Chủ đề 1.4 — Tỷ số nguy cơ

Tóm lại trong một câu: Tỷ số nguy cơ là một bản tóm tắt gọn, được báo cáo rộng rãi và cũng bị hiểu sai rộng rãi về tốc độ xảy ra sự kiện ở một nhóm so với nhóm khác — và đọc nó cho tốt nghĩa là luôn hỏi "trong thời gian theo dõi bao lâu, ở quần thể nào, và tính theo con số tuyệt đối thì nó mang lại gì?" trước khi để nó chi phối một quyết định đặt hàng, đánh giá hay báo cáo.

Vì sao điều này quan trọng trong y tế và chăm sóc#

Khi trang trình chiếu của một nhà cung cấp ghi "can thiệp của chúng tôi đạt tỷ số nguy cơ 0,75", một nhà lãnh đạo đang được mời cảm nhận mức giảm 25% của một điều xấu. Cảm giác đó thường mạnh hơn điều sự thật cho phép. Tỷ số nguy cơ (HR) là một trong những thống kê phổ biến nhất trong bằng chứng lâm sàng và y tế công cộng, và là một trong những thống kê bị hiểu sai một cách đều đặn nhất — không phải bởi các nhà thống kê, mà bởi các hội đồng quản trị, bên đặt hàng và nhóm truyền thông, những người hành động dựa trên nó. Trong y tế và chăm sóc, khoảng cách giữa điều HR nói và điều người ta nghĩ nó nói không phải là một phiền toái học thuật. Nó thay đổi thứ được mua, thứ được mở rộng, và điều bệnh nhân được bảo để kỳ vọng.

Chủ đề này là bạn đồng hành thực tiễn của Chủ đề 1.3 — Quyết định dựa trên bằng chứng. Chủ đề đó lập luận rằng bạn nên điều chỉnh sức mạnh bằng chứng theo mức độ rủi ro và giữ bằng chứng lâm sàng và triển khai riêng biệt. Chủ đề này đi sâu thêm một tầng vào một thống kê duy nhất cứ lặp lại trong bằng chứng lâm sàng mà bạn sẽ được yêu cầu cân nhắc: cách đọc nó, nó đánh lừa ở đâu, và cần đòi gì kèm theo. Bạn không cần tính một tỷ số nguy cơ. Bạn cần biết rằng cùng một HR nổi bật có thể tương ứng với một lợi ích thay đổi cuộc đời hoặc một lợi ích khó phát hiện tùy thuộc vào những sự kiện mà trang trình chiếu bỏ sót — và một nhà lãnh đạo không thể hỏi những sự kiện đó thì phụ thuộc vào lòng thương của người đã chọn cách định khung. Vì những con số này định hình thông điệp công khai và lộ trình lâm sàng, làm sai chúng là vấn đề của niềm tin và công bằng, không chỉ của độ chính xác.

Các khái niệm cốt lõi#

Nguy cơ tức thời và tỷ số nguy cơ. Một nguy cơ tức thời (hazard) là tốc độ tức thời mà một sự kiện (tử vong, nhập viện, tái phát) xảy ra giữa những người vẫn còn đang chịu rủi ro tại một thời điểm nhất định. Tỷ số nguy cơ là tỷ số giữa tốc độ đó ở nhóm điều trị và tốc độ ở nhóm đối chứng. HR dưới 1 nghĩa là sự kiện xảy ra chậm hơn ở nhóm điều trị; trên 1, nhanh hơn; đúng bằng 1, không có khác biệt. Nó xuất phát từ phân tích sống còn — nhánh thống kê cho dữ liệu "thời gian đến sự kiện" — và thường được ước lượng bằng mô hình nguy cơ tỷ lệ, được gọi theo tên người khởi xướng là mô hình Cox. Điều then chốt là một HR mô tả một tốc độ, không phải một xác suất, và cũng không phải một lượng thời gian thu được.

Giả định nguy cơ tỷ lệ. Sự tiện lợi của mô hình Cox dựa trên một giả định: rằng tỷ số nguy cơ là không đổi — như nhau ở tháng thứ ba và năm thứ ba, như nhau với người 50 tuổi và người 80 tuổi. Đây là giả định nguy cơ tỷ lệ, và nó thường sai. Các tác động thực tế thay đổi theo thời gian theo dõi (một can thiệp phẫu thuật có thể làm tăng rủi ro sớm và giảm về sau) và giữa các nhóm con (tuổi, giới, bệnh đi kèm, mức độ thiếu thốn). Khi giả định thất bại, HR đơn lẻ được báo cáo là một trung bình trên khoảng theo dõi và cơ cấu quần thể cụ thể của thử nghiệm — một hỗn hợp có trọng số, không phải một hằng số phổ quát bạn có thể nhấc sang một bối cảnh khác.

