Health Literacy Media Display
การทดสอบความสัมพันธ์ทางระบาดวิทยาและทางสถิติ
นพ.ชลทิศ อุไรฤกษ์กุล (2020-07-05)
เอกสาร pdf

Contents:

  1. จุดมุ่งหมายของการทดสอบความสัมพันธ์
  2. ประเภทของตัวแปร
  3. การทดสอบสมมุติฐาน
  4. การทดสอบที่นักระบาดวิทยานิยมใช้ หา OR,RR,95% CI ,Chi square จาก 2x2 Table
    1. Exercise1 : Epidemiology study 1
    2. Exercise2 : Epidemiology study 2
  5. การทดสอบด้วย Parametric Statistic
    1. การติดตั้ง Submenu Data Analysis ใน Menu Data ของ Excel เพื่อคำนวณค่าทางสถิติ
    2. Exercise 3 : การใช้ Excel ในการทดสอบ 2 samples t Test
  6. เอกสารอ่านประกอบ
    1. Video การ Install Analysis toolPack ใน Excel
    2. การทดสอบความสัมพันธ์ทางระบาดวิทยาและทางสถิติ
    3. Epidemiological Study
    4. Excel ช่วย OR,OR,95%CI,Chi square

จุดมุ่งหมายของการทดสอบความสัมพันธ์

  1. ระบาดวิทยา มาจากรากศัพท์ Epi = Upon ,demio=Population ,logos = Study หมายถึง การศึกษา (logos) เกี่ยวกับ การกระจาย (Distribution) และหาสาเหตุหรือปัจจัยเสี่ยง (Determinant) ของโรคหรือเหตุการณ์โดยในกลุ่มประชากร (demio = Population) เฉพาะ (epi = upon)เพื่อนำผลการศึกษาไปสู่การควบคุมปัญหาสุขภาพ
    Epidemiology is the study of the distribution and determinants of health-related states or events in specified populations, and the application of this study to the control of health problems
  2. การทดสอบความสัมพันธ์ คือ การใช้กระบวนการทางสถิติ ซึ่งเป็นกระบวนการทางวิทยาศาสตร์ เพื่อหาว่า อะไรเป็นสเหตุ (Causal Relationship) หรือในกรณีที่ยังพิสูจน์หาสาเหตุไม่ได้ ก็จะหาว่าอะไรเป็นปัจจัยเสี่ยง (Non Causal Relationship) เพื่อจะนำไปสู่การหาสาเหตุที่แท้จริงต่อไป ซึ่งการทดสอบนั้นต้องใช้การทดสอบทางสถิติ ซึ่งสามารถแยกเป็น 2 ส่วน คือ การทดสอบทางสถิติเฉพาะ ที่นักระบาดวิทยาชอบใช้ (OR,RR,95% CI ของ OR,RR) และการทดสอบทางสถิติทั่วไปที่ใช้ในทุกวิชาชีพไม่เฉพาะนักระบาดวิทยา

