Luận văn: Phân tích thống kê hiệu quả điều trị vô sinh, HOT, 9đ

ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN
- - - - - - - - - - - - - - - - - -
NGUYỄN THỊ THUẦN
PHÂN TÍCH THỐNG KÊ HIỆU QUẢ ĐIỀU
TRỊ VÔ SINH TẠI BỆNH VIÊN PHỤ SẢN
TRUNG ƯƠNG
LUẬN VĂN THẠC SỸ TOÁN HỌC
Chuyên ngành: LÍ THUYẾT XÁC SUẤT VÀ THỐNG KÊ TOÁN
Mã số: 60460106
NGƯỜI HƯỚNG DẪN KHOA HỌC
PGS.TS. HỒ ĐĂNG PHÚC
HÀ NỘI - 2014

Mục lục
Lời nói đầu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
Chương 1.
Phương pháp hồi qui logistic . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.1 Hàm logit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2 Mô hình hồi qui logistic nhị phân . . . . . . . . . . . . . . . . . . . . . 8
1.2.1 Ước lượng các tham số trong mô hình . . . . . . . . . . . . . . . 9
1.2.2 Ước lượng sai số chuẩn của các hệ số hồi qui . . . . . . . . . . . 13
1.2.3 Kiểm tra sự phù hợp của mô hình . . . . . . . . . . . . . . . . . 14
1.2.4 Ý nghĩa các hệ số trong mô hình hồi qui logistic nhị phân . . . 16
1.2.5 Kiểm tra ảnh hưởng tương tác của các biến độc lập lên biến phụ
thuộc . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.3 Mô hình hồi qui logistic bội . . . . . . . . . . . . . . . . . . . . . . . . 24
1.3.1 Định nghĩa mô hình hồi qui logistic bội . . . . . . . . . . . . . . 24
1.3.2 Ước lượng các tham số trong mô hình hồi qui logistic bội . . . 26
Chương 2.
Mô tả số liệu và phần mềm sử dụng trong phân tích . . . . . . . . . . . 29
2.1 Nguồn gốc số liệu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.2 Mô tả số liệu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.2.1 Các biến độc lập . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.2.2 Các biến phụ thuộc . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.3 Phần mềm phân tích SPSS . . . . . . . . . . . . . . . . . . . . . . . . . 43
Chương 3.
Phân tích kết quả điều trị vô sinh tại bệnh viện phụ sản trung ương . 45
1

3.1 Ảnh hưởng của các biến độc lập lên biến "hình thành noãn" . . . . . . 45
3.2 Ảnh hưởng của các biến độc lập lên biến "nhóm số noãn" . . . . . . . . 47
3.3 Ảnh hưởng của các biến độc lập lên biến "hình thành thai" . . . . . . . 51
3.4 Ảnh hưởng của các biến độc lập lên biến "sảy1" . . . . . . . . . . . . . 54
3.5 Ảnh hưởng của các biến độc lập lên biến "lưu" . . . . . . . . . . . . . . 56
3.6 Ảnh hưởng của các biến độc lập lên biến "sinh1" . . . . . . . . . . . . 58
Chương 4.
Bàn luận . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
4.1 Bàn luận về yếu tố ảnh hưởng đến kết quả hình thành noãn . . . . . . 61
4.2 Bàn luận về yếu tố ảnh hưởng đến kết quả có thai . . . . . . . . . . . . 61
4.3 Bàn luận về yếu tố ảnh hưởng đến kết quả sảy thai sau thu tinh trong
ống nghiệm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
4.4 Bàn luận về yếu tố ảnh hưởng đến kết quả sinh con sau thu tinh trong
ống nghiệm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
4.5 Kết luận chung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
Tài liệu tham khảo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
2

Lời cảm ơn
Trước tiên, tôi xin bày tỏ lòng biết ơn sâu sắc tới PGS.TS. HỒ ĐĂNG PHÚC,
người thầy đã tận tình hướng dẫn để tôi có thể hoàn thành luận văn này.
Đồng thời tôi cũng xin bày tỏ lòng biết ơn chân thành tới toàn thể các thầy cô giáo
trong khoa Toán - Cơ - Tin học, Đại học Khoa học Tự Nhiên, Đại học Quốc gia Hà
Nội, và các thầy cô giảng dạy cao học ngành Toán học đã dạy bảo tôi tận tình trong
suốt quá trình học tập tại Trường.
Tôi cũng xin được gửi lời cảm ơn chân thành tới các bạn lớp cao học khóa 2012 -
2014 cùng những người thân trong gia đình tôi, những người đã luôn bên cạnh cổ vũ,
động viên, giúp đỡ tôi trong suốt quá trình học tập và hoàn thành luận văn.
Đặc biệt, tôi xin gửi lời cảm ơn sâu sắc tới Ban giám đốc, tập thể các y bác sĩ của
Trung tâm hỗ trợ sinh sản - Bệnh viện Phụ Sản Trung ương đã nhiệt tình cung cấp
những dữ liệu chính xác quý báu giúp tôi thực hiện luận văn này.
Tuy đã có nhiều cố gắng trong quá trình thực hiện, song chắc chắn luận văn của
tôi không thể tránh khỏi những thiếu sót. Tôi rất mong nhận được những ý kiến đóng
góp quý báu của các thầy cô, các nhà nghiên cứu Xác suất Thống kê, các độc giả quan
tâm để luận văn của tôi được hoàn thiện hơn.
Tôi xin chân thành cảm ơn!
Tác giả
NGUYỄN THỊ THUẦN
3

Lời nói đầu
Vô sinh là vấn đề lớn về mặt xã hội, là một bệnh lý phức tạp, do nhiều nguyên
nhân. Theo báo cáo của Tổ chức Y tế Thế giới, có khoảng 8-12 % các cặp vợ chồng bị
vô sinh, còn theo thống kê của Bộ Y tế Việt Nam có khoảng 12-13 % các cặp vợ chồng
bị vô sinh. Trong đó, vô sinh nữ chiếm khoảng 40 %, vô sinh nam chiếm 23 %, do cả
hai vợ chồng chiếm 17 % và có khoảng 10 % là không rõ nguyên nhân.
Thụ tinh trong ống nghiệm (TTTON) là một phương pháp điều trị vô sinh tích cực
được phát triển nhanh chóng trong những năm gần đây. Từ sau sự ra đời của Louis
Brown - đứa trẻ TTTON đầu tiên - kĩ thuật này phát triển nhanh chóng ở nhiều nước
và không ngừng được hoàn thiện. Đơn vị đầu tiên ở Việt Nam áp dụng thành công
kĩ thuật TTTON là Bệnh viện Phụ Sản Từ Dũ (Thành phố Hồ Chí Minh) vào năm
1998. Tháng 10 năm 2000 Bệnh viện Phụ Sản Trung ương chính thức áp dụng kĩ thuật
TTTON và đến 26/6/2001 cháu bé đầu tiên ra đời. Hiện nay ở nước ta có 10 cơ sở
thực hiện kĩ thuật này và có khoảng 7.000 em bé TTTON ra đời.
Phương pháp TTTON đã mạng lại hi vọng cho nhiều cặp vợ chồng không có khả
năng sinh con tự nhiên. Vì vậy nghiên cứu dự đoán những yếu tố ảnh hưởng đến kết
quả TTTON để từ đó làm tăng hiệu quả điều trị vô sinh là việc làm cần thiết.
Sử dụng phương pháp thống kê để phân tích làm rõ những yếu tố ảnh hưởng đến
kết quả TTTON từ đó làm tăng hiệu quả điều trị vô sinh là mục tiêu của luận văn:
Phân tích thống kê hiệu quả điều trị vô sinh tại Bệnh viện Phụ Sản Trung
ương.
Nội dung luận văn gồm có bốn chương:
Chương I trình bày về phương pháp phân tích hồi qui logistic, cơ sở lý thuyết của
luận văn này.
Chương II dành để mô tả những số liệu về thông tin của các bệnh nhân điều trị vô
4

MỤC LỤC
sinh tại Trung tâm hỗ trợ sinh sản - Bệnh viện Phụ Sản Trung ương từ tháng 1/2009
đến tháng 12/2009 và giới thiệu về phần mềm SPSS - phần mềm phân tích được sử
dụng chủ yếu trong luận văn này.
Chương III là phần áp dụng phương pháp phân tích hồi qui logistic để phân tích
các yếu tố ảnh hưởng đến kết quả thụ tinh trong ống nghiệm tại Trung tâm hỗ trợ
sinh sản - Bệnh viện Phụ Sản Trung ương từ tháng 1/2009 đến tháng 12/2009.
Chương IV bàn luận về các kết quả thu được trong chương III. Từ đó tìm ra các
yếu tố ảnh hưởng đến kết quả thụ tinh trong ống nghiệm, làm cơ sở để nâng cao hiệu
quả điều trị vô sinh tại Bệnh viện Phụ Sản Trung ương nói riêng cũng như các bệnh
viện điều trị vô sinh trên cả nước nói chung.
5 NGUYỄN THỊ THUẦN

Chương 1
Phương pháp hồi qui logistic
Phương pháp phân tích hồi qui là một phương pháp phân tích thống kê nghiên cứu
mối quan hệ phụ thuộc giữa biến phụ thuộc (hay còn gọi là biến đáp ứng, biến được
giải thích) với tập hợp các biến độc lập (các biến dùng để dự báo, biến giải thích).
Ngoài ra nó còn được sử dụng để đánh giá hiệu quả tác động của biến độc lập lên biến
phụ thuộc.
Có nhiều loại mô hình hồi qui như:
• Mô hình hồi qui tuyến tính;
• Mô hình hồi qui logistic;
• Mô hình hồi qui Poisson; v.v
Trong khuôn khổ luận văn này chúng ta nghiên cứu về mô hình hồi qui logistic.
Mô hình hồi qui logistic được sử dụng khi biến phụ thuộc Y nhận các giá trị có tính
chất phân loại. Ví dụ: sống hay chết, bị bệnh hay không bị bệnh, thành công hay thất
bại,... Biến độc lập X có thể là biến định tính hoặc biến định lượng.
Phân loại mô hình hồi qui logistic: Có 2 loại mô hình hồi qui logistic là mô hình
hồi qui logistic nhị phân và mô hình hồi qui logistic bội.
a. Mô hình hồi qui logistic nhị phân: Được sử dụng khi biến phụ thuộc chỉ nhận hai
giá trị phân loại. Để thuận tiện hai giá trị phân loại này thường được mã hóa thành
hai số 0 và 1. Thông thường những trường hợp thành công được mã hóa bằng số 1 và
những trường hợp thất bại được mã hóa bằng số 0.
Ví dụ 1.0.1. Trong điều trị vô sinh, biến phụ thuộc Y biểu thị tình trạng bệnh nhân
có thai sau thụ tinh trong ống nghiệm hay không. Ta mã hóa Y bởi các giá trị
6

CHƯƠNG 1. PHƯƠNG PHÁP HỒI QUI LOGISTIC
y = 1 nếu sau điều trị bệnh nhân có thai;
y = 0 nếu sau điều trị bệnh nhân không có thai.
b. Mô hình hồi qui logistic bội: Được sử dụng khi biến phụ thuộc nhận từ 3 giá trị
phân loại trở lên.
Ví dụ 1.0.2. Trong điều trị vô sinh biến phụ thuộc Y biểu thị số lượng noãn chọc hút
được sau điều trị . Mã hóa Y bởi các giá trị:
y = 1 nếu chọc hút được từ 1 đến 5 noãn
y = 3 nếu chọc hút được từ 6 đến 10 noãn
y = 2 nếu chọc hút được từ 11 noãn trở lên
Có nhiều mô hình toán học khác cũng có thể được sử dụng để dự đoán biến phân
loại Y nhưng đến nay mô hình hồi qui logistic là mô hình phổ biến nhất. Vì sao vậy?
Để giải thích về sự phổ biến của mô hình này chúng ta bắt đầu từ hàm logit.
1.1 Hàm logit
a. Hàm logit là hàm số có dạng:
F(z) =
ez
1 + ez
=
1
1 + e−z
với z ∈ R
Nhận xét: Khi z → +∞ thì F(z) → 1. Khi z → −∞ thì F(z) → 0 . Từ đó ta
thấy với mọi giá trị của đối số z thì hàm logit F(z) luôn nhận giá trị từ 0 đến 1. Do
đó mô hình logistic luôn đảm bảo ước lượng xác suất nhận được là một số chỉ nhận
giá trị giữa 0 và 1. Vì vậy khi sử dụng mô hình logistic ta không bao giờ nhận được
ước lượng nguy cơ lớn hơn 1 hoặc nhỏ hơn 0. Điều này không phải luôn đúng với các
mô hình khác. Điều đó giải thích tại sao mô hình logistic là lựa chọn hàng đầu để ước
lượng xác suất.
b. Về đồ thị của hàm logit:
Nhìn vào đồ thị của hàm logit F(z) ta thấy, tại z = −∞ hàm F(z) nhận giá trị
bằng 0. Khi z bắt đầu tăng dần giá trị của hàm F(z) tăng dần nhưng vẫn gần điểm
0 trong một khoảng tương đối dài. Sau đó F(z) tăng đáng kể hướng tới 1. Cuối cùng
dừng lại ở 1 khi z → +∞. Kết quả là ta có một bức tranh hình chữ S.

