Phân tích số liệu bằng Epi Info 2002 - Phần 5 ppt

Phân tích s liu bng Epi Info
41
Phân tích s liu
c tiêu
Sau khi hc xong bài này, hc viên có th s dng c chng trình ANALYSIS 
phân tích:
1. Phân tích mô t cho mt bin hoc c b s liu
2. Tìm hiu mi liên quan gia các bin trong b s liu
3. Phân tích suy lun cho các giá tr trung bình; giá tr t l
4.  dng phân tng  tìm yu t nhiu
Gii thiu bài tp
Trc khi bn thc hành các bài tp trong phn này, bn hãy mã hoá li các bin trong
 s d liu Ni  ca khách hàng, gii tính, tình trng hôn nhân, có xét nghim Hiv
trc ây hay không, ngun thông tin mà bnh nhân bit dch v t vn này, nguyên
nhân  khách hàng ti trung tâm t vn trong b s liu VTC.mdb
Mã lnh thc hin vic mã hoá này nh sau
** gioi tinh**
DEFINE sex
IF n2c1= (+) THEN
sex=1
ELSE
sex=2
END
** noi o cua khach hang**
DEFINE residence
IF n1c1=1 THEN
residence=1
END
IF n1c2=1 THEN
residence=2
END

IF n1c3=1 THEN
residence=3
END
IF n1c4=1 THEN
residence=4
END
**tinh trang hon nhan **
Phân tích s liu bng Epi Info
42
DEFINE married
IF n5c1=1 THEN
married =1
END
IF n5c2=1 THEN
married =2
END
IF n5c3=1 THEN
married =3
END
IF n5c4=1 THEN
married =4
END
Trong bài này, chúng tôi s gii thiu vi bn c v cách mô t s liu nghiên cu (các
thng kê mô t) và so sánh cách s liu nh lng trong Epi Info  tr li các câu hi
nghiên cu: mô t các thay i (hay s bin thiên ca các bin) và s liên quan ca các
bin vi nhau. Tuy nhiên trong phm vi cun sách này chúng tôi không  cp v vn
 thng kê mt cách chi tit nh là mô t s liu nh th nào hay là lý thuyt v kim
nh thng kê. Nhng  hiu rõ và phiên gii c kt qu phân tích thng kê mà máy
tính a ra, bn cng cn hiu rõ v các kin thc c bn trong thng kê y t. Bn có th
tham kho và tìm c các cun sách thng kê c bn nh cun Giáo trình Thng kê Y t

do Trng i hc Y t Công cng biên son nm 2003.
Vic u tiên trong quá trình phân tích s liu là chn i lng và cách  mô
 s liu ph thuc vào thit k nghiên cu mà bn tin hành, loi bin mà bn mun
mô t. Tip theo bn phi chn c loi kim nh thng kê phù hp? Vic bn phi
hoch nh mt k hoch rõ ràng cho bn thân trc khi tin hành phân tích s liu.
Vic lên k hoch này càng rõ ràng thì bn càng tránh c nhiu sai sót v sau. Lý
ng nht là bn phi a ra mt k hoch phân tích ngay ti thi m thit k nghiên
u: bn o lng cái gì ai và khi nào? Các câu hi nghiên cu cn c tr li khi thit
 nghiên cu và chúng ta không th tin hành phân tích mt b s liu hoàn chnh nu
n không có mt mc tiêu nghiên cu rõ ràng và các câu hi nghiên cu rõ ràng. Nu
t nghiên cu mà bn tham gia t thit k nghiên cu thu thp s liu và phân tích s
liu thì có th d dàng hn cho bn, nhng nu bn ch tham gia mt phn thì bn phi
tho lun vi các thành viên khác trong nhóm  làm rõ các câu hi nghiên cu trc
khi phân tích s liu
Trong hu ht các nghiên cu thì quá trình phân tích s liu chia làm hai thành phn
- Phân tích mô t (thng kê mô t)
- So sánh, ánh giá và c lng (thng kê suy lun)
Phân tích s liu bng Epi Info
43
V thng kê mô t thì trong các nghiên cu chúng ta ch yu mô t v các yu t dân
- xã hi ca i tng nghiên cu và các yu thông tin vi tng nghiên cu ca
n. Da trên các i lng ã c mô tó bn có thc lng, a ra các so sánh
Trong b s liu ca chúng ta chúng ta có th phân tích các vn  sau
- Mô t tui, gii, trình trng hôn nhân ca các i tng n t vn ti trung tâm
- Mô t s ngi c xét nghim Hiv trên tng vùng, so sánh các vùng vi nhau
- Tính thi gian trung bình c t vn ca các bnh nhân
- ánh giá c các yu t nguy c và nhn thc ca khách hàng sau khi c t
n thì có thay i nh th nào?
- ………………….
Phn mm ch giúp bn tính c các i lng nhng bn phi chn c i lng

