Stratified Analysis, Adjusted (M-H, Direct, ... ) Odds Ratio, Risk Ratio, Chi Square)

http://dl.dropboxusercontent.com/u/1999671/EPI_56/simpson/index.htm

Stratified Analysis
Adjusted (M-H, Direct, ... ) Odds Ratio, Risk Ratio, Chi Square

แขกของบ่าวสาว จาก 2 ตำบล มางานเลี้ยงแต่งงาน 
อาหารในงานเลี้ยง มีหน่อไม้ปี๊บ
ต่อมาแขกที่มาในงาน บางคนป่วยมีอาการปวดท้อง

List ข้อมูลของแต่ละคน เป็นรายบรรทัด
ตำบล_0 และ ตำบล_1 รวมกัน 32 คน

ตำบล_0 (gr=0)
ตำบล_1 (gr=1)

ป่วย = Cases (x=0)
ไม่ป่วย = Controls (x=1)

ถามคนที่มางานทั้งสองตำบลที่ป่วยและไม่ป่วยว่า
"ในงานเลี้ยงงานแต่งงานท่านกินหน่อไม้ปี๊ปหรือไม่ ?"
กิน Exposed (y= 0)
ไม่กิน Not Exposed (y=1)

โปรแกรม Stata
จัดเรียงหัวข้อ Exposed, Unexposed ไว้ด้านบนของ 2x2 table
และจัดเรียงหัวข้อ จากน้อยไปมาก

คำสั่ง วิเคราะห์แบบ Case Control ของ Stata 
.cc var_case var_exposed
.cc var_case var_exposed, by(var_name)

วิเคราะหฺ์ รวมทั้ง 2 ตำบล (Crude)

ถ้ารวมกันทั้งหมด การกินหน่อไม้ป๊ป ไม่น่าจะทำให้ป่วย Odds Ratio = 0.60 

การกินหน่อไม้ปี๊ป อาจจะเป็นปัจจัยป้องกันโรค เพราะ Odds Ratio < 1
(แต่ต้องดูที่ 95%CI ด้วย)

วิเคราะห์แยกรายตำบล (Stratified Analysis)

การกินหน่อไม้ปี๊ป อาจจะทำให้ป่วย M-H Odds Ratio = 1 .25
ตำบล_0 Odds Ratio = 1.25
ตำบล_1 Odds Ratio = 1.25
(แต่ต้องดูที่ 95%CI ด้วย)

"การรวมกันแบบ Crude บางครั้งจะไม่ถูกต้อง
เพราะมี Effect Modification หรือ Confounding
อย่างใดอย่างหนึ่งหรือมีทั้งสองอย่าง"

OpenEpi 2x2 table

ถ้าวิเคราะห์แบบ แยกชั้น คือแบบ add Strata
OpenEpi จะช่วยแนะนำว่า
มี Confounding หรือไม่ มี Interactionหรือไม่

กรณี งานเลี้ยงแต่งงาน การป่วยและกินหน่อไม้ปี๊ป 
OpenEpi ช่วยตอบว่า ไม่มี Interaction
และ ใช้ M-H Odds Ratio ได้ 

ตัวเลข "จำนวนนับ" ทีนำมาใช้ ใน OpenEpi
จะเป็นแบบที่ นับแยกตาม Group แล้ว

ถ้าเป็นข้อมูลของแต่ละคนที่บันทึกแต่ละคนเป็นรายบรรทัด
จะเป็นแบบรวมที่ยังไม่ได้แยกกลุ่ม

เช่น ตัวอย่าง "งานแต่งงาน 2 ตำบล ป่วยและหน่อไม้ปี๊บ"
อาจใช้ โปรแกรม stata ทำคำสั่ง
.cc var1 var2, by(gr) ก่อน หรือ
.tab var1 var2 ก่อน 
แล้วจึงนำตัวเลข "จำนวนนับ" ที่จัดแยก group แล้ว 
มาใส่ใน 2x2 table ของ OpenEpi

ถ้า 95% CI ของ Odds Ratio มี 1 รวมอยู่ด้วย 
Odds Ratio หมายถึง Odds_1 หารด้วย Odds_0
Odds Ratio นั้นๆ อาจมีค่าเป็น 1 ได้

