naywinaung blog,Epidemiology Relative Risk၊ Odds Ratio နဲ့ Attributable Risk

Relative Risk၊ Odds Ratio နဲ့ Attributable Risk

Relative Risk၊ Odds Ratio နဲ့ Attributable Risk ဆိုတဲ့ အကြောင်းအရာတွေကို ဆွေးနွေးကြည့်ချင်ပါတယ်။ ဒါတွေက ဆေးသုတေသနမှာ အသုံးများတဲ့ အချက်အလက်တွေကို နှိုင်းယှဉ်တွက်ချက်တဲ့ နည်းလမ်းတွေပါ။ ရိုးရှင်းအောင် ပြောရရင် တစ်ခုခုကြောင့် ရောဂါဖြစ်နိုင်ခြေကို ဘယ်လိုတိုင်းတာမလဲဆိုတာပါပဲ။

 ၁. Relative Risk (RR) – အန္တရာယ်နှိုင်းယှဉ်ချက်

Relative Risk ဆိုတာ ဘာလဲဆိုတော့ အုပ်စုတစ်ခုခုမှာရှိတဲ့ ဖြစ်နိုင်ခြေကို နောက်အုပ်စုတစ်ခုနဲ့ နှိုင်းယှဉ်ကြည့်တာပါ။ ဥပမာ၊ ဆေးတစ်မျိုးသုံးတဲ့သူတွေမှာ ရောဂါဖြစ်နိုင်ခြေက ဆေးမသုံးတဲ့သူတွေနဲ့ ဘယ်လောက်ကွာသလဲဆိုတာကို တွက်ကြည့်တာပေါ့။

ဘယ်လိုတွက်လဲ? 

RR = (ဆေးသုံးတဲ့အုပ်စုမှာ ဖြစ်နိုင်ခြေ) ÷ (ဆေးမသုံးတဲ့အုပ်စုမှာ ဖြစ်နိုင်ခြေ) 

ဒါကို 2×2 ဇယားနဲ့လည်း တွက်လို့ရတယ်။ ဥပမာ RR = (a / (a+b)) ÷ (c / (c+d)) ဆိုတဲ့ ဖော်မြူလာပေါ့။

ဘယ်လိုဖတ်ရမလဲ? 

– RR = 1: အုပ်စုနှစ်ခုမှာ ဖြစ်နိုင်ခြေ အတူတူပဲ။ ဆိုလိုတာက ဆေးသုံးတာ၊ မသုံးတာ ဘာမှမထူးဘူးပေါ့။ 

– RR > 1: ဆေးသုံးတဲ့အုပ်စုမှာ ရောဂါဖြစ်နိုင်ခြေ ပိုများတယ်။ 

– RR < 1: ဆေးသုံးတဲ့အုပ်စုမှာ ရောဂါဖြစ်နိုင်ခြေ ပိုနည်းတယ်။ 

ဥပမာတစ်ခု 

ဆေးလိပ်သောက်တဲ့သူ ၁၀,၀၀၀ မှာ ၁,၀၀၀ ဦးက အဆုတ်ကင်ဆာဖြစ်တယ်ဆိုရင် ဖြစ်နိုင်ခြေ ၁၀% ပေါ့။ ဆေးလိပ်မသောက်တဲ့သူ ၁၀,၀၀၀ မှာ ၈၀ ဦးပဲ ဖြစ်တယ်ဆိုရင် ၀.၈% ပေါ့။ 

RR = 10% ÷ 0.8% = 12.5 

ဆိုလိုတာက ဆေးလိပ်သောက်သူတွေမှာ အဆုတ်ကင်ဆာဖြစ်နိုင်ခြေ မသောက်သူတွေထက် ၁၂.၅ ဆ ပိုများတယ်လို့ ဆိုလိုတာပါ။

ဘာတွေကို သတိထားရမလဲ? 

RR က Cohort Studies ဒါမှမဟုတ် Randomized Controlled Trials လို လေ့လာမှုတွေမှာ သုံးလို့အဆင်ပြေပါတယ်။ ဒါပေမယ့် Case-control Studies မှာတော့ မသင့်တော်ပါဘူး။ ပြီးတော့ ရောဂါဖြစ်နှုန်းနည်းတဲ့အခါ RR က အန္တရာယ်ကို အနည်းငယ် ပိုကြီးကြီးကျယ်ကျယ် ဖော်ပြတတ်ပါတယ်။

 ၂. Odds Ratio (OR) – ဖြစ်နိုင်ခြေအချိုး

Odds Ratio ကတော့ ဖြစ်ရပ်တစ်ခုဖြစ်နိုင်ခြေကို “Odds” နဲ့ နှိုင်းယှဉ်တာပါ။ Odds ဆိုတာ ဘာလဲဆိုတော့ ဖြစ်ရပ်ဖြစ်တဲ့သူအရေအတွက်ကို မဖြစ်တဲ့သူအရေအတွက်နဲ့ စားလိုက်တာပါ။ ဥပမာ၊ ရောဂါဖြစ်သူအရေအတွက် ÷ မဖြစ်သူအရေအတွက် ပေါ့။

ဘယ်လိုတွက်လဲ? 

