Sử dụng mô hình dự báo giá trị lý thuyết sao cho đúng ? Phần 1

Target

Hôm trước có một người bạn từ Việt Nam kể cho tôi nghe một trường hợp mâu thuẫn trong chẩn đoán bệnh phổi tắc nghẽn mạn tính khiến bệnh nhân hoang mang, đó là trường hợp cùng 1 bệnh nhân nhưng khám ở 2 phòng khám khác nhau, cho ra 2 chẩn đoán khác nhau, một bệnh nhẹ (độ I), một bệnh rất nặng (mức độ III), với 2 bản kết quả thăm dò chức năng hô hấp khác biệt nhau. Vấn đề trở nên rõ ràng khi tôi biết bác sĩ đã sử dụng tỉ lệ phần trăm so với giá trị lý thuyết để làm tiêu chuẩn chẩn đoán.

Đây là một vấn đề không bao giờ cũ…

Ngay cả khi bạn có khẩu súng tốt nhất, bạn vẫn có thể bắn trật mục tiêu, nếu ngay từ đầu tấm bia đưa ra mục tiêu sai.

Trong loạt bài trước, tôi đã nêu lên 2 vấn đề quan trọng trong việc diễn giải kết quả thăm dò chức năng hô hấp, đó là :
(1)- Không nên dựa vào tỉ lệ phần trăm trên giá trị lý thuyết vì có nguy cơ dẫn tới sai sót trong chẩn đoán.
(2)- Nên sử dụng ngưỡng giới hạn giá trị bình thường : Ngưỡng thấp hay giới hạn dưới : LLN (lower limit of normal) và Ngưỡng cao hay giới hạn trên : ULN (Upper limit of normal) khi diễn giải kết quả và chẩn đoán triệu chứng rối loạn chức năng hô hấp.

Sau đó có một số bạn đọc đã liên lạc hỏi tôi về cách tính LLN và ULN như thế nào, nên trong bài hôm nay tôi sẽ giải thích thêm về LLN và ULN, cũng như cách xác định giá trị của chúng dựa trên mô hình dự báo giá trị lý thuyết bất kì.

Trong bài viết này tôi cũng sẽ hướng dẫn các bạn đồng nghiệp tự tạo cho mình 1 bảng Excel cho phép tính giá trị lý thuyết của các thông số chức năng hô hấp, để đơn giản hóa việc đọc kết quả thăm dò chức năng hô hấp cho bệnh nhân tại phòng khám.

I. Không nên tin vào giá trị lý thuyết mà máy đo cung cấp cho bạn:

Tôi khuyên các bạn không nên tin tưởng vào giá trị lý thuyết cung cấp một cách tự động của bất kì thiết bị nào (trừ khi bạn có khả năng kiểm soát quản lý quá trình tính toán này).

Nói cách khác các bạn chỉ có thể đặt niềm tin vào giá trị dự báo (lý thuyết) do  tự mình tính ra.

Thuật toán xác định giá trị lý thuyết được tích hợp trong thiết bị đo, chúng có nhiều bất lợi :

(1) Thiếu chính xác : Có rất nhiều mô hình dự báo khác nhau cho một loại thông số, nhưng giá trị của chúng có thể khác xa nhau, một mô hình có thể áp dụng tốt cho 1 lứa tuổi hay 1 chủng tộc nào đó nhưng không phù hợp cho đối tượng khác nằm ngoài giới hạn này. Ta không thể dùng mô hình của người lớn cho trẻ em và ngược lại. Ngay cả khi cùng 1 chủng tộc, tính chính xác của mô hình dự báo cũng có thể hơn kém nhau tùy theo phương pháp thống kê được sử dụng khi thiết lập mô hình, thiết bị đo và kỹ thuật đo, cỡ mẫu… Việc chọn lọc những mô hình dự báo chuẩn cho một cộng đồng bệnh nhân là rất khó khăn. Ở nước ngoài, mô hình dự báo thường được một hội đồng các chuyên gia thống nhất ý kiến với nhau để áp dung cho một quốc gia, một thành phố hay một bệnh viện.