thng kê nào cho phù hp. Trong chng trình này chúng tôi ch hng dn cách các
n dùng chng trình Epi Info  thc hin các lnh thng kê.
 phân tích s liu trong Epi Info bn dùng chng trình Analys Data.
Các thành phn trong chng trình Analys Data:
Chú ý rng tt c các lnh c hin hin  góc trái màn hình, gi là Command
Generator (H thng các lnh) hay Command tree (cây lnh).
Nháy chut trái vào mt lnh bt kì  cây lnh (command tree) s xut hin mt
ng. Làm theo yêu cu ca các câu hi, và nháy chut vào OK  to ra và thc
hin mt lnh c hin  góc di màn hình. Nu ch bm chut vào phím
“Save Only” thì lnh vn c to nhng không hin th lên màn hình.
t qu hin th trên màn hình phía trên màn hình Program editor.
Trc khi tin hành phân tích, a ra các bng biu, các kim nh thng kê chúng ta
n thit phi c tp s liu vào chng trình ANALYSIS và có th cn thit phi xem
các s liu trong tp ó có nhng gì. Các bc sau s giúp bn thc hin u ó.
1.Dùng lnh READc tp s liu RTI.mdb.  mc Show, chn phn All,  bng phía
i, chn vtc. Sau ó bm phím OK
2.Bm vào lnh List  xem mt bin.
1.Sp xp các giá tr ca mt bin
 có th kim tra các giá tr s liu ôi khi chúng ta cn thit phi sp xp các giá tr
theo nhng chiu hng nht nh. Lnh SORT s cho phép chúng ta làm vic ó.
1. sp xp li các d liu, bm chut vào lnh Sort.
Phân tích s liu bng Epi Info
44
nh Sort òi hi dòng hin th dng ch hoc dng s, sp xp theo mt
hoc nhiu bin.
(++) - Sp xp t thp n cao
( ) - Sp xp t cao xung thp
2.Nháy chut úp vào bin N3  bng Available Variables. Bng Sort Variables bên
nh s xut hin N3 (++) ngha là bin này sc sp xp theo th t t thp lên cao.
3.Nháy chut vào phím Descending  bng Sort Order phía trên, bin Ageround s xut

hin  bng Sort Variables di dng Ageround ( ), sp xp theo th t gim dn. Sau
ó nhn OK.
4.Sau ó dùng lnh List  xác nhn li kt qu
Lnh Sort có hiu lc n khi bn hu b lnh sort hoc c mt bn ghi khác
2.V th
1. Bm chut vào lnh Graph.
2. ô Graph Type, chn Bar.
3. ô X-Axis chn trng AgeGroup
(bin tui ã c nhóm li  bài tp trên).
4.Da vào bin u ra, t tên  th là “Biu  nhóm tui”. Bm OK.
u ý n nhng la
chn cho các thay i
a  th. Tu thuc
vào tng loi  th,
ng la chn có th
hin th hoc không.
Phân tích s liu bng Epi Info
45
Chng trình Analysis sa ra  th mt ca s mi (có th chnh sa c). Có
t vài phng án bn có th la chn. Bm chut phi vào  th, chnh và sa  th
theo ý mun và xem li kt qu.
óng ca s Epi Graph li khi ã chnh sa xong theo ý mun.  th mi s hin th
i ca s phía trên ca s Program Editor.
Khi  th hin ra  ca s hin các kt qu, bn s không chnh sa c na.
3.a ra bng phân phi tn s
Các bng tn s và biu  ct ca tn sut (frequency), t l (percent) và t l tích lu
(cum percent)  mô t mt bin phân loi. Ngoài ra Epi Info còn cho bn mt biu 
t trong kt qu khi bn dùng lnh frequencies  tính kt qu
1.Nhn chut vào lnh Frequency a ra tn s ca gii tính các khách hàng n t
n  Trung tâm.

