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