Giới thiệu về Nghiên cứu Bệnh–Chứng (Case–Control Study)
Nghiên cứu Bệnh–Chứng là một loại hình nghiên cứu quan sát và phân tích cơ bản trong dịch tễ học.
Đặc điểm cốt lõi của thiết kế này là hồi cứu (retrospective).
Thay vì theo dõi một nhóm người theo thời gian để xem ai mắc bệnh (như nghiên cứu Thuần tập – Cohort),
nghiên cứu Bệnh–Chứng bắt đầu bằng việc xác định những người đã mắc bệnh và những người không mắc bệnh,
sau đó nhìn lại quá khứ để so sánh sự khác biệt về phơi nhiễm với một yếu tố nguy cơ nào đó.
Các nhóm trong nghiên cứu:
- Nhóm Bệnh (Cases): Gồm những người đã được chẩn đoán mắc bệnh hoặc có kết cục (outcome) mà chúng ta quan tâm.
- Nhóm Chứng (Controls): Gồm những người không mắc bệnh, được chọn từ cùng một quần thể nguồn (source population) với nhóm Bệnh.
Mục tiêu chính là so sánh tỷ lệ (hay đúng hơn là “tỷ suất” – odds) đã từng phơi nhiễm với yếu tố nguy cơ trong quá khứ giữa hai nhóm này.
Thước đo chính: Tỷ số chênh (Odds Ratio – OR)
Thước đo kết hợp chính trong nghiên cứu Bệnh–Chứng là Tỷ số chênh (OR).
Nó cho biết tỷ lệ phơi nhiễm ở nhóm Bệnh cao hơn (hoặc thấp hơn) gấp bao nhiêu lần so với tỷ lệ phơi nhiễm ở nhóm Chứng.
Dựa trên bảng 2x2 kinh điển:
|
Bệnh (Cases) |
Chứng (Controls) |
| a |
b |
| c |
d |
Công thức tính Tỷ số chênh (OR):
$$ OR = \frac{\text{Odds phơi nhiễm ở nhóm Bệnh}}{\text{Odds phơi nhiễm ở nhóm Chứng}}
= \frac{(a/c)}{(b/d)} = \frac{a \times d}{b \times c} $$
Tính Cỡ Mẫu cho Nghiên cứu Bệnh–Chứng
Việc tính toán cỡ mẫu trước khi thực hiện là tối quan trọng để đảm bảo nghiên cứu có đủ
lực mẫu thống kê (statistical power) — tức là có khả năng phát hiện được mối liên quan
(ví dụ, một giá trị OR cụ thể) nếu nó thực sự tồn tại trong quần thể, với một mức ý nghĩa (α) nhất định.
Các tham số cần thiết:
- \( \alpha \) (Mức ý nghĩa): Thường là 0.05 (cho độ tin cậy 95%).
- \( 1 - \beta \) (Lực mẫu – Power): Thường là 0.80 hoặc 0.90.
- \( p_0 \): Tỷ lệ phơi nhiễm ở nhóm Chứng (lấy từ y văn hoặc nghiên cứu trước).
- \( OR \): Tỷ số chênh nhỏ nhất có ý nghĩa lâm sàng cần phát hiện.
- \( r \): Tỷ lệ số người Chứng / Bệnh (ví dụ: \( r=1 \) cho 1:1, \( r=2 \) cho 2:1).
Công thức tính (Theo Schlesselman, 1982)
Bước 1 – Tính tỷ lệ phơi nhiễm kỳ vọng ở nhóm Bệnh (\(p_1\))
$$ p_1 = \frac{OR \times p_0}{1 - p_0 + (OR \times p_0)} $$
Bước 2 – Tính tỷ lệ phơi nhiễm trung bình có trọng số (\(\bar{p}\))
$$ \bar{p} = \frac{p_1 + r \cdot p_0}{1 + r}, \quad \bar{q} = 1 - \bar{p} $$
Bước 3 – Tính cỡ mẫu nhóm Bệnh (\(n_1\))
$$ n_1 =
\frac{\left[
Z_{\alpha/2} \sqrt{(r+1)\bar{p}\bar{q}} +
Z_{\beta} \sqrt{r p_0 q_0 + p_1 q_1}
\right]^2}{r(p_1 - p_0)^2} $$
Bước 4 – Cỡ mẫu nhóm Chứng và Tổng
$$ n_2 = n_1 \times r, \quad N = n_1 + n_2 $$
Ứng dụng trong Y tế Công cộng
Nghiên cứu Bệnh–Chứng là một trong những công cụ hiệu quả và phổ biến nhất trong y tế công cộng nhờ các ưu điểm:
nhanh chóng, ít tốn kém và hiệu quả cao.
Các ứng dụng chính:
- Nghiên cứu bệnh hiếm: Đặc biệt phù hợp khi bệnh có tỷ lệ mắc rất thấp, như một số loại ung thư hoặc dị tật bẩm sinh.
- Điều tra vụ dịch: Khi một vụ ngộ độc thực phẩm xảy ra, việc so sánh nhóm bị bệnh và nhóm không bệnh giúp xác định nguyên nhân nhanh chóng.
- Xác định yếu tố nguy cơ: Ví dụ nghiên cứu của Doll & Hill (1950s) đã chứng minh mối liên hệ giữa hút thuốc và ung thư phổi.
- Nghiên cứu bệnh có thời gian ủ bệnh dài: Như bệnh do amiăng hoặc phơi nhiễm hóa chất nghề nghiệp.
Hạn chế:
- Sai số nhớ lại (Recall bias): Nhóm bệnh có thể nhớ khác nhóm chứng.
- Sai số chọn mẫu (Selection bias): Khó chọn nhóm chứng đại diện cho quần thể nguồn.
- Không thể tính được tỷ lệ mới mắc (Incidence) hay hiện mắc (Prevalence).