Hình 1.1: Đồ thị của hàm logit
Trong hàm logit, đối số z nhận giá trị tùy ý trên R. Điều đó gợi ý cho các nhà
nghiên cứu xem xét z là tổ hợp tuyến tính của các biến độc lập. Khi đó F(z) tượng
trưng cho ảnh hưởng của tổ hợp tuyến tính của các biến độc lập lên xác suất xuất hiện
một giá trị của biến phụ thuộc. Đồng thời giá trị của hàm logit chỉ giới hạn trong đoạn
[0; 1] ứng với miền giá trị của xác suất.
1.2 Mô hình hồi qui logistic nhị phân
Giả sử X1, X2, X3, X4, ..., Xk là k biến độc lập dùng để dự báo. Kí hiệu vecto
X = (X1, X2, X3, X4, ...Xk)T
. Các biến Xi có thể là biến định tính hoặc biến định
lượng. Biến phụ thuộc cần dự báo Y là biến nhị phân chỉ nhận một trong hai giá trị
được mã hóa thành hai số 0 hoặc 1.
Định nghĩa 1.2.1. Một mô hình gọi là mô hình logistic nhị phân nếu biểu thức xác
suất có dạng :
P(Y = 1 | X1, ..., Xk) =
1
1 + e
−(α+
k
i=1
βiXi)
trong đó các tham số α, βi là các tham số chưa biết.
Chúng ta không thể tính toán được một cách chính xác các tham số α, βi mà chỉ
có thể dựa vào dữ liệu thu được từ Xs và Y để ước lượng các tham số đó mà thôi. Ước
lượng của các tham số được kí hiệu là α, βi.

1.2.1 Ước lượng các tham số trong mô hình
Có nhiều phương pháp để ước lượng tham số trong mô hình hồi qui logistic, ở đây
chúng ta trình bày phương pháp ước lượng hợp lý cực đại - phương pháp ước lượng
sao cho hàm hợp lý đạt giá trị lớn nhất.
Giả sử có n quan sát độc lập {(yi, xi)}i∈{1,2,...,n} ∈ ({0, 1} × Rk+1
)n
với yi là giá trị
của biến phụ thuộc Y và xi = (xi1, xi2, .., xik)T
là giá trị của các biến độc lập tại quan
sát thứ i.
Hàm hợp lý là hàm của các tham số chưa biết trong mô hình kí hiệu là L(θ) với
θ = (α, β1,, β2, β3, ..., βk)T
và được xác định bởi công thức:
L(θ) =P(Y1 = y1, Y2 = y2, ..., Yn = yn)
Hàm hợp lý L(θ) đạt giá trị cực đại khi và chỉ khi lnL(θ) đạt giá trị cực đại. Các
ước lượng hợp lý cực đại của các tham số α, βj được tìm bằng cách giải hệ phương
trình đạo hàm riêng 


∂lnL(θ)
∂α
= 0
∂lnL(θ)
∂βj
= 0
với j = 1, k
Theo định nghĩa 1.2.1 , tại quan sát thứ i xác suất có điều kiện để biến phụ thuộc
Y nhận giá trị bằng 1, theo các giá trị của biến độc lập Xj là
P(Yi = 1 | X1 = xi1, ..., Xk = xik) =
1
1 + e
−(α+
k
j=1
βjxij)
=
e
α+
k
j=1
βjxij
1 + e
α+
k
j=1
βjxij
Như vậy xác suất có điều kiện để tại quan sát thứ i biến phụ thuộc Y nhận giá trị
bằng 0 theo các giá trị của biến độc lập Xj là

P(Yi = 0 | X1 = xi1, ..., Xk = xik) =1 − P(Yi = 1 | X1 = xi1, ..., Xk = xik)
=1 −
1
1 + e
−(α+
k
j=1
βjxij)
=
e
−(α+
k
j=1
βjxij)
1 + e
−(α+
k
j=1
βjxij)
Để thuận tiện ta kí hiệu P(Yi = 1 | X1 = xi1, ..., Xk = xik) = πi. Khi đó P(Yi = 0 |
X1 = xi1, ..., Xk = xik) = 1 − πi. Xác suất để biến phụ thuộc Y nhận giá trị bằng y tại
quan sát thứ i là
P(Yi = yi | X1 = xi1, ..., Xk = xik) =π(xi)yi
[1 − π(xi)]1−yi
Các bước để ước lượng tham số trong mô hình hồi qui logistic bằng phương pháp
ước lượng hợp lí cực đại là:
Bước 1: Lập hàm hợp lý L(θ) và sử dụng giả thiết về tính độc lập của các quan sát ta
có
L(θ) =P(Y1 = y1, Y2 = y2, ..., Yn = yn)
=P(Y1 = y1)P(Y2 = y2)...P(Yn = yn)
=
n
i=1
(πi)yi
[1 − πi]1−yi
=
n
i=1
(πi)yi
(1 − πi)
(1 − πi)yi
=
n
i=1
(
πi
1 − πi
)yi
(1 − πi) (1.2.1)
Vì P(Yi = 1 | X1 = xi1, ..., Xk = xik) = πi nên
πi =
e
α+
k
j=1
βjxij
1 + e
−(α+
k
j=1
βjxij)
và
1 − πi =
1
1 + e
α+
k
j=1
βjxij

Do đó
πi
1 − πi
= e
α+
k
j=1
βjxij
(1.2.2)
Thay (1.2.2) vào (1.2.1) ta được :
L(θ) =
n
i=1
e
yi(α+
k
j=1
βjxij)
(1 + e
α+
k
j=1
βjxij
)−1
(1.2.3)
Bước 2: Lấy ln 2 vế của phương trình 1.2.3 ta được:
lnL(θ) =
n
i=1
[yi(α +
k
j=1
βjxij) − ln(1 + e
α+
k
j=1
βjxij
)]
Bước 3: Lấy đạo hàm riêng của hàm lnL(θ) theo các biến α, βj ta được:
∂lnL(θ)
∂α
=y1 − π1 + y2 − π2 + ... + yk − πk
=
n
i=1
[yi − πi]
∂lnL(θ)
∂βj
=x1j(y1 − π1) + x2j(y2 − π2) + ... + xkj(yk − πk)
=
n
i=1
xij[yi − πi]
với j = 1, k
Bước 4: Giải hệ phương trinh đạo hàm riêng :



n
i=1[yi − πi] = 0
n
i=1 xij[yi − πi] = 0
(1.2.4)
với j = 1, k
Nghiệm của hệ phương trình 1.2.4 chính là ước lượng hợp lý cực đại của các tham
số α, βj
Chứng minh
Lấy đạo hàm riêng cấp 2 của hàm lnL(θ) theo các biến α, βj ta được:
∂2
lnL(θ)
∂2α
= −
n
i=1
πi(1 − πi)
∂2
lnL(θ)
∂α∂βj
= −
n
i=1
πi(1 − πi)xij
∂2
lnL(θ)
∂βj∂βm
= −
n
i=1
xijximπi(1 − πi)

với j, m = 1, k
Đặt y = (y1, y2, ..., yn)T
, π = (π1, π2, ..., πn)T
là các ma trận cấp n × 1, X là ma trận
thiết kế cấp n × (k + 1) được xác định bởi công thức:
X =








1 x11 x12 . . . x1k
1 x21 x22 . . . x2k
. . . . . . . . . . . . . . .
1 xn1 xn2 . . . xnk








V = (vij) là ma trận đường chéo cấp n × n mà các phần tử trên đường chéo được xác
định bởi vii = πi(1 − πi) với i = 1, n
V =








π1(1 − π1) 0 0 . . . 0
0 π2(1 − π2) 0 . . . 0
. . . . . . . . . . . . . . .
0 0 0 . . . πn(1 − πn)








Khi đó đạo hàm cấp 1, đạo hàm cấp 2 của hàm lnL(θ) theo các biến α, βj được viết
dưới dạng ma trận như sau:
l (θ) = XT
(y − π)
l (θ) = −XT
V X
Để chứng minh nghiệm của hệ phương trình đạo hàm riêng là ước lượng hợp lý cực
đại của các tham số α, βj ta chứng minh rằng đạo hàm cấp 2 của hàm lnL(θ) không
dương với mọi θ ∈ Rk+1
.
Thật vậy giả sử u là một phần tử bất kỳ thuôc Rk+1
. Biểu diễn uT
l (θ)u dưới dạng
ma trận ta được
uT
l (θ)u = −uT
XT
V Xu = − n
i=1(xT
i u)2
V
Mà các phần tử nằm trên đường chéo chính của ma trận V là các số dương nên
uT
l (θ)u ≤ 0 với mọi u ∈ Rk+1
. Do vậy hàm lnL(θ) là một hàm lõm nên điểm cực trị
là điểm cực đại.
Ví dụ 1.2.1. Ước lượng các tham số trong mô hình hồi qui logistic nhị phân với biến
phụ thuộc là biến "hình thành thai" và 2 biến độc lập: "niêm mạc tử cung", "thời gian

vô sinh". Trong đó "niêm mạc tử cung" là biến nhị phân nhận một trong hai giá trị
được mã hóa bởi 0 và 1, "thời gian vô sinh" là biến liên tục.
Bảng 1.1:
ước lượng hệ số β p-value Tỷ số chênh OR
nmtc .682 .008 1.978
thoigianvs -.042 .011 .959
Constant -1.299 .000 .273
Từ bảng 1.1 ta thấy ước lượng hệ số của biến "niêm mạc tử cung" là 0.682, và của
biến "thời gian vô sinh" là - 0.042.
1.2.2 Ước lượng sai số chuẩn của các hệ số hồi qui
Ma trân hiệp phương sai S của các hệ số được xác định bởi công thức
S = (XT
V X)−1
trong đó ma trận X, V được xác định như trong mục 1.2.1. Khi đó ước lượng ma trân
hiệp phương sai S tương ứng được xác định bởi công thức:
S = (XT
V X)−1
với V xác định như sau:
V =








π1(1 − π1) 0 0 . . . 0
0 π2(1 − π2) 0 . . . 0
. . . . . . . . . . . . . . .
0 0 0 . . . πn(1 − πn)








Cách tính ước lượng sai số chuẩn: Ước lượng sai số chuẩn của các ước lượng hệ số
là căn bậc hai của các phần tử nằm trên đường chéo chính của ước lượng ma trận hiệp
phương sai.

1.2.3 Kiểm tra sự phù hợp của mô hình
Kiểm tra sự phù hợp của mô hình hồi qui logistic nhị phân chính là kiểm tra giả
thuyết
H : β1 = β2 = ... = βk = 0
Với đối thuyết
K : ∃j : βj = 0
Có hai phương pháp để kiểm tra sự phù hợp của mô hình hồi qui logistic nhị phân.
Đó là phương pháp kiểm tra tỷ số hợp lý và phương pháp dùng tiêu chuẩn Wald.
A. Phương pháp kiểm tra tỷ số hợp lý
Ta kí hiệu LH là giá trị cực đại của hàm hợp lý trong mô hình không có biến độc
lập, với giá trị ước lượng tương ứng là LH. Tương tự LK là giá trị cực đại của hàm
hợp lý trong mô hình có k biến độc lập, với giá trị ước lượng tương ứng là LK.
Tỷ số LH/LK được gọi là tỷ số hợp lý của mô hình hồi qui logistic. Khi đó đại
lượng thống kê
LR = − 2ln(
LH
LK
)
được dùng làm tiêu chuẩn để kiểm tra sự phù hợp của mô hình hồi qui logistic với bộ
số liệu đã thu thập được.
Định lý 1.2.1 (Định lý Hosmer - Lemeshow). Nếu giả thuyết H đúng thì đại lượng
thống kê LR có phân phối xấp xỉ phân phối Khi bình phương với k bậc tự do.
Định lý trên đã được chứng minh bằng phương pháp mô phỏng.
Các bước để kiểm tra giả thuyết:
Bước 1: Tính đại lượng thống kê LR. Đặt giá trị này là c.
Bước 2: Gọi Z là biến ngẫu nhiên có phân phối Khi bình phương với k bậc tự do. Ta
đặt
α = P(Z > c)
Bước 3: So sánh α với mức ý nghĩa α0 cho trước;
- Nếu α ≤ α0 ta bác bỏ giả thuyết H (với mức ý nghĩa α0.100%)

