Nhập số liệu nghiên cứu

Nhập số liệu nghiên cứu
Nguyễn Văn Tuấn
Nguyễn Đình Nguyên

Các thông số trong dữ liệu
•
Các ký hiệu nhận dạng: số mã nghiên cứu, số
thứ tự, các mã số xét nghiệm.
•
Biến phụ thuộc chính: Yếu tố kết cục được đặc
ra trong thiết kế nghiên cứu.
•
Các biến phụ thuộc thứ yếu: Cũng là các yếu tố
kết cục cần quan tâm nhưng không phải là yếu
tố chính.
•
Các yếu tố dự đoán hay là yếu tố nguy cơ.

Ký hiệu nhận dạng
•
Cần phải có một mã số nhận dạng duy nhất cho mỗi
bệnh nhân, nhất là khi có nhiều bảng số liệu cho cùng
một nghiên cứu.
•
Chỉ nên sử dụng mã bằng số.
•
Mã số nhận dạng phải dưới dạng “mã” để không tiết lộ
chi tiết bệnh nhân để có thể nhận dạng.
•
Hồ sơ chi tiết liên hệ với cá nhân bệnh nhân (tên, địa

chỉ, số điện thoại…) không để cùng trong dữ liệu dùng
để phân tích; vì có thể phải trao đổi số liệu với đồng
nghiệp.

Ký hiệu nhận dạng: ví dụ
Hồ sơ dùng để phân tích
id gioitinh noio vung
1 nam rach gia
2 nu ba ria
3 nam soc trang
Hồ sơ dùng để theo dõi
id gioitinh ho ten diachi dienthoai
1 nam nguyen A thon 2 ap 4 xa… 894347
2 nu tran B so 3 duong… 439845
3 nam phan C ap 5 xa… 945709
Cần tách biệt với

Dữ liệu phân tích
•
Bất luận dữ liệu để phân tích là kết cục (outcome)
hay là yếu tố nguy cơ, dự đoán đều có thể sắp xếp
thành hai nhóm số liệu chính:
–
Biến số liên tục (huyết áp, chiều cao, cân nặng,
tuổi, cholesterol…)
–
Biến số rời rạc: gồm biến số nhị phân (có,
không) biến số phân nhóm theo định tính (tốt,
vừa, xấu)

Dữ liệu phân tích
1. Dữ liệu phân tích phải được nghiên cứu kỹ lưỡng trước khi
bắt tay vào thu thập số liệu đầu tiên.
2. Các dữ liệu sau khi đã thu thập phải được lưu trữ trong dạng
bảng vi tính hóa, tùy theo quy mô của nghiên cứu (micro-
access, hoặc với số liệu nhỏ, đơn giản và hiệu quả là file
xcel)
3. Mã số của dữ liệu nên thiết kế trước từ khi lập bộ câu hỏi
nghiên cứu và để đi kèm với bộ câu hỏi nghiên cứu.
4. Cần nhập số liệu mới thu thập được sớm để có thể nhận
dạng các yếu tố bất hợp lý phát sinh trong quá trình mã hóa
và nhập dữ liệu.
5. Kiểm tra chéo số liệu đã nhập, đảm bảo chính xác trước khi
bắt tay vào phân tích.
6. Cần phải có những phân tích nhanh (interim) tạm thời để
xem số liệu thu thập được có tin cậy và hợp lý không.

Nghiên cứu kỹ số liệu trước
•
Tham khảo y văn về chủ đề liên quan, xem cách thức thu
thập số liệu như thế nào, cách trình bày số liệu như thế
nào.
•
Thí dụ: Tuổi: trẻ nhỏ dưới 5 tuổi, tính bằng tháng, từ 5
tuổi trở lên tính bằng năm cho đến ngày thu thập số liệu.
•
Do đó “khôn ngoan” nhất là nên hỏi ngày tháng năm sinh
của đối tượng chứ không nên hỏi bao nhiêu tuổi là cách
để giảm thiểu sai số qua nhiều giai đoạn.
•

Và khi đó ngày ghi nhận số liệu (ngày phỏng vấn, hoặc
ngày xuất hiện bệnh, hoặc ngày chết…) có khi là một dữ
kiện “phụ” nhưng lại đóng một vai trò quan trọng phải để
vào trong bộ câu hỏi thu thập số liệu.

Ghi nhận và nhập số liệu
•
Các số liệu ghi nhận và nhập luôn luôn phải giữ ở
dạng số liệu thô, như trong bộ câu hỏi.
•
Không nhập số liệu cần phải thông qua quá trình tính
toán vào trong bảng dữ liệu gốc. Thí dụ: chỉ số trọng
lượng cơ thể (BMI) là được ước tính là cân nặng
(kg)/ chiều cao bình phương (m
2)
, do đó chỉ nhập số
liệu cân nặng (kg) và chiều cao (cm); BMI sẽ được
ước tính sau, chứ không nên tính BMI rồi nhập vào
bảng số liệu để đảm bảo tính nhất quán trong tính
toán tránh error và bias.

Dữ kiện cần thu thập và lưu trữ
id ngaysinh
(1)
ngaychet
(2)
ngaypvan
(3)
phatbenh
(4)

1 03/11/82 12/03/07 12/07/06 04/01/07
2 09/02/80 12/05/07 12/06/06 05/02/07
3 23/04/90 05/06/06
4 05/03/91 18/10/06 14/07/06
Số liệu thu thập và nhập bảng lưu trữ
id phantich
(5)
tuoi
(6)
chet
(7)
benh
(8)
tgtheodoi
(7)
1 30/06/07 (3) - (1) 1 1 (4) - (3)
2 30/06/07 (3) - (1) 1 1 (4) - (3)
3 30/06/07 (3) - (1) 0 0 (5) - (3)
4 30/06/07 (3) - (1) 1 0 (2) – (3)
Số liệu tính toán

Ví dụ thực hành trên R
Hồ sơ dữ liệu “hoso” save ở dạng file hoso.csv, các trường ngày tháng được
định dạng trong cvs là “yyyy-mm-dd” (tức là năm-tháng-ngày)
Để đọc dữ liệu hoso này trên R thì dùng lệnh ‘read.csv’ như sau:
hoso <- read.csv("C:/DOES/NGUYEN/LECTURES/VN Epi workshop
2007/Data/Kien Giang/hoso.csv", header=T, na.strings=‘NA')
hoso
id ngaysinh ngaychet ngaypvan phatbenh
1 1 1982-11-03 2007-03-12 2006-07-12 2007-01-04

2 2 1980-02-09 2007-05-12 2006-06-12 2007-02-05
3 3 1990-04-23 2006-06-05
4 4 1991-03-05 2006-10-18 2006-07-14
#Kiem tra ngay thang
library(date)
is.date(hoso$ngaysinh)
[1] FALSE
# Định dạng lại ngảy tháng