Tương đối, tỷ số chênh và tuyệt đối. HR dễ bị nhầm với ba người hàng xóm. Nguy cơ tương đối (hay tỷ số nguy cơ) so sánh xác suất tích lũy của một sự kiện tính đến một thời điểm cố định, không phải tốc độ; nó gần với HR khi sự kiện hiếm nhưng phân kỳ khi chúng phổ biến. Tỷ số chênh so sánh tỷ lệ chênh thay vì xác suất và có thể trông kịch tính khi rủi ro nền cao. Cả ba đều là các thước đo tương đối. Điều bệnh nhân và bên chi trả thực sự quan tâm là tuyệt đối: mức giảm nguy cơ tuyệt đối (chênh lệch nguy cơ) — bao nhiêu sự kiện ít hơn trên một trăm người — và nghịch đảo của nó, số cần điều trị (NNT), số người bạn phải điều trị để ngăn một sự kiện. Một thước đo tương đối thiếu đối tác tuyệt đối của nó chỉ là nửa câu.

Kiểm duyệt và đường cong sống còn. Các thử nghiệm kết thúc; người ta chuyển đi, rút lui, hoặc đơn giản là chưa gặp sự kiện khi dữ liệu bị khóa. Kiểm duyệt (thống kê) là cách phân tích sống còn xử lý những cuộc đời được quan sát một phần này, và đó là một điểm mạnh — nhưng kiểm duyệt nhiều hoặc mất cân đối làm yếu đi những gì một HR có thể nói với bạn. Người bạn đồng hành trực quan trung thực của bất kỳ HR nào là đường cong ước lượng Kaplan–Meier, biểu đồ bậc thang về tỷ lệ chưa xảy ra sự kiện theo thời gian. Hai đường cong tách ra đều đặn kể một câu chuyện khác với hai đường cắt nhau hoặc hội tụ — thế mà cả ba có thể cho cùng một HR nổi bật.

Nhiễu và tính không thu gọn được. Một HR từ nghiên cứu quan sát có thể bị bóp méo bởi nhiễu (confounding): một yếu tố thứ ba chi phối cả việc ai được điều trị lẫn ai gặp sự kiện. Các thử nghiệm ngẫu nhiên bảo vệ chống lại điều này; các so sánh thực tế thì không, trừ khi được hiệu chỉnh cẩn thận. Còn có một cái bẫy tinh vi hơn đặc thù cho các tỷ số như HR, gọi là tính không thu gọn được (non-collapsibility): ngay cả khi không có nhiễu, tỷ số bạn nhận được sau khi hiệu chỉnh cho một yếu tố nguy cơ có thể khác với tỷ số chưa hiệu chỉnh, thuần túy là một hiện vật của cách các tỷ số hoạt động. Bài học vẫn như vậy — một HR gắn với đúng mô hình và quần thể đã tạo ra nó, và không di chuyển tự do như con số đơn sạch sẽ của nó gợi ý.

HR mua được gì tính bằng năm. Người ta dịch "HR 0,75" thành "tôi sẽ sống lâu hơn", nhưng độ lớn của lợi ích đó phụ thuộc hoàn toàn vào rủi ro nền và mức độ nén của tỷ lệ tử vong trong một quần thể. Hãy hình dung nó như nới lỏng một ổ đạn trong trò may rủi: giảm một tốc độ mua được rất nhiều thời gian thêm khi rủi ro nền cao và trải rộng, và rất ít khi hầu hết mọi người đã sống đến tuổi già và các ca tử vong dồn vào một cửa sổ muộn hẹp. Cùng một mức giảm tương đối chuyển thành những lượng tuổi thọ khác nhau tùy theo mức nền đó — đó là lý do một HR không thể được đọc ra thành một số năm tăng thêm cố định nếu không biết quần thể nó đến từ đâu.

Ý nghĩa thống kê so với ý nghĩa lâm sàng. Cuối cùng, một HR có thể có ý nghĩa thống kê — khoảng tin cậy của nó loại trừ 1 — trong khi tác động nó chỉ ra là tầm thường về mặt lâm sàng, đặc biệt trong một thử nghiệm rất lớn. Ý nghĩa thống kê trả lời "điều này có phân biệt được với ngẫu nhiên không?"; nó không trả lời "điều này có đáng để thay đổi một lộ trình không?" Cả hai câu hỏi đều quan trọng, và chỉ câu thứ hai nên quyết định đầu tư.

Thực hành tốt nhất#

1. Luôn hỏi "trong thời gian theo dõi bao lâu, và ở quần thể nào?" Một HR là trung bình trên một cửa sổ thử nghiệm cụ thể và một nhóm được tuyển cụ thể. Trước khi hành động theo nó, hãy xác lập độ dài theo dõi và các tiêu chí đưa vào và loại trừ — các thử nghiệm đã loại người rất già, rất trẻ, hoặc người có các bệnh đi kèm phổ biến có thể hoàn toàn không mô tả quần thể của bạn. Xem một HR thiếu bối cảnh này là một con số chưa đầy đủ, không phải một tiêu đề.