- Nếu α > α0 ta chấp nhận giả thuyết H ( với độ tin cậy (1 − α0).100%)
B. Kiểm định theo tiêu chuẩn Wald
Tiêu chuẩn thống kê Wald kí hiệu là W, được xác định bởi công thức:
W = θT (XT
V X)θ
trong đó θ = (α, β1,, β2, β3, ..., βk)T
là ước lượng hợp lý cực đại của vecto hệ số, X là
ma trận thiết kế, V là ma trận đường chéo được xác định như trong mục 1.2.2
Định lý 1.2.2. Nếu giả thuyết H là đúng thì đại lượng thống kê W có phân phối xấp
xỉ phân phối Khi bình phương với k bậc tự do.
Từ đó ta có các bước kiểm tra giả thuyết theo tiêu chuẩn Wald là
Bước 1: Tính tiêu chuẩn thống kê W
Bước 2: Gọi Z là biến ngẫu nhiên có phân phối Khi bình phương với k bậc tự do. Ta
đặt
α = P(Z > W) (1.2.5)
Bước 3: So sánh α với mức ý nghĩa α0 cho trước:
- Nếu α ≤ α0 ta bác bỏ giả thuyết H (với độ tin cậy α0.100%).
- Nếu α > α0 ta chấp nhận giả thuyết H (với độ tin cậy (1 − α0).100%)
Chú ý : Trong trường hợp mô hình chỉ có một biến độc lập thì tiểu chuẩn thống
kê Wald có thể tính theo công thức đơn giản sau :
W =
β1
SE(β1)
với β1 là ước lượng của tham số β1 theo phương pháp ước lượng hợp lý cực đại, SE(β1)
là sai số chuẩn của ước lượng β1. Khi đó định lý 1.2.2 có thể phát biểu lại như sau:
Nếu giả thuyết H đúng thì đại lượng thống kê W có phân phối xấp xỉ phân phối chuẩn
N(0,1).
Các bước kiểm tra tiêu chuẩn Wald trong trường hợp mô hình chỉ có một biến độc
lập hoàn toàn tương tự như trường hợp tổng quát. Tuy nhiên trong Bước 2 ta dùng Z
là biến ngẫu nhiên có phân phối chuẩn N(0,1).
Nhận xét: Khi mô hình chỉ có một biến độc lập thì kiểm tra theo tiêu chuẩn Wald
đơn giản hơn theo tiêu chuẩn tỷ số hợp lý. Vì vậy mà tiêu chuẩn Wald được ưu tiên

sử dụng trong kiểm tra mô hình chỉ có một biến độc lập cũng như trong kiểm tra giả
thuyết bằng không của từng hệ số hồi qui.
1.2.4 Ý nghĩa các hệ số trong mô hình hồi qui logistic nhị
phân
a. Mô hình có biến độc lập nhị phân: Xét mô hình hồi qui logistic nhị phân
với một biến độc lập X:
P(Y = 1 | X) =
1
1 + e−(α+βX)
trong đó X là biến nhị phân chỉ nhận một trong hai giá trị được mã hóa bởi hai số 0
và 1, giá trị mã hóa bởi 0 gọi là nhóm chứng và giá trị mã hóa bởi 1 gọi là nhóm thử.
Độ chênh (odds) giữa hai giá trị của biến phụ thuộc Y tại một giá trị của biến độc
lập X là tỷ số
P(Y = 1 | X = x)
P(Y = 0 | X = x)
(1.2.6)
Gọi odds1 là độ chênh giữa hai giá trị của biến phụ thuộc Y khi biến độc lập X
nhận giá trị bằng 1;
odds0 là độ chênh giữa hai giá trị của biến phụ thuộc Y khi biến độc lập X nhận
giá trị bằng 0.
Từ công thức 1.2.6 ta có
odds1 =
P(Y = 1 | X = 1)
P(Y = 0 | X = 1)
=
1
1+e−(α+β)
1
1+eα+β
=
1 + eα+β
1 + e−(α+β)
=eα+β
(1.2.7)

odds0 =
P(Y = 1 | X = 0)
P(Y = 0 | X = 0)
=
1
1+e−α
1
1+eα
=
1 + eα
1 + e−α
=eα
(1.2.8)
Tỷ số chênh (odds ratio) kí hiệu là OR là tỷ số giữa hai độ chênh
OR =
odds1
odds0
(1.2.9)
Thay 1.2.7 và 1.2.8 vào 1.2.9 ta suy ra:
OR =
eα+β
eα
= eβ
(1.2.10)
Ý nghĩa của hệ số β: So sánh sự khác biệt về mức độ ảnh hưởng giữa nhóm thử và
nhóm chứng tác động lên xác suất biến phụ thuộc nhận giá trị bằng 1.
Ý nghĩa của tỷ số chênh OR: Theo công thức 1.2.10 thì OR = eβ
. Do đó tỷ số chênh
OR chính là exp của hệ số β. Như vậy ta có
- Nếu β = 0 ⇔ eβ
= 1 thì ta kết luận không có sự khác biệt giữa nhóm thử và
nhóm chứng tác động lên xác suất biến phụ thuộc nhận giá trị bằng 1;
- Nếu β > 0 ⇔ eβ
> 1 thì ta kết luận nhóm thử làm tăng xác suất biến phụ thuộc
nhận giá trị bằng 1 so nhóm chứng;
- Nếu β < 0 ⇔ eβ
< 1 thì ta kết luận nhóm thử làm giảm xác suất biến phụ thuộc
nhận giá trị bằng 1 so nhóm chứng.
Ước lượng khoảng tin cậy của hệ số β với độ tin cậy 100(1 − α)% là:
(β − Z1−α
2
SE(β); β + Z1−α
2
SE(β))
trong đó Z1−α
2
là phân vị của phân bố chuẩn tắc. Với mức ý nghĩa α cho trước khi tra
bảng có thể tìm được giá trị của Z1−α
2
.
Ước lượng khoảng tin cậy của tỷ số chênh với đội tin cậy 100(1 − α)% là:
(e
β−Z1− α
2
SE(β)
; e
β+Z1− α
2
SE(β)
)

Ví dụ 1.2.2. Xét mô hình hồi qui logistic nhị phân với biến phụ thuộc là biến "hình
thành thai" và biến độc lập là biến "fshn3". Trong đó biến "fshn3" là biến nhị phân
được mã hóa như sau:
0: Nếu nồng độ FSH ngày thứ 3 của vòng kinh > 10 IU/L.
1: Nếu nồng độ FSH ngày thứ 3 của vòng kinh ≤ 10 IU/L.
Bảng 1.2: Ảnh hưởng của biến độc lập fshn3 lên biến phụ thuộc hình thành thai
B S.E Wald Sig Exp(B)
fshn3 .882 .279 9.967 .002 2.416
Constant -1.727 .271 40.528 .000 .178
Từ bảng 1.2 ta thấy ước lượng hệ số cho biến "fshn3" là 0.882 > 0 cho biết bệnh
nhân có nồng độ fsh ngày 3 bình thường (≤ 10 IU/L) làm tăng khả năng có thai so với
nhóm bệnh nhân có nồng độ fsh ngày 3 cao (> 10 IU/L). Tỷ số chênh OR là e−0.194
= 2.416 cho biết bệnh nhân có nồng độ fsh3 bình thường có khả năng có thai cao gấp
2.4 lần so với bệnh nhân có nồng độ fsh3 không bình thường.
Ước lượng khoảng tin cậy cho β với độ tin cậy 95 % là: (0.334; 1.429).
Ước lượng khoảng tin cậy cho tỷ số chênh OR với độ tin cậy 95 % là: (1.397 ; 4.178).
b. Mô hình có biến độc lập nhận nhiều giá trị: Xét mô hình hồi qui logistic
nhị phân với một biến độc lập X nhân k giá trị phân loại (với k > 2).
P(Y = 1 | X) =
1
1 + e−(α+βX)
(1.2.11)
Đối với mô hình này chúng ta phải chọn một trong số các giá trị phận loại của biến
độc lập làm giá trị đối chứng (thông thường các phần mềm tự động chọn giá trị đối
chứng là giá trị phân loại thứ k). Sau đó lập k − 1 biến nhị phân giả X1, X2, .., Xk−1
để phân biệt giữa các giá trị phân loại khác nhau của biến độc lập.
Khi đó phương trình 1.2.11 tương đương với :
P(Y = 1 | X1, X2, .., Xk−1) =
1
1 + e−(α+β1X1+β2X2+...+βk−1Xk−1)
trong đó mã hóa X1, X2, ..., Xk−1 như sau:

X1 =



1 Nếu biến độc lập X nhân giá trị phân loại thứ nhất
0 Trong các trường hợp còn lại .
X2 =



1 Nếu biến độc lập X nhân giá trị phân loại thứ hai
...
Xk−1 =



1 Nếu biến độc lập X nhân giá trị phân loại thứ k-1
Nếu X1 = 0, X2 = 0, ..., Xk−1 = 0 tương ứng với trường hợp biến độc lập X nhận
giá trị phân loại thứ k.
Ta kí hiệu oddsi là số chênh giữa hai giá trị của biến phụ thuộc Y khi biến độc lập
X nhận giá trị phân loại thứ i (i = 1, k).
Theo định nghĩa về số chênh ta suy ra công thức tính như sau:
oddsi =
P(Y = 1 | Xi = 1, Xj = 0∀j = i)
P(Y = 0 | Xi = 1, Xj = 0∀j = i)
=
1
1+e−(α+βi )
1
1+eα+βi
=
1 + eα+βi
1 + e−(α+βi)
=eα+βi
với i = 1, k − 1
Trong trường hợp biến độc lập X nhận giá trị phân loại thứ k thì
oddsk =
P(Y = 1 | X1 = 0, X2 = 0, X3 = 0, ..., Xk−1 = 0)
P(Y = 0 | X1 = 0, X2 = 0, X3 = 0, ..., Xk−1 = 0)
=
1
1+e−α
1
1+eα
=
1 + eα
1 + e−α
=eα
Công thức tính tỷ số chênh giữa giá trị phân loại thứ i và giá trị đối chứng: Kí hiệu
ORi,k là tỷ số chênh giữa giá trị phân loại thứ i và giá trị phân loại thứ k ( i = 1, k − 1).

Từ đó suy ra
ORi,k =
oddsi
oddsk
=
eα+βi
eα
= eβi
Công thức tính tỷ số chênh giữa 2 giá trị phân loại bất kỳ: Kí hiệu ORi,j là tỷ số chênh
giữa giá trị phân loại thứ i và giá trị phân loại thứ j (i, j = 1, k − 1)
ORi,j =
oddsi
oddsj
=
eα+βi
eα+βj
= eβi−βj
Ý nghĩa của hệ số βi với i = 1, k − 1: So sánh sự khác biệt về mức độ ảnh hưởng giữa
nhóm nhận giá trị phân loại thứ i so với nhóm đối chứng (nhóm nhận giá trị phân loại
thứ k) tác động lên xác suất biến phụ thuộc nhận giá trị bằng 1. Cụ thể như sau:
- Nếu βi = 0 ⇔ eβi
= 1 thì ta kết luận không có sự khác biệt giữa nhóm nhận giá
trị phân loại thứ i so với nhóm đối chứng tác động lên xác suất biến phụ thuộc nhận
- Nếu βi > 0 ⇔ eβi
> 1 thì ta kết luận nhóm nhận giá trị phân loại thứ i làm tăng
xác suất biến phụ thuộc nhận giá trị bằng 1 so với nhóm đối chứng.
- Nếu βi < 0 ⇔ eβi
< 1 thì ta kết luận nhóm nhận giá trị phân loại thứ i làm giảm
xác suất biến phụ thuộc nhận giá trị bằng 1 so với nhóm đối chứng.
Ước lượng khoảng tin cậy cho hệ số βi với đội tin cậy 100(1 − α)% là :
(βi − Z1−α
2
SE(βi); βi + Z1−α
2
SE(βi))
Ước lượng khoảng tin cậy của tỷ số chênh ORi,k với đội tin cậy 100(1 − α)% là :
(e
βi−Z1− α
2
SE(βi)
; e
βi+Z1− α
2
SE(βi)
) (1.2.12)
Ví dụ 1.2.3. Xét mô hình hồi qui logistic với biến phụ thuộc là biến "hình thành thai"
và biến độc lập là biến "nhóm tuổi". Biến độc lập "nhóm tuổi" là biến nhận 4 giá trị
nên được mã hóa thành 3 biến nhị phân, chọn biến "nhóm tuổi không quá 30" làm
nhóm đối chứng
Từ bảng 1.3 ta thấy:
+ Nhóm bệnh nhân từ 41 tuổi trở lên khả năng có thai chỉ bằng 19.7 % so với
nhóm bệnh nhân không quá 30 tuổi, và mức ảnh hưởng này có ý nghĩa thống kê (p -
giá trị là 0.000 < 0.05).

Bảng 1.3: Ảnh hưởng của biến độc lập nhóm tuổi lên biến phụ thuộc hình thành thai
nhomtuoitu41 -1.627 .412 15.569 .000 .197
nhomtuoitu36den40 -.259 .170 2.309 .129 .772
nhomtuoitu31den35 -.245 .155 2.505 .114 .783
Constant -.676 .113 35.749 .000 .509
+ Nhóm bệnh nhân từ 36 đến 40 tuổi thì khả năng có thai bằng 77.2 % so với nhóm
bệnh nhân không quá 30 tuổi, tuy nhiên sự khác biệt này không có ý nghĩa thống kê
(p - giá trị là 0.129 >0.05).
+ Nhóm bệnh nhân từ 31 đến 35 tuổi thì khả năng có thai bằng 78.3 % so với nhóm
bệnh nhân không quá 30 tuổi, tuy nhiên sự khác biệt này không có ý nghĩa thống kê
(p - giá trị là 0.114 >0.05).
Ước lượng khoảng tin cậy cho tỷ số chênh OR của nhóm tuổi từ 41 trở lên so với
nhóm không quá 30 với độ tin cậy 95 % là: (0.088 ; 0.441).
Ước lượng khoảng tin cậy cho tỷ số chênh OR của nhóm tuổi từ 36 đến 40 so với
Ước lượng khoảng tin cậy cho tỷ số chênh OR của nhóm tuổi từ 31 đến 35 so với
c. Mô hình có biến độc lập liên tục: Xét mô hình hồi qui logistic nhị phân với
một biến độc lập X là biến liên tục.
P(Y = 1 | X) =
1
1 + e−(α+βX)
(1.2.13)
Gọi odds0 là số chênh giữa hai giá trị của biến phụ thuộc Y khi biến độc lập X
nhận giá trị bằng x. Từ đó ta có :
odds0 =
P(Y = 1 | X = x)
P(Y = 0 | X = x)
=
1
1+e−(α+βx)
e−(α+βx)
1+e−(α+βx)
=
1 + e−(α+βx)
[1 + e−(α+βx)]e−(α+βx)
=
1
e−(α+βx)

