một cách hữu hiệu, thiết tưởng việc học tiếng Anh và thuật ngữ y khoa cũng như thuật ngữ khoa học tiếng Anh là điều rất cần thiết trong thời hội nhập thế giới.
PubMed là một nguồn tài liệu y văn vô giá cho bất cứ ai làm việc trong ngành y tế hay có liên quan đến y sinh học.  Với PubMed, chúng ta có thể cập nhật hóa thông tin về bất cứ lĩnh vực hẹp nào.  Người phương Tây thường nói “thông tin là sức mạnh” (information is power).  Sự phát triển không ngừng của PubMed đã cung cấp một “sức mạnh” cho giới y sĩ toàn cầu, và với thông tin hi vọng rằng chất lượng chăm sóc bệnh nhân sẽ ngày một tốt hơn.
Nguyễn Văn Tuấn
Tài liệu tham khảo
  1. Sackett D. Evidence based medicine: what it is and what it isn't. BMJ 1996;312:71-72 (13 January).
  2. Eddy DM (2005). "Evidence-based medicine: a unified approach". Health affairs (Project Hope) 24 (1): 9–17.
  3. Hunt DL, Haynes RB, Browman GP. Searching the medical literature for the best evidence to solve clinical questions. Ann Oncol 1998;9:377–383.
  4. Coletti MH, Bleich HL. Medical subject headings used to search the biomedical literature. J Am Med Inform Assoc 2001;8:317–323.
  5. Schardt C, Adams MB, Owens T, Keitz S, Fontelo P. Utilization of the PICO framework to improve searching PubMed for clinical questions. BMC Med Inform Decis Mak. 2007 Jun 15;7:16.
Trích bài viết từ: http://statistics.vn

Tìm kiếm nội dung trong blog

Đã xảy ra lỗi trong tiện ích này