2. Đòi con số tuyệt đối bên cạnh mỗi con số tương đối. Với bất kỳ HR hay nguy cơ tương đối nào, hãy hỏi mức giảm nguy cơ tuyệt đối và số cần điều trị trong quần thể liên quan. "HR 0,75" nghe có vẻ lớn; "một sự kiện được tránh trên mỗi 200 người được điều trị trong ba năm" cho bạn biết liệu nó có đáng với chi phí, thay đổi quy trình và tác dụng phụ không. Các thước đo tương đối và tuyệt đối luôn nên xuất hiện cùng nhau, và truyền thông với công chúng nên mở đầu bằng con số tuyệt đối.

3. Kiên quyết xem các đường cong Kaplan–Meier. Một HR duy nhất nén cả một câu chuyện vào một con số và che giấu việc tác động diễn ra sớm, muộn, tăng, giảm hay đảo ngược. Hãy yêu cầu các đường cong sống còn và xem hình dạng của chúng: chúng có tách ra gọn gàng, cắt nhau hay hội tụ? Các đường cong cắt nhau là dấu hiệu nhìn thấy được rằng giả định nguy cơ tỷ lệ đã thất bại và HR đơn lẻ đang gây hiểu lầm.

4. Đừng ngoại suy một thử nghiệm ngắn thành cả đời người. Một tỷ số nguy cơ đo trong ba năm không cho phép một tuyên bố về ba mươi năm. Tác động có thể suy yếu, đảo ngược hoặc tích lũy, và giả định nguy cơ tỷ lệ hầu như không bao giờ đúng suốt một đời. Hãy đặc biệt cảnh giác với các mô hình kinh tế và các dòng báo chí chiếu một HR ngắn hạn tới những lợi ích kịch tính về số năm sống; hãy hỏi giả định nào đang làm việc đó, như được đề cập ở Chủ đề 6.1 — Kinh tế học y tế.

5. Tách ý nghĩa thống kê khỏi ý nghĩa lâm sàng. Một khoảng tin cậy loại trừ 1 cho bạn biết một tác động có lẽ là thật; nó không nói gì về việc tác động đó có đủ lớn để quan trọng hay không. Trong các thử nghiệm lớn, những khác biệt tầm thường trở thành "có ý nghĩa". Hãy đánh giá độ lớn — lợi ích tuyệt đối — so với gánh nặng và chi phí của can thiệp, và để bác sĩ và bệnh nhân xác định điều gì đáng giá.

6. Đối xử với các HR quan sát với sự nghi ngờ bổ sung. Ngoài một thử nghiệm ngẫu nhiên, một HR có thể phản ánh nhiễu — những người ốm hơn hoặc khỏe hơn tự chọn vào điều trị — thay vì một tác động thực. Hãy hỏi đã hiệu chỉnh cho những gì và liệu các nhiễu không đo được có hợp lý hay không. Bằng chứng thực tế có giá trị (xem Chủ đề 8.6 — Nghiên cứu và đánh giá thực tế) nhưng các tỷ số nguy cơ của nó cần được soi xét nhiều hơn, không phải ít hơn.

7. Kiểm tra xem HR có bị dùng lại ngoài ngữ cảnh không. Một HR từ một quần thể, liều lượng hoặc thời gian theo dõi thường được trích dẫn như thể phổ quát. Khi một con số được trích dẫn, hãy truy về nghiên cứu nguồn và xác nhận quần thể và tiêu chí đánh giá khớp với quyết định của bạn. Tính không thu gọn được và mức nền khác nhau có nghĩa là một con số đúng ở đó có thể lặng lẽ sai ở đây.

8. Báo cáo trung thực, và mở đầu bằng điều người ta có thể hành động. Khi chính tổ chức của bạn công bố kết quả, hãy ghép mọi HR với các con số tuyệt đối và cách diễn đạt dễ hiểu, nêu rõ thời gian theo dõi và quần thể, và tránh ngụ ý lợi ích suốt đời từ dữ liệu ngắn hạn. Điều này liên quan trực tiếp đến cách bạn chọn thước đo trong Chủ đề 10.1 — Chỉ số hiệu suất chính (KPI): chỉ số bạn đưa lên đầu định hình điều người ta tin.

Câu hỏi để thảo luận với nhóm của bạn#

1. Khi một tỷ số nguy cơ đến hội đồng quản trị của chúng ta, chúng ta có biết cách hỏi về thời gian theo dõi, quần thể và lợi ích tuyệt đối — hay chúng ta chỉ hành động dựa trên con số tương đối? Câu hỏi này kiểm tra liệu ban lãnh đạo của bạn có thể chất vấn thống kê bị hiểu sai nhiều nhất mà họ sẽ gặp hay không. Nó quan trọng vì một HR là trung bình trên một cửa sổ thử nghiệm cụ thể và một nhóm được tuyển cụ thể, và cùng một con số có thể đại diện cho một lợi ích mang tính chuyển đổi hoặc không đáng kể tùy theo rủi ro nền và thời gian theo dõi mà trang trình chiếu bỏ qua. Căng thẳng là con số tương đối hấp dẫn về cảm xúc và dễ lặp lại, trong khi con số tuyệt đối — số cần điều trị, số sự kiện tránh được trên một trăm người — thì nhạt hơn và khó có được hơn, nên nó thường bị bỏ. Hãy đi qua một ví dụ thực gần đây: lấy một HR đã ảnh hưởng đến một quyết định và dựng lại nó bao phủ thời gian theo dõi nào, ai bị loại, và nó hàm ý lợi ích tuyệt đối nào cho quần thể của bạn. Hãy hỏi liệu có ai đã yêu cầu những sự kiện đó vào thời điểm ấy không, và câu trả lời có thay đổi quyết định không. Một cuộc thảo luận tốt kết thúc bằng một kỳ vọng thường trực rằng không HR nào được hành động theo nếu thiếu thời gian theo dõi, quần thể và đối tác tuyệt đối của nó đi kèm.