Gọi odds1 là số chênh giữa hai giá trị của biến phụ thuộc Y khi biến độc lập X
nhận giá trị bằng x + 1 (tăng 1 đơn vị). Từ đó ta có :
odds1 =
P(Y = 1 | X = x + 1)
P(Y = 0 | X = x + 1)
=
1
1+e−(α+βx+β)
e−(α+βx+β)
1+e−(α+βx+β)
=
1 + e−(α+βx+β)
[1 + e−(α+βx+β)]e−(α+βx+β)
=
1
e−(α+βx+β)
Công thức tính tỷ số chênh OR khi biến liên tục X thay đổi 1 đơn vị:
OR =
odds1
odds0
=
1
e−(α+βx+β)
1
e−(α+βx)
=
e−(α+βx)
e−(α+βx+β)
=eβ
Ý nghĩa của hệ số β: Cho biết sự thay đổi giá trị của biến độc lập (tăng hoặc giảm 1
đơn vị) ảnh hưởng như thế nào đến xác suất biến phụ thuộc nhận giá trị bằng 1.
- Nếu β = 0 ⇔ eβ
= 1 thì ta kết luận biến độc lập không có ảnh hưởng lên xác
suất biến phụ thuộc nhận giá trị bằng 1.
- Nếu β > 0 ⇔ eβ
> 1 thì ta kết luận khi biến biến độc lập tăng làm tăng xác suất
biến phụ thuộc nhận giá trị bằng 1.
- Nếu β < 0 ⇔ eβ
< 1 thì ta kết luận biến độc lập tăng làm giảm xác suất biến
phụ thuộc nhận giá trị bằng 1.
Nhận xét: Khi biến độc lập X nhận giá trị thay đổi 1 đơn vị (tăng hoặc giảm) thì
tỷ số chênh thay đổi eβ
đơn vị. Do đó trong trường hợp tổng quát khi biến độc lập X
nhận giá trị thay đổi c đơn vị thì tỷ số chênh OR nhận giá trị thay đổi ecβ
đơn vị.
Ví dụ 1.2.4. Xét mô hình hồi qui logistic nhị phân với biến phụ thuộc là biến "hình
thành thai" và biến độc lập là biến "số chu kì ivf". Trong đó biến phụ thuộc là biến nhị

phân chỉ nhận một trong hai giá trị được mã hóa bằng 0 và 1, biến độc lập là biến liên
tuc.
Bảng 1.4: Ảnh hưởng của biến độc lập số chu kì ivf lên biến phụ thuộc hình thành thai
sockivf -.194 .084 5.301 .021 .823
Constant -.631 .135 21.736 .000 .532
Từ bảng 1.4 ta thấy ước lượng hệ số của biến "số chu kì ivf" là - 0.194 < 0. Do đó
khi tăng số chu kì ivf làm giảm khả năng bệnh nhân có thai. Tỷ số chênh OR là e−0.194
= 0.823 cho biết khi số chu kì ivf tăng thêm một lần thì khả năng có thai giảm đi 18
% và mức ảnh hưởng này có ý nghĩa thống kê.
Ước lượng khoảng tin cậy cho β với độ tin cậy 95 % là: (-0.359 ;-0.029).
Ước lượng khoảng tin cậy cho tỷ số chênh OR với độ tin cậy 95 % là: (0.698 ; 0.971).
1.2.5 Kiểm tra ảnh hưởng tương tác của các biến độc lập lên
biến phụ thuộc
Xét hai mô hình hồi qui logistic nhị phân sau:
Mô hình 1 là mô hình chỉ gồm hai biến độc lập X1, X2:
lnP1(X) = α + β1X1 + β2X2
Mô hình 2 là mô hình gồm hai biến độc lập X1, X2 và biến X1X2
lnP2(X) = α + β1X1 + β2X2 + β3X1X2
- Nếu hệ số hồi qui β3 = 0 thì ta kết luận rằng không có sự tương tác giữa X1 và X2
tác động lên biến phụ thuộc Y .
- Nếu hệ số hồi qui β3 = 0 thì ta kết luận rằng có sự tương tác giữa X1 và X2 tác động
lên biến phụ thuộc Y .
Để kiểm tra giả thuyết H : β3 = 0 với đối thuyết K : β3 = 0 ta sử dụng phương pháp
kiểm tra tỷ số hợp lý hoặc dùng tiêu chuẩn Wald.

Kí hiệu L1, L2 là ước lượng của giá trị hàm hợp lý cực đại tương ứng của các mô hình
1, 2. Mô hình có nhiều tham số hơn gọi là mô hình đầy đủ, mô hình có ít tham số hơn
gọi là mô hình thu gọn. Do đó mô hình 2 gọi là mô hình đầy đủ, mô hình 1 gọi là mô
hình thu gọn. Hay mô hình 1 là trường hợp đặt biệt của mô hình 2. Đặt
LR = − 2LnL1 − (−2LnL2)
= − 2Ln(
L1
L2
)
W =
β3
SEβ3
Chúng ta sử dụng các bước trong kiểm tra tỷ số hợp lý hoặc các bước trong kiểm tra
tiêu chuẩn Wald đã nêu trong mục 1.2.3 để rút ra kết luận về hệ số hồi qui β3.
1.3 Mô hình hồi qui logistic bội
Mô hình hồi qui logistic bội được sử dụng khi biến phụ thuộc Y nhận nhiều hơn
hai giá trị phân loại. Ta nghiên cứu trường hợp đơn giản nhất của mô hình hồi qui
logistic bội khi biến phụ thuộc Y có 3 giá trị phân loại được mã hóa bởi ba số 0, 1, 2.
Sau đó mô hình trên có thể mở rộng để nhận được mô hình mà biến phụ thuộc Y có
nhiều hơn 3 giá trị phân loại.
Đối với mô hình hồi qui logistic bội, một trong những giá trị phận loại được chọn
làm giá trị tham khảo. Mỗi giá trị phân loại khác của biến phụ thuộc Y được so sánh
với giá trị tham khảo đó. Việc lựa chọn giá trị nào làm giá trị tham khảo là tùy thuộc
vào ý đồ của nhà nghiên cứu. Việc thay đổi giá trị tham khảo không làm thay đổi hình
thức của mô hình mà chỉ làm thay đổi giá trị của các tham số và việc giải thích các
tham số ước lượng được.
1.3.1 Định nghĩa mô hình hồi qui logistic bội
Giả sử X1, X2, X3, X4, ...Xk là k biến độc lập dùng để dự báo. Kí hiệu vecto X =
(X1, X2, X3, X4, ...Xk)T
. Các biến Xj có thể là biến định tính hoặc biến định lượng.
Xét biến phụ thuộc Y là biến nhận ba giá trị phân loại được mã hóa bởi ba số 0, 1, 2.

Ta chọn giá trị phân loại Y = 0 làm giá trị tham khảo. Khi đó mô hình hồi qui logistic
bội có dạng:
ln
P(Y = 1 | X1, X2, ..., Xk)
P(Y = 0 | X1, X2, ..., Xk)
= α1 +
k
j=1
β1jXj
ln
P(Y = 2 | X1, X2, ..., Xk)
P(Y = 0 | X1, X2, ..., Xk)
= α2 +
k
j=1
β2jXj
trong đó α1, α2, β1j, β2j là các tham số chưa biết (j = 1, k)
Từ đó suy ra
P(Y = 1 | X1, X2, ..., Xk)
P(Y = 0 | X1, X2, ..., Xk)
= e
α1+
k
j=1
β1jXj
P(Y = 2 | X1, X2, ..., Xk)
P(Y = 0 | X1, X2, ..., Xk)
= e
α2+
k
j=1
β2jXj
Để thuận tiện ta kí hiệu P(Y = u/X1, X2, ..., Xk)=P(Y = u/X)
Lúc đó
P(Y = 1 | X) = P(Y = 0 | X)e
α1+
k
j=1
β1jXj
(1.3.1)
P(Y = 2 | X) = P(Y = 0 | X)e
α2+
k
j=1
β2jXj
(1.3.2)
Vì P(Y = 1 | X)+ P(Y = 0 | X)+P(Y = 2 | X) = 1 nên thay 1.3.1,và 1.3.2 vào ta có
:
e
α1+
k
j=1
β1jXi
P(Y = 0 | X) + P(Y = 0 | X) + e
α2+
k
j=1
β2jXj
P(Y = 0 | X) = 1
P(Y = 0 | X)[e
α1+
k
j=1
β1jXj
+ 1 + e
α2+
k
j=1
β2jXj
] = 1
P(Y = 0 | X) =
1
1 + e
α1+
k
j=1
β1jXj
+ e
α2+
k
j=1
β2jXj
(1.3.3)
Thay 1.3.3 vào 1.3.1 và 1.3.2 ta suy ra:

P(Y = 1 | X) =
e
α1+
k
j=1
β1jXj
1 + e
α1+
k
j=1
β1jxj
+ e
α2+
k
j=1
β2jXj
P(Y = 2 | X) =
e
α2+
k
j=1
β2jXj
1 + e
α1+
k
j=1
β1jXj
+ e
α2+
k
j=1
β2jXj
1.3.2 Ước lượng các tham số trong mô hình hồi qui logistic
bội
Để ước lượng các tham số trong mô hình hồi qui logistic bội người ta sử dụng
phương pháp ước lượng hợp lý cực đại.
Giả sử có n quan sát độc lập. Tại quan sát thứ i xác suất để biến phụ thuộc Y nhận
giá trị bằng u ( (u = 0, 2) được kí hiệu bởi Πiu
.
Πi1 = P(Yi = 1 | X1 = xi1, X2 = xi2, ..., Xk = xik)
Từ định nghĩa của mô hình hồi qui logistic bội ta có
ln(
Πi1
Πi0
) = α1 +
k
j=1
β1jxij
ln(
Πi2
Πi0
) = α2 +
k
j=1
β2jxij
Kí hiệu
yi0 =



1 Nếu tại quan sát thứ i biến phụ thuộc Y nhận giá trị bằng 0
0 Trong các trường hợp còn lại.
yi1 =




yi2 =



với yi0 + yi1 + yi2=1
Như vậy xác suất để tại quan sát thứ i biến phụ thuộc Y nhận giá trị y là
P(Yi = yi) =P(Yi = yi0)yi0
P(Yi = yi1)yi1
P(Yi = yi2)yi2
=Πyi0
i0 Πyi1
i1 Πyi2
i2
Vì yi0 + yi1 + yi2=1 nên yi0 = 1 − yi1 − yi2. Do đó P(Yi = yi) = Π1−yi1−yi2
i0 Πyi1
i1 Πyi2
i2
Qui trình để ước lượng tham số trong mô hình hồi qui logistic bội:
Bước 1: Lập hàm hợp lý L và sử dụng tính độc lập của các quan sát ta có
L =P(Y1 = y1, Y2 = y2, ..., Yn = yn)
=P(Y1 = y1)P(Y2 = y2)...P(Yn = yn)
=
n
i=1
Π1−yi1−yi2
i0 Πyi1
i1 Πyi2
i2
=
n
i=1
(
Πi1
Πi0
)yi1
(
Πi2
Πi0
)yi2
Πi0
Bước 2: Lấy ln của hàm hợp lý ta có:
lnL =Σn
i=1[yi1ln(
Πi1
Πi0
) + yi2ln(
Πi2
Πi0
) + lnΠi0]
=Σn
i=1[yi1(α1 +
k
j=1
β1jxij) + yi2(α2 +
k
j=1
β2jxij) − ln(1 + e
α1+
k
j=1
β1jxij
+ e
α2+
k
j=1
β1jxij
)]
Bước 3: Lấy đạo hàm của hàm lnL theo các tham số α1, α2, β1j, β2j với j = 1, k ta có :
∂lnL
∂α1
=
n
i=1
(yi1 − Πi1)
∂lnL
∂α2
=
n
i=1
(yi2 − Πi2)
∂lnL
∂β1j
=
n
i=1
xij(yi1 − Πi1)
∂lnL
∂β2j
=
n
i=1
xij(yi2 − Πi2)

Bước 4: Giải hệ phương trình đạo hàm riêng:



n
i=1(yi1 − Πi1) = 0
n
i=1(yi2 − Πi2) = 0
n
i=1 xij(yi1 − Πi1) = 0
n
i=1 xij(yi2 − Πi2) = 0
(1.3.4)
với j = 1, k
Nghiệm của hệ phương trình 1.3.4 chính là ước lượng hợp lý cực đại của các tham số
α1, α2, β1j, β2j. Việc chứng minh nghiệm của hệ phương trình 1.3.4 là điểm cực đại của
hàm lnL hoàn toàn tương tự như trong mục 1.2.1

Chương 2
Mô tả số liệu và phần mềm sử dụng
trong phân tích
2.1 Nguồn gốc số liệu
Dữ liệu phân tích trong luận văn là thông tin về các bệnh nhân bị vô sinh thực
hiện kĩ thuật thụ tinh trong ống nghiệm tại Trung tâm hỗ trợ sinh sản Bệnh viện Phụ
Sản Trung ương từ tháng 1/2009 đến tháng 12/2009.
Bệnh viện Phụ Sản Trung ương (trước đây còn gọi là bệnh viên C) nằm ở 43 Tràng
Thi, Hoàn Kiếm, Hà Nội. Bệnh viện phụ sản trung ương cùng với bệnh viện Từ Dũ là
hai bệnh viện đầu ngành chuyên ngành Phụ Sản và Sơ sinh của cả nước.
Bệnh viện có quy mô 700 giường bệnh nội trú; 07 phòng chức năng; 14 khoa lâm
sàng; 09 khoa cận lâm sàng; 07 trung tâm. Bệnh viện Phụ - Sản Trung ương hiện nay
không chỉ là cơ sở đầu ngành của chuyên ngành phụ sản, sinh đẻ kế hoạch và sơ sinh
mà còn là cơ sở đào tạo đại học, sau đại học, nghiên cứu khoa học, chỉ đạo tuyến và
chuyển giao công nghệ về chuyên ngành phụ sản, sơ sinh trong phạm vi cả nước. Bệnh
viện có bề dày truyền thống lịch sử, có đội ngũ giáo sư, bác sĩ được đào tạo cơ bản ở
trong nước và được học tập nâng cao tay nghề ở các nước tiên tiến có ngành sản phụ
khoa và chăm sóc sức khỏe sinh sản phát triển, có tay nghề cao, được rèn luyện trong
thực tế, tâm huyết với nghề nghiệp.
Dưới thời Pháp thuộc, khu vực bệnh viện hiện nay là một nhà tu, sau là nhà thương
Võ Tánh. Hoà bình lập lại, nhà thương được tu sửa lại làm nơi khám, chữa bệnh cho
29