ประเภทของตัวแปร

ตัวแปรแบ่งเป็น 3 ชนิด ได้แก่
  1. ตัวแปรแบบ Norminal คือตัวแปรที่เป็นชื่อเรียกต่างๆ เช่น เพศ สถานภาพสมรส เป็นต้น แม้จะระบุค่าของตัวแปร เช่น 1=เพศชาย และ 2 เท่ากับเพศหญิง แต่ค่าตัวเลขดังกล่าวคือถือเป็น Character ไม่สามารถนำมาบวก ลบ คูณ หาร กันได้
  2. ตัวแปรแบบ ordinal คือตัวแปรประเภทลำดับ เช่น การวัดความพึงพอใจ เป็น 5 ลำดับ 1=พึงพอใจน้อยมาก ,2=พึงพอใจน้อย ,3=พึงพอใจปานกลาง ,4=พึงพอใจมาก 5=พึงพอใจอย่างมาก ตัวแปรประเภทนี้ ค่าของตัวเลข ไม่สามารถนำมาบวก ลบ คูณ หาร กันได้ และ ความพึงพอใจ 4 ไม่ได้เป็น 2 เท่าของความพึงพอใจ 2 เพียงแต่สามารถบอกได้ว่า ความพึงพอใจ 5 มากกว่า 4 และ 4 มากกว่า 3 ฯลฯ ปัจจุบันมีเครื่องมือทางสถิติ ที่สามารถหาค่าสถิติ แบบ ordinal ได้ โดยทำการหา Mean Rank แทน Mean ที่เป็นค่าเฉลี่ย แทน ในทางปฏิบัติถ้าไม่เคร่งครัดในกฎเกณฑ์มากนัก อาจจะอนโลมให้นำมาบวก ลบ คูณ หาร กันได้ เช่น การหาเกรดเฉลียของการศึกษา ค่า GPAX เกิดจาก การนำเกรด x จำนวนหน่วนกิต แล้วนำมาหาเกรดเฉลี่ย เป็นต้น ซึ่งต้องระมัดระวังในการนำมาใช้ เพราะยังไงเกรด A ,B ,C ,D ก็ไเป็นตัวแปรประเภท ordinal ไม่สามารถนำมาบวกลบกันได้
  3. ตัวแปรแบบ Scale คือตัวแปรตัวเลขเป็นหน่วยวัดที่แท้จริง เช่น น้ำหนัก เป็น กิโลกรัม ส่วนสูงเป็นเมตร ค่า Cholesterol ในเลือดเป็น mg% เป็นต้น ตัวแปรประเภทนี้ สามารถหาค่า Mean & SD ได้ และส่วนสูง 2 เมตร จะเป็น 2 เท่าของส่วนสูง 1 เมตร
  4. การทราบว่าตัวแปรเป็นประเภทใด จะทำให้เราเลือกได้ว่าจะใช้ Test อะไรในการหาความสัมพันธ์ ระหว่าง Exposures กัย Outcome (ดังตารางที่สรุป ด้านล่าง)

การทดสอบสมมุติฐาน

การทดสอบสมมุติฐาน จะประกอบด้วย
  1. H0 หรือ Null Hypothesis หรือค่าเฉลี่ยของประชากรเท่ากัน ซึ่งสามารถกำหนดได้ 2 แบบ คือ
    1. แบบ two tailed (กำหนดให้ค่าเฉลี่ยเท่ากัน)
    2. แบบ one tailed โดย ถ้าเป็น left tailed (กำหนดให้ค่าเฉลี่ยมากกว่าหรือเท่ากับ) หรือ Right tailed (ค่าเฉลี่ยน้อยกว่าหรือเท่ากับ)
  2. H1 หรือ Alternative Hypothesis หรือค่าเฉลี่ยของประชากร ไม่เท่ากัน (2 tailed) หรือ น้อยกว่า (กรณีที่เป็น Left tailed) หรือ มากกว่า (กรณีที่เป็น Right tailed โดยถ้าทำการทดสอบทางสถิติแล้ว มีความแตกต่างกันอย่างมีนัยสำคัญทางสถิติ แสดงว่า ปฏิเสธ H0 ซึ่งเท่ากับยอมรับ H1
  3. สำหรับการทดสอบด้วย OR หรือ RR นั้น จะทำการคำนวณหาค่า 95 % CI ของ OR หรือ RR ถ้าค่า 95% CI ไม่มีค่าใดผ่าน 1 แสดงว่ามีความแตกต่างอย่างมีนัยสำคัญทางสถิติ (ปฏิเสธ H0 ยอมรับ H1