2. ô Frequency of chn bin Sex (bin này c bn mã hoá li t 2 bin n2c1 và
n2c2).
3.Nu kt qu ca bn c s dng liên tc, bn có th lu li bng các a tên bng
vào Output to Table,
4.Kích chut vào OK.
Câu lnh trong màn hình son tho câu lnh s nh sau:
Freq Sex
t qu sc in ra nh sau:
sex Frequency
Percent Cum Percent
1
181 65.6% 65.6%
2
95 34.4% 100.0%
Total
276 100.0% 100.0%
95% Conf Limits
1 59.6% 71.2%
2 28.8% 40.4%
Phân tích s liu bng Epi Info
46
n cng có th thc hin vic tính toán bng phân phi tn s cho nhiu bin cùng mt
lúc.
1.Chn lnh Frequency trong chng trình ANALYSIS.
 danh sách các bin, chn bin sex (gii tính), residence (ni ), và married (tình
trng hôn nhân) và chuyn chúng vào danh sách bin cn phân tích bng cách chn
chúng t thc n Frequency of
EPI INFO s cho kt qu nh sau:
married
Forward

married Frequency Percent Cum Percent
1
111 41.1% 41.1%
2
143 53.0% 94.1%
3
11 4.1% 98.1%
4
5 1.9% 100.0%
Total
270 100.0% 100.0%
Phân tích s liu bng Epi Info
47
95% Conf Limits
1 35.2% 47.2%
2 46.8% 59.0%
3 2.1% 7.2%
4 0.6% 4.3%
residence
Back Forward Current Procedure
residence Frequency Percent Cum Percent
1
202 73.5% 73.5%
2
58 21.1% 94.5%
3
15 5.5% 100.0%
Total
275 100.0% 100.0%
95% Conf Limits

1 67.8% 78.6%
2 16.4% 26.4%
3 3.1% 8.8%
sex
Back Forward Current Procedure
sex Frequency Percent Cum Percent
1
181 65.6% 65.6%
2
95 34.4% 100.0%
Total
276 100.0% 100.0%
95% Conf Limits
1 59.6% 71.2%
2 28.8% 40.4%
Phân tích s liu bng Epi Info
48
4.Tính giá tr trung bình
ng phân phi tn s là mt phng pháp mô t rt tt cho các bin ri rc, tuy nhiên
nó không phù hp cho mt bin liên tc vì s có rt nhiu giá trc a vào bng.
Trong trng hp bin là liên tc, s dng các thng kê mô t, ví d các giá tr trung
bình và các giá tr trung v,  lch chun s phù hp hn. Vì o lng liên tc lng
giá cho bin liên tc, biu  ct liên tc phù hp hn là biu  ct. Trong b s liu
u, chúng ta mun mô t phân b ca tui trong mu nghiên cu.
c lng giá tr thng kê (trung bình,  lch chun) cho mt bin nh lng bn
làm nh sau:
1.Chn lnh MEANS
2.T danh sách bin, chn bin N3 (tui ca khách hàng) t trong danh sách means of
và chuyn chúng vào danh sách phân tích.
2.Nu bn không mun hin th bng tn s ca bin thì có th kích chut vào nút

SETTING sau ó b la chn trong phn Show Tables in Output.
Phân tích s liu bng Epi Info
49
Chúng ta có kt qu nh sau
Obs Total Mean Variance Std Dev
275 8461.0000
30.7673 85.7851 9.2620
Minimum 25% Median 75% Maximum Mode
2.0000 25.0000 30.0000 34.0000 70.0000 30.0000
Trong ví d này giá tr trung bình là 30,7672  lch chun là 9,2620. Tuy nhiên ây là
giá tr trung bình tui nên ta có th làm tròn thành 31 tui và  lch chun là 9.
5.To mt bng so sánh
 mô t mi liên quan gia hai bin danh mc, chúng ta có th s dng lnh TABLES
 so sánh. Kt qa s hin th trong mt bng bao gm các tn sut, t l ca các ô.
Ngoài ra Epi Info cng cho chúng ta khá nhiu các ch s thng kê cn thit cho phép
chúng ta phiên gii mi quan h gia hai bin này.
1.Chn lnh TABLES trong chng trình ANALYSIS
2.T danh sách bin, chn bin Sex và chuyn vào hp Exposure variable ng cách
chn trong danh sách.
3.Chn bin test (bin c mã hoá li t câu hi khách hàng có c xét ngim HIv
trc ây không) và chuyn vào hp Outcome variable
4.Kích OK hoàn thành lnh.
Phân tích s liu bng Epi Info
50
t qu trong EPI INFO có dng:
Tables sex test
Previous Procedure Next Procedure Current Dataset
Forward
TEST
sex 0 1 2 3 TOTAL

