Trong các bài nghiên cứu y tế mà ThS Khánh và team làm thường xuyên, mục đích thường là so sánh sự khác nhau giữa hai nhóm đối tượng: nhóm điều trị và nhóm chứng, hoặc trước và sau can thiệp, hoặc nam và nữ. Trong những tình huống như vậy, kiểm định t-test được dùng để xác định xem trung bình của hai nhóm có khác nhau về mặt thống kê hay không.
1. Tại sao T-test quan trọng trong nghiên cứu y tế?
Trong nghiên cứu y tế, các chỉ số như huyết áp, nồng độ cholesterol, BMI, hoặc mức độ hài lòng với chất lượng dịch vụ… được sử dụng như biến phụ thuộc. Việc so sánh giá trị trung bình giữa hai nhóm để đánh giá tác động của một yếu tố can thiệp (thuốc, phương pháp điều trị, giáo dục sức khỏe…) rất cần đến kiểm định T-test.
2. Phân loại các loại T-test trong Stata
T-test Tình huống sử dụng Lệnh trong Stata
- Loại T-test 1 mẫu (One-sample):So sánh trung bình với giá trị cố định, ví dụ muốn test chỉ số BMI có bằng 23 không thì sử dụng lệnh: ttest bmi = 23
- Loại T-test 2 mẫu độc lập: So sánh trung bình giữa hai nhóm không liên quan, ví dụ muốn test có sự khác biệt về BMI giữa 2 nhóm giới tính khác nhau thì dùng lệnh: ttest bmi, by(gioitinh)
- Loại T-test có ghép cặp (Paired):So sánh giá trị trước và sau ở cùng đối tượng, ví dụ so sánh huyết sắc tố Hemoglobin A của 1 nhóm người ở hai thời điểm khác nhau thì sử dụng lệnh ttest hba1c_truoc = hba1c_sau
3. Ví dụ 1: Kiểm định T-test 2 mẫu trong nghiên cứu huyết áp
Tải có dữ liệu về huyết áp tối đa (SBP) của 100 bệnh nhân, trong đó 50 người được dùng thuốc A và 50 người dùng giả dược (placebo). Tải tại đây https://phantichstata.com/filedownload/huyetap.dta
Biến: sbp = huyết áp tối đa
Biến: nhom = 1 (thuốc A), 0 (placebo)
use huyetap.dta, clear
ttest sbp, by(nhom)
Diễn giải kết quả t-test
Null hypothesis (H0): Trung bình huyết áp hai nhóm bằng nhau.
Kết quả: p-value < 0.05, ta bác bỏ H0 và kết luận huyết áp trung bình khác nhau giữa hai nhóm.
4. Ví dụ 2: T-test có ghép cặp (paired T-test) trước và sau can thiệp
Chỉ số HbA1c trước và sau khi áp dụng một chương trình dành cho bệnh nhân tiểu đường nằm trong file sau, bạn tải về nhé: https://phantichstata.com/filedownload/hba1c.dta
use hba1c.dta, clear
ttest hba1c_truoc = hba1c_sau
Giải thích kết quả lệnh paired sample.
Do trung bình HbA1c sau < trước và p < 0.05, nên kết luận rằng có sự khác biệt về giá trị HbA1c sau và trước, nên suy ra chương trình can thiệp có hiệu quả.
5. Lưu ý khi dùng T-test trong Stata
Giả định về phân phối: T-test giả định dữ liệu phân phối chuẩn. Có thể kiểm định nhanh qua histogram hoặc lệnh sktest.
Kiểm tra động nhất phương sai: Trong T-test hai mẫu, nếu phương sai không đồng nhất, Stata sẽ điều chỉnh tự động (Welch correction).
Biến nhóm phải được mã hóa rõ ràng (0/1 hoặc 1/2).
Tóm lại, T-test là công cụ kiểm định cơ bản,rất hiệu quả trong nghiên cứu y tế. Việc sử dụng đúng loại T-test trong Stata giúc bạn đưa ra những kết luận mang tính khoa học và đáng tin cậy.
Nếu bạn cần hỗ trợ thêm về việc chạy mô hình hoặc xử lý số liệu, đừng ngần ngại liên hệ với nhóm MBA Bách Khoa qua các kênh sau:
-Zalo 0903396688 
-Facebook facebook.com/hotroStata