CHƯƠNG 2. MÔ TẢ SỐ LIỆU VÀ PHẦN MỀM SỬ DỤNG TRONG PHÂN TÍCH
cán bộ, công nhân viên chức các cơ quan trung ương. Ngày 19/7/1955, bác sĩ Hoàng
Tích Trí, Bộ trưởng Bộ Y tế ký Nghị định 615-ZYO/NĐ/3A quy định tổ chức các cơ
quan kế cận và trực thuộc Bộ, chính thức thành lập bệnh viện “C” đặt nền móng đầu
tiên cho bệnh viện Phụ - Sản Trung ương ngày nay. Ngày 08/11/1960, Bộ Y tế lại
có QĐ 708/BYT sửa đổi, tổ chức lại bệnh viện “C” theo hướng chuyên khoa phụ sản.
Trước sự phát triển mạnh mẽ của khoa học kỹ thuật và nhu cầu khám, chữa bệnh của
nhân dân, ngày 14/5/1966 Thủ tướng Chính phủ Phạm Văn Đồng đã ký Quyết định
số 88/CP đổi tên bệnh viện “C” thành Viện Bảo vệ Bà mẹ và Trẻ sơ sinh. Lần đầu
tiên tại Việt Nam có một Viện chuyên ngành nghiên cứu tình trạng sinh lý, bệnh lý
của phụ nữ, của các bà mẹ và trẻ sơ sinh, hướng tới mục tiêu “Bảo vệ tốt sức khoẻ
phụ nữ, các bà mẹ và trẻ sơ sinh, góp phần vào việc giải phóng phụ nữ, phát triển sản
xuất, bảo vệ thế hệ tương lai của Tổ quốc”. Đến năm 2003, nhu cầu được chăm sóc sức
khỏe sinh sản, khám bệnh, chữa bệnh của nhân dân ngày một lớn, đòi hỏi phải có sự
chuyển đổi cả về tính chất, quy mô của Viện. Ngày 18/6/2003 Bộ trưởng Bộ Y tế đã
ký Quyết định 2212/QĐ-BYT đổi tên Viện Bảo vệ Bà mẹ và Trẻ sơ sinh thành bệnh
viện Phụ - Sản Trung ương trực thuộc Bộ Y tế, tiếp tục thực hiện những chức năng,
nhiệm vụ trước đây của Viện Bảo vệ Bà mẹ và Trẻ sơ sinh với những đòi hỏi cao hơn
đảm bảo hoàn thành nhiệm vụ khám, chữa bệnh trong tình hình mới.
2.2 Mô tả số liệu
2.2.1 Các biến độc lập
2.2.1.1 Các biến độc lập liên tục
a. "thời gian vô sinh" : Số năm bệnh nhân bị vô sinh.
Bảng 2.1: Thời gian vô sinh
Trung bình Trung vị Độ lệch chuẩn Phương sai Min Max
5.82 5.00 4.192 17.596 1 39
- Số năm bệnh nhân bị vô sinh nhỏ nhất là 1 năm, nhiều nhất là 39 năm. Thời gian
bệnh nhân bị vô sinh trung bình là 5,82 năm.

b."tuổi": Tuổi của người mẹ khi thực hiện điều trị vô sinh. Trong mẫu phân tích
này tuổi thấp nhất là 21 tuổi có 3 trường hợp và cao nhất là 54 tuổi có 1 trường hợp,
độ tuổi trung bình là 33.41 tuổi.
- Để đánh giá ảnh hưởng của tuổi người mẹ lên kết quả thụ tinh trong ống nghiệm,
người ta thường chia tuổi người mẹ thành 4 nhóm giai đoạn tuổi: nhóm không quá
30, nhóm 31 - 35, nhóm 36 - 40, nhóm từ 41 trở lên. Vì vậy trong phân tích này biến
"tuổi" được mã hóa lại thành biến "nhóm tuổi". Cụ thể như sau:
+ "nhóm tuổi từ 41": Gồm các bệnh nhân từ 41 tuổi trở lên.
+ "nhóm tuổi từ 36 đến 40": Gồm các bệnh nhân từ 36 đến 40 tuổi.
+ "nhóm tuổi từ 31 đến 35": Gồm các bệnh nhân từ 31 đến 35 tuổi.
+ "nhóm tuổi k quá 30": Gồm các bệnh nhân từ 0 đến 30 tuổi.
Bảng 2.2: Nhóm tuổi của người mẹ
nhomtuoi N (Số bệnh nhân) Tỷ lệ (%)
nhomtuoitu41 84 7
nhomtuoi36den 40 315 26.1
nhomtuoi31den 35 454 37.6
nhomtuoikqua30 355 29.4
Tổng số 1208 100
Từ bảng 2.2 ta thấy nhóm các bệnh nhân có độ tuổi từ 31 đến 35 điều trị vô sinh
là cao nhất, 454 bệnh nhân chiếm tỉ lệ 37.6 %. Nhóm bệnh nhân có độ tuổi cao từ 41
tuổi trở lên là thấp nhất, chỉ có 84 bệnh nhân chiếm tỉ lệ 7 %.
- Vì biến "nhóm tuổi" là biến độc lập nhận 4 giá trị nên được mã hóa thành 3 biến
nhị phân. Ta chọn biến "nhóm tuổi không quá 30" làm nhóm đối chứng. Khi đó
+ "nhóm tuổi 31 đến 35" nhận giá trị bằng 1 nếu biến "nhóm tuổi" nhận giá trị
bằng 3
+ "nhóm tuổi 36 đến 40" nhận giá trị bằng 1 nếu biến "nhóm tuổi "nhận giá trị
bằng 2
+ "nhóm tuổi từ 41" nhận giá trị bằng 1 nếu biến " nhomtuoi " nhận giá trị bằng 1.

c. "Sảy": Số lần bệnh nhân đã bị sảy thai.
Bảng 2.3: Sảy thai
say N Tỷ lệ ( % )
0 688 57
1 272 22.5
2 136 11.3
3 65 5.4
4 30 2.5
5 12 1.0
6 2 0.2
7 1 0.1
8 1 0.1
9 1 0.1
Tổng số 1208 100
Trong tổng số 1208 bệnh nhân có 688 bệnh nhân chưa từng bị sảy thai chiếm tỉ lệ
57 %, 520 bệnh nhân đã từng bị sảy thai chiếm tỷ lệ 43 %. Đặc biệt có 17 bệnh nhân
đã từng bị sảy thai từ 5 lần trở lên.
d. "số chu kì ivf" : Số lần bệnh nhân đã thực hiện thụ tinh trong ống nghiệm
trước đó.
Từ bảng 2.4 ta thấy hầu như các bệnh nhân trong phân tích đều đã từng thực hiện
biện pháp thụ tinh trong ống nghiệm trước đó. Chỉ có 3 bệnh nhân là thực hiện thụ
tinh trong ống nghiệm lần đầu. Số bệnh nhân đã thực hiện thụ tinh trong ống nghiệm
1 lần chiếm tỉ lệ cao nhất. Có 14 bệnh nhân đã thực hiện thu tinh trong ống nghiệm
từ 5 lần trở lên.

Bảng 2.4: Số lần thụ tinh trong ống nghiệm
sockivf N Tỷ lệ ( % )
0 3 0.2
1 812 67.2
2 273 22.6
3 82 6.7
4 24 2
5 8 0.7
6 2 0.2
7 3 0.2
8 1 0.1
Tổng số 1208 100
e. "tổng liều": Tổng liều thuốc FSH mà bệnh nhân sử dụng, đơn vị tính là mg.
Trong đó FSH (follicle stimulating hormone – FSH) là một loại nội tiết tố kích thích
sự phát triển của nang noãn. Bình thường lượng FSH mà cơ thể tiết ra chỉ đủ cho 1
nang trứng phát triển thành nang noãn trưởng thành. Do đó khi sử dụng thuốc FSH
ta sẽ thu được nhiều noãn trưởng thành hơn trong 1 chu kì kinh.
- Trong tổng số 1208 bệnh nhân kích thích buồng trứng bằng thuốc FSH, bệnh
nhân sử dụng tổng liều nhỏ nhất là 900 mg, tổng liều lớn nhất là 5600 mg, tổng liều
trung bình là 2277 mg, trung vị là 2250 mg.
- Để đánh giá hiệu quả thu được noãn trưởng thành của các tổng liều khác nhau
người mã hóa lại biến "tổng liều " thành biến "nhóm tổng liều". Biến "nhóm tổng
liều" là biến định tính gồm 3 mức: nhóm tổng liều nhỏ hơn 2000 mg, nhóm tổng liều
từ 2000 đến 3000 mg, nhóm tổng liều lớn hơn 3000 mg. Khi đó biến tổng liều được mã
hóa lại thành 3 biến như sau:
+ "tổng liều nhỏ 2000" : Nhóm bệnh nhân sử dụng tổng số liều FSH nhỏ hơn
2000mg trong cả đợt điều trị kích thích buồng trứng.
+ "tổng liều lớn 3000" : Nhóm bệnh nhân sử dụng tổng số liều FSH lớn hơn 3000mg
trong cả đợt điều trị kích thich buồng trứng.

+ "tổng liều từ 2000 đến 3000" : Nhóm bệnh nhân sử dụng tổng liều FSH từ 2000
đên 3000 mg trong cả đợt điều trị.
Bảng 2.5: Nhóm tổng liều thuốc FSH
nhóm tổng liều N Tỷ lệ (%)
nhóm tổng liều nhỏ 2000 378 31.3
nhóm tổng liều lớn 3000 158 13.1
nhóm tổng liều 2000 đến 3000 672 55.6
Tổng số 1208 100
- Biến "nhóm tổng liều" là biến độc lập nhận 3 giá trị. Do đó được mã hóa thành 2
biến nhị phân. Chọn nhóm bệnh nhân sử dụng "tổng liều từ 2000 đến 3000" làm nhóm
đối chứng. Khi đó ta có :
+ "nhóm tổng liều nhỏ 2000" nhận giá trị bằng 1 nếu "nhomtonglieu" nhận giá trị
bằng 1.
+ "nhóm tổng liều lớn 3000" nhận giá trị bằng 1 nếu "nhomtonglieu" nhận giá trị
bằng 2.
f. "fshn3" : Nồng độ của nội tiết tố FSH của bệnh nhân đo ngày thứ 3 của vòng
kinh, đợn vị tính là IU/L.
- Trong tổng số 1208 bệnh nhân điều trị, nồng độ FSH ngày 3 thấp nhất là 0.1
IU/L có 1 trường hợp, cao nhất là 78 IU/L có 1 trường hợp, nồng độ FSH ngày 3 trung
bình là 7.3 IU/L, trung vị là 6.9 IU/L.
- Nồng độ FSH ngày 3 của người bình thường là ≤ 10 IU/L. Do đó để đánh giá
ảnh hưởng của nồng độ FSH ngày 3 lên kết quả thụ tinh người ta mã hóa lại biến FSH
ngày 3 thành biến nhị phân như sau:
0: Nếu nồng độ FSH ngày thứ 3 của vòng kinh > 10 IU/l.
1: Nếu nồng độ FSH ngày thứ 3 của vòng kinh ≤ 10 IU/L.
Từ bảng 2.6 ta thấy có 1095 bệnh nhân có nồng độ FSH ngày 3 bình thường chiếm
tỉ lệ 90.6 %. Chỉ có 113 bệnh nhân có nồng độ FSH ngày 3 cao chiếm tỉ lệ 9.4 %.

Bảng 2.6: Nồng độ FSH ngày 3
fshn3 N (Số bệnh nhân) Tỷ lệ (%)
0 113 9.4
1 1095 90.6
Tổng số 1208 100
g. "niêm mạc tử cung" : Độ dày của niêm mạc tử cung ngày tiêm HCG, đơn vị
tính là mm.
- Trong tổng số 1208 bệnh nhân điều trị, niêm mạc tử cung của bệnh nhân mỏng
nhất là 2 mm có 1 trường hợp và dày nhất là 22 mm có 1 trường hợp. Độ dày trung
bình của niêm mạc tử cung trong mẫu phân tích là 11.026 mm, trung vị là 11 mm.
- Độ dày của niêm mạc tử cung bình thường khi chuẩn bị có thai là > 8 mm. Do
đó để đánh giá ảnh hưởng của độ dày niêm mạc tử cung lên kết quả có thai người ta
mã hóa lại biến niêm mạc tử cung thành biến nhị phân như sau:
0 : Nếu độ dày của niêm mạc tử cung ngày tiêm HCG ≤ 8 mm .
1: Nếu độ dày của niêm mạc tử cung ngày tiêm HCG > 8 mm.
Bảng 2.7: Độ dày của niêm mạc tử cung ngày tiêm HCG
nmtc N(Số bệnh nhân) Tỷ lệ (%)
0 116 9.6
1 1092 90.4
Tổng số 1208 100
Từ bảng 2.7 ta thấy đa phần bệnh nhân đều có độ dày niêm mạc tử cung ngày
tiêm HCG lớn hơn 8 mm.
h. "số noãn": Số noãn chọc hút được sau khi điều trị.
- Trong tổng số 1208 bệnh nhân điều trị có 5 trường hợp không có noãn để tiến
hành chọc hút chiếm tỉ lệ 0.4 %. Số trường hợp chọc hút được từ 3 dến 7 noãn là nhiều
nhất chiếm tỉ lệ 51.6 %. Số noãn chọc hút được trung bình là 6.7 noãn, số noãn chọc
hút được cao nhất là 26 noãn có 1 trường hợp.

