Sci&Marcom GlossaryPhân tích độ nhạy là gì?
Mọi phép phân tích số liệu đều dựa trên những lựa chọn: xử lý dữ liệu thiếu thế nào, có giữ các điểm dữ liệu dị biệt (outliers) hay không, dùng mô hình thống kê nào. Phân tích độ nhạy (sensitivity analysis) lặp lại phép phân tích với những lựa chọn khác để xem kết luận có còn đứng vững. Theo Thabane và cs. (2013), nếu sau khi làm phân tích độ nhạy, kết quả vẫn nhất quán với phân tích chính thì kết quả hay kết luận được xem là vững (robust).
Khi nào cần phân tích độ nhạy?
Bài hướng dẫn của Thabane và cs. (2013) cho thử nghiệm lâm sàng nêu nhiều tình huống, trong đó có:
- Giá trị dị biệt: kết quả có đổi khi loại hoặc giữ các giá trị bất thường.
- Không tuân thủ hoặc sai lệch đề cương: so sánh phân tích theo ý định điều trị (intention-to-treat) với phân tích theo điều trị thực nhận.
- Dữ liệu thiếu: so sánh phân tích chỉ trên các ca đủ dữ liệu với phân tích có ước tính bù dữ liệu thiếu.
- Định nghĩa kết cục: thử các ngưỡng khác nhau khi xác định một kết cục.
Một ví dụ trong bài: ở thử nghiệm methotrexate cho bệnh viêm khớp vảy nến, phân tích chỉ trên các ca đủ dữ liệu cho thấy cải thiện ở mức ranh giới, nhưng phân tích theo ý định điều trị có bù dữ liệu thiếu thì không thấy cải thiện (Thabane và cs., 2013).
Gia tăng độ tin cậy khoa học
Khi một nghiên cứu báo cáo phân tích độ nhạy và kết quả không đổi, người đọc có thêm cơ sở để tin rằng kết luận không chỉ là sản phẩm của một cách xử lý số liệu. Dù vậy, việc báo cáo phân tích độ nhạy chưa phổ biến: khi khảo sát các số báo tháng 1/2012 của một số tạp chí y khoa và kinh tế y tế lớn, Thabane và cs. (2013) thấy chỉ khoảng 26,7% (36/135) bài có báo cáo phân tích độ nhạy. Nhóm tác giả cũng nhấn mạnh không nên dùng phân tích độ nhạy để chọn ra kết quả “đẹp nhất”. Việc thử nhiều cách phân tích rồi chỉ báo cáo cách cho kết quả mong muốn được bàn trong bài P-hacking là gì. Xem thêm vì sao hai nghiên cứu có thể cho kết quả trái ngược nhau.
