กลุ่มอายุ (AgeGroup) เป็น Interaction หรือเป็น Confounder?

กลุ่มอายุเป็น Interaction หรือเป็น Confounder?

Drug Interaction
เช่น เมื่อกินยา Rifampin พร้อมกับยาคุมกำเนิด Contraceptive Pills
ยา Rifam ทำให้ยาคุมกำเนิด Pills หมดฤทธิเร็ว
เมื่อใช้ยา Rifam และ Pills รวมกัน ผล Outcomes จะเปลี่ยนไป
ซึ่งสาเหตุคงจะเป็นเพราะกินยา 2 ชนิดคือ Rifam และ Pills นั้นเอง

------------------------------------------------------------------------
Confounder ที่พบบ่อย เช่น เพศ กลุ่มอายุ อาชีพ เชื้อชาติ
และ Confounder ต้องมี Association กับ Predictor และ Outcome

ถ้าสิ่งที่คาดว่าเป็น Confounder มีความเกี่ยวข้องกับ Predictor เพียงอย่างเดียว
หรือความเกี่ยวข้อง กับ Outcome เพียงอย่างเดียว ก็จะไม่ใช่ Confounder

ถ้าพบว่ามี Interaction (หรือตัวแปรทีเป็น Effect Modification)
ต้องระวังว่า Effect หรือ Outcome ที่คำนวณได้ อาจไม่ใช่สิ่งที่เกิดขึ้นจริง
------------------------------------------------------------------------

Study0
Pills อย่างเดียว วัดผลที่การคุมกำเนิด (+,-)
Rifam และ Pills วัดผลที่การคุมกำเนิด (+,-)
โดยไม่ได้แยกกลุ่มอายุ (AgeGroup)

Study0 (+), (-)
Pills a, b
Rifam+Pills c, d

Risk1 = a / (a+b)
Risk2 = c / (c+d)
Risk Ratio (RR) = Risk1 / Risk2
มี Drug Interaction หรือไม่มี Drug Interaction
ดูจาก RR และ 95% Conf. Interval ของ Study0

คราวนี้แยกกลุ่มอายุของ (Pills) Stratified by Agegroup
กลุ่มอายุเป็น Interaction หรือเป็น Confounder?
Stratum1 (<20) Pills วัดผลที่การคุมกำเนิด (+,-)
Stratum2 (not < 20)Pills วัดผลที่การคุมกำเนิด (+,-)

คราวนี้แยกกลุ่มอายุของ (Rifam+Pills) Stratified by Agegroup

กลุ่มอายุเป็น Interaction หรือเป็น Confounder?
Stratum1 (<20) Rifam+Pills วัดผลที่การคุมกำเนิด (+,-)
Stratum2 (not < 20) Rifam+Pills วัดผลที่การคุมกำเนิด (+,-)

ตรวจสอบ Interaction ของกลุ่มอายุ (ยา 2 ชนิด ก็อาจมี Drug Interaction ด้วย)
ถ้า RR ของ Stratum1 และ Stratum2 ต่างกันก็คือมี Interaction (ของกลุ่มอายุ)
แต่ถ้า RR ของ Stratum1 และ Stratum2 ไม่ต่างกันก็คือไม่มี Interaction (ของกลุ่มอายุ)
ใช้ ค่า p-Value จาก Breslow-Day test for interaction of Risk Ratio

ตัวแปรที่ 3 เป็น Categorical ที่ใช้แยกกลุ่ม
เช่น กลุ่มอายุ ทำให้ผลเปลี่ยนไป
โดยที่ Adjusted Relative Risk ต่างจาก Crude Realtive Risk
ตัวแปรที่ 3 กลุ่มอายุ ก็คือ Confounder

Confounder ที่พบบ่อย เช่น เพศ กลุ่มอายุ อาชีพ เชื้อชาติ
และ Confounder ต้องมี Association กับ Predictor และ Outcome

ถ้าพบว่ามี Interaction (หรือตัวแปรทีเป็น Effect Modification)
ต้องระวังว่า Effect ที่คำนวณได้ อาจไม่ใช่สิ่งที่เกิดขึ้นจริง

ในการศึกษา Predictor และ Outcomes จึงควรตรวจสอบว่า
มี Interaction หรือไม่ ? มี Confounder หรือไม่ ?
และพิจารณาว่าควรต้อง Adjusted หรือไม่
(Adjusted แล้วเกิดผลดี หรือเพิ่มความคลาดเคลื่อน)

ในแต่ละ data set
อาจจะมีทั้ง Interaction และ Confounding (data set 1)
หรือมีแต่เพียง Interaction (data set 2, 3)
หรือมีแต่เพียง Confounding (data set 4)
หรือว่าไม่มี Interaction และ Confounding (data set 5)
ถ้ามี Interaction มาก Confounding อาจจะไม่ใช่สิ่งที่เป็นจริง (data set 2,3)

Stratified table
RR ของ Stratum 1, Stratum 2 ต่างกันก็คือมี Interaction (data set 1, 2, 3)
RR ของ Stratum 1, Stratum 2 ไม่ต่างกันก็คือไม่มี Interaction (data set 4, 5)

Data
Set

Stratum 1
RR

Stratum 2
RR

Crude
RR

Interaction

Confounding

1

1.02

3.5

6.0

Yes

Yes

2

1.02

3.5

2.0

Yes

?

3

0.03

3.5

1.7

Yes

??