(2) Thiếu linh hoạt : Thuật toán thường cố định, không thể thay đổi được (nhiều trường hợp chúng được mã hóa ngay trong phần cứng của thiết bị ) nên thiếu tính linh hoạt. Đa số các thiết bị thăm dò chức năng hô hấp cho phép người sử dụng lựa chọn mô hình dự báo dựa theo 1 danh sách cho sẵn, nhưng rất ít nhà sản xuất cho phép người sử dụng cập nhật những mô hình dự báo mới hay sửa chữa nội dung của những mô hình dự báo có sẵn. Như vậy theo thời gian, chúng sẽ mất dần tính linh hoạt trong chẩn đoán. Vì vậy chúng ta không nên tin tưởng hoàn toàn vào giá trị lý thuyết do máy móc cung cấp.

(3) Không cho phép tính LLN và ULN: Máy đo chỉ cung cấp được giá trị trung bình lý thuyết và tỉ lệ % so với giá trị này. Cả 2 không giúp ích gì nhiều trên thực tế. Trong các bài trước, tôi đã nêu rõ ngưỡng giá trị % là không chính xác, dễ dẫn tới sai sót khi chẩn đoán. Rất ít thiết bị đo có thể cho ta biết giá trị ngưỡng tối đa và tối thiểu (ULN, LLN).

Việc bác sĩ lâm sàng tự mình tính giá trị lý thuyết của các thông số chức năng hô hấp là rất cần thiết, với những ưu điểm chính:

(1) Người bác sĩ hoàn toàn chủ động lựa chọn mô hình dự báo tối ưu nhất cho bệnh nhân của mình (ví dụ mô hình cho người châu á, cho trẻ em, cho người già…), và nắm rõ về độ chính xác, nguồn gốc của mô hình này.
(2) Xác định được giá trị LLN và ULN giúp chẩn đoán hữu hiệu hơn nhiều so với ngưỡng giá trị %
(3) Dễ dàng cập nhật những mô hình mới nhất trong y văn

II. Mô hình dự báo cho ta biết điều gì ?

Có rất nhiều (hàng ngàn) nghiên cứu dịch tễ học lâm sàng trong y văn cung cấp những mô hình dự báo giá trị lý thuyết của một biến số chức năng hô hấp. Những nghiên cứu này thường có cụm từ: “Reference values” hay “normal values” và dễ dàng tìm ra trên pubmed.

Trong những nghiên cứu loại này, người ta sẽ chọn ngẫu nhiên 1 nhóm lớn người bình thường (không có bệnh lý hô hấp, không hút thuốc lá) để khảo sát 1 thông số (biến số phụ thuộc ); sau đó sử dụng phân tích hồi qui để dựng nên 1 mô hình dự đoán dựa vào nhiều biến số độc lập (tuổi, giới tính, chiều cao, cân nặng…). Phương trình dự báo này cho phép tính giá trị trung bình theo lý thuyết.

Sau đó tùy vào phương pháp thống kê mà ta có thể xác định được giới hạn trên và dưới của khoảng giá trị bình thường (ULN và LLN).

Ý nghĩa thống kê của LLN, ULN : Giới hạn trên và giới hạn dưới của khoảng giá trị bình thường của biến số X có thể hiểu là giá trị dự báo của biến số này ở bách phân vị thứ 95 (ULN) và thứ 5 (LLN) trong quần thể lý thuyết (với giả định là biến số X được phân phối chuẩn).

Ý nghĩa lâm sàng : Ý nghĩa của LLN và ULN trong lâm sàng tùy thuộc vào bản chất của biến số X, nhưng nói chung ; LLN dùng để chẩn đoán hiện tượng giảm sút bất thường, và ULN dùng để chẩn đoán hiện tượng tăng cao bất thường. Tùy theo biến số X mà sự tăng/giảm được xem là an toàn hay nguy hiểm cho bệnh nhân. Ý nghĩa của LLN và ULN trong thăm dò chức năng hô hấp cũng giống như trong các xét nghiệm sinh hóa. Khi giá trị đo được < LLN, đó là sự suy giảm, khi giá trị đo được > ULN, đó là sự tăng cao.
Ví dụ : Đối với lưu lượng thông khí (FEV1, FEV1/FVC) thì sự suy giảm là bất thường bệnh lý, trong khi đối với trở kháng (Raw, Rint, Resistances…) thì sự tăng quá cao là bệnh lý. Trong cả 2 trường hợp đều hướng tới nghi ngờ hội chứng tắc nghẽn.

