(1) คำนวณค่า RR, Mantel-Haenzsel adj. RR (M-H adj. RR)
โดยใช้ ผลรวมของ ai(ci+di)/ni หารด้วย ผลรวมของ c(ai+bi)/ni
(2) 95%CI ของ RR, M-H adj. RR ใช้ STATA
(3) OpenEpi และ Breslow-Day test for Risk Ratio over strata,
p greater than 0.05 does not suggest interaction. Adjusted RR can be used.
ชาย 27 คน หญิง 33 คน รวม 60 คน
แต่ละคนเลือก ทาครีมหน้าขาว และไม่ทาครีม เป็น cohort study
ชาย ทาครีม 18 คน ไม่ทา 9 คน
หญิง ทาครีม 11 คน ไม่ทา 22 คน
Exposed คือ ทาครีม 29 คน
Unexposed คือ ไม่ทาครีม 31 คน
รวมกันอย่างหยาบ Crude หมายถึงไม่แยกชายและหญิง
a = ทาครีมและได้ผล (Exposed with outcomes)
b = ทาครีมแต่ไม่ได้ผล
c = ไม่ทาครีมแต่ได้ผล (Unexposed with outcomes)
d = ไม่ทาครีมและไม่ได้ผล
risk1 = a / (a+b)
risk2 = c / (c+d)
ทาครีม 29 คน หน้าขาว 9 คน risk1 = 9/29 (31.03%)
ไม่ทาครีม 31 คน หน้าขาว 6 คน risk2= 6/31 (19.35%)
Crude Risk Ratio = (9/29) / (6/31) = 1.6
กลุ่มทาครีมแล้วหน้าขาว เป็น 1.6 เท่าของกลุ่มไม่ทาครีม
ชาย จำนวน 27 คน
ทาครีม 18 คน หน้าขาว 8 คน risk1 = 8/18 (44.4%)
ไม่ทาครีม 9 คน หน้าขาว 4 คน risk2 = 4/9 (44.4%)
Risk Ratio = (8/18) / (4/9) = 1
หญิง จำนวน 33 คน
ทาครีม 11 คน หน้าขาว 1 คน risk1 = 1/11 (9.1%)
ไม่ทาครีม 22 คน หน้าขาว 2 คน risk1 = 2/22 (9.1%)
Risk Ratio = (1/11) / (2/22) = 1
M-H adjusted Risk Ratio
คำนวณโดย ผลรวมของ [ai(bi+di)/ni] หารด้วย ผลรวมของ [ci(ai+bi)/ni] ของแต่ละกลุ่ม
Results
(1) ถ้ารวมกันแบบ Crude RR = 1.6
(2) ถ้าแยกกลุ่ม จะได้ ชาย RR=1, หญิง RR=1
หมายถึง เพศ (ชาย และ หญิง) เป็น Confounding
ชาย 18 คน ทาครีมแล้วได้ผล 10 คน (Risk = 44.4 %)
หญิง 11 คน ทาครีมแล้วได้ผล 1 คน ((Risk = 9.1 %)
เพศ (ชาย, หญิง) ทำให้ RR ของการทาครีมและหน้าขาว จาก 1 เปลี่ยนเป็น 1.6
ถ้าไม่วิเคราะห์แบบแยกชั้น เป็นชายและหญิง จะทำให้สรุปผิดว่า "ทาครีมแล้วได้ผล"
(3) ถ้าใช้วิธี Mantel-Haenzsel adjusted Risk Ratio
M-H adj. RR = 1
M-H adj. RR ได้เท่ากันกับ การคำนวณแยกแต่ละกลุ่ม
STATA
RR, Crude RR, M-H adj RR และ 95%CI
จะคำนวณ Risk Ratio, 95%CI แยกกลุ่มรวมกันแบบ Crude และ รวมกันแบบ M-H adjusted
95%CI ของ RR จะบอกช่วงกว้างของ RR ในระดับ population
OpenEpi
RR, Crude RR, M-H adj RR และ 95%CI, B-D test
B-D test (Breslow-Day) test for interaction over stratra
ทดสอบ Ho: RR1 ไม่ต่างจาก RR2
ถ้า p value > 0.05 หมายถึง ไม่น่าจะมี Interaction ใช้ adj RR ได้
ตัวอย่างครีมทาหน้าขาว ด้านบนเทียบได้กับ data_set 4
data_set 1 คือมี Interaction และมี Confounding
data_set 2 คือมี Interaction
data_set 3 คือมี Interaction
data_set 4 คือ ไม่มี Interaction แต่มี Confounding
data_set 5 คือ ไม่Interaction และไม่มี Confounding
M-H adj RR ตรวจพบ Confounding ในขั้นตอนวิเคราะห์
ช่วยบอกว่า M-H adj. RR = 1 ต่างจาก Crude RR = 1.6
B-D test, p มากกว่า 0.05 ช่วยบอกว่า ใช้ M-H Adj OR ได้
การรวมกันแบบ Crude บางครั้งทำให้ RR = 1 และ RR = 1 เพิ่มเป็น 1.6
Crude RR 1.6 (95%CI 0.65 to 3.9) ค่าคร่อม 1 ถ้าเพิ่มจำนวนตัวอย่าง แล้วพบว่า sig.
จะทำให้สรุปผิดว่าทาครีมแล้วได้ผล ถ้าแยกคำนวณชายและหญิง จะพบว่า RR=1
ป้องกัน Confounding ตั้งแต่แรก โดยวิธี individual matching, group matching
Simpson's Paradox
การรวมกันแบบ Crude บางครั้งทำให้ RR = 1.2 และ RR = 1.2 ลดเป็น 0.6
ถ้าตัวแปรนั้นจะเป็น Confounding ตัวแปรที่ 3 นั้น นอกจากว่าคาดจะส่งผลต่อ Outcome
ยังจะต้องเกี่ยวข้องกับสิ่งที่คาดว่าก่อโรค (มี Association ไม่เป็นอิสระจากกัน กับ Exposure)
สำหรับการที่จะเป็น Effect modification ไม่ต้องเกี่ยวข้องกับสิ่งที่คาดว่าก่อโรค
..... อ่านต่อได้ที่: https://www.gotoknow.org/posts/461915