4

1

1

4.2

No

Yes

5

4.0

4.1

4.2

No

No


Crude table
Crude RR ถ้าต่างกับ Stratum1, Stratum2 คือมี Confounding (data set 1, 4)
Crude RR ถ้าไม่ต่างกับ Stratum1, Stratum2 คือไม่มี Confounding (data set 5)

http://www.gotoknow.org/blog/epistat/461915
Risk Ratio (RR)
Breslow-Day test for interaction of Risk Ratio over strata

Two main complications of analysis of single exposure effect
(1) Effect modifier (2) Confounding factor
www.msu.edu/~fuw/teaching/Fu_Ch13_2_DesignAnal.ppt

Breslow-Day เป็นการ test for Homogeniety
สอดคล้องกับเรื่อง Interaction, Patama Gomutbutra
http://www.gotoknow.org/blog/thaiccm/409328

บันทึกนี้เขียนที่ GotoKnow โดย  ใน EPISTAT



ความเห็น (10)

ขอบคุณครับ ท่านอาจารย์ JJ

เขียนเมื่อ 

ขอบคุณมากคะ อาจารย์

รบกวนถามอาจารย์เพิ่มเติมนิดหนึ่งคะเกี่ยวกับ

Breslow-Day test for interaction of Risk Ratio

สวัสดีครับ ยังเข้าใจไม่มากนักครับ เกี่ยวกับ Breslow-Day
เข้าใจว่า คงเป็นอีกเครื่องมือหนึ่งเกี่ยวกับ test for homogeneity
เช่นเดียวกับ M-H Adjusted
ถ้าใน OpenEpi เช่น
http://www.gotoknow.org/blog/epistat/461915

ใน Printout เห็นเป็นค่า Chi-Square และ p-Value

ใน SAS และ และ STATA ยังใช้ Breslow-Day
เกี่ยวกับเรื่อง Meta Aalysis อีกด้วย
test for interaction (assuming that interaction in this case means lack of homogeneity) http://www.stata.com/statalist/archive/2008-03/msg00859.html

 -metan- calculates automatically the Q-statistic,
whereas the Breslow-Day test requires the option breslow

as well as raw data (complete 2x2 tables).
Assuming you have raw data (2x2 tables)
as a b c d (four collumns), type, for instance:

metan a b c d, or random breslow

or

metan a b c d, rr fixedi

Homogeneity, Heterogeneity

Measuring Heterogeneity
I-squared, is preferred to the traditional test statistic, Cochran's Q.

http://www.childrensmercy.org/stats/weblog2004/Heterogeneity.asp

 Measuring heterogeneity in meta-analysis (November 29, 2004). While browsing through the archives of the British Medical Journal, I noticed an excellent article on measuring heterogeneity in meta-analysis. There is a new measure, I-squared, that measures the proportion of inconsistency in individual studies that cannot be explained by chance. It ranges between 0% and 100% with lower values representing less heterogeneity. This measure is preferred to the traditional test statistic, Cochran's Q.

The problem with Cochran's Q, the authors claim, is that it tends to have too little power with a collection of studies with small sample sizes and too much power with a collection of studies with large sample sizes. They also provide an informal categorization of I-squared, with values of 25%, 50%, and 75% representing low, moderate, and high heterogeneity. Measuring inconsistency in meta-analyses. J. P. Higgins, S. G. Thompson, J. J. Deeks, D. G. Altman. Bmj 2003: 327(7414); 557-60. [Medline] [Full text] [PDF]

http://bmj.bmjjournals.com/cgi/reprint/327/7414/557.pdf

เขียนเมื่อ 

ขอบคุณคะอาจารย์ ที่กรุณาบอกแหล่งค้นคว้า หนูเป็นมือใหม่รู้จักแต่ M-H คะ อย่างไรจะเก็บไว้เป็น reference คะ

วิมล จิตรปลื้ม
IP: xxx.24.51.81
เขียนเมื่อ 

•ความชุกของผู้ป่วยเบาหวานของไทยเท่ากับร้อยละ 8
•อัตราการเกิดไตวายในกลุ่มผู้ป่วยเบาหวานเท่ากับ 199.8 ต่อประชากรแสนคนต่อปี และสูงเป็น 14.58 เท่าเมื่อเทียบกับผู้ที่ไม่มีภาวะเบาหวาน
•ถ้าเราสามารถทำให้ผู้ป่วยเบาหวานสามารถควบคุมระดับน้ำตาลในเลือดได้ดี และจนทำให้ผู้มีภาวะน้ำตาลในเลือดสูงลดลงเหลือเพียงร้อยละ 5 จะมีจำนวนผู้ป่วยไตวายเรื้อรังลดลงกี่คนต่อปี
•ถ้าค่าดูแลรักษาผู้ป่วยไตวายเท่ากับ 300,000 บาทต่อคนต่อปี (ในปี 2542) การพัฒนาคุณภาพการดูแลผู้ป่วยเบาหวานจะประหยัดเงินได้               กี่บาทต่อปี

ไตวายเกิด จากหลายสาเหตุ เช่น จากยา สารเคมี สารพิษ
เบาหวานเป็นเพียง 1 สาเหตุ เช่น  
ถ้าควบคุมเบาหวานได้ดี ลดไตวายจากเบาหวาาน ได้ 14.58 เท่า 

prevalence เบาหวาน = 8%
http://stat32.tripod.com/parp....

Population Attributable risk = 52%
ถ้ามีโรคไตวาย จากเบาหวาน 100 คน จะป่วยไตวายจากเบาหวาน เพียง 52 คน