2. Chúng ta có thể đang ngoại suy một tỷ số nguy cơ ngắn hạn thành tuyên bố dài hạn hoặc suốt đời ở đâu — trong một hồ sơ kinh doanh, một mô hình lợi ích hay một thông điệp công khai? Chủ đề cảnh báo rằng một HR đo trong vài năm không cho phép tuyên bố về hàng thập kỷ, vì tác động suy yếu, đảo ngược hoặc tích lũy và giả định nguy cơ tỷ lệ hiếm khi đúng suốt một đời. Điều này quan trọng vì cả các mô hình kinh tế y tế lẫn nhóm truyền thông đều có động cơ mạnh để chiếu các mức giảm tương đối ngắn hạn tới những lợi ích nổi bật về số năm sống hoặc tiết kiệm chi phí, và các dự báo đó có thể lặng lẽ trở thành lời biện minh cho các khoản đầu tư lớn. Sự đánh đổi là có thật: bạn phải lập kế hoạch và mô hình hóa vượt khỏi chân trời thử nghiệm, nhưng mỗi năm bạn chiếu vượt khỏi bằng chứng là một giả định, không phải một phát hiện. Hãy đưa ra một hồ sơ kinh doanh hoặc mô hình hiện thực hóa lợi ích đang chạy và hỏi các lợi ích suy ra từ HR của nó giả định chân trời thời gian nào, và điều gì sẽ xảy ra với hồ sơ nếu tác động phẳng đi sau giai đoạn thử nghiệm. Cũng hãy xem xét liệu thông điệp nào hướng đến bệnh nhân có ngụ ý cả đời những năm tăng thêm từ dữ liệu ngắn hạn không. Một câu trả lời trung thực gọi tên chỗ ngoại suy đang gánh phần việc nặng và cam kết nêu giả định một cách công khai thay vì chôn nó trong một bảng tính.

3. Chúng ta có luôn tách "điều này có thật không?" khỏi "điều này có đủ lớn để quan trọng không?" — hay riêng ý nghĩa thống kê đang chi phối các quyết định của chúng ta? Câu hỏi này đối đầu với sự nhầm lẫn giữa ý nghĩa thống kê và ý nghĩa lâm sàng, nơi một khoảng tin cậy loại trừ 1 được xem là đèn xanh bất kể độ lớn của tác động. Nó quan trọng vì các thử nghiệm lớn và bộ dữ liệu thực tế lớn làm cho những khác biệt tầm thường có ý nghĩa thống kê, và một can thiệp y tế số có thể đạt một tỷ số nguy cơ "có ý nghĩa" trong khi mang lại lợi ích quá nhỏ để biện minh cho chi phí, sự gián đoạn quy trình, hoặc chi phí cơ hội so với các cách dùng khác của cùng số tiền. Căng thẳng sâu hơn là độ lớn là một phán đoán lâm sàng và giá trị — điều gì đáng giá phụ thuộc vào bệnh, gánh nặng điều trị và sở thích của bệnh nhân — nên nó không thể được giao cho một giá trị p hay tự động hóa. Hãy lấy một quyết định mà nhóm của bạn đưa ra một phần dựa trên sức mạnh của một kết quả có ý nghĩa và hỏi kích thước tác động tuyệt đối thực sự là bao nhiêu, và ai quyết định nó đủ lớn để hành động. Hãy khám phá liệu bác sĩ và, lý tưởng là bệnh nhân, có tham gia đánh giá rằng lợi ích đó đáng có hay không. Một câu trả lời mạnh cho thấy nhóm thường xuyên hỏi độ lớn chứ không chỉ ý nghĩa, và xem hai điều đó là hai cổng riêng mà cả hai đều phải vượt qua.

