Nghiên cứu chỉ có 20 người tham gia thì tin được đến đâu?

Một nghiên cứu chỉ có 20 người tham gia có thể hữu ích để thăm dò ý tưởng hoặc tìm liều phù hợp, nhưng hiếm khi đủ để kết luận một phương pháp thật sự hiệu quả. Với cỡ mẫu nhỏ, may rủi có thể tạo ra hoặc che mất khác biệt (Evans và cộng sự, 2011), và các nghiên cứu thiếu cỡ mẫu thường cho hiệu quả trông lớn hơn (Turner và cộng sự, 2013).

Tóm tắt nhanh:

• Cỡ mẫu nhỏ làm khoảng tin cậy rất rộng.
• 4 trên 10 so với 6 trên 10 người có thể chỉ là may rủi; cùng tỷ lệ trên 100 người mỗi nhóm thì đáng tin hơn.
• Trong 70% phân tích gộpPhân tích gộp (Meta-analysis)Phân tích gộp là phương pháp kết hợp bằng thống kê kết quả của từ hai nghiên cứu riêng biệt trở lên, thường bằng trung bình có trọng số, để có ước tính chính xác hơn so với từng nghiên cứu đơn lẻ.Xem giải thích đầy đủ → của Cochrane được khảo sát, mọi nghiên cứu thành phần đều thiếu lực thống kê.
• Nghiên cứu nhỏ có vai trò riêng, nhưng kết luận cần nhiều nghiên cứu lớn hoặc tổng quan hệ thốngTổng quan hệ thống (Systematic review)Tổng quan hệ thống là loại nghiên cứu cố gắng thu thập toàn bộ bằng chứng thực nghiệm đáp ứng các tiêu chí định trước để trả lời một câu hỏi cụ thể, bằng phương pháp tường minh, có hệ thống và nhằm giảm thiên lệch.Xem giải thích đầy đủ →.

Vì sao cỡ mẫu nhỏ dễ cho kết quả may rủi?

Vì với ít người, chỉ vài trường hợp “lệch” cũng làm kết quả thay đổi mạnh. Sách Testing Treatments lấy ví dụ tung đồng xu: gặp một chuỗi năm lần ngửa hoặc sấp liên tiếp không phải hiếm; muốn bớt bị may rủi đánh lừa thì cần dựa trên đủ nhiều trường hợp (Evans và cộng sự, 2011).

Ví dụ: 4 trên 10 và 6 trên 10 có thật sự khác nhau?

Có thể không. Evans và cộng sự (2011) đưa ví dụ: trong nhóm dùng cách điều trị A có 4 trên 10 người tử vong, nhóm dùng cách B có 6 trên 10 người tử vong. Tỷ số nguy cơ là 0,4 chia 0,6 ≈ 0,67, trông như A tốt hơn hẳn. Nhưng các tác giả cho rằng với số người ít như vậy, kết luận A tốt hơn có lẽ là không hợp lý; cùng tỷ số đó với 40 trên 100 và 60 trên 100 người thì thuyết phục hơn nhiều.

Khoảng tin cậy 95%Khoảng tin cậy 95% (95% confidence interval)Khoảng tin cậy 95% là khoảng giá trị ước lượng từ dữ liệu; con số 95% chỉ tần suất mà các khoảng tính theo cùng cách, qua rất nhiều nghiên cứu, sẽ chứa giá trị thật nếu các giả định đúng, không phải xác suất của một khoảng cụ thể.Xem giải thích đầy đủ → (khoảng giá trị mà khác biệt thật nhiều khả năng nằm trong đó) cho thấy rõ điều này. Phép tính minh họa của người viết, dùng công thức gần đúng cho hiệu hai tỷ lệ:

• 10 người mỗi nhóm (tổng 20 người): chênh lệch là 60% trừ 40% = 20 điểm phần trăm. Sai số chuẩn = √(0,4 × 0,6 / 10 + 0,6 × 0,4 / 10) = √0,048 ≈ 0,219. Biên sai số = 1,96 × 0,219 ≈ 0,43. Khoảng tin cậy: từ khoảng âm 23 đến 63 điểm phần trăm.
• 100 người mỗi nhóm: sai số chuẩn = √(0,4 × 0,6 / 100 + 0,6 × 0,4 / 100) = √0,0048 ≈ 0,069. Biên sai số = 1,96 × 0,069 ≈ 0,136. Khoảng tin cậy: từ khoảng 6 đến 34 điểm phần trăm.