การทดสอบที่นักระบาดวิทยานิยมใช้ หา OR,RR,95% CI ,Chi square จาก 2ป2 Table

  1. ถ้าเป็นการศึกษาที่เริ่มจาก Outcome ก่อน แล้ววกไปหาว่ามี Exposure หรือไม่ ได้แก่ Case Control หรือ Cross sectional Study แล้ว การทดสอบที่นักระบาดนิยมใช้ คือ Odds Ratio (OR) ซึ่งทดสอบได้ว่ามีความสัมพันธ์กัน แต่ไม่สามารถสรุปว่า เป็นความสัมพันธ์แบบ Causal Relation ship
  2. ถ้าเป็นการศึกษาที่เริ่มจาก Exposure ก่อน แล้วติดตามไปข้างหน้าว่าเกิด Outcome หรือไม่ ได้แก่ Cohort หรือ Intervention Study แล้ว การทดสอบที่นักระบาดนิยมใช้ คือ Relative Risk (RR) ซึ่งถ้าทดสอบได้ว่ามีความสัมพันธ์กัน สามารถสรุปว่า เป็นความสัมพันธ์แบบ Causal Relation ship หรือ Exposure เป็นสาเหตุให้เกิด Outcome สอดคล้องกับ Time Sequence ของการศึกษา
  3. สามารถอ่านรายละเอียดของ Epidemilogical Study ที่ Link Link รายละเอียด

แนวทางการศึกษา

สุมตัวอย่าง (Sampling) จากประชากร (Population) จากตัวอย่างที่ได้ จะทำเป็นตาราง 2x2 table โดยแบบแผนจะต้องตายตัวไม่ว่าจะเป็น Case Conrol(Retropective) หรือ Cohort (Prospective) เพื่อที่จะกำหนดค่า a,b,c,d คือ ส่วนแถว (row) จะเป็น Exposure (ได้รับ (+ve) หรือไม่ได้รับ (-ve) และส่วนของ Column คือส่วนของ Outcome เช่น Disease (ป่วย +ve ไม่ป่วย -ve) ต่างกันที่จุดเริ่มต้นหรือ Time Sequence โดย
  1. ถ้าเริ่มจาก Outcome เช่น แบ่งเป็นกลุ่มป่วยกับไม่ป่วย แล้วถามย้อนไปหา Exposure ว่าสัมผัสหรือไม่ของทั้งกลุ่มป่วยและไม่ป่วย จะเป็นการศึกษาแบบ Case Control (Retrospective) หรือ Cross sectional จะคำนวณหาค่า OR และ 95% CI ของ Odds สูตรในการคำนวณหาค่า ดังภาพด้านล่าง โดยถ้าค่า 95% CI ของ OR ไม่มีค่าใดผ่าน 1 แสดงว่ามีความแตกต่างอย่างมีนัยสำคัญทางสถิติ หรือ มีความสัมพันธ์ระหว่าง Outcome กับ Exposure แต่ไม่สามารถบอกได้ว่าเป็น Casual Relationship
  2. ถ้าเริ่มจาก Exposure เช่น แบ่งเป็นกลุ่มสัมผัสหรือไม่ได้สัมผัส Exposure แล้วติดามไปข้างหน้า ว่าเป็นโรค กี่คน ไม่เป็นโรคกี่คน ของทั้ง 2 กลุ่ม เป็นการศึกษาแบบ Cohort (Prospective) หรือ Intervention study จะคำนวณหาค่า RR และ 95% CI ของ RR สูตรในการคำนวณหาค่า ดังภาพด้านล่าง โดยถ้าค่า 95% CI ของ RR ไม่มีค่าใดผ่าน 1 แสดงว่ามีความแตกต่างอย่างมีนัยสำคัญทางสถิติ หรือ มีความสัมพันธ์ระหว่าง Exposure กับ Outcome และอาจจะเป็นความสัมพันธ์แบบ Casual Relationship
  3. ในกรณีที่ต้องการคำนวณหาค่า Chi square ก็สามารถคำนวณโดยใช้สูตรด้านล่างนี้ โดยถ้าเป็น 2x2 Table
    ค่า Degree of Freedom (df)=(row-1)x(column-1) = (2-1)x(2-1) = 1
    โดยค่า ค่า p=.05 นั้น ค่า Chi square ที่คำนวณได้ = 3.841

Epidemiological study 1

โจทย์ ทำการศึกษาความสัมพันธ์ระหว่างการได้รับฮอร์โมนทดแทนหลังหมดประจำเดือน (HRT) กับ การเกิดมะเร็งเต้านม โดยนำแฟ้มประวัติมะเร็งเต้านม จำวน 800 ราย ได้รับ HRT 300 ราย ไม่ได้รับ 500 ราย และนำหญิงที่มารับบริการวัยทองที่ไม่เป็นมะเร็งเต้านม โดยเลือกช่วงอายุ และเศรษฐานะที่ใกล้เตียงกับกลุ่มศึกษา จำนวน 1600 คน มาเป็นกลุ่มควบคุม โดยในกลุ่มควบคุมได้รับ HRT จำนวน 400 คน ไม่ได้รับจำนวน 1200 คน