1
Row %
Col %
136
74.7
66.3
35
19.2
66.0
5
2.7
100.0
3
1.6
75.0
182
100.0
66.9
2
Row %
Col %
69
76.7
33.7
18
20.0
34.0
0
0.0
0.0

1
1.1
25.0
90
100.0
33.1
TOTAL
Row %
Col %
205
75.4
100.0
53
19.5
100.0
5
1.8
100.0
4
1.5
100.0
272
100.0
100.0
TEST
sex 4 TOTAL
1
Row %
Col %
3

1.6
60.0
182
100.0
66.9
2
Row %
Col %
2
2.2
40.0
90
100.0
33.1
TOTAL
Row %
Col %
5
1.8
100.0
272
100.0
100.0
Phân tích s liu bng Epi Info
51
Single Table Analysis
Chi-squared
df Probability
2.7470 4 0.6010
Phiên gii kt qu (gi s b s liu này c thu thp trong vòng mt tháng)

Trong nhng ngi n t vn tháng qua thì có 4 ngi không có thông tin vã xét
nghim HIV trc ây cha? T l cha xét nghim Hiv trc ây chim 75,4%, trong
ó ch yu là nam 69 ngi chim 66.3%; trong 19.5 % nhng ngi xét nghim có
t qu âm tính thì nam chim 66%. Cng trong tháng qua s ngi xét nghim mà có
t qu dng tính là 5 nam; t l xét nghim nhng không xác nh c kt qu là
1.5 và ch yu là nam; trong 5 ngi sau khi xét nghim mà không ly kt qu thì có 3
ngi là nam và 2 ngi là n.
*************Mã lnh mã hoá bin và thc hin câu lnh trên nh sau*******
DEFINE sex
IF n2c1= (+) THEN
sex=1
ELSE
sex=2
END
freq sex
define test
IF n6c0 = (+) THEN
test = 0
END
IF n6c1 = (+) THEN
test = 1
END
IF n6c2 = (+) THEN
test = 2
END
IF n6c3 = (+) THEN
test = 3
END
IF n6c4 = (+) THEN
test = 4

END
IF n6c88 = (+) THEN
Phân tích s liu bng Epi Info
52
test = 88
END
freq test
tables sex test
*********************************************************************
6.So sánh t l ca hai nhóm
Gi s ta cn thit phi phân tích gi thuyt sau:
H
0
: T l ngi n trung tâm t vn cùng vi bn tình tng ng nhau  hai nhóm
nam và n
ây là mt mi liên quan c tóm tt theo dng sm và t l phn trm, chúng ta có
th s dng kim nh Khi bình phng  thc hin phân tích này.
 dng EPI INFO  thc hin kim nh Khi Bình Phng
1.T danh sách lnh chn : TABLES
2.T danh sách các bin, chn bin mà bn mun phân tích. Trong ví d này là SEx và
n7c1(có n t vn cùng vi bn tình hay không?).
3.Bây gi kích OK.
t qu ca bn s xut hin nh sau.
tables sex n7c1
Previous Procedure Next Procedure Current Dataset
Forward
1-CÃ
sex Yes No TOTAL
1
Row %

Col %
7
3.8
50.0
176
96.2
67.2
183
100.0
66.3
2
Row %
Col %
7
7.5
50.0
86
92.5
32.8
93
100.0
33.7
TOTAL
Row %
Col %
14
5.1
100.0
262
94.9

100.0
276
100.0
100.0
Phân tích s liu bng Epi Info
53
Single Table Analysis
Warning: The expected values of a cell is <5. Fisher Exact Test should be used.
Point 95% Confidence Interval
Estimate
Lower Upper
PARAMETERS: Odds-based
Odds Ratio (cross product)
0.4886 0.1661
1.4373 (T)
Odds Ratio (MLE)
0.4900 0.1597
1.5035 (M)
0.1417
1.6940 (F)
PARAMETERS: Risk-based
Risk Ratio (RR)
0.5082 0.1837
1.4058 (T)
Risk Difference (RD%) -
3.7017
-
9.7411
2.3376 (T)
(T=Taylor series; C=Cornfield; M=Mid-P; F=Fisher Exact)