Bảng 2.8: Số noãn chọc hút được
sonoan N Tỷ lệ (%)
0 5 0.4
1 53 4.4
2 95 7.9
3 127 10.5
4 120 9.9
5 127 10.5
6 146 12.1
7 104 8.6
8 99 8.2
9 63 5.2
10 86 7.1
11 32 2.6
12 48 4.0
13 19 1.6
14 25 2.1
15 17 1.4
16 19 1.6
>= 17 23 1.9
Tổng số 1208 100.0
i. "số phôi": Số phôi được tạo thành sau khi noãn được thu tinh.
Nhân xét: Trong tổng số 1203 bệnh nhân có thu được noãn, có 24 bệnh nhân mà
noãn không tạo thành được phôi chiếm tỉ lệ 2 %. Số phôi tạo thành cao nhất là 26
phôi có 1 trường hợp. Số phôi tạo thành trung bình là 5.01 phôi, trung vị là 4.00 phôi.

Bảng 2.9: Số noãn chọc hút được
sophoi N (Số bệnh nhân) Tỷ lệ (%)
0 24 2.0
1 79 6.6
2 166 13.8
3 140 11.6
4 255 21.2
5 145 12.1
6 76 6.3
7 75 6.2
8 77 6.4
9 55 4.6
10 34 2.8
11 18 1.5
12 22 1.8
>=13 37 3.1
Tổng số 1203 100.0
k. "số phôi chuyển": Số phôi chuyển vào buồng tử cung.
Nhận xét : Trong tổng số 1179 bệnh nhận có phôi, có 8 bệnh nhân không chuyển
phôi chiếm tỉ lệ 0.7 %. Số phôi chuyển cao nhất là 9 phôi có 1 trường hợp. Số phôi
chuyển trung bình là 3.51 phôi, trung vị là 4.00 phôi.

Bảng 2.10: Số phôi chuyển vào tử cung
số phôi chuyển N Tỷ lệ (%)
không chuyển phôi 8 0.7
1 78 6.6
2 172 14.6
3 151 12.8
4 599 50.8
5 163 13.8
>=6 8 0.8
Tổng số 1179 100
2.2.1.2 Các biến độc lập nhận nhiều giá trị
a. "Nguyênnhân" : Nguyên nhân bệnh nhân bị vô sinh bao gồm :
+ "NN do vòi ": Nguyên nhân vô sinh do vòi tử cung
+ "NN Phóng noãn": Nguyên nhân vô sinh do rối loạn phóng noãn
+ "NN tinh trùng": Nguyên nhân vô sinh do tinh trùng bất thường
+ "K rõ NN": Không tìm thấy nguyên nhân gây vô sinh
+ "NN do hai vợ chồng ": Nguyên nhân vô sinh do cả hai vợ chồng
+ "NN tử cung": Nguyên nhân vô sinh do tử cung bất thường
Bảng 2.11: Nguyên nhân gây vô sinh
Nguyên nhân N Tỷ lệ (%)
NN do vòi 566 46.9
NN Phóng noãn 22 1.8
NN tinh trùng 254 21
K rõ NN 201 16.6
NN Do hai vợ chồng 129 10.7
NNtử cung 36 3
Tổng số 1208 100

Nhận xét: Trong tổng số 1208 bệnh nhân làm thụ tinh trong ống nghiệm, số bệnh
nhân có nguyên nhân do vòi tử cung là nhiều nhất 566 bệnh nhận chiếm tỉ lệ 46.9 %.
Số bệnh nhân có nguyên nhân do phóng noãn là thấp nhất 22 bệnh nhận chiếm tỉ lệ
1.8 %.
- Biến "Nguyên nhân " là biến độc lập nhận 6 giá trị, do đó được mã hóa thành
5 biến nhị phân (nhận giá trị 0 hoặc 1). Trong phân tích này chúng ta chọn nguyên
nhân do tử cung làm nhóm đối chứng.
+ Biến "NN do vòi" nhận giá trị bằng 1 nếu biến "Nguyên nhân" nhận giá trị bằng
bằng 1.
+ Biến "NN Phóng noãn" nhận giá trị bằng 1 nếu biến "Nguyên nhân" nhận giá
trị bằng bằng 2.
+ Biến "NN tinh trùng" nhận giá trị bằng 1 nếu biến "Nguyên nhân" nhận giá trị
bằng bằng 3.
+ Biến "K rõ NN" nhận giá trị bằng 1 nếu biến "Nguyên nhân" nhận giá trị bằng
bằng 4.
+ Biến "NN do hai vợ chồng" nhận giá trị bằng 1 nếu biến "NGNHAN" nhận giá
trị bằng bằng 5.
b. "phác đồ điều trị": Phác đồ điều trị kích thích buồng trứng mà bệnh nhân sử
dụng. Tác dụng của các phác đồ điều trị là kích thích buồng trứng làm tăng số lượng
noãn thu được trong 1 chu kì và tỷ lệ noãn trưởng thành cao. Trong mẫu phân tích
này sử dụng 3 loại phác đồ kích thích buồng trứng là:
+"ngắn với Antagonist": Phác đồ ngắn với Antagonist
+"ngắn với Agonist": Phác đồ ngắn với Agonist
+ Phác đồ dài
Bảng 2.12: Phác đồ điều trị
phác đồ điều trị N Tỷ lệ (%)
ngắn với Antagonist 88 7.3
ngắn với Agonist 415 34.4
phác đồ dài 705 58.4
Tổng số 1208 100

Nhân xét: Trong tổng số 1208 bệnh nhân sử dụng phác đồ kích thích buồng trứng
thì nhóm bệnh nhân sử dụng phác đồ dài là nhiều nhất, 705 bệnh nhân chiếm tỉ lệ
58.4 %, nhóm bệnh nhân sử dụng phác đồ ngắn với Antagonist là thấp nhất 88 bệnh
nhân chiếm tỉ lệ 7.3 %.
Vì biến "phác đồ điều trị" là biến độc lập nhận 3 giá trị nên được mã hóa thành 2
biến nhị phận. Chọn nhóm bệnh nhân sử dụng " phác đồ dài " làm nhóm đối chứng.
Khi đó ta có :
+ Biến "ngắn với Antagonist" nhận giá trị bằng 1 nếu biến "phacdodieutri" nhận
+ Biến "ngắn với Agonist" nhận giá trị bằng 1 nếu biến "phacdodieutri "nhận giá
trị bằng 2.
2.2.1.3 Biến độc lập nhị phân
"sinh": Bệnh nhân đã từng sinh con hay chưa. Mã hóa biến "sinh" như sau:
0 : Bệnh nhân chưa từng sinh con lần nào.
1 : Bệnh nhân đã từng sinh con
Bảng 2.13: Sinh
sinh N Tỷ lệ (%)
0 911 75.4
1 297 24.6
Tổng số 1208 100
Nhận xét : Trong tổng số 1208 bệnh nhân điều trị vô sinh có 911 bệnh nhân chưa
từng sinh con lần nào chiếm tỉ lệ 75.4 %. Như vậy số bệnh nhân chưa từng sinh con
gấp hơn 3 lần số bệnh nhân đã từng sinh con.
2.2.2 Các biến phụ thuộc
a. "hình thành noãn" : Sau điều trị có thu được noãn hay không. Mã hóa biến
này như sau:
0: Sau điều trị không thu được noãn

1: Sau điều trị có thu được noãn
Bảng 2.14: Hình thành noãn
hình thành noãn N Tỷ lệ (%)
không có noãn 5 0.4
có noãn 1203 99.6
Tổng số 1208 100
"Nhận xét": Đa phần các bệnh nhân đều có noãn để tiến hành chọc hút.
b. "nhóm số noãn": Trong trường hợp bệnh nhân có thu được noãn chúng ta quan
tâm đến vấn đề thu được ít hay nhiều noãn. Vì vậy để đánh giá ảnh hưởng của các
yếu tố lên khả năng thu được ít hay nhiều noãn người ta mã hóa lại biến "số noãn"
thành biến "nhóm số noãn" như sau:
+ "số noãn từ 1 đến 5": Gồm các bệnh nhân thu được số noãn từ 1 đến 5 noãn.
+ "số noãn từ 6 đến 10": Gồm các bệnh nhân thu được số noãn từ 6 đến 10 noãn.
+ "từ 11 noãn trở lên": Gồm các bệnh nhân thu được từ 11 noãn trở lên.
Bảng 2.15: Nhóm số noãn
Nhóm số noãn N Tỷ lệ (%)
tu1 den 5 522 43.4
tu 6 den 10 498 41.4
từ 11 trở lên 183 15.2
Tổng số 1203 100.0
Nhận xét: Nhóm bệnh nhân có số noãn từ 1 đến 5 là nhiều nhất chiếm tỉ lệ 43.4
%. Nhóm bệnh nhân có số noãn từ 11 trở lên là ít nhất 183 bệnh nhân chiếm tỉ lệ 15.2
%. Chọn nhóm bệnh nhân có số noãn từ 6 đến 10 làm nhóm đối chứng.
c. "số thai": Số thai thu được sau khi chuyển phôi vào tử cung.
Nhận xét : Trong tổng số 1171 trường hợp bệnh nhân chuyển phôi có 835 trường
hợp bệnh nhân không có thai chiếm tỉ lệ 71.3 % . Có 224 bệnh nhân có 1 thai chiếm
tỉ lệ 19.1 % và 112 bệnh nhân có từ 2 thai trở lên.

Bảng 2.16: Số thai thu được sau khi chuyển phôi
số thai N Tỷ lệ (%)
0 835 71.3
1 224 19.1
2 46 3.9
3 37 3.2
4 22 1.9
5 7 0.6
Tổng số 1171 100.0
Để đánh giá ảnh hưởng của các yếu tố lên khả năng có thai của bệnh nhân người
ta mã hóa lại biến "số thai" thành biến "hình thành thai" như sau:
0 : Sau chuyển phôi bệnh nhân không có thai
1: Sau chuyển phôi bệnh nhân có thai
Như vậy sau khi chuyển phôi có 835 bệnh nhân không có thai và 336 bệnh nhân có
thai, tỷ lệ bệnh nhân có thai sau chuyển phôi đạt 28.7 %.
d."sảy1" : Bệnh nhân có bị sảy thai sau khi có thai bằng phương pháp thụ tinh
trong ống nghiệm hay không.
e. "Lưu" : Bệnh nhân có bị thai chết lưu sau khi có thai bằng phương pháp thụ
tinh trong ống nghiệm hay không.
Bảng 2.17: Số thai bị sảy1 và lưu
Tình trạng N (Số bệnh nhân) Tỷ lệ (%)
Sảy1 39 11.6
Lưu 22 6.5
Tổng số 336 100
Nhận xét: Trong tổng số 336 bệnh nhân có thai, có 39 bệnh nhân bị sảy thai sau
thu tinh trong ống nghiệm chiếm tỉ lệ 11.6 % và 22 bệnh nhân bị thai chết lưu chiếm
tỉ lệ 6.5 %.
f. "Sinh1" : Bệnh nhân có sinh được con sau khi thụ tinh trong ống nghiệm hay

không. Mã hóa biến "sinh1" như sau:
0 :Bệnh nhân không sinh được con sau thu tinh trong ống nghiệm
1: Bệnh nhân sinh được con sau thu tinh trong ống nghiệm
Bảng 2.18:
Sinh1 N (Số bệnh nhân) Tỷ lệ (%)
0 129 38.4
1 207 61.6
Tổng cộng 336 100.0
Nhận xét: Trong tổng số 336 bệnh nhân có thai thì 129 bệnh nhân không sinh
được con chiếm tỉ lệ 38.4 %. Còn lại 207 bệnh nhân sinh được con chiếm tỉ lệ 61.6 %.
2.3 Phần mềm phân tích SPSS
SPSS ( tên tiếng Anh là Statistical Package for the Social Sciences) là một phần
mềm chuyên ngành thống kê. Vào những năm 1960, phần mềm này chỉ được sử dụng
cho các máy chủ (máy trung tâm - mainframes). Sau này được sử dụng cho các máy
tính cá nhân.
Phần mềm SPSS sử dụng để xử lý thông tin sơ cấp - thông tin được thu thập trực
tiếp từ đối tượng nghiên cứu. Thông tin sau khi được xử lý là thông tin định lượng (
thông tin có ý nghĩa về mặt thống kê).
Khi sử dụng phần mềm SPSS ta có thể thiết kế các bảng biểu và sơ đồ thống kê,
tính toán các đặc trưng mẫu trong thống kê mô tả, và một hệ thống đầy đủ các phương
pháp thống kê phân tích như:
+ So sánh các mẫu bằng nhiều tiêu chuẩn tham số và phi tham số (Nonparametric
Test), các mô hình phân tích phương sai theo dạng tuyến tính tổng quát (General
Linear Models), các mô hình hồi quy đơn biến và nhiều biến, các hồi quy phi tuyến
tính (Nonlinear), các hồi quy Logistic;
+ Phân tích theo nhóm (Cluster Analysis);
+ Phân tích tách biệt (Discriminatory Analysis);
+ Và nhiều chuyên sâu khác (Advanced Statistics).

SPSS được ứng dụng trong hầu hết các lĩnh vực của xã hội chẳng hạn như:
+ Ứng dụng SPSS trong nghiên cứu tâm lý học: tâm lý tội phạm, tâm lý học
sinh-sinh viên. . . ;
+ Ứng dụng SPSS trong nghiên cứu xã hội học: ý kiến của người dân trong việc
xây dựng lại khu chung cư, thống kê y tế. . . ;
+ Ứng dụng SPSS trong nghiên cứu thị trường: nghiên cứu và định hướng phát
triển sản phẩm, mở rộng thị trường; sự hài lòng của khách hàng...;
+ Ứng dụng SPSS nghiên cứu đa dạng sinh học, trong phát triển nông lâm nghiệp. . .
Do đó khi sử dụng phần mềm thống kê SPSS ta có thể phân tích được thực trạng,
tìm ra nhân tố ảnh hưởng, dự đoán được xu hướng xảy ra tiếp theo, từ đó đưa ra các
quyết định một cách chính xác, giải quyết các vấn đề một cách nhanh chóng và hiệu
quả.

Chương 3
Phân tích kết quả điều trị vô sinh
tại bệnh viện phụ sản trung ương
3.1 Ảnh hưởng của các biến độc lập lên biến "hình
thành noãn"
Trong tổng số 1208 bệnh nhân điều trị có 1203 bệnh nhân có noãn, và 5 bệnh nhân
không có noãn để tiến hành chọc hút.
Tất cả các bệnh nhân trong phân tích này đều được sử dụng các biên pháp nhằm
làm tăng số noãn thu được trong 1 chu ki kinh. Tuy nhiên vẫn có bệnh nhân không có
noãn. Do đó để phân tích ảnh hưởng của các yếu tố lên sự hình thành noãn chúng ta
đi xây dựng mô hình hồi qui logistic nhị phân với biến phụ thuộc là biến "hình thành
noãn". Biến này nhận giá trị bằng 1 nếu sau điều trị có thu được noãn và nhận giá trị
bằng 0 nếu sau điều trị không thu được noãn.
Trong số các biến độc lập đã liệt kê ở trên ta bỏ đi biến "số noãn","niêm mạc tử
cung", "sinh", "số phôi" và biến "số phôi chuyển". Như vậy các biến độc lập trong mô
hình này bao gồm: thời gian vô sinh, nhóm tuổi, số chu kì ivf, nhóm tổng liều, fshn3,
nguyên nhân, phác đồ điều trị.
Trước hết ta trình bày mô hình với đầy đủ các biến độc lập kể trên. Kết quả cho
ra được trình bày trong bảng 3.1
45

CHƯƠNG 3. PHÂN TÍCH KẾT QUẢ ĐIỀU TRỊ VÔ SINH TẠI BỆNH VIỆN PHỤ
SẢN TRUNG ƯƠNG
Bảng 3.1: Mô hình đầy đủ với biến phụ thuộc là biến hình thành noãn
Các biến độc lập P- giá trị Tỷ số chênh OR
Thoigianvs .284 1.144
Say .307 1.693
Sockivf .341 2.013
Nguyênnhân Do voi .998 .000
Phong noan 1.000 1.382
Tinh trung 1.000 .784
K ro .998 .000
Do hai vc .998 .000
Tu cung - -
Nhóm tuổi 41 .992 .000
36 den 40 1.000 3.946
31den 35 .992 .000
30 - -
Phác đồ nganvoiantagonist 1.000 1.648
nganvoiagonist .989 .000
pddai - -
tổng liều < 2000mg .992 2.049E6
> 3000mg .380 .374
từ 2000 den 3000 - -
fshn3 10 .480 2.109
>10 - -
Intercept .993 8.746E20
Từ bảng 3.1 ta thấy trong mô hình với đầy đủ các biến độc lập kể trên thì mức
ảnh hưởng của các biến này đều không có ý nghĩa thống kê.
Sử dụng phương pháp Backward:Wald bỏ dần đi các biến độc lập có mức độ ảnh
hưởng ít nhất ta thu được mô hình thu gọn. Kết quả được trình bày trong bảng 3.2

SẢN TRUNG ƯƠNG
Bảng 3.2: Mô hình thu gọn với biến phụ thuộc là biến hình thành noãn
nhomtuoitu 41 .018 .112
Ngắn với Agonist .991 .000
Intercept .988 1.905E9
- Từ bảng 3.2 ta thấy biến "nhómtuổitừ41" ảnh hưởng có ý nghĩa thống kê lên khả
năng hình thành noãn (p-giá trị <0.05). Cụ thể nhóm nhóm bệnh nhân từ 41 tuổi trở
lên thì khả năng có noãn để tiến hành chọc hút chỉ bằng 11.2 % so với bệnh nhân dưới
41 tuổi.
3.2 Ảnh hưởng của các biến độc lập lên biến "nhóm
số noãn"
Trong 1203 bệnh nhân có thu được noãn, có những bệnh nhân thu được 26 noãn,
có những bệnh nhân chỉ thu được 1 noãn. Do đó để tìm ra yếu tố tạo nên sự khác biệt
giữa các nhóm số noãn khác nhau người ta xây dựng mô hình hồi qui logistic bội với
biến phụ thuộc là biến "nhóm số noãn". Biến phụ thuộc "nhóm số noãn" là biến định
tính được chia làm ba mức: từ 1 đến 5 noãn, từ 6 đến 10 noãn, từ 11 noãn trở lên. Lấy
nhóm từ 6 đến 10 noãn làm nhóm đối chứng.
Các biến độc lập trong mô hình này bao gồm: thời gian vô sinh, nhóm tuổi, sảy, số
chu kì ivf, nhóm tổng liều, fshn3, nguyên nhân, phác đồ điều trị.
a. Kết quả chạy mô hình so sánh giữa nhóm số noãn từ 1 đến 5 và nhóm số noãn
từ 6 đến 10 được trình bày trong bẳng 3.3. Từ bảng 3.3 ta thấy:
- Các biến ảnh hưởng có ý nghĩa thống kê lên xu hướng thu được từ 1 đến 5 noãn
hay thu được từ 6 đến 10 noãn bao gồm: "số chu kì ivf, nhóm tuổi từ 31 đến 35, phác
đồ ngắn với Agonist, tổng liều nhỏ hơn 2000 mg, tổng liều lớn hơn 3000 mg, nồng độ
fshn3". Mức ảnh hưởng cụ thể như sau:
+ Khi tăng số chu kì thu tinh trong ống nghiệm thêm 1 lần thì khả năng thu được
từ 1 đến 5 noãn giảm so với khả năng thu được từ 6 đến 10 noãn.

SẢN TRUNG ƯƠNG
Bảng 3.3: Kết quả so sánh nhóm số noãn từ 1 đến 5 với nhóm số noãn từ 6 đến 10
Say .493 .958
Sockivf .036 .838
Nguyênnhân Do voi .659 1.203
Phong noan .715 1.271
Tinh trung .105 2.017
K ro .639 1.227
Do hai vc .286 1.624
Tu cung - -
Nhóm tuổi 41 .877 .949
36 den 40 .972 1.007
31den 35 .032 .678
30
Phác đồ nganvoiantagonist .871 .958
nganvoiagonist .000 1.976
pddai - -
tổng liều < 2000mg .000 .528
> 3000mg .000 2.533
từ 2000 den 3000 - -
fshn3 >10 .000 3.733
10
Intercept .658
+ Đối với biến nhóm tuổi: so với bệnh nhân ở nhóm không quá 30 tuỏi thì bệnh
nhân ở nhóm tuổi từ 31 đến 35 khả năng thu được 1 đến 5 noãn chỉ bằng 67.8 % so
với khả năng thu được từ 6 đến 10 noãn. Như vậy bệnh nhân ở nhóm tuổi từ 31 đến
35 thì khả năng thu được 6 đến 10 noãn nhiều hơn khả năng thu được 1 đến 5 noãn.

SẢN TRUNG ƯƠNG
+ Đối với phác đồ điều trị: nhóm bệnh nhân sử dụng phác đồ ngắn với Agonist khả
năng thu được từ 1 đến 5 noãn gấp gần 2 lần khả năng thu được từ 6 đến 10 noãn so
với phác đồ dài.
+ Đối với biến tổng liều: Nhóm bệnh nhân sử dụng tổng liều nhỏ hơn 2000 mg thì
khả năng thu được từ 1 đến 5 noãn chỉ bằng một nửa khả năng thu được từ 6 đến 10
noãn so với nhóm bệnh nhân sử dụng tổng liều từ 2000 đến 3000 mg. Hay nói cách
khác nhóm bệnh nhân sử dụng tổng liều nhỏ hơn 2000 mg có xu hướng thu được từ 6
đến 10 noãn hơn là thu được từ 1 đến 5 noãn so với nhóm sử dụng tổng liều từ 2000
đến 3000 mg. Còn đối với nhóm bệnh nhân sử dụng tổng liều lớn hơn 3000 mg khả
năng thu được từ 1 đên 5 noãn gấp 2.5 lần khả năng thu được 6 đến 10 noãn so với
nhóm bệnh nhân sủ dụng tổng liều từ 2000 đến 3000 mg. Nói cách khác nhóm bệnh
nhân sử dụng tổng liều lớn hơn 3000 mg thì có xu hướng thu được từ 1 đến 5 noãn
hơn là là thu được từ 6 đến 10 noãn so với nhóm bệnh nhân sử dụng tổng liều từ 2000
đến 3000 mg.
+ Đối với biến nồng độ fsh ngày 3: Nhóm bệnh nhân có nồng đô fsh ngày thứ 3
của vòng kinh không bình thường có khả năng thu được từ 1 đến 5 noãn gấp 3.7 khả
năng thu được từ 6 đến 10 noãn so với nhóm bệnh nhân có nồng độ fsh ngày 3 bình
thường.
- Mức độ ảnh hưởng của các biến liên tục như : "thời gian vô sinh, số lần sảy thai"
lên khả năng thu được từ 1 đến 5 noãn hay thu được từ 6 đến 10 noãn không có ý
nghĩa thống kê (p-giá trị >0.05).
- Mức độ ảnh hưởng của các biến còn lại so với nhóm đối chứng tương ứng lên khả
năng thu được từ 1 đến 5 noãn hay thu được từ 6 đến 10 noãn không có ý nghĩa thống
kê (p-giá trị >0.05).
b. Kết quả chạy mô hình so sánh giữa nhóm số noãn từ 11 trở lên và nhóm số noãn
từ 6 đến 10 được trình bày trong bẳng 3.4. Từ bảng 3.4 ta thấy:
- Các biến ảnh hưởng có ý nghĩa thống kê lên khả năng thu được từ 11 noãn trở
lên hay thu được từ 6 đến 10 noãn bao gồm: "nguyên nhân tinh trùng, nguyên nhân
do hai vợ chồng". Mức ảnh hưởng cụ thể như sau:

SẢN TRUNG ƯƠNG
Bảng 3.4: Kết quả so sánh giữa nhóm số noãn "từ 11 trở lên" với nhóm số noãn "từ 6
đến 10"
Say .179 1.111
Sockivf .760 .966
Phong noan .266 .436
Tinh trung .042 .371
K ro .102 .449
Do hai vc .024 .293
Tu cung - -
Nhóm tuổi 41 .326 .553
36 den 40 .076 .588
31den 35 .400 .832
30 - -
Phác đồ nganvoiantagonist .911 1.037
pddai - -
tổng liều < 2000mg .098 1.391
> 3000mg .132 .428
từ 2000 den 3000 - -
fshn3 >10 .720 .815
10
Intercept .764
+ Nhóm bệnh nhân có nguyên nhân do tinh trùng khả năng thu được từ 11 noãn
trở lên bằng 37.1 % khả năng thu được từ 6 đến 10 noãn so với nhóm có nguyên nhân
do tử cung. Hay nói cách khác nhóm bệnh nhân có nguyên nhân do tinh trùng có xu
hướng thu được từ 6 đến 10 noãn hơn là xu hướng thu được từ 11 noãn trở lên so với

SẢN TRUNG ƯƠNG
nguyên nhân do tử cung.
+ Nhóm bệnh nhân có nguyên nhân do hai vợ chồng khả năng thu được từ 11 noãn
trở lên bằng 29.3 % khả năng thu được từ 6 đến 10 noãn so với nhóm nguyên nhân
do tử cung. Tức là nhóm bệnh nhân có nguyên nhân do hai vợ chồng có xu hướng thu
được từ 6 đến 10 noãn hơn là xu hướng thu được từ 11 noãn trở lên so với nguyên
nhân do tử cung.
- Mức độ ảnh hưởng của các biến liên tuc như: " thời gian vô sinh, sảy, số chu kì
ivf" lên khả năng thu được 11 noãn trở lên hay thu được từ 6 đến 10 noãn không có ý
nghía thống kê.
- Mức độ ảnh hưởng của các biến còn lại so với nhóm đối chứng tương ứng lên khả
năng thu được 11 noãn trở lên hay thu được từ 6 đến 10 noãn cũng không có ý nghĩa
thống kê (p-giá trị >0.05).
3.3 Ảnh hưởng của các biến độc lập lên biến "hình
thành thai"
Trong tổng số 1171 bệnh nhân có chuyển phôi thì 835 bệnh nhân không có thai,
còn lại 336 bệnh nhân có thai. Vậy yếu tố nào thực sự ảnh hưởng đến khả năng phôi
tạo thành bào thai? Để tìm ra những yếu tố ảnh hưởng đến quá trình phôi tạo thành
bào thai của bệnh nhân chúng ta đi xây dựng mô hình hồi qui logistic nhị phân với
biến phụ thuộc là biến "hình thành thai". Biến này nhận giá trị bằng 1 nếu bệnh nhân
có thai và nhận giá trị bằng 0 nếu bệnh nhân không có thai.
Các biến độc lập trong mô hình bao gồm: thời gian vô sinh, nhóm tuổi, sảy, số chu
kì ivf, tổng liều, fshn3, nguyên nhân vô sinh, phác đồ điều trị, sinh, số noãn, số phôi,
số phôi chuyển.
Kết quả chạy mô hình với đầy đủ các biến độc lập ở trên được trình bày trong bảng
3.5 . Từ bảng 3.5 ta thấy mức độ ảnh hưởng của các biến: "Phác đồ ngắn với Agonist,
nhóm tuổi từ 41, số noãn, số phôi, số phôi chuyển" lên khả năng có thai có ý nghĩa
thống kê.

SẢN TRUNG ƯƠNG
Bảng 3.5: Mô hình đầy đủ với biến phụ thuộc là biến hình thành thai
Thoigianvs .189 .974
Say .105 .895
Sockivf .212 .888
K ro .083 .479
Do hai vc .078 .451
Tu cung - -
Nhóm tuổi 41 .047 .400
36 den 40 .444 1.188
31den 35 .540 .895
30 - -
pddai - -
tổng liều < 2000mg .932 1.014
> 3000mg .259 .733
từ 2000 den 3000 - -
fshn3 10 .265 1.404
> 10 - -
nmtc > 8mm .091 1.596
8mm - -
sonoan .018 .920
sophoi .000 1.219
spchuyen .012 1.218
Sinh (=1) .541 1.120

SẢN TRUNG ƯƠNG
Bảng 3.6: Mô hình thu gọn biến phụ thuộc là biến hình thành thai
sockivf .0697 .849
KroNN .036 .663
NNDohaivc .056 .626
nhomtuoitu41 .012 .352
pdnganvoiAgonist .035 .718
nmtc .063 1.647
sonoan .019 .923
sophoi .000 1.222
spchuyen .009 1.224
Constant .000 .118
- Khi so sánh bảng 3.5 với bảng 3.6 ta thấy xuất hiện thêm biến "không rõ nguyên
nhân" ảnh hưởng có ý nghĩa thống kê lên khả năng hình thành thai. Từ bảng 3.6 ta
có thể rút ra một số kết luân sau:
+ Nhóm bệnh nhân không tìm thấy nguyên nhân gây vô sinh thì khả năng có thai
chỉ bằng 66.3 % so với nhóm bệnh nhân có nguyên nhân vô sinh do tử cung.
+ Nhóm bệnh nhân từ 41 tuổi trở lên thì khả năng có thai chỉ bằng 35.2 % so với
nhóm bệnh nhân dưới 41 tuổi.
+ Nhóm bệnh nhân làm phác đồ ngắn với Agonist khả năng có thai chỉ bằng 71.8
% so với nhóm bệnh nhân sử dụng hai phác đồ còn lại là phác đồ ngắn với antagonist
và phác đồ dài.
+ Đối với biến số noãn chọc hút được: Khi số noãn chọc hút được tăng lên 1 noãn
thì khả năng có thai giảm đi 8 %.
+ Đối với biến số phôi: Số phôi tăng thêm 1 thì khả năng có thai tăng gấp 1.222
lần.
+ Đối với biến số phôi chuyển: Sô phôi chuyển tăng thêm 1 phôi thì khả năng có
thai tăng gấp 1.224 lần.

SẢN TRUNG ƯƠNG
3.4 Ảnh hưởng của các biến độc lập lên biến "sảy1"
Sau khi bệnh nhân đã có thai, có những sự cố có thể xảy ra trong quá trình mang
thai như: sảy thai, thai chết lưu. Để tìm ra yếu tố ảnh hưởng đến khả năng bị sảy thai
của bệnh nhân chúng ta đi xây dựng mô hình hồi qui logistic nhi phân với biến phụ
thuộc là biến "sảy1". Biến này nhận giá trị bằng 1 nếu bệnh nhân bị sảy thai và nhận
giá trị bằng 0 nếu bệnh nhân không bị sảy thai.
Trong tổng số 336 bênh nhân có thai, có 39 bệnh nhân bị sảy thai, còn lại 297 bệnh
nhân không bị sảy thai.
Các biến độc lập trong mô hình bao gồm: thời gian vô sinh, sảy, số chu kì ivf, phác
đồ điều trị, nhóm tổng liều, fshn3, nhóm tuổi, sinh, nguyên nhân, số noãn, số phôi
chuyển, nmtc.
Kết quả chạy mô hình với đầy đủ các biến độc lập kể trên được ghi lại trong bảng
3.7.
Từ bảng 3.7 ta thấy mức độ ảnh hưởng của các biến: "phác đồ ngắn với Antagonist,
sinh" lên biến sảy1 có ý nghĩa thống kê.
So sánh bảng 3.7 và bảng 3.8 ta thấy các biến độc lập ảnh hưởng có ý nghĩa thống
kê lên khả năng bị sảy thai sau thu tinh trong ống nghiêm không thay đổi. Từ bảng
3.8 ta có thể rút ra một số kết luận sau:
+ Nhóm bệnh nhân sử dụng phác đồ ngắn với Antagonist làm tăng khả năng sảy
thai lên gấp 3.09 lần so với nhóm bệnh nhân sử dụng hai phác đồ còn lại.
+ Nhóm bệnh nhân đã từng sinh con thì khi làm thụ tinh trong ống nghiệm khả
năng bị sảy thai cao gấp 2.9 lần so với nhóm bệnh nhân chưa từng sinh con.

SẢN TRUNG ƯƠNG
Bảng 3.7: Mô hình đầy đủ với biến phụ thuộc là biến sảy1
Say .468 .875
Sockivf .619 1.129
K ro .596 .514
Do hai vc .838 1.287
Tu cung - -
Nhóm tuổi 41 .851 .786
36 den 40 .157 .408
31den 35 .952 .972
30 - -
pddai - -
tổng liều < 2000mg .933 1.037
> 3000mg .706 .713
từ 2000 den 3000 - -
fshn3 10 .998 3.362E8
> 10 - -
nmtc > 8mm .573 .608
8mm - -
sonoan .248 1.090
sophoi .204 .884
spchuyen .538 .862
sinh (=1) .015 3.099

SẢN TRUNG ƯƠNG
Bảng 3.8: Mô hình thu gọn biến phụ thuộc là biến say1
say .529 .899
sockivf .449 1.192
NNdovoi .117 2.518
NNtinhtrung .311 1.981
NNDohaivc .244 2.484
nhomtuoitu36den40 .100 .454
pdnganvoiAntagonist .048 3.090
tonglieulon3000 .401 .493
sonoan .285 1.079
sophoi .208 .889
sinh .013 2.926
Constant .000 .050
3.5 Ảnh hưởng của các biến độc lập lên biến "lưu"
Trong tổng số 336 bệnh nhân có thai có 314 bệnh nhân không bị thai chết lưu, 22
bệnh nhân bị thai chết lưu. Để tìm ra yếu tố ảnh hưởng đến khả năng thai bị chết lưu
chúng ta đi xây dựng mô hình hồi qui logistic với biến phụ thuộc là "lưu". Biến này
nhân giá trị bằng 1 nếu bệnh nhân bị thai chết lưu và nhận giá trị bằng 0 nếu bệnh
nhân không bị thai chết lưu.
Trong tổng số 336 bênh nhân có thai, có 22 bệnh nhân bị thai chết lưu, còn lại 314
bệnh nhân không bị thai chết lưu.
chuyển, nmtc.
Kết quả chạy mô hình với đầy đủ các biến đôc lập ở trên được ghi lại trong bảng
3.9. Từ bảng 3.9 ta thấy mức độ ảnh hưởng của các biến độc lập nên khả năng thai bị
chết lưu sau thu tinh trong ống nghiệm đều không có ý nghĩa thống kê.

SẢN TRUNG ƯƠNG
Bảng 3.9: Mô hình đầy đủ với biến phụ thuộc là biến lưu
Say .533 1.157
Sockivf .234 1.374
K ro .280 .338
Do hai vc .998 .000
Tu cung - -
Nhóm tuổi 41 .281 4.410
36 den 40 .959 1.037
31den 35 .474 .624
30 - -
pddai - -
tổng liều < 2000mg .843 .889
> 3000mg .516 .466
từ 2000 den 3000 - -
fshn3 10 .909 1.143
> 10 - -
nmtc > 8mm .690 .704
8mm - -
sonoan .574 1.058
sophoi .385 .894
spchuyen .240 1.417
sinh (=1) .274 .434

SẢN TRUNG ƯƠNG
hưởng ít nhất vẫn không tìm thấy yếu tố nào ảnh hưởng có ý nghĩa thống kê lên khả
năng bị thai chết lưu sau thu tinh trong ống nghiệm.
3.6 Ảnh hưởng của các biến độc lập lên biến "sinh1"
Trong thời gian người mẹ mang thai, có nhiều yếu tố ảnh hưởng đến việc người mẹ
có giữ được thai đến lúc đẻ hay không. Trong phân tích này chúng ta đi xem xét các
yếu tố của bản thân người mẹ trước khi điều trị vô sinh tại Bệnh viện và các phương
pháp điều trị có ảnh hưởng đến việc người mẹ sinh được con hay không. Để làm được
điều đó chúng ta xây dựng mô hình hồi qui logistic nhị phân với biến phụ thuộc là
biến "sinh1". Biến phụ thuộc này nhận giá trị bằng 1 nếu bệnh nhân sinh được con và
nhân giá trị bằng 0 nếu bệnh nhân không sinh được con.
Mẫu phân tích gồm 336 bệnh nhân có thai, với 129 bệnh nhân không sinh được
con, 207 bệnh nhân sinh được con.
chuyển, nmtc.
Kết quả chạy mô hình với đầy đủ các biến độc lập được trình bày trong bảng 3.10.
Từ bảng 3.10 ta thấy mức độ ảnh hưởng của biến "số noãn, số phôi" lên khả năng sinh
con sau thụ tinh trong ống nghiệm có ý nghĩa thống kê.
hưởng ít nhất ta thu được mô hình thu gọn. Kết quả được trình bày trong bảng 3.11.
Khi so sánh bảng 3.10 và bảng 3.11 ta thấy các biến độc lập ảnh hưởng có ý nghĩa
thống kê lên khả năng sinh được con sau thụ tinh trong ống nghiệm không thay đổi.
Từ bảng 3.11 ta có thể rút ra một số kết luận sau:
+ Khi số noãn chọc hút được tăng 1 noãn thì khả năng có thể sinh con của bệnh
nhân giảm đi 11.5 %.
+ Khi số phôi tăng thêm 1 phôi thì khă năng sinh được con tăng gấp 1.171 lần.
+ Mức ảnh hưởng của biến thời gian vô sinh lên khả năng sinh được con không có
ý nghĩa thống kê.

SẢN TRUNG ƯƠNG
Bảng 3.10: Mô hình đầy đủ với biến phụ thuộc là biến sinh1
Thoigianvs .115 .941
Say .979 1.003
Sockivf .558 .908
Phong noan .241 3.295
K ro .210 2.381
Do hai vc .309 2.135
Tu cung - -
Nhóm tuổi 41 .884 1.139
36 den 40 .217 1.609
31den 35 .546 .827
30 - -
pddai - -
tổng liều < 2000mg .861 1.051
> 3000mg .794 .875
từ 2000 den 3000 - -
fshn3 10 .755 1.197
> 10 - -
nmtc > 8mm .071 2.564
8mm - -
sonoan .039 .890
sophoi .019 1.177
spchuyen .669 .936
sinh (=1) .205 .666

SẢN TRUNG ƯƠNG
Bảng 3.11: Mô hình thu gọn biến phụ thuộc là sinh1
thoigianvs .100 .947
nmtc .084 2.260
sonoan .023 .885
sophoi .016 1.171
Constant .973 .982
+ Mức độ khác biệt giữa nhóm bệnh nhân có độ dày niêm mạc tử cung ngày tiêm
HCG bình thường (> 8mm) so với nhóm bệnh nhân có độ dày niêm mạc tử ngày tiêm
HCG mỏng (≤ 8mm) lên khả năng sinh được con không có ý nghĩa thống kê.

Chương 4
Bàn luận
4.1 Bàn luận về yếu tố ảnh hưởng đến kết quả hình
thành noãn
Từ kết quả của mô hình 3.2 ta thấy nhóm bệnh nhân từ 41 tuổi trở lên thì khả
năng có noãn để tiến hành chọc hút chỉ bằng 11.2 % so với nhóm bệnh nhân dưới 41
tuổi. Do đó bệnh nhân nhiều tuổi (từ 41 tuổi trở lên) làm giảm khả năng có noãn để
chọc hút. Nguyên nhân bởi vì đến một độ tuổi nhất định buồng trứng của người phụ
nữ bắt đầu suy giảm, nên khả năng đáp ứng với kích thích buồng trứng không còn
được tốt nữa. Như vậy tuổi của bệnh nhân khi điều trị vô sinh là một trong những yếu
tố quan trọng ảnh hưởng đến kết quả thu tinh trong ống nghiệm. Do vây những bệnh
nhân bị vô sinh nên điều trị càng sớm thì hiệu quả càng cao.
4.2 Bàn luận về yếu tố ảnh hưởng đến kết quả có
thai
Theo kết quả của mô hình 3.6 thì khả năng có thai của nhóm bệnh nhân từ 41 tuổi
trở lên khi thực hiên điều trị vô sinh bằng chính noãn của bệnh nhân chỉ bằng 35.2 %
so với nhóm bệnh nhân dưới 41 tuổi. Nguyên nhân bởi vì phụ nữ già đi thì số lượng và
chất lượng trứng cũng giảm, làm ảnh hưởng đến khả năng trứng tạo thành phôi thai.
Do đó đối với bệnh nhân nhiều tuổi (từ 41 tuổi trở lên) cần áp dụng các biện pháp điều
61

Luận văn: Phân tích thống kê hiệu quả điều trị vô sinh, HOT, 9đ

Luận văn: Phân tích thống kê hiệu quả điều trị vô sinh, HOT, 9đ

Recommended

Recommended

More Related Content

Similar to Luận văn: Phân tích thống kê hiệu quả điều trị vô sinh, HOT, 9đ

Similar to Luận văn: Phân tích thống kê hiệu quả điều trị vô sinh, HOT, 9đ (20)

More from Dịch vụ viết bài trọn gói ZALO 0917193864

More from Dịch vụ viết bài trọn gói ZALO 0917193864 (20)

Recently uploaded

Recently uploaded (20)

Luận văn: Phân tích thống kê hiệu quả điều trị vô sinh, HOT, 9đ