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)
ถ้ารวมกันทั้งหมด การกินหน่อไม้ป๊ป ไม่น่าจะทำให้ป่วย Odds Ratio = 0.60
การกินหน่อไม้ปี๊ป อาจจะเป็นปัจจัยป้องกันโรค เพราะ Odds Ratio < 1
(แต่ต้องดูที่ 95%CI ด้วย)
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"
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:
ไม่มีความเห็น