STATISTICAL TESTS Chi-
square
1-tailed p 2-tailed p
Chi square - uncorrected
1.7548
0.1852758042
Chi square - Mantel-
Haenszel 1.7484
0.1860740731
Chi square -
corrected (Yates) 1.0702
0.3008949844
Mid-p exact
0.1034565398
Fisher exact 0.1505587497
Phiên gi kt qu
 l n trung tâm t vn cùng bn tình là không khác nhau  nhóm nam và n
(p>0,05)
Trong hu ht các tài liu thng kê dng kim nh Khi bình phng hay dùng nht là
ng kim nh Khi bình phng Pearson. Tuy nhiên khi bng ch có 2 hàng và 2 ct thì
chúng ta nên s dng kt qu hin chnh liên tc cho kim nh Khi bình phng (Chi
square – uncorrected ). Kim nh Khi bình phng yêu cu các ô phi có giá trc
tính ln hn 5. Quy c này cng có tính cht rt bo th vì trong thc t kim nh
Phân tích s liu bng Epi Info
54
Khi bình phng vn có th tin hành kim nh úng khi mt ô nào ó có giá trc
tính nh hn 2 (tuy nhiên không quá nhiu ô nh hn 5). Epi Info s ch ra có bt c
t ô nào có giá tr nh hn 5 nhng vn thc hin kim nh Khi bình phng. Lúc ó
n phi rt cn thn  tránh a ra các kt lun sai.
Trong kt quu ra trong Epi 2000 thông thng cho chúng ta kt qu tt c các

loi kim nh Khi bình phng: Khi bình phng không hiu chnh, kim nh hiu
chnh ca Khi bình phng , Mantel – Haenszel ,Yates.
Trong bài toán ca chúng ta thì các kim nh u không có ý ngha thng kê (giá tr p
>0.05) và có mt ô có giá trc tính nh hn 5 nên chúng ta s dng kt qa ca kim
nh Fisher.
Ngoài ra, khi vit kt lun thng kê trong trng hp mà kim nh có ý ngha chúng ta
có tha ra các bng chng  chng minh kt lun ca chúng ta bng cách lit kê ra
các giá tr: p, giá tr kim nh; Nu hai bin a ra trong bng là mt bin Bnh và mt
bin v phi nhim thì bn có tha vào kt lun các i lng v t sut chênh (OR)
và t s nguy c (RR). Cn c vào kiu thit k nghiên cu mà bn chn mt trong hai
i lng trên hay c hai.
7.So sánh hai giá tr trung bình
 bit c hai giá tr trung bình có khác bit có ý ngha thng kê hay không, chúng ta
có th tin hành kim nh ý ngha cho hai giá tr trung bình. Gi s chúng ta mun so
sánh giá tr trung bình tui ca các ngi n t vn  hai nhóm là nam và n. Vic
này c tin hành trong Epi Info nh sau:
1.Chn lnh Means –trong chng trình ANALYSIS
2.T danh sách các bin ca Means of, bn mun so sánh trung bình gì; trong trng
p này bn chn trung bình ca tui ngi c t vn, t danh sách các bin bn
chn bin N3.
3.ánh du vào bin ph thuc mà bn mun phân tích. t danh sách các bin, ánh du
vào bin c lp mà bn mun s dng có ngha là nhóm mà bn mun so sánh, trong
trng hp c th này là Sex và chuyn chúng sang ô Cross-tabulate by value of
Phân tích s liu bng Epi Info
55
4.Bây gi kích OK.
Chúng ta s có kt qu nh sau:
Descriptive Statistics for Each Value of Crosstab Variable
Obs
Total Mean

Variance Std Dev
1 182 5728.0000 31.4725 79.6981 8.9274
2 93 2733.0000 29.3871 95.7833 9.7869
Minimum
25%
Median
75%
Maximum
Mode
1 18.0000 25.0000
30.0
000 35.0000 62.0000 29.0000
2 2.0000 25.0000 30.0000 33.0000 70.0000 28.0000
ANOVA, a Parametric Test for Inequality of Population Means
(For normally distributed data only)
Variation
SS df MS
F statistic
Between
267.6783 1 267.6783 3.1448
Within
23237.4272 273 85.1188
Phân tích s liu bng Epi Info
56
Total
23505.1055 274
T Statistic =1.7733
P-value =0.0773
Bartlett's Test for Inequality of Population Variances
Bartlett's chi square= 1.0459 df=1 P value=0.3065