4. Khi một tỷ số nguy cơ đến từ dữ liệu thường quy hoặc bộ dữ liệu thực tế của nhà cung cấp thay vì một thử nghiệm ngẫu nhiên, chúng ta có hỏi đã hiệu chỉnh cho những gì và liệu nhiễu không đo được có thể giải thích tác động không? Ngày càng nhiều tỷ số nguy cơ đến được một quyết định không phải từ các thử nghiệm sạch mà từ các nguồn quan sát — phân tích trước-sau của nhà cung cấp, một sổ đăng ký, hoặc hồ sơ thu thập thường quy của chính bạn — nơi những người nhận can thiệp khác biệt có hệ thống với những người không nhận. Điều này quan trọng vì nhiễu do chỉ định là quy luật chứ không phải ngoại lệ: những bệnh nhân khỏe hơn hoặc ốm hơn tự chọn vào điều trị, và trừ khi được hiệu chỉnh cẩn thận, HR kết quả đo ai được điều trị nhiều như đo điều trị đã làm gì. Căng thẳng là bằng chứng thực tế thực sự có giá trị và thường là bằng chứng duy nhất có sẵn cho một dịch vụ số triển khai ở quy mô lớn, nhưng sự tiện lợi của nó cám dỗ các nhóm đọc nó như nhân quả trong khi nó chỉ là liên quan. Hãy chất vấn một HR quan sát thực mà nhóm của bạn đã dựa vào: hỏi các biến nào đã được hiệu chỉnh, các nhiễu hợp lý nào bị bỏ lại không đo, và chiều hướng của thiên lệch có khả năng là tâng bốc hay làm xẹp tác động. Hãy xem xét liệu tính không thu gọn được — cách hiệu chỉnh cho một yếu tố nguy cơ có thể dịch chuyển một tỷ số ngay cả khi không có nhiễu — đã được tính đến trong cách con số được trích dẫn hay chưa. Một câu trả lời trung thực xem các tỷ số nguy cơ quan sát là các giả thuyết cần soi xét nhiều hơn, không phải ít hơn, và có thể nói thẳng điều gì phải đúng để tác động là thật.

5. Chúng ta có thường xuyên xem các đường cong Kaplan–Meier đằng sau một tỷ số nguy cơ không, và chúng ta có nhận ra khi giả định nguy cơ tỷ lệ đã thất bại không? Một HR duy nhất lặng lẽ lấy trung bình toàn bộ hình dạng của một tác động thành một con số, che giấu việc lợi ích diễn ra sớm, muộn, tăng, giảm hay đảo ngược trong suốt thời gian theo dõi. Điều này quan trọng vì mô hình Cox tạo ra hầu hết các tỷ số nguy cơ giả định tỷ số là không đổi theo thời gian, và giả định đó thường sai — một can thiệp phẫu thuật hoặc thủ thuật có thể làm tăng rủi ro sớm và giảm về sau, và các đường cong cắt nhau hoặc hội tụ có thể cho cùng một HR nổi bật gọn gàng như các đường cong tách ra sạch sẽ. Sự đánh đổi là đọc các đường cong sống còn đòi hỏi nhiều công sức và chuyên môn hơn việc lặp lại một con số, và các đường cong thường vắng mặt khỏi trang tóm tắt chính vì chúng làm phức tạp câu chuyện. Hãy lấy một tỷ số nguy cơ mà nhóm của bạn đã hành động theo và hỏi có ai đã thấy biểu đồ Kaplan–Meier không, hình dạng các đường cong hàm ý lợi ích tích lũy khi nào, và giả định nguy cơ tỷ lệ đã bao giờ được kiểm định chưa. Hãy thảo luận ai trong nhóm có hiểu biết thống kê để phát hiện các đường cắt nhau hay hội tụ và nói chúng có ý nghĩa gì với quần thể của bạn. Một câu trả lời tốt biến việc xem các đường cong thành kỳ vọng thường trực, không phải một ân huệ chuyên gia, và xem một đường cong vắng mặt là lý do để hỏi chứ không phải một chi tiết để bỏ qua.

6. Chúng ta đã kiểm tra xem một tỷ số nguy cơ đơn lẻ có che giấu sự phân bố không đều của lợi ích theo tuổi, bệnh đi kèm và mức độ thiếu thốn ở những người chúng ta thực sự phục vụ không? Một HR nổi bật trình bày tác động như thể nó đáp xuống đồng đều, nhưng một lợi ích được lấy trung bình trên nhóm được tuyển của thử nghiệm có thể rơi rất khác nhau trên những người lớn tuổi hơn, ốm yếu hơn và thiếu thốn hơn vốn chiếm phần lớn một quần thể y tế và chăm sóc thực. Điều này quan trọng vì hành động dựa trên con số tổng hợp có thể nới rộng bất bình đẳng trong khi dường như cải thiện kết quả chung: một can thiệp giúp một nhóm con khỏe hơn và ít giúp được nhóm yếu hơn vẫn đạt một HR trung bình hấp dẫn. Căng thẳng là việc tách nhỏ đòi hỏi dữ liệu, sức mạnh thống kê và sự sẵn lòng nhìn thấy biến thiên khó chịu, trong khi con số đơn lẻ dễ báo cáo và dễ ủng hộ hơn. Hãy xem một quyết định được thúc đẩy bởi một tỷ số nguy cơ và hỏi tác động đã bao giờ được chia nhỏ theo nhóm tuổi, bệnh đi kèm hay mức độ thiếu thốn chưa, và thử nghiệm có tuyển đủ quần thể của bạn để hỗ trợ việc chia nhỏ như vậy không. Hãy xem xét cách bạn sẽ giám sát sự bất bình đẳng trong lợi ích khi một dịch vụ đã vận hành, nối với việc đánh giá thực tế và các nghĩa vụ công bằng của bạn. Một câu trả lời trung thực chấp nhận rằng một HR trông đồng đều có thể che giấu một thực tế bất bình đẳng, và cam kết nhìn vào bức tranh tuyệt đối, đã tách nhỏ trước khi mở rộng.