Như vậy để diễn giải kết quả thăm dò chức năng hô hấp, các bác sĩ cần có trong tay 3 thông tin :
(1) Mô hình dự báo giá trị lý thuyết (phương trình dự báo và các thông số thống kê kèm theo như độ lệch chuẩn, phương sai, độ lệch, khoảng tin cậy…) của biến số X
(2) Giá trị đo được của X trên bệnh nhân
(3) Giá trị của các yếu tố dự báo (giới tính, tuổi, chiều cao, cân nặng ) ở bệnh nhân
Tùy theo đặc tính phân phối của mô hình mà ta có những cách tính LLN, ULN khác nhau.

Ví dụ Mô hình « Giá trị trung bình và RSD » : Mô hình này rất thông dụng, nó dựa trên giả định là giá trị được phân phối chuẩn, như vậy ngưỡng tối đa và tối thiểu (ULN, LLN) sẽ tương ứng với bách phân vị thứ 5 và 95, ta có thể xác định LLN và ULN nếu biết giá trị trung bình dự báo (M) và độ lệch chuẩn (Residual SD)

Việc diễn giải kết quả gồm 3 bước :

(1) Tính giá trị trung bình lý thuyết (Mean) dựa vào phương trình dự báo và giá trị các yếu tố dự báo
(2) Tính giá trị của LLN (hoặc ULN) dựa vào Mean và các thông số thống kê
(3) So sánh giá trị đo được và giá trị của LLN (ULN) để rút ra kết luận về sự tăng giảm

III. Sử dụng mô hình dự báo thế nào cho đúng ?

Nếu tại khoa phòng của các bạn có máy tính, cách đơn giản nhất là sử dụng chức năng lập công thức trong Excel hay Word để tạo cho riêng mình một công cụ tính toán nhanh chóng giá trị của Mean, LLN, ULN dựa vào các thông số nhập vào như tuổi, chiều cao… của bệnh nhân.

Tuy nhiên trước khi bắt tay vào việc, chúng ta cần tránh 1 số sai lầm như sau:

Có 6 sai lầm thường gặp khi sử dụng mô hình dự báo : chúng có thể dẫn tới dự báo sai và từ đó chẩn đoán sai :

(1) Chủng tộc : Nói chung cần hạn chế sử dụng mô hình dự báo của người da trắng cho bệnh nhân Việt Nam. Đã có nhiều trường hợp chẩn đoán sai về độ nặng của bệnh phổi tắc nghẽn mạn tính ở bệnh nhân VN do áp dụng máy móc tiêu chuẩn của GOLD. Tốt nhất các bác sĩ nên tự tìm hiểu để trang bị cho mình một mô hình dự báo cho người Châu Á.

(2) Tuổi và chiều cao: Theo lý thuyết, nên tuân thủ tuyệt đối giới hạn tuổi, chiều cao của quần thể được khảo sát trong mô hình dự báo, hoặc chấp nhận sai lệch 1-2 năm là tối đa, không nên cố áp dụng mô hình cho người nằm ngoài giới hạn này. Ví dụ nếu mô hình dự báo được thiết lập cho độ tuổi từ 18-70, không nên cố thử áp dụng cho người 15 tuổi hay 75 tuổi vì kết quả chắc chắn sẽ sai.

(3) Những mô hình quá cũ xưa :
Cần hết sức cẩn trọng khi sử dụng những mô hình được xuất bản trước thập niên 90, vì những lý do như sau : Đầu tiên là những sai sót có thể do hạn chế của công nghệ, phương pháp đo vốn không thể hoàn hảo và chưa được chuẩn hóa vào những năm 1960-1980, kế đến là hạn chế của phương pháp thống kê (những mô hình cổ xưa thường dựa trên phương pháp hồi qui tuyến tính đơn giản, vốn đã được chứng minh là kém chính xác so với những mô hình đa biến, phi tuyến tính được tìm ra vào những năm gần đây. Cuối cùng, chắc chắn đã có sự thay đổi về đặc điểm dịch tễ học của mọi chủng tộc sau 30 năm : Ở thời điểm hiện nay (thế kỉ 21), loài người đã tăng chiều cao, tăng mức độ béo phì, tuổi thọ… so với những năm 1970.