Với 20 người, khoảng tin cậy chứa cả số 0 và giá trị âm: dữ liệu vẫn phù hợp với khả năng A và B như nhau, thậm chí A kém hơn. Với 200 người, khoảng hẹp hơn và không chứa số 0. Với mẫu rất nhỏ, cách tính chính xác hơn có thể cho con số hơi khác. Testing Treatments tóm lại: càng nhiều người tham gia thì độ bất định càng giảm, và với khoảng tin cậy, “càng hẹp càng tốt” (Evans và cộng sự, 2011).

Lực thống kê là gì và vì sao nhiều nghiên cứu thiếu nó?

Lực thống kê (statistical power) là xác suất một nghiên cứu phát hiện được hiệu quả nếu hiệu quả đó thật sự tồn tại. Turner và cộng sự (2013) khảo sát 14.886 phân tích gộp trong các tổng quan Cochrane và thấy ở 10.492 phân tích gộp (70%), tất cả nghiên cứu thành phần đều thiếu lực thống kê. Lực thống kê trung vị để phát hiện mức giảm nguy cơ tương đối 30% chỉ là 13%.

Nghĩa là: nếu một cách điều trị thật sự giảm nguy cơ 30%, thì trong 100 nghiên cứu cỡ như vậy, chỉ khoảng 13 nghiên cứu phát hiện được, khoảng 87 nghiên cứu sẽ bỏ sót. Vì thế, “không tìm thấy khác biệt” trong một nghiên cứu nhỏ chưa chắc là “không có khác biệt”.

Vì sao nghiên cứu nhỏ hay cho kết quả “ấn tượng” hơn?

Một phần vì may rủi cộng với thiên lệch xuất bản: kết quả nổi bật dễ được công bố hơn kết quả “không có gì”. Turner và cộng sự (2013) ghi nhận các nghiên cứu thiếu lực thống kê cho hiệu quả trông có lợi hơn các nghiên cứu đủ lực: tỷ số chênh thấp hơn khoảng 15% ở thử nghiệm thuốc có đối chứng và 12% ở thử nghiệm không dùng thuốc. Ở nghiên cứu động vật, chỉ 0% đến 3% nghiên cứu có tính cỡ mẫu từ trước, và thiên lệch xuất bản có thể chiếm khoảng một phần ba hiệu quả được báo cáo trong các nghiên cứu đột quỵ (van der Worp và cộng sự, 2010). Thiếu sót thiết kế ở nghiên cứu động vật và thử nghiệm lâm sàng ban đầu cũng được nêu là lý do ít liệu pháp được phê duyệt (Ineichen và cộng sự, 2024). Hiện tượng này liên quan chặt chẽ đến p-hacking và khủng hoảng tái lập trong khoa học.

Khi nào nghiên cứu ít người vẫn có giá trị?

Khi câu hỏi phù hợp với cỡ mẫu. Thử nghiệm lâm sàng giai đoạn I thường chỉ có 20 đến 80 người, nhằm xác định liều phù hợp và tác động lên cơ thể; giai đoạn II mở rộng lên 100 đến 300 người, giai đoạn III lên 1.000 đến 3.000 người (NIH MedlinePlus Magazine, 2020). Như vậy, 20 người có thể đủ cho câu hỏi “liều nào phù hợp”, nhưng thường chưa đủ cho câu hỏi “cách này có tốt hơn cách cũ không”.

Nghiên cứu nhỏ cũng có ích khi được gộp lại: kết quả các nghiên cứu tương tự đôi khi có thể kết hợp bằng thống kê để cho ước tính đáng tin hơn bất kỳ nghiên cứu đơn lẻ nào (Evans và cộng sự, 2011). Hai nghiên cứu nhỏ cho kết quả ngược nhau cũng không lạ; bài vì sao hai nghiên cứu có thể cho kết quả trái ngược giải thích thêm.