Trong thực tế: một ví dụ về y tế và chăm sóc#

Một hệ thống chăm sóc tích hợp (ICS) được chào mời một dịch vụ theo dõi từ xa cho người bị suy tim. Tuyên bố trung tâm của nhà cung cấp là tỷ số nguy cơ 0,72 cho kết cục gộp gồm tử vong hoặc nhập viện ngoài kế hoạch, được mô tả là "giảm 28%" và đi kèm một dự báo về số năm sống thu được đáng kể trên toàn quần thể.

Các trưởng bộ phận số và lâm sàng xem con số này là một câu hỏi khởi đầu, không phải kết luận. Họ yêu cầu nghiên cứu nguồn và thấy một thử nghiệm ngẫu nhiên duy nhất với thời gian theo dõi trung vị mười tám tháng, tuyển bệnh nhân dưới 75 tuổi vừa nhập viện gần đây và không suy giảm nhận thức đáng kể — một nhóm khỏe hơn, trẻ hơn quần thể suy tim thực của ICS, vốn nghiêng về lớn tuổi hơn và nhiều bệnh đi kèm hơn. Họ yêu cầu các đường cong ước lượng Kaplan–Meier và thấy hai đường tách ra chủ yếu trong sáu tháng đầu, rồi chạy gần song song — một gợi ý rằng lợi ích tập trung sớm và rằng giả định HR không đổi là lung lay trên chân trời dài hơn.

Sau đó họ hỏi các con số tuyệt đối. Quy đổi vào quần thể thử nghiệm, HR tương ứng với một mức giảm nguy cơ tuyệt đối khiêm tốn và một số cần điều trị khoảng 20 trong mười tám tháng để ngăn một biến cố gộp — có ý nghĩa, nhưng kém kịch tính hơn nhiều so với "giảm 28%" gợi ý, và rất có thể còn nhỏ hơn nữa ở quần thể lớn tuổi của họ. Nhóm kinh tế y tế được yêu cầu dựng lại mô hình mà không ngoại suy HR mười tám tháng thành cả đời, và kiểm tra điều gì xảy ra nếu lợi ích sớm không duy trì. Các trưởng bộ phận an toàn lâm sàng và quản trị thông tin đánh giá dịch vụ theo giá trị riêng của nó (Chủ đề 1.6 — An toàn lâm sàng và quản lý rủi ro). ICS tiến hành — nhưng như một đợt triển khai theo giai đoạn, có giám sát cùng đánh giá thực tế riêng, và hướng dẫn nhóm truyền thông của mình mở đầu bằng lợi ích tuyệt đối và những giới hạn trung thực, không phải tiêu đề tương đối. Khi một tờ báo địa phương sau đó hỏi về "con số 28%", ICS có thể giải thích chính xác nó có nghĩa gì và không có nghĩa gì.

Góc nhìn theo khu vực#

Mọi người đọc một HR đều mang cùng nghĩa vụ diễn giải, nhưng các áp lực và biện pháp bảo vệ khác nhau giữa các tổ chức.

Công ty khởi nghiệp#

Động cơ của một công ty khởi nghiệp là trình bày con số thật tâng bốc nhất, và một tỷ số nguy cơ tương đối thường là con số thật tâng bốc nhất hiện có — nên "HR 0,7" xuất hiện trên bản trình bày gọi vốn mà không có thời gian theo dõi, quần thể hay lợi ích tuyệt đối để đưa nó về đúng cỡ. Nước đi trung thực và rốt cuộc đáng tin cậy hơn là mở đầu bằng tác động tuyệt đối và số cần điều trị, nêu rõ thời gian theo dõi và các tiêu chí loại trừ của thử nghiệm, và cưỡng lại việc chiếu kết quả ngắn hạn thành cả đời trong hồ sơ kinh doanh. Những người đánh giá NHS cẩn trọng và các nhà đầu tư nghiêm túc ngày càng biết đặt những câu hỏi này, nên một nhóm tự nguyện cung cấp bối cảnh trông mạnh hơn, không yếu hơn. Kỷ luật này gần như không tốn gì và bảo vệ các nhà sáng lập khỏi một sự đính chính muộn hơn, gây tổn hại hơn.