(4) Đơn vị của biến số : Trước khi áp dụng bất kì mô hình dự báo nào, chúng ta cần phải cẩn thận kiểm tra lại đơn vị của các biến số dự báo cũng như biến số X. Đôi khi, ta không thể sử dụng phương trình dự báo ở dạng nguyên thủy, đơn giản vì nó ở hệ đơn vị đo lường hoàn toàn khác với hệ mà ta đang sử dụng trên bệnh nhân. Ví dụ, chiều cao vốn thường được đo bằng cm, tuổi bằng năm, nhưng một số mô hình dự báo lại sử dụng những đơn vị không chuẩn : ví dụ ở trẻ em tuổi tính bằng tháng, có khi chiều cao tính bằng m, thậm chí bằng feet hay inch. Ngay cả biến số khảo sát (ví dụ lưu lượng, thể tích hay kháng lực) cũng có thể sử dụng những hệ đơn vị không chuẩn ; ví dụ thể tích có thể tính bằng mL hoặc L, áp suất có thể tính bằng kilopascal, mmHg, cmH2O, thể tích khí CO có thể tính bằng ml hay mmol. Đây là một vấn đề hết sức khó chịu nhưng có thể giải quyết bằng cách qui đổi đơn vị trực tiếp trên phương trình dự báo bằng hệ số qui đổi

(5) Pha trộn những phương trình dự báo với nhau : Đây là sai lầm rất thường gặp, do tính cầu toàn của người sử dụng. Trên thực tế, một mô hình dự báo thường không cung cấp đầy đủ tất cả các biến số mà ta mong muốn, ví dụ một số mô hình cho hô hấp ký chỉ dự báo FEV1, FVC, FEV1/FVC mà không dự báo những biến số khác như PEF, FEF25-75%. Hoặc cùng biến số nhưng kỹ thuật đo khác nhau giữa các mô hình. Chúng tôi khuyên các bạn không nên pha trộn, gán ghép những mô hình khác nhau với nhau để cho ra 1 bảng giá trị lý thuyết đầy đủ cho mọi biến số, ví dụ ghép 1 phương trình dự báo FRC đo bằng plethysmography với 1 phương trình dự báo cho RV đo bằng phương pháp Helium, hoặc ghép FEF, PEF của 1 mô hình dự báo này với FEV1, FVC của mô hình dự báo khác. Cũng cần tránh tính toán giá trị dự báo của một biến số dựa vào 2, 3 phương trình khác nhau của những biến số khác, ví dụ tính ERV từ 2 phương trình khác nhau cho CRF và cho RV.

(6) Biến số đã bị chuyển dạng: Đây là một vấn đề tế nhị mà ta cần lưu tâm khi áp dụng các mô hình dự báo. Đôi khi, để thỏa mãn giả định phân phối chuẩn của mô hình, các tác giả đã chuyển dạng biến số khảo sát (X), thường gặp nhất là chuyển sang thang đo Logarithm tự nhiên (cơ số e) hay Logarith thập phân (cơ số 10). Ví dụ : Ln(X) = f(A,B,C…). Do đó ta không thể sử dụng phương trình dự báo ở dạng nguyên thủy được. Khi gặp những dạng phương trình kiểu này, chúng ta cần phải chuyển đổi ngược cho cả phương trình, ví dụ nếu biến số X bị tác giả đổi sang Ln(X) thì cả phương trình dự báo phải được đặt trong hàm EXP(X) hay e^X. Tương tự nếu biến số X bị tác giả đổi sang Log(X), cả phương trình X phải được đổi thành 10^X. Việc chuyển đổi này cũng ảnh hưởng tới qui trình tính LLN (X) và ULN (X).

(Còn tiếp) : Bài 2: Lập công thức tính Mean, LLN, ULN trong bảng Excel

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s

%d bloggers like this: