poster ไฟล์ PDF จะชัดกว่าครับ

poster

tabwhiteวันนี้ขอลองทำอะไรตามใจดูนะครับ คือผมสรุป flow ของการศึกษาไว้ด้านซ้าย และ comment ไว้ด้านขวา กรุณาอย่าสนใจ grammar ที่ผิดเพี้ยนและความกระแดะใช้ภาษาอังกฤษเลยนะครับ 555 สาเหตุที่ใช้ English เพราะพิมพ์สะดวกกว่าเท่านั้นเองครับ

tabwhiteผมอยากให้ดูงานวิจัยนี้เทียบกับงานวิจัยเรื่อง new-onset diabetes and statin exposure in elderly women นะครับ เพราะมีความเหมือนกันในหลายด้าน และก็มีความต่างในแง่สถิติมากมายอยู่ … มาเริ่มพูดถึงงานวิจัยนี้กันดีกว่า

tabwhiteที่มาคงไม่ต้องพูดมาก เขาอยากจะศึกษาเรื่องการเกิด stroke และ dementia ในคนที่กิน”น้ำตาลเทียม” (ซึ่งในสมัยที่ศึกษาแอสปาแตมจะเป็นตัวเด่นนะครับ) โดยทำใน 2nd generation ของ Framingham Heart Study cohort … เริ่มที่ในรอบการเก็บข้อมูลที่ 5-6-7 นั่นมีการตอบแบบสอบถามเรื่องอาหารและเครื่องดื่ม ซึ่งในนั้นจะทำให้ได้ข้อมูลการกินน้ำหวานจำพวกต่างๆออกมาด้วย  .. ขึ้นชื่อว่าแบบสอบถามก็ย่อมมี recall bias แต่ผมคิดว่าในโลกมนุษย์เราคงไม่สามารถจับคนมานั่งกรอกอาหารน้ำต่างๆได้หรอกครับ คิดว่าวิธีนี้ก็เหมาะสมแล้ว และถามถึงแค่การกินในปีที่ผ่านมา ไม่ได้ย้อนเวลาไป 10 ปี ก็คงพอเชื่อถือได้

tabwhiteอาศัยข้อมูลจาก cycle ที่ 7 เป็นสำคัญ นำมากำหนดเป็น “recent intake” และถ้านำข้อมูล cycle 5-6 มาคิดด้วยจะคำนวณเป็น “cumulative intake” ซึ่ง n จะน้อยลง เพราะพบว่า subject บางคนไม่ได้ตอบแบบสอบถามใน cycle5-6

tabwhiteหลังจากจบ cycle 7 ซึ่งเป็น index date ในการศึกษาการเกิดstroke และ dementia ผู้วิจัยก็จะทำการ exclude case ที่เป็น stroke, dementia ไปแล้วออกจากวิเคราะห์ สังเกตว่าเค้าแยกการวิเคราะห์เป็นสองขาเลยนะครับ คิดตามแล้วอาจจะงงๆ ขอให้มองว่า นี่เป็น 2 study ใน 1 population เลยก็ได้ครับ คือ subject บางคน (หลายคน) จะอยู่ในทั้งสองการวิเคราะห์นะครับ
(ภาพประกอบฟ้าผ่าสมองคือ stroke ชัดเจน … ส่วนฝั่ง dementia เป็นช่อ forget me not)

tabwhiteถัดมาเป็นการ follow-up 10 ปี
tabwhiteฝั่ง stroke เน้นข้อมูลจาก admission record เป็นหลักแล้วเก็บตกด้วยการซักประวัติในแต่ละ cycle ซึ่งก็เหมาะสมดี ส่วนฝั่ง dementia ใช้ routine MMSE ร่วมกับคนที่มี concern ของ cognitive และสุดท้ายทั้ง stroke และ dementia จะมีทีมงานผู้เชี่ยวชาญมาวิเคราะห์หลักฐานเพื่อตกลงว่าเคสไหนบ้างเป็น stroke, dementia ซึ่งก็ดูลงตัวครับ เหมาะสมกับบริบท อ่านแล้วอยากทำ cohort ขึ้นมาเลย

tabwhiteเพราะฉะนั้น พอจบ 10 ปี เราก็จะมีข้อมูลการกินเมื่อ10ปีที่แล้ว กับ outcomeที่เกิดขึั้นใน10ปีนี้ ผู้วิจัยนำข้อมูลนี้มาทำ Cox proportional hazard ครับ
tabwhiteนี่เป็นสาเหตุที่ผมอยากให้อ่านงานที่แล้วก่อน เพราะจะได้เห็นว่า จริงๆในกรณีที่ exposure มีความเปลี่ยนแปลงไปตามกาลเวลา ก็มีวิธีทางสถิติให้คิดได้อยู่ แต่ในงานนี้เป็นการตั้งสมมติฐานว่า ทุกคนกินเหมือนเดิมมาตลอด 10 ปี ซึ่งไม่น่าจะถูกต้องนัก ไม่ใช่แค่การกินเท่านั้น แต่โรคประจำตัวก็มีโรคใหม่เพิ่มขึ้น โรคเดิมก็อาจจะรุนแรงขึ้น อ้วนขึ้น ผอมลง ได้ทั้งสิ้น ซึ่งทุกข้อมูลสามารถนำมาวิเคราะห์พร้อมกันได้ครับตามแบบ time-dependent covariate analysis

tabwhiteอีกประเด็นคือเรื่องของ competing risk โดยเฉพาะการตาย งานนี้ไม่ได้พูดถึงเลย ยกเว้นการตายจาก stroke ซึ่งเป็นไปไม่ได้หรอก follow-up 10 ปี ต้องตายกันบ้างแหละ ถึงไม่ตาย การมีโรคบางอย่างโดยเฉพาะ dementia ก็มีแนวโน้มจะบดบังการเกิด stroke อารมณ์ว่าถ้าคนเป็นสมองเสื่อมหนักๆ นอนติดเตียง แล้ววันนึงพูดไม่ชัด แขนขาอ่อนแรงหนึ่งซีก ก็อาจไม่ได้รับความสนใจว่าเป็น stroke ก็เป็นได้ ดังนั้นจึงน่าจะต้องวิเคราะห์ด้วย competing risk analysis ด้วย

tabwhiteในการวิเคราะห์ครั้งนี้ ผู้วิจัยได้คิด model ของตัวแปรร่วมขึ้นมา 3 แบบ ดังที่เขียนไว้ เพื่อจะนำมาคิดใน CoxPH ซึ่ง model#1 ซึ่งเป็นขั้วของทุก model นั้นมีเรื่องของ caloric intake อยู่ด้วย ในความเห็นของผมก็คือ calories เป็นหนึ่งใน mechanism ของ sugary drinks ที่จะนำไปสู่การเกิด outcome ต่างๆ การที่นำ mechanism มาเป็น covariate อาจทำให้ true effect ของปัจจัยนั้นๆไม่ปรากฎขึ้นมาก็ได้ คือ ถ้าจริงๆแล้วการกิน sugary drinks มีผลต่อการเกิด stroke / dementia ผ่านทาง calories พอเรานำมาวิเคราะห์แบบนี้ก็จะกลายเป็นว่าตัว sugar เองไม่มีผลได้

tabwhiteอีกประเด็นที่สำคัญมากก็คือ ในความเป็นจริงคนคนหนึ่งย่อมไม่กินแต่น้ำตาลเทียม แต่ย่อมกินน้ำอื่นๆด้วย ดังนั้นผมคิดว่าการวิเคราะห์ควรทำไปพร้อมๆกันทั้งน้ำตาลเทียมและน้ำตาลจริง แต่ที่เขาทำคือแยกกลุ่มวิเคราะห์เลย เสมือนว่า คนที่กินน้ำตาลเทียมจะไม่กินน้ำตาลแท้เลย หรือมีสัดส่วนการกินน้ำตาลแท้ในแต่ละกลุ่มการกินน้ำตาลเทียมเท่ากัน ทั้งที่จริงๆแล้วเราคาดหวังว่าคนที่กินน้ำตาลเทียมก็เพื่อจะลดปริมาณการกินน้ำตาลแท้ลง

tabwhiteทีนี้ผมอ่าน result ใน full paper แล้วรู้สึกเวียนหัวมาก เลยลองสรุปเป็นตารางแบบนี้นะครับ กล่าวคือ exposure 6 หมวดหมู่ x modelตัวแปรร่วม 3 แบบ x outcome of interest 4 แบบ รวมเป็น 72 การวิเคราะห์ดังตาราง
tabwhiteผู้วิจัยเค้าแบ่งปริมาณการกินแต่ละหมวดออกเป็น 3 level ในกรณีของน้ำตาลเทียม แบ่งเป็น ไม่ดื่มเลย, น้อยกว่า 1 drink ต่อวัน, และ มากกว่าเท่ากับ 1 drink ต่อวัน โดยเอาไม่ดื่มเลยเป็น reference group ผมให้ดาวแดงเมื่อการกินทั้ง 2 level sig, ดาวเหลืองเมื่อ sig แค่ level ที่ 3

tabwhiteถ้าดูตามตารางนี้ ไม่ว่าจะ model ไหน เครื่องดื่มน้ำตาลเทียมก็รับผิดไปเต็มๆ และน้ำตาลแท้รอดทั้งหมด ซึ่งผมมีเหตุผลที่จะไม่เชื่อดังที่บอกไปแล้ว

tabwhiteทีนี้เลยลองคิดดูว่าเราบอกอะไรจากงานนี้ได้บ้าง ผมคิดว่า “ถ้าเราassumeว่าลักษณะการบริโภคและปัจจัยเสี่ยงต่างๆคงที่ตลอด10ปี” + “ปริมาณการกินน้ำตาลเทียมไม่มีความสัมพันธ์ใดใดกับปริมาณการกินน้ำตาลแท้” + “competing risk มีผลน้อย” เราก็จะพบว่าการกินน้ำตาลเทียม esp. แอสปาแตม เพิ่มความเสี่ยงต่อโรคหลอดเลือดสมองและภาวะสมองเสื่อมอย่างมีนัยสำคัญ โดยมี HR ประมาณ 2-3 เท่า เทียบกับคนที่ไม่กินน้ำตาลเทียมเลย

tabwhiteดูโทนภาษาผมน่าจะเดาได้ว่าผมยังไม่เชื่อเท่าไร แต่ไม่เป็นไรนะครับ สมมติว่าเชื่อก็ได้… ใน full paper มี KM curve อยู่

Screenshot from 2017-04-28 01:19:12.png

tabwhiteซึ่งคงเห็นได้ว่าเส้นสีฟ้า ซึ่งคือกลุ่มที่กินน้ำตาลเทียมเยอะที่สุดนั้น เกิด event มากกว่าเส้นสีเขียวคือไม่กินเลย อย่างชัดเจน แต่เดี๋ยวก่อน! ลองดู scale ในแกน Y ด้วยนะครับ … ถ้าดูแล้ว คงแล้วแต่ perception แต่ละบุคคลแล้วล่ะ ที่จะตัดสินใจว่า ความต่างนี้มีนัยสำคัญสำหรับตัวเราเอง หรือสำหรับ public health หรือไม่ (ทั้งนี้ โดยส่วนตัวผมคิดว่านี่เป็น Bad practice สำหรับการวาด KM curve ครับ)

tabwhiteตัวผมเองสรุปว่า การกิน artificially sweetened beverage อาจมีผลเสียกว่าน้ำเปล่าก็ได้นะ แต่ถ้าเทียบกับการกินน้ำหวานๆปกติในปริมาณเท่ากัน ฟินในรสชาติเท่าๆกันแล้วล่ะก็ งานวิจัยนี้ไม่ได้ตอบคำถามนั้น

tabwhiteและท้ายที่สุด ผมคิดว่าเรายังสามารถเสพย์โค้กซีโร เปปซีแมกซ์ ฯลฯ ได้ต่อไปนะครับพร้อมทั้งเฝ้าระวังข้อมูลใหม่ๆ แต่สิ่งที่ไม่ควรเสพย์อย่างยิ่งคือผลการศึกษาที่เราไม่เข้าใจที่มาและข้อจำกัดของมัน

Advertisements