OR = (ဆေးသုံးတဲ့အုပ်စုရဲ့ Odds) ÷ (ဆေးမသုံးတဲ့အုပ်စုရဲ့ Odds) 

2×2 ဇယားနဲ့ဆိုရင် OR = (a/b) ÷ (c/d) = ad/bc

ဘယ်လိုဖတ်ရမလဲ? 

– OR = 1: အုပ်စုနှစ်ခုမှာ Odds က အတူတူပဲ။ 

– OR > 1: ဆေးသုံးတဲ့အုပ်စုမှာ ဖြစ်နိုင်ခြေ ပိုများတယ်။ 

– OR < 1: ဆေးသုံးတဲ့အုပ်စုမှာ ဖြစ်နိုင်ခြေ ပိုနည်းတယ်။ 

ဥပမာတစ်ခု 

ဆေးလိပ်သောက်သူတွေထဲမှာ အဆုတ်ကင်ဆာဖြစ်သူ ၁၇ ဦး၊ မဖြစ်သူ ၈၃ ဦးရှိတယ်ဆိုပါစို့။ Odds = 17 ÷ 83 = 0.205။ ဆေးလိပ်မသောက်သူတွေထဲမှာ အဆုတ်ကင်ဆာဖြစ်သူ ၁ ဦး၊ မဖြစ်သူ ၉၉ ဦးဆိုရင် Odds = 1 ÷ 99 = 0.01။ 

OR = 0.205 ÷ 0.01 = 20.5 

ဆိုလိုတာက ဆေးလိပ်သောက်သူတွေမှာ အဆုတ်ကင်ဆာဖြစ်နိုင်ခြေ Odds က မသောက်သူတွေထက် ၂၀.၅ ဆ ပိုများတယ်ပေါ့။

ဘာတွေကို သတိထားရမလဲ? 

OR က Case-control Studies ဒါမှမဟုတ် Retrospective Studies လို ဖြစ်ပွားနှုန်းကို တိုက်ရိုက်မရတဲ့ လေ့လာမှုတွေမှာ သုံးလို့အဆင်ပြေပါတယ်။ ရောဂါရှားပါးတဲ့အခါ OR က RR နဲ့ နီးစပ်ပြီး RR ကို ခန့်မှန်းဖို့ အဆင်ပြေပါတယ်။ ဒါပေမယ့် ရောဂါဖြစ်မှုများတဲ့အခါ OR က RR ထက် အန္တရာယ်ကို ပိုကြီးကြီးကျယ်ကျယ် ဖော်ပြတတ်ပါတယ်။

 ၃. Attributable Risk (AR) – ဖြစ်ပွားနိုင်ခြေသတ်မှတ်ချက်

Attributable Risk ကတော့ ရောဂါဖြစ်မှုရဲ့ ဘယ်လောက်ရာခိုင်နှုန်းက တစ်ခုခုကြောင့် (ဥပမာ ဆေးလိပ်သောက်တာ) ဖြစ်တယ်ဆိုတာကို တွက်ကြည့်တာပါ။ ဆိုလိုတာက ဆေးလိပ်သောက်တာမရှိရင် ဒီရောဂါဘယ်လောက်လျော့နည်းနိုင်မလဲဆိုတာကို သိချင်တာပေါ့။

ဘယ်လိုတွက်လဲ? 

AR = (ဆေးလိပ်သောက်တဲ့အုပ်စုရဲ့ ဖြစ်နိုင်ခြေ) – (ဆေးလိပ်မသောက်တဲ့အုပ်စုရဲ့ ဖြစ်နိုင်ခြေ) 

ဘယ်လိုဖတ်ရမလဲ? 

AR က ဆေးလိပ်သောက်တဲ့အုပ်စုမှာ ဖြစ်တဲ့ ရောဂါရဲ့ ဘယ်လောက်ရာခိုင်နှုန်းက ဆေးလိပ်သောက်တာကြောင့်လဲဆိုတာကို ပြပေးပါတယ်။ ဒါက ရောဂါကာကွယ်ဖို့ ဘယ်လိုမူဝါဒတွေ ချမှတ်ရမလဲဆိုတာ ဆုံးဖြတ်ဖို့ အထောက်အကူပြုပါတယ်။

ဥပမာတစ်ခု 

Folate ဖြည့်စွမ်းစာမသောက်တဲ့ ကိုယ်ဝန်ဆောင်တွေမှာ Neural Tube Defects (NTD) ဖြစ်နှုန်း ၆၃၁/၁၀၀,၀၀၀ ဖြစ်ပြီး၊ သောက်တဲ့သူတွေမှာ ၂၄/၁၀၀,၀၀၀ ပဲဖြစ်တယ်ဆိုပါစို့။ 

AR = 631/100,000 – 24/100,000 = 607/100,000 

AR Percentage = (607/631) × 100% = 96.2% 

ဆိုလိုတာက Folate မသောက်တဲ့သူတွေမှာ ဖြစ်တဲ့ NTD ရဲ့ ၉၆.၂% က Folate မသောက်တာကြောင့်ပဲလို့ သတ်မှတ်နိုင်တယ်။ ဒါကို ဖယ်ရှားနိုင်ရင် ရောဂါကို ၉၆.၂% လျှော့ချနိုင်မယ်ပေါ့။

ဘာတွေကို သတိထားရမလဲ? 