A small p-value (e.g., less than 0.05) suggests that the variances
are not homogeneous and that the ANOVA may not be appropriate.
Mann-Whitney/Wilcoxon Two-Sample Test (Kruskal-Wallis test for two groups)
Kruskal-
Wallis H (equivalent to Chi square) = 1.1836
Degrees of freedom = 1
P valu
e =
0.2766
Phiên gii kt qu
Trong mu nghiên cu có 182 là nam và 93 ngi là n. Trung bình tui ca hai nhóm
nam và n này xp x nhau là 31 và 29 tui và s khác bit trung bình tui n t vn là
2 tui.
t qu ca phn mm cung cp cho bn hai tình hung: th nht là hai phng sai
ng nht thì s dng kim nh ANOVA và trng hp th hai là hai phng sai khác
nhau s dng kim nh (Kruskal – Wallis). Khi ó da và kim nh Barlett  chúng
ta quyt nh chn theo tình hung nào. Trong bài toán ca chúng ta kim nh Barlett
có giá tr p> 0.05 ( không có ý ngha thng kê) nên chúng ta s dng kt qu kim nh
ANOVA vi ginh là hai phng sai ng nht.
y kt lun cho gi thuyt ca chúng ta là:
Chúng ta cha  bng chng  kt lun v s khác bit v tui  hai nhóm nam và
n t vn (F
1,273
= 3,1448, p = 0,0773).
8.Nhiu và phân tích phân tng
Gii thiu bài tp
Phân tích s liu bng Epi Info
57
 minh ho cho phn này bn s dng b s liu Owesgo ca Epi 6.4. B s liu này
là s liu ca mt nghiên cu ct ngang v mt v ngc thc phm. Nhng u tra

viên s hi các thông tin v ba tic mà nhng ngi b ngc ã tham d. B câu hi
nh sau:
 câu hi cho Church Supper - Oswego
Name _________________________ Case ID <IDNUM>
Telephone <phonenum>
Age : ### Sex :<A> Time of Supper (24 hours)
:####
Ill ? <Y> Diarrhea? <Y> Vomiting? <Y>
Onset Date (MM/DD) :<mm/dd> Onset Time (24 hour)
:####
Food History (Mark Y or N):
Baked Ham: <Y>
Spinach: <Y>
Mashed Potatoes: <Y>
Cabbge salad: <Y>
Jello: <Y>
Rolls: <Y>
Brown Bread: <Y>
Milk: <Y>
Coffee: <Y>
Water: <Y>
Cakes: <Y>
Ice Cream: {Vanilla}: <Y> Chocolate: <Y>
Fruit Salad: <Y>
u ht các nghiên cu sc kho liên quan n các lng giá quan sát trên con ngi
trong môi trng sng t do, có ít tác ng vào ó. u này dn n mt kh nng ln
 s khác bit gia các cá nhân che lp bt k s khác bit nào do can thip ca chúng
ta hoc s khác bit tht s gia các nhóm. Các phân tích thng kê cn phi tính m
n nhng khác bit này càng nhiu càng tt trc khi tìm kim s khác bit tht s mà
chúng ta quan tâm. Nhng khác bit phin phc này c bit n nh là các tác ng

nhiu.
Nhiu trong nghiên cu y t công cng còn có ngha là có tác ng khác xen vào trong
t qu nghiên cu. u này có ngha là mi liên quan gia bin ph thuc và bin c
p có th là tht nhng cng có th là có mt vài mi liên quan khác là nguyên nhân
a kt qu này. S có mt ca nhiu dn n nhng kt lun nghiên cu sai, vì vy
nhiu cn phi c khng ch. Nhng nh ngha dch t ca nhiu là có s mt cân
ng ca các c tính trong các nhóm so sánh, ví d mt nhóm có biu hin c tính c
Phân tích s liu bng Epi Info
58
thù ca mt ngi c so sánh vi ngi khác trong nhóm hoc nhóm khác. nh
ngha thng kê ca nhiu là mt bin th ba có tng quan vi c bin ph thuc và các
bin c lp mà chúng là mi quan tâm hàng u trong kim nh gi thuyt này.
 tìm ra yu t nhiu và các tng tác s liu, chúng ta dùng phng pháp phân tng
hoc phân tích hi quy. Mt nguyên nhân  chúng ta tin hành phân tng d liu là xác
nh bin phân tng có th “thay i” hoc nh hng lên mi quan h gia phi nhim
và bnh. “Thay i” ây c hiu là có th làm thay i kt qu lên mi quan h
gia yu t bnh và phi nhim. Vn t ra cho chúng ta tip theo là bin phân tng
có phi là yu t nhiu không?  bit c u ó chúng ta so sánh t sut chênh thô
và t sut chênh ã hiu chnh. Thông thng giá tr OR hiu chnh ln hn giá tr OR
thô nhng li có ít ý ngha hn (khong tin cy rng hn). Không có loi kim nh
thng kê nào cho nhiu, nhà phân tích phi chn la gia vic có giá tr chính xác hn
nhng ít ý ngha c lng hn (OR ã hiu chnh) và giá tr kém chính xác hn nhng
i có ý ngha c lng hn (OR thô). Vic t ra mc khác nhau ca t sut chênh và
thô bao nhiêu thì kt lun là có nhiu rt khác nhau và tu thuc tng ngi phân tích
và tng vn  phân tích. Thông thng theo ý kin ch quan ca mt s nhà nghiên
u thì s khác nhau ca hai t sut phi hn 5% hoc 10% thì bin phân tng mi
c xem là bin nhiu. Trong quá trình phân tích s liu nu bin phân tng không tác
ng vào mi liên quan gia bnh và phi nhim thì bn có th b qua yu tó khi
phân tích sâu hn. Khi chúng ta phiên gii kt qu thng kê chúng ta có th theo quy tc
sau ây:

- u OR thô và OR hiu chnh ging nhau thì chúng ta không phi s dng bin
phân tng.
- u OR thô và OR hiu chnh khác nhau thì chúng ta s dng OR hiu chnh vì
giá tró chính xác hn.
Ngoài ra trong mt s trng hp chúng ta có th s dng t s nguy c (RR) hoc t
sut khác nhau (RD) khi trình bày các kt lun v tng tác và nhiu.
Trong Epi Info 2000 chúng ta có th s dng phng pháp phân tng  tìm ra yu t
nhiu.  phn cui ca kt quu ra có mt phn tóm tt cho bng 2 × 2 c phân
ng bao gm các kim nh thng kê. Các kim nh này c s dng trong kt qu
a bn khi mà ã xác nh c bin phân tng có phi là bin nhiu không?
Câu lnh dùng trong phng pháp này là lnh Tables và lnh có dng nh sau:
Tables <exposure var> <disease var> {<stratifying var>}
Trong b s liu Oswego.rec câu hi t ra cho chúng ta là gii tính có phi là yu t
nhiu trong mi liên quan gia vic b bnh và n Vanilla không.  làm vic ó chúng
ta tin hành theo các bc sau:
1. Chn lnh Tables t cây lnh
Phân tích s liu bng Epi Info
59
2. Trong ô Outcome Variable chn bin Ill, trong ô Exposure Variable chn bin
Vanilla, chn bin SEx trong ô Stratify by
3. Kích OK
t qu trong Epi s nh sau:
TABLES VANILLA ILL STRATAVAR= SEX FREQGRAPH=(-)
Previous Procedure Next Procedure Current Dataset
Ice Cream: Vanilla: : Ill?, Sex:=F
Ice Cream: Vanilla: : Ill?, Sex:=M
Ice Cream: Vanilla: : Ill? Summary
Ice Cream: Vanilla: : Ill?, Sex:=F
Forward
ILL?

Ice Cream: Vanilla: Yes No TOTAL
Yes
Row %
Col %
27
87.1
90.0
4
12.9
28.6
31
100.0
70.5
No
Row %
Col %
3
23.1
10.0
10
76.9
71.4
13
100.0
29.5
TOTAL
Row %
Col %
30
68.2

100.0
14
31.8
100.0
44
100.0
100.0
Phân tích s liu bng Epi Info
60
Single Table Analysis
Warning: The expected values of a cell is <5. Fisher Exact Test should be used.
Point 95% Confidence Interval
Estimate
Lower Upper
PARAMETERS: Odds-based
Odds Ratio (cross product)
22.5000 4.2630
118.7545 (T)
Odds Ratio (MLE)
20.1438 4.0932
128.3747 (M)
3.4398
168.7688 (F)
PARAMETERS: Risk-based
Risk Ratio (RR)
3.7742 1.3861
10.2767 (T)
Risk Difference (RD%)
64.0199 38.2548
89.7849 (T)

(T=Taylor series; C=Cornfield; M=Mid-P; F=Fisher Exact)
STATISTICAL TESTS Chi-
square
1-tailed p 2-tailed p
Chi square - uncorrected
17.3037
0.0000330266
Chi square - Mantel-
Haenszel 16.9104
0.0000403557
Chi square -
corrected (Yates) 14.4785
0.0001429406
Mid-p exact 0.000042243
9
Fisher exact
0.0000813850
Ice Cream: Vanilla: : Ill?, Sex:=M
Back Forward Current Procedure
Single Table Analysis
ILL?
Ice Cream: Vanilla: Yes No TOTAL
Yes
Row %
Col %
16
69.6
100.0
7
30.4

46.7
23
100.0
74.2
No
Row %
Col %
0
0.0
0.0
8
100.0
53.3
8
100.0
25.8
TOTAL
Row %
Col %
16
51.6
100.0
15
48.4
100.0
31
100.0
100.0
Phân tích s liu bng Epi Info
61

Warning: The expected values of a cell is <5. Fisher Exact Test should be used.
Point 95% Confidence Interval
Estimate
Lower Upper
PARAMETERS: Odds-based
Odds Ratio (cross product)
Undefined Undefined
Undefined (T)
Odds Ratio (MLE)
Undefined 3.6884
Undefined (M)
2.7700
Undefined (F)
PARAMETERS: Risk-based
Risk Ratio (RR)
Undefined Undefined
Undefined (T)
Risk Difference (RD%)
69.5652 50.7602
88.3702 (T)
(T=Taylor series; C=Cornfield; M=Mid-P; F=Fisher Exact)
STATISTICAL TESTS Chi-
square
1-tailed p 2-tailed p
Chi square - uncorrected
11.5014
0.0
006965879
Chi square - Mantel-
Haenszel 11.1304

0.0008503951
Chi square -
corrected (Yates) 8.8846
0.0028770329
Mid-p exact
0.0004078606
Fisher exact
0.0008157212
SUMMARY
Back Forward Current Procedure
SUMMARY INFORMATION
Point 95%Confidence Interval
Parameters Estimate Lower Upper
Odds Ratio Estimates
Crude OR (cross product) 23.4545 5.8410, 94.1811 (T)
Crude OR (MLE) 22.1490 5.9280, 109.1473 (M)
5.2153, 138.3935 (F)
Adjusted OR (MH) 37.6398 7.1914, 197.0062 (R)
Adjusted OR (MLE) 28.5753 6.9155, 160.2216 (M)
6.0084, 207.5014 (F)
Risk Ratios (RR)
Phân tích s liu bng Epi Info
62
Crude Risk Ratio (RR) 5.5741 1.9383, 16.0296
Adjusted RR (MH) 5.7277 1.9868, 16.5127
(T=Taylor series; R=RGB; M=Exact mid-P; F=Fisher exact)
STATISTICAL TESTS (overall assoc)
Chi-square 1-tailed p 2-tailed p
MH Chi square - uncorrected 28.0098 0.0000
MH Chi square - corrected 25.2769 0.0000

Mid-p exact 0.0000
Fisher exact 0.0000
Trong bng phân tng i vi nam t sut chênh không xác nh c là do trong
ng có giá tr bng 0. Và nhng bng nh vy không th kt lun rng có mi liên
. Nên khi phiên gii kt qu chúng ta nêu rõ là do không tính c t sut chênh
nên không th rút ra mt kt lun nào.
Phiên gii kt qu
Giá tr t sut chênh rt ln (23,45) cho thy có mt mi liên quan rt cht ch gia
vic n kem Vanilla và b ngc. Giá tr OR theo Mantel_ Haenzel khi phân tng
ng rt ln cho thy là mi liên quan này tn ti  c hai gii. Giá tr p và khong
tin cy ca OR ây u không cha 1 cng nói lên có mi liên quan gia hai yu
ang xét. Trong phn kt qu cui cùng OR thô (23,45 và OR hiu chnh (37,64)
khác nhau nên chúng ta có th kt lun gii cng là mt yu t nhiu.