Doanh nghiệp nhỏ#

Một nhà cung cấp nhỏ đã thành lập — một phòng khám bác sĩ gia đình, một hiệu thuốc cộng đồng, một nhà dưỡng lão, hoặc một phòng khám đơn lẻ đang cân nhắc một công cụ theo dõi hay một tuyên bố của nhà cung cấp — có bệnh nhân thật ở cuộc chơi nhưng không có nhà thống kê nội bộ và ít thời gian để đọc một thử nghiệm. Rủi ro thực tế là tỷ số nguy cơ tương đối của nhà cung cấp được tin theo mặt chữ vì không ai dựng lại thời gian theo dõi, quần thể và lợi ích tuyệt đối, và không có nhóm phân tích để thử nó với danh sách bệnh nhân của chính phòng khám. Phản ứng tương xứng không phải là làm chủ phân tích sống còn mà là hỏi ba câu hỏi đơn giản với bất kỳ nhà cung cấp nào — trong thời gian theo dõi bao lâu, ở những bệnh nhân nào, và chúng tôi phải điều trị bao nhiêu người để ngăn một sự kiện — và dựa vào các nguồn lực dùng chung như hướng dẫn của NICE, một dược sĩ của CCG hoặc ICS, hoặc một mạng lưới đồng nghiệp thay vì tự đánh giá con số. Một nhà cung cấp nhỏ kiên quyết đòi con số tuyệt đối và các tiêu chí loại trừ của thử nghiệm trước khi ký sẽ bảo vệ bệnh nhân và ngân sách của mình mà không cần hỏa lực thống kê của một bệnh viện lớn.

Doanh nghiệp lớn#

Một bệnh viện NHS hoặc ICS có năng lực phân tích và lượng bệnh nhân để chất vấn một HR cho đàng hoàng — và có trách nhiệm giải trình đòi hỏi điều đó, vì triển khai ở quy mô lớn dựa trên một thống kê bị đọc sai đồng thời là rủi ro an toàn lâm sàng và tiền công. Kiểu thất bại đặc trưng là sự hăng hái của thể chế: một con số tương đối hấp dẫn được một bác sĩ được kính trọng ủng hộ, được áp dụng trước khi ai đó dựng lại lợi ích tuyệt đối cho quần thể thực tế của bệnh viện, vốn thường lớn tuổi và ốm yếu hơn. Cách khắc phục là một thói quen thường trực — mọi HR trong một bài trình hội đồng đều đến cùng thời gian theo dõi, quần thể, mức giảm nguy cơ tuyệt đối và các đường cong Kaplan–Meier, và mọi sự ngoại suy đều nêu tên giả định của nó. Các doanh nghiệp lớn cũng tạo ra các HR quan sát của riêng họ từ dữ liệu thường quy, nơi nhiễu là mối nguy luôn hiện diện và việc hiệu chỉnh phải rõ ràng.

Chính phủ#

Một cơ quan quốc gia — NICE, NHS England, Cơ quan An ninh Y tế Vương quốc Anh, DHSC — thường quyết định cách bằng chứng được định khung cho toàn hệ thống, nên cách nó xử lý các tỷ số nguy cơ định hình sự hiểu biết của công chúng ở quy mô dân số. Các quyết định ở đây thu hút sự soi xét của cơ quan quản lý, Nghị viện và truyền thông, và một con số tương đối được trích dẫn mà thiếu đối tác tuyệt đối có thể làm hàng triệu người hiểu lầm và làm xói mòn niềm tin khi sau đó bị đính chính. Nghĩa vụ là công bố các con số tuyệt đối bên cạnh các con số tương đối, nêu quần thể và thời gian theo dõi, và thẳng thắn về nơi giả định nguy cơ tỷ lệ và chân trời thử nghiệm ngắn giới hạn điều có thể tuyên bố. Ở quy mô này, việc định khung trung thực không phải phép lịch sự mà là một công cụ của công bằng: một lợi ích trông đồng đều trong một HR đơn lẻ có thể rơi không đều theo tuổi và mức độ thiếu thốn, và chỉ bức tranh tuyệt đối, đã tách nhỏ mới làm lộ ra điều đó.

Các kiểu thất bại thường gặp#

• Báo cáo chỉ tương đối. Trích dẫn "giảm 28%" mà không có mức giảm nguy cơ tuyệt đối hay số cần điều trị. Giải pháp: ghép mỗi thước đo tương đối với đối tác tuyệt đối của nó và mở đầu truyền thông công khai bằng con số tuyệt đối.
• Ngoại suy suốt đời. Chiếu một HR của thử nghiệm ngắn qua nhiều thập kỷ trong một mô hình kinh tế hoặc dòng báo chí. Giải pháp: chỉ lập mô hình đến chân trời bằng chứng, và nêu tên mọi giả định vượt quá nó.
• Bỏ qua quần thể. Áp dụng HR của một thử nghiệm cho các nhóm lớn tuổi, ốm yếu hoặc thiếu thốn hơn mà thử nghiệm đã loại trừ. Giải pháp: kiểm tra các tiêu chí đưa vào và loại trừ so với quần thể thực của bạn.
• Giả định tính không đổi. Xem một HR là hợp lệ ở mọi độ tuổi và mọi thời điểm. Giải pháp: kiểm tra các đường cong Kaplan–Meier xem có đường cắt nhau hay hội tụ không.
• Nhầm ý nghĩa thống kê với tầm quan trọng. Hành động theo một HR có ý nghĩa thống kê mà tác động tầm thường về lâm sàng. Giải pháp: đánh giá độ lớn riêng, với đóng góp của giới lâm sàng và bệnh nhân.
• Tin các HR quan sát một cách thiếu phản biện. Đọc một HR thực tế như nhân quả mà không hỏi về nhiễu. Giải pháp: hỏi đã hiệu chỉnh cho những gì và liệu các nhiễu không đo được có hợp lý không.
• "Rửa" con số. Dùng lại một HR ngoài ngữ cảnh gốc như thể phổ quát. Giải pháp: truy mọi con số được trích dẫn về nghiên cứu nguồn và tiêu chí đánh giá của nó.