AR က ဘက်လိုက်မှုတွေ၊ တိုင်းတာမှုအမှားတွေ၊ ရွေးချယ်မှုဘက်လိုက်မှုတွေကြောင့် ထိခိုက်နိုင်ပါတယ်။ ပြီးတော့ ဒီတွက်ချက်မှုက လေ့လာတဲ့ လူဦးရေပေါ်မှာ မူတည်တာမို့ တခြားလူဦးရေမှာ အတူတူဖြစ်မယ်လို့ ယေဘုယျယူဆလို့မရပါဘူး။

 အကျဉ်းချုပ် နှိုင်းယှဉ်ကြည့်ရင်

– RR နဲ့ OR က အကြောင်းရင်းနဲ့ ရောဂါဆက်နွှယ်မှုရဲ့ အင်အားကို တိုင်းတာတယ်။ RR က Cohort Studies နဲ့ RCTs မှာ သုံးပြီး ဖြစ်နိုင်ခြေကို တိုက်ရိုက်တွက်ပါတယ်။ OR က Case-control Studies မှာ သုံးပြီး Odds ကို တွက်တယ်။ ရောဂါရှားပါးတဲ့အခါ OR က RR နဲ့ နီးစပ်ပါတယ်။ 

– AR ကတော့ ရောဂါဖြစ်မှုရဲ့ ဘယ်လောက်ရာခိုင်နှုန်းက အကြောင်းရင်းတစ်ခုကြောင့်လဲဆိုတာကို ပြပေးပါတယ်။ ဒါက ပြည်သူ့ကျန်းမာရေးမှာ ရောဂါကာကွယ်ဖို့ မူဝါဒချမှတ်ရာမှာ အရေးကြီးပါတယ်။

နပေတိုး


Discover more from naywinaung

Subscribe to get the latest posts sent to your email.

Leave a Reply

Your email address will not be published. Required fields are marked *

Related Post

Purposive SamplingPurposive Sampling

Purposive Sampling ဆိုတာက သုတေသနရဲ့ ရည်ရွယ်ချက်နဲ့ ကိုက်ညီတဲ့ လူတွေကို ရွေးချယ်ပြီး Data တွေ စုဆောင်းတဲ့ နည်းလမ်းပဲဖြစ်ပါတယ်။ ပြောရရင် ကိုယ်လေ့လာချင်တဲ့ အကြောင်းအရာကို နားလည်တဲ့သူတွေ၊ အတွေ့အကြုံရှိတဲ့သူတွေကိုပဲ ရွေးထုတ်ပြီး  သုတေသနပြုတာပေါ့။ Purposive Sampling ကို ဘယ်လိုလုပ်မလဲဆိုတော့… ၁။ ပထမဦးဆုံး သုတေသနရည်ရွယ်ချက်ကို အတိအကျ သတ်မှတ်ရပါမယ်။ ဘာကို လေ့လာချင်တာလဲ၊

Six_SigmaSix_Sigma

#Six_Sigmaဒီတစ်ခါ ညွှန်းချင်တဲ့စာအုပ်ကတော့ “Lean Six Sigma for the Healthcare Practice: A Pocket Guide” ဖြစ်ပြီး၊ Dr. Roderick A. Munro က ၂၀၀၉ ခုနှစ်မှာ ရေးသားထုတ်ဝေခဲ့တာပါ။ စာအုပ်ရဲ့ အဓိကရည်ရွယ်ချက်ကတော့ ကျန်းမာရေးစောင့်ရှောက်မှု လုပ်ငန်းစဉ်တွေကို စဉ်ဆက်မပြတ် တိုးတက်စေဖို့ (continual improvement) ပဲ

Bessel’s CorrectionBessel’s Correction

Bessel’s Correctionစာရင်းအင်းနယ်ပယ်တွင် ဒေတာများကို ခွဲခြမ်းစိတ်ဖြာရာတွင် တိကျမှုနှင့် ယုံကြည်စိတ်ချရမှုသည် အဓိက အချက်ဖြစ်သည်။ အထူးသဖြင့် sample ဒေတာများမှ population ကို ခန့်မှန်းရန် ကြိုးစားချိန်တွင် အမှားများကို ရှောင်ရှားရန် လိုအပ်ပါသည်။ ဤနေရာတွင် Bessel’s correction ဟူသော ချိန်ညှိနည်းလမ်းသည် အရေးပါလာပါသည်။ Bessel’s Correction ဆိုတာ ဘာလဲ။Bessel’s correction သည်