คำถาม
  1. การศึกษานี้เป็นการศึกษาประเภทใด
  2. จะใช้ OR หรือ RR
  3. ค่าที่ท่านตอบในข้อ 2 เท่ากับเท่าไร 95% CI เท่ากับเท่าไร
  4. จะแปลผล 95% CI ในข้อ 3 อย่างไร มีความแตกต่างอย่างมีนัยสำคัญทางสถิติ หรือไม่
  5. Chi square เท่ากับเท่าไร มีนัยสำคัญทางสถิติหรือไม่
  6. OR หรือ RR นั้นดีกว่า Chi Square อย่างไร
  1. การศึกษานี้เริ่มจาก Outcome หรือ disease (Breast Cancer) แล้วถามย้อนไปหาปัจจัยเสี่ยง คือ HRT เพราะฉะนั้นจึงมัน Case Control หรือ Retrospective study
  2. ใช้ค่า OR
  3. OR = 1.8 ค่า 95% CI = 1.50-2.16
  4. แปลผลได้ว่า กลุ่มที่ได้รัย HRT เป็นมะเร็งเต้านม เป็น 1.8 เท่า เมื่อเทียบกับกลุ่มที่ไม่ได้รับ HRT (พยายามจะเลี่ยงคำว่า เสี่ยงเป็น 1.8 เท่า) และค่า 95% CI ไม่มีค่าใดผ่าน 1 แสดงว่ามีความแตกต่างอย่างมีนัยสำคัญทางสถิติ
  5. chi square = 40.43 ค่า P value =.001 แตกต่างอย่างมีนัยสำคัญทางสถิติ
  6. ค่า OR = 1.8 นั้นสามารถบอกทิศทางได้ว่ามากกว่า และสามารถอธิบายให้เข้าใจง่ายกว่า ว่าเป็นกี่เท่าเมื่อเทียบกับกลุ่มที่ไม่ได้รับ HRT ซึ่ง chi square =40.3 และ P=.001 ไม่สามารถสื่อความหมายให้กับประชาชนทั่วไปได้ดีเท่า OR

Epidemiological study 2

โจทย์ ทำการศึกษา การสูบบุหรี่กับมะเร็งปอด โดยติดตาม กลุ่มที่สูบบุหรี่ และไม่สูบบุหรี่ ไป 10 ปี พบว่า กลุ่มสูบบุหรี่ จำนวน 9,000 คน เป็นมะเร็งปอด 200 คน ส่วนกลุ่มที่ไม่สูบบุหรี่่ จำนวน 18,000 คน เป็นมะเร็งปอด 100 คน

คำถาม
  1. การศึกษานี้เป็นการศึกษาประเภทใด
  2. จะใช้ OR หรือ RR
  3. ค่าที่ท่านตอบในข้อ 2 เท่ากับเท่าไร 95% CI เท่ากับเท่าไร
  4. จะแปลผล 95% CI ในข้อ 3 อย่างไร มีความแตกต่างอย่างมีนัยสำคัญทางสถิติ หรือไม่
  5. Chi square เท่ากับเท่าไร มีนัยสำคัญทางสถิติหรือไม่
  1. การศึกษานี้เริ่มจากปัจจัยเสี่ยง(Smoking ) แล้วติดตามไป 10 ปี ว่าเป็นมะเร็งปอดหรือไม่ (Outcome) จึงเป็น Cohort หรือ Prospective study
  2. ใช้ค่า RR
  3. OR = 4.0 ค่า 95% CI = 3.151-5.078
  4. แปลผลได้ว่า กลุ่มที่สูบบุหรี่ เสี่ยงต่อการ เป็นมะเร็งปอด เป็น 4 เท่า เมื่อเทียบกับกลุ่มที่ไม่สูบบุหรี่ และค่า 95% CI ไม่มีค่าใดผ่าน 1 แสดงว่ามีความแตกต่างอย่างมีนัยสำคัญทางสถิติ
  5. chi square = 151.69 ค่า P value =.001 แตกต่างอย่างมีนัยสำคัญทางสถิติ

การทดสอบทางสถิติ แบบ Parametric Statistic

จะใช้ parametric ได้ในตัวแปรชนิด Scale ซึ่งสามารถหา Mean และ SD การทดสอบ แบบ Parametric Statistic เป็นการวิเคราะห์ที่ไม่สามารถใช้ 2x2 Table ได้ จำเป็นต้องใช้โปรแกรมทางสถิติ ซึงถ้าเป็นโปรแกรมที่เราค้นเคย เช่น SPSS ก็จะมีปัญหาเรื่องลิขสิทธิ์ ส่วนโปรแกรมที่ไม่มีลิขสิทธิ์มักจะเป็นโปรแกรมที่เราไม่คุ้นเคย โปรแกรมที่พวกเราคุ้นเคย และมีพร้อมในเครื่องคอมพิวเตอร์ของทุกคน คือ MS Excel ในส่วนของ Data Analysis ซึ่งสามารถคำนวณค่าสถิติได้ parametric Statistic ได้แก่
  1. การเปรียบเทียบค่าเฉลีย (Compare mean ) ด้วย t Test ,Paired t Test,ANOVA)
  2. หาค่าสหสัมพันธ์ (Correlation)
  3. Regression analysis (Linear หรือ Logistic regression)
  4. Time series analysis
    5. Survival

การติดตั้ง Submenu Data Analysis ใน Menu Data ของ Excel เพื่อคำนวณค่าทางสถิติ

  1. ทำการตรวจสอบว่า Excel มี submenu : Data Analysis (อยู่มุมขวาบน) หรือไม่ โดย เปิดโปรแกรม Excel เลือกที่ Menu Data แล้วดูว่า ที่มุมขวาบน มี Submenu ที่ชื่อ Data Analysis ซึ่งเป็นส่วนที่จะคำนวณทางสถิติหรือไม่ ถ้ามีแล้ว ไม่ต้องดำเนินการตามข้อ 2 ถ้าไม่มีให้ทำการ Add ตามข้อ 2
  2. click ที่ menu File จากนั้น click ที่ Option (รูปที่ 1) จะเปิดมาที่หน้าใหม่ ให้ click ที่ Add-ins แล้ว Click ที่ปุ่ม Go ที่อยู่ด้านล่าง (รูปที่ 2) จะเปิดมาที่หน้าใหม่ click เพื่อเลือก check box --> Analysis ToolPak จากนั้น click OK
  3. เมื่อกลับไปที่ Excel เมื่อ Click ที่ Menu Data จะมี submenu ที่ชื่อ Data Analysis ที่มุมขวาบน (ก่อนหน้านั้นไม่มี)

Exercise 3 : การใช้ Excel ในการทดสอบ 2 samples t Test

  1. ใส่ข้อมูล ตามตัวอย่าง โดยเป็นขนาดของก้อนมะเร็งของกลุ่มที่ Regular BSE และ Non Regular จาก Click ที่ menu Data เลือก submenu Data Analysis เลือกการทดสอบทางสถิติ t Test two samples equal varaince not Assume
  2. จากนั้นเลือกขอบเขตของข้อมูลให้ครอบคลุม cell ที่บันทึกข้อมูลทั้งกลุ่ม regular & Non Reular ตามตัวอย่าง จากนั้น click ok
  3. การแปรผล output คือ กลุ่ม regular และ Non regular mean เท่ากับ 2.24 และ 2.84 ซม.ตามลำดับ p value (one tailed) = 0.019 ความแตกต่างอย่างมีนัยสำคัญทางสถิติ นั่นคือ กลุ่มที่ Regular BSE ขนาดก้อนเล็กกว่ากลุ่มที่ Nonregular BSE อย่างมีนัยสำคัญทางสถิติ
สมาคมส่งเสริมความรอบรู้ด้านสุขภาพไทย - THLA