Đọc tin về một nghiên cứu nhỏ thế nào?

Tìm cỡ mẫu trước, rồi hỏi tiếp:

• Tổng cộng và mỗi nhóm có bao nhiêu người?
• Có nhóm đối chứng và phân nhóm ngẫu nhiên không?
• Khoảng tin cậy rộng hay hẹp?
• Đây là nghiên cứu giai đoạn nào, trên người hay trên động vật? Xem bài thử nghiệm trên chuột có áp dụng được cho người không.
• Đã có tổng quan hệ thống hay nghiên cứu lớn hơn về cùng câu hỏi chưa?

Các bước kiểm tra khác có trong chuyên đề Kiểm chứng thông tin khoa học.

Câu hỏi thường gặp

Cần bao nhiêu người thì nghiên cứu mới đáng tin?

Không có con số chung. Cỡ mẫu cần thiết phụ thuộc vào câu hỏi và mức hiệu quả cần phát hiện; với kết cục hiếm như tử vong, nghiên cứu thường phải mời người bệnh ở nhiều trung tâm tham gia (Evans và cộng sự, 2011).

Nghiên cứu lớn thì luôn đúng?

Không. Một khác biệt “có ý nghĩa thống kê” vẫn có thể có ít hoặc không có ý nghĩa thực tế (Evans và cộng sự, 2011). Hãy xem độ lớn của khác biệt bằng số người cụ thể, như trong bài nguy cơ tương đối và tuyệt đối.

Nghiên cứu nhỏ có nên bị bỏ qua không?

Không, nhưng cần đặt đúng chỗ. Turner và cộng sự (2013) nhận xét nghiên cứu thiếu lực thống kê thường đóng góp ít thông tin khi đã có từ hai nghiên cứu đủ lực, dù ở phần lớn tổng quan họ khảo sát, đó lại là toàn bộ bằng chứng hiện có.

Điều gì nên nhớ?

Nghiên cứu 20 người là tín hiệu ban đầu, không phải câu trả lời cuối cùng. Hãy nhìn cỡ mẫu, khoảng tin cậy và giai đoạn nghiên cứu, và chờ nghiên cứu lớn hơn hoặc tổng quan hệ thống trước khi thay đổi cách chăm sóc sức khỏe.

Bài viết mang tính thông tin, không thay thế tư vấn y khoa cho từng cá nhân.

Đôi lời giới thiệu

Bài viết này được tổng hợp bởi Nguyễn Hoàng Anh Khoa (Dy Khoa), giảng viên Khoa Quan hệ công chúng và Truyền thông, Trường Đại học Văn Lang, và là người tốt nghiệp Thạc sĩ Truyền thông Khoa họcTruyền thông khoa học (Science communication)Truyền thông khoa học là việc dùng kỹ năng, phương tiện, hoạt động và đối thoại phù hợp để tạo ra ở người nghe một hoặc nhiều phản hồi với khoa học: nhận biết, thích thú, quan tâm, hình thành quan điểm và hiểu biết.Xem giải thích đầy đủ → và Thu hút Công chúngThu hút công chúng (Public engagement)Thu hút công chúng là những cách thức để hoạt động và lợi ích của giáo dục đại học, nghiên cứu được chia sẻ với công chúng; theo NCCPE, đây là quá trình hai chiều, có tương tác và lắng nghe, nhằm tạo lợi ích cho cả hai bên.Xem giải thích đầy đủ → (Science Communication and Public Engagement) tại Universiti Malaya (UM), Malaysia. Đây là lĩnh vực chuyên môn cốt lõi mà anh được đào tạo bài bản và tiếp tục theo đuổi trong nghiên cứu, giảng dạy và thực hành nghề nghiệp.

Nếu bạn thấy bài viết có sai sót hoặc muốn góp ý, vui lòng gửi email về [email protected].