Mô hình trưởng thành#

Danh sách kiểm tra#

• Mọi tỷ số nguy cơ đều đến cùng độ dài thời gian theo dõi và các tiêu chí đưa vào và loại trừ của thử nghiệm.
• Mỗi thước đo tương đối (HR, nguy cơ tương đối) được ghép với mức giảm nguy cơ tuyệt đối và số cần điều trị.
• Các đường cong Kaplan–Meier được xem xét về hình dạng tác động và bất kỳ sự cắt nhau hay hội tụ nào.
• Quần thể thử nghiệm được kiểm tra so với quần thể địa phương thực của bạn trước khi hành động.
• Không HR ngắn hạn nào được ngoại suy thành cả đời nếu không có một giả định được nêu rõ.
• Ý nghĩa thống kê và ý nghĩa lâm sàng được đánh giá như hai cổng riêng.
• Các HR quan sát được soi xét về nhiễu và về những gì đã được hiệu chỉnh.
• Mọi HR được trích dẫn đều được truy về nghiên cứu nguồn, tiêu chí đánh giá và thời gian theo dõi.
• Truyền thông công khai và với hội đồng mở đầu bằng lợi ích tuyệt đối và những giới hạn trung thực.

Nguồn chính#

• Wikipedia — Hazard ratio, Proportional hazards model, Survival analysis (các định nghĩa nền tảng).
• Loạt BMJ Statistics Notes của BMJ — Douglas Altman và J. Martin Bland — giải thích dễ hiểu về tỷ số nguy cơ, đường cong sống còn, và nguy cơ tuyệt đối so với tương đối.
• David Spiegelhalter — The Art of Statistics: Learning from Data (Pelican, 2019) — về việc truyền đạt trung thực nguy cơ tương đối và tuyệt đối.
• Gerd Gigerenzer và cộng sự — Helping Doctors and Patients Make Sense of Health Statistics (Psychological Science in the Public Interest, 2007) — về lý do các con số tương đối gây hiểu lầm.
• Cochrane — Handbook for Systematic Reviews of Interventions — về cách diễn giải các thước đo tác động.
• dynomight — bài tiểu luận về tỷ số nguy cơ và tuổi thọ (dynomight.net) — trực giác roulette Nga cho thấy vì sao các mức giảm tương đối không bằng số năm sống, và vì sao các can thiệp có tỷ số nguy cơ khác nhau ở các độ tuổi khác nhau.
• Equator Network — hướng dẫn báo cáo CONSORT — về cách báo cáo tác động của thử nghiệm, kể cả các kết cục thời gian-đến-sự-kiện.

Tài liệu tham khảo#

1. Hazard ratio — Wikipedia — https://en.wikipedia.org/wiki/Hazard_ratio
2. Proportional hazards model — Wikipedia — https://en.wikipedia.org/wiki/Proportional_hazards_model
3. Survival analysis — Wikipedia — https://en.wikipedia.org/wiki/Survival_analysis
4. Relative risk — Wikipedia — https://en.wikipedia.org/wiki/Relative_risk
5. Odds ratio — Wikipedia — https://en.wikipedia.org/wiki/Odds_ratio
6. Risk difference (absolute risk reduction) — Wikipedia — https://en.wikipedia.org/wiki/Risk_difference
7. Number needed to treat — Wikipedia — https://en.wikipedia.org/wiki/Number_needed_to_treat
8. Censoring (statistics) — Wikipedia — https://en.wikipedia.org/wiki/Censoring_(statistics)
9. Kaplan–Meier estimator — Wikipedia — https://en.wikipedia.org/wiki/Kaplan%E2%80%93Meier_estimator
10. Confounding — Wikipedia — https://en.wikipedia.org/wiki/Confounding
11. Life expectancy — Wikipedia — https://en.wikipedia.org/wiki/Life_expectancy
12. Statistical significance — Wikipedia — https://en.wikipedia.org/wiki/Statistical_significance
13. The Art of Statistics: Learning from Data — David Spiegelhalter, Pelican — https://www.penguin.co.uk/books/294857/the-art-of-statistics-by-spiegelhalter-david/9780241398630
14. Helping Doctors and Patients Make Sense of Health Statistics — Gerd Gigerenzer et al., Psychological Science in the Public Interest — https://doi.org/10.1111/j.1539-6053.2008.00033.x
15. Statistics Notes (survival and risk) — Douglas Altman & J. Martin Bland, The BMJ — https://www.bmj.com/specialties/statistics-notes
16. Cochrane Handbook for Systematic Reviews of Interventions — Cochrane — https://training.cochrane.org/handbook
17. Hazard ratios and life expectancy — dynomight — https://dynomight.net/
18. CONSORT reporting guideline — Equator Network — https://www.equator-network.org/reporting-guidelines/consort/