จาก Sample ถ่าคำนวณได้ค่า Odds Ratio =  1.25 
ถ้า infer กลับไปที่ประชากร
จะมั่นใจที่ 95% ว่า Odds Ratio ของประชากร
ค่าจะอยู่ระหว่าง Lower Limit to Upper Limit of 95%CI

ถ่าตัวเลขที่นำมาใช้ ไม่ใช่ Sample แต่เป็นข้อมูลทั้งประชากรของกลุ่มนั้นๆ
หมายถึง ถ้าศึกษาในกลุ่มนั้นๆ เช่นนี้ 100 ครั้ง (เช่น ในอนาคตต)
เชื่อมั่นว่า 95 ครั้ง จะพบค่า Odds ratio
ค่าจะอยู่ระหว่าง Lower Limit to Upper Limit of 95%CI

ถ่าตัวเลขที่นำมาใช้ ไม่ใช่ Sample แต่เป็นข้อมูลทั้งประชากร ของกลุ่มนั้นๆ

อาจไม่ต้องคำนวณ 95%CI ใช้ค่า Odds Ratio ได้เลย (*1), (*2), (*3)

แต่ถ้าคำนวณ 95%CI จะหมายถึง ถ้าศึกษากลุ่มประชากร เช่นนี้ 100 ครั้ง (เช่น ในอนาคต)

เชื่อมั่นว่า 95 ครั้ง จะพบค่า Odds ratio อยู่ระหว่าง Lower Limit to Upper Limit of 95%CI (*4)

(*1) อรุณ จิรวัฒนกุล. การเลือกตัวอย่างผู้ป่วยที่มาโรงพยาบาล ในช่วงเวลาที่กำหนดเป็นการเลือกตัวอย่างแบบใด.

วารสารวิจัยสาธารณสุข. ปีที่ 13 ฉบับที่ 5

http://thailand.digitaljournals.org/index.php/JHS/...

(*2) อรุณ จิรวัฒนกุล. การวิเคราะห์ทางสถิติสำหรับข้อมูลที่ศึกษาทั้งประชากร.

วารสารวิจัยสาธารณสุข. ปีที่ 21 ฉบับที่ 3
http://thailand.digitaljournals.org/index.php/JHS/...

(*3) อรุณ จิรวัฒนกุล. การใช้ Adjusted Odds Ratio วิเคราะห์ปัจจัยเสียง.

วารสารวิจัยสาธารณสุข. ปีที่ 23 ฉบับที่ 1

http://thailand.digitaljournals.org/index.php/JHS/...

(*4) ลักขณา ไทยเครือ

http://www.oknation.net/blog/lakthai/2008/10/17/en...

Simpson's Paradox

ตัวอย่างเรื่องคนขายหมวก 2 โต๊ะ (table=โต๊ะ, ตาราง)
ตัวเลขจะดูคล้ายๆกัน 7, 9, 9, 7
การจัดเรียงหัวข้อตาราง ของ OpenEpi จะต่างกับโปรแกรม Stata
Stata วางหัวข้อ Exposed, Unexposed ไว้ด้านบน
Openepi วางหัวข้อ Exposed, Unexposed ไว้ด้านซ้าย

ตัวอย่าง เรื่องงานเลี้ยงแต่งงานการป่วยและกินหน่อไม้ปี๊บ
รายการแต่ละบรรทัดเป็นข้อมูลของ 1 คน
จะไม่เหมือนกันกับตัวอย่างเรื่องคนขายหมวก
Simpson's Paradox (x และ y ในเรื่องคนขายหมวก
หมายถึง ตำแหน่งของ a, b, c, d ในช่องตาราง 2x2
และใช้การถ่วงน้ำหนัก คือคูณด้วยตัวแปร pop)

การแยกกลุ่มเล็ก 2 กลุ่มกับการรวมกันเป็นกลุ่มใหญ่
ผลวิเคราะห์ ไปกันคนละทาง
ถ้า 2 กลุ่ม กลุ่มละ 16 คน OR= 1.25 ไปทิศทางหนึ่ง
ถ้ารวมกัน เป็น 32 คน OR = 0.61 กลับทิศทางกัน

See More:

http://www.